Dlaczego wdrożenia AI w firmach się nie udają

Wdrożenia AI najczęściej zatrzymują się na organizacji: firma kupuje dostęp do narzędzi, ale zostawia bez zmian procesy, zasady bezpieczeństwa i sposób pracy ludzi. BCG szacuje, że 70% pracy przy wdrożeniu AI to ludzie i procesy, a algorytmy to zaledwie 10%. Poniżej cztery błędy, które powtarzają się najczęściej, i to, co robię inaczej.

Jak ruszyć z wdrożeniem AI krok po kroku?

1. Zapytaj ludzi, czego już używają. Zrób to, zanim kupisz cokolwiek nowego.
2. Wybierz 2-3 konkretne procesy z realnym problemem zamiast „AI w całej firmie”.
3. Powiedz wprost, po co to jest. Jeśli celem nie są zwolnienia, napisz to i trzymaj się tego.
4. Zostaw czas na naukę. Szkolenie na materiałach i w narzędziach zespołu, w grupach według poziomu.
5. Wyznacz ambasadorów w zespołach i daj im miejsce na dzielenie się tym, co działa.
6. Mierz czas do zaakceptowanego materiału zamiast liczby zalogowań.
7. Wracaj do tego co kwartał. Narzędzia starzeją się szybciej niż plany.

Dlaczego większość projektów AI nie wychodzi z pilotażu?

Pilotaż sprawdza narzędzie, a o skali decyduje organizacja. Raport MIT NANDA The GenAI Divide: State of AI in Business 2025 (Challapally, Pease, Raskar, Chari, lipiec 2025) opisuje, że 95% firm widzi zerowy wpływ formalnych inwestycji w AI na wynik finansowy (omówienie w Fortune). S&P Global Market Intelligence w badaniu ponad 1000 firm z Ameryki Północnej i Europy (marzec 2025) podaje, że średnio 46% prób koncepcyjnych jest porzucanych przed wdrożeniem, a odsetek firm wycofujących się z większości inicjatyw AI wzrósł z 17% do 42% (Cybersecurity Dive).

Wiele firm idzie tą samą, standardową ścieżką: kupuje popularne narzędzia, zleca IT dobór rozwiązań, kieruje budżet tam, gdzie efekt widać od razu, a czasem zaczyna od redukcji etatów. Każdy z tych kroków jest osobno logiczny. Razem dają wdrożenie, które niczego nie zmienia.

Kiedy wchodzę do zespołu, zaczynam od diagnozy, która trwa 1-2 tygodnie: rozmowy z ludźmi, przegląd procesów i audyt narzędzi, które już są w użyciu. Dopiero z tego wychodzi plan.

Czy problemem jest technologia, czy organizacja?

Organizacja. BCG formułuje to tak: algorytmy to 10% pracy przy transformacji AI, technologia 20%, a pozostałe 70% to ludzie i procesy (BCG, 2025). Raport MIT nazywa główną przyczynę porażek „luką uczenia” (learning gap): narzędzia zawodzą dlatego, że nie uczą się, nie adaptują i nie integrują z procesami firmy, a modele same w sobie są wystarczająco dobre. Ogólne narzędzia sprawdzają się u pojedynczego użytkownika, bo są elastyczne, ale w zastosowaniach firmowych tracą, bo nie pamiętają kontekstu.

AI nie naprawi zepsutych procesów. Przyspieszy je i zeskaluje, razem z ich wadami.

Dostęp a wdrożenie: czym się różnią?

Licencja to dostęp, a wdrożenie to zmiana sposobu pracy. Kupno narzędzia nie zmienia modelu biznesowego ani nawyków zespołu. Umiejętność pisania promptu też nie wystarcza, gdy narzędzie nie zna kontekstu biznesowego, czyli reguł marki, klientów i procesu akceptacji.

Z praktyki: zaczynam od procesu, a narzędzie dobieram na końcu. Biorę jedno powtarzalne zadanie, opisuję je krok po kroku i dopiero wtedy wybieram narzędzie. Kontekst firmy (styl marki, zasady, przykłady) trafia do wspólnej biblioteki promptów i standardów pracy, a w głowach pojedynczych osób nie zostaje nic.

Czym jest shadow AI i co z nim zrobić?

Shadow AI to korzystanie z narzędzi AI spoza oficjalnej listy firmy. Według raportu MIT oficjalne subskrypcje dużych modeli językowych kupiło ok. 40% firm, a pracownicy w ponad 90% firm regularnie używają do pracy własnych narzędzi AI, przez prywatne konta ChatGPT, Claude, Gemini czy Copilota. Powód jest prosty: narzędzie wybrane odgórnie bywa niezrozumiałe albo nie pasuje do potrzeb, więc pracownik sięga po własne.

Blokada ze strony IT tego nie zatrzymuje. Zatrzymuje tylko rozmowę o tym, co ludzie naprawdę robią.

Z praktyki: zaczynam od pytania „Czego już używacie i co wam to daje?”. To najtańszy audyt, jaki znam. Pokazuje, co działa, i pozwala zdecydować, co objąć zasadami, a co wesprzeć. Zasady, czyli co wolno, z jakimi danymi i w których narzędziach, ustalam z zespołem i IT w ramach wdrożenia AI.

Jak zdjąć z zespołu strach przed AI?

Pracownik przekonany, że AI ma go zastąpić, nie będzie się jej uczył ani mówił, co z nią robi. Z badania EY (lipiec 2024, 4741 pracowników w dziewięciu krajach Europy) wynika, że 68% obawia się utraty pracy z powodu AI (EY). Polski nie było w tej próbie, ale liczby pokazują skalę zjawiska. Amy Edmondson pokazuje, że bezpieczeństwo psychologiczne decyduje o tym, czy ludzie zadają pytania, przyznają się do błędów i proponują niestandardowe pomysły. Bez tego nie ma eksperymentów, a bez eksperymentów nie ma innowacji.

Raport MIT zwraca uwagę na ciekawy szczegół: w firmach, którym AI się udaje, oszczędności pochodzą głównie z ograniczenia wydatków zewnętrznych, czyli outsourcingu procesów (BPO) i agencji (nawet do 30% niższe koszty agencji). Własny zespół nie jest tam źródłem cięć. Dlatego mówię to zespołom wprost: AI ma zdjąć nudne zadania i część kosztów zewnętrznych.

Z praktyki: świętuję eksperymenty, także te nieudane. Zespół, który wie, że pomyłka jest informacją, uczy się szybciej. W praktyce wybieram ambasadorów, którzy naprawdę chcą się tym zajmować (inaczej nikt im nie uwierzy), i daję wspólne miejsce, w którym ludzie dzielą się odkryciami i promptami. Niektóre organizacje nagradzają to grywalizacją.

Na które procesy kierować budżet na AI?

Według raportu MIT ponad połowa budżetów na generatywną AI trafia do widocznych funkcji, takich jak sprzedaż i marketing, choć największy zwrot przynosi często automatyzacja zaplecza: operacji, finansów i prawa. Marketing ma sens, ale wybór procesu warto oprzeć na kosztach i czasie, a nie na tym, co ładnie wygląda na prezentacji dla zarządu.

Z praktyki: pracuję na kilku ciężkich, wartościowych procesach naraz zamiast na wszystkich. Firmom, którym wychodzi, pomaga rezygnacja z pogoni za każdym przypadkiem użycia. Wybierają kilka trudnych procesów, które wcześniej sprawiały kłopot. Jak wciągnąć do tego zespół, opisuję w tekście o wdrażaniu AI w agencji i dziale marketingu.

Jak sprawdzić, czy AI naprawdę coś daje?

Mierz czas do zaakceptowanego materiału. Liczba zalogowań mówi, że ktoś otworzył narzędzie. Czas od zlecenia do zaakceptowanego efektu mówi, czy praca naprawdę jest szybsza. Zespół, który „szybciej zrobił w Arkuszach”, ma rację, dopóki nikt nie zmierzył obu ścieżek.

Mierzę trzy rzeczy: czas na jedno zadanie przed i po, liczbę rund poprawek oraz to, czy materiał zaakceptowała osoba decyzyjna. Wyniki wracają do zespołu jako pętla zwrotna: porównujemy rzeczywisty efekt z oczekiwanym i poprawiamy proces. Bez tej pętli wdrożenie się nie uczy.

Planów na kilka lat i tak nie da się utrzymać, bo wiedza o narzędziach starzeje się w miesiące. Przewagę daje zdolność uczenia się i adaptacji. Lider zarządza zmianą ludzi, procesów i kultury, a AI jest kompetencją do nauczenia, a nie narzędziem do zainstalowania.

Z kim sprawdzałem to w praktyce?

Opisane wyżej podejście pochodzi z pracy z zespołami, nie z teorii. Poniżej programy i firmy, w których uczyłem i wdrażałem, w tym te, w których ważną częścią były zasady korzystania z AI.

Jakie błędy liderów widzę najczęściej?

• Zakup licencji bez planu szkolenia i bez właściciela tematu.
• Jedno „słuszne” narzędzie narzucone całej firmie.
• Zlecenie całości IT, choć decyzje dotyczą procesów biznesowych.
• Komunikat o zwolnieniach albo jego brak, który ludzie i tak czytają po swojemu.
• Szkolenie „o AI” zamiast szkolenia z konkretnych zadań zespołu.

Najczęstsze pytania o wdrożenie AI w firmie

Wdrażam AI w zespołach kreatywnych i marketingowych w modelu opisanym na stronie wdrożeń AI, a zespoły uczę pracy na narzędziach, które firma już ma, na szkoleniach.