Sztuczna inteligencja w przedsiębiorstwach znajduje się dziś w wyraźnie innym miejscu niż jeszcze kilka lat temu. Dyskusja coraz rzadziej koncentruje się na tym, czy firmy powinny korzystać z AI. Znacznie ważniejsze stają się pytania o skalę wdrożeń, sposób wykorzystania technologii w procesach, koszty jej działania oraz – przede wszystkim – o mierzalną wartość biznesową.
Dobrym obrazem tego etapu rozwoju rynku jest raport McKinsey i QuantumBlack The State of AI in 2026: On the road to ROI, opublikowany w sierpniu 2026 roku. Badanie przeprowadzono od 4 maja do 8 czerwca 2026 roku wśród 1719 respondentów z 97 krajów, reprezentujących różne branże, funkcje biznesowe i wielkości organizacji.
Dane pokazują bardzo wyraźny postęp w adopcji technologii. Jednocześnie ujawniają istotną dysproporcję: korzyści odczuwane przez pojedynczych użytkowników AI rosną znacznie szybciej niż rezultaty finansowe widoczne na poziomie całych przedsiębiorstw. Osiem na dziesięć badanych osób korzystających z AI deklaruje wzrost własnej produktywności, podczas gdy 37% respondentów przypisuje technologii pozytywny wpływ na EBIT organizacji. Co więcej, ten drugi wynik pozostaje praktycznie niezmieniony względem poprzedniego roku.
To właśnie przejście od indywidualnej produktywności do efektów widocznych w wynikach przedsiębiorstwa jest jednym z najważniejszych tematów raportu.
AI w 2026 roku – najważniejsze dane z raportu McKinsey
Skalę zmian zachodzących w przedsiębiorstwach dobrze pokazują liczby:
- 89% respondentów deklaruje regularne wykorzystanie AI przynajmniej w jednej funkcji biznesowej, a 44% wskazuje, że technologia jest już skalowana w całym przedsiębiorstwie – wobec 38% rok wcześniej.
- 56% respondentów deklaruje wykorzystanie AI w co najmniej trzech funkcjach biznesowych. Rok wcześniej było to 51%.
- W dużych przedsiębiorstwach odsetek respondentów deklarujących skalowanie agentów AI wzrósł z 27% do 40% w ciągu roku. W mniejszych organizacjach pozostaje na poziomie 22%.
- 32% respondentów wskazuje, że ich organizacja zrezygnowała z zakupu przynajmniej jednego produktu lub funkcji oprogramowania, ponieważ mogła stworzyć rozwiązanie wewnętrznie z wykorzystaniem agentowych narzędzi programistycznych.
- 80% badanych korzystających z AI deklaruje wzrost własnej produktywności, a około połowy wskazuje, że technologia pomaga im rozwijać nowe umiejętności i podejmować lepsze decyzje.
- 37% respondentów przypisuje AI pozytywny wpływ na EBIT, natomiast grupa organizacji określanych jako AI high performers stanowi zaledwie około 6% badanych.
- 20% respondentów przyznaje, że koszty operacyjne AI, w tym koszty tokenów, ograniczyły wykorzystanie technologii. Jednocześnie 60% spodziewa się dalszego zwiększenia inwestycji w AI.
- 39% respondentów przewiduje spadek zatrudnienia związany z AI w kolejnym roku, choć w poprzednich 12 miesiącach faktyczną redukcję zatrudnienia związaną z AI raportowało tylko 14% badanych.
Liczby te dobrze pokazują etap, na którym znalazł się rynek. AI nie jest już technologią niszową ani wyłącznie eksperymentalną. Wyzwaniem staje się natomiast przełożenie coraz szerszego wykorzystania sztucznej inteligencji na mierzalną wartość dla całej organizacji.
Od eksperymentów do skalowania AI
Według raportu 89% respondentów deklaruje regularne wykorzystanie AI w co najmniej jednym obszarze działalności. Co istotniejsze, rośnie udział organizacji, które wychodzą poza pojedyncze eksperymenty. 44% badanych mówi już o skalowaniu AI w przedsiębiorstwie, podczas gdy rok wcześniej wynik ten wynosił 38%.
AI trafia również do coraz większej liczby funkcji biznesowych. Udział respondentów deklarujących wykorzystanie jej w co najmniej trzech obszarach wzrósł z 51 do 56%. Dane pokazują więc nie tylko szeroką adopcję technologii, ale również stopniowe rozszerzanie zakresu jej zastosowania wewnątrz przedsiębiorstw.
Tempo zmian pozostaje jednak związane z wielkością organizacji. W firmach o rocznych przychodach wynoszących co najmniej miliard dolarów 54% respondentów deklaruje skalowanie AI w całym przedsiębiorstwie. W przypadku mniejszych organizacji jest to około jednej trzeciej badanych.
Jeszcze większą różnicę widać w przypadku agentów AI. W dużych przedsiębiorstwach udział respondentów deklarujących skalowanie agentów w co najmniej jednej funkcji wzrósł w ciągu roku z 27 do 40%. W mniejszych organizacjach wskaźnik pozostał na poziomie 22%.
Raport nie przesądza, z czego dokładnie wynika ta różnica. Pokazuje jednak, że duże organizacje szybciej przechodzą od testowania rozwiązań AI do ich wykorzystania na większą skalę.
Agenci AI stają się kolejnym etapem rozwoju sztucznej inteligencji w firmach
McKinsey definiuje agentów AI jako systemy oparte na modelach bazowych, działające w świecie rzeczywistym i zdolne do autonomicznego planowania oraz wykonywania wielu kolejnych kroków w ramach workflow. To ważne rozróżnienie, ponieważ agent nie jest po prostu kolejnym chatbotem. W ujęciu przyjętym w raporcie może samodzielnie planować i realizować wieloetapowe zadania.
Na razie to chatboty pozostają najbardziej rozpowszechnioną kategorią rozwiązań AI osiągających etap skalowania. 47% respondentów wskazuje, że ich organizacje skalują tego rodzaju narzędzia. W przypadku agentów AI oraz agentów wspierających tworzenie oprogramowania etap skalowania osiągnęło około dwóch na dziesięciu respondentów. W dużych przedsiębiorstwach wyniki są jednak wyższe – przykładowo 31% respondentów z organizacji o przychodach co najmniej miliarda dolarów deklaruje skalowanie agentów wspierających programowanie.
Raport pokazuje również, że zastosowania agentów różnią się pomiędzy branżami. Ogółem respondenci najczęściej wskazują ich skalowanie w IT, zarządzaniu wiedzą i inżynierii oprogramowania. Firmy technologiczne szczególnie często wykorzystują agentów w software engineering. W sektorze dóbr konsumpcyjnych i handlu detalicznego częściej pojawiają się w marketingu i sprzedaży, natomiast w zaawansowanej produkcji – między innymi w zarządzaniu łańcuchem dostaw i zapasami oraz w procesach produkcyjnych.
Nie istnieje więc jeden uniwersalny scenariusz wykorzystania agentów AI. Ich zastosowanie jest powiązane z funkcjami, które w poszczególnych branżach mają największy potencjał tworzenia wartości.
AI zaczyna zmieniać sposób podejmowania decyzji „build or buy”
Jednym z ciekawszych wyników badania jest wpływ agentowych narzędzi programistycznych na decyzje dotyczące oprogramowania. 32% respondentów deklaruje, że ich organizacja zrezygnowała z zakupu przynajmniej jednego produktu lub funkcji, ponieważ była w stanie stworzyć potrzebne rozwiązanie wewnętrznie przy użyciu agentowych narzędzi wspierających programowanie.
W niektórych branżach zjawisko jest jeszcze bardziej widoczne. W sektorze technologicznym taką sytuację deklaruje 41% respondentów, a wśród podmiotów z obszaru healthcare payers and providers – 39%.
Autorzy raportu nie interpretują tego jako zapowiedzi masowego odejścia od gotowego oprogramowania. Zwracają raczej uwagę na zmianę sposobu podejmowania decyzji technologicznych. Bardziej zaawansowane organizacje mogą świadomiej decydować, co warto kupić, co stworzyć wewnętrznie, a gdzie rozwijać własne kompetencje pozwalające integrować i skalować rozwiązania dostarczane przez partnerów.
Wśród AI high performers tendencja jest jeszcze silniejsza. Prawie połowa tej grupy deklaruje rezygnację z zakupu przynajmniej jednego produktu lub funkcji oprogramowania na rzecz rozwiązania zbudowanego wewnętrznie z wykorzystaniem agentów programistycznych. Wśród pozostałych respondentów wynik wynosi 31%.
Rozwój AI zaczyna więc wpływać nie tylko na sposób wykonywania pracy przez użytkowników, ale także na ekonomię tworzenia i pozyskiwania technologii przez przedsiębiorstwa.
80% pracowników widzi wzrost produktywności. Dlaczego nie widać go jeszcze w wynikach firm?
To jedno z najważniejszych pytań wynikających z raportu. Na poziomie pojedynczego użytkownika korzyści z AI są bardzo wyraźne. 80% respondentów korzystających z tej technologii uważa, że zwiększyła ona ich produktywność. Około połowy badanych wskazuje również, że AI pomaga im rozwijać nowe umiejętności i podejmować lepsze decyzje.
Obraz nie jest jednak jednoznacznie pozytywny. Raport odnotowuje także negatywne doświadczenia związane z wykorzystaniem AI, takie jak większy stres, zmęczenie psychiczne, presja na wykonywanie większej ilości pracy czy poczucie przytłoczenia ilością generowanych treści. Menedżerowie średniego szczebla i indywidualni pracownicy częściej niż przedstawiciele najwyższej kadry kierowniczej deklarują wystąpienie przynajmniej jednego z analizowanych negatywnych efektów.
Największa różnica pojawia się jednak pomiędzy indywidualną produktywnością a wynikami finansowymi przedsiębiorstw. Tylko 37% respondentów wskazuje na pozytywny wpływ AI na EBIT organizacji, a wynik ten zasadniczo nie zmienił się względem poprzedniego roku.
McKinsey wyodrębnia również niewielką grupę organizacji określanych jako AI high performers. Są to respondenci, którzy przypisują wykorzystaniu AI co najmniej 5% EBIT swojej organizacji i jednocześnie deklarują, że technologia przyniosła znaczącą wartość. Grupa ta stanowi około 6% badanych.
Ta dysproporcja ma istotne znaczenie. Szybsze wykonanie pojedynczego zadania nie musi automatycznie oznaczać poprawy ekonomiki całego procesu. Aby wzrost produktywności przełożył się na wynik organizacji, powinien być widoczny również w mierzalnych parametrach biznesowych – na przykład czasie realizacji procesu, jego kosztach, jakości, przepustowości lub przychodach.
Gdzie AI przynosi już mierzalne efekty finansowe?
Brak powszechnego wpływu na EBIT całych organizacji nie oznacza, że firmy nie obserwują finansowych rezultatów wykorzystania AI w poszczególnych funkcjach.
Po stronie kosztowej efekty są szczególnie widoczne w zarządzaniu łańcuchem dostaw, operacjach usługowych oraz produkcji. 41% respondentów wykorzystujących AI w supply chain management wskazuje na pewien poziom redukcji kosztów. W service operations jest to 38%, a w produkcji 37%.
Inaczej wygląda sytuacja po stronie przychodowej. Najczęściej wzrost przychodów przypisywany jest wykorzystaniu AI w marketingu i sprzedaży – wskazuje go łącznie 37% respondentów korzystających z AI w tej funkcji. W rozwoju produktów i usług wynik wynosi 36%, natomiast w inżynierii oprogramowania 31%.
Dane te pokazują, dlaczego ocena ROI z AI powinna uwzględniać konkretne procesy i funkcje biznesowe. Organizacja może jeszcze nie obserwować znaczącego wpływu technologii na całkowity EBIT, a jednocześnie osiągać wymierne efekty finansowe w wybranych obszarach.
Co wyróżnia firmy, które rzeczywiście osiągają wartość z AI?
Grupa AI high performers jest niewielka, ale właśnie porównanie jej z pozostałymi organizacjami dostarcza jednych z najciekawszych wniosków całego raportu.
Różnica nie sprowadza się wyłącznie do poziomu inwestycji. Około 80% zarówno high performers, jak i pozostałych respondentów wskazuje efektywność jako jeden z celów wykorzystania AI. Liderzy znacznie częściej łączą jednak ten cel ze wzrostem i innowacjami. Wzrost wskazuje 82% high performers wobec 47% pozostałych organizacji, natomiast innowacje są celem dla 65% high performers wobec 49% pozostałych respondentów.
High performers są również 3,3 razy bardziej skłonni niż pozostali respondenci deklarować, że w ciągu najbliższych trzech lat ich organizacja wykorzysta AI do fundamentalnej transformacji przedsiębiorstwa.
Najbardziej znacząca różnica dotyczy jednak procesów. Niemal trzy czwarte AI high performers deklaruje fundamentalne przeprojektowanie workflow w związku z wykorzystaniem AI. Rok wcześniej robiło to 55% tej grupy. Wśród pozostałych respondentów podobne podejście deklaruje około jedna czwarta organizacji.
To jeden z najważniejszych wniosków raportu. Największa wartość nie wynika wyłącznie z wyposażenia pracowników w kolejne narzędzie. Organizacje osiągające najlepsze rezultaty częściej zmieniają sposób wykonywania całej pracy.
Od narzędzia do zmiany procesu
W praktyce oznacza to istotną zmianę podejścia do wdrażania sztucznej inteligencji. Jeżeli AI zostanie dodana do istniejącego procesu bez jego przeprojektowania, może przyspieszyć wybrane czynności, ale niekoniecznie zmieni rezultat całego workflow.
Najbardziej zaawansowane organizacje częściej podchodzą do problemu szerzej. Zamiast pytać wyłącznie, którą czynność można wykonać szybciej dzięki AI, analizują, jak powinien wyglądać cały proces, jeśli od początku uwzględni się w nim możliwości sztucznej inteligencji.
Raport wskazuje również na szerszy zestaw praktyk charakterystycznych dla high performers. Organizacje te są około dwa razy bardziej skłonne niż pozostali respondenci deklarować rzeczywiste zaangażowanie najwyższego kierownictwa w inicjatywy AI oraz posiadanie zdefiniowanych procesów pozwalających ilościowo mierzyć ich wpływ.
Częściej określają także, kiedy rezultaty modeli wymagają udziału człowieka, aktywnie zarządzają kosztami rozwiązań AI oraz prowadzą strategiczne planowanie zatrudnienia i kompetencji.
Dojrzałe podejście do AI nie polega więc na maksymalizowaniu autonomii technologii. Znacznie ważniejsze jest świadome określenie, gdzie autonomia tworzy wartość, gdzie potrzebny jest udział człowieka i w jaki sposób mierzyć efekt całego rozwiązania.
Koszt AI staje się częścią rachunku ROI
Wraz ze skalowaniem technologii coraz większego znaczenia nabiera ekonomika jej działania. 20% respondentów deklaruje, że koszty operacyjne AI, w tym koszty tokenów, doprowadziły do ograniczenia wykorzystania technologii w ich organizacji.
Nie oznacza to jednak zahamowania inwestycji. 28% badanych wskazuje, że technologie AI pochłaniają już ponad 10% całego budżetu ICT ich przedsiębiorstwa. Jednocześnie 60% respondentów spodziewa się dalszego zwiększenia inwestycji w AI w kolejnym roku.
W komentarzu do wyników McKinsey zwraca uwagę na rosnące znaczenie „tokenomics”. Jednostkowe ceny tokenów mogą spadać, ale równocześnie ich zużycie może rosnąć, szczególnie wraz z upowszechnianiem się agentów i bardziej złożonego wnioskowania.
Oznacza to, że pytanie o ROI powinno obejmować nie tylko koszt samego projektu wdrożeniowego. Znaczenia nabiera również późniejsza ekonomia działania rozwiązania: koszt obsługi konkretnego przypadku, zużycie zasobów oraz relacja pomiędzy wydatkami a osiągniętym rezultatem.
Wraz z dojrzewaniem AI przedsiębiorstwa będą więc coraz częściej musiały odpowiadać nie tylko na pytanie: „czy technologia potrafi wykonać dane zadanie?”, ale także: „ile kosztuje jego wykonanie i czy uzyskana wartość uzasadnia ten koszt?”
Wraz ze skalą AI rośnie znaczenie zarządzania ryzykiem
Dojrzałość organizacji przejawia się również w sposobie zarządzania ryzykiem. AI high performers częściej niż pozostali respondenci podejmują działania ograniczające szerokie spektrum zagrożeń związanych ze sztuczną inteligencją.
Raport uwzględnia między innymi niedokładność wyników, cyberbezpieczeństwo, własność intelektualną, zgodność regulacyjną, możliwość wyjaśnienia działania systemów, prywatność, reputację organizacji oraz wpływ na zatrudnienie. Szczególnie duże różnice pomiędzy high performers a pozostałymi organizacjami dotyczą przeciwdziałania wykorzystywaniu przez AI podatności technicznych oraz nieautoryzowanym lub niezamierzonym działaniom systemów.
Z perspektywy przedsiębiorstwa oznacza to konieczność projektowania odpowiednich mechanizmów nadzoru wraz z rozwojem bardziej autonomicznych zastosowań AI. Ważnym elementem pozostaje określenie, w których punktach procesu konieczna jest ludzka weryfikacja – podejście określane jako human in the loop.
AI a zatrudnienie: oczekiwania wyprzedzają rzeczywiste zmiany
Raport McKinsey pozwala również porównać wcześniejsze przewidywania dotyczące wpływu AI na zatrudnienie z tym, co rzeczywiście wydarzyło się w przedsiębiorstwach.
W badaniu z 2025 roku 32% respondentów przewidywało, że AI doprowadzi w ciągu kolejnego roku do zmniejszenia całkowitej liczby pracowników w ich organizacji. Dane z 2026 roku pokazują jednak znacznie mniejszą skalę zmian. Jedynie 14% respondentów wskazuje, że wykorzystanie AI faktycznie przyczyniło się do ogólnego spadku zatrudnienia w poprzednich 12 miesiącach. Dwie trzecie badanych raportuje niewielką zmianę lub jej całkowity brak.
Oczekiwania na przyszłość ponownie są jednak bardziej zdecydowane. 39% respondentów przewiduje zmniejszenie zatrudnienia związane z AI w kolejnym roku, podczas gdy 43% spodziewa się niewielkiej zmiany lub jej braku.
Dane te wymagają ostrożnej interpretacji. Nie pozwalają przesądzić, jaki będzie długoterminowy wpływ sztucznej inteligencji na liczbę miejsc pracy. Pokazują natomiast, że dotychczasowe przewidywania dotyczące redukcji zatrudnienia były znacznie większe niż zmiany, które respondenci rzeczywiście zaraportowali rok później.
Co interesujące, mimo tych prognoz jedynie 13% respondentów korzystających z AI deklaruje zwiększony niepokój dotyczący własnych perspektyw zawodowych.
Największym ograniczeniem może być już nie technologia, ale organizacja
Jednym z najbardziej interesujących wniosków raportu jest obserwacja dotycząca zdolności przedsiębiorstw do absorpcji zmian. Technologia rozwija się bardzo szybko, natomiast przekształcanie procesów, modeli operacyjnych, kompetencji i sposobów organizacji pracy wymaga znacznie więcej czasu.
Tara Balakrishnan z McKinsey zwraca uwagę, że wyzwaniem nie jest wyłącznie gromadzenie nowych narzędzi i uruchamianie kolejnych pilotaży. Organizacje muszą budować powtarzalną zdolność do przekształcania inicjatyw AI w nowe sposoby wykonywania pracy, przeprojektowywać procesy end-to-end i określać, jak w konsekwencji powinny zmieniać się role oraz dostępne zasoby organizacji.
To istotna zmiana perspektywy. W początkowej fazie rozwoju generatywnej AI największą uwagę przyciągały możliwości samych modeli. Dane z 2026 roku sugerują natomiast, że wraz ze wzrostem dojrzałości technologii coraz większego znaczenia nabierają procesy, model operacyjny, pomiar wartości, kompetencje, koszty i zarządzanie ryzykiem.
Co wyniki raportu oznaczają dla przedsiębiorstw?
W tym miejscu warto wyraźnie oddzielić wyniki badania McKinsey od szerszej interpretacji biznesowej. Raport ma charakter globalny. Nie jest analizą polskiego rynku ani szczegółowym opracowaniem dotyczącym wykorzystania AI w konkretnych systemach ERP, CRM czy BPM. Jego wyniki pozwalają jednak sformułować kilka praktycznych wniosków istotnych również dla przedsiębiorstw planujących kolejne etapy transformacji.
Pierwszy dotyczy punktu wyjścia. Projekt AI powinien rozpoczynać się od konkretnego problemu i oczekiwanego rezultatu biznesowego, a nie od wyboru technologii. Liczba użytkowników korzystających z AI czy liczba wdrożonych agentów nie jest wystarczającą miarą sukcesu, jeżeli organizacja nie potrafi określić, czy rozwiązanie zmieniło czas realizacji procesu, jego koszt, jakość, przepustowość lub przychody.
Drugi wniosek dotyczy procesów. Raport bardzo wyraźnie pokazuje związek pomiędzy wysokimi rezultatami a przeprojektowywaniem workflow. W praktyce oznacza to potrzebę analizowania nie tylko możliwości automatyzacji pojedynczej czynności, ale również tego, jak AI może zmienić realizację całego procesu od początku do końca.
Trzeci element to pomiar. High performers częściej posiadają zdefiniowane procesy pozwalające ilościowo oceniać wpływ inicjatyw AI. Dlatego odpowiednie KPI powinny być określone jeszcze przed skalowaniem rozwiązania. Dopiero wtedy można odróżnić atrakcyjną demonstrację możliwości technologii od projektu, który rzeczywiście tworzy wartość.
Z perspektywy SEDKOMP istotny jest również kontekst systemów biznesowych, w których realizowane są procesy przedsiębiorstwa. Jeżeli AI ma stać się ich rzeczywistym elementem, należy określić, z jakich danych może korzystać, w którym miejscu workflow jest uruchamiana, jakie działania może wykonywać samodzielnie, gdzie wymagana jest decyzja człowieka oraz w jaki sposób współpracuje z wykorzystywanymi systemami ERP, CRM czy BPM. Jest to praktyczna interpretacja wyników raportu, a nie bezpośredni przedmiot badania McKinsey.
Od „korzystamy z AI” do „AI tworzy wartość”
The State of AI in 2026: On the road to ROI pokazuje rynek, który wyraźnie dojrzewa. Sztuczna inteligencja jest szeroko wykorzystywana, przedsiębiorstwa przechodzą od eksperymentów do skalowania, rośnie znaczenie agentów AI, a pracownicy zauważają realną poprawę własnej produktywności.
Jednocześnie tylko 37% respondentów przypisuje technologii pozytywny wpływ na EBIT, a grupa organizacji zaliczanych do AI high performers pozostaje niewielka. Sama adopcja AI nie jest więc równoznaczna z osiąganiem wartości biznesowej.
Najbardziej zaawansowane organizacje pokazują natomiast, gdzie może leżeć różnica. Nie ograniczają swoich ambicji do poprawy efektywności. Częściej wykorzystują AI również do wzrostu i innowacji, przeprojektowują przepływy pracy, angażują najwyższe kierownictwo, mierzą rezultaty, zarządzają kosztami oraz bardziej świadomie podchodzą do ryzyka.
Najważniejszym wyzwaniem nie jest już zatem samo wdrożenie AI. Jest nim stworzenie organizacji zdolnej przełożyć możliwości technologii na nowy sposób działania i mierzalny efekt biznesowy.
W tym sensie droga od AI do ROI prowadzi nie tylko przez coraz bardziej zaawansowane modele. Prowadzi przede wszystkim przez dobrze zaprojektowane procesy, odpowiedni model operacyjny, kontrolę kosztów i ryzyka oraz konsekwentne mierzenie wartości.
Źródło: McKinsey & Company / QuantumBlack, The State of AI in 2026: On the road to ROI, sierpień 2026. Badanie przeprowadzono wśród 1719 respondentów z 97 krajów od 4 maja do 8 czerwca 2026 roku.
