Firmy wdrażają AI szybciej, niż uczą się mierzyć jego wartość. Tylko 28% analizuje ROI

AI przestaje być w firmach eksperymentem pojedynczych entuzjastów. Coraz częściej pojawia się w strategiach działów, budżetach IT i codziennej pracy zespołów. To jednak nie oznacza jeszcze, że organizacje potrafią zarządzać sztuczną inteligencją równie dobrze jak bardziej dojrzałymi obszarami technologii. Badanie SAP Polska „AI Readiness Index. Droga do autonomicznego przedsiębiorstwa” pokazuje właśnie tę różnicę. Siedmiu na dziesięciu menedżerów deklaruje, że AI jest częścią strategii ich obszaru, a niemal trzy czwarte zna przynajmniej jeden kluczowy proces, którego efektywność poprawiła się dzięki wykorzystaniu sztucznej inteligencji. Problem zaczyna się wtedy, gdy trzeba przejść od obserwacji „jest szybciej” do twardej odpowiedzi na pytanie „ile na tym zyskaliśmy?”.

70% ma AI w strategii, ale tylko 28% mierzy ROI

To jeden z najmocniejszych kontrastów w całym badaniu. AI jest już obecne na poziomie strategicznych deklaracji, ale tylko niewielka część menedżerów próbuje policzyć jego finansowy efekt. Najczęściej mierzone są bezpośrednie rezultaty operacyjne. 41% badanych analizuje oszczędność czasu pracy, a 39% mierzy skrócenie czasu trwania procesów. Wymierne oszczędności finansowe i redukcję liczby błędów lub poprawę jakości wyników mierzy po 32% respondentów. Poziom adopcji narzędzi AI w zespole monitoruje 31%, natomiast zwrot z inwestycji – tylko 28%. To pokazuje, że firmy znacznie łatwiej potrafią wykazać poprawę produktywności niż przełożyć ją na wynik finansowy. Skrócenie przygotowania raportu z czterech godzin do jednej jest łatwe do zauważenia. Znacznie trudniejsze jest ustalenie, czy zaoszczędzone trzy godziny rzeczywiście zostały wykorzystane w sposób przynoszący firmie dodatkową wartość.

„Oszczędzamy czas” nie zawsze oznacza „zarabiamy więcej”

To jedno z podstawowych wyzwań przy mierzeniu efektów AI. Jeśli narzędzie skraca czas przygotowania prezentacji o połowę, firma może policzyć liczbę zaoszczędzonych godzin. Ale sama oszczędność czasu nie jest jeszcze przychodem. Trzeba zadać kolejne pytania. Czy pracownik wykonuje dzięki temu więcej zadań? Czy obsługuje większą liczbę klientów? Czy firma potrzebuje mniej zasobów do realizacji procesu? Czy spada liczba błędów? Czy poprawa szybkości ma wpływ na sprzedaż albo satysfakcję klienta? Dopiero wtedy zaczynamy przechodzić od pomiaru produktywności do mierzenia wartości biznesowej. Piotr Ferszka, prezes SAP Polska, zwraca uwagę właśnie na tę różnicę. Organizacje potrafią już uchwycić takie efekty jak oszczędność czasu czy skrócenie procesu, ale trudniejsze okazuje się przełożenie tych korzyści na całościową ocenę wartości dla przedsiębiorstwa.

Firmy kupują AI, ale pracownicy nie zawsze z niego korzystają

Drugi bardzo ciekawy problem opisany w badaniu to tzw. martwe subskrypcje. 59% menedżerów deklaruje, że z dostępnych rozwiązań AI regularnie korzysta większość uprawnionych pracowników. Jednocześnie niemal czterech na dziesięciu respondentów dostrzega sytuacje, w których narzędzie zostało udostępnione zespołowi, ale nie weszło do codziennej pracy. To bardzo praktyczny problem. Firma może kupić kilkadziesiąt lub kilkaset licencji, przeszkolić zespół i oficjalnie ogłosić wdrożenie AI, ale po kilku miesiącach część kont pozostaje wykorzystywana sporadycznie albo wcale. W takim przypadku technologicznie wdrożenie miało miejsce. Biznesowo – niekoniecznie.

Strategia AI bez adopcji pozostaje deklaracją

Jeszcze ciekawiej robi się przy kolejnych danych. 34% menedżerów obserwuje spadek początkowego zainteresowania AI, a 30% wskazuje przypadki fasadowego posiadania narzędzi – są dostępne, ale wykorzystywane sporadycznie. To przypomina wiele wcześniejszych fal technologicznych. Na początku pojawia się entuzjazm, testy i zainteresowanie nowością. Później następuje moment, w którym narzędzie musi udowodnić swoją przydatność w codziennej pracy. Jeśli pracownik musi wykonać dodatkowych pięć czynności, żeby skorzystać z AI, a rezultat trzeba później długo poprawiać, początkowy entuzjazm szybko znika. Dlatego sama liczba zakupionych licencji jest bardzo słabą miarą dojrzałości AI.

Nie wystarczy kupić ChatGPT, Copilota czy kolejnego asystenta

Organizacje często zaczynają od narzędzia, zamiast od procesu. Najpierw pojawia się decyzja: „dajmy pracownikom AI”. Dopiero później firma próbuje znaleźć zadania, w których rozwiązanie może być przydatne. Bardziej dojrzałe podejście powinno działać odwrotnie.

Najpierw należy znaleźć proces, który jest:

• czasochłonny,
• powtarzalny,
• kosztowny,
• podatny na błędy,
• oparty na dużej ilości informacji.

Dopiero później warto sprawdzić, czy AI może realnie zmienić jego ekonomię. Badanie SAP wskazuje, że właśnie trwałe osadzenie technologii w procesach biznesowych odróżnia punktowe eksperymenty od bardziej dojrzałego wykorzystania sztucznej inteligencji.

Jak mierzyć wartość AI w praktyce?

ROI jest ważne, ale nie powinno być jedyną miarą. W zależności od zastosowania AI firma może monitorować kilka poziomów efektów.

1. Pierwszy to adopcja. Ilu pracowników rzeczywiście korzysta z narzędzia? Jak często? W jakich procesach?
2. Drugi to produktywność. Ile czasu zajmował proces przed wdrożeniem i po wdrożeniu? Czy pracownik może obsłużyć większą liczbę zadań?
3. Trzeci to jakość. Czy zmniejszyła się liczba błędów? Czy poprawił się wynik procesu? Czy potrzebnych jest mniej poprawek?
4. Czwarty to koszt. Czy firma faktycznie wydaje mniej? Czy zmniejszyła koszt jednostkowy procesu?
5. Piąty to wynik biznesowy. Czy AI zwiększyło sprzedaż, konwersję, retencję klienta albo wartość koszyka?

I dopiero na tej podstawie można sensownie próbować obliczać zwrot z inwestycji.

ROI AI jest trudniejsze niż ROI klasycznego systemu IT

W klasycznym projekcie automatyzacyjnym łatwiej policzyć efekt. System zastępuje określoną czynność, której koszt był znany. Generatywna AI często działa inaczej. Nie zastępuje procesu w całości, lecz wspiera człowieka w wielu drobnych zadaniach. Może pomóc napisać e-mail, przygotować analizę, znaleźć informacje, stworzyć pierwszą wersję prezentacji czy uporządkować dokument. Każde z tych działań daje niewielką oszczędność. Dopiero ich suma może mieć istotny wpływ na wynik organizacji. Dlatego firmy potrzebują bardziej świadomego sposobu zbierania danych o zastosowaniach AI.

Nie każda oszczędzona godzina ma tę samą wartość

Przy mierzeniu AI łatwo też wpaść w pułapkę prostego przeliczania czasu na stawkę pracownika. Jeżeli specjalista zarabia określoną kwotę, a AI oszczędza mu 20 godzin miesięcznie, można matematycznie policzyć wartość tych godzin. Problem w tym, że pracownik nie znika. Dla firmy korzyść pojawi się dopiero wtedy, gdy odzyskany czas zostanie wykorzystany w produktywny sposób: na dodatkowe projekty, większą liczbę klientów, analizę, sprzedaż czy rozwój produktu. Dlatego warto mierzyć nie tylko czas zaoszczędzony, ale także co organizacja zrobiła z odzyskanym czasem.

Martwa subskrypcja może być droższa niż sama licencja

Koszt niewykorzystywanego narzędzia nie kończy się na cenie abonamentu.

Do zakupu AI dochodzą przecież:

• czas wdrożenia,
• integracje,
• szkolenia,
• praca IT,
• bezpieczeństwo,
• compliance,
• administracja,
• zarządzanie zmianą.

Jeżeli po kilku miesiącach pracownicy prawie nie korzystają z rozwiązania, realny koszt nieudanego wdrożenia jest znacznie wyższy niż wartość samej licencji. Dlatego adopcja powinna być jednym z pierwszych wskaźników analizowanych przez organizację.

Dlaczego ludzie przestają korzystać z AI?

Badanie pokazuje istnienie problemu, ale nie wskazuje jednego uniwersalnego powodu. Można jednak z samej logiki wdrożeń wyprowadzić kilka obszarów, które organizacja powinna sprawdzić. Czy pracownik wie, do czego konkretnie ma używać narzędzia? Czy AI jest zintegrowane z jego codziennym środowiskiem pracy? Czy dostęp do właściwych danych jest prosty? Czy rezultat rzeczywiście jest lepszy lub szybszy niż wykonanie zadania tradycyjnie? Jeżeli odpowiedź na te pytania brzmi „nie”, samo szkolenie z promptowania prawdopodobnie nie rozwiąże problemu.

Od asystenta do agenta AI zmienia się skala odpowiedzialności

Badanie SAP zwraca uwagę również na kolejny etap rozwoju technologii: przejście od narzędzi wspierających pojedyncze zadania do agentów AI, które mogą realizować kolejne etapy procesu, reagować na zmiany i wykonywać działania w ramach określonych zasad. To fundamentalna zmiana. Jeżeli AI pomaga pracownikowi przygotować treść e-maila, ostateczna decyzja pozostaje po stronie człowieka. Jeżeli agent sam analizuje zgłoszenie, podejmuje decyzję i wykonuje operację w systemie, technologia staje się częścią procesu operacyjnego firmy. Wtedy pomiar efektów przestaje być tylko kwestią optymalizacji kosztów. Staje się również elementem zarządzania ryzykiem.

Im większa autonomia AI, tym ważniejsze są granice

SAP wskazuje, że bardziej zaawansowane wykorzystanie AI wymaga określenia, za jakie zadania może odpowiadać system, w których momentach potrzebna jest decyzja człowieka i jak będą oceniane rezultaty jego działania.

To szczególnie ważne w procesach dotyczących:

• finansów,
• klientów,
• danych,
• bezpieczeństwa,
• infrastruktury,
• decyzji personalnych.

Nie każdy proces, który można zautomatyzować, powinien od razu zostać oddany autonomicznemu agentowi.

Dostęp do AI przestaje być przewagą

Jeszcze niedawno sama możliwość korzystania z dobrych modeli mogła dawać firmie przewagę produktywności. Ta przewaga szybko znika. Jeżeli podobne narzędzia są dostępne dla większości konkurentów, różnica zaczyna polegać nie na tym, kto ma AI, ale na tym, kto potrafi lepiej włączyć je do swojego sposobu działania. Piotr Ferszka wskazuje, że kolejnym etapem może być model autonomicznego przedsiębiorstwa, w którym systemy przejmują coraz większą część bieżącej realizacji procesów, a ludzie koncentrują się na bardziej wymagających zadaniach i rozwoju. To ambitna wizja, ale dane z badania pokazują, że wiele firm ma jeszcze do wykonania znacznie bardziej podstawową pracę: mierzyć adopcję i wartość narzędzi, które już kupiły.

Jak odróżnić eksperyment od dojrzałego wdrożenia AI?

1. Pierwsza różnica to powtarzalność. AI jest wykorzystywane regularnie, a nie przy okazji pojedynczego projektu.
2. Druga to integracja z procesem. Narzędzie nie funkcjonuje obok pracy, lecz jest jej elementem.
3. Trzecia to mierzenie efektów. Organizacja wie, co poprawiło się po wdrożeniu.
4. Czwarta to adopcja. Firma wie, kto i w jaki sposób rzeczywiście korzysta z rozwiązania.
5. Piąta to odpowiedzialność. Wiadomo, kto odpowiada za narzędzie, dane i decyzje.
6. Szósta to skalowalność. Sukces pojedynczego zespołu można przenieść na kolejne procesy.

Bez tych elementów firma może posiadać dużo technologii i jednocześnie bardzo niewielką dojrzałość AI.

Największa luka nie jest technologiczna

Wyniki badania pokazują, że problemem coraz rzadziej jest sam dostęp do sztucznej inteligencji. 70% menedżerów ma AI wpisane w strategię swojego obszaru. 73% dostrzega poprawę efektywności przynajmniej jednego procesu. Jednocześnie tylko 31% mierzy adopcję narzędzi, a 28% analizuje ROI. To właśnie tutaj przebiega dziś granica między eksperymentowaniem a dojrzałym wykorzystaniem AI. Firma może kupić licencje, przeszkolić pracowników i wpisać sztuczną inteligencję do strategii.

Znacznie trudniejsze jest zbudowanie organizacji, która potrafi odpowiedzieć na trzy proste pytania:

Kto faktycznie korzysta z AI? Co dzięki temu działa lepiej? Ile jest to warte dla biznesu?

Jeżeli odpowiedzi na te pytania nie ma, strategia AI nadal pozostaje bardziej deklaracją niż systemem zarządzania wartością.

O badaniu

Badanie „AI Readiness Index. Droga do autonomicznego przedsiębiorstwa” zostało przeprowadzone w sierpniu 2026 roku metodą CAWI przez UCE Research na zlecenie SAP Polska. Wzięło w nim udział 411 menedżerów z firm zatrudniających co najmniej 50 pracowników, którzy mieli wpływ na decyzje dotyczące wydatków IT w swoich zespołach lub obszarach biznesowych. Istotne jest, że warunkiem udziału było korzystanie w organizacji z co najmniej jednego rozwiązania AI w codziennej pracy. Wyników nie należy więc interpretować jako reprezentatywnego obrazu wszystkich polskich przedsiębiorstw – badanie dotyczy firm, które już rozpoczęły adopcję AI.

FAQ – AI w firmach, ROI i adopcja

Ile firm ma AI wpisane w strategię?

W badaniu SAP Polska 70% menedżerów zadeklarowało, że AI jest częścią strategii obszaru, za który odpowiadają.

Ile organizacji widzi efekty wdrożenia AI?

73% badanych menedżerów dostrzega wzrost efektywności co najmniej jednego kluczowego procesu dzięki AI.

Ile firm mierzy ROI z AI?

Zwrot z inwestycji w rozwiązania AI analizuje 28% menedżerów uczestniczących w badaniu.

Co firmy najczęściej mierzą przy wdrożeniach AI?

Najczęściej monitorowana jest oszczędność czasu pracy – 41% oraz skrócenie czasu trwania procesów – 39%. Po 32% badanych mierzy oszczędności finansowe oraz poprawę jakości lub ograniczenie błędów.

Co oznacza martwa subskrypcja AI?

To sytuacja, w której firma udostępniła pracownikom narzędzie AI, ale nie zostało ono trwale włączone do ich codziennej pracy. Problem taki dostrzega niemal czterech na dziesięciu badanych menedżerów.

Jak mierzyć efektywność AI w firmie?

Warto analizować nie tylko ROI, ale również adopcję, oszczędność czasu, koszt procesu, liczbę błędów, jakość rezultatów, wpływ na sprzedaż oraz rzeczywiste wykorzystanie odzyskanego czasu.

Czy samo kupienie narzędzi AI oznacza wdrożenie?

Nie. Badanie pokazuje, że część organizacji zmaga się z martwymi subskrypcjami i spadkiem zainteresowania po początkowej fazie wdrożenia. Kluczowe jest trwałe osadzenie AI w procesach biznesowych.

Co zmieniają agenci AI?

Agenci mogą nie tylko wspierać pracownika, ale również wykonywać kolejne elementy procesów i podejmować określone działania. Wraz ze wzrostem autonomii rośnie znaczenie mierzenia efektów, odpowiedzialności oraz określenia momentów wymagających decyzji człowieka.

Źródło Raportu: SAP Polska