Dlaczego wdrożenia AI nie dają zysku?

Model nie jest głównym winowajcą. Częściej problemem jest brak planu, nieprzygotowanie ludzi do zmiany i brak kogoś, kto za nią odpowiada. Przechodzę przez badania, które to pokazują, i mówię, co bym zrobił przed zakupem pierwszej licencji. Rekomendacja jest prosta: jedna osoba, jeden proces i jego właściciel, z imienia i nazwiska. Zanim wybierzesz narzędzie, zapisz cel, zasady użycia AI i sposób sprawdzania wyniku. Pokazuję to na przykładzie małej firmy produkcyjnej, od pierwszej wyceny przygotowanej przez AI po jedną kartkę z opisem procesu. Mówię też, czego badania nie dowodzą, i zaznaczam, gdzie kończą się dane, a zaczyna się moja opinia. Moja rekomendacja nie jest wynikiem żadnego badania. 00:00 Zmyślona zasada 00:46 Co znaczy 95% 01:43 Koszt zatrzymuje przed startem 02:37 Po starcie: plan 03:54 Człowiek wobec AI 09:36 Klarna: gdy liczy się tylko koszt 10:19 Model też się liczy 11:14 Moja rekomendacja 11:56 Jak to wygląda u ciebie 12:40 Twardy orzech i jedna kartka ŹRÓDŁA (to, co padło w filmie, z zastrzeżeniami) Moffatt przeciwko Air Canada (2024): chatbot podał klientowi nieistniejącą zasadę zwrotu za bilet dla osób w żałobie. Trybunał uznał, że linia odpowiada za wszystko na swojej stronie, także za chatbota, i zasądził ok. 812 dolarów kanadyjskich łącznie z odsetkami i kosztami. MIT (lipiec 2025): wstępny raport o dedykowanych systemach AI w dużych firmach, ponad 300 inicjatyw i 52 organizacje; autorzy sami nazywają wyniki wstępnymi. Sukces = wdrożenie poza pilotaż z mierzalnym zwrotem; 95% organizacji nie widziało mierzalnego zwrotu. Autorzy widzą przyczynę w podejściu do procesów wdrożeń, nie w jakości modelu. MIT, ten sam raport, trzy dodatkowe wątki: pracownicy ponad 90% firm używali prywatnych narzędzi AI; większość systemów AI nie zapamiętuje poprawek; lepiej radzą sobie firmy, które oddają wdrożenie zespołom, ale zachowują jasną odpowiedzialność i wyraźnego właściciela. To obserwacja autorów, nie dowód, że jedna osoba odpowiedzialna jest fundamentem sukcesu. Wharton (2025): ok. 800 menedżerów decyzyjnych z dużych amerykańskich firm; trzech na czterech liderów deklaruje dodatni zwrot. To samoocena liderów. Polski Instytut Ekonomiczny (2025): co piąta firma bez AI wskazuje koszt jako główną przeszkodę; wśród firm używających AI odsetek jest niemal dwa razy niższy, częściej wskazują brak gotowości kadry i potrzebę szkoleń. Boston Consulting Group (raport 2026): ok. 12 tys. pracowników, dane globalne (polskich nie znalazłem); jasna strategia wiąże się z wyższym o 25 punktów procentowych wpływem AI na działania firmy, lepsze narzędzia to ok. 5 punktów. To związek, nie dowód przyczyny. Nie wiem, ile w badaniu było małych firm. AIPORT (2026): niereprezentatywna ankieta w Polsce; prawie połowa pracowników i menedżerów używa AI bez wiedzy lub zgody pracodawcy. Harvard i Boston Consulting Group (2023): eksperyment z udziałem ponad 700 konsultantów; przy zadaniach w zasięgu AI o jedną czwartą szybciej i jakość wyników ponad 40% lepsza, przy zadaniach poza jego zasięgiem dobry wynik uzyskiwali rzadziej, o 19 przypadków na 100. Autorzy piszą, że gorzej radzili sobie ci, którzy częściej bezkrytycznie przyjmowali wynik. To były narzędzia z 2023 roku, a dziś ich możliwości są inne. KPMG (2025): ankieta ponad 48 tys. osób; dwie na trzy przyznają, że polegają na wynikach AI bez sprawdzania. Wharton (eksperymenty badaczy z tej szkoły, w których ludzie coś przewidywali z pomocą programu): po zobaczeniu błędu programu często przestawali z niego korzystać. W 2016 roku ci sami badacze pokazali, że chętniej z niego korzystali, gdy mogli go choć trochę poprawić. Eksperymenty badawcze, nie prawdziwa firma. Badanie infolinii (2023, amerykańscy badacze): jedna firma i jeden rodzaj pracy; średnio o 14% więcej rozwiązanych spraw na godzinę, początkujący pracownicy nawet o 34%. Nie wiem, czy ten wniosek przeniesie się na twoją działalność. Klarna (maj 2025): według relacji prasowych szef firmy zapowiedział powrót do ludzkiej obsługi klienta; boty były dużo tańsze, ale o wiele gorsze jakościowo, a koszt był zbyt dominującym kryterium. McDonald's i IBM (czerwiec 2024): zakończenie testu zamawiania głosowego w ok. 100 restauracjach; celem było ponad 95% poprawnie zrozumianych i zarejestrowanych zamówień. Wyniku testu nie znam, wiem tylko, że test zakończono. KONTAKT Jeśli chcesz rozpisać proces i sprawdzić, gdzie AI ma w nim sens i czy to się w ogóle zwróci, napisz do mnie: robert@rjaconsulting.pl, LinkedIn: https://www.linkedin.com/in/robert-jachowicz/ Mapowanie procesów, przebudowa pod AI i analiza biznesowa to moja codzienna praca.