AI sprawdzianem dla polskiego biznesu: od eksperymentów do strategii

Polska stoi przed punktem zwrotnym w transformacji cyfrowej — sztuczna inteligencja przestała być abstrakcyjnym hype’m a stała się rzeczywistym sprawdzianem dla polskiego biznesu. Jak jednak tego wyzwania podjąć się mądrze?

Według Piotra Ferszki, prezesa SAP Polska, dwa czy trzy lata temu dyskusje o AI roiły się od wątpliwości, czy to zaledwie ewolucja technologiczna, czy rzeczywista rewolucja. Dziś powątpiewających jest znacznie mniej. Ale sama zmiana percepcji to dopiero początek — rzeczywisty test dla firm dopiero się zaczyna.

Od hype’u do pragmatyzmu: jak zmienił się stosunek biznesu do AI

Fundamentalna zmiana dotyczy sposobu, w jaki firmy podchodzą do sztucznej inteligencji. Minął czas bezkrytycznego zachłyśnięcia się samym hasłem AI. Coraz więcej organizacji realnie analizuje konkretne przypadki użycia, szukając obszarów, w których systemy te mogą być komplementarne do ich działalności i przynieść rzeczywistą wartość biznesową, zamiast tylko generować zbędne koszty.

To przesunięcie perspektywy jest kluczowe. Zamiast pytania „czy powinniśmy inwestować w AI?”, firmy pytają teraz „gdzie konkretnie AI przyniesie nam mierzalny zwrot z inwestycji?”. Taka postawa wymaga zarówno odwagi, jak i pragmatyzmu — gotowości do eksperymentów, ale przy jasno określonych celach biznesowych.

Czy polski biznes rzeczywiście boi się innowacji?

Powszechne przekonanie głosi, że polski przedsiębiorca siedzi w „strefie komfortu” i boi się nowoczesnych technologii. Ferszka kategorycznie z tym się nie zgadza, wskazując na rzeczywistą strukturę polskiej gospodarki.

Według jego oceny, polska gospodarka składa się z trzech równomiernie rozłożonych sił:

Sektor	Udział w inwestycjach	Charakterystyka
Prywatny kapitał polski	~30%	Eksperymentuje z AI, dbając o każdą złotówkę
Kapitał zagraniczny	~30%	Transferuje gotowe rozwiązania i standardy
Spółki Skarbu Państwa	~40%	Ostrożne, ograniczone regulacyjnie

Polski sektor prywatny wcale nie wykazuje lęku przed nowoczesnymi technologiami — wręcz przeciwnie. Małe podmioty już teraz chętnie sięgają po rozwiązania od OpenAI, Google czy Anthropic, aby usprawnić codzienne zadania. Duże polskie organizacje z prywatnym kapitałem wdrażają zaawansowane procesy oparte na AI. Problem leży gdzie indziej.

Gdzie tkwi największa przeszkoda? Spółki Skarbu Państwa

Rzeczywistym wyzwaniem są spółki Skarbu Państwa. Ze względu na skalę odpowiedzialności, wymogi regulacyjne i wysoki poziom społecznej kontroli naturalna jest tam większa ostrożność w podejmowaniu ryzyka. Taka postawa pomaga ograniczać koszty błędnych decyzji, ale jednocześnie może spowalniać wdrażanie innowacji i wykorzystanie nowych szans rynkowych.

W okresach dynamicznych zmian technologicznych przewagę budują organizacje, które potrafią szybko testować nowe rozwiązania, akceptując, że część inicjatyw nie przyniesie oczekiwanych rezultatów. To jest kluczowa różnica między sektorem publicznym a prywatnym — umiejętność zaakceptowania porażek i wyciągnięcia z nich lekcji często otwiera drogę do osiągnięć w innych dziedzinach.

Co będzie napędzać polską gospodarkę przez kolejną dekadę?

Polska przez dziesięciolecia budowała swoją konkurencyjność na niskich kosztach pracy i wytrwałości. Ten model wyczerpał się. Polska stała się społeczeństwem zamożniejszym — co jest naturalnym i pożądanym procesem — ale oznacza to, że musimy znaleźć nowy motor wzrostu.

Tym motorem powinna być wiedza i dobrze wykształcone kadry. Ale to wymaga „smartnej” pracy — odważnej automatyzacji opartej na nowoczesnym oprogramowaniu. Polska musi nauczyć się efektywnie wykorzystywać gotowe narzędzia AI do transformacji własnych procesów biznesowych.

Czy Polska powinna budować własne wielkie modele AI?

Często słyszy się, że Europa przegrała wyścig i przespała moment budowania własnych wielkich modeli AI na rzecz Stanów Zjednoczonych i Chin. Ferszka ma na to zaskakującą odpowiedź: „no i co z tego”?

Stworzenie i wytrenowanie dużego modelu językowego (LLM) od zera wymaga potężnego kapitału inwestycyjnego, ogromnych ilości danych oraz powszechnego dostępu do bardzo taniej energii. Polski biznes i gospodarka po prostu nie dysponują takimi zasobami w skali wymaganej do konkurowania na globalnym rynku modeli fundamentalnych.

Ale to nie oznacza porażki. Amerykanie wymyślili bombę atomową, a cały świat później skutecznie wykorzystał ich odkrycia z fizyki do własnych, gospodarczych celów. Polska nie stoi na straconej pozycji — ma znakomite warunki do bycia szybkim i sprawnym adoptorem gotowych technologii.

Prawdziwą konkurencyjność zbuduje ten, kto sprytnie i szybciej dokona adopcji gotowych narzędzi we własnych realiach biznesowych. Współpraca z globalnymi liderami, zamiast obrażania się na nich, to droga do sukcesu.

Co to oznacza dla polskiego biznesu?

Polska ma szansę na nową pozycję w globalnym ekosystemie AI — nie jako twórca fundamentalnych technologii, ale jako kraj, który potrafi je inteligentnie adaptować i wdrażać. To wymaga jednak trzech rzeczy:

Po pierwsze, odwagi do eksperymentów w sektorze prywatnym — tego już mamy. Po drugie, zmian w podejściu sektora publicznego do ryzyka i regulacji, aby nie hamować innowacji. Po trzecie, ciągłego inwestowania w edukację i rozwój kadr, bo to będzie naszym realnym atutem konkurencyjnym.

Sztuczna inteligencja to nie pędzący pociąg, który trzeba zatrzymać, ani też nie faza wczesnego eksperymentu. To rzeczywista rewolucja, która wymaga przemyślanego podejścia, konkretnych celów biznesowych i gotowości do akceptowania porażek. Polska ma szansę na sukces — pod warunkiem, że będzie działać mądrze.