1 godzina temu
AI weszła do firm szybciej niż do ich rachunków wyników. Najbardziej przekonujące efekty nie powstają przy widowiskowej automatyzacji całych stanowisk, ale w mniej efektownych miejscach: podczas wyszukiwania wiedzy, tworzenia pierwszych wersji materiałów, wdrażania pracowników i przekazywania spraw między działami.
W 2025 roku z AI korzystało 20,2 proc. przedsiębiorstw w krajach OECD, wobec 8,7 proc. dwa lata wcześniej. Adopcja pozostaje jednak silnie zależna od skali: technologię wykorzystywało 52 proc. dużych firm i tylko 17,4 proc. małych. To nie pozostało rewolucja produktywności. To szybka dyfuzja narzędzi, której wyniki rozkładają się nierównomiernie.
Rozdźwięk między użyciem a wartością pokazuje badanie McKinsey z 2025 roku. Niemal dziewięć na dziesięć organizacji deklarowało regularne korzystanie z AI, ale prawie dwie trzecie nie rozpoczęło jej skalowania w całym przedsiębiorstwie. Jakikolwiek wpływ na EBIT odnotowało 39 proc. respondentów, a najczęściej nie przekraczał on 5 proc. wyniku. Firmy wdrożyły technologię, ale rzadko przebudowały wokół niej sposób działania.
Czas ginie między zadaniami
Najbardziej wiarygodne wzrosty produktywności pojawiają się tam, gdzie AI skraca drogę do adekwatnej informacji.
W badaniu obejmującym 5179 konsultantów obsługi klienta asystent generatywnej AI zwiększył liczbę spraw rozwiązywanych w ciągu godziny średnio o 14 proc. Wśród początkujących i słabiej radzących sobie pracowników poprawa wyniosła 34 proc. Doświadczeni konsultanci zyskali niewiele. Model nie przejął procesu. Rozpowszechnił metody stosowane przez najlepszych operatorów i skrócił okres dochodzenia nowych pracowników do pełnej sprawności.
W pracy eksperckiej efekt zależy od rodzaju zadania. Konsultanci BCG korzystający z GPT-4 wykonywali typowe zadania analityczne o 25,1 proc. szybciej, kończyli ich o 12,2 proc. więcej i uzyskiwali wyższe oceny jakości. Gdy otrzymali problem wykraczający poza możliwości modelu, mieli jednak o 19 proc. mniejszą szansę na poprawną odpowiedź niż osoby pracujące bez AI. Płynnie sformułowana sugestia przyspiesza pracę tylko do momentu, w którym zaczyna zastępować ocenę sytuacji.
Mniej koordynacji, nie mniej ludzi
Inny rodzaj oszczędności ujawnił eksperyment przeprowadzony w Procter & Gamble. Wzięło w nim udział 776 specjalistów rozwiązujących rzeczywiste problemy związane z rozwojem produktów. Pojedyncza osoba wspierana przez AI osiągała poziom porównywalny z dwuosobowym zespołem pracującym bez niej.
Technologia zmniejszała też dystans między funkcjami. Specjaliści badań i rozwoju proponowali rozwiązania bardziej osadzone w realiach rynkowych, a pracownicy komercyjni lepiej uwzględniali ograniczenia techniczne. AI nie usunęła potrzeby współpracy. Obniżyła koszt tłumaczenia tego samego problemu między zespołami o różnych kompetencjach.
To właśnie w koordynacji ukrywa się duża część cyfrowej nieefektywności: w oczekiwaniu na konsultację, szukaniu właściciela informacji, przepisywaniu danych i poprawianiu dokumentu, którego kontekst zaginął między systemami.
AI potrafi również spowalniać
METR zbadał doświadczonych programistów pracujących we własnych, dobrze znanych repozytoriach open source. Z dostępem do narzędzi AI wykonywali zadania średnio o 19 proc. dłużej, choć przed eksperymentem przewidywali przyspieszenie o 24 proc. Czas pochłaniały generowanie odpowiedzi, kontrola kodu i poprawianie rezultatów. Co istotne, uczestnicy choćby po zakończeniu pracy przez cały czas sądzili, iż AI ich przyspieszyła.
Nowsze obserwacje z 2026 roku sugerują, iż obecne modele mogą już pomagać programistom częściej. METR nie podał jednak precyzyjnej skali poprawy, ponieważ wyniki obciążała selekcja uczestników i zmiana sposobu korzystania z wielu agentów jednocześnie.
Produktywność nie mieści się w liczbie licencji
Błąd wielu wdrożeń zaczyna się w pomiarze. Liczba aktywnych użytkowników, promptów i uruchomionych agentów opisuje konsumpcję technologii, nie jej wartość.
Znacznie więcej mówi czas realizacji sprawy, liczba poprawek, udział problemów rozwiązanych przy pierwszym kontakcie, długość wdrożenia pracownika oraz liczba przekazań między zespołami. W badaniu McKinsey to przeprojektowanie przepływu pracy było czynnikiem najsilniej związanym z wpływem generatywnej AI na EBIT. Mimo to fundamentalną zmianę przynajmniej części procesów deklarowało zaledwie 21 proc. organizacji używających tej technologii.
Automatyzacja pozostaje atrakcyjną opowieścią, ponieważ łatwo ją zaprezentować. Produktywność jest mniej widowiskowa. Powstaje wtedy, gdy informacja dociera wcześniej, sprawa rzadziej wraca do poprawy, a specjalista nie traci godzin na odtwarzanie kontekstu, który firma już posiada.
