Na LinkedInie AI wygląda jak magia: automatyzuje wszystko, tnie koszty o połowę i zaraz zastąpi połowę etatów. W największych spółkach w Polsce wygląda to inaczej. Tam liczy się ryzyko, regulacje, bezpieczeństwo i twarde ROI – dlatego AI wdraża się etapami, a najpopularniejsze zastosowania są zaskakująco przyziemne. Co faktycznie działa w firmach WIG20 i dlaczego to nie są „futurystyczne roboty”?
Dlaczego WIG20 to idealne laboratorium dla AI?
Spółki wchodzące w skład WIG20 to około 35% kapitalizacji całej Giełdy Papierów Wartościowych w Warszawie. Mówimy o firmach o średniej wartości rzędu 20 mld zł, z budżetami, skalą i obowiązkiem raportowania kluczowych działań. To właśnie dlatego WIG20 jest tak wdzięcznym obszarem do analizy wdrożeń AI.
Co istotne, są to organizacje, które nie wdrażają technologii „dla eksperymentu”, lecz bardzo uważnie patrzą na ROI, ryzyko regulacyjne i bezpieczeństwo. Jeżeli coś działa w tych firmach, z dużym prawdopodobieństwem ma sens także dla mniejszych organizacji – oczywiście w odpowiedniej skali.
Chatboty – najczęstsze, ale nie najprostsze wdrożenia AI
Najbardziej widocznym i jednocześnie najczęściej wdrażanym rozwiązaniem AI w spółkach WIG20 są chatboty. Ich popularność nie wynika wyłącznie z oszczędności kosztów obsługi klienta, choć to nadal ważny argument. Coraz częściej kluczowym powodem jest bezpieczeństwo i kontrola komunikacji.
Człowiek może popełnić błąd, wyjść poza procedury lub udzielić informacji niezgodnych z regulacjami. Chatbot – odpowiednio zaprojektowany – działa w ramach ściśle określonych reguł (tzw. guardrails), a jego odpowiedzi są w pełni kontrolowalne. To właśnie dlatego duże banki nie wdrażają jednego „wszechwiedzącego” bota, lecz tworzą kilka wyspecjalizowanych asystentów – osobno do sprzedaży, osobno do obsługi technicznej czy bezpieczeństwa.
Takie podejście znacząco ogranicza halucynacje modeli językowych i pozwala precyzyjnie zarządzać kontekstem rozmowy. Coraz częściej chatboty analizują również sentyment użytkownika – jeśli system wykryje zdenerwowanie lub określone słowa kluczowe, rozmowa automatycznie trafia do człowieka. Zasada jest prosta: human > agent. Gdy wchodzi człowiek, AI milknie.
AI w bankowości – wykrywanie oszustw i AML
Drugim obszarem, w którym AI jest powszechnie stosowana, jest bankowość, a dokładniej systemy wykrywania oszustw i przeciwdziałania praniu pieniędzy (AML). Modele analizują wzorce zachowań klientów, nietypowe przelewy, logowania czy zmiany lokalizacji.
Przykłady są bardzo przyziemne: logowanie z kraju poza UE, nietypowe godziny aktywności, wielokrotne nieudane próby logowania czy brak fizycznego ruchu telefonu (analizowanego przez żyroskop). Dla systemu to sygnały ostrzegawcze, które mogą skutkować blokadą transakcji. Co ważne, AI nie „wie”, że to Ty – ona jedynie porównuje Twoje zachowanie z milionami innych przypadków.
Ubezpieczenia i walka z generowanymi oszustwami
Sztuczna inteligencja od lat wspiera także sektor ubezpieczeniowy, m.in. w automatycznej wycenie szkód na podstawie zdjęć. Problem w tym, że rozwój generatywnej AI otworzył nowy rozdział oszustw – dziś wygenerowanie realistycznego zdjęcia spalonego sprzętu to kwestia minut.
Firmy ubezpieczeniowe znalazły się więc w wyścigu technologicznym: AI generuje oszustwa i jednocześnie AI musi je wykrywać. To pokazuje, że wdrażanie sztucznej inteligencji nie jest procesem jednorazowym, lecz ciągłą adaptacją do zmieniających się zagrożeń.
Energetyka i przemysł – AI, która zapobiega katastrofom
W sektorze energetycznym i przemysłowym AI pełni zupełnie inną rolę niż w bankowości. Tutaj stawką są nie tylko pieniądze, ale również środowisko, bezpieczeństwo ludzi i reputacja firm. Modele predykcyjne analizują dane z czujników, kamer i systemów produkcyjnych, aby wykrywać potencjalne awarie, zanim do nich dojdzie.
Wizja komputerowa jest dziś standardem w dużych fabrykach. Kamery monitorują jakość materiałów, etapy produkcji czy przestrzeganie zasad BHP. Jeżeli pracownik nie ma kasku lub kamizelki w wyznaczonej strefie – system natychmiast reaguje. To rozwiązania, które realnie ograniczają ryzyko i koszty, a nie tylko „ładnie wyglądają w prezentacjach”.
Logistyka i retail – predykcja zamiast intuicji
AI jest również intensywnie wykorzystywana w logistyce i handlu. Prognozowanie popytu, zarządzanie łańcuchami dostaw czy optymalizacja asortymentu to obszary, w których algorytmy radzą sobie lepiej niż ludzka intuicja. Co ciekawe, mimo ogromnej automatyzacji, wiele procesów nadal wymaga pracy ludzi – choćby w centrach logistycznych, gdzie najprostsze czynności wciąż są trudne do pełnej robotyzacji.
To dobry przykład na to, że AI nie zawsze eliminuje miejsca pracy, ale często zmienia ich charakter – od monotonnych zadań w stronę nadzoru i kontroli systemów.
Shadow AI – zjawisko, o którym mało kto mówi głośno
Jednym z najciekawszych wątków prelekcji był temat Shadow AI. Oficjalnie około 40% firm w Polsce deklaruje wdrożenia AI. Gdy jednak zapytać pracowników, czy korzystają z AI w pracy – odpowiedź twierdząca pojawia się nawet w 90% przypadków.
Ta różnica to właśnie Shadow AI: narzędzia używane nieoficjalnie, często bez zgody działów compliance czy IT. Przykład? Selekcja CV przez modele językowe, mimo że organizacja formalnie „nie korzysta z AI”. Powód jest prosty – AI robi to szybciej i często obiektywniej niż zmęczony człowiek przeglądający setki aplikacji.
AI Act – więcej strachu niż realnych kar?
Regulacje, takie jak AI Act, budzą duże emocje, ale w praktyce – przynajmniej na razie – nie zatrzymały wdrożeń. Brakuje kar, postępowań i przepisów wykonawczych, a wiele firm wstrzymuje projekty bardziej z obawy przed nieznanym niż z realnego ryzyka.
To prowadzi do paradoksu: organizacje boją się wdrażać AI „na zapas”, podczas gdy konkurencja testuje rozwiązania pilotażowo i buduje przewagę.
Dlaczego 95% wdrożeń AI „nie działa”?
Często przywoływany raport MIT mówi, że tylko 5% wdrożeń AI przynosi mierzalny zwrot z inwestycji. Kluczowe słowo to „mierzalny”. Wiele projektów daje wartość, której firmy po prostu nie potrafią policzyć.
Największy problem to brak zrozumienia kontekstu biznesowego. Organizacje chętnie inwestują w efektowne rozwiązania frontendowe, bo łatwo je pokazać i zmierzyć. Tymczasem największy potencjał ROI leży w back-office – tam, gdzie procesy są skomplikowane, ale trudne do szybkiej wyceny.
Co naprawdę warto robić z AI?
Wnioski z analizy WIG20 są zaskakująco uniwersalne. Największe korzyści przynoszą:
- małe pilotaże zamiast wielkich rewolucji,
- wyspecjalizowane modele zamiast jednego „super AI”,
- skupienie na procesach wewnętrznych, a nie tylko na marketingu,
- traktowanie AI jako narzędzia wspierającego ludzi, nie zastępującego ich w całości.
Podsumowanie – mniej hype’u, więcej pragmatyzmu
Prelekcja Krzysztofa Wojewodzica bardzo wyraźnie pokazała, że AI w największych polskich firmach już działa, ale nie w sposób, jaki często widzimy w nagłówkach. To technologia wdrażana ostrożnie, kontekstowo i z naciskiem na bezpieczeństwo oraz realny zwrot z inwestycji.
Jeżeli jest jeden wniosek, który warto zapamiętać, to ten: AI nie wygrywa tam, gdzie jest najbardziej efektowna, lecz tam, gdzie najlepiej rozumie proces i kontekst biznesowy. I właśnie dlatego warto patrzeć na WIG20 – bo tam przyszłość dzieje się naprawdę, a nie tylko na slajdach.
Artykuł powstał na podstawie wystąpienia Krzysztofa Wojewodzica podczas Mobile Trends for Experts 2025.
Nagrania prelekcji dostępne do zakupu tutaj. A o bieżącej edycji Mobile Trends Conference przeczytasz tutaj.
