AI zwiększa produktywność – ale nie tam, gdzie myślisz

Sztuczna inteligencja zwiększa produktywność głównie w mniej widowiskowych miejscach – podczas wyszukiwania wiedzy, tworzenia pierwszych wersji materiałów i przekazywania spraw między działami – a nie w automatyzacji całych stanowisk pracy.

Ile firm naprawdę korzysta z AI i jakie widzi wyniki?

Adopcja sztucznej inteligencji w firmach przyspiesza, ale wyniki są rozczarowujące. W 2025 roku z AI korzystało 20,2 proc. przedsiębiorstw w krajach OECD, wobec 8,7 proc. dwa lata wcześniej. Jednak skala wdrożenia silnie zależy od wielkości firmy: technologię wykorzystywało 52 proc. dużych firm i tylko 17,4 proc. małych przedsiębiorstw.

Badanie McKinsey z 2025 roku ujawnia głęboką lukę między użyciem a wartością. Niemal dziewięć na dziesięć organizacji deklarowało regularne korzystanie z AI, lecz prawie dwie trzecie nie rozpoczęło jej skalowania w całym przedsiębiorstwie. Jeszcze gorzej – wpływ na EBIT (zysk operacyjny) odnotowało zaledwie 39 proc. respondentów, a najczęściej nie przekraczał on 5 proc. wyniku. Firmy wdrożyły technologię, ale rzadko przebudowały wokół niej sposób działania.

Metrika	Wartość
Firmy w krajach OECD korzystające z AI (2025)	20,2%
Firmy korzystające z AI (2023)	8,7%
Duże firmy wykorzystujące AI	52%
Małe firmy wykorzystujące AI	17,4%
Organizacje skalujące AI w całym przedsiębiorstwie	~35%
Firmy odnotowujące wpływ na EBIT	39%
Typowy wzrost EBIT wśród tych firm	do 5%

Gdzie AI faktycznie zwiększa produktywność?

Najbardziej wiarygodne wzrosty produktywności pojawiają się tam, gdzie AI skraca drogę do właściwej informacji, a nie tam, gdzie zastępuje pracownika.

W badaniu obejmującym 5179 konsultantów obsługi klienta asystent generatywnej AI zwiększył liczbę spraw rozwiązywanych w ciągu godziny średnio o 14 proc. Jednak rozkład efektu był nierówny: wśród początkujących i słabiej radzących sobie pracowników poprawa wyniosła 34 proc., podczas gdy 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 jednak otrzymali problem wykraczający poza możliwości modelu, mieli 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.

Czy jeden pracownik wspierany AI zastępuje zespół?

Eksperyment przeprowadzony w Procter & Gamble wykazał, że pojedyncza osoba wspierana przez AI osiągała poziom porównywalny z dwuosobowym zespołem pracującym bez niej. Uczestnikami byli specjaliści rozwiązujący rzeczywiste problemy związane z rozwojem produktów (776 osób).

Jeszcze bardziej interesujące: technologia zmniejszała 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.

Czy AI rzeczywiście przyspiesza pracę programistów?

Badanie METR ujawniło paradoks: doświadczeni programiści pracujący 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 nawet po zakończeniu pracy nadal sądzili, że AI ich przyspieszyła. To wskazuje na złudzenie produktywności, które może być powszechne w wielu branżach. Nowsze obserwacje z 2026 roku sugerują, że obecne modele mogą już pomagać programistom częściej, jednak METR nie podał precyzyjnej skali poprawy, ponieważ wyniki obciążała zmiana sposobu korzystania z wielu agentów jednocześnie.

Jak prawidłowo mierzyć wpływ AI na produktywność?

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 – jak szybko rozwiązywany jest problem
• Liczba poprawek – ile razy sprawa wraca do naprawy
• Udział problemów rozwiązanych przy pierwszym kontakcie
• Długość wdrożenia pracownika – jak szybko nowy pracownik osiąga pełną sprawność
• Liczba przekazań między zespołami – ile razy sprawa zmienia właściciela

W badaniu McKinsey 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 technologię.

Co to oznacza dla Ciebie?

Jeśli pracujesz w hybrydzie lub zdalnie, AI może realnie zmienić Twoją codzienność – ale pod warunkami. Po pierwsze, narzędzie przyspiesza pracę wtedy, gdy oszczędza Ci czas na szukanie informacji i odtwarzanie kontekstu, a nie gdy zastępuje Twoją ekspertyzę. Po drugie, największe zyski czekają na początkujących pracowników i osoby uczące się nowych procesów – doświadczeni specjaliści mogą nie odczuć znaczącej poprawy.

Dla menedżerów wdrażających AI w zespole: zamiast liczyć liczbę promptów, zmierz rzeczywiste efekty – czas sprawy, liczbę poprawek, długość wdrożenia. Zamiast automatyzować stanowiska, przebuduj procesy wokół technologii, aby zmniejszyć koordynację między zespołami i ograniczyć przepisywanie informacji między systemami.

Dla firm: produktywność nie jest widowiskowa. Nie rodzi się z automatyzacji całych działów, lecz z tego, że informacja dociera wcześniej, sprawa rzadziej wraca do poprawy, a specjalista nie traci godzin na odtwarzanie kontekstu, który firma już posiada.