Sztuczna inteligencja w przedsiębiorstwach w 2025 roku: stan wdrożeń, wyzwania i perspektywy
Celem artykułu jest przedstawienie aktualnego stanu wykorzystania sztucznej inteligencji (w szczególności generatywnej AI) w przedsiębiorstwach w 2025 roku.
Na podstawie najnowszych badań globalnych (McKinsey, OpenAI, ISG, Deloitte, World Economic Forum, OECD) oraz analiz regulacyjnych (EU AI Act) omówiono skalę adopcji, kluczowe obszary zastosowań, wpływ na produktywność i modele biznesowe, a także główne ryzyka oraz wyzwania organizacyjne.
Wyniki wskazują na bardzo wysoką deklaratywną adopcję AI (powyżej 80% firm deklaruje wykorzystanie AI w co najmniej jednej funkcji biznesowej), przy jednoczesnym ograniczonym skalowaniu rozwiązań oraz umiarkowanej realizacji oczekiwanych zwrotów z inwestycji.
Szczególne znaczenie mają zagadnienia zarządzania ryzykiem, kompetencjami oraz zgodnością z regulacjami, takimi jak unijna AI Act.
Wprowadzenie
Rok 2023 często określano jako moment odkrycia generatywnej sztucznej inteligencji, natomiast 2024–2025 to okres jej intensywnego wdrażania w organizacjach na całym świecie. Badania McKinsey z 2024 roku pokazały niemal podwojenie odsetka firm regularnie używających generatywnej AI w porównaniu z 2023 rokiem.
W 2025 roku technologia ta stała się jednym z kluczowych elementów strategii cyfrowej, obejmując zarówno duże korporacje, jak i średnie przedsiębiorstwa.
Równolegle obserwujemy intensywną debatę regulacyjną – szczególnie w Unii Europejskiej, gdzie AI Act jest pierwszą kompleksową regulacją dotyczącą sztucznej inteligencji, z konkretnym harmonogramem wejścia w życie kolejnych obowiązków dla firm w latach 2024–2027.
Celem niniejszego artykułu jest:
- 1. Scharakteryzowanie skali i form adopcji AI w przedsiębiorstwach w 2025 roku.
- 2. Identyfikacja kluczowych obszarów zastosowań w różnych funkcjach biznesowych.
- 3. Analiza wpływu AI na produktywność, koszty i rynek pracy.
- 4. Omówienie głównych barier, ryzyk oraz ram regulacyjnych.
- 5. Zarysowanie kierunków dalszego rozwoju i implikacji dla strategii firm.
Skala adopcji AI w przedsiębiorstwach w 2025 roku
Deklaratywna adopcja i stopień skalowania
Zgodnie z raportem The State of AI (McKinsey, 2025) 88% respondentów deklaruje, że ich organizacje wykorzystują AI w co najmniej jednej funkcji biznesowej, co stanowi wzrost względem 78% rok wcześniej. Oznacza to, że AI przestała być zjawiskiem marginalnym – stała się technologią masowo obecną w firmach, przynajmniej na poziomie pilotaży i pojedynczych use case’ów.
Z kolei raport ISG State of Enterprise AI Adoption 2025 analizujący konkretne przypadki wdrożeń pokazuje, że w 2025 roku około 31% priorytetowych przypadków użycia AI w firmach osiągnęło pełną produkcję. Jest to dwukrotny wzrost w stosunku do badania z 2024 roku, jednak tylko ok. 25% inicjatyw realizuje oczekiwany zwrot z inwestycji w obszarze wzrostu przychodów, a ok. 50% – oczekiwane korzyści efektywnościowe.
Generatywna AI jako dominujący nurt
Badania McKinsey z 2024 roku pokazały, że 65% organizacji regularnie używa generatywnej AI, przy czym odsetek ten niemal podwoił się w ciągu zaledwie dziesięciu miesięcy.
Raporty z 2025 roku (McKinsey, Deloitte, Wharton) sugerują, że generatywna AI stała się głównym motorem nowych wdrożeń – to na niej koncentrują się budżety inwestycyjne oraz programy szkoleniowe dla pracowników.
Kluczowe obszary zastosowań AI w firmach
W 2025 roku można wyróżnić kilka dominujących klas zastosowań AI w przedsiębiorstwach:
Marketing, sprzedaż i obsługa klienta
AI jest intensywnie wykorzystywana do:
automatyzacji tworzenia treści marketingowych (teksty reklam, landing page, materiały social media),
personalizacji komunikacji z klientem w oparciu o predykcyjne modele zachowań,
automatycznej segmentacji klientów oraz rekomendacji produktów,
obsługi klienta przez czatboty i asystentów głosowych.
Badania McKinsey wskazują, że obszary marketingu i sprzedaży należą do tych, w których firmy najczęściej raportują wzrost przychodów wynikający z wdrożeń AI (zarówno analitycznej, jak i generatywnej).
Operacje, łańcuch dostaw i produkcja
W obszarze operacji AI wspiera m.in.:
prognozowanie popytu i optymalizację zapasów,
planowanie produkcji i harmonogramowanie,
predykcyjne utrzymanie ruchu (predictive maintenance),
optymalizację tras logistycznych.
Z danych ISG wynika, że projekty nastawione na wzrost efektywności (np. oszczędności kosztowe, redukcję przestojów, optymalizację zapasów) częściej dostarczają oczekiwane wyniki niż inicjatywy stricte „innowacyjne” czy wizerunkowe.
Finanse, prawo i compliance
Szybko rośnie zastosowanie AI w finansach i działach prawnych:
analiza dokumentów (umów, raportów finansowych, regulacji),
automatyczne generowanie projektów dokumentów,
wsparcie w ocenie ryzyka kredytowego i ryzyka nadużyć,
wspieranie procesów raportowania regulacyjnego.
Przykłady z sektora prawniczego pokazują, że kancelarie oraz działy prawne dużych korporacji budują własne generatywne narzędzia do analizy umów oraz zgodności regulacyjnej, co znacząco redukuje czas przeglądów dokumentów. W sektorze finansowym integracja danych rynkowych z interfejsami AI (np. integracja danych LSEG z ChatGPT) ma umożliwić analitykom szybsze pozyskiwanie i interpretację informacji.
HR, szkolenia i rozwój kompetencji
AI jest coraz częściej wykorzystywana w:
analizie CV i preselekcji kandydatów,
personalizowanych ścieżkach szkoleniowych,
ocenach kompetencji oraz planowaniu sukcesji,
prognozowaniu ryzyk związanych z rotacją pracowników.
Raport World Economic Forum Future of Jobs 2025 wskazuje, że kompetencje związane z AI i big data należą do najbardziej poszukiwanych na rynku pracy, a 44% kluczowych umiejętności wymaganych w pracy ulegnie zmianie w perspektywie pięciu lat.
Wpływ AI na produktywność, koszty i rynek pracy
Raporty ISG oraz Deloitte pokazują, że oczekiwania wobec AI są często wyższe niż realnie osiągane efekty. Średnio tylko połowa inicjatyw osiąga zakładane korzyści efektywnościowe, a ok. jedna czwarta – zakładane korzyści wzrostowe (przychodowe).
Jednocześnie badania McKinsey z 2025 roku odnotowują rosnący odsetek respondentów, którzy deklarują konkretny wpływ generatywnej AI na wzrost przychodów w jednostkach biznesowych, które ją wdrożyły – w porównaniu z analogicznym badaniem z wczesnego 2024 r. odsetek ten wyraźnie wzrósł.
Wnioskiem z tych danych jest, że:
- AI potrafi generować wymierne korzyści biznesowe,
- jednak pełne przełożenie technologii na KPI organizacyjne wymaga dojrzałego zarządzania zmianą, data governance, integracji z procesami oraz inwestycji w kompetencje.
Rynek pracy i kompetencje
World Economic Forum szacuje, że w tej dekadzie powstanie ok. 170 mln nowych miejsc pracy, z czego istotna część będzie powiązana z AI, analizą danych oraz automatyzacją. Jednocześnie wiele stanowisk ulega transformacji – rośnie znaczenie umiejętności pracy z narzędziami AI (prompting, weryfikacja wyników, interpretacja modeli), a także kompetencji miękkich, takich jak przywództwo czy zdolność adaptacji.
Program OECD AI-WIPS (AI in Work, Innovation, Productivity and Skills) wskazuje, że wpływ AI na produktywność oraz zatrudnienie jest silnie zróżnicowany sektorowo – w niektórych branżach obserwuje się wzrost zapotrzebowania na wysoko wykwalifikowanych pracowników, przy jednoczesnej presji na automatyzację zadań rutynowych.
Ryzyka i wyzwania związane z wykorzystaniem AI w firmach
Jakość, bezpieczeństwo i „halucynacje” modeli
Wyzwania techniczne dotyczą m.in.:
generowania błędnych lub zmyślonych odpowiedzi (tzw. halucynacje),
braku przejrzystości modeli (problem „czarnej skrzynki”),
podatności na ataki typu prompt injection lub data poisoning.
Badania z rynku indyjskiego pokazują, że aż 81% przedsiębiorstw nie posiada skutecznych mechanizmów monitorowania systemów AI, a około połowa nie potrafi efektywnie wykrywać ani zarządzać halucynacjami modeli. Jest to symptom szerszego, globalnego problemu niedojrzałego zarządzania ryzykiem technologicznym i bezpieczeństwem AI.
Zarządzanie danymi i zgodność z regulacjami
Skuteczne wykorzystanie AI wymaga wysokiej jakości danych, jasno zdefiniowanych zasad ich przetwarzania oraz zgodności z regulacjami dotyczącymi prywatności i ochrony danych (np. RODO).
Wejście w życie unijnej AI Act dodatkowo rozszerza wymogi w zakresie:
oceny ryzyka i dokumentowania procesu tworzenia modeli,
przejrzystości i wyjaśnialności systemów wysokiego ryzyka,
odpowiedzialności dostawców i użytkowników systemów AI.
Firmy muszą więc łączyć perspektywę technologiczną z prawną oraz etyczną – stąd rosnąca popularność funkcji typu AI governance oraz interdyscyplinarnych zespołów łączących IT, prawo, compliance i biznes.
Ryzyko makroekonomiczne i „bańka AI”
OECD w swoich prognozach makroekonomicznych wskazuje, że nadmierny optymizm inwestorów wokół AI może prowadzić do powstania „bańki AI” na rynkach kapitałowych, której pęknięcie stanowi istotne ryzyko dla stabilności gospodarczej.
Z perspektywy przedsiębiorstw oznacza to konieczność ostrożnego podejścia do wycen i oczekiwanych zwrotów z projektów AI, a także dywersyfikacji portfela inwestycji technologicznych.
Ramy regulacyjne: EU AI Act i ich wpływ na firmy
Unijna AI Act, która weszła w życie w sierpniu 2024 roku, wprowadza stopniowo kolejne obowiązki dla przedsiębiorstw w latach 2025–2027.
Kluczowe daty to m.in.:
2 lutego 2025 r. – wejście w życie zakazu stosowania systemów AI uznanych za „nieakceptowalne ryzyko” oraz wymogów w zakresie edukacji/świadomości AI.
2 sierpnia 2025 r. – obowiązki dotyczące systemów ogólnego przeznaczenia (GPAI), governance, sankcji i poufności.
2026–2027 – zasadnicza część obowiązków dla systemów wysokiego ryzyka.
Literatura branżowa wskazuje, że dla wielu firm AI Act staje się impulsem do uporządkowania procesów zarządzania technologią i danymi: od mapowania use case’ów, przez klasyfikację ryzyka, po wdrożenie systemów zarządzania jakością AI.
Jednocześnie część startupów obawia się nadmiernego obciążenia regulacyjnego mogącego hamować innowacyjność.
Perspektywy rozwoju AI w przedsiębiorstwach (2025–2030)
Analizy World Economic Forum wskazują, że do 2030 roku technologia AI i przetwarzanie informacji będą jednym z najbardziej transformacyjnych trendów dla firm – 86% pracodawców spodziewa się, że znacząco przekształcą one ich biznes.
Badania Wharton 2025 AI Adoption Report pokazują, że generatywna AI szybko wchodzi do budżetów, procesów i programów szkoleniowych, a kluczowym wyzwaniem staje się przekształcenie „eksperymentów” w trwałe źródła ROI.
Można wyróżnić kilka spodziewanych kierunków rozwoju:
Dalsza „demokratyzacja” AI – coraz łatwiejszy dostęp do narzędzi AI dla pracowników nietechnicznych, przy jednoczesnym rosnącym rozdźwięku między zaawansowanymi użytkownikami (frontier workers) a resztą organizacji.
Integracja AI z systemami biznesowymi (ERP, CRM, systemy finansowe) oraz danymi branżowymi – przykładem jest integracja danych LSEG z interfejsami konwersacyjnymi AI.
Rozwój wyspecjalizowanych agentów AI realizujących konkretne procesy end-to-end (np. „AI agent ds. windykacji”, „AI agent ds. due diligence”).
Silniejsze powiązanie AI i regulacji – compliance przestaje być tylko kosztem, a staje się przewagą konkurencyjną dla firm, które potrafią budować zaufane i zgodne systemy AI.
Ewolucja kompetencji pracowników – rosnące znaczenie umiejętności łączenia wiedzy dziedzinowej z pracą na systemach AI, przy jednoczesnym spadku znaczenia zadań czysto rutynowych.
Wnioski
Analiza dostępnych badań z 2024–2025 roku pozwala sformułować kilka głównych wniosków dotyczących wykorzystania sztucznej inteligencji w przedsiębiorstwach:
AI stała się technologią powszechną, lecz nie w pełni „dojrzałą” – większość firm deklaruje użycie AI, ale relatywnie mały odsetek use case’ów osiąga skalę produkcyjną i oczekiwane ROI.
Generatywna AI jest głównym motorem nowych wdrożeń – jej potencjał w marketingu, obsłudze klienta, finansach i prawie sprawia, że to na nią kierowane są kluczowe budżety inwestycyjne.
Korzyści z AI są silnie skorelowane z dojrzałością organizacyjną – sukces wymaga nie tylko technologii, ale i dobrego zarządzania danymi, governance, integracji z procesami oraz rozwoju kompetencji pracowników.
Ryzyka techniczne i organizacyjne pozostają znaczące – brak monitoringu systemów, problem halucynacji, luki kompetencyjne oraz ryzyka regulacyjne mogą niwelować potencjalne korzyści z wdrożeń AI.
Regulacje (w szczególności EU AI Act) stają się kluczowym czynnikiem kształtującym strategię AI w firmach– wymuszają one bardziej odpowiedzialne podejście do projektowania, testowania i monitorowania systemów AI, a w efekcie mogą sprzyjać budowie zaufania do tej technologii.
W świetle powyższego można stwierdzić, że rok 2025 jest okresem przejściowym pomiędzy fazą „entuzjastycznych eksperymentów” a fazą głębokiej integracji AI z modelami biznesowymi.
To, czy sztuczna inteligencja stanie się trwałym źródłem przewagi konkurencyjnej, zależy od zdolności firm do łączenia innowacyjności technologicznej z odpowiedzialnym zarządzaniem, inwestycją w ludzi oraz świadomym podejściem do regulacji.
Bibliografia
McKinsey & Company (2025). The State of AI – How organizations are rewiring to capture value.
McKinsey & Company (2024). The State of AI in Early 2024: Gen AI adoption spikes and starts to generate value.
OpenAI (2025). The State of Enterprise AI | 2025 Report.
ISG (2025). State of Enterprise AI Adoption Report 2025.
Deloitte AI Institute (2025). The State of Generative AI in the Enterprise – 2024 Year-End Report.
Wharton (2025). 2025 AI Adoption Report: Gen AI Fast-Tracks into the Enterprise.
World Economic Forum (2025). The Future of Jobs Report 2025 oraz materiały towarzyszące.
OECD (2024–2025). Program AI in Work, Innovation, Productivity and Skills (AI-WIPS) oraz materiały z konferencji.
Parlament Europejski / Komisja Europejska (2024–2025). EU AI Act – First Regulation on Artificial Intelligenceoraz materiały wyjaśniające dla biznesu.
Financial Times, Reuters, Economic Times (2025). Artykuły o wykorzystaniu AI w działach prawnych, finansach i bezpieczeństwie AI w firmach.
- Opracował: Paweł Scharmach, CEO Scharmach Consulting
