Nie są to przypadki odosobnione. Z badania S&P Global Market Intelligence wynika, że w 2025 r. 42 proc. firm porzuciło większość swoich inicjatyw związanych z AI, podczas gdy rok wcześniej było to 17 proc. Boston Consulting Group wskazuje z kolei, że aż 74 proc. organizacji nie osiągnęło dotąd z AI żadnej mierzalnej wartości. Za każdą z tych statystyk stoją powtarzalne błędy popełniane na poziomie zarządu, a nie serwerowni. Oto pięć najczęstszych i to, ile naprawdę kosztują.
Błąd pierwszy: zaczynają od technologii, a nie od problemu
Najczęstszy scenariusz wygląda następująco: zapada decyzja „musimy mieć AI”, a dopiero później rozpoczynają się poszukiwania zastosowania dla technologii. To odwrócona kolejność.
Technologia kupiona bez konkretnego problemu do rozwiązania trafia w próżnię. Powstaje pilotaż, który nikomu tak naprawdę nie jest potrzebny, a po kilku miesiącach zostaje po cichu wygaszony. Koszt tego błędu to nie tylko zmarnowany budżet wdrożeniowy, ale również najcenniejszy zasób firmy: czas i uwaga zarządu zaangażowane w projekt, który od początku nie miał solidnych podstaw.
To właśnie ten mechanizm zasila statystykę trzech czwartych firm, które nie uzyskują wartości z AI.
Lekarstwo jest darmowe: zanim padnie pytanie o narzędzie, trzeba umieć opisać problem w liczbach i bez używania słowa „AI”.
Błąd drugi: traktują AI jak projekt IT, a nie zmianę organizacyjną
Drugi błąd wynika z wygodnego założenia, że skoro AI jest technologią, należy ją oddać działowi IT i tam pozostawić.
Tymczasem BCG, analizując setki wdrożeń, ujęło to w regule 10-20-70. O sukcesie projektu AI w 10 proc. decyduje wybór algorytmu, w 20 proc. dane i technologia, a aż w 70 proc. ludzie oraz procesy.
Zarząd, który finansuje wyłącznie pierwsze 30 proc., a resztę pozostawia przypadkowi, płaci za samochód, lecz nie zatrudnia kierowcy. Koszt tego błędu jest podstępny, ponieważ ujawnia się stopniowo. Narzędzie formalnie zostało wdrożone, ale nikt z niego nie korzysta, procesy pozostają bez zmian, a po roku pojawia się pytanie: „dlaczego to nie działa?”, choć od strony technicznej wszystko funkcjonuje poprawnie.
Największa część pracy związanej z AI zaczyna się dopiero po podpisaniu umowy z dostawcą. To właśnie ona decyduje o zwrocie z inwestycji.

Błąd trzeci: wdrażają AI na nieuporządkowanych danych
Trzecim błędem jest przekonanie, że AI samodzielnie poradzi sobie z bałaganem w danych.
Nie poradzi sobie. Wdrożona na nieuporządkowanych danych jedynie szybciej produkuje ten sam chaos, tyle że z pozorem obiektywności. Skala problemu jest ogromna. Z Cisco AI Readiness Index wynika, że aż 80 proc. firm przyznaje, iż ma trudności z uporządkowaniem i oczyszczeniem danych, a realnie przygotowanych pod tym względem jest jedynie 32 proc.
Koszt ujawnia się zwykle w połowie projektu, gdy okazuje się, że przed właściwym wdrożeniem konieczne jest przeprowadzenie dodatkowego etapu porządkowania danych, wraz z osobnym budżetem i harmonogramem.
Firmy, które uwzględniły ten koszt od początku, płacą go raz. Te, które go zignorowały, płacą później, drożej i często kosztem zatrzymania całego projektu.
Błąd czwarty: nie mierzą zwrotu i oczekują cudu w jeden kwartał
Ten błąd ma dwie twarze.
Pierwsza to brak jasno określonego sposobu mierzenia efektów. Jeśli od początku nie wiadomo, co będzie oznaczać sukces, po kwartale nikt nie potrafi odpowiedzieć na pytanie, czy wdrożenie się opłaca. W efekcie projekt łatwo zakończyć „na wyczucie”.
Druga to niecierpliwość i oczekiwanie, że AI zwróci się równie szybko jak zakup standardowego oprogramowania. Dane Deloitte studzą te oczekiwania. Choć 85 proc. firm zwiększyło w ostatnim roku wydatki na AI, znaczący i mierzalny zwrot raportuje jedynie 15 proc. organizacji. Większość osiąga satysfakcjonujące ROI dopiero w perspektywie dwóch do czterech lat.
Najdroższy wariant tego błędu polega na porzuceniu projektu tuż przed momentem, gdy zaczyna generować wartość. S&P Global wskazuje, że przeciętna firma rezygnuje z 46 proc. projektów AI jeszcze przed wejściem w fazę pełnego wdrożenia.
W takim przypadku organizacja ponosi pełny koszt pilotażu, nie osiągając żadnych korzyści z inwestycji.
Błąd piąty: puszczają AI bez właściciela i bez zasad
To najdroższy i jednocześnie najmniej widoczny błąd w budżecie.
Jeżeli zarząd nie wyznaczy właściciela wdrożenia ani nie ustanowi jasnych zasad korzystania z AI, nie oznacza to, że sztucznej inteligencji w firmie nie ma. Oznacza jedynie, że funkcjonuje poza kontrolą.
Pracownicy i tak korzystają z narzędzi AI oraz wprowadzają do nich dane firmowe, robiąc to po prostu nieoficjalnie. Wtedy pojawia się koszt, którego nikt wcześniej nie uwzględnił.
Z raportu IBM „Cost of a Data Breach 2025” wynika, że tzw. shadow AI, czyli wykorzystywanie narzędzi AI poza wiedzą organizacji, było czynnikiem obecnym w 20 proc. naruszeń bezpieczeństwa danych i podnosiło średni koszt incydentu o około 670 tys. dolarów. Co więcej, 63 proc. firm dotkniętych naruszeniem nie posiadało żadnej polityki zarządzania AI.
W przypadku mniejszych firm nie chodzi nawet o samą kwotę, lecz o mechanizm. Koszt braku zasad może przewyższyć wszystkie korzyści finansowe osiągnięte dzięki wdrożeniu. Prosta polityka i jedna osoba odpowiedzialna za obszar AI są nieporównywalnie tańsze niż pojedynczy incydent bezpieczeństwa.
Co łączy te pięć błędów?
Żaden z opisanych problemów nie jest błędem technologicznym. Wszystkie wynikają z decyzji zarządczych podjętych lub zaniechanych jeszcze zanim technologia weszła do gry.
To dobra wiadomość. Oznacza bowiem, że najtańszy sposób na oszczędzenie pieniędzy przy wdrażaniu AI nie polega na wyborze lepszego narzędzia, lecz na uniknięciu tych pięciu błędów.
Sztuczna inteligencja nie naprawia organizacyjnego chaosu ani pośpiechu w podejmowaniu decyzji. Wdrożona na taki grunt jedynie szybciej i drożej produkuje ich konsekwencje.
Dlatego warto zadać podczas najbliższego posiedzenia zarządu jedno pytanie: Przy naszym pierwszym poważnym wdrożeniu AI, który z tych pięciu błędów jesteśmy dziś najbardziej skłonni popełnić i ile może nas to kosztować?
Autor: partner strategiczny ds. AI, automatyzacji i nowych technologii dla polskich firm. Analizuje przedsiębiorstwa, buduje plany rozwoju i koordynuje wdrożenia. Prowadzi wykłady akademickie, m.in. na AGH i ASBiRO, oraz szkolenia z praktycznych zastosowań sztucznej inteligencji i automatyzacji w biznesie. Założyciel Devesol.pl, firmy specjalizującej się w projektowaniu i automatyzacji procesów biznesowych oraz wdrożeniach sztucznej inteligencji
Źródła:
S&P Global Market Intelligence (2025)
Boston Consulting Group, Where’s the Value in AI? (2024) oraz reguła 10-20-70
Cisco AI Readiness Index (2024)
Deloitte, State of Generative AI in the Enterprise. EMEA (2025)
IBM, Cost of a Data Breach Report (2025)