Adopcja AI w firmach 2025: co mówi raport McKinsey i dlaczego tylko 6% firm naprawdę zarabia na AI
88% organizacji używa dziś AI w przynajmniej jednej funkcji biznesowej — wynika z badania przeprowadzonego wśród 1 993 firm z 105 krajów przez McKinsey & Company[1]. Mimo tak wysokiego wskaźnika adopcji, zaledwie 6% firm generuje ponad 5% swojego EBIT dzięki AI. Reszta jest na etapie pilotaży lub wczesnego skalowania. Co odróżnia tę elitę od pozostałych 94%? Raport McKinsey State of AI 2025 daje konkretne odpowiedzi.
Jak wygląda adopcja AI w firmach w 2025 roku?
Rok 2025 to przełomowy moment w adopcji AI w firmach. Odsetek organizacji korzystających z AI w przynajmniej jednej funkcji biznesowej wzrósł z 78% w 2024 roku do 88% w 2025[1]. Ponad dwie trzecie tych firm używa AI w więcej niż jednym obszarze działalności.
Jednak za imponującym wskaźnikiem adopcji kryje się poważna luka wykonawcza. Około dwie trzecie organizacji nadal pozostaje w fazie eksperymentów lub pilotaży. Tylko jedna trzecia osiągnęła etap rzeczywistego skalowania — czyli wdrożenia AI, które obejmuje wiele procesów i przynosi mierzalne efekty na poziomie całej firmy[1].
Które funkcje biznesowe wdrażają AI najczęściej?
Adopcja AI w firmach nie jest równomiernie rozłożona między działy. Raport McKinsey wskazuje trzy funkcje, które przodują we wdrożeniach[1]:
- Inżynieria oprogramowania — automatyczne generowanie kodu, testowanie, dokumentacja. Firmy z tej funkcji raportują 10–20% redukcji kosztów dzięki AI.
- Obsługa klienta — chatboty, klasyfikacja zgłoszeń, personalizacja odpowiedzi.
- Marketing i sprzedaż — tworzenie treści, segmentacja, scoring leadów, personalizacja ofert. Firmy raportują ponad 10% wzrostu przychodów powiązanego z AI w tych obszarach.
Warto zauważyć, że marketing i sprzedaż plasuje się wyżej niż R&D czy finanse — pomimo że w dyskursie publicznym najczęściej mówi się o AI w kontekście technologii i badań.
Co to są agenty AI i dlaczego firmy je wdrażają?
Jednym z kluczowych trendów raportu McKinsey 2025 jest gwałtowny wzrost zainteresowania agentami AI — systemami, które nie tylko odpowiadają na pytania, ale samodzielnie wykonują złożone zadania wieloetapowe. Według badania[1]:
- 62% organizacji eksperymentuje z agentami AI
- 23% skaluje agenty w przynajmniej jednej funkcji biznesowej
- Maksymalnie 10% raportuje pełne skalowanie agentów w jakimkolwiek obszarze
Agenty AI są najszybciej adoptowane w inżynierii oprogramowania (automatyzacja pipeline’ów CI/CD, code review) oraz w obsłudze klienta (autonomiczne rozwiązywanie zgłoszeń bez interwencji człowieka). Dla polskich firm B2B to obszar, który w ciągu najbliższych 12–18 miesięcy może stać się standardem w działach IT i supportu.
Jaki jest realny ROI z AI — dane McKinsey 2025
To pytanie, które zadaje każdy dyrektor finansowy i każdy zarząd. Odpowiedź McKinsey jest precyzyjna i nie pozostawia złudzeń[1]:
- 39% organizacji raportuje mierzalny wpływ AI na EBIT całej firmy
- Większość z tych firm przypisuje AI mniej niż 5% EBIT
- Tylko 6% respondentów — około 109 firm spośród prawie 2 000 przebadanych — raportuje, że AI odpowiada za ponad 5% EBIT
To oznacza, że 61% firm używających AI nie odnotowuje żadnego mierzalnego wpływu na wynik operacyjny. Adopcja i wartość biznesowa to dwie różne rzeczy — i przepaść między nimi jest w 2025 roku jednym z największych wyzwań menedżerskich.
Potencjał jest jednak ogromny: McKinsey szacuje roczną wartość, jaką AI może wygenerować w 63 zidentyfikowanych przypadkach użycia, na 2,6–4,4 tryliona dolarów[1]. Bariera nie jest technologiczna — jest organizacyjna i kompetencyjna.
Co odróżnia liderów AI od reszty firm?
McKinsey definiuje „high performers” jako organizacje, które generują ponad 5% EBIT z AI i jednocześnie raportują znaczącą wartość w więcej niż jednej funkcji biznesowej. Stanowią one około 6% całej próby badawczej[1]. Trzy cechy wyraźnie je odróżniają:
- Fundamentalne przeprojektowanie procesów — 55% high performers całkowicie przeprojektowało procesy pod AI, wobec zaledwie 18% pozostałych firm[1].
- Transformacyjne cele — liderzy AI są 3,6 razy bardziej skłonni deklarować, że zamierzają użyć AI do transformacyjnych zmian w ciągu 3 lat, a nie tylko do optymalizacji kosztowej.
- Podwójny cel — podczas gdy 80% wszystkich firm skupia się wyłącznie na efektywności kosztowej, liderzy stawiają równolegle na wzrost przychodów i innowację.
Wniosek jest jasny: firmy, które traktują AI wyłącznie jako narzędzie do cięcia kosztów, generują połowę wartości tych, które używają AI jako dźwigni wzrostu. To fundamentalna różnica w podejściu strategicznym, nie technicznym.
Tabela: liderzy AI vs. reszta firm — kluczowe różnice
| Kryterium | Liderzy AI (6% firm) | Pozostałe firmy (94%) |
|---|---|---|
| Udział AI w EBIT | Powyżej 5% EBIT | Poniżej 5% lub brak pomiaru |
| Przeprojektowanie procesów | 55% całkowicie przeprojektowało procesy | ~18% przeprojektowało procesy |
| Główny cel wdrożenia AI | Wzrost przychodów + innowacja + efektywność | Efektywność kosztowa (80% firm) |
| Horyzont transformacji | 3,6× częściej planują transformacyjną zmianę | Optymalizacja inkrementalna |
| Skalowanie agentów AI | Wczesne wdrożenia produkcyjne | Faza eksperymentu lub brak wdrożeń |
| Mierzenie ROI z AI | Dojrzałe KPI powiązane z EBIT | Brak lub niedojrzałe metryki |
Jakie ryzyka towarzyszą adopcji AI w firmach?
Raport McKinsey nie pomija ciemniejszej strony adopcji AI. Spośród przebadanych organizacji, 51% doświadczyło co najmniej jednego negatywnego zdarzenia związanego z AI w ciągu ostatnich 12 miesięcy[1]. Najczęściej wymieniane ryzyka to:
- Nieścisłości i halucynacje w outputach generatywnej AI (podejmowanie decyzji na podstawie błędnych danych)
- Naruszenia bezpieczeństwa danych i niezamierzone wycieki informacji przez modele AI
- Stronniczość modeli (bias) prowadząca do dyskryminacyjnych decyzji w HR, kredytach lub obsłudze klienta
- Naruszenia praw autorskich przy generowaniu treści
W kontekście regulacyjnym — w tym AI Act, który od 2 sierpnia 2026 nakłada obowiązek systemu zarządzania ryzykiem na dostawców systemów wysokiego ryzyka — te incydenty mogą oznaczać nie tylko straty reputacyjne, ale i administracyjne kary finansowe. Firmy, które już teraz budują procesy zarządzania ryzykiem AI, są lepiej przygotowane zarówno na skalowanie, jak i na zgodność z regulacjami. Sprawdź, jak przebiega audyt zgodności z AI Act w praktyce.
Główne bariery skalowania AI w organizacjach
Dlaczego dwie trzecie firm tkwi w fazie pilotaży? McKinsey identyfikuje cztery systemowe bariery[1]:
- Brak transformacji end-to-end — AI jest wdrażana punktowo, bez przeprojektowania procesów, które ją otaczają. Efekt: wzrost lokalnej efektywności bez wpływu na całość firmy.
- Modele operacyjne i prawo pracy — zmiana ról pracowniczych, nowe obowiązki, kwestie związane ze związkami zawodowymi i regulacjami zatrudnienia blokują reorganizację procesów.
- Jakość i dostępność danych — modele AI są tak dobre, jak dane, którymi je zasilamy. Firmy z niespójną architekturą danych nie mogą efektywnie skalować AI.
- Brak dojrzałych KPI — bez mierzenia ROI z AI niemożliwe jest uzasadnienie kolejnych inwestycji i priorytetyzacja wdrożeń.
Dla polskich firm średniej i dużej wielkości szczególnie istotna jest bariera pierwsza. Wdrożenie chatbota w obsłudze klienta bez zmiany procesu eskalacji zgłoszeń i struktury raportowania nie przynosi skalowalnych efektów — to typowa pułapka pilotażowa. Dowiedz się, jak uniknąć tych błędów dzięki kompleksowemu wdrożeniu AI, które obejmuje przeprojektowanie procesów.
Co to oznacza dla polskich firm — wnioski praktyczne
Dane McKinsey dotyczą globalnej próby 1 993 organizacji, ale ich wnioski są bezpośrednio stosowalne do polskiego rynku. Trzy praktyczne implikacje dla zarządów i dyrektorów:
- Pilotaż to nie strategia. Jeśli firma prowadzi kilka projektów AI równolegle, ale żaden nie wpłynął na KPI na poziomie jednostki biznesowej — czas zadać pytanie o skalowanie i zmianę procesową.
- Mierz ROI od pierwszego dnia. Firmy bez zdefiniowanych metryk AI nie wychodzą z fazy eksperymentów. Przed każdym wdrożeniem AI określ, co zmierzysz i kiedy.
- Zarządzaj ryzykiem aktywnie. 51% firm doświadczyło incydentu AI. Incydenty zdarzają się niezależnie od wielkości firmy — prewencja i procedury reagowania to konieczność, nie opcja.
Jeśli Twój zespół potrzebuje zbudować kompetencje do wyjścia z fazy pilotaży, zapoznaj się z naszym programem szkoleniowym AI dla firm, który łączy wiedzę techniczną z zarządzaniem zmianą organizacyjną.
Najczęściej zadawane pytania (FAQ)
Co dokładnie mierzy raport McKinsey State of AI 2025?
Raport McKinsey State of AI 2025 to coroczne badanie przeprowadzone wśród 1 993 menedżerów i liderów z 105 krajów. Mierzy adopcję AI według funkcji biznesowych, wpływ na EBIT, dojrzałość wdrożeń agentowych, bariery skalowania oraz incydenty ryzyka. Raport jest publikowany przez McKinsey & Company — QuantumBlack AI.
Dlaczego tak mało firm generuje realny ROI z AI mimo wysokiej adopcji?
Główne przyczyny to brak transformacji procesów (AI jest dodawana do istniejących workflow bez ich przeprojektowania), słaba jakość danych zasilających modele, brak mierzalnych KPI dla AI oraz traktowanie AI wyłącznie jako narzędzia oszczędnościowego. Firmy z realnym ROI przeprojektowały procesy i połączyły AI z celami przychodowymi.
Czym są agenty AI i które firmy je wdrażają?
Agenty AI to systemy, które samodzielnie wykonują wieloetapowe zadania — np. analizują zgłoszenie klienta, wyszukują odpowiedź w bazie wiedzy i wysyłają odpowiedź bez interwencji człowieka. Według McKinsey 62% firm eksperymentuje z agentami, ale tylko 23% je skaluje. Najczęstsze zastosowania to inżynieria oprogramowania i obsługa klienta.
Jakie ryzyka AI są najczęstsze w firmach według McKinsey?
51% firm doświadczyło co najmniej jednego negatywnego zdarzenia AI w ciągu 12 miesięcy. Najczęstsze to halucynacje modeli (błędne dane w decyzjach), wycieki danych, stronniczość algorytmów w decyzjach HR lub finansowych oraz naruszenia praw autorskich przy generowaniu treści przez AI.
Jak polskie firmy mogą przejść z pilotaży AI do skalowania?
Kluczowe kroki to: (1) wybór jednej funkcji biznesowej z jasnym KPI do pilotażu, (2) przeprojektowanie procesu wokół AI — nie tylko dodanie narzędzia, (3) zbudowanie kompetencji zespołu do zarządzania AI, (4) wdrożenie systemu monitorowania outputów AI i procedur reagowania na incydenty, (5) stopniowe rozszerzanie na kolejne funkcje po potwierdzeniu efektów.
Przypisy
- McKinsey & Company (2025). The State of AI: How Organizations Are Rewiring to Capture Value. QuantumBlack AI, McKinsey & Company. Badanie przeprowadzone wśród 1 993 respondentów z 105 krajów, opublikowane w 2025 r. Dostępne online: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
O autorze
Zespół ekspertów pcsid.pl — praktycy wdrożeń AI w firmach i instytucjach publicznych. Specjalizujemy się w audytach zgodności z AI Act, bezpiecznych wdrożeniach modeli LLM oraz programach szkoleniowych dla zespołów. Łączymy kompetencje techniczne (architektura systemów AI, MLOps) z prawnymi (RODO, AI Act) i procesowymi (zarządzanie zmianą).
