McKinsey: 88% firm używa AI — adopcja jest powszechna, ale 94% nie ma wyników

Tak — według McKinsey już 88% organizacji używa AI w co najmniej jednej funkcji biznesowej. Jednocześnie skala realnych efektów pozostaje dużo niższa niż skala adopcji: z badania BCG wynika, że tylko 26% firm ma możliwości potrzebne do wyjścia poza proof of concept i generowania mierzalnej wartości z AI. Innymi słowy: AI stała się powszechna, ale wyniki nadal są rzadkie.

To właśnie napięcie między „wdrożyliśmy AI” a „AI rzeczywiście poprawia wyniki” jest dziś najważniejszym wnioskiem dla zarządów, marketerów i liderów transformacji. Sam fakt użycia narzędzi AI przestał być przewagą. Przewagą staje się dopiero zdolność do operacjonalizacji AI: w procesach, danych, kompetencjach, governance i rozliczaniu efektów biznesowych.

Kluczowy insight: 88% firm używa AI, ale większość nie przekuwa tego w wartość

Najważniejsze dane są trzy:

• 88% organizacji używa AI w co najmniej jednej funkcji biznesowej — to wynik badania McKinsey Global Survey on AI opublikowanego przez McKinsey w 2025 roku.
• Tylko 26% firm rozwinęło zdolności potrzebne, by wyjść poza pilotaże i generować znaczącą wartość z AI — według raportu BCG AI Radar 2025.
• 78% organizacji deklarowało użycie AI w co najmniej jednej funkcji już w 2024 roku — również według McKinsey, co pokazuje szybkie tempo wzrostu rok do roku.

Jeśli więc uprościć przekaz tytułu: adopcja AI jest dziś niemal powszechna, ale dojrzałość wdrożeniowa pozostaje ograniczona. W praktyce ogromna część firm nadal znajduje się na etapie eksperymentów, lokalnych automatyzacji lub pojedynczych use case’ów bez wpływu na P&L.

Kontekst badania McKinsey: co dokładnie oznacza „88% organizacji używa AI”

Dane McKinsey pochodzą z cyklicznego badania globalnego dotyczącego adopcji AI w organizacjach. W tym ujęciu „używa AI” nie oznacza, że cała firma działa w modelu AI-first. Oznacza raczej, że sztuczna inteligencja została wdrożona w co najmniej jednej funkcji biznesowej, na przykład:

• w marketingu i sprzedaży,
• w obsłudze klienta,
• w IT i cyberbezpieczeństwie,
• w operacjach i łańcuchu dostaw,
• w HR, finansach lub rozwoju produktów.

To ważne rozróżnienie, bo wiele nagłówków sugeruje pełną transformację opartą na AI. Tymczasem rzeczywistość jest bardziej zniuansowana: firmy wdrażają AI punktowo, często tam, gdzie bariera wejścia jest najniższa, a dostępne narzędzia — najbardziej dojrzałe.

Najczęściej oznacza to dziś wykorzystanie generatywnej AI do:

• tworzenia treści marketingowych,
• podsumowywania dokumentów i spotkań,
• wsparcia pracy działów sprzedaży,
• budowy asystentów dla supportu,
• automatyzacji prostych zadań analitycznych i operacyjnych.

McKinsey od kilku lat pokazuje też, że największy wzrost adopcji widoczny jest właśnie tam, gdzie AI może skrócić czas pracy knowledge workers oraz poprawić produktywność bez konieczności wieloletniej przebudowy architektury IT.

Skąd teza, że „94% nie ma wyników”?

Sam wskaźnik 88% nie mówi nic o skali efektów. Dlatego warto zestawić go z innymi źródłami. Najmocniejszym kontrapunktem jest BCG AI Radar 2025, według którego tylko 26% firm rozwinęło zaawansowane zdolności AI i uzyskuje z niej istotną wartość. To oznacza, że 74% organizacji nadal nie jest na etapie dojrzałego wykorzystania AI.

Jeżeli dodać do tego dane z innych analiz rynkowych, obraz jest spójny: wiele firm używa AI, ale niewiele potrafi ją wdrażać systemowo. Stąd bierze się narracja o luce między adopcją a wynikami.

Warto jednak precyzyjnie oddzielić dwie rzeczy:

• adopcję narzędzi AI — czyli samo użycie w jednym lub kilku obszarach,
• materializację wartości biznesowej — czyli trwały wpływ na przychody, koszty, marżę, produktywność lub customer experience.

Z perspektywy zarządu liczy się wyłącznie ta druga warstwa.

Dlaczego firmy wdrażają AI szybciej, niż potrafią nią zarządzać

Powszechność AI nie jest już zaskoczeniem. Zaskakujące jest raczej to, jak wiele organizacji wdraża ją szybciej, niż buduje fundamenty operacyjne. Powody są zwykle podobne.

1. Niski próg wejścia do narzędzi generatywnych

Wiele rozwiązań GenAI można uruchomić niemal natychmiast. To przyspiesza eksperymenty, ale nie gwarantuje integracji z procesami, systemami i KPI.

2. Presja konkurencyjna i presja zarządów

W wielu branżach pytanie nie brzmi już „czy wdrażać AI?”, tylko „gdzie i jak szybko?”. To prowadzi do wdrożeń reaktywnych, a nie strategicznych.

3. Mylenie produktywności jednostkowej z transformacją firmy

Jeśli marketer generuje tekst szybciej, a analityk szybciej podsumowuje dane, firma rzeczywiście zyskuje. Ale to nadal nie musi oznaczać transformacji modelu operacyjnego.

4. Braki w danych, governance i ownership

Największe bariery nie są dziś wyłącznie technologiczne. Często są organizacyjne: brak właściciela wdrożenia, brak polityk użycia AI, słaba jakość danych, brak sposobu mierzenia ROI.

Co to oznacza dla firm i marketerów

Dla liderów marketingu i sprzedaży najważniejszy wniosek jest prosty: sama obecność AI w organizacji nie daje już przewagi konkurencyjnej. Przewagą staje się umiejętność połączenia AI z procesami wzrostu.

W praktyce oznacza to kilka rzeczy.

AI przestaje być „narzędziem contentowym”, a staje się warstwą operacyjną

Początkowo wiele zespołów traktowało AI głównie jako generator tekstów, grafik lub pomysłów. Dziś ten etap jest za nami. Największa wartość pojawia się wtedy, gdy AI wspiera pełny przepływ pracy:

• research i analizę rynku,
• segmentację odbiorców,
• personalizację komunikacji,
• lead scoring,
• automatyzację raportowania,
• obsługę klienta i retencję.

Wygrywają firmy, które mierzą efekt, a nie liczbę promptów

W dojrzałych organizacjach AI nie jest rozliczana z liczby użyć, lecz z wpływu na konkretne metryki, takie jak:

• czas realizacji zadań,
• koszt pozyskania leadu,
• współczynnik konwersji,
• NPS i czas odpowiedzi w obsłudze,
• redukcja kosztów operacyjnych,
• wzrost przychodu na pracownika.

Marketing będzie jednym z pierwszych obszarów pełnej komercjalizacji AI

To nie przypadek, że marketing i sprzedaż są zwykle wśród najczęściej wskazywanych funkcji używających AI. Tu najłatwiej o szybkie wdrożenia i widoczne efekty. Jednocześnie właśnie tu najłatwiej o pozorne sukcesy — dużo treści, mało wzrostu. Dlatego kluczowe staje się połączenie AI z analytics, CRM, automatyzacją i strategią ofertową.

Jak przygotować firmę, żeby AI dawała wyniki, a nie tylko aktywność

Jeśli 88% firm już używa AI, to pytanie nie brzmi, czy zacząć. Pytanie brzmi: jak przejść od użycia do wartości. Najlepsza ścieżka zwykle obejmuje pięć kroków.

1. Wybierz 3-5 use case’ów o mierzalnym wpływie

Zamiast uruchamiać dziesiątki eksperymentów, lepiej skupić się na obszarach, gdzie wynik można policzyć. Przykłady:

• automatyzacja odpowiedzi w customer support,
• tworzenie spersonalizowanych kampanii outbound,
• skracanie czasu przygotowania ofert handlowych,
• automatyczne streszczenia i ekstrakcja danych z dokumentów,
• predykcja churn lub priorytetyzacja leadów.

2. Ustal właściciela biznesowego każdego wdrożenia

Bez ownership AI bardzo szybko staje się „projektem wszystkich i nikogo”. Każdy use case powinien mieć właściciela odpowiedzialnego za wynik, nie tylko za uruchomienie narzędzia.

3. Zbuduj podstawy governance

To obejmuje:

• zasady bezpieczeństwa danych,
• politykę korzystania z publicznych modeli,
• review treści i decyzji wspieranych przez AI,
• zasady odpowiedzialności prawnej i compliance,
• kontrolę jakości outputu.

4. Połącz AI z danymi i systemami

Największa różnica między gadżetem a przewagą pojawia się wtedy, gdy AI ma dostęp do właściwego kontekstu: CRM, danych produktowych, historii klienta, bazy wiedzy, danych operacyjnych.

5. Mierz ROI od początku

Każdy projekt AI powinien mieć prosty model pomiaru:

Powiązane dane: co jeszcze mówią raporty o rynku AI

Aby dobrze interpretować dane McKinsey, warto zestawić je z innymi autorytatywnymi źródłami.

• McKinsey, 2024: 78% organizacji deklarowało używanie AI w co najmniej jednej funkcji biznesowej. Wzrost do 88% pokazuje, że adopcja nadal przyspiesza.
• BCG AI Radar 2025: tylko 26% firm ma zdolności pozwalające skalować AI i osiągać znaczącą wartość.
• Google Cloud / National Research Group: organizacje coraz częściej przechodzą od eksperymentów GenAI do wdrożeń ukierunkowanych na produktywność, customer experience i operacje, ale głównymi barierami pozostają bezpieczeństwo, jakość danych i kompetencje.

Wspólny mianownik jest jeden: rynek przeszedł z fazy „czy używać AI?” do fazy „jak uzasadnić ekonomicznie jej użycie?”.

Najczęstsze błędy we wdrażaniu AI

• wdrażanie narzędzi bez zdefiniowanego problemu biznesowego,
• brak KPI i punktu odniesienia przed wdrożeniem,
• traktowanie AI wyłącznie jako projektu IT,
• brak szkoleń dla użytkowników końcowych,
• ignorowanie ryzyk prawnych i jakościowych,
• zbyt szeroki zakres pilotażu bez planu skalowania.

Co robić teraz: plan działania na najbliższe 90 dni

Jeżeli Twoja organizacja już używa AI, ale nie widzi jeszcze twardych efektów, warto zacząć od prostego planu:

1. Przeprowadź audyt obecnych użyć AI w firmie.
2. Wybierz 3 priorytetowe procesy z najwyższym potencjałem ROI.
3. Ustal właścicieli biznesowych i KPI dla każdego use case’u.
4. Sprawdź gotowość danych, bezpieczeństwa i integracji.
5. Uruchom krótki pilotaż z planem skalowania, a nie tylko testem narzędzia.
6. Po 6-8 tygodniach porównaj wyniki do baseline’u i zdecyduj: skalować, poprawiać czy zamknąć.

To podejście pozwala uniknąć sytuacji, w której firma formalnie „ma AI”, ale operacyjnie nie ma żadnej przewagi.

FAQ

Czy 88% firm naprawdę używa AI?

Tak. Według McKinsey Global Survey on AI z 2025 roku 88% organizacji deklaruje używanie AI w co najmniej jednej funkcji biznesowej.

Czy to znaczy, że większość firm dobrze wdrożyła AI?

Nie. Wysoka adopcja nie oznacza wysokiej dojrzałości. Raport BCG AI Radar 2025 pokazuje, że tylko 26% firm ma zdolności potrzebne do skalowania AI i generowania znaczącej wartości.

W jakich działach AI jest wdrażana najczęściej?

Najczęściej w marketingu, sprzedaży, obsłudze klienta, IT, analityce i operacjach — czyli tam, gdzie łatwo o szybkie usprawnienia produktywności.

Jak mierzyć efekty AI w firmie?

Najlepiej przez konkretne KPI biznesowe: oszczędność czasu, redukcję kosztów, wzrost konwersji, poprawę jakości obsługi, skrócenie czasu odpowiedzi lub wzrost przychodów.

Od czego zacząć wdrożenie AI, jeśli firma dopiero wchodzi w ten obszar?

Od 2-3 use case’ów z jasno policzalnym ROI, z właścicielem biznesowym, dostępem do danych i planem skalowania po pilotażu.

Wniosek

McKinsey potwierdza, że AI stała się standardem: 88% organizacji używa jej w co najmniej jednej funkcji biznesowej. Ale standardem nie stały się jeszcze wyniki. To właśnie dlatego najbliższe lata nie będą należeć do firm, które „mają AI”, tylko do tych, które potrafią ją połączyć z procesami, danymi i odpowiedzialnością za wynik.

Jeśli chcesz przełożyć użycie AI na realny wzrost efektywności marketingu, sprzedaży lub operacji, warto zacząć od audytu obecnych wdrożeń i wyboru use case’ów o najwyższym potencjale biznesowym. W CCZ Group pomagamy firmom uporządkować ten proces — od strategii i priorytetyzacji po wdrożenie i pomiar efektów.

Źródła

• McKinsey & Company, The state of AI: How organizations are rewiring to capture value, 2025.
• McKinsey & Company, The state of AI in early 2024: Gen AI adoption spikes and starts to generate value, 2024.
• Boston Consulting Group, AI Radar 2025, 2025.
• Google Cloud, raporty i badania dotyczące adopcji generative AI w przedsiębiorstwach, 2024-2025.

Rafał Krawczyk

Od 2020 roku specjalizuję się w zaawansowanym technicznym SEO, GEO i inżynierii GAN. Trenuję modele AI do automatyzacji i optymalizacji rozbudowanych platform e-commerce pod kątem GEO i RAG. Odrzucam ręczne metody – współtworzę wieloagentowe ekosystemy, które automatyzują analizę, dobór strategii i masowe wdrożenia publikacji. Zgłębiam najdrobniejsze detale Web Performance, przekładając je na schematy uczenia naszych algorytmów, by przygotować domeny klientów na erę AI Search. Wolny czas spędzam z rodziną, a hobbystycznie programuję i rozbudowuję swój inteligentny dom.