McKinsey: GenAI może dać $0.8-1.2 biliona rocznie w sales i marketing

Tak — według McKinsey generatywna AI może odblokować od 0,8 do 1,2 bln USD rocznej wartości właśnie w funkcjach sprzedaży i marketingu. To jeden z największych pojedynczych obszarów wpływu GenAI w przedsiębiorstwach. Źródłem tej estymacji jest raport “The economic potential of generative AI: The next productivity frontier” opublikowany przez McKinsey & Company w czerwcu 2023 r., który szacuje roczny potencjał generatywnej AI w sprzedaży i marketingu na 760 mld–1,2 bln USD globalnie.

To nie jest wyłącznie historia o automatyzacji contentu. McKinsey wskazuje, że największa wartość pochodzi z lepszego targetowania, personalizacji, szybszego tworzenia materiałów, wyższej produktywności zespołów handlowych oraz skuteczniejszej obsługi klienta na styku marketingu, e-commerce i sales enablement.

Co dokładnie policzył McKinsey

Raport McKinsey analizuje ekonomiczny wpływ generatywnej AI w 63 zastosowaniach biznesowych w 16 funkcjach firmowych. W tym ujęciu sales and marketing to jeden z najbardziej wartościowych obszarów. McKinsey podaje, że generatywna AI może przynieść:

• 760 mld–1,2 bln USD rocznie w sprzedaży i marketingu,
• 2,6–4,4 bln USD rocznie łącznej dodatkowej wartości we wszystkich analizowanych zastosowaniach,
• a po doliczeniu wpływu GenAI do już istniejących systemów analitycznych i automatyzacyjnych, całkowity wpływ AI może wzrosnąć do 6,1–7,9 bln USD rocznie.

Dokładne źródło: McKinsey & Company, “The economic potential of generative AI: The next productivity frontier”, czerwiec 2023.

Dlaczego właśnie sales i marketing należą do największych beneficjentów GenAI

To, że sprzedaż i marketing znalazły się tak wysoko w estymacjach McKinsey, nie powinno dziwić. Te funkcje operują na ogromnej liczbie powtarzalnych, tekstowych i decyzyjnych zadań, które dobrze nadają się do wsparcia przez modele generatywne.

1. Personalizacja na masową skalę

GenAI umożliwia tworzenie wielu wariantów komunikacji dla różnych segmentów klientów niemal w czasie rzeczywistym. Dotyczy to:

• mailingu i nurture flows,
• landing pages,
• opisów produktów,
• reklam performance,
• scenariuszy rozmów handlowych,
• rekomendacji ofertowych.

Zamiast jednej kampanii dla wszystkich, firmy mogą projektować setki mikrokomunikatów pod intencję, etap lejka, kategorię produktu i profil klienta.

2. Wyższa produktywność zespołów

McKinsey zwraca uwagę, że w wielu rolach znaczną część czasu zajmuje tworzenie, edycja, research, podsumowania i przygotowanie materiałów. W marketingu oznacza to szybszy time-to-market. W sprzedaży — mniej pracy administracyjnej i więcej czasu na realny kontakt z klientem.

3. Lepsza jakość interakcji z klientem

Generatywna AI może wspierać handlowców i marketerów w przygotowywaniu bardziej trafnych odpowiedzi, ofert i materiałów. Szczególnie duży potencjał widać tam, gdzie customer journey jest złożone: B2B, enterprise sales, e-commerce z dużym katalogiem lub branże z wysokim poziomem wiedzy produktowej.

Kontekst rynkowy: adopcja AI rośnie szybciej niż gotowość organizacyjna

Sam potencjał ekonomiczny nie oznacza automatycznie łatwego wdrożenia. W praktyce rynek jest na etapie szybkiej adopcji, ale z nierówną dojrzałością operacyjną.

W raporcie McKinsey, “The state of AI in early 2024: Gen AI adoption spikes and starts to generate value”, opublikowanym w 2024 r., wskazano, że 65% organizacji regularnie używa generatywnej AI. To niemal dwukrotny wzrost względem poprzedniego badania sprzed niespełna roku.

Z kolei BCG AI Radar 2024 pokazał, że tylko część firm przechodzi od eksperymentów do realnego wpływu biznesowego: liderzy inwestują bardziej selektywnie, łącząc use case’y z procesami, danymi i governance.

Wniosek dla marketingu i sprzedaży jest prosty: przewaga nie wynika już z samego “używania AI”, ale z tego, czy AI jest podłączona do realnych workflow, danych klientów i KPI.

Co to oznacza dla firm i marketerów

Najważniejsza implikacja nie brzmi: “twórzcie więcej treści AI”. Brzmi: przeprojektujcie procesy revenue wokół wzrostu produktywności i jakości decyzji.

Najbardziej obiecujące zastosowania GenAI w sales i marketingu

Gdzie firmy najczęściej przeceniają GenAI

Wiele organizacji zakłada, że wdrożenie modelu językowego samo w sobie wygeneruje zwrot. To zwykle nie działa. Najczęstsze błędy to:

• brak priorytetyzacji use case’ów według wpływu na przychód lub marżę,
• oddzielenie AI od CRM, CDP, analityki i systemów sprzedażowych,
• mierzenie “liczby promptów” zamiast KPI biznesowych,
• brak kontroli jakości, compliance i zasad brand voice,
• nadprodukcja przeciętnej treści bez przewagi merytorycznej.

Z perspektywy marketera oznacza to, że AI powinna być wdrażana jako warstwa operacyjna nad procesem wzrostu, a nie jako osobny eksperyment technologiczny.

Jak przygotować organizację, by realnie wykorzystać potencjał 0,8–1,2 bln USD

1. Zacznij od use case’ów blisko przychodu

Najlepiej startować tam, gdzie efekt jest mierzalny w 30–90 dni. Przykłady:

• automatyzacja przygotowania ofert handlowych,
• AI-assisted outbound i follow-up,
• optymalizacja treści produktowych w e-commerce,
• tworzenie reklam i testów A/B na dużą skalę,
• personalizacja lifecycle marketingu.

2. Podepnij GenAI do danych i procesów

Model bez kontekstu firmowego daje ogólne odpowiedzi. Model podłączony do:

• CRM,
• historii sprzedaży,
• segmentacji klientów,
• bazy wiedzy produktowej,
• analytics i danych kampanijnych

staje się realnym narzędziem operacyjnym. Właśnie tutaj powstaje największa różnica między “demo AI” a wdrożeniem generującym ROI.

3. Ustal governance i standardy jakości

W marketingu i sprzedaży AI dotyka marek, obietnic handlowych i danych klientów. Potrzebne są więc zasady dotyczące:

• weryfikacji faktów i claimów,
• zgodności prawnej i ochrony danych,
• brand voice,
• poziomów akceptacji treści,
• monitoringu błędów i halucynacji.

4. Mierz wpływ na konkretne KPI

Najbardziej sensowne metryki to nie liczba wygenerowanych tekstów, ale np.:

• czas przygotowania kampanii,
• koszt pozyskania leadu,
• konwersja MQL->SQL,
• czas tworzenia oferty,
• win rate,
• przychód na handlowca,
• średnia wartość koszyka,
• udział ruchu organicznego i współczynnik konwersji.

Powiązane dane, które wzmacniają tezę McKinsey

Potencjał GenAI w sprzedaży i marketingu potwierdzają także inne źródła i trendy rynkowe:

• McKinsey (2024): 65% organizacji regularnie używa generatywnej AI. Adopcja przestała być niszowa.
• McKinsey (2023): 2,6–4,4 bln USD rocznej wartości generowanej przez GenAI globalnie we wszystkich zastosowaniach.
• BCG AI Radar 2024: tylko firmy, które łączą AI z procesami i transformacją operacyjną, osiągają skalowalny efekt biznesowy.

W praktyce oznacza to, że rynek przesuwa się z etapu eksperymentów do etapu presji na produktywność. Dla działów marketingu i sprzedaży to ważna zmiana: budżety coraz częściej będą zależeć od zdolności pokazania, że AI poprawia wynik, a nie tylko przyspiesza produkcję.

Przykładowy plan działania na 90 dni

Etap 1: Audyt

• Zmapuj procesy marketingowe i sprzedażowe o najwyższej powtarzalności.
• Wskaż zadania, które konsumują najwięcej czasu zespołu.
• Połącz je z KPI przychodowymi lub kosztowymi.

Etap 2: Priorytetyzacja

• Wybierz 3–5 use case’ów o wysokim wpływie i niskiej złożoności wdrożenia.
• Określ właścicieli procesów i metody pomiaru efektu.

Etap 3: Pilotaż

• Uruchom testy w jednym zespole lub jednym kanale.
• Porównaj wyniki z benchmarkiem sprzed wdrożenia.

Etap 4: Skalowanie

• Zbuduj bibliotekę promptów, standardów i workflow.
• Zintegruj rozwiązania z CRM, CMS, narzędziami reklamowymi i analityką.

Etap 5: Governance

• Wprowadź politykę użycia AI, checklisty jakości i odpowiedzialności decyzyjne.

FAQ

Czy liczba 0,8–1,2 bln USD dotyczy tylko marketingu?

Nie. Estymacja McKinsey dotyczy łącznie funkcji sales and marketing. W praktyce obejmuje ona zarówno marketing, jak i działania sprzedażowe oraz obszary styku z klientem.

Jaka jest dokładna liczba według McKinsey?

W raporcie McKinsey z czerwca 2023 r. podano zakres 760 mld–1,2 bln USD rocznie dla sprzedaży i marketingu. W komunikacji medialnej często zaokrągla się to do 0,8–1,2 bln USD.

Skąd bierze się ta wartość?

Z poprawy produktywności, automatyzacji zadań, personalizacji, lepszego wykorzystania danych, skrócenia czasu tworzenia materiałów oraz wsparcia działań handlowych i obsługi klienta.

Czy małe i średnie firmy też mogą skorzystać?

Tak. MŚP zwykle nie osiągną skali globalnych korporacji, ale relatywny wpływ na koszty operacyjne i szybkość działania może być bardzo duży — zwłaszcza w content marketingu, e-commerce, lead generation i sales ops.

Wnioski

McKinsey nie mówi, że GenAI “może pomóc” sprzedaży i marketingowi. McKinsey mówi, że to jeden z największych obszarów tworzenia wartości w całym krajobrazie AI — na poziomie 760 mld do 1,2 bln USD rocznie.

Dla firm oznacza to jedno: pytanie nie brzmi już, czy używać GenAI, ale gdzie wdrożyć ją najpierw, jak połączyć z danymi i jak zmierzyć wpływ na revenue. Organizacje, które potraktują AI jako element architektury wzrostu, a nie generator treści, będą najbliżej realnego udziału w tej wartości.

Jeśli chcesz przełożyć ten potencjał na konkretne use case’y w marketingu, SEO, content operations lub procesach sales enablement, zespół CCZ Group może pomóc zaprojektować audyt, pilotaż i model wdrożenia oparty o mierzalne KPI.

Źródła

• McKinsey & Company, The economic potential of generative AI: The next productivity frontier, czerwiec 2023, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
• McKinsey & Company, The state of AI in early 2024: Gen AI adoption spikes and starts to generate value, 2024, https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
• BCG, AI Radar 2024, 2024, https://www.bcg.com/publications/2024/ai-radar-global-survey-report

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.