Na AI przyszli wszyscy. Prawie. Sala wypełniona po brzegi, część osób stała. Dyskusja o gospodarce algorytmów zapowiadała się na jeden z ciekawszych punktów dnia. W moim prywatnym rankingu skończyła znacznie niżej — choć kilka wypowiedzi było wartych zapisania.
Duże oczekiwania i znajome recepty
„Gospodarka algorytmów: jak AI przekształca modele rozwoju” — taki tytuł miał panel prowadzony przez Elizę Turkiewicz-Śliwińską. Na scenie przedstawiciele biznesu, administracji i środowiska innowacji. Na sali frekwencja, której niejeden organizator mógłby pozazdrościć.
Spodziewałem się rozmowy o tym, jaką przewagę technologiczną Polska potrafi dziś zbudować, które wdrożenia rzeczywiście poprawiają wyniki przedsiębiorstw, kto finansuje ambitne produkty i dlaczego kolejne projekty nie wychodzą poza pilotaż. Tymczasem zbyt często wracaliśmy do repertuaru dobrze znanego z konferencji AI: kompetencje, odpowiedzialność człowieka, szanse dla małych firm i zagrożenia nadmiernego zaufania algorytmom.
To wszystko jest ważne. Tylko że w 2026 roku sam apel o odpowiedzialne korzystanie ze sztucznej inteligencji nie jest już szczególnie nową ideą. Zwłaszcza na Forum Nowych Idei.
Polska daleko za średnią UE
Natalia Hatalska zwróciła uwagę na lukę między zainteresowaniem technologią a jej wdrożeniami. Według Eurostatu w 2025 r. technologie AI wykorzystywało 8,4% polskich przedsiębiorstw zatrudniających co najmniej 10 osób, przy średniej unijnej wynoszącej 20%. To ważne doprecyzowanie: statystyka nie obejmuje większości mikrofirm.
Hatalska mówiła przede wszystkim o kompetencji, która w jej ocenie powinna stać się przewagą Polski: zdolności człowieka do nadzorowania działania AI i brania odpowiedzialności za decyzje. Ostrzegała też przed organizacjami, które mierzą pracownikom częstotliwość używania narzędzi, zamiast wyników pracy.
Trudno się z tym nie zgodzić. Ale jeśli nasze firmy rzadko wdrażają AI na poziomie organizacji, warto było mocniej zapytać: czy przeszkodą są koszty, brak dobrych produktów, jakość danych, brak właściciela biznesowego, czy po prostu brak odwagi w zmianie procesu?
Orange, COI, OTOMOTO: jednak były konkrety
Najciekawiej robiło się wtedy, gdy paneliści schodzili z poziomu ogólnych haseł do własnych wdrożeń.
Bożena Leśniewska z Orange opowiedziała o firmowym środowisku pracy z modelami AI. Według przedstawionych przez nią danych pracownicy stworzyli około 1100 agentów do usprawniania własnych zadań. Ważniejszy od samej liczby był opis podejścia: firmowa platforma, uprawnienia do danych, przekwalifikowanie pracowników i rola managera, który przestaje wyłącznie przydzielać zadania, a zaczyna zarządzać współpracą ludzi i agentów.
Radosław Maćkiewicz z Centralnego Ośrodka Informatyki podał przykład cyfryzacji obsługi papierowych wniosków o udostępnienie danych właścicieli pojazdów. Pierwszy pilotaż AI dał niewielką poprawę. Dopiero przebudowa procesu pozwoliła, według jego relacji, uzyskać dwu- lub trzykrotne przyspieszenie. To chyba najpraktyczniejsza lekcja panelu: AI włożona w stary proces nie jest jeszcze transformacją.
Agnieszka Czajka z OTOMOTO mówiła o konwersacyjnym wyszukiwaniu samochodów i automatyzacji przygotowywania ogłoszeń. Ciekawa była jej uwaga, że AI ma zmniejszać asymetrię informacji między kupującym a sprzedającym — nie tylko generować ładniejsze opisy.
Magdalena Chudzikiewicz z home.pl wskazywała natomiast na proste narzędzia dla małych firm, automatyzację marketingu i vibe coding. Podkreślała, że rozwiązania muszą być łatwe do uruchomienia i szybko uzasadniać swoją cenę.
To były dobre punkty zaczepienia. Żałuję, że nie doczekaliśmy się mocniejszego porównania efektów, kosztów i ograniczeń poszczególnych rozwiązań.
Suwerenność cyfrowa: slogan czy decyzja zakupowa?
W rozmowie wracała także kwestia suwerenności cyfrowej: lokalizacji danych, zależności od globalnych dostawców i zdolności polskich firm do tworzenia produktów na własnych warunkach.
Maćkiewicz wskazał wykorzystanie polskiego modelu językowego PLLuM w rozwiązaniach administracji oraz przedstawił koncepcję udostępniania publicznych usług i integracji firmom tworzącym własne produkty. Była też mowa o ograniczaniu niekontrolowanego używania prywatnych chatbotów przez pracowników instytucji.
Tu również chciałoby się mniej ogólnego hasła „suwerenność”, a więcej konkretu: co kupujemy lokalnie, co zostaje w naszej infrastrukturze, gdzie świadomie korzystamy z cudzych modeli i ile za tę niezależność jesteśmy gotowi zapłacić?
ElevenLabs i problem z inwestowaniem przed sukcesem
Najbardziej zaczepna, a zarazem najpotrzebniejsza uwaga padła pod koniec. Bianka Siwińska z Fundacji Edukacyjnej Perspektywy opowiedziała o młodych przedsiębiorczyniach, którym proponuje się kolejne programy mentoringowe, gdy pilniejszą potrzebą bywają pieniądze pozwalające przez kilka miesięcy rozwijać produkt.
Wskazała również na słabość polskiego systemu w rozpoznawaniu projektów technologicznych o potencjale globalnym — przywołując ElevenLabs.
To dobry przykład, choć potrzebuje ważnego dopowiedzenia. Polski kapitał publiczny wszedł już do ElevenLabs — w czerwcu 2026 r. Vinci z Grupy BGK ogłosił inwestycję wartą ponad 40 mln zł i współtworzenie AI Lab Poland. Potwierdza to BGK.
Problem nie polega więc na tym, że polskie państwo w ogóle tej spółki nie dostrzegło. Problem jest subtelniejszy: czy potrafimy inwestować w rodzimą technologię, zanim jej sukces zweryfikują wielkie zagraniczne fundusze?
Przy takiej wycenie i rozpoznawalności firmy znacznie łatwiej mówić o krajowych talentach. Trudniej wyłożyć pieniądze wtedy, kiedy talent ma dopiero prototyp, trochę klientów i dużo niepewności. Trochę jak z robieniem sobie zdjęcia na mecie maratonu, którego startu nikt nie chciał sponsorować.
Co z tej rozmowy wynika dla placówek medycznych?
Z perspektywy managera ochrony zdrowia bardziej użyteczne od samego hasła „wdrożyć AI” jest wybranie procesu z wyraźnym problemem: rejestracji, obsługi zapytań, wyszukiwania dokumentacji, rozliczeń albo komunikacji z pacjentami.
Potem potrzebne są odpowiedzi: ile minut rzeczywiście oszczędzamy? Czy zmniejsza się liczba błędów? Czy odpowiedzialność człowieka jest jednoznaczna? Jak chronimy dane pacjentów? I wreszcie — czy po wdrożeniu ktoś ten wynik mierzy?
Bez tego łatwo kupić kolejną platformę, zorganizować szkolenia, zrobić demonstrację dla zarządu i odhaczyć transformację. A stare problemy zostają, tyle że z dopiskiem „AI” w nazwie projektu.