Technologia działa, ale wartość nie nadeszła: raport Bain ujawnia, że po wydaniu ponad biliona dolarów na AI zwroty są minimalne

Wraz z napływem ponad biliona dolarów (trillion) globalnego kapitału w obszar sztucznej inteligencji (AI), uwaga rynku nieuchronnie powraca do najważniejszego wskaźnika logiki biznesowej: zwrotu z inwestycji (ROI).

Najświeższy globalny raport z badania kadry zarządzającej, przygotowany przez czołową konsultingową firmę Bain, ostudził gorącą falę inwestycji w AI: Po kumulacji wydatków przedsiębiorstw na AI przekraczającej bilion dolarów, rzeczywiste oszczędności kosztów wynikające z automatyzacji są powszechnie znacznie niższe od oczekiwań.

Badanie objęło 951 firm na całym świecie z rocznym przychodem przekraczającym 100 milionów dolarów, reprezentujących dziewięć głównych sektorów: handel detaliczny, technologie, zaawansowaną produkcję, medycynę, dobra konsumpcyjne, energię, usługi finansowe, telekomunikację/media/rozrywkę oraz ubezpieczenia. Wyniki pokazują, że spośród firm potrafiących zmierzyć oszczędności kosztów wynikające z AI, największa grupa (40%) osiągnęła spadek kosztów o zaledwie 10% lub mniej, co odbiega dalece od pierwotnych, ambitnych oczekiwań.

Jeszcze bardziej alarmujące jest: 44% dużych przedsiębiorstw korzysta z „niewcielonych oszczędności z poprzedniej rundy AI” jako podstawy finansowania kolejnej rundy inwestycji w AI – Bain określa to jako „strukturalnie wadliwe, powtarzalne zakłady”. Jednocześnie, równoczesny raport Gartner przewiduje, że ponad 40% projektów Agentic AI zostanie zakończonych przed końcem 2027 roku. Bain trafnie opisuje sytuację:„Technologia działa, lecz wartość nie nadchodzi.”

Te sygnały oznaczają, że logika wyceny akcji związanych z AI jest poważnie kwestionowana – obecnie wysokie wyceny opierają się na „wartościach prognozowanych” zamiast „rzeczywistych”, a ryzyko przebudowy wyceny jest nie do pominięcia, gdy rynek zacznie poważnie analizować ROI.

40% firm uzyskuje oszczędności AI poniżej 10%, poważne rozbieżności między oczekiwaniami a rzeczywistością

Badanie Bain z kwietnia tego roku ujawnia niepokojącą rzeczywistość dla kadry zarządzającej: spośród firm mogących zmierzyć efekt oszczędności kosztów dzięki AI, największa grupa (40%) osiągnęła redukcję kosztów na poziomie 10% lub mniej. A inwestycje tych firm w technologie AI często znacznie przewyższają osiągnięty poziom oszczędności.

Bain w raporcie mówi wprost, że te niezadowalające wyniki „powinny budzić niepokój wśród kadry zarządzającej” – ponieważ wielu z nich zatwierdziło rosnące budżety AI, opierając się właśnie na „prognozowanych oszczędnościach”. Kluczowy problem to: rzeczywiste, widoczne efekty oszczędności są znikome.

To nie jest pierwszy dowód na słabszy niż oczekiwano rezultat AI. Raport MIT z zeszłego roku również wykazał, że 95% firmowych projektów pilotażowych AI kończy się porażką, głównie dlatego, że „narzędzia nie mogą się uczyć, integracja jest słaba lub nie pasują do rzeczywistych przepływów pracy”.

„Powtarzalne zakłady”: niezweryfikowane zyski jako podstawa kolejnej rundy inwestycji

Najbardziej niepokojącym odkryciem z raportu Bain jest fundamentalny defekt w logice podejmowania decyzji inwestycyjnych w AI przez firmy: 44% dużych przedsiębiorstw bierze „oszczędności” z poprzedniej rundy inwestycji AI jako podstawę finansowania kolejnej rundy – choć te oszczędności nie zostały jeszcze zrealizowane.

Bain wyraźnie ostrzega: „Jeśli poprzednia runda inwestycji nie zrealizowała obietnic, pool dostępnych oszczędności jest znacznie mniejszy niż zakładano. Obecne uzasadnienie biznesowe opiera się na wartościach prognozowanych, nie rzeczywistych.”

Raport dalej wskazuje, że taki sposób „finansowania kolejnej rundy na bazie przeszłych zysków” wydaje się na pierwszy rzut oka oznaczać surową dyscyplinę finansową, „lecz w istocie jest to powtarzalny, strukturalnie wadliwy zakład”. Końcowy wniosek Bain jest lakoniczny, lecz uderzający:„Technologia działa, wartość nie przychodzi.”

Problem z danymi: wielomiliardowe inwestycje w modernizację danych nie rozwiązały „głodu danych” AI

Raport Bain wskazuje też kluczową przyczynę słabych wyników projektów AI, a powód ten jest zaskakująco fundamentalny: firmy nie mogą wiarygodnie uzyskać dostępu do swoich danych.

„Pomimo globalnych inwestycji w modernizację danych na przestrzeni ostatnich dziesięciu lat, osiągających łącznie setki miliardów dolarów, głównym powodem słabych wyników projektów AI jest wciąż niemożność stabilnego dostępu przez firmy do własnych danych” – czytamy w raporcie Bain.

Co ciekawe, badanie wykazało także zjawisko sprzeczne z intuicją: firmy, które osiągnęły swoje cele oszczędnościowe, częściej napotykały problemy ze strukturą i dostępnością danych niż te, które nie osiągnęły tych celów – lecz te pierwsze rzadziej zgłaszały wyzwania na poziomie organizacyjnym, takie jak brak budżetu czy konflikty priorytetów.

Bain zaleca więc: firmy nie powinny czekać na pełne uporządkowanie wszystkich danych przed przekazaniem ich modelom AI, lecz powinny zacząć od dostępnych danych, a następnie wykorzystać AI do organizacji reszty danych w ustrukturyzowany sposób.

Ostrzeżenie Gartner: ponad 40% projektów Agentic AI zostanie zakończonych przed 2027 rokiem

Raport Bain znajduje potwierdzenie w badaniach Gartner z tego samego okresu. Gartner przewiduje, ponad 40% projektów Agentic AI zostanie anulowanych przed końcem 2027 roku, z powodu rosnących kosztów, niejasnej wartości biznesowej oraz braku mechanizmów zarządzania ryzykiem.

Anushree Verma, dyrektor ds. analizy Gartner, zauważa: „Obecnie większość projektów Agentic AI jest na wczesnym etapie eksperymentów lub dowodu koncepcji, głównie napędzane hype’em rynkowym i często błędnie wdrażane. To sprawia, że firmy nie uwzględniają prawdziwych kosztów i złożoności masowego wdrożenia AI agentów, co prowadzi do stagnacji na etapie wdrożenia produkcyjnego.”

Gartner zaleca, by zastosowanie Agentic AI ograniczyć do scenariuszy generujących wyraźną wartość lub dających się zmierzyć ROI. Podkreśla również, że integracja agentów AI z systemami legacy jest technicznie bardzo złożona, często dezorganizuje istniejące procesy pracy i generuje wysokie koszty przekształceń. Verma dodaje: „Aby uzyskać realną wartość z Agentic AI, firmy muszą skupić się na poprawie produktywności przedsiębiorstwa, a nie tylko automatyzacji indywidualnych zadań.”

Końcowy wniosek Bain jest gorzki dla całej branży: W tej technicznej fali, która absorbuje ponad bilion dolarów kapitału, niemal żadna firma nie wykonała naprawdę skutecznej analizy ROI.

„Firmy, które nie weryfikują logiki reinwestycji w oparciu o rzeczywiste – a nie prognozowane – zwroty z automatyzacji, piętrzą ryzyko zamiast nim zarządzać,” ostrzega Bain w raporcie.

Wysoka wycena firm AI opiera się głównie na optymistycznych prognozach przyszłych przychodów, a nie zweryfikowanych rzeczywistych wynikach – co jest zgodne z logiką podejmowania decyzji inwestycyjnych krytykowaną przez Bain: wycena opiera się o „wartości prognozowane”, nie „rzeczywiste”.

Wraz ze wzrostem kosztów Token, firmy stopniowo otrzeźwiają i zaczynają wycofywać się z „wielkich obietnic” agentów AI.

Wyjaśnia to także, dlaczego takie firmy jak OpenAI czy Anthropic, które permanentnie ekstrapolują eksplozję krótkoterminowych przychodów, spieszą się z wejściem na giełdę, zanim rynek ponownie przeanalizuje i wyliczy rzeczywisty ROI.