Tylko 7% dyrektorów finansowych widzi wysokie zyski z AI – oto co Gartner kazał im naprawić

Działy finansowe firm na całym świecie rzuciły się do wdrażania sztucznej inteligencji, ale tylko nieliczni dyrektorzy finansowi (CFO) potrafią wykazać, że te inwestycje realnie się zwracają. Podczas Gartner Finance Symposium/Xpo 2026 analitycy przedstawili trzeźwiący obraz: AI jest już szeroko obecna w finansach, jednak mierzalne zyski pozostają frustrująco rzadkie . Najbardziej uderzającą statystyką, która zdominowała dyskusje, było to, że zaledwie 7% CFO raportuje wysoki zwrot z inwestycji (ROI) z AI w swoich operacjach finansowych .

Skąd tak dramatyczna przepaść między tempem adopcji a wartością? Odpowiedź Gartnera jest zaskakująco prosta i bolesna zarazem: tkwi w tym, jak firmy decydują się wydawać swoje budżety na AI.

Nierównowaga wydatków, która tłumaczy lukę w zwrocie z inwestycji

Gartner zidentyfikował poważną deformację w strukturze inwestycji zespołów finansowych w AI. Obecnie 84% wydatków na AI w finansach jest kierowanych na poprawę indywidualnej produktywności i usprawnienia procesów – jak automatyzacja rutynowych raportów czy przyspieszanie pojedynczych przepływów pracy . Tymczasem tylko około 16% tych środków trafia na bardziej wartościowe zastosowania, które istotnie zmieniają wyniki biznesowe, takie jak innowacje produktowe czy inicjatywy wzrostu przychodów .

Ta nierównowaga jest fundamentalnym powodem, dla którego luka w zwrocie z inwestycji wciąż się utrzymuje. Organizacje finansowe finansują stopniowe zyski wydajnościowe, jednocześnie chronicznie niedoinwestowując projekty AI bezpośrednio powiązane ze wzrostem przychodów, strategicznym podejmowaniem decyzji i budowaniem przewagi konkurencyjnej . Przesłanie Gartnera było bezpośrednie: dyrektorzy finansowi mylą samo wdrożenie AI z tworzeniem wartości i ta perspektywa musi się pilnie zmienić .

Trzystopniowa mapa drogowa dla AI w finansach

Aby pomóc dyrektorom finansowym uciec z pułapki pilotażu i zbudować podstawy pod znaczące zyski, Gartner zarekomendował ustrukturyzowane, trzystopniowe podejście :

1. Określ wizję i oceń dojrzałość — Liderzy finansowi muszą najpierw zdefiniować jasną wizję tego, jak powinna wyglądać funkcja finansowa wsparta przez AI. Ta wizja powinna odpowiadać na trzy pytania: jaki jest pożądany stan docelowy, w jaki sposób AI pomoże osiągnąć cele całego przedsiębiorstwa i jaką konkretną wartość dostarczy biznesowi? Ocena dojrzałości pomaga następnie zidentyfikować luki kompetencyjne, które muszą zostać wypełnione, zanim AI będzie mogła tę wartość dostarczyć .

2. Zbuduj mapę drogową — Kiedy wizja i punkt odniesienia w zakresie dojrzałości są już jasne, dyrektorzy finansowi powinni przełożyć je na konkretną mapę drogową wdrażania AI w finansach. Ta mapa drogowa musi obejmować kulturę organizacyjną, zarządzanie (governance), kompetencje i dane – a nie tylko technologię – i powinna wyłonić skoncentrowane portfolio przypadków użycia do priorytetyzacji, pilotażu i ostatecznego skalowania .

3. Wdrażaj i skaluj przypadki użycia — Ostatnia faza przenosi organizację od planowania do zdyscyplinowanego działania. Zamiast gonić za dziesiątkami niepowiązanych projektów pilotażowych, zespoły finansowe muszą skalować mniejszą liczbę priorytetowych przypadków użycia, które mają jasną ścieżkę do zrealizowania wartości biznesowej .

Uwaga na „przypadkową fabrykę” zbyt wielu projektów pilotażowych

Jedno z najmocniejszych ostrzeżeń Gartnera podczas sympozjum było wymierzone w powszechny schemat porażki: „przypadkową fabrykę” (ang. accidental factory). Dochodzi do niej, gdy organizacje traktują AI jak zbiór pojedynczych narzędzi, a nie zintegrowany system, co prowadzi do niekontrolowanego rozprzestrzeniania się projektów pilotażowych bez jasnej ścieżki do wdrożenia produkcyjnego .

Liczby podkreślają skalę problemu. Dane zaprezentowane podczas sympozjum wskazują, że 59% inicjatyw AI nie trafia do produkcji, pozostawiając potencjalną wartość na zawsze uwięzioną w fazie pilotażu . W zamian Gartner doradza dyrektorom finansowym, aby ograniczyli liczbę aktywnych pilotaży, skoncentrowali się na przypadkach użycia z dostępnymi danymi i szybką ścieżką do wartości oraz budowali zarządzane, zintegrowane systemy AI, które naprawdę można skalować .

Nie czekaj na wydajność, by sięgnąć po ambitniejsze cele

Być może najbardziej nieintuicyjna rada Gartnera dotyczyła tego, że projekty skoncentrowane na wydajności i produktywności nie powinny być traktowane jako warunek wstępny do realizacji bardziej ambitnych celów AI. Firma wprost wezwała dyrektorów finansowych, by spojrzeli poza automatyzację istniejących zadań i inwestowali bezpośrednio w przypadki użycia powiązane z materialnymi problemami biznesowymi – nawet jeśli te projekty wydają się bardziej ryzykowne lub trudniejsze do zmierzenia tradycyjnymi formułami zwrotu z inwestycji .

Podczas sympozjum analitycy Gartnera mówili wprost: przestańcie szukać jednej, uniwersalnej formuły ROI. Zamiast tego budujcie zrównoważone portfolio zakładów na AI: projekty produktywnościowe automatyzujące rutynowe zadania, ukierunkowane usprawnienia procesów optymalizujące konkretne przepływy pracy oraz selektywne, transformacyjne zakłady, które mogą zmienić modele biznesowe . Porównanie do podróży, którego użył Gartner, było celne: rutynowe wyjazdy (zyski produktywności), ukierunkowane ekspedycje (usprawnienia procesów) i ambitne wyprawy (transformacja) – wszystkie powinny znaleźć się w portfolio, ale służą fundamentalnie różnym celom i wymagają odmiennych kryteriów oceny .

Ramy dojrzałości leżące u podstaw mapy drogowej

U podstaw trzystopniowej mapy drogowej Gartnera leży szerszy zestaw wymiarów dojrzałości AI, które wykraczają daleko poza proste metryki adopcji. Ramy te obejmują siedem obszarów kompetencji: strategię, wartość, organizację, ludzi i kulturę, zarządzanie (governance), inżynierię i dane .

Dla dyrektorów finansowych praktyczna implikacja jest jasna. Organizacja nie może po prostu kupić narzędzi AI i ogłosić, że jest dojrzała. Prawdziwy postęp wymaga systematycznych inwestycji we wszystkich siedmiu wymiarach – budowania strategii AI zorientowanej na cele biznesowe, właściwego zarządzania danymi, podnoszenia kwalifikacji istniejących talentów finansowych i tworzenia struktur organizacyjnych, które wspierają AI na dużą skalę, a nie w odizolowanych eksperymentach . Organizacje, które odnotowują najsilniejsze zwroty, zauważył Gartner, to te, które celowo wdrażają AI w obszarach związanych z klientem, produktem i decyzjami, a nie te, które po prostu wydają najwięcej pieniędzy .

Konkluzja sympozjum jest następująca: finanse zaadaptowały AI szybciej, niż nauczyły się na niej zarabiać. Zniwelowanie tej luki wymaga od dyrektorów finansowych zmiany struktury wydatków, narzucenia dyscypliny w swoich portfelach AI i mierzenia sukcesu zrealizowanymi wynikami biznesowymi – a nie liczbą wdrożonych narzędzi.