Dlaczego większa produktywność dzięki AI nie przekłada się na wyniki finansowe?

AI może pomóc pracownikowi wykonać zadanie szybciej, nie zmieniając przy tym kosztów, przychodów ani zysku firmy. To rozróżnienie pomaga zrozumieć lukę widoczną w badaniu McKinsey z 2026 r.: 80% respondentów stwierdziło, że AI poprawiła ich indywidualną produktywność, ale 37% przypisało jej co najmniej częściowy wpływ na EBIT, czyli zysk przed odsetkami i podatkami. Około 6% respondentów spełniało kryteria „firm osiągających najlepsze wyniki” według McKinsey: przypisywali AI co najmniej 5% EBIT i określali jej wpływ jako znaczący. Są to deklaracje respondentów, a nie dowód, że konkretna praktyka sama w sobie powoduje wzrost wyników finansowych. 68

Dlaczego większa produktywność może nie być widoczna w wynikach firmy

Szybsze wykonanie pojedynczego zadania to tylko jedno ogniwo procesu biznesowego. Jeśli nie zmieniają się zatwierdzanie, przekazywanie pracy między zespołami, wykorzystywane systemy ani zakres odpowiedzialności za decyzje, zaoszczędzony czas nie musi oznaczać niższych kosztów czy większych przychodów. Badanie McKinsey z 2026 r. łączy lepsze wyniki związane z AI z przeprojektowywaniem przepływu pracy. Wcześniejsze badania firmy wykazały zaś, że spośród analizowanych czynników to właśnie zmiana procesów pracy miała najsilniejszy związek z wpływem AI na EBIT. To wskazówka, nie dowód związku przyczynowo-skutkowego. 514

Ma to znaczenie także dla pomiaru efektów. Dostęp do narzędzi, częstotliwość ich używania i deklarowany czas oszczędzony przez pracowników mogą pokazywać, że AI jest wykorzystywana. Same w sobie nie mówią jednak, czy firma więcej zarabia albo mniej wydaje. Rozbieżność między deklarowaną produktywnością pracowników a wpływem na EBIT pokazuje, dlaczego warto mierzyć oba rodzaje efektów. 68

Jak przejść od pilotażu AI do wartości dla firmy

Zacznij od konkretnego celu biznesowego

Wybierz proces, w którym osoba odpowiedzialna potrafi nazwać problem i określić wynik, który firma chce sprawdzić. Może chodzić na przykład o obniżenie kosztu obsługi albo poprawę konwersji — cel powinien jednak wynikać z potrzeb firmy, a nie sprowadzać się do liczenia aktywności związanej z AI. Przed zmianą procesu ustal punkt odniesienia, by później móc porównać wyniki.

Na początek ogranicz zakres do czegoś, co da się rzetelnie ocenić. Jasno opisany proces i cel ułatwiają sprawdzenie, w czym pomaga AI, kiedy nadal potrzebna jest interwencja człowieka i czy warto rozszerzyć wdrożenie.

Uwzględnij jakość danych i odpowiedzialność za nie

Podczas sesji poświęconej handlowi na DMEXCO 2026 opisano problem danych produktowych od dostawców, które przychodzą w różnych formatach, z niespójnymi etykietami i brakującymi informacjami. Bez wspólnego standardu te rozbieżności mogą przechodzić z systemu do systemu, a ich poprawianie wymagać ręcznej pracy. 25

Jasno określ, kto odpowiada za dane, wynik biznesowy i decyzję o tym, kiedy trzeba zweryfikować rezultat pracy AI. W handlu znaczenie mają również spójne i kompletne informacje o produktach — w tym aktualne ceny, tam gdzie są istotne — ponieważ klienci odkrywają produkty za pośrednictwem asystentów AI, mediów społecznościowych i marketplace’ów. 273334

Przeprojektuj proces, a nie tylko pojedyncze zadanie

Przyjrzyj się całemu przebiegowi pracy: co trafia do procesu, czym zajmuje się AI, gdzie potrzebna jest akceptacja i kto podejmuje działania na podstawie wyniku. Warto usuwać lub zmieniać zbędne przekazania zadań, a jednocześnie pozostawić ludziom odpowiedzialność za ocenę sytuacji, wyjątki i decyzje obarczone ryzykiem biznesowym.

Chodzi o zmianę sposobu wykonywania pracy, a nie tylko dołożenie nowego narzędzia do istniejącego procesu. Badania McKinsey wskazują na związek między przeprojektowaniem przepływu pracy a silniejszym deklarowanym wpływem finansowym. Nie dowodzą jednak, że sama zmiana procesu gwarantuje taki rezultat. 514

Mierz wyniki w kategoriach biznesowych

Sprawdzaj, czy zmiana wpływa na przychody, koszty, marżę lub EBIT — nie tylko na liczbę użytkowników, wielkość produkcji czy zaoszczędzony czas. W ocenie uwzględnij koszty wdrożenia i weryfikacji pracy AI, a następnie porównaj rezultat z ustalonym punktem odniesienia. Dzięki temu można sprawdzić, czy wzrost produktywności przekłada się na wyniki finansowe firmy.

Wniosek

Badanie nie podaje niezawodnego przepisu na zwrot z inwestycji w AI. Pokazuje natomiast, dlaczego samo wdrożenie narzędzi i wzrost produktywności nie wystarczą, by uznać projekt za sukces: respondenci znacznie częściej deklarowali poprawę indywidualnej produktywności niż pozytywny wpływ AI na EBIT. Firmy mogą odpowiedzieć na tę lukę, łącząc konkretne zastosowania z wiarygodnymi danymi, jasno przypisaną odpowiedzialnością, przeprojektowanymi procesami i pomiarem finansowym — przy zachowaniu ludzkiego nadzoru nad decyzjami i oceną sytuacji. 6814