W ostatnich latach projekty związane ze sztuczną inteligencją szybko się rozwinęły, często napędzane wysokimi oczekiwaniami i silną presją, aby „zrobić coś ze sztuczną inteligencją”. Jednocześnie wiele projektów pilotażowych ma trudności z wykazaniem trwałej wartości biznesowej.
Rozmawialiśmy z Frankiem Sinde, dyrektorem ds. technologii sztucznej inteligencji w firmie Damovo, który kieruje projektami AI dla klientów. Wyjaśnia on, dlaczego spodziewa się ochłodzenia niektórych segmentów rynku AI, gdzie wartość pozostanie niezmienna i jak firmy powinny się teraz przygotować.
Frank, przewidujesz pęknięcie bańki AI w 2026 roku. Czego dokładnie się spodziewasz?
W ciągu ostatnich kilku lat oczekiwania związane ze sztuczną inteligencją zostały zawyżone. Wiele projektów zostało rozpoczętych, aby „zrobić coś ze sztuczną inteligencją” bez jasnego uzasadnienia biznesowego. W pewnym momencie inwestorzy i zarządy zapytają, gdzie jest powtarzalna wartość.
Podobną prognozę przedstawił niedawno założyciel i dyrektor generalny firmy Anthropic, Dario Amodei. Obawia się on, że niektóre firmy zajmujące się sztuczną inteligencją mogą lekceważyć ogromne kwoty, które wydają na centra danych i moc obliczeniową.„Myślę, że są gracze, którzy kierują się zasadą „YOLO” i podejmują zbyt duże ryzyko” – powiedział dyrektor generalny podczas szczytu Dealbook Summit organizowanego przez The New York Times3 grudnia 2025 r.
Co się wtedy stanie?
Wtedy zobaczysz, jak kończą się fundusze dla dostawców, którzy żyją z projektów pilotażowych i prezentacji. Niektóre startupy znikną, bo ich koncepcja nigdy nie przełożyła się na stabilne dochody. Pozostaną te firmy, które mogą pokazać wymierny wpływ na produktywność, jakość lub przychody. Innymi słowy, nową normą stanie się zwrot z inwestycji, a nie szum marketingowy.
Co to konkretnie oznacza dla klientów Damovo?
Dla naszych klientów B2B oznacza to przejście od eksperymentów do wdrożenia sztucznej inteligencji w produkcji. Dotyczy to wszystkich naszych obszarów działalności, czyli zunifikowanej komunikacji, obsługi klienta i centrów kontaktowych, sieci przedsiębiorstw oraz cyberbezpieczeństwa.
W przypadku każdej funkcji AI zadajemy proste pytanie: czy może ona udowodnić swoją wartość w krótkim, jasno określonym okresie, na przykład w ciągu 90 dni w ramach testu wartości? Jeśli odpowiedź brzmi „nie”, przerywamy lub przeprojektowujemy. Naszym zadaniem jest pomóc klientom skupić się na kilku przypadkach użycia o wysokiej wartości, zamiast na długiej liście pilotażowych projektów, które nigdy nie zostaną wdrożone na większą skalę.
Jak taki dowód wartości wygląda w praktyce?
W praktyce dowód wartości jest dość praktyczny. Zaczynamy od wybrania konkretnego przypadku użycia wraz z klientem i uzgodnienia sposobu pomiaru sukcesu. Oznacza to zdefiniowanie procesu, wskaźników KPI i potrzebnych danych, na przykład które połączenia lub zgłoszenia są objęte zakresem i jak wygląda sytuacja „przed”.
Następnie integrujemy sztuczną inteligencję z istniejącymi narzędziami, takimi jak centrum kontaktowe lub platforma sieciowa przedsiębiorstwa. Celem nie jest stworzenie czegoś dodatkowego, ale usprawnienie sposobu, w jaki ludzie już pracują.
Na koniec uruchamiamy scenariusz na ograniczony czas i porównujemy wyniki przed i po. Jeśli dane wskazują na wyraźną korzyść, mamy podstawę do skalowania. Jeśli nie, dostosowujemy lub zatrzymujemy proces. W Damovo korzystamy z frameworka AI Proof of Value (PoV) zawierającego szablony, pulpity KPI i podręczniki integracji dla środowisk wielodostawczych. Klienci nie muszą za każdym razem zaczynać od zera. Mogą szybko zobaczyć efekty, zamiast poświęcać miesiące na konfigurację.
W jakich obszarach już osiągnięto wiarygodne wyniki?
Najsilniejsze obszary to obecnie obsługa klienta, serwis techniczny, sieci przedsiębiorstw i cyberbezpieczeństwo. W tych dziedzinach obserwujemy powtarzalne wyniki, a nie tylko pojedyncze projekty pilotażowe.
Czy możesz podać konkretny przykład?
Weźmy na przykład doświadczenia klientów. W centrum obsługi klienta zajmującym się zapytaniami stosujemy boty zaprojektowane w oparciu o jasny katalog intencji, taki jak sprawdzanie salda, terminy płatności i zmiany zasad. Bot rozwiązuje proste zapytania od początku do końca podczas pierwszego kontaktu, skracając czas oczekiwania w kolejce. W bardziej złożonych sytuacjach bot inteligentnie proponuje oddzwonienie lub przekazuje sprawę do konsultanta z pełnym kontekstem. Gdy interakcja trafia do konsultanta, otrzymuje on transkrypcję w czasie rzeczywistym, automatyczne podsumowanie rozmowy oraz sugerowane odpowiedzi lub najlepsze działania, które można podjąć. Dzięki temu konsultant może szybciej rozwiązać problem, poprawić satysfakcję klienta i konsekwentnie realizować kluczowe wskaźniki efektywności usług.
A poza obsługą klienta?
Serwis techniczny to kolejny mocny obszar. Wiele działów obsługi klienta zajmuje się dużą liczbą powtarzających się zgłoszeń, borykając się jednocześnie z brakiem wykwalifikowanego personelu.
W sieciach korporacyjnych nacisk kładzie się przede wszystkim na minimalizację przestojów i poprawę niezawodności. Sztuczna inteligencja analizuje dane telemetryczne, wcześniej wykrywa nietypowe wzorce i może zainicjować zmiany, zanim użytkownicy zorientują się, że coś jest nie tak. Nie zapobiega to oczywiście wszystkim incydentom, ale może ograniczyć nieplanowane przestoje i zmniejszyć liczbę zgłoszeń trafiających do działu operacyjnego. Ponadto wbudowane agenty AI automatyzują powtarzalne procesy, dzięki czemu pracownicy działu operacyjnego mogą skupić się na zadaniach o większej wartości.
A co z bezpieczeństwem? Wszyscy mówią o sztucznej inteligencji i cyberzagrożeniach.
Cyberbezpieczeństwo przechodzi od statycznego wykrywania do adaptacyjnej ochrony opartej na sztucznej inteligencji. Zamiast polegać wyłącznie na sygnaturach lub predefiniowanych regułach, wykorzystujemy analizę kontekstową i skoncentrowaną na zagrożeniach, aby wcześniej identyfikować ryzyko — na przykład gdy luki w zabezpieczeniach stają się podatne na wykorzystanie lub gdy zachowanie atakującego wskazuje na aktywne próby rozpoznania lub wykorzystania.
Nowoczesne platformy łączą w sobie automatyczne wzbogacanie inteligencji, wykrywanie oparte na zachowaniu oraz skrypty koordynowane przez sztuczną inteligencję. Oznacza to, że potencjalne zagrożenia, takie jak phishing, spoofing, nieprawidłowe konfiguracje lub podatne na ataki usługi, są weryfikowane w kontekście, automatycznie priorytetyzowane i szybciej usuwane.
Wynik: mniej udanych ataków, krótszy czas reakcji i poziom bezpieczeństwa, który nieustannie dostosowuje się do rzeczywistego zagrożenia.
To są wszystkie przypadki użycia związane z działaniami zewnętrznymi. A co z wewnętrzną produktywnością lub doświadczeniem pracowników?
Wewnętrzna produktywność to obszar, w którym sztuczna inteligencja po cichu zmienia codzienną pracę. W nowoczesnych platformach UC wykracza to poza transkrypcję i streszczenia, obejmując koordynację spotkań w czasie rzeczywistym, inteligentne działania i natychmiastowe wyszukiwanie poprzednich rozmów. Pracownicy nie postrzegają tego jako „nowej technologii”, ale po prostu jako płynniejszy przebieg komunikacji.
Prawdziwym wyzwaniem dla firm jest kontrolowana aktywacja. Systemy UC obsługują najbardziej wrażliwe dane komunikacyjne, więc zarządzanie musi określać, które funkcje AI mogą uzyskać dostęp do poszczególnych rozmów, jak zachowują się asystenci AI dostawców oraz w jaki sposób zapewnić spójność użytkowania w środowiskach Teams, Webex, Zoom lub hybrydowych. Jednoczesne włączenie wszystkich funkcji rzadko jest możliwe.
W dowodach wartości szukamy prostych sygnałów, np. mniej czasu poświęcanego na dokumentację, mniej powtarzających się spotkań, jaśniejsze decyzje i mniej przełączania się między zadaniami. Celem nie jest automatyzacja całej komunikacji, ale ograniczenie administracyjnego szumu wokół niej i zapewnienie ludziom więcej czasu na skupienie się na pracy.
OK, ale mam pytanie. Jeśli wszystko działa tak dobrze, dlaczego uważasz, że bańka pęknie?
Ponieważ większość firm nie postępuje zgodnie z tym, co właśnie opisałem. Prowadzą niekończące się projekty pilotażowe. Testują dziesięć różnych narzędzi AI, nie mając planu wyboru jednego z nich. Mierzą „zaangażowanie” zamiast przychodów.
Kiedy budżety się kurczą, to się kończy. Szybko.
Co więc powinny teraz zrobić firmy?
Myślę, że obecnie firmy potrzebują przede wszystkim mniej eksperymentów, a więcej partnerów, którzy potrafią połączyć sztuczną inteligencję z rzeczywistą wartością biznesową. Większość organizacji przeprowadziła już jeden lub kilka projektów pilotażowych. Trudnością jest skalowanie tych nielicznych, które naprawdę się sprawdzają, utrzymanie ich stabilności w codziennej działalności i jednoczesne spełnienie wszystkich wymagań dotyczących bezpieczeństwa i zgodności z przepisami. Właśnie w tym miejscu wiele zespołów utknęło.
Od czego zazwyczaj zaczynasz pracę z klientami?
Zazwyczaj zaczynamy dość pragmatycznie. Wspólnie z klientem tworzymy niewielkie portfolio przypadków zastosowań sztucznej inteligencji dla każdego obszaru działalności. Chodzi o to, aby bardzo jasno określić, gdzie inwestycja ma sens, a gdzie nie. Gdzie można spodziewać się przeszkód i czy klient dysponuje wewnętrznymi zasobami, aby zrealizować projekty?
Następnie integrujemy te przypadki użycia z istniejącymi platformami, na przykład systemami UC, centrami kontaktowymi, sieciami lub systemami bezpieczeństwa. Staramy się unikać tworzenia kolejnych izolowanych rozwiązań. Sztuczna inteligencja powinna usprawniać istniejące procesy, a nie tworzyć równoległy świat.
Kolejnym celem jest nauczenie klientów samodzielnego rozpoznawania nowych przypadków użycia i odpowiedniej ich oceny.
A jak zapewnić skalowalność i bezpieczeństwo?
W tym miejscu pojawiają się dane, zarządzanie i operacje. Określamy, kto ma dostęp do jakich danych, w jaki sposób obsługiwane są monity i modele oraz jak monitorujemy jakość i ryzyko. Brzmi to nieco nudno, ale bez tych podstaw nie da się osiągnąć skali.
W Damovo przejmujemy część bieżących operacji, jeśli klient tego chce. Zajmujemy się monitorowaniem, pomiarami i ciągłym dostosowywaniem, aby rozwiązania AI nadal dostarczały wartość i nie traciły na jakości z upływem czasu. Idea jest naprawdę prosta. Koniec z jednorazowymi proof of concept, które znikają po kilku miesiącach, a zamiast tego stabilna konfiguracja, która może rozwijać się wraz z firmą.
Ostatnie pytanie. Jakie są Twoje wnioski dotyczące bańki AI?
Spodziewam się, że część rynku ulegnie gwałtownemu ochłodzeniu. Jest to zjawisko pozytywne. Projekty, które nie przynoszą oczekiwanych efektów, zostaną wstrzymane, a niektórzy dostawcy wycofają się z rynku.
Wartość sztucznej inteligencji pozostaje jednak niezmienna. W 2026 r. zwycięzcami będą ci dostawcy i klienci, którzy dostosują sztuczną inteligencję do jasnego zwrotu z inwestycji, gotowości operacyjnej i bezpieczeństwa. Skorzystają oni na konsolidacji rynku i skalowaniu naprawdę istotnych przypadków użycia. Nie będą kierować się modą, ale wynikami.