76% liderów biznesowych przyznaje, że odczuwają coraz większą presję, by przekładać dane na realną wartość biznesową. Jednak najnowszy raport Salesforce State of Data and Analytics ujawnia, że ich największą przeszkodą pozostają niekompletne, nieaktualne lub niskiej jakości dane. Luka między oczekiwaniami wobec danych a rzeczywistością staje się jeszcze bardziej problematyczna w erze agentów AI.
Podczas gdy liderzy biznesowi z entuzjazmem patrzą na wykorzystanie sztucznej inteligencji w celu uzyskiwania lepszego zrozumienia kontekstowego i zwiększania produktywności, ich techniczni odpowiednicy coraz częściej zwracają uwagę na konieczność opracowania nowego podejścia do danych i analityki. W rzeczywistości 84% liderów ds. danych i analityki twierdzi, że ich strategie danych wymagają całkowitej przebudowy, zanim ich ambicje związane ze sztuczną inteligencją będą mogły się urzeczywistnić.
Aby zniwelować tę lukę, najbardziej świadomi liderzy koncentrują się na fundamentach: aktualnych, kontekstowych danych, silniejszych ramach zarządzania oraz architekturach typu zero copy, które umożliwiają dostęp do rozproszonych danych niezależnie od miejsca ich przechowywania.
Doświadczenia z wcześniejszych etapów wdrażania AI stanowią ramy działania dla firm, które chcą stać się przedsiębiorstwami agentycznymi – środowiskami, w których ludzie i inteligentni agenci AI współpracują ze sobą – wyjaśnia Michael Andrew, Chief Data Officer w Salesforce. – Zaufane, zintegrowane i kontekstowe dane – oto klucz, który odblokowuje potencjał. Dla organizacji gotowych działać na dużą skalę właśnie teraz jest moment, aby wzmocnić fundamenty danych i z pełną pewnością skalować AI, osiągając rzeczywistą wartość i zwrot z inwestycji.
Najważniejsze dane z raportu
Obecne fundamenty danych nie nadążają za ambicjami biznesowymi
- Prawie dwie trzecie liderów biznesowych (63%) opisuje swoje organizacje jako „zorientowane na dane” – to wzrost o 10 punktów procentowych w porównaniu z 2023 r.
- Jednak tyle samo (63%) liderów ds. danych i analityki przyznaje, że ich firmy mają trudności z przekładaniem danych na realne priorytety biznesowe, co pokazuje rozdźwięk między deklarowaną dojrzałością a rzeczywistością.
- Mniej niż połowa (49%) liderów biznesowych twierdzi, że potrafi regularnie formułować trafne i aktualne wnioski.
- Prawie połowa (49%) liderów ds. danych i analityki mówi, że ich organizacje sporadycznie – lub nawet często – wyciągają błędne wnioski z danych pozbawionych kontekstu biznesowego.
- Niekompletne, przestarzałe lub niskiej jakości dane nadal pozostają główną przeszkodą w osiągnięciu statusu prawdziwie „data-driven”.
Słabe dane wykolejają ścieżkę do przekształcenia w przedsiębiorstwo agentyczne
Sztuczna inteligencja błyskawicznie stała się priorytetem numer jeden w obszarze danych – i największym testem odporności dla istniejących fundamentów danych.
W raporcie State of Data and Analytics z 2023 r. rozwój możliwości AI był jednym z trzech głównych priorytetów, dziś jest bezkonkurencyjnym numerem jeden.
- 67% liderów ds. danych i analityki przyznaje, że odczuwa presję, by jak najszybciej wdrożyć AI.
- 42% z nich nie ma pełnego zaufania do dokładności i trafności wyników AI – prawdopodobnie z powodu nieaktualnych, niespójnych danych, z których AI korzysta.
- Choć 84% liderów teoretycznie zgadza się ze stwierdzeniem, że jakość wyników AI jest tak dobra, jak jakość danych wejściowych, to w praktyce wygląda to gorzej: szacują oni, że ponad jedna czwarta (26%) danych w ich organizacjach jest niewiarygodna.
Firmy odczuwają skutki trenowania AI na wadliwych danych:
- 89% liderów ds. danych i analityki, którzy mają już wdrożone systemy AI, przyznaje, że doświadczyło błędnych lub mylących wyników generowanych przez sztuczną inteligencję.
- Ponad połowa (55%) liderów ds. danych i analityki w firmach, które samodzielnie trenują lub dostrajają modele AI, twierdzi, że zmarnowała znaczące zasoby na pracę z nieodpowiednimi danymi.
Kluczowy wniosek – 89% liderów ds. danych i analityki uważa, że solidne fundamenty danych to najważniejszy czynnik sukcesu w AI.
Agentyczna AI to nie kolejna technologia – to kolejna rewolucja. Agenci AI przejmują rutynowe zadania, aby ludzie mogli skupić się na kreatywności, relacjach i wdrażaniu realnych zmian – powiedział Marc Benioff, CEO Salesforce, podczas swojego wystąpienia na Dreamforce.
Dodał jednak ostrzeżenie: Aby naprawdę wydobyć z AI pełną wartość i kontekst, trzeba zacząć od danych. Trzeba zintegrować rozwiązania, ustalić priorytety i opracować właściwe zasady zarządzania.
Nawet dane wysokiej jakości są bezużyteczne, jeśli pozostają niedostępne
Prawie 9 na 10 liderów ds. danych i analityki uważa, że zintegrowane dane są kluczowe dla spełnienia oczekiwań klientów. Jednocześnie problem tzw. „uwięzionych danych” (trapped data) rośnie w zastraszającym tempie – z ostatniego miejsca w rankingu wyzwań sprzed dwóch lat przesunął się dziś do pierwszej piątki.
Problem pogłębia rozrost aplikacji – przeciętne przedsiębiorstwo korzysta z 897 aplikacji, z czego tylko 29% jest ze sobą połączonych. Ta silna fragmentacja rozprasza dane w silosach, często uniemożliwiając ich wykorzystanie.
W efekcie:
- Liderzy ds. danych i analityki szacują, że 19% danych w firmach jest niedostępnych lub bezużytecznych.
- Co gorsza, 70% z nich wierzy, że najcenniejsze informacje biznesowe ukryte są właśnie w tych niedostępnych 19% danych.
Skutki są poważne: ponad 8 na 10 liderów ds. danych i analityki wskazuje, że prowadzi to do ograniczonej skuteczności AI, braku pełnego obrazu klienta, mniejszej personalizacji i utraty potencjalnych przychodów.
By sprostać oczekiwaniom biznesu, liderzy technologiczni redefiniują dostępność, wykorzystanie i bezpieczeństwo danych
Aby rozwiązać problem uwięzionych danych, 56% organizacji wdraża architekturę typu zero copy – podejścia, które umożliwia jednoczesny dostęp do danych z wielu baz, bez konieczności ich kopiowania, przenoszenia czy zmiany formatu. Korzyści są wymierne: firmy stosujące zero copy są o 25% skuteczniejsze w zapewnianiu lepszych doświadczeń klienta oraz o 34% bardziej efektywne we wdrażaniu inicjatyw AI niż te, które takiej architektury nie mają.
Interfejsy języka naturalnego, takie jak agentic analytics, mogą rozwiązać problem zrozumiałości danych i ograniczeń dostępu
- 63% liderów ds. danych i analityki twierdzi, że tłumaczenie pytań biznesowych na zapytania techniczne jest podatne na błędy.
- 93% liderów biznesowych przyznaje, że ich wyniki byłyby lepsze, gdyby mogli zadawać pytania dotyczące danych w naturalnym języku.
Wymagana jest aktualizacja zasad zarządzania i bezpieczeństwa danych
- Tylko 43% liderów ds. danych i analityki ma wdrożone formalne ramy zarządzania danymi i odpowiednie polityki.
- 88% zgadza się, że rozwój AI wymaga zupełnie nowego podejścia do zarządzania i bezpieczeństwa danych.
W miarę jak firmy zmierzają w kierunku modelu agentycznego przedsiębiorstwa, prawdziwa transformacja następuje wtedy, gdy dane i AI współdziałają w pełnej harmonii – podsumowuje Michael Andrew. – Silne fundamenty danych zapewniają AI niezbędny kontekst, a sztuczna inteligencja w zamian pomaga liderom w pełnym wykorzystaniu potencjału danych. Organizacje, które traktują dane i AI jako wspólną strategię, to te, które przejdą od eksperymentów do skutecznego wdrożenia i zobaczą realny wpływ AI na biznes.
Metodologia
Dane przedstawione w raporcie pochodzą z dwóch podwójnie anonimowych badań ankietowych przeprowadzonych w okresie od 27 czerwca do 13 sierpnia 2025 r.
Pierwsze badanie objęło 3 800 decydentów z obszaru analityki i IT z 18 krajów w Ameryce Północnej, Ameryce Łacińskiej, regionie Azji i Pacyfiku oraz w Europie.
Drugie badanie zebrało 3 852 odpowiedzi od liderów biznesowych z tych samych krajów.
