Rozwój sztucznej inteligencji i coraz większa ilość przetwarzanych danych napędzają zapotrzebowanie organizacji na specjalistów z tych obszarów. Jak pokazują prognozy World Economic Forum, do 2030 roku największy przyrost zatrudnienia będzie dotyczył przede wszystkim ekspertów Big Data, inżynierii technologii finansowych (FinTech) oraz AI i uczenia maszynowego. W przypadku ostatniej z wymienionych branż liczba stanowisk ma zwiększyć się o ponad 80 proc.[1]. Mimo że sztuczna inteligencja jest dziś wykorzystywana na dużą skalę, organizacje nadal mierzą się z lukami kompetencyjnymi w tym zakresie. Efekt? W polskich firmach dwie na trzy inicjatywy bazujące na AI zatrzymują się na początkowym etapie realizacji i ostatecznie nie są wdrażane[2]. Czy to oznacza, że tempo rozwoju technologicznego jest dla organizacji zbyt szybkie?
Dobre chęci to za mało, by doprowadzić projekt do końca
Zainteresowanie rozwiązaniami opartymi na sztucznej inteligencji w biznesie rośnie. W 2025 aż 75 proc. dużych firm w Polsce realizowało projekty związane z zaawansowaną analityką i AI. To wzrost o 5 punktów procentowych w porównaniu do roku 2024[3]. Wszystkie lub większość założonych korzyści związanych z nowymi projektami i inwestycjami osiągnęło jednak zaledwie 43 proc. z nich[4]. Co więcej, znaczna część inicjatyw związanych ze sztuczną inteligencją (66 proc.) zatrzymuje się na etapie Proof of Concept, czyli wstępnej fazie koncepcyjnej (testowej)[5]. Oznacza to, że nie są wdrażane produkcyjnie – a zatem nie mogą przynieść rzeczywistych efektów.
Jak wyjaśnia Sebastian Jaworski, wiceprezes zarządu Linux Polska, dane te wskazują, że wzrost wykorzystania narzędzi AI nie zawsze wiąże się z przemyślanym wdrożeniem.
– Narzędzia oparte na sztucznej inteligencji są wdrażane w celu usprawnienia pojedynczych procesów, często z pominięciem realiów operacyjnych i technologicznych konkretnej firmy. To główny problem, który skutkuje niską efektywnością wykorzystywanych rozwiązań, nawet jeśli teoretycznie wszystko działa poprawnie od strony technicznej. Zamiast inwestować w narzędzia i szukać miejsc, gdzie można je zastosować, warto wyjść od rzeczywistych problemów i celów, a dopiero potem dobierać do nich rozwiązania. W procesie tym należy wziąć pod uwagę integrację aplikacji AI z istniejącą infrastrukturą IT organizacji – tak aby bezproblemowo współpracowały z bazami danych, narzędziami DevOps czy dokumentacją – tłumaczy Sebastian Jaworski, wiceprezes zarządu Linux Polska.
Luki kompetencyjne główną barierą na drodze do AI?
Przykład polskich firm wpisuje się w kontekst globalnych wyzwań związanych z wdrażaniem sztucznej inteligencji. Okazuje się, że tempo rozwoju technologii i braki kadrowe pogłębiają luki kompetencyjne w organizacjach. Dotyczy to przede wszystkim wykorzystania AI w cyberbezpieczeństwie i zarządzaniu ryzykiem oraz monitoringu IT – na obie kwestie zwraca uwagę po 57 proc. organizacji[6]. Jak zauważa Kacper Szczepaniuk, Observability Specialist w Linux Polska, w obszarach tych brakuje wykwalifikowanych specjalistów.
– Możliwości sztucznej inteligencji i uczenia maszynowego w ocenie ryzyka są bardzo szerokie. Zautomatyzowane przetwarzanie danych i inteligentne modelowanie zależności służą do identyfikacji zagrożeń oraz oceny ich wpływu na biznes. To przede wszystkim zwiększa bezpieczeństwo organizacji, ale poza tym pozwala również spełnić obowiązki wynikające z unijnych regulacji, takich jak DORA. Dla organizacji główną barierą na drodze do tych celów jest fakt, że na rynku brakuje zarówno specjalistów bezpieczeństwa, monitoringu i obserwacji IT, jak i ekspertów sztucznej inteligencji. Przez luki kompetencyjne w firmach panuje niesłuszne przekonanie, że wdrożenie nowych narzędzi jest procesem skomplikowanym, wymagającym przebudowy całej architektury, a przez to zbyt ryzykownym i kosztownym – mówi Kacper Szczepaniuk, Observability Specialist w Linux Polska.
Problemem nie tylko analiza ryzyka
Deficyt kwalifikacji związany z wykorzystaniem sztucznej inteligencji wykracza daleko poza obszar bezpieczeństwa IT. Dotyczy również optymalizacji kosztów (54 proc. odpowiedzi), zarządzania zmianą organizacyjną (43 proc.) oraz pracy z danymi (40 proc.)[7]. Duże zróżnicowanie wyzwań może wskazywać na to, że firmy nie są w pełni gotowe na wdrożenie narzędzi AI. Jak wyjaśnia Maciej Wawrzyniak, Senior Solutions Architect w Linux Polska, skuteczne wykorzystanie narzędzi opartych na sztucznej inteligencji wymaga zmian na poziomie strategicznym.
– Sporym problemem jest kultura organizacyjna, która powstrzymuje firmy przed większymi zmianami. Wdrożenie kolejnych rozwiązań powinno być elementem szerszej transformacji cyfrowej, która poza technologiami obejmuje również poszerzanie kompetencji pracowników i budowanie zespołów specjalistów. Warto mieć na uwadze, że luki kompetencyjne wiążą się z obawami dotyczącymi umiejętności efektywnego wykorzystania narzędzi. Dlatego też konieczne jest dostosowanie ich do użytkowników nietechnicznych – analityków czy pracowników operacyjnych. Przykładowo: tworzenie zapytań i prezentacja wyników z wykorzystaniem chatbotów i agentów AI do wyszukiwania treści z firmowej bazy danych powinno być proste i intuicyjne – mówi Maciej Wawrzyniak, Senior Solutions Architect w Linux Polska.
Część organizacji ma świadomość, że transformacja jest nieunikniona. W Polsce 42 proc. firm już zwiększyło zatrudnienie specjalistów AI i zaawansowanej analityki, a niemal co trzecia (29 proc.) planuje to zrobić w najbliższym czasie[8]. Głównym sposobem na ograniczenie luki kompetencyjnej jest póki co korzystanie z zewnętrznego wsparcia. Aż 7 na 10 organizacji wdraża rozwiązania oparte na sztucznej inteligencji, łącząc wiedzę wewnętrznego zespołu z kompetencjami specjalistów spoza firmy[9].
[1] World Economic Forum, Future of Jobs Report 2025, s. 19
[2] PwC, 2025, Polskie firmy nie wykorzystują w pełni potencjału AI
[3] Jak wyżej.
[4] Jak wyżej.
[5] Jak wyżej.
[6] Linux Foundation, 2026 State of Tech Talent
[7] Jak wyżej.
[8] PwC, 2025, Polskie firmy nie wykorzystują w pełni potencjału AI,
[9] Jak wyżej.
