Czternaście procent w zadaniu, dwa procent w tygodniu pracy, zero w wynikach firmy. To ta sama rzecz z czterech odległości

Pytanie „czy AI się zwraca" ma cztery różne odpowiedzi i wszystkie są prawdziwe. W pojedynczym zadaniu badania pokazują od czternastu do czterdziestu procent poprawy. W całym tygodniu pracy pracownika: dwa do trzech procent zaoszczędzonych godzin. W wynikach firmy: zero. W skali gospodarki: poniżej 0,7 procent przez dziesięć lat. To nie są sprzeczne wyniki. To jest ta sama rzecz oglądana z czterech odległości — i warto wiedzieć, na którym z tych poziomów ktoś stoi, kiedy podaje liczbę.

Ta liczba obiegła świat jako „badanie MIT". Dokument mówi co innego. To dwudziestosześciostronicowy raport grupy Project NANDA przy MIT Media Lab, z lipca 2025, opisany przez samych autorów na drugiej stronie jako wstępne ustalenia. Nie przeszedł recenzji naukowej, dane źródłowe nie zostały opublikowane, a recenzentem wskazanym w dokumencie jest jeden z jego współautorów.

Trzy rzeczy warto o nim wiedzieć, zanim się go zacytuje.

• Próba jest mniejsza, niż podawały media. Fortune napisało o 150 wywiadach i ankiecie wśród 350 pracowników. W dokumencie jest: 52 wywiady i 153 ankietowanych kierowników, zebranych na czterech konferencjach branżowych. To dobór oparty na tym, kto akurat przyszedł na konferencję.
• Autorzy sprzedają lekarstwo na chorobę, którą opisali. Project NANDA buduje infrastrukturę dla agentów AI, a raport rekomenduje systemy uczące się i zapamiętujące kontekst, czyli dokładnie tę kategorię, którą sam zespół rozwija.
• Oryginalnego pliku nie ma już na serwerze uczelni. Adres, pod którym raport był publikowany, przekierowuje dziś na stronę opisową grupy i zwraca stronę HTML, nie dokument. Raport krąży wyłącznie w kopiach na cudzych serwerach. Żadnego oświadczenia MIT w tej sprawie nie ma. To fakt, nie wniosek.

Najciekawsze jest jednak to, że ten sam raport czytany w całości mówi coś innego niż jego nagłówek. Lejek w dokumencie wygląda tak: 60 procent firm sprawdziło narzędzia dedykowane, 20 procent doszło do pilotażu, 5 procent do wdrożenia. Czyli spośród pilotaży, które faktycznie ruszyły, powodzeniem kończy się około jednej czwartej, a nie jedna dwudziesta. Dla narzędzi ogólnych, takich jak zwykły czat czy asystent w edytorze, ten sam raport podaje przejście z pilotażu do wdrożenia na poziomie około 83 procent.

Do tego definicja sukcesu była wąska: wymagano wyjścia poza pilotaż, mierzalnych wskaźników i zwrotu policzonego sześć miesięcy po pilotażu. Przy takim progu duża część wdrożeń jest nieudana z definicji, bo po prostu nie zdążyła.

Najczęściej cytowane badanie o czternastoprocentowym wzroście wydajności dotyczy 5179 konsultantów obsługi klienta. Efekt rozkłada się nierówno i to jest jego najważniejsza część: 34 procent u początkujących i nisko wykwalifikowanych, minimalny u doświadczonych. Przy okazji poprawił się nastrój klientów i spadła rotacja pracowników.

Dwie rzeczy trzeba przy nim powiedzieć. To nie jest eksperyment z losowaniem, tylko obserwacja stopniowego wdrażania narzędzia metodą porównania zmian w czasie. I dane dostarczyła firma z listy Fortune 500, która sprzedaje oprogramowanie do obsługi klienta oparte na AI — czyli dostawca narzędzia dostarczył dane o skuteczności własnego narzędzia.

Badanie na 758 konsultantach Boston Consulting Group było już prawdziwym eksperymentem z losowaniem i dało jeszcze wyższe liczby: 12,2 procent więcej wykonanych zadań, 25,1 procent szybciej, ponad 40 procent wyższa jakość. Ale ma w środku wynik, który w cytowaniach ginie, a który jest najcenniejszy w całej tej literaturze.

Jest wreszcie eksperyment, który dał wynik ujemny, i on też zasługuje na ostrożność. Organizacja METR wylosowała 246 zadań u szesnastu doświadczonych programistów pracujących we własnych repozytoriach i zmierzyła spowolnienie o 19 procent. Najważniejsze nie jest jednak samo spowolnienie, tylko to, że ci sami programiści szacowali, że przyspieszyli o 20 procent. Odczucie i pomiar rozjechały się o czterdzieści punktów.

Tej liczby nie wolno już dziś cytować bez ciągu dalszego. W lutym 2026 METR opublikował drugą turę: 57 programistów, ponad 800 zadań. Wynik dla nowo zrekrutowanych to minus 4 procent, przy przedziale od minus 15 do plus 9 — czyli nierozstrzygnięty. Sami autorzy mówią, że dane są niewiarygodne, bo programiści niechętni pracy bez AI przestali się zgłaszać, a stawkę dla uczestników obniżono ze stu pięćdziesięciu do pięćdziesięciu dolarów za godzinę. Ich wniosek: w 2026 roku przyspieszenie jest prawdopodobne, ale siły tego efektu nie potrafią zmierzyć.

Ogólnokrajowa reprezentatywna ankieta amerykańska mierzy to od strony pracownika. Od trzeciego kwartału 2024 do drugiego kwartału 2026 odsetek pracowników używających AI w pracy wzrósł z 28,2 do 39,2 procent, ale deklarowana oszczędność czasu to 2,2 procent wszystkich godzin pracy. Bank Rezerwy Federalnej w St. Louis, który to opisuje, sam zaznacza, że są to dane deklaratywne.

Twardszy jest pomiar duński, bo oparty na rejestrach państwowych, a nie na deklaracjach. Objął 25 tysięcy pracowników w siedmiu tysiącach zakładów pracy, w jedenastu zawodach najbardziej narażonych na AI, połączonych z rejestrami zatrudnienia i płac.

Nie znaczy to, że nigdzie nie widać nic. Seria dużych eksperymentów losowych na platformie handlu internetowego, obejmująca miliony użytkowników i siedem procesów, dała wpływ na sprzedaż od zera do 16,3 procent, zależnie od procesu. Trzy z siedmiu zastosowań nie dały żadnego efektu. Mechanizm: wyższa konwersja, a nie niższe koszty. Wartość: około pięciu dolarów rocznie dodatkowej wartości na jednego klienta.

I poziom czwarty, najdalszy. Praca recenzowana, opublikowana w czasopiśmie Economic Policy w styczniu 2025, przelicza oszczędności z poziomu pojedynczych zadań na produktywność całej gospodarki i wychodzi jej wzrost o nie więcej niż 0,66 procent w ciągu dziesięciu lat. To jest około 0,07 procent rocznie, przy zwykłym rocznym wzroście produktywności rzędu jednego do dwóch procent. Autor sam pisze, że nawet to może być zawyżone.

Przy każdym z powyższych badań liczy się, kto je finansował i kto był współautorem. Zestawienie układa się w wzorzec, którego nie widać, gdy czyta się je pojedynczo.

• Badania bez udziału dostawcy: duńskie (ośrodki uniwersyteckie, dane z rejestrów państwowych), praca o skali makro (uczelnia, czasopismo recenzowane), dane amerykańskiego Biura Spisowego, statystyka GUS i Eurostatu. Wyniki: zero albo ułamki procenta.
• Badania z dostawcą albo sprzedawcą wdrożeń w tle: obsługa klienta (dane od producenta narzędzia), konsultanci BCG (na pracownikach firmy sprzedającej doradztwo AI), handel internetowy (trzech współautorów związanych z badaną platformą), raport MIT NANDA (zespół sprzedający opisywaną kategorię rozwiązań). Wyniki: od czternastu do czterdziestu procent.
• Pośrodku METR: organizacja niedochodowa, nie dostawca narzędzi, ale jej racja bytu zależy od tego, żeby mierzenie AI było ważne. Wynik ujemny, potem nierozstrzygnięty.

To nie znaczy, że badania z pierwszej grupy są fałszywe. Znaczy, że przy czytaniu każdej liczby o zwrocie z AI pierwsze pytanie brzmi: kto ją policzył i co sprzedaje.

Liczby GUS z podziałem na wielkość firmy pokazują, gdzie dokładnie jest luka. Firmy duże: 42,0 procent, przy unijnych 55,0. Średnie: 15,6 wobec 30,4. Małe: 6,1 wobec 17,0. Czyli unijna mała firma jest niemal trzykrotnie częściej użytkownikiem AI niż polska — i to tam, a nie wśród korporacji, dystans jest największy.

Ciekawe jest też, do czego polskie firmy tego używają. Najczęściej do marketingu i sprzedaży (5,0 procent wszystkich firm), potem do prac biurowych i kadr (3,7), finansów (2,6) i wspomagania produkcji (2,6). Logistyka zamyka listę z 0,8 procent. Czyli najczęstsze zastosowanie to obszar, w którym efekt jest najtrudniejszy do policzenia — dokładnie ten zarzut stawia raport, od którego zaczęliśmy.

Powody nieużywania, podawane przez firmy, układają się blisko siebie: brak zasobów ludzkich i wiedzy 2,4 procent, zbyt wysokie koszty wdrożenia 2,1, obawy o prywatność 2,1, brak jasności co do konsekwencji prawnych 2,1. Warto to przeczytać razem: dwie z czterech głównych barier to nie pieniądze, tylko niepewność, czego wolno.

Najcenniejsze polskie zdanie w całym tym temacie napisał Polski Instytut Ekonomiczny po wywiadach z firmami, które AI już używają: w zasadzie nie spotkaliśmy się z rozczarowaniem, ale korzyści finansowe przeważnie nie są jeszcze widoczne, a firmy spodziewają się ich w perspektywie kilku lat. Wskazywały głównie na oszczędność czasu. Czyli dokładnie poziom drugi z tego tekstu — ten, który w duńskich rejestrach nie przekłada się na nic.

Instytut zauważa przy tym rzecz, która tłumaczy część rozbieżności w statystykach: wdrożenia idą w Polsce oddolnie, od pracowników, a nie ze strategii firmy, bo wiele narzędzi jest darmowych albo na tyle tanich, że finansuje je budżet zespołu. To znaczy dwie rzeczy naraz. Oficjalna statystyka prawdopodobnie zaniża realne użycie. I w wielu firmach nikt nie liczy żadnego zwrotu, bo nie ma z czego go liczyć — skoro nie było inwestycji.

Czego Polska nie ma: ani jednego badania efektów z grupą kontrolną. Nie ma odpowiednika badania duńskiego ani żadnego eksperymentu. Jest statystyka wdrożeń i są deklaracje. Nie ma go — i to jest ustalenie, a nie luka w sprawdzeniu.

Nie ma też żadnego wiarygodnego źródła o kosztach wdrożeń w złotówkach. Krążą liczby typu „od trzech tysięcy za chatbota do stu tysięcy za rozwiązanie szyte na miarę" albo „zwrot od dwustu do tysiąca procent w pierwszym roku". Wszystkie pochodzą z blogów agencji, które te wdrożenia sprzedają, i nie stoi za nimi żadna próba ani metoda. Tej ostatniej liczby nie należy powtarzać nawet z zastrzeżeniem.

Klarna ogłosiła w lutym 2024, że jej asystent obsłużył 2,3 miliona rozmów w pierwszym miesiącu i wykonuje pracę odpowiadającą siedmiuset pełnym etatom. W maju 2025 prezes powiedział Bloombergowi, że firma wraca do zatrudniania ludzi do obsługi klienta, bo klient musi mieć pewność, że zawsze może porozmawiać z człowiekiem. Przez ponad rok zamrożenia rekrutacji zatrudnienie spadło tam o 22 procent.

Mocniejszy jest jednak przypadek australijskiego Commonwealth Bank, bo mamy tam przyznanie się instytucji, a nie wypowiedź prezesa. W lipcu 2025 bank ogłosił likwidację 45 etatów w obsłudze klienta, zastępowanych botem głosowym. 21 sierpnia wycofał decyzję i nazwał ją błędem, pisząc w oświadczeniu, że nie uwzględnił w wystarczającym stopniu wszystkich istotnych okoliczności biznesowych. Według związku zawodowego po uruchomieniu bota liczba połączeń nie spadła, tylko wzrosła, a kierownictwo oferowało nadgodziny i kierowało liderów zespołów do odbierania telefonów.

Trzeci przypadek dotyczy kosztu, którego nie ma w żadnym arkuszu kalkulacyjnym. Kanadyjski trybunał orzekł w lutym 2024 w sprawie o sygnaturze 2024 BCCRT 149, że linia lotnicza odpowiada za informację, którą jej chatbot podał klientowi — nawet gdy była nieprawdziwa i sprzeczna z regulaminem. Obrona brzmiała, że firma nie odpowiada za wypowiedzi bota. Trybunał uznał, że bot jest częścią strony firmy i firma odpowiada za wszystko, co na jej stronie się znajduje.