Od dwóch lat niemal każda firma testuje sztuczną inteligencję, ale wnioski z badań nie składają się w jedną historię. W ujęciu rynkowym prym wiodą korporacje. Analitycy Wells Fargo porównali przychody na pracownika w spółkach z S&P 500 i w małych firmach z indeksu Russell 2000. Od startu mody na generatywne AI w 2022 r. wskaźnik ten wzrósł o 5,5 proc. w dużych spółkach, podczas gdy w małych spadł o 12,3 proc. To nie przypadek, lecz wynik skali, kapitału i sposobu mierzenia produktywności.
Różnica w odczytach zaczyna się już na poziomie definicji. Produktywność liczona jako przychód na pracownika bywa mechanicznie zawyżana, gdy firma tnie zatrudnienie i automatyzuje zadania. Wtedy nawet przy stałym lub niższym wolumenie pracy wskaźnik rośnie, bo w mianowniku jest mniej etatów. Tak właśnie komunikują dziś część zysków z AI największe podmioty – równolegle do programów restrukturyzacyjnych.
Głośnym symbolem był październikowy komunikat Amazona o redukcji ok. 14 tys. ról korporacyjnych przy jednoczesnym przyspieszeniu inwestycji w AI. Firma odwołała się do konieczności uproszczenia struktur i alokacji środków w priorytety technologiczne. 
To prowadzi do drugiego źródła przewagi dużych biznesów, a konkretnie: efektów skali i komplementarnych aktywów. Wielkie korporacje mają więcej danych, dojrzałą infrastrukturę IT, procesy zarządcze i budżety na wdrożenia. Dzięki temu szybciej zamieniają obietnice AI na wynik finansowy.
Sprawdź też: Dlaczego twoja firma powinna rozważyć zakup nowego superkomputera Nvidii za 4000 dol.
Dowody znajdziemy w europejskich statystykach
W 2024 r. AI wykorzystywało 41,2 proc. dużych firm w UE, ale tylko 11,2 proc. małych. Ogólny poziom adopcji wyniósł 13,5 proc. Transformacja dopiero się rozkręca i jest mocno asymetryczna.
Jednocześnie obraz ten nie oznacza, że małe firmy nie mają z AI pożytku. Gdy zapytamy właścicieli małych biznesów o efekty pracy z narzędziami, odpowiedzi są zaskakująco pozytywne. W kwartalnych badaniach Intuit QuickBooks z 2025 r. niemal dwie trzecie małych firm deklaruje regularne użycie AI, a około trzy czwarte mówi o wzroście produktywności.
Najczęstsze zastosowania to marketing, obsługa klienta i biuro rachunkowe – a więc obszary, w których nawet proste narzędzia przynoszą mierzalne oszczędności czasu i kosztów. Różnica wobec korporacji polega jednak na tym, że te zyski są w większym stopniu „oddolne” i rozproszone, a w mniejszym – wynikiem centralnych programów automatyzacji i redukcji etatów.
Najważniejsza lekcja z ostatnich miesięcy
Sam zakup technologii nie wystarczy. Raport Deloitte „Humans x Machines” dowodzi, że organizacje wdrażające AI w trybie tech-first, a dopiero później zadające pytania o rolę człowieka, częściej rozczarowują się zwrotem z inwestycji.
Lepsze wyniki osiągają firmy, które projektują na nowo role, przepływy pracy i decyzje tak, by człowiek i maszyna wzajemnie się wzmacniały. Jak ujął to David Mallon z Deloitte, nie chodzi o „albo-albo”, lecz o strategię „zarówno technologia, jak i praca”, z naciskiem na przemyślane przeprojektowanie pracy przed skalowaniem narzędzi.
Ekonomiści OECD od lat podkreślają wagę tzw. aktywnych komplementów (uzupełnień) – umiejętności cyfrowych, jakości zarządzania, infrastruktury danych – które decydują, czy AI faktycznie podnosi produktywność. W najnowszych przeglądach widać, że to właśnie firmy z lepszymi komplementami wyciskają z AI najwięcej, a różnice narastają w obrębie tych samych branż.
To tłumaczy, dlaczego przewagi największych nie biorą się tylko z większych budżetów, ale też z dłuższej historii inwestycji w dane, integracje systemów i standardy pracy.
W tle widać jeszcze jedną asymetrię – finansową i giełdową. Małe spółki mierzą się z wyższymi kosztami kapitału, mniejszą dostępnością talentów i presją marż, a na rynkach publicznych ich wyniki od lat wyraźnie ustępują dużym. Nawet tegoroczne odbicia na małych spółkach nie zatarły faktu, że od pandemii to duże marki ciągną indeksy, a to dodatkowo wzmacnia cykl inwestycji w AI po stronie największych.
Skąd wrażenie, że AI nie działa w małych firmach?
Po pierwsze, mierzymy inną rzecz. Korporacje raportują produktywność przez pryzmat przychodu na etat, zasilaną automatyzacją i zwolnieniami. Małe biznesy patrzą na skrócenie czasu realizacji, mniejszą liczbę błędów, szybszą obsługę klienta, dodatkowe przychody z prostszych kampanii – efekty realne, lecz nie zawsze widoczne w nagłówkowych metrykach.
Po drugie, barierą jest baza techniczna. Nowsze sondaże w Europie pokazują, że wiele MŚP skacze bezpośrednio do narzędzi AI, nie mając jeszcze uporządkowanych fundamentów cyfrowych, jak zarządzanie dokumentami czy księgowość w chmurze. Bez tych fundamentów zwrot z AI bywa niższy i mniej skalowalny.
Po trzecie, etyka i relacje. Właściciele mniejszych firm – blisko ludzi i klientów – rzadziej decydują się na drastyczne cięcia, więc ich zysk z AI nie podnosi się tak łatwo przez redukcję etatów. Z biznesowego punktu widzenia to nie wada, tylko inny model korzyści: utrzymanie wiedzy w zespole, lepsza obsługa i szybsza personalizacja mogą w dłuższym okresie tworzyć przewagi trudniejsze do skopiowania niż jednorazowe oszczędności kadrowe.
Co z tego wynika dla praktyki? Dla dużych korporacji – że liczenie ROI głównie przez pryzmat oszczędności płac szybko się wyczerpie, jeśli nie pójdzie w parze z przeprojektowaniem pracy i inwestycjami w ludzi. Dla małych – że warto zaczynać od miejsc, gdzie pełny łańcuch danych jest pod ręką, a „czas do uzyskania wartości” jest krótki. Największy przyrost wartości w MŚP nie płynie dziś z jednego magicznego wdrożenia, lecz z sumy drobnych usprawnień: automatyzacji niektórych zadań, wsparcia sprzedaży, lepszych treści i wsparcia klienta, stopniowo spiętych w wspólny system. Wtedy AI przestaje być gadżetem, a staje się nieformalnym członkiem zespołu, który codziennie wykonuje faktyczne zadania.
Na poziomie polityk publicznych recepta jest podobna. Podnoszenie adopcji AI wśród MŚP wymaga inwestycji w talenty, standardy danych i prostszy dostęp do infrastruktury, a nie tylko dopłat do licencji. Tylko wtedy luka produktywności między dużymi a małymi nie będzie się pogłębiać wraz z kolejną falą automatyzacji.
Czytaj też: Bielik.AI i Beyond.pl na rzecz suwerennego i odpornego AI
