Bill Gross: Nie używaj AI tylko do cięcia kosztów — użyj jej do tworzenia wzrostu
Najważniejsze informacje
- •Bill Gross mówi, że prawie każdy CEO, z którym rozmawia, ma plan oszczędnościowy oparty na AI, ale prawie nikt nie ma planu przychodowego opartego na AI, przez co strategie oparte wyłącznie na efektywności są niekompletne.
- •Badanie EY-Parthenon z kwietnia 2026 r. wykazało, że 63% liderów wzrostu w dużych amerykańskich firmach używa AI głównie do efektywności i produktywności, a tylko 7% wskazuje dywersyfikację strumieni przychodów.
- •Badanie METR z 2025 r. wykazało, że długość zadań, które agenci AI mogli wykonać z 50% niezawodnością, podwaja się mniej więcej co siedem miesięcy.
- •Trzy dekady doskonalenia w Idealab zaowocowały 31 metodami znajdowania pomysłów podzielonymi na siedem perspektyw, które z AI wygenerowały bazę ponad 1,2 miliona potencjalnych pomysłów biznesowych dostępną na Idealab.ai.
- •Gross zaleca wyznaczenie odpowiedzialnego właściciela dla najsilniejszej zidentyfikowanej okazji i walidację jej poprzez wywiady z klientami, prototypy lub płatne pilotaże z jasnymi kamieniami milowymi dla inwestowania, zmiany kierunku lub zatrzymania.

Założyciel Idealab Bill Gross ma przesłanie dla liderów korporacji: strategie sztucznej inteligencji oparte wyłącznie na cięciu kosztów są niekompletne, a firmy powinny łączyć swoje plany efektywności z przemyślanymi planami wzrostu przychodów napędzanego przez AI.
„Każdy CEO, z którym rozmawiam, ma plan oszczędnościowy oparty na AI” — pisze Gross w komentarzu dla Fortune opublikowanym 16 listopada 2026 r. — „Prawie nikt nie ma planu przychodowego opartego na AI”. Oszczędności mają znaczenie, przyznaje, ale strategia AI, która na tym się kończy, jest niewystarczająca.
Bazując na 50 latach doświadczenia w przedsiębiorczości, podczas których — jak mówi — pomógł stworzyć ponad 175 firm, Gross opisuje powtarzający się wzorzec w kolejnych falach technologicznych. Pierwszym odruchem jest użycie nowego narzędzia do taniejszego wykonywania starych rzeczy, pisze, ale wygrywają firmy, które używają go do nowych rzeczy. Elektryczność nie tylko obniżyła rachunki za energię w fabrykach; pozwoliła przebudować fabryki wokół linii montażowej. Internet nie tylko obniżył koszt wysyłania katalogów; stworzył Amazon.
Gross powołuje się na badania sugerujące, że większość firm wciąż koncentruje się na efektywności. Badanie EY-Parthenon — strategii ramienia konsultingowego EY — opublikowane w kwietniu 2026 r. wykazało, że 63% liderów wzrostu w dużych amerykańskich firmach powiedziało, że ich organizacje używają AI głównie do efektywności i produktywności, podczas gdy tylko 7% wskazało dywersyfikację strumieni przychodów. To samo badanie wykazało, że 80% kadry zarządzającej uważa, że wzrost staje się coraz trudniejszy, i patrzy na AI jako katalizator wzrostu — to właśnie tę lukę między ambicjami a wdrożeniem Gross wzywa firmy do zlikwidowania. Badania McKinsey z 2026 r. z trwającej serii State of AI wskazują, że najwyższej klasy wykonawcy AI dążą do wzrostu lub innowacji wraz z efektywnością.
Granica możliwości również szybko się przesuwa, według Grossa. W badaniu zadań programistycznych i rozumowania z 2025 r. METR, non-profitowa organizacja badawcza oceniająca możliwości frontowych systemów AI, wykazała, że długość zadań, które agenci AI mogli wykonać z 50% niezawodnością, podwaja się mniej więcej co siedem miesięcy. Te długości odzwierciedlają czas, jaki zadania te zajmują ekspertom-ludziom.
Gross argumentuje, że AI czyni pomysły bardziej dostępnymi, a wczesne eksperymenty tańszymi. W przypadku koncepcji opartych na oprogramowaniu może pomóc zespołom badać rynek, pisać i testować kod oraz budować wstępny prototyp przed zaangażowaniem większego zespołu i budżetu. Najtrudniejsze pozostaje — pisze — wybór właściwych okazji, walidacja popytu i przekształcenie ich w opłacalne biznesy — a doświadczone firmy mogą zacząć, korzystając z istniejącej wiedzy i możliwości.
Każda doświadczona firma, zauważa, posiada aktywa, o które startupy zabijałyby: wiedzę o tym, jak naprawdę działa jej branża, wiedzę o klientach — na co ludzie narzekają, o co proszą, za co dopłacają i co obchodzą — oraz możliwości zbudowane do jednego celu, które mogłyby służyć innemu. Niektóre posiadają też patenty, know-how lub badania odłożone na półkę, ponieważ kontynuowanie ich było zbyt kosztowne kadrowo. AI może pomóc w eksploracji nowych zastosowań tych aktywów, ale przekształcenie ich w przychody wymaga metody.
W Idealab, inkubatorze startupów, który założył w 1996 r., zespół, pisze Gross, spędził trzy dekady na doskonaleniu 31 sposobów znajdowania pomysłów biznesowych, podzielonych na siedem perspektyw. Zastosowane z AI metody te wygenerowały bazę danych ponad 1,2 miliona potencjalnych pomysłów biznesowych, bezpłatnie dostępną na Idealab.ai.
Cztery perspektywy startują od popytu — od tego, na czym ludzie cierpią, czego chcą lub co robią:
- Zacznij od bólu. Napraw swój, napraw czyjś lub usuń tarcie, oczekiwanie, marnotrawstwo lub zagrożenie. Logi wsparcia klienta mogą ujawnić problemy warte rozwiązania.
- Zrób to radykalnie lepiej. Zapytaj, co mogłoby stać się dramatycznie szybsze, prostsze, wygodniejsze lub zautomatyzowane.
- Otwórz to dla większej liczby osób. Obniż koszt usługi premium, aby nowa grupa klientów mogła sobie na nią pozwolić — i zastanów się, co by to umożliwiło.
- Czytaj sygnały, które zostawiają ludzie. Szukaj powtarzających się pytań i skarg, obejść, niewłaściwego użycia, zerwanego zaufania i ignorowanych nisz.
Trzy perspektywy startują od podaży — od tego, co właśnie stało się możliwe:
- Wykorzystaj nową możliwość. Zastosuj nową technologię do starego problemu lub połącz istniejącą możliwość z innym modelem biznesowym.
- Wyznacz właściwy moment. Szukaj spadającej krzywej kosztów, zmiany platformy lub zmiany regulacyjnej i wróć do projektów odłożonych na półkę, bo były trafne, ale zbyt wczesne.
- Myśl wielce. Przemyśl od nowa gigantyczną, ale statyczną branżę lub zacznij od odważnej wizji lepszej przyszłości.
Jako ilustrację Gross wskazuje firmę logistyczną, która potrafi przewidzieć zakłócenia w dostawach: ta wiedza mogłaby wesprzeć usługę planowania dla mniejszych nadawców, a AI pomogłaby zbadać tę możliwość. Klienci i tak musieliby potwierdzić, że problem jest na tyle istotny, by zapłacić za rozwiązanie.
Zaleca zastosowanie tych perspektyw do wiedzy firmy, znajomości klientów, możliwości i własności intelektualnej — używając AI do identyfikacji i kwestionowania założeń, a następnie testując popyt bezpośrednio z klientami. Najmocniejsza okazja powinna mieć odpowiedzialnego właściciela, walidowanego przez wywiady z klientami, prototypy lub płatne pilotaże, aby poznać, czego ludzie naprawdę potrzebują i czy zapłacą. Zespoły powinny otrzymać jasne kamienie milowe do decyzji, czy inwestować dalej, zmienić kierunek, czy zatrzymać się.
Jego ostatnia rada: umieść cel przychodowy obok celu oszczędnościowego w kolejnej prezentacji dla rady nadzorczej. Celem, pisze, jest zbudowanie silniejszej firmy poprzez poprawę efektywności i tworzenie nowych źródeł wzrostu.
Opinie wyrażone w komentarzach na Fortune.com są wyłącznie poglądami ich autorów i niekoniecznie odzwierciedlają opinie i przekonania Fortune. Ta historia pierwotnie ukazała się na Fortune.com.