AI staje się coraz bardziej zdolna. Jej wdrażanie wewnątrz przedsiębiorstwa niekoniecznie staje się jednak łatwiejsze.

W miarę jak firmy wykraczają poza eksperymenty i wprowadzają AI do coraz większej liczby obszarów działalności, napotykają odrębny zestaw wyzwań. Pytania coraz częściej koncentrują się wokół tego, które modele powinny obsługiwać które zadania, czy leżące u podstaw dane są wystarczająco dobre, kto – i co – może być dostępne dla systemów AI oraz czy istniejące ramy zarządzania nadążają.

Kilka wydarzeń z tego tygodnia wskazuje na ten sam wniosek: kolejna faza AI w przedsiębiorstwach może zależeć mniej od dostępu do najnowszych modeli, a bardziej od tego, czy firmy potrafią nimi faktycznie zarządzać.

Operacje wielomowe stają się normą

Przedsiębiorstwa nie wybierają już po prostu jednego modelu AI. Uruchamiają wiele modeli, z których każdy ma inne możliwości, koszty i ryzyka. Oznacza to, że ktoś musi decydować, który model obsługuje które zadanie – i kiedy te decyzje powinny się zmienić.

Firma płatniczo-danowa Deluxe na przykład posiada ponad 50 agentów AI, a scentralizowana bramka kieruje żądania do różnych modeli. Firma waży czynniki takie jak jakość, ryzyko, szybkość i koszt, decydując, których modeli użyć.

To zupełnie inne wyzwanie niż wybór jednego dostawcy AI. W miarę dodawania kolejnych modeli sam dobór modeli staje się ciągłą funkcją operacyjną – przekształca okresowy wybór dostawcy w powtarzalną pracę: kierowanie żądań, porównywanie wyników i ponowne ocenianie tych decyzji w miarę zmian profilu jakości, kosztów i ryzyka. (Zobacz: Gemini 3.8 Live przekształca konwersacyjne AI.)

Jakość danych wciąż podważa projekty AI

Zarządzanie modelami to tylko część problemu. Projekty AI trafiają również na znaną firmową przeszkodę: słabe lub pofragmentowane dane.

Według niedawnego badania Collibra 72% decydentów ds. AI stwierdziło, że słabe podstawy danych były główną przyczyną niedotrzymania celu przez inicjatywy AI w przedsiębiorstwach. Liczba ta przypomina, że gdy inicjatywy AI potykają się, problem często istnieje już przed modelem: tkwi w danych, które go zasilają.

Zarządzanie nie nadąża za agentowym AI

Pytania operacyjne nie kończą się na danych. Firmy mogą mieć polityki zarządzania AI, ale ich strategie mogą nie uwzględniać systemów agentowych.

Raport EY opublikowany we wtorek wykazał, że blisko sześciu na dziesięć respondentów w organizacjach korających z agentowego AI uważało, że żaden pojedynczy zespół nie nadzoruje agentów po wdrożeniu. Prawie połowa stwierdziła, że ich ramy zarządzania nie zostały zaktualizowane pod kątem ryzyk specyficznych dla agentów, a cztery na dziesięć nie miały wglądu we wszystkie narzędzia AI działające w ich sieciach.

To luka operacyjna równie bardzo jak zarządcza. Firmy nie mogą skutecznie zarządzać systemami AI, jeśli nie wiedzą, co działa, ani kto odpowiada za nadzór. Wyniki te pozostawiają organizacjom dwa natychmiastowe pytania do odpowiedzi: kto przejmuje nadzór nad agentami po ich uruchomieniu i jak zbudować pełny obraz narzędzi AI już działających w sieci.

Wyzwanie organizacyjne

Bardziej zaawansowany model nie rozwiąże żadnego z tych problemów. Wymagają one od firm decyzji dotyczących architektury, danych, odpowiedzialności i nadzoru, w miarę jak AI wbudowuje się w coraz większą część działalności.

Trudną częścią AI w przedsiębiorstwach może już nie być dostęp do zaawansowanej technologii. Jest nim budowanie organizacji zdolnej do jej obsługi – a wskaźniki, na które warto patrzeć, są wewnętrzne: gotowość danych, pokrycie zarządzaniem i jasne linie odpowiedzialności. (Zobacz: Apetyty na spowolnienie AI rodzą nowe wyzwania dla modeli otwartych.)

Także w tym tygodniu w wiadomościach AI

• AI jest obecnie głównym motorem nowych wydatków na cyberbezpieczeństwo: Siedmiu na dziesięciu dyrektorów ds. bezpieczeństwa (CISO) umieszcza obecnie AI na pierwszym miejscu priorytetów nowych wydatków na cyberbezpieczeństwo, szczególnie w zakresie automatyzacji zabezpieczeń oraz zarządzania tożsamością i dostępem.
• Altman i Amodei o tempie rozwoju AI na Dreamforce: Szefowie laboratoriów AI wykorzystali konferencję Dreamforce firmy Salesforce, aby omówić spowolnienie tempa rozwoju brzegowych modeli AI, obliczu rosnących obaw, że możliwości rozwijają się szybciej niż zabezpieczenia.
• Gemini 3.8 Live przekształca konwersacyjne AI: Nowy model Google dodaje rozumowanie w czasie rzeczywistym, korzystanie z narzędzi i przetwarzanie wizualne, zachowując naturalne interakcje głosowe.
• Apetyty na spowolnienie AI rodzą nowe wyzwania dla modeli otwartych: Postulaty spowolnienia rozwoju brzegowych modeli AI mogą stworzyć nowe wyzwania dla modeli o otwartych wagach, potencjalnie przenosząc na przedsiębiorstwa większą odpowiedzialność za testowanie, monitoring i zarządzanie.
• Panika wokół AI stwarza nowy problem z zaufaniem dla CIO: Rosnący niepokój wokół AI stwarza nowe wyzwanie dla dyrektorów informatycznych, którzy starają się budować zaufanie organizacji do wdrożeń enterprise, nie bagatelizując uzasadnionych obaw dotyczących tej technologii.
• „Przestaniemy mówić o AI” i inne prognozy dla przemysłu: Firmy produkcyjne oczekują, że AI przestanie być samodzielną inicjatywą, a coraz bardziej wbuduje się w codzienne operacje. (Zobacz: AI zmienia równanie ROI. Oto jak niektórzy odnieśli sukces.)
• Miesza w rynku pracy branży technologicznej: AI przekształca rynek pracy w technologii – analiza blisko 50 000 ofert pracy dla inżynierów wykazała zmieniające się wymagania dotyczące umiejętności i rosnącą liczbę wyspecjalizowanych ról.

O autorce

Liz Hughes jest nagradzaną strateg ds. redakcji i treści z wieloletnim doświadczeniem w wydawnictwach newsroomowych, mediach cyfrowych i komunikacji menedżerskiej. Ostatnio pełniła funkcję redaktorki naczelnej AI Business i IoT World Today, kierując strategią redakcyjną, bieżącym programem i newsletterami docierającymi do ponad 1 miliona czytelników miesięcznie. Jej praca koncentru się na AI i technologiach wschodzących, ze szczególnym naciskiem na oddzielanie rzeczywistej adopcji od hype'u; pisała o generatywnym AI, robotyce, systemach autonomicznych i technologiach enterprise. Hughes jest również założycielką LTH Media, praktyki doradczej ds. treści, i wciąż współpracuje redakcyjnie z wiodącymi czasopismami technologicznymi i biznesowymi.

Ten artykuł, którego autorką jest współpracująca pisarka Liz Hughes, ukazał się pierwotnie na łamach AI Business 18 września 2026 r.