Nauka latania z AI
Poziom Fly – to najbardziej zaawansowany poziom, w którym AI w sposób ciągły adaptuje i optymalizuje decyzje Customer Experience w czasie rzeczywistym. O tym jakie branże i w jakich krajach osiągnęły ten etap, mówi raport Liveops 2026 AI Maturity Benchmark.
Kto już nauczył się latać?
Branże, które są obecnie najbliżej etapu Fly to przede wszystkim sektory silnie cyfrowe oraz operujące na dużych wolumenach danych. Zgodnie z danymi z raportu, najwyższy odsetek firm, które już osiągnęły etap Fly, działa w następujących branżach:
- Media (25 proc.)
- Gaming (24 proc.)
- FinTech (22 proc.)
- Digital Enterprise (20 proc.)
- Retail (19 proc.)
- Retail Banking (18 proc.)
Jeśli weźmiemy pod uwagę liderów najbardziej zaawansowanych technologicznie (sumując etapy Run i Fly), na prowadzenie wysuwa się Gaming, gdzie aż 61 proc. organizacji operuje na tych poziomach. Tuż za nim plasują się FinTech, Digital Enterprise oraz Media (po 58 proc.), a także E-Commerce (54 proc.) i Bankowość detaliczna (53 proc.).
Sektory te wykazują również większą otwartość na automatyzację opartą wyłącznie na AI, podczas gdy branże bardziej regulowane (takie jak farmacja, energetyka czy sektor publiczny) pozostają na wcześniejszych etapach dojrzałości (Crawl i Walk), kładąc większy nacisk na nadzór człowieka i modele hybrydowe.
Strach przed lataniem
Bariery spowalniające transformację w kierunku najwyższych etapów dojrzałości AI (takich jak Fly) przesunęły się z kwestii czysto technologicznych na wyzwania natury operacyjnej i wykonawczej – według raportu. Obecnie wyzwaniem nie jest już to, czy AI działa, ale jak ją skutecznie wdrożyć.
Zarządzanie zmianą i gotowość kadr to najwyżej oceniana bariera. Prawdziwym ograniczeniem nie jest sama technologia, ale zdolność organizacji do przygotowania ludzi, przeszkolenia zespołów i wdrożenia zmian w kulturze pracy. Kolejną barierą jest bezpieczeństwo danych i obawy o zgodność (compliance) –firmy obawiają się o ochronę danych i spełnienie wymogów regulacyjnych przy wdrażaniu zaawansowanych systemów AI. Następnie wewnętrzne dopasowanie i odpowiedzialność (ownership)– brak jasnego podziału odpowiedzialności za projekty AI oraz brak spójności celów wewnątrz organizacji utrudnia postęp. Dalej: niepewność co do kosztów i zwrotu z inwestycji (ROI). Trudności w precyzyjnym określeniu opłacalności projektów wciąż hamują decyzje o przejściu do bardziej zaawansowanych etapów.
Raport wymienia też niedojrzałe lub niesprawdzone technologie AI. Choć bariera ta wciąż istnieje, ma ona obecnie najniższy wpływ spośród wymienionych czynników, co potwierdza, że liderzy biznesowi postrzegają technologię jako bardziej gotową niż ich własne struktury operacyjne.
Podobne artykuły
TLT Summit 2026: rok sztucznej inteligencji w biznesie
Koniec ery bezrefleksyjnego zachwytu nad sztuczną inteligencją. Tegoroczna konferencja Technology Leader of Tomorrow jasno pokazała, że biznes wkracza w fazę twardego rozliczania projektów AI z efektów i kosztów
QNAP zamienia NAS w platformę AI
Podczas tegorocznych targów Computex specjaliści QNAP udowodnili, że współczesny serwer NAS to już nie tylko magazyn danych, ale centralny element infrastruktury odpowiedzialny za ciągłość działania, cyberbezpieczeństwo i lokalne wdrożenia AI.
Computex 2026: IT wchodzi w epokę infrastruktury AI
Przez ostatnie lata w branży IT dominowała narracja, że rozwój sztucznej inteligencji będzie nierozerwalnie związany z usługami chmurowymi. Tegoroczny Computex pokazał jednak, że coraz więcej producentów dostrzega potencjał lokalnych wdrożeń AI.
