W odstępie zaledwie pół roku amerykański „Forbes” opublikował dwa obszerne artykuły, które – czytane razem – są znacznie ciekawsze niż każdy z nich osobno. Pierwszy („AI’s $1 Trillion Shakeout: Bubble, Correction, Or Market Reset”, 26.08.2025) stawia pytanie, czy spadek wartości rynku AI o około bilion dolarów, który wystąpił w tamtym okresie, to korekta czy początek pęknięcia bańki. Autor drugiego („The State Of The $1.7 Trillion AI Bubble: The End Of Thinking”, 27.02.2026) nie zadaje już pytania, ale zakłada, że bańka istnieje i ma wartość sięgającą nawet 1,7 bln dolarów, wynikającą z dokonanych inwestycji.

W pierwszym artykule czytamy o klasycznym schemacie znanym z wcześniejszych cykli: nadmiar kapitału, chwilowe przegrzanie, a potem „zdrowe oczyszczenie rynku”. Sztuczna inteligencja przedstawiana jest jako technologia realna, może przeszacowana, ale o solidnych fundamentach. W drugim materiale punkt ciężkości przesuwa się wyraźnie w stronę sceptycyzmu co do istoty AI. Jako problem definiowana jest już nie tylko skala inwestycji, ale sposób myślenia o nich. Bańka przestaje być wyłącznie finansowa, a zaczyna obejmować także prognozy i oczekiwania.

To przesunięcie narracji jest kluczowe, bo pokazuje coś więcej niż różnicę w opiniach obu autorów. To raczej moment przejścia całego rynku z fazy „racjonalizowania hype’u” do fazy jego kwestionowania, od prób utrzymania równowagi między entuzjazmem a realizmem do coraz bardziej otwartego sceptycyzmu. Jednocześnie – i to jest najciekawsze – ten rosnący krytycyzm nie przekłada się na klasyczny scenariusz pęknięcia bańki. Nie widać gwałtownego odpływu kapitału ani załamania inwestycji. Wręcz przeciwnie: infrastruktura AI wciąż rośnie, kolejne miliardy trafiają do hyperscalerów, projekty są kontynuowane, a wzrost cen sprzętu nadal doskwiera jego detalicznym odbiorcom. To sugeruje, że mamy do czynienia z innym mechanizmem niż w przypadku dot-comów ćwierć wieku temu.

Warto zatrzymać się na chwilę przy samej dynamice tej zmiany. Pół roku to w normalnych warunkach zbyt krótki okres, aby mówić o redefinicji całego rynku. Tymczasem w przypadku AI widać, że zmienia się nie tylko ton publikacji, ale i język opisu zjawiska. Pojęcia takie jak „korekta” czy „reset” ustępują miejsca terminom „bańka”, „przegrzanie”, „nadmiar inwestycji”. To sygnał, że rynek zaczyna internalizować ryzyko, które wcześniej próbował marginalizować.

Jest też jeszcze jedna warstwa problemu: rozjazd między tempem inwestycji a tempem monetyzacji. Budowa centrów danych, rozwój modeli oraz skalowanie infrastruktury postępują szybciej niż zdolność firm do generowania realnej wartości biznesowej z AI. To napięcie było obecne już wcześniej, ale dopiero teraz zaczyna być nazywane wprost. I to właśnie ono może w dłuższym horyzoncie okazać się ważniejsze niż same wyceny.

Nie bez znaczenia jest także rola dużych graczy – hyperscalerów i dostawców infrastruktury. To oni w dużej mierze kształtują tempo inwestycji, a dzięki swojej skali i dywersyfikacji przychodów amortyzują ryzyko. W efekcie rynek nie reaguje gwałtownie, bo jego fundamentem są podmioty zdolne utrzymać ciężar tej transformacji. To kolejny powód, dla którego scenariusz nagłego pęknięcia bańki wydaje się mało prawdopodobny.

Metryki sukcesu sztucznej inteligencji są dziś skrajnie nierówne. Z jednej strony są przedsiębiorstwa, które realnie zwiększają przychody, optymalizują koszty i skracają czas wprowadzenia nowych produktów na rynek. Traktują AI jako fundament operacyjny i integrują ją z kluczowymi systemami – od CRM po łańcuch dostaw. Z drugiej nie brakuje firm pozostających na etapie pilotaży i projektów proof-of-concept, które konsumują AI punktowo, często na poziomie narzędziowym i marketingowym. W tym sensie sztuczna inteligencja zaczyna działać jak filtr kompetencyjny. Różnica między nimi szybko przestaje być kosmetyczna, a zaczyna wpływać na produktywność i marże. Nie chodzi już o dostęp do modeli czy narzędzi – te są powszechne. Kluczowa staje się zdolność ich wdrożenia w procesach biznesowych: jakość danych, integracja z systemami, governance, zarządzanie ryzykiem. To właśnie tutaj powstają największe różnice, i to one będą decydować o pozycji rynkowej firm w najbliższych latach.

Dla dostawców IT oznacza to istotną zmianę modelu działania. Sprzedaż AI jako „funkcji” przestaje wystarczać. Klienci oczekują mierzalnego wpływu na biznes, co wymusza głębsze wejście w ich środowisko – architekturę, dane, procesy. To z kolei oznacza dłuższe cykle sprzedaży i większą odpowiedzialność po stronie dostawców. Równolegle rośnie presja kosztowa. Infrastruktura AI jest droga, a projekty bez szybkiego zwrotu stają się pierwszym kandydatem do cięć. To dodatkowo wzmacnia proces polaryzacji rynku: przetrwają tylko te wdrożenia, które zostały dobrze zaprojektowane i mają jasne uzasadnienie biznesowe.

Jeśli zestawić to z ewolucją narracji widoczną w publikacjach „Forbesa”, wniosek jest dość jednoznaczny. Nie obserwujemy klasycznego cyklu „hype – pęknięcie bańki – stabilizacja”, ale przejście od entuzjazmu do selektywności. Od wzrostu bazującego na obietnicy do wzrostu bazującego na dowodach. Dlatego pytanie o to, czy bańka AI pęknie, przestaje być najważniejsze. Znacznie istotniejsze jest inne: kto znajdzie się po właściwej stronie rynku, gdy proces tej selekcji się zakończy. Bo wszystko wskazuje na to, że on już trwa, a medialna narracja dopiero zaczyna za nim nadążać.