Globalny wyścig technologiczny przyspieszył. Unia Europejska oraz poszczególne państwa członkowskie podejmują intensywne działania, by zmniejszyć dystans do największych graczy, przede wszystkim USA i Chin. Jednocześnie roś nie liczba krajów i regionów aspirujących do znaczącej roli w rozwoju sztucznej inteligencji. Jasne stało się, że AI nie jest już eksperymentem; to siła, która w najbliższych latach przeformuje modele biznesowe, struktury sekto rowe i codzienne życie obywateli. Pytanie nie brzmi już „czy?”, lecz „jak szybko i w jaki sposób” transformacja ta się zrealizuje.
Głównym celem naszych prac była promocja rzetelnej wiedzy o możliwościach i ryzykach związanych z AI oraz wskazanie praktycznych rozwiązań dla zarządów i decydentów w Polsce. Potrzeba podniesienia kompetencji cyfrowych w czołowych strukturach zarządzających ma charakter strategiczny. Nie po to wyłącznie, by kreować trendy, lecz by harmonijnie uczestniczyć w rynku, chronić pozycję konkurencyjną i sprostać zmieniającym się oczekiwaniom klientów, w tym generacji już wychowanej w środowisku cyfrowym.
W Polsce istnieje grupa CEO i zarządów aktyw nie inwestujących w swoją wiedzę technologiczną: uczestniczą w programach edukacyjnych, współpracują z ośrodkami badawczymi i otwierają organizacje na eksperymenty technologiczne. To pozytywny sygnał, lecz doświadczenie pokazuje, że sama świadomość nie wystarczy. Kluczowe stanie się budowanie trwałych kompetencji wewnątrz organizacji oraz kształtowanie kultury decyzji opartych na danych.
CZYTAJ: TOP 50 dostawców AI w Polsce – kto tworzy przyszłość biznesu
CZYTAJ TEŻ: TYLKO U NAS. Jemielniak: „Potencjał jest, niestety nie ma dużej woli politycznej, żeby ruszać się odważnie”
W trakcie obrad Rady Ekspertów powróciła i pogłębiona została dyskusja o naturze innowacyjności w AI i o tym, jak ją mierzyć. Spór merytoryczny okazał się pożyteczny – doprowadził do zidentyfikowania mniej oczywistych, niemierzalnych kategorii wpływu: zdolności zespołów do wdrażania, jakości współpracy międzysektorowej, dostępności danych czy skali adaptacji rozwiązań w realnych procesach operacyjnych. Rada postawiła na holistyczne podejście przy ocenie innowatorów. Doceniamy zarówno wyraźne wyniki biznesowe, jak i czynniki miękkie, które warunkują trwałą przewagę konkurencyjną.
Proces kwalifikacji firm do raportu był przedmiotem intensywnych debat. Kryteria ewoluowały – od oceny stopnia dojrzałości technologicznej, przez wpływ ekonomiczny, po zdolność do utrzymania i skalowania rozwiązań. Finalny wybór opierał się na kombinacji wskaźników ilościowych i jakościowych; decyzja miała na celu wskazanie innowatorów, promotorów i praktyków, którzy realnie kształtują ekosystem AI w Polsce.
Raport pozostaje pionierskim opracowaniem na polskim rynku. Dlatego przy II i III edycji szczególny nacisk położono na weryfikację merytoryczną, transparentność metodologii i praktyczne rekomendacje dla biznesu oraz administracji publicznej. Wnioski płynące z prac Rady Ekspertów potwierdzają, że rozwój AI w Polsce nie jest jedynie przenoszeniem rozwiązań z zagranicy: konieczne jest tworzenie lokalnego ekosystemu innowacji – od edukacji i badań, przez finansowanie, po warunki regulacyjne sprzyjające wdrożeniom.
Współpraca nauki z biznesem pozostaje wyzwaniem i priorytetem. Zacieśnianie relacji między uczelniami, instytutami badawczymi i przedsiębiorstwami jest konieczne, by wykorzystać potencjał polskich inżynierów i badaczy oraz by przyspieszyć komercjalizację rozwiązań. Lokalne talenty i doświadczenie inżynierskie mogą być naszą wyróżniającą cechą na międzynarodowej scenie, pod warunkiem że powstaną sprzyjające warunki dla transferu technologii i skalowania biznesu.
Z poprzedniej edycji wynikało, iż polskie firmy najczęściej wykorzystują AI do optymalizacji wewnętrznych procesów: automatyzacji obsługi klienta, zwiększania efektywności marketingu i poprawy procesów operacyjnych. Trend ten nie tylko się utrzymał, ale przyspieszył. Wiele przedsiębiorstw przechodzi od projektów pilotażowych do stałych produktów i usług opartych na AI. Sektor technologiczny nadal prowadzi, ale dynamiczne zastosowania pojawiają się także w finansach, zdrowiu, logistyce i przemyśle
Członkowie Rady Ekspertów dostrzegają stopniową zmianę percepcji inwestycji w AI: z kosztu R&D w kierunku inwestycji przynoszącej wymierne rezultaty biznesowe. Coraz więcej liderów widzi konkretny zwrot z wdrożeń – w postaci efektywności operacyjnej, lepszego doświadczenia klienta i nowego źródła przychodów. Generatywna AI, automatyzacja decyzji oraz rozwiązania hybrydowe (człowiek + AI) będą napędzać dalszą komercjalizację technologii.
Rada Programowa proponuje rozważyć podniesione przez radę następujące kwestie i obszary, które powinny stać się tematami publicznej debaty i pilnego działania.
WNIOSKI RADY EKSPERTÓW RAPORTU TOP AI DRIVEN COMPANIES IN CEE 2025
- WSPÓŁPRACA DUŻYCH PODMIOTÓW ZE STARTUPAMI
Zacieśnienie współpracy między dużymi firmami (korporacjami, instytucjami publicznymi) a startupami AI.
Uzasadnienie: Startupy często dysponują unikalnym IP, świeżym podejściem i wysoką dynamiką rozwoju, ale brakuje im skali i dostępu do rynku. Duże podmioty mogą zapewnić infrastrukturę, dane, kanały dystrybucji i stabilność finansową. Współpraca umożliwia szybsze wdrażanie innowacji i budowanie ekosystemu AI opartego na komplementarności kompetencji. Przykłady z dyskusji: startupy z obszaru robotyki, edukacji, obronności, które mają potencjał, ale potrzebują partnerów do skalowania.
2. KWESTIA WYDATKÓW R&D
Zwiększenie i lepsze ukierunkowanie wydatków na badania i rozwój w obszarze AI.
Uzasadnienie: Wiele spółek rozwija własne algorytmy i modele, ale brakuje systemowego wsparcia dla R&D, szczególnie w niszowych obszarach (np. hardware AI, satelity, obronność). Wysokie koszty trenowania modeli, brak danych treningowych i potrzeba specjalistycznych zespołów
wymagają stabilnego finansowania. R&D powinno być traktowane jako inwestycja strategiczna, nie tylko koszt operacyjny. Wskazano na potrzebę docenienia spółek, które prowadzą własny research, nawet jeśli nie są jeszcze w pełni skalowalne.
3. FINANSOWANIE INNOWACJI
Usprawnienie mechanizmów finansowania innowacyjnych projektów AI, szczególnie na wczesnym etapie.
Uzasadnienie: W dyskusji pojawiła się propozycja stworzenia listy „spółek do obserwacji” – innowatorów, którzy nie spełniają jeszcze kryteriów rankingowych, ale mają duży
potencjał. Obecne modele finansowania często nie uwzględniają dynamiki rozwoju AI i specyfiki projektów deep tech. Potrzebne są elastyczne instrumenty wsparcia – granty, fundusze VC, zamówienia publiczne – które uwzględniają ryzyko i długoterminowy horyzont zwrotu.
Przykłady: spółki z obszaru edukacji, rozpoznawania obrazu, komunikacji satelitarnej, które tworzą nową wartość, ale są poza głównym nurtem finansowania.
4. SUWERENNE DANE
Budowa i ochrona suwerennych zasobów danych dla rozwoju AI w Polsce.
Uzasadnienie: Dane są kluczowym zasobem dla trenowania modeli AI – ich jakość, dostępność i bezpieczeństwo decydują o przewadze konkurencyjnej. Wskazano na potrzebę rozwoju infrastruktury danych w obszarach strategicznych: edukacja, obronność,
zdrowie, transport. Suwerenność danych oznacza nie tylko ich lokalne przechowywanie, ale także kontrolę nad ich przepływem, wykorzystaniem i komercjalizacją. Przykłady: projekty rozpoznawania obrazu z dronów, analiza gleby i emisji metanu, systemy ochrony przed dronami – wszystkie wymagają dostępu do lokalnych, wysokiej jakości danych