Dlaczego projekty Agentic AI nie osiągają rezultatów i jak Sii pomaga to zmienić

Agentic AI szybko staje się jednym z najważniejszych kierunków inwestycji przedsiębiorstw. Wartość globalnego rynku agentów AI ma wzrosnąć z około 7,8 mld dolarów w 2025 roku do ponad 52 mld dolarów w 2030 roku. Jednocześnie analitycy przewidują, że ponad 40% projektów Agentic AI zostanie anulowanych, zanim przyniosą oczekiwane efekty biznesowe. Zdaniem ekspertów Sii o sukcesie nie decyduje sam model AI, lecz sposób zaprojektowania całego rozwiązania.

– Branża poświęca ogromną uwagę porównywaniu modeli językowych, ale w środowisku produkcyjnym rzadko to one decydują o powodzeniu projektu. Najważniejsze jest wszystko to, co znajduje się wokół modelu: właściwy dobór procesu biznesowego, integracja z systemami przedsiębiorstwa, odpowiedni poziom bezpieczeństwa oraz rozwiązania, którym użytkownicy rzeczywiście ufają i chcą z nich korzystać – mówi Marcin Mosiołek, Head of AI Competency Center w Sii Polska.

Dlaczego wdrożenia Agentic AI są tak wymagające?

Z doświadczeń ekspertów Sii, zdobytych podczas realizacji projektów AI dla klientów z różnych branż, wynika, że organizacje napotykają podobne wyzwania podczas przechodzenia od pilotaży do wdrożeń produkcyjnych.

Pierwszym z nich jest wybór niewłaściwego przypadku użycia. Nie każdy proces biznesowy wymaga autonomicznego agenta AI. W wielu sytuacjach prostsza automatyzacja lub klasyczne reguły biznesowe okazują się bardziej efektywne. Największą wartość przynoszą rozwiązania wdrażane tam, gdzie AI może wspierać złożone procesy decyzyjne i koordynować działania między wieloma systemami.

Drugim wyzwaniem jest udowodnienie wartości biznesowej. Rozwiązania AI często imponują podczas demonstracji, jednak środowisko produkcyjne wymaga stałego monitorowania działania systemu, oceny jego skuteczności oraz mierzalnych wskaźników efektywności. Bez nich trudno jednoznacznie ocenić, czy agent AI rzeczywiście realizuje założone cele biznesowe.

Trzecim elementem jest czynnik ludzki. Nawet najlepiej zaprojektowane rozwiązanie nie przyniesie oczekiwanych rezultatów, jeśli użytkownicy nie rozumieją sposobu jego działania, nie potrafią zweryfikować jego decyzji lub po prostu nie chcą z niego korzystać.

Kompleksowe podejście do Agentic AI

Aby pomóc organizacjom wyjść poza etap pojedynczych pilotaży, Sii rozwija kompleksową ofertę Agentic AI, której celem jest tworzenie gotowych do pracy w środowisku produkcyjnym rozwiązań dla przedsiębiorstw, a nie jedynie pojedynczych asystentów AI.

– Zbyt wiele organizacji nadal traktuje Agentic AI jako serię odrębnych projektów. My postrzegamy je jako kompetencję, którą można rozwijać w całej organizacji. Łącząc doradztwo biznesowe, inżynierię AI, integrację systemów, bezpieczeństwo, oraz zarządzanie zmianą, pomagamy klientom zbudować fundament, na którym można oprzeć nie tylko jednego agenta, ale wszystkie kolejne inicjatywy AI – mówi Łukasz Biegański, AI Strategist w Sii Polska.

Takie podejście pozwala organizacjom szybciej skalować wykorzystanie AI, skrócić czas wdrażania kolejnych rozwiązań oraz budować je na sprawdzonej infrastrukturze zamiast rozpoczynać każdy projekt od podstaw.

Przykłady skutecznych wdrożeń agentów AI

Sii zrealizowało już wiele projektów z zakresu Agentic AI, które pokazują, jak odpowiednio zaprojektowane rozwiązania przekładają się na konkretne rezultaty biznesowe.

Dla globalnej firmy z sektora produkcyjnego powstał agent wspierający obsługę zgłoszeń serwisowych, zintegrowany z platformami ServiceNow i Microsoft Teams. Rozwiązanie pozwoliło obniżyć koszty działania service desku o 70% i jednocześnie zwiększyć jego wydajność o 30%, bez konieczności zmiany sposobu pracy użytkowników.

W sektorze prawnym i compliance, zespół Sii wdrożył rozwiązanie automatyzujące analizę dokumentów oraz zgodności regulacyjnej. System samodzielnie identyfikuje 94% potencjalnych naruszeń, pozostawiając ekspertom jedynie najbardziej złożone przypadki wymagające oceny człowieka.

Z kolei dla producenta z branży półprzewodników, Sii opracowało diagnostycznego agenta AI działającego bezpośrednio na urządzeniach brzegowych (edge). Projekt pokazuje, że skuteczność rozwiązań AI nie zależy wyłącznie od wykorzystania największych modeli językowych, lecz przede wszystkim od właściwego dopasowania architektury do konkretnego środowiska biznesowego.

Choć wszystkie te projekty odpowiadały na różne potrzeby biznesowe, łączy je jedno – AI zostało zintegrowane z istniejącymi systemami przedsiębiorstwa, dzięki czemu działa w jasno określonych ramach bezpieczeństwa i wspiera pracowników zamiast ich zastępować.

Budowanie kompetencji AI, a nie pojedynczych projektów

Wraz z rozwojem strategii AI organizacje coraz częściej dostrzegają, że skuteczne wdrożenie Agentic AI wymaga czegoś więcej niż stworzenia pojedynczego agenta. Raz zbudowane mechanizmy integracji, bezpieczeństwa, monitorowania i zarządzania mogą stać się wspólnym fundamentem dla kolejnych rozwiązań AI.

Dzięki temu firmy nie muszą realizować każdego projektu od zera. Mogą wykorzystywać istniejącą platformę do szybszego wdrażania nowych przypadków użycia przy jednoczesnym zachowaniu spójnych standardów bezpieczeństwa i zgodności.

Zdaniem ekspertów Sii właśnie w tym kierunku będzie rozwijać się rynek – począwszy od pojedynczych eksperymentów, będzie dążyć do tworzenia skalowalnych ekosystemów AI, które będą wspierać działalność całych organizacji.

– Agentic AI osiągnęło etap, na którym sama technologia przestała być największym wyzwaniem. O sukcesie projektów coraz częściej decydują właściwy wybór procesu biznesowego, integracja z istniejącymi systemami oraz zaufanie użytkowników do nowych rozwiązań. To właśnie tam powstaje wartość biznesowa – podsumowuje Marcin Mosiołek.