Czego potrzeba, by skutecznie wdrożyć AI? Wnioski z Gartner Data & Analytics Summit 2026 w Londynie

Tegoroczny Gartner Data & Analytics Summit zgromadził w londyńskim ExCeL liderów danych i AI z całej Europy. Zespół Sii Polska reprezentowali Marcin Mosiołek, AI Offering Lead, i Małgorzata Wodzisławska, Data & Analytics Director. Wracają z jednym wnioskiem: era AI „na próbę” się skończyła, a o przewadze decyduje to, kto i w jaki sposób faktycznie wprowadzi AI w swojej organizacji.

Cztery na pięć firm zwiększyło w ostatnim roku inwestycje w AI, ale tylko jedna na pięć potrafi pokazać konkretny zwrot. Pytanie „czy inwestować w AI” zniknęło z agendy – w jego miejsce wszedł znacznie trudniejszy temat: jak inwestować, żeby nie wyrzucić pieniędzy w błoto.

Liderzy zamiast obserwatorów 

Podczas konferencji w Londynie wracał jeden wątek: kto naprawdę prowadzi transformację AI w organizacji. Gartner pokazywał, że firmy, które traktują AI jako element strategii biznesowej, a nie kolejny projekt IT, dowożą zauważalnie lepsze rezultaty.

Jeśli nie poprowadzisz AI, AI poprowadzi ciebie. Pracownicy w Twojej firmie i tak już używają narzędzi AI, lub próbują je budować. Od liderów zależy, czy będzie się to działo w sposób kontrolowany i bezpieczny – mówi Marcin Mosiołek, AI Offering Lead w Sii Polska.

Z każdej sesji strategicznej w Londynie wybrzmiewało to samo. Liderzy data & analytics przestają być właścicielami danych w sensie technicznym – stają się architektami decyzji. Odpowiadają nie za dane, tylko za to, jak firma podejmuje decyzje w świecie napędzanym modelami.

Bez ludzi AI nie ma sensu 

Druga rzecz, która padała w Londynie niemal w każdej sesji – największą barierą skalowania AI nie są dziś modele ani infrastruktura, tylko zespoły. Wdrożenia, którym nie towarzyszy praca nad kompetencjami i zmiana sposobu podejmowania decyzji, najczęściej kończą się jako kosztowne eksperymenty bez kontynuacji.

Inwestowanie w AI bez inwestowania w ludzi to wyrzucanie pieniędzy w błoto. Modele zrobią dokładnie tyle, ile pozwolą im nasi pracownicy – ich kompetencje, nawyki i zaufanie do technologii – kontynuuje Marcin Mosiołek, AI Offering Lead w Sii Polska.

To zbiega się z codzienną praktyką Sii przy projektach w sektorze finansowym, energetycznym i produkcyjnym. Firmy, które od początku traktują adopcję AI jak program zmiany kompetencyjnej, a nie wymianę narzędzi, dowożą rezultaty wyraźnie szybciej.

Naturalna niewiedza i obawa przed sztuczną inteligencją 

Drugi dzień konferencji zdominował obszar governance – w szczególności w odniesieniu do danych nieustrukturyzowanych. Wniosek był prosty: bez uporządkowanej wiedzy o własnych procesach AI nie ma podstaw, na czym pracować.

Zanim zajmiemy się sztuczną inteligencją, musimy zająć się naturalną niewiedzą. Brak zrozumienia własnych procesów, danych i celów strategicznych jest dziś większym ryzykiem niż jakiekolwiek ograniczenie modeli – mówi Małgorzata Wodzisławska, Data & Analytics Director w Sii Polska.

Dojrzałe organizacje wracają więc do fundamentów – katalogów danych, jakości informacji, mapowania procesów i wspólnego języka biznesu z IT. Dopiero na takim fundamencie AI zaczyna przynosić wartość, którą da się zmierzyć.

Przyszłość analityki: AI czy BI? 

Jedna z najbardziej inspirujących i skłaniających do refleksji dyskusji podczas konferencji Gartner Data & Analytics Summit 2026 dotyczyła przyszłości relacji pomiędzy sztuczną inteligencją (AI) a Business Intelligence (BI). Kluczowy wniosek był jasny: AI prawdopodobnie nie zastąpi BI, zamiast tego oba obszary będą się coraz bardziej przenikać i wzajemnie uzupełniać.

AI zmienia sposób, w jaki użytkownicy korzystają z danych, jednak spójność semantyczna, śledzenie pochodzenia danych (data lineage) oraz jedno źródło prawdy pozostają absolutnie niezbędne. Przyszłość należy do organizacji, które potrafią połączyć innowacje napędzane przez AI z solidnymi fundamentami wiarygodnych danych – mówi dalej Małgorzata Wodzisławska, Data & Analytics Director, Sii Polska.

Gartner wskazał również na rozwijającą się koncepcję Agentic Analytics, która łączy zdolności AI do wnioskowania i automatyzacji z mechanizmami ładu danych i kontroli charakterystycznymi dla Business Intelligence. Takie podejście pozwala organizacjom osiągnąć zarówno większą zwinność, jak i zaufanie do podejmowanych decyzji.

AI i zwolnienia – mit kontra liczby 

Wśród liczb cytowanych w Londynie była też ta, która zderza medialny obraz AI z twardymi danymi rynku pracy. Narracja o „AI, które masowo zabiera ludziom pracę”, znacząco wyprzedza fakty.

Dla liderów D&A oznacza to dwie konkretne rzeczy: transparentną komunikację wewnętrzną i budowanie zespołów hybrydowych, w których ludzie i modele uzupełniają się w konkretnych procesach decyzyjnych.

• 
  
  
• 
  
  

• 
  
  
• 
  
  

Lekcje z Londynu 

Z trzech dni w ExCeL nasz zespół wyniósł kilka prostych zasad:

• Zacznij od strategii i decyzji, nie od narzędzi.
• Traktuj AI jako program rozwoju ludzi.
• Uporządkuj dane i procesy, zanim sięgniesz po zaawansowane modele.
• Rozmawiaj w organizacji otwarcie o tym, co AI faktycznie zmienia – a co nie.

W ramach AI oraz Data & Analytics Competency Center, Sii Polska wspiera klientów w obszarze strategii AI, zarządzania danymi, rozwoju rozwiązań machine learning i odpowiedzialnym wdrożeniu sztucznej inteligencji.