Tu możesz zapoznać się z raportem.
95 procent. To nie jest literówka. To nie jest „early stage”. To nie jest „learning curve”. To jest masowy cmentarz wdrożeń. Raport MIT / Project NANDA nazywa to elegancko „GenAI Divide”, jakby chodziło o jakąś subtelną różnicę kulturową albo technologiczny niuans. W praktyce to rów oddzielający kilka procent firm, które wyciągają z AI realne pieniądze, od całej reszty, która ma demo, pilota, deck, keynote prezesa i zero wpływu na P&L . Zero. Nie „mało”. Zero. A często minus, bo koszt energii, ludzi, integracji, vendorów i wewnętrznych wojen politycznych przewyższa jakąkolwiek „produktywność”.
I teraz najlepsze: adopcja jest ogromna. Wszyscy „używają AI”. 80% testowało. 40% „wdrożyło”. LinkedIn pełen postów o tym, że „AI zmieniło wszystko”. A raport mówi: siedem z dziewięciu sektorów gospodarki – NIC. Brak strukturalnej zmiany. Brak nowego modelu biznesowego. Brak realnej przewagi. Dwa sektory – tech i media – coś tam ruszyły. Reszta? Automatyzują dokumenty, streszczają maile, robią transkrypcje. Czyli dokładnie to samo, co robił Excel w latach 90., tylko drożej i z większą liczbą buzzwordów.
To jest pierwsza iluzja: mylenie aktywności z transformacją. To, że ktoś codziennie używa ChatGPT, nie znaczy, że firma zarabia więcej. To, że dział sprzedaży ma „AI-generated follow-up”, nie znaczy, że zamyka więcej kontraktów. To, że HR ma bota, nie znaczy, że rotacja spadła. Raport jest w tym brutalnie uczciwy: narzędzia ogólne poprawiają komfort jednostki, nie wynik firmy. Są jak lepszy długopis. Fajnie się pisze, ale powieść dalej musisz napisać sam.
Druga iluzja to „pilotaż”. Pilotaż stał się alibi. Nowym „zobaczymy w przyszłym kwartale”. 60% firm oceniło enterprise’owe narzędzia AI. 20% odpaliło pilota. 5% dowiozło to do produkcji. Pięć. Reszta ugrzęzła. Dlaczego? Bo systemy są kruche, głupie kontekstowo, nie uczą się i nie pasują do realnych procesów. Czyli dokładnie odwrotnie niż obiecywał pitch deck. CIO w raporcie mówi wprost: „większość to wrapy albo science projects” . Czytaj: demo działa, życie nie.
I tu pojawia się paradoks, który boli najbardziej: ci sami ludzie, którzy sceptycznie patrzą na firmowe AI, prywatnie używają ChatGPT kilka razy dziennie. To jest tak zwana „shadow AI economy”. Oficjalnie firma kupiła licencję – 40%. Nieoficjalnie? 90% pracowników używa własnych narzędzi. Codziennie. Bez zgody IT. Bez polityki bezpieczeństwa. Bez integracji. I… z realnym ROI dla siebie. Bo prywatne narzędzie jest szybsze, bardziej elastyczne, „rozmawia”, nie udaje workflow engine’a. To jest policzek dla wszystkich działów innowacji. Ludzie już zagłosowali nogami. I portfelem (20 dolarów miesięcznie).
Dlaczego więc firmy przegrywają? Raport nazywa to „learning gap”. Ja bym to nazwał po ludzku: AI, które nie pamięta, jest głupie. Możesz mieć najlepszy model świata, ale jeśli za każdym razem muszę mu tłumaczyć kontekst od zera, jeśli powtarza te same błędy, jeśli nie uczy się mojego stylu, moich klientów, moich wyjątków – to nie jest system. To jest zabawka. I dlatego do maila OK, do burzy mózgów OK, do rzeczy krytycznych – nie. 9 na 10 osób woli wtedy człowieka . Nie dlatego, że AI jest „za słabe”. Dlatego, że jest amnezyjne.
Trzecia iluzja to wiara, że problemem są regulacje, dane, prawo, jakość modelu. Nie. Raport jest tu bezlitosny: to nie jest główny hamulec. Hamulcem jest brak uczenia się w czasie, brak dopasowania do procesu i fatalny UX narzędzi enterprise. Ludzie wiedzą, jak wygląda dobre AI – bo mają je w kieszeni. I nie zaakceptują gorszego tylko dlatego, że ma logo firmy i przeszło przez procurement.
Czwarta iluzja: „zbudujemy sami”. Internal build. Własny zespół. Pełna kontrola. Duma CTO. I dwa razy większa szansa porażki. Dane są jasne: partnerstwa zewnętrzne mają ~67% sukcesu, build in-house ~33% . Dlaczego? Bo firmy nie są software house’ami. Bo uczą się wolniej. Bo polityka zabija iterację. Bo system musi działać, a nie być „technologicznie elegancki”.
Piąta iluzja to alokacja budżetu. 50–70% pieniędzy idzie w sprzedaż i marketing, bo tam łatwo coś pokazać: leady, open rate’y, demka. A największe ROI siedzi w back-office: finanse, procurement, operacje. Tam, gdzie można wyciąć BPO, agencje, outsourcerów. Tam są miliony. Ale nie da się o tym zrobić seksownego posta. Więc nikt nie chce być sponsorem.
Efekt końcowy jest taki: firmy nie tyle „wdrażają AI”, co symulują wdrażanie AI. Mają slajdy, komunikaty prasowe, szkolenia, a pod spodem dalej ręczna robota, dalej excelem, dalej ludzie gaszą pożary. I tylko rachunek za prąd w data center się zgadza.
Raport mówi jeszcze jedną ważną rzecz, którą wielu ignoruje: AI (na razie) nie zabiera masowo etatów. Zabiera kontrakty zewnętrzne. Call center, agencje, BPO. 2–10 milionów dolarów rocznie oszczędności – tam, gdzie ktoś miał umowę z firmą trzecią . To nie jest rewolucja społeczna. To jest cicha optymalizacja kosztów. Bez manifestów. Bez protestów. Bez wpisów na LinkedInie.
I na końcu – najciemniejsza część raportu, o której mało kto chce mówić: okno się zamyka. Firmy, które teraz wybiorą systemy uczące się, z pamięcią, z agentami, z integracją, zbudują koszt przełączenia, którego nie da się łatwo odkręcić. Kto zostanie po złej stronie „divide”, będzie miał potem tylko drożej i trudniej. To nie jest hype-cycle. To jest moment selekcji.
Podsumowując brutalnie: 95% wdrożeń AI to kosztowna pantomima. Te firmy nie są „na początku drogi”. One stoją w miejscu, tylko szybciej machają rękami. Prawdziwa różnica nie leży w modelu, tylko w tym, czy system pamięta, uczy się i żyje w procesie, a nie w prezentacji. Reszta to marketing, coping i posty pisane przez AI o tym, jak AI zmienia świat.
A jak jest na LinkedInie?
Jeśli pierwsza część była o tym, że 95% wdrożeń AI nie działa, to ta jest o tym, dlaczego właśnie LinkedIn i sprzedaż są idealnym środowiskiem do marnowania AI w skali przemysłowej. I dlaczego jednocześnie – paradoksalnie – to jedno z niewielu miejsc, gdzie AI może realnie zarabiać pieniądze. Ale tylko jeśli przestaniesz ją traktować jak magiczny generator tekstu, a zaczniesz jak brudne, nudne narzędzie do egzekucji relacji.
Zacznijmy od faktu, który wszyscy czują, ale mało kto nazwie: LinkedIn jest cmentarzem intencji. Ludzie nie są tam po to, żeby budować relacje. Są tam, żeby wyglądać jakby je budowali. Posty o „wartości”, karuzele o „insightach”, DM-y zaczynające się od „Hej {{imię}}, widziałem Twój profil” – wszystko to jest symulacją ruchu. AI wchodzi w ten świat jak benzyna dolana do ognia pozorów. I większość ludzi używa jej dokładnie tak, jak używałaby drukarki do masowego drukowania ulotek, które i tak trafią do kosza.
Bo zobacz, co się faktycznie dzieje. Sprzedawca słyszy: „AI pomoże Ci w prospectingu”. Co robi? Generuje 200 wiadomości. Personalizowanych „na imię i firmę”. Wysyła. Odpowiedzi spadają. Winny? Algorytm. Rynek. Klient. „LinkedIn umiera”. Nie, nie umiera. Umiera tylko złudzenie, że relacja to tekst. A AI bez pamięci, bez kontekstu i bez intencji tylko przyspiesza to umieranie.
Raport z pierwszej części mówi jasno: AI wygrywa w prostych, krótkich zadaniach, przegrywa w długich, relacyjnych procesach, jeśli nie ma pamięci i uczenia się. A sprzedaż i networking to nic innego jak proces długiego napięcia. Historia kontaktu. Sekwencja mikrointerakcji. Czas. Milczenie. Powrót. Kontekst. Jeśli AI nie pamięta, że z kimś rozmawiałeś pół roku temu na evencie, jeśli nie wie, że ten człowiek zmienił firmę, jeśli nie łączy wątków – to automatyzuje tylko hałas.
I tu dochodzimy do największego nieporozumienia: ludzie pytają „do czego używać AI w sprzedaży?”, zamiast zapytać „czego nie powinienem delegować AI?”. Bo prawda jest brutalna: AI nie powinna pisać za Ciebie pierwszej wiadomości. Nie powinna „budować relacji”. Nie powinna „być Tobą”. To jest dokładnie ten sam błąd, który firmy popełniają w enterprise – mylą generowanie tekstu z generowaniem wartości.
AI w networkingu jest dobra w tym, w czym ludzie są fatalni: pamięć, systematyczność, analiza, follow-up bez emocji. I to jest ta różnica, która oddziela sensowne użycie od spamowej apokalipsy.
Weźmy wizytówki. Najbardziej pogardzana rzecz świata networkingowego. Wszyscy mówią, że „to przeżytek”, po czym wracają do biura z kieszenią pełną kartoników i… nic się z nimi nie dzieje. AI tu nie ma pisać poezji. AI ma zeskanować wizytówkę, rozpoznać dane, przypisać kontekst spotkania, dodać tag (event, branża, temat rozmowy), połączyć z LinkedInem i ustawić przypomnienie follow-upu. Zero magii. Zero „insightów”. Czysta higiena relacji. 90% ludzi tego nie robi. 10% robi – i zgarnia większość efektów.
Albo e-maile i SMS-y „miło było poznać”. Wszyscy wiedzą, że „warto wysłać”. Prawie nikt nie wysyła. Dlaczego? Bo to nudne. Bo trzeba pamiętać. Bo trzeba się zmusić. AI nie ma tu „sprzedawać”. Ma dopilnować, żeby kontakt nie umarł w ciągu 48 godzin. Krótka wiadomość. Bez pitcha. Bez call to action. Z referencją do rozmowy. I zapisaniem faktu, że to się wydarzyło. To jest realny leverage. Nie post viralowy.
Dalej: analiza tekstu. I tu znowu – nie „napisz lepiej”. To jest myślenie początkującego. Lepsze pytanie brzmi: dlaczego ten tekst nie działa? AI potrafi rozebrać Twoją wiadomość na czynniki pierwsze: gdzie jest napięcie, gdzie jest pusty frazes, gdzie jest ego, gdzie jest strach przed odrzuceniem zamaskowany jako „uprzejmość”. To jest psychologia, nie copywriting. I to jest miejsce, gdzie AI może być brutalnie szczera, bo nie zależy jej na Twoim samopoczuciu.
LinkedIn jest też idealnym przykładem „shadow AI economy”. Oficjalnie firmy mówią, że „nie wolno używać AI do kontaktu z klientem”. Nieoficjalnie handlowcy analizują profile, streszczają wątki, sprawdzają historię postów, mapują sieci kontaktów. Dlaczego? Bo AI daje przewagę temu, kto rozumie, że sprzedaż to system, nie talent. I znowu – nie wygrywa ten, kto pisze najładniej. Wygrywa ten, kto najmniej zapomina.
Najciemniejsza strona LinkedIna jest taka, że to platforma nagradzająca pozór pracy relacyjnej. AI idealnie się w to wpisuje: możesz „produkować obecność” bez realnego kontaktu. Codzienny post. Codzienny komentarz. Codzienny DM. A potem zdziwienie, że pipeline pusty. Raport z pierwszej części mówi: 95% wdrożeń AI nie ma wpływu na P&L. LinkedIn jest miejscem, gdzie to zdanie staje się wręcz metafizycznie prawdziwe. Tu AI najłatwiej spalić na rytuały bez konsekwencji.
Ale jest też druga strona. Ta, o której mało kto mówi, bo nie wygląda sexy. AI jako CRM pamięci relacyjnej. Ktoś zmienił pracę – AI wie. Ktoś skomentował Twój post po trzech miesiącach ciszy – AI widzi wzorzec. Ktoś zawsze odpowiada po 10 dniach – AI nie panikuje. Człowiek panikuje. AI jest cierpliwa. A sprzedaż to gra cierpliwych.
I tu dochodzimy do najważniejszego punktu, który łączy raport MIT z LinkedInem: AI nie zastępuje relacji. Ona obnaża ich brak. Jeśli Twoja sprzedaż opiera się na masowym wysyłaniu wiadomości, AI tylko przyspieszy moment, w którym rynek Cię odrzuci. Jeśli Twoja sprzedaż opiera się na długiej grze, pamięci, kontekście i dyscyplinie – AI stanie się dźwignią.
Dlatego 95% ludzi na LinkedInie będzie używać AI źle. Będą generować treści, które wyglądają jak treści. Wiadomości, które wyglądają jak rozmowy. Relacje, które są tylko śladem aktywności. A 5% użyje AI jak brudnego narzędzia: do pamiętania, przypominania, porządkowania, analizowania, wyciągania wniosków z ciszy. Bez romantyzmu.
I dokładnie tak jak w raporcie: zwycięzcy nie budują „wielkich systemów”. Budują małe przewagi w konkretnych momentach procesu. Jedno przypomnienie więcej. Jeden follow-up mniej nachalny. Jedna analiza, która każe nie pisać, tylko poczekać. AI, która mówi: „teraz cisza jest lepsza niż wiadomość”. Człowiek tego nie lubi. Człowiek chce działać. AI nie ma ego.
Podsumowując drugą część bez klamry i bez morału: LinkedIn nie potrzebuje więcej AI. Potrzebuje mniej iluzji. AI w networkingu i sprzedaży nie jest przyszłością. Jest testem trzeźwości. Kto go obleje, będzie głośniejszy i biedniejszy. Kto go zda, nie będzie o tym pisał postów. Będzie miał kalendarz pełen rozmów, które zaczęły się dawno temu i nigdy nie umarły.
