AI w przedsiębiorstwach: Czy 2026 będzie przełomowy?

Od premiery ChatGPT trzy lata temu rynek sztucznej inteligencji przeżywa dynamiczny rozwój. Wzrosły inwestycje w startupy oferujące rozwiązania AI dla przedsiębiorstw, jednak raport MIT z sierpnia ubiegłego roku ujawnił, że aż 95% firm nie odnotowuje znaczącego zwrotu z tych inwestycji.

Kiedy zatem przedsiębiorstwa zaczną odczuwać realne korzyści z AI? Jak wynika z ankiety przeprowadzonej przez TechCrunch wśród 24 funduszy VC, dominującym przekonaniem jest, że rok 2026 przyniesie znaczący wzrost adopcji AI, widoczność wartości biznesowej i zwiększenie budżetów na te technologie. Niemniej jednak to przewidywanie powtarza się od trzech lat, co budzi pytania o jego realność w nadchodzącym czasie.

Trendy kształtujące przyszłość AI

Eksperci przewidują kilka kluczowych trendów na 2026 rok. Kirby Winfield z Ascend podkreśla, że firmy odchodzą od traktowania dużych modeli językowych (LLM) jako panaceum na wszelkie problemy, skupiając się na modelach niestandardowych, strojeniu, ewaluacji i zarządzaniu danymi. Molly Alter z Northzone widzi transformację niektórych firm AI z dostawców produktów w role firm konsultingowych, wykorzystujących zgromadzoną wiedzę do tworzenia nowych zastosowań dla klientów.

Marcie Vu z Greycroft stawia na konwersacyjną AI, podkreślając naturalność głosu jako interfejsu. Alexa von Tobel z Inspired Capital przewiduje, że AI znacząco wpłynie na świat fizyczny – infrastrukturę, produkcję i monitorowanie klimatu, przechodząc od reaktywności do predykcji. Lonne Jaffe z Insight Partners zauważa, że czołowe laboratoria AI mogą zacząć dostarczać kompletne aplikacje bezpośrednio do produkcji w sektorach takich jak finanse, prawo czy opieka zdrowotna, zamiast jedynie szkolić modele.

Tom Henriksson z OpenOcean wskazuje na rosnące „momentum” wokół technologii kwantowych, podkreślając jednak, że znaczące przełomy w oprogramowaniu wymagają jeszcze postępu w sprzęcie.

Kierunki inwestycji

Inwestorzy koncentrują się na kilku obszarach. Emily Zhao ze Salesforce Ventures wymienia AI w świecie fizycznym i dalszy rozwój badań nad modelami. Michael Stewart z M12 koncentruje się na technologiach przyszłych centrów danych, od chłodzenia po obliczenia i sieci. Jonathan Lehr z Work-Bench interesuje się pionowym oprogramowaniem korporacyjnym, szczególnie w branżach regulowanych i złożonych środowiskach operacyjnych, gdzie kluczowe są zastrzeżone procesy i dane.

Aaron Jacobson z NEA zwraca uwagę na energochłonność GPU, poszukując rozwiązań sprzętowych i programowych zwiększających wydajność energetyczną systemów AI, w tym efektywniejszych chipów czy optyki.

Jak budować przewagę konkurencyjną?

Rob Biederman z Asymmetric Capital Partners podkreśla, że „moat” (przewaga konkurencyjna) w AI zależy od osadzenia w procesach przedsiębiorstwa, dostępu do danych oraz kosztów zmiany dostawcy. Jake Flomenberg z Wing Venture Capital jest sceptyczny wobec przewagi bazującej wyłącznie na wydajności modeli, która szybko zanika.

Molly Alter widzi większe możliwości budowania przewagi w kategoriach pionowych, zwłaszcza w oparciu o unikalne dane, gdzie każda interakcja poprawia produkt (tzw. data moats). Harsha Kapre ze Snowflake Ventures wskazuje na zdolność startupów do transformacji istniejących danych przedsiębiorstw w lepsze decyzje i procesy, bez tworzenia nowych silosów informacyjnych.

Wzrost budżetów na AI w 2026?

Eksperci są zgodni co do wzrostu budżetów na AI, ale z zastrzeżeniami. Rajeev Dham ze Sapphire przewiduje, że firmy będą przekierowywać część wydatków na pracę w kierunku technologii AI. Rob Biederman i Gordon Ritter oczekują koncentracji wydatków na produktach AI, które zapewniają klarowne i mierzalne wyniki, jednocześnie ograniczając inwestycje w mniej efektywne rozwiązania. Andrew Ferguson z Databricks Ventures wierzy, że CIO będą walczyć z rozprzestrzenianiem się dostawców AI, konsolidując narzędzia i przekierowując oszczędności na sprawdzone technologie. Ryan Isono z Maverick Ventures spodziewa się przejścia z budżetów eksperymentalnych na zaplanowane pozycje budżetowe, co będzie korzystne dla startupów AI.

Wyzwania dla startupów AI

Dla startupów AI dążących do zdobycia finansowania Serii A w 2026 roku kluczowe będzie połączenie przekonującej narracji o tym, dlaczego teraz (najczęściej w kontekście GenAI), z konkretnym dowodem adopcji przez przedsiębiorstwa. Jake Flomenberg wskazuje na roczne przychody na poziomie 1-2 milionów dolarów jako punkt wyjścia, ale co ważniejsze, produkt musi być misyjnie krytyczny dla klienta, a nie tylko „miły do posiadania”.

Lonne Jaffe radzi skupić się na rynkach, które rozszerzają się wraz ze spadkiem kosztów AI. Michael Stewart zwraca uwagę na znaczenie zaangażowania klientów i ich gotowość do ewaluacji rozwiązań w obliczu wielu opcji. Marell Evans podkreśla znaczenie wykonania, trakcji oraz zdolności do przyciągania talentów.

Rola agentów AI w przedsiębiorstwach

Nnamdi Okike z 645 Ventures uważa, że agenci AI nadal będą w początkowej fazie adopcji ze względu na wyzwania techniczne i zgodnościowe. Rajeev Dham przewiduje jednak, że do końca 2026 roku pojawi się uniwersalny agent, integrujący różne role i konteksty. Antonia Dean z Black Operator Ventures podkreśla potrzebę osiągnięcia równowagi między autonomią a nadzorem, widząc agentów jako narzędzia współpracy, a nie zastępujące pracy ludzi.

Aaron Jacobson prognozuje, że większość pracowników umysłowych będzie mieć przynajmniej jednego agentowego „współpracownika”. Eric Bahn z Hustle Fund idzie o krok dalej, sugerując, że agenci AI mogą stanowić większą część siły roboczej w przedsiębiorstwach niż ludzie, ze względu na znikome koszty krańcowe.

Wzrost i retencja: Co się liczy?

Jake Flomenberg zauważa, że najszybciej rozwijające się firmy to te, które zidentyfikowały luki w procesach lub bezpieczeństwie stworzone przez GenAI, a następnie konsekwentnie budowały dopasowanie produktu do rynku. Przykłady to narzędzia cyberbezpieczeństwa dla danych wrażliwych czy optymalizacja dla „silników odpowiedzi” AI.

Andrew Ferguson widzi wzrost w firmach, które zaczynają od wąskich, skoncentrowanych przypadków użycia, doskonale je opanowują, a następnie rozszerzają swoją ofertę. Jennifer Li z Andreessen Horowitz podkreśla sukces firm pomagających przedsiębiorstwom we wprowadzaniu AI do produkcji, w obszarach takich jak ekstrakcja danych, produktywność deweloperów AI czy infrastruktura dla mediów generatywnych.

Z kolei retencja jest najwyższa w firmach, które rozwiązują problemy intensyfikujące się wraz z coraz większą adopcją AI. Są one misyjnie krytyczne, gromadzą unikalny kontekst danych i oferują rozwiązania rosnące wraz z potrzebami klientów, a nie jednorazowe. Tom Henriksson wskazuje na poważnych dostawców oprogramowania korporacyjnego wzbogaconych o AI, które głęboko integrują się z organizacją klienta i budują zastrzeżoną wiedzę, co czyni je niezastąpionymi. Michael Stewart dodaje, że firmy oferujące narzędzia danych i pionowe aplikacje AI, wspierane przez zaangażowane zespoły terenowe, osiągają najlepsze wyniki w zakresie satysfakcji klienta i retencji.