Dlaczego 40% projektów agentów AI zostanie przerwanych i jak tego uniknąć

Co przewiduje Gartner

W czerwcu 2025 roku Gartner opublikował prognozę: ponad 40% projektów agentic AI zostanie przerwanych do końca 2027 roku. Jako główne przyczyny analiza wymienia rosnące koszty, niejasną wartość biznesową i niewystarczającą kontrolę ryzyka.

Źródło: Gartner, komunikat prasowy z 25 czerwca 2025

Agentic AI to agenci AI, którzy samodzielnie realizują cele, podejmują decyzje i działają przez dłuższy czas. Według Gartnera wiele takich projektów powstaje pod wpływem hype'u. Brakuje w nich jasnego celu, ram strategicznych i realistycznych oczekiwań co do tego, co jest wykonalne technicznie i organizacyjnie.

Co widzimy w projektach

Pomagamy firmom wdrażać agentów AI, od ustalenia celu po działanie systemu na produkcji. Ocena Gartnera pokrywa się z tym, co obserwujemy w tej pracy. Wiele organizacji chce „zrobić coś z AI”. Co konkretnie, często pozostaje niejasne, bo inicjatywa wzięła się z mody, chęci innowacji albo oczekiwań z zewnątrz.

Przed startem bez odpowiedzi zostają wtedy trzy pytania:

• Co dokładnie ma się poprawić?
• Które procesy w ogóle nadają się do AI i agentów AI?
• Od czego najlepiej zacząć?

W wielu projektach wyłoniło się sześć czynników, które decydują o tym, czy agent AI przyniesie trwałą wartość.

Sześć czynników udanych projektów agentów AI

1.Zacznij od celu biznesowego

Udane projekty zaczynają się od wyzwania, które ma znaczenie dla firmy. Narzędzie czy konkretna technologia to słaby punkt wyjścia. Agenci AI opłacają się, gdy usprawniają procesy, przyspieszają decyzje albo pozwalają lepiej wykorzystać zasoby. Bez konkretnego celu technologia szybko traci kierunek.

2.Realistycznie oceń dane

Każdy agent AI pracuje na danych, a nie każdy zbiór danych nadaje się do użycia. Wczesna ocena pokazuje, czy struktura, jakość i dostępność danych wystarczą do planowanego zastosowania. Kwestie ochrony danych i praw do ich wykorzystania warto uregulować na samym początku. Pozwala to uniknąć opóźnień w trakcie projektu.

3.Wcześnie zaangażuj właściwe kompetencje

Zbudowanie i wdrożenie agenta AI wymaga wiedzy z kilku dziedzin: zrozumienia procesów, strategii danych i realizacji technicznej. Niewiele firm ma to wszystko we własnym zespole. W takich przypadkach wzmacniamy istniejące zespoły naszym doświadczeniem projektowym.

4.Zacznij od jednego, dobrze określonego zastosowania

Próba zbudowania rozbudowanego systemu agentów od pierwszego dnia zwykle kończy się zderzeniem ze złożonością i wygórowanymi oczekiwaniami. Wiele firm przychodzi do nas z oczekiwaniem, że jeden agent AI rozwiąże naraz wiele bardzo różnych problemów. To właśnie ambicja, by załatwić wszystko jednocześnie, zatrzymuje projekty.

Lepiej sprawdza się jasno określony przypadek użycia o rozsądnej skali. Szybko daje widoczne wyniki, zmniejsza ryzyko i pokazuje, w jakim kierunku iść dalej. Przykładem może być agent, który klasyfikuje przychodzące e-maile, albo chatbot obsługujący złożone zapytania.

Start od jednego zastosowania nie ogranicza tego, co przyjdzie później. Udany pierwszy przypadek użycia to fundament, na którym krok po kroku powstaje solidny system przynoszący realną wartość.

5.Wcześnie zaangażuj użytkowników

System może działać bez zarzutu, a mimo to ponieść porażkę, jeśli pracownicy go nie zaakceptują. Osoby, które będą z nim pracować, warto włączyć wcześnie. Jasna komunikacja, przejrzyste decyzje i realny wpływ na kształt rozwiązania zwiększają akceptację i budują zaufanie do nowej technologii.

6.Uporządkuj pojęcia i buduj wiedzę

Pojęcie AI jest używane bardzo swobodnie i często nie wiadomo, co się za nim kryje. Na warsztatach i sesjach strategicznych razem z firmami urealniamy oczekiwania, rzetelnie oceniamy możliwości techniczne i przygotowujemy przemyślane decyzje. Tak powstają projekty, które działają technicznie i mają sens ekonomiczny.

Jednym ze sposobów na start są nasze warsztaty AI. Jeśli masz już na myśli konkretny proces, Warsztat AI Discovery pokaże, czy jego automatyzacja się opłaca.

Podsumowanie: agenci AI potrzebują jasnego kierunku

Technologia jest dostępna, a potencjał duży. Przyczyny wskazane przez Gartnera i nasze doświadczenia z projektów prowadzą do tego samego wniosku: inicjatywy upadają przez brak jasności, nierealistyczne oczekiwania i brak strategicznego skupienia. Bez realistycznego celu i starannej realizacji pomysły utykają na etapie pilotażu albo znikają całkowicie.

AI nie rozwiąże problemów, których nikt wcześniej nie zrozumiał i nie opisał. Kto zaczyna z wygórowanymi oczekiwaniami, najpewniej się rozczaruje. Jasny cel, solidne podstawy danych i doświadczony partner dają postęp, który można zmierzyć i na którym można budować dalej.

Najczęściej zadawane pytania