Najważniejsze wnioski
- Według OECD średni wzrost produktywności wieloczynnikowej (Multifactor Productivity) w 21 krajach spadł w latach 2023-2024 do około -0,3 procent, co sprawia, że koszt bezwładności instytucjonalnej jest konkretny i mierzalny.
- Według OECD w 29 krajach odnotowano w 2024 roku wzrost wydajności pracy, co wskazuje, że wdrażanie AI w branżach silnie opartych na technologiach cyfrowych już przynosi rezultaty, które równoważą szersze niekorzystne tendencje gospodarcze.
- Główną barierą w uzyskiwaniu wartości z AI nie jest dostęp do narzędzi ani do kapitału, lecz postawa psychologiczna, jaką lider decyduje się przyjąć wobec nieznanej technologii.
- Wahanie wynikające ze strachu nie jest stanowiskiem neutralnym, lecz decyzją o kumulujących się konsekwencjach, w miarę jak konkurenci i współpracownicy idą naprzód.
- Ciekawość, traktowana jako dyscyplina zawodowa, a nie cecha osobowości, jest praktycznym mechanizmem, dzięki któremu organizacje zamieniają dostęp do AI na wyniki.
Dane o produktywności zmieniają stawkę
Dane o produktywności sprawiają, że koszt unikania AI przestaje być teoretyczny, a staje się wymierny i natychmiastowy. Według Compendium of Productivity Indicators OECD średni wzrost produktywności wieloczynnikowej (Multifactor Productivity) w 21 krajach spadł w latach 2023-2024 do około -0,3 procent, co przedłuża spadek trwający od początku lat 2000. (OECD, 2026). Produktywność na poziomie całej gospodarki się cofa. To stan wyjściowy, w odniesieniu do którego zapada dziś każda decyzja dotycząca AI podejmowana przez prezesa.
Jednocześnie te same dane OECD pokazują podział. W 2024 roku 29 krajów OECD odnotowało wzrost produktywności pracy, a wzorzec wskazuje na branże o dużym nasyceniu technologiami cyfrowymi, w których wdrażanie AI było bardziej przemyślane (OECD, 2026). Podział nie przebiega między sektorami, które miały więcej pieniędzy lub lepszych inżynierów. Przebiega między organizacjami, które zdecydowały się sięgnąć po nowe narzędzia, a tymi, które czekały na pewność, zanim podjęły zobowiązanie.
Czekanie na pewność w przypadku technologii, która poprawia się z miesiąca na miesiąc, samo w sobie jest strategicznym zakładem. Tyle że przegranym.
Strach z wewnątrz wygląda racjonalnie
Strach przed AI rzadko przedstawia się jako strach. Pojawia się raczej w przebraniu rozwagi albo języka ładu korporacyjnego. Brzmi jak „Najpierw musimy zrozumieć ryzyka” albo „Zanim cokolwiek wdrożymy, budujemy ramy postępowania”. Te instynkty same w sobie nie są błędne, ale stają się pułapką, gdy działają jak bezterminowa poczekalnia, a nie jak ocena ograniczona w czasie.
Ten strach jest prawdziwy i warto go uczciwie nazwać. Liderzy martwią się o dokładność, o odpowiedzialność prawną, o to, co treści wygenerowane przez AI zrobią z ich marką, jeśli okażą się błędne publicznie. Martwią się o miejsca pracy, o kulturę, o zbyt szybkie ruszenie z czymś, czego jeszcze w pełni nie rozumieją. Te obawy mają uzasadnione podstawy.
Nie ma jednak uzasadnienia przekonanie, że domyślna bierność nic nie kosztuje. Każdy tydzień spędzony w trybie przeglądu to tydzień, w którym inni prowadzą eksperymenty, uczą się na porażkach i powiększają lukę w kompetencjach. Postawa oparta na lęku daje poczucie stania w miejscu. Tak nie jest.
Ciekawość to dyscyplina, a nie usposobienie
Ciekawość wobec AI to codzienna decyzja zawodowa, a nie cecha osobowości, którą lider albo ma, albo jej nie ma. Ciekawi liderzy to osoby, które uznały, że zrozumienie czegoś jest bardziej przydatne niż strach przed tym, i które traktują tę decyzję jako codzienną praktykę. W tym kontekście ciekawość oznacza przeprowadzenie niewielkiego testu przed napisaniem polityki oraz pytanie, co dane narzędzie faktycznie robi, zanim się rozstrzygnie, czemu nie można mu zaufać.
To rozróżnienie ma szczególne znaczenie dla prezesów. Nie muszą oni zostać inżynierami promptów. Powinni jednak mieć na tyle bezpośredniego doświadczenia z narzędziami AI, by wyrobić sobie własny osąd, zamiast przejmować opinię osoby, która ostatnia przedstawiła im temat. Wymaga to korzystania z tych narzędzi, a nie tylko czytania o tym, jak się z nich korzysta.
Narzędzia dostępne dziś bez opłat jeszcze kilka lat temu uznano by za rozwiązania klasy badawczej. Barierą nie są pieniądze. Jest nią nastawienie.
Co sugerują dane z organizacji
Organizacje, które czerpią z AI wymierną wartość, łączy pewien wzorzec: liderzy na szczycie są osobiście zaangażowani w tę technologię, a nie tylko w jej nadzór. Sami ją testowali, mylili się co do niej i wprowadzali korekty. Ten cykl osobistych eksperymentów tworzy warunki, w których zespoły również czują przyzwolenie na eksperymentowanie.
Odwrotna sytuacja też jest prawdziwa. Gdy kontakt prezesa z AI ogranicza się do komitetu ds. ryzyka i dokumentu z polityką, sygnał, który idzie w dół organizacji, jest jednoznaczny. Ludzie uczą się zarządzać w górę zamiast iść naprzód i czekają na przyzwolenie, które nigdy nie pojawia się w użytecznej formie.
Dane OECD o produktywności pokazują tę samą dynamikę w dużej skali. Kraje i sektory, które odnotowały wzrosty w 2024 roku, to te, w których eksperymentowanie stało się normą, a nie wyjątkiem (OECD, 2026). Trend makroekonomiczny i zachowania organizacyjne to to samo zjawisko widziane w różnej skali.
Argument o dostępie przestał być aktualny
Zaawansowane narzędzia AI są dziś dostępne w darmowych lub bardzo tanich wersjach, więc dostęp jest słabą wymówką dla wahania. Prezes firmy zatrudniającej dziesięć osób i prezes firmy zatrudniającej dziesięć tysięcy osób mają niemal identyczne warunki dostępu do podstawowych możliwości AI, ponieważ koszt mocy obliczeniowej ponoszą platformy, a nie użytkownik. Ujmowanie wdrażania AI jako kwestii zasobów jest coraz bardziej przestarzałe.
To sprawia, że wybór staje się bardziej niewygodny, a nie mniej. Gdy dostęp był naprawdę ograniczony, wahanie miało strukturalne usprawiedliwienie. Gdy dostęp jest tani i powszechny, wahanie świadczy o stosunku do niepewności, o tym, jak łatwo przychodzi bycie początkującym, oraz o gotowości do wyrabiania sobie opinii przez działanie, a nie przez analizę.
To nie jest kwestia zasobów. To kwestia charakteru.
Rosnący koszt postawy opartej na strachu
Strach kumuluje się w określonym kierunku i zamienia niewielką początkową lukę w narastającą przewagę strukturalną konkurentów. Organizacja, która w pierwszym roku unika AI, zostaje nieco w tyle, ale w drugim roku luka jest już większa, ponieważ konkurenci zdążyli przejść dalej po krzywej uczenia się. W trzecim roku luka obejmuje nie tylko kompetencje, ale także kulturę: organizacja kierująca się ciekawością zbudowała nawyki, normy i wiedzę instytucjonalną, których nie da się szybko odtworzyć.
Dane OECD wskazują na ten efekt kumulacji. Rozbieżność produktywności między organizacjami intensywnie korzystającymi z technologii cyfrowych a resztą gospodarki nie jest jednorazową zmianą skokową, lecz trajektorią, a organizacje znajdujące się po niewłaściwej stronie tej trajektorii mierzą się z narastającym, a nie stabilnym problemem nadrabiania dystansu (OECD, 2026). Dlatego ujęcie „ciekawi kontra wystraszeni” jest trafniejsze niż „wcześni kontra późni użytkownicy”. Moment wdrożenia jest objawem; prawdziwą przyczyną jest emocjonalna i poznawcza postawa, jaką lider przyjął wobec samej niepewności.
Co to oznacza dla decyzji, przed którą stoisz
Prawdziwa decyzja dotyczy tego, czy zaangażujesz się w AI na tyle bezpośrednio, by prowadzić swoją strategię z przekonaniem. Większość prezesów ma już jakąś strategię AI, ale zarządzanie nią z dystansu i liczenie na to, że luka nie będzie rosła szybciej, niż zdoła ją zamknąć proces zarządzania w firmie, to inna postawa niż prowadzenie tej strategii. Właśnie tę różnicę mierzą dane o produktywności.
Ciekawość na poziomie kierownictwa nie polega na entuzjazmie. Polega na gotowości do popełnienia błędu w sytuacji o niskiej stawce, aby mniej się mylić w sytuacji o wysokiej stawce. Ta postawa zaczyna się od potraktowania najbliższej godziny z narzędziem AI jako badania, którym faktycznie jest, a nie jako czegoś, co należy w całości delegować.
Narzędzia są dostępne. Dane o produktywności pokazują, co daje zaangażowanie. Jedyną pozostałą zmienną jest postawa, którą zdecydujesz się przyjąć.
FAQ
Czy strach przed AI to rozsądne stanowisko dla prezesa?
Strach to rozsądny punkt wyjścia, ale nie trwała postawa operacyjna. Dane OECD o produktywności pokazują, że gospodarki i sektory, które angażują się w AI, już teraz odrywają się od tych, które tego nie robią. Oznacza to, że przedłużająca się ostrożność ma wymierny koszt, który z czasem rośnie.
Czy mniejsze organizacje potrzebują AI tak samo jak większe?
Dostęp do podstawowych narzędzi AI jest dziś w dużej mierze podobny niezależnie od wielkości organizacji, ponieważ koszt mocy obliczeniowej ponoszą dostawcy platform, a nie użytkownicy. Oznacza to, że luka produktywności, jaką AI tworzy między organizacjami ciekawymi a niechętnymi, jest tak samo istotna dla małej firmy, jak dla dużej.
Jak prezes może zacząć budować osobiste doświadczenie w pracy z AI?
Najbardziej praktycznym punktem wyjścia jest bezpośrednie korzystanie z dostępnych narzędzi w kontekście, w którym stawka jest niska. Celem jest wyrobienie sobie własnego zdania na podstawie osobistych doświadczeń o tym, co AI naprawdę robi dobrze, a w czym zawodzi, zamiast polegania wyłącznie na prezentacjach lub dokumentach politycznych, które opisują tę technologię z drugiej ręki.
Czym różni się zarządzanie ryzykiem związanym z AI od całkowitego unikania AI?
Zarządzanie ryzykiem obejmuje ocenę ograniczoną w czasie, zdefiniowane przypadki testowe i jasne kryteria podjęcia decyzji o dalszych krokach. Unikanie to bezterminowe odkładanie sprawy, przebrane w język ładu korporacyjnego. Pierwsze podejście przynosi wiedzę, drugie powiększającą się lukę bez wyraźnego punktu końcowego.
Czy wzrost produktywności widoczny w danych OECD można przypisać konkretnie AI?
Dane OECD pokazują, że 29 krajów odnotowało w 2024 roku wzrost produktywności pracy, przy czym wzorzec ten koncentrował się w branżach intensywnie wykorzystujących technologie cyfrowe (OECD, 2026). Trudno jednoznacznie wyodrębnić wpływ samej AI, ale koncentracja w sektorach, w których wdrożenie AI jest najwyższe, jest zgodna z istnieniem zależności o określonym kierunku.