ROI nie mieszka w modelu

Zablokowany projekt AI ma poprawkę, która wygląda na oczywistą: podmienić model na lepszy. Rzadko pomaga. Z badań samego Gartnera wynika co innego: zwrot zależy od tego, jak system jest wpięty w firmę, kto nad nim panuje i czy pasuje do pracy, a nie od wyrafinowania modelu. Jeśli tak jest, większość pieniędzy wydanych w pogoni za mądrzejszym modelem trafia w niewłaściwe ogniwo łańcucha.

Teza tego eseju jest jedna i wąska. Wartość systemu AI powstaje w całym łańcuchu wokół modelu, a nie w samym modelu. Przepustowość łańcucha wyznacza najsłabsze ogniwo i tym ogniwem prawie nigdy nie jest model. Wstawiasz lepszy model w niezmieniony proces i ulepszasz część, która nie była wąskim gardłem.

Liczba nie drgnie, a ludzi to szczerze zaskakuje.

Goldratt: o wyniku systemu decyduje jedno stanowisko

Najlepiej widać to na modelu zbudowanym dla zwykłej fabryki, dekady przed pierwszym modelem językowym na produkcji. Eliyahu Goldratt i Jeff Cox wyłożyli go w The Goal (North River Press, 1984) jako Teorię Ograniczeń: przepustowość systemu wyznacza jedno ograniczenie, czyli wąskie gardło, a poprawianie czegokolwiek innego nie zmienia wyniku.

Zdanie Goldratta warto zostawić dosłownie. „Godzina stracona w wąskim gardle to godzina stracona dla całego systemu. Godzina zaoszczędzona poza wąskim gardłem to miraż”. Przyśpiesz maszynę, która nigdy nie ograniczała linii, a materiał zacznie się piętrzyć przed wolną maszyną, bo ta wypuszcza pracę w swoim niezmienionym tempie. Lokalny wskaźnik pójdzie w górę, zespół poczuje się produktywny, a hala wyśle tyle samo co przedtem.

Przełóż to na system AI. Łańcuch wygląda mniej więcej tak: dane źródłowe, dostęp i uprawnienia, integracja z systemami, w których toczy się praca, model, jego wyjście, ścieżka do działania, wreszcie ludzie, którzy mają z tego korzystać. Model jest jednym stanowiskiem na tej linii. Kiedy ograniczenie leży w integracji, w danych albo w przyjęciu przez ludzi, mocniejszy model daje godzinę zaoszczędzoną poza wąskim gardłem. Praca jest prawdziwa, zysku z niej nie ma.

Tę samą myśl wyprowadził od pierwszych zasad Gene Amdahl w 1967 roku, tyle że dla komputerów: maksymalne przyśpieszenie z poprawy jednego elementu ogranicza ta część systemu, której nie ruszyłeś. Nawet nieskończona poprawa jednej części zostawia resztę jako twardy sufit. Amdahl liczył wydajność maszyn, nie zwrot z AI, więc bierz to jako analogię.

Załóżmy, że model odpowiada za jedną trzecią wartości, którą dowozi system AI; ta jedna trzecia jest poglądowa, bo nikt nie ma tu wiarygodnego pomiaru. Nawet doskonały i darmowy model podnosi wtedy wynik najwyżej o tyle. W praktyce jest gorzej, bo etapy poza modelem się mnożą, zamiast dodawać. Jeśli integracja zamienia w użyteczne działanie 60% dobrych odpowiedzi, a ludzie korzystają z połowy tego, co zostanie, doskonały model dowozi 0,6 × 0,5, czyli trzydzieści groszy z każdej złotówki własnej jakości. Ułamki są poglądowe, znaczenie ma kształt: dwa mierne ogniwa dalej w łańcuchu połkną niemal całą wartość świetnego modelu, bo wymiana modelu podnosi pierwszy czynnik w iloczynie, którego dalsze czynniki leżą przy zerze.

Trzecie ujęcie wychodzi poza łańcuch, na cały system. Donella Meadows w Thinking in Systems: A Primer (Chelsea Green, 2008) dowodzi, że zachowanie systemu wynika z jego struktury i z relacji między częściami. Podmiana komponentu ma w jej języku słabą dźwignię; mocna leży w przepływach informacji, w regułach i w celach. Meadows jest przy tym ostrożna: punkty dźwigni podaje jako heurystykę i wprost odradza traktowanie ich jak wzoru albo rankingu. Zostaje kierunek, bez obietnicy, że któryś punkt zadziała akurat u ciebie.

Wartość powstaje na ostatniej mili

Odłóż na chwilę modele i wyprowadź to sam. Gdzie system AI tworzy wartość? Nie w chwili, w której model produkuje dobrą odpowiedź, tylko wtedy, gdy ta odpowiedź trafia do systemu, uruchamia działanie i ktoś ufa jej na tyle, żeby pozwolić temu działaniu pójść dalej. Wszystko wcześniej to demo.

Tak wygląda problem ostatniej mili, pożyczony z logistyki i przeniesiony na uczenie maszynowe: odległość między działającym prototypem a systemem, który dowozi wartość na produkcji. To najdroższy odcinek i na nim łamie się większość projektów. MLOps powstał właśnie po to, żeby ten odcinek domknąć: integracja, monitoring, dotrenowywanie, ścieżka od wyjścia do działania. Wartość wykuwa się na tym odcinku, a odcinek zaczyna się za modelem. Zwrot jest więc funkcją całego łańcucha, w której dominuje najsłabszy człon, a model bywa nim rzadko.

Ten wniosek nie stoi na samym rozumowaniu. Dane ankietowe prowadzą w tę samą stronę i pochodzą z kilku niezależnych źródeł.

Gartner przepytał 782 liderów infrastruktury i operacji w listopadzie i grudniu 2025 roku, a wyniki ogłosił 7 kwietnia 2026. Melanie Freeze, Director of Research w Gartnerze, ujęła główny wniosek wprost: „ROI z AI nie napędza wyrafinowanie modelu, lecz to, jak dobrze technologia jest zintegrowana, objęta governance i dopasowana do realnych potrzeb operacyjnych”. Newsroom Gartnera blokuje dostęp automatyczny, więc to sformułowanie mam z serwisów, które cytowały komunikat, m.in. z CIO i The Register, a nie ze strony pierwotnej.

Strona porażek trzyma ten sam wzorzec. 57% liderów zgłosiło co najmniej jedną porażkę, a wielu z nich — Gartner nie podaje odsetka — wskazało jako powód, że „oczekiwano zbyt wiele, zbyt szybko”, czyli problem oczekiwań, nie zdolności technologii. Około 38% wymieniło słabą jakość i dostępność danych. Przy wdrażaniu największymi barierami okazały się trudność integracji (48%) i brak budżetu (50%). Na liście głównych przyczyn nie ma zdania „model był za słaby”.

Strona sukcesów mówi to samo przez przemilczenie. Liderzy, u których zastosowanie AI zadziałało, przypisali zasługę wpięciu AI w istniejące procesy i systemy, pełnemu poparciu kierownictwa biznesu oraz współpracy między działami. Żaden z czołowych czynników sukcesu nie dotyczy klasy, rozmiaru ani rocznika modelu.

Druga, niezależna próba dochodzi do tego samego. Inicjatywa NANDA z MIT w raporcie The GenAI Divide: State of AI in Business 2025 nazywa główną barierę „luką w uczeniu się”, czyli niezdolnością firm do wpięcia modeli we własne procesy, struktury i kulturę. Serwisy referujące raport, m.in. RCR Wireless, streszczają to bez ogródek: prawdziwą barierą jest integracja z procesem pracy, a nie jakość modelu. Cytowane co chwilę zdanie o „95% pilotaży” z tego samego raportu to osobny spór o mianowniki, rozebrany w rozbiórce 28%.

Model widzą wszyscy i dlatego zbiera winę, na którą nie zasłużył. Pod tym odruchem pracują jeszcze bodźce: model ma dostawcę, cennik i zespół sprzedaży, więc ma kogoś opłacanego za sprzedanie ci nowszej wersji. Integracja, higiena danych i zarządzanie zmianą nie mają swojego handlowca; nikt nie dzwoni na zimno w sprawie modelu uprawnień. Rynek kieruje uwagę na jedyne ogniwo, które ma witrynę sklepową.

Pod całą sprawą leży fundament ekonomiczny starszy niż spór o AI. Erik Brynjolfsson i Lorin Hitt przez lata dwutysięczne dowodzili tego samego o technologii informacyjnej: jej wartość bierze się głównie z komplementarnego kapitału organizacyjnego, czyli z przeprojektowanych procesów, zmienionych praktyk pracy i przeszkolenia ludzi. Ten kapitał bywa wart więcej niż sama technologia i jest znacznie trudniejszy do zmierzenia. Późniejsza praca Brynjolfssona z Danielem Rockiem i Chadem Syversonem nazwała skutek krzywą J produktywności: technologia ogólnego przeznaczenia najpierw obniża mierzoną produktywność, bo firma dopiero buduje inwestycje komplementarne, a podnosi ją potem.

Dwa zastrzeżenia trzymają to w ryzach. Dane dotyczą komputerów i IT z lat 90. i dwutysięcznych, więc przeniesienie ich na modele językowe pozostaje analogią, mocną, ale wciąż analogią. Osobno: „technologia ogólnego przeznaczenia” jest tu kategorią ekonomiczną, a nie produktem, i skrótu GPT nie czytaj jako nazwy modelu. Lekcja trzyma się mimo to. Zwrot z narzędzia ogólnego przeznaczenia jest zwrotem z reorganizacji wokół niego, a „na razie brak ROI” bywa dnem krzywej J, z którego podmiana modelu nie wyciąga.

Znajdź ograniczenie, zanim ruszy budżet

Nic z tego nie mówi, gdzie leży twoje ograniczenie. Mówi, gdzie szukać najpierw, i odciąga od odruchu. Odruch — zakup lepszego modelu — jest zakładem, że wąskim gardłem jest model, postawionym bez sprawdzenia. Cała metoda Goldratta polega na sprawdzeniu: najpierw znajdujesz ograniczenie, potem wydajesz pierwszy grosz.

Poniższa diagnostyka to moja synteza, nie ustalenie Gartnera ani twierdzenie Goldratta; czytaj ją jako ramę, a nie pomiar. Każdy wiersz oddziela problem modelu od problemu procesu, zanim ruszy budżet.

Pierwsze cztery wiersze kierują cię od modelu znacznie częściej niż ku niemu. Jeśli model radzi sobie na czystym, wyselekcjonowanym zestawie, a system i tak zawodzi, mocniejszy polegnie na tym samym stanowisku.

Kolejność wydatków wynika z tej samej logiki. Najpierw integracja i ścieżka do działania. Potem jakość i dostępność danych. Potem przyjęcie i zarządzanie zmianą, dzięki któremu ludzie zaczynają ufać wyjściu. Potem governance samego budżetu, czyli finansowanie, które sięga w poprzek jednostek biznesowych, zamiast rozdrabniać się w każdej z osobna. Wymiana modelu przychodzi po tym wszystkim, chyba że zapalił się ostatni wiersz diagnostyki.

Governance trafia na tę listę z powodu, który łatwo przeoczyć. Freeze wskazuje, kto dziś płaci za AI: „Dziś wiele inicjatyw AI wciąż finansują pojedyncze jednostki biznesowe. Ale gdy wydatki na infrastrukturę AI rosną, CEO i CFO muszą odegrać aktywniejszą rolę”. Finansowanie osobno w każdej jednostce rozdrabnia to, co cały łańcuch ma wspólne: dane z integracją i wspólne standardy. Słabym ogniwem jest wtedy schemat organizacyjny, a nie architektura, i żadna wymiana modelu tego nie tknie.

Tę kolejność potwierdza drugie badanie. Gartner ogłosił je 16 kwietnia 2026 i przepytał w nim 353 liderów: z obszaru danych i analityki oraz z AI. To inna próba i inny konstrukt niż tamte 782 osoby, więc obu badań nie należy sumować. Organizacje z udanymi inicjatywami AI inwestują w jakość danych, governance, ludzi gotowych na AI i zarządzanie zmianą do czterech razy więcej — licząc jako udział w przychodzie — niż organizacje, którym nie wychodzi. „Do czterech razy” jest sufitem, nie średnią. Tylko 39% liderów technologii było przy tym przekonanych, że ich obecne wydatki na AI w ogóle poprawią wyniki finansowe.

Obie ankiety razem układają się w jeden obraz: wygrywają organizacje, które wydały dużo na wszystko, czego mądry model potrzebuje, żeby był użyteczny. Zakup najmądrzejszego modelu w tym opisie się nie pojawia. Wydatek na model widać od razu, wydatek na proces schodzi wolno i w księgach wygląda na koszt ogólny, a odruch faworyzuje ten pierwszy.

Jeden przypadek: asystent do zgłoszeń

Abstrakcyjne dźwignie są tanie, więc puśćmy tę diagnostykę raz, na konkrecie. Średniej wielkości firma buduje asystenta do segregowania napływających zgłoszeń wsparcia: czyta zgłoszenie, klasyfikuje je, szkicuje odpowiedź i kieruje do właściwej kolejki. W demie wypada znakomicie. Pół roku później odsetek zgłoszeń zamykanych bez człowieka stoi w miejscu, a zespół po cichu wrócił do ręcznej segregacji. Odruch na sali brzmi: obwinić model i poprosić o następny.

Zamiast zamówienia puszczamy diagnostykę. Czy model przechodzi wyselekcjonowany zestaw wzorcowy offline? Ktoś bierze dwieście historycznych zgłoszeń i przepuszcza je przez asystenta. Wynik: 94% poprawnych klasyfikacji. Model potrafi wykonać zadanie, więc ograniczenie leży dalej.

System obsługi zgłoszeń nie przyjmuje zapisu od asystenta, więc człowiek przekleja każdy szkic ręcznie i przestaje się z tym męczyć w trzecim tygodniu. To ograniczenie integracji. Wyjście nie ma ścieżki działania, ląduje w kolejce, której nikt nie obsługuje, a przyjęcie umiera z powodu niemającego nic wspólnego z jakością odpowiedzi.

Naprawa kosztuje dwa tygodnie pracy inżyniera, nie licencję na model. Wpinasz wyjście asystenta w API systemu obsługi zgłoszeń, żeby kierowanie działo się samo. Logujesz każde działanie na potrzeby śladu audytowego, o który upomni się governance. Pozwalasz ludziom zatwierdzać, zamiast przepisywać. Odsetek zgłoszeń zamykanych bez człowieka rusza w następnym miesiącu, przy modelu, którego nikt nie tknął.

Zmień ograniczenie, a lekcja zostaje ta sama. Załóżmy, że asystent klasyfikuje źle na produkcji mimo czystego demo. Sprawdzasz wejście i widzisz, że zgłoszenia na żywo przychodzą bez załączników i bez historii klienta, więc model widzi mniej, niż widział w testach. To ograniczenie dostępności danych: mocniejszy model rozumuje lepiej nad tym samym zubożonym wejściem i wciąż chybia, bo z rozumowania nie da się wydobyć informacji, której nigdy nie dostał.

Kiedy działające demo zawodzi na produkcji, pęknięcie leży niemal zawsze na szwie między modelem a systemem. Demo pracuje w czystym pokoju, produkcja w twojej realnej infrastrukturze, z jej uprawnieniami, opóźnieniami, formatami i ludźmi, i to tam rozstrzyga się przepustowość.

Granice tej reguły

Reguła sprzedawana jako uniwersalna jest sprzedawana nieuczciwie. Moja pęka w kilku miejscach i wypada je nazwać.

Czasem model naprawdę jest wąskim gardłem. Kiedy zadanie przekracza możliwości obecnej generacji, model staje się ograniczeniem wiążącym, a logika samego Goldratta każe wzmocnić właśnie to ogniwo. Skoki zdolności zdarzają się naprawdę: modele rozumujące otworzyły zadania wcześniej nierozwiązywalne, a na ARC-AGI-2, benchmarku zbudowanym tak, żeby opierał się powierzchownemu dopasowaniu wzorców, wyniki poszły ostro w górę w ciągu jednej generacji. Bierz to jako dowód, że próg istnieje, a nie jako kurs wymiany jakości modelu na zwrot, bo benchmarki zdolności bywają marketingiem. Teza tego eseju każe zidentyfikować prawdziwe ograniczenie, którym czasem jest model.

Skąd wiadomo, że jesteś w tym wierszu, a nie oszukujesz sam siebie? Poszukaj publicznego dowodu, że jakiś model obecnej klasy już wykonuje twoje zadanie: pracy naukowej, benchmarku, wdrożonego produktu. Jeśli taki dowód istnieje, sufitem nie jest model. Jeśli nie istnieje nigdzie, możesz być naprawdę wcześnie i mocniejszy model jest wtedy uczciwą dźwignią.

Da się też przeinwestować w proces na fundamencie, który tego nie udźwignie. Rozbudowywanie integracji i przepływów danych wokół modelu, który nie umie wykonać zadania, jest tym samym błędem, tylko odwróconym — a doklejanie do tego programów zmiany niczego nie ratuje. Polerujesz stanowisko, które nie ogranicza linii; proces robi się grubszy, a przepustowość zostaje przy zerze. Kosztuje to więcej niż niekończąca się wymiana modelu, bo pracę nad procesem trudniej odkręcić. Zanim postawisz rusztowanie, udowodnij, że jakiś model tej klasy wykonuje zadanie na twoim zestawie wzorcowym.

Najgroźniejsze jest to, że zdanie „to proces, a nie model” bywa wygodnym alibi. Słusznie odciąga zespół od bezsensownej wymiany modelu, ale równie dobrze usprawiedliwia dział, który nie chce ruszyć własnego procesu. Skoro „to nie kwestia modelu”, to „nie nasza wina”, i można pominąć zarówno ewaluację modelu, jak i przeprojektowanie pracy. Jeden zespół powie „Gartner ma rację, to problem procesu” i nigdy nie sprawdzi nowszego modelu; drugi zostawi zepsuty proces i będzie obwiniał model. Te same słowa, przeciwne alibi, skutek identyczny. Antidotum jest diagnostyka wyżej, bo każe nazwać konkretne ograniczenie: ten strumień danych, tę brakującą ścieżkę działania, opór tego zespołu.

Dyscyplina jest z tego prosta. Model jest ograniczeniem, kiedy żaden model jego klasy nie wykonuje zadania; przez resztę czasu ograniczeniem jest proces. Rozróżnia je test na zestawie wzorcowym, a nie upodobanie do odpowiedzi, która pozwala uniknąć pracy. Teza jest tu regułą domyślną, nie prawem, a kosztowne pomyłki mieszkają w wyjątkach.

Jedno zastrzeżenie należy jeszcze do samego dowodu, czyli ta sama dyscyplina przyłożona do 28%. Badanie Gartnera, na którym się opieram, jest ankietą samooceny z jednego zakątka IT: jednostką pomiaru jest zastosowanie, sukces bywa deklarowany, nie audytowany, a populacją są liderzy infrastruktury i operacji, nie całe przedsiębiorstwo. Zdanie Freeze o wyrafinowaniu modelu jest interpretacją autorki danych, w dodatku podaną z drugiej ręki. To przemyślane stanowisko Gartnera, a nie eksperyment, który zderzył model z procesem i zmierzył zwycięzcę. Zbieżność z niezależnym wynikiem MIT i z ekonomią ma jakąś wartość, ale dowodem to nie jest i jako dowód cytowane być nie powinno.

Jedno pytanie przed zamówieniem

Lepszy model jest właściwą odpowiedzią na jedno pytanie: czy to model jest ograniczeniem? Pytanie zadaje się uczciwie, na zestawie wzorcowym, przed złożeniem zamówienia, i przez większość czasu odpowiedź brzmi „nie”. Wtedy warto wrócić do asystenta od zgłoszeń. Zwrot leżał tam przez cały czas, w API systemu obsługi zgłoszeń, do którego nikt nie wpiął wyjścia. Dwa tygodnie pracy inżyniera, żadnej faktury od dostawcy, i nikt tego nie sprzeda, bo nie ma tam czego sprzedawać.

Bibliografia

1. primaryEliyahu M. Goldratt & Jeff Cox, The Goal (North River Press, 1984) — Teoria Ograniczeń; przepustowość wyznacza wąskie gardło, a poprawa poza nim to miraż.
2. primaryGene M. Amdahl, „Validity of the Single Processor Approach to Achieving Large-Scale Computing Capabilities”, AFIPS Conference Proceedings (1967) — niepoprawiona część systemu ogranicza osiągalne przyśpieszenie.
3. primaryDonella H. Meadows, Thinking in Systems: A Primer (Chelsea Green, 2008) oraz „Leverage Points: Places to Intervene in a System” (1999) — zachowanie wynika ze struktury; punkty dźwigni podane jako heurystyka, nie wzór.
4. primaryErik Brynjolfsson & Lorin Hitt, „Beyond Computation: Information Technology, Organizational Transformation and Business Performance”, Journal of Economic Perspectives 14(4):23–48 (2000) — wartość IT bierze się głównie z komplementarnego kapitału organizacyjnego.
5. primaryErik Brynjolfsson, Daniel Rock & Chad Syverson, „The Productivity J-Curve: How Intangibles Complement General Purpose Technologies”, NBER Working Paper 25148 (2018) — mierzona produktywność najpierw spada, potem rośnie, gdy budują się komplementarne wartości niematerialne.
6. primaryGartner, AI Projects in I&O Stall Ahead of Meaningful ROI Returns (komunikat prasowy, 7 kwietnia 2026) — 782 liderów I&O; 28% zastosowań w pełni się udaje; ujęcie Freeze o integracji, governance i dopasowaniu. (newsroom zwrócił 403 przy dostępie automatycznym; cytaty i liczby zweryfikowane przez źródła wtórne poniżej)
7. primaryGartner, Organizations with Successful AI Initiatives Invest Up to Four Times More in Data and Analytics Foundations (komunikat prasowy, 16 kwietnia 2026) — 353 liderów D&A/AI; „do czterech razy” więcej w fundamenty; 39% przekonanych o korzyści finansowej.
8. primaryMIT NANDA, The GenAI Divide: State of AI in Business 2025 — „luka w uczeniu się”; prawdziwą barierą jest integracja z procesem pracy, nie jakość modelu.
9. secondaryCIO, AI often doesn't deliver ROI for IT departments either — dosłowne cytaty Freeze o wyrafinowaniu modelu i finansowaniu per jednostka biznesowa.
10. secondaryThe Register, Only 28% of AI infrastructure projects fully pay off (7 kwietnia 2026) — próba, analityczka i liczby z nagłówka.
11. secondaryBuilt In, Artificial Intelligence Has a "Last Mile" Problem — ujęcie MLOps i luki ostatniej mili między prototypem a produkcją.
12. secondaryRCR Wireless, 7 takeaways from the GenAI Divide (MIT NANDA) — wtórne ujęcie „luki w uczeniu się” i wniosku o integracji z procesem.