• 89 proc. liderów danych i analityki korzystających z AI w środowisku produkcyjnym zetknęło się z niedokładnymi lub mylącymi wynikami.
  • Tylko 47 proc. badanych ocenia dane w swoich organizacjach jako w pełni przygotowane do wykorzystania przez AI.
  • Problem może mieć wymierne skutki finansowe. W innym badaniu 72 proc. menedżerów wskazało, że złe dane kosztowały ich firmy co najmniej 500 tys. dolarów.

AI w organizacjach daje błędne wyniki. Problem dotknął niemal 9 na 10 badanych

Dane pochodzą z badania Salesforce „State of Data and Analytics”. Objęło ono 3800 osób podejmujących decyzje w obszarze danych, analityki i IT oraz 3852 liderów biznesowych z 18 krajów. Badanie przeprowadzono od 27 czerwca do 13 sierpnia 2025 roku.

Najbardziej niepokojący wynik dotyczy firm, które wyszły już poza etap eksperymentów. 89 proc. liderów danych i analityki z organizacji posiadających AI działające produkcyjnie deklarowało, że doświadczyło niedokładnych lub mylących rezultatów. Jednocześnie 42 proc. badanych nie ma pełnego zaufania do dokładności i trafności odpowiedzi generowanych przez sztuczną inteligencję.

Nie oznacza to, że sztuczna inteligencja popełnia błąd w 89 proc. wykonywanych zadań. Wskaźnik pokazuje odsetek liderów, którzy przynajmniej raz zetknęli się z takim problemem. Skala badania wskazuje jednak, że błędne wyniki AI nie są już marginalnym zjawiskiem dotyczącym pojedynczych wdrożeń.

Problem zaczyna się od danych, nie od samego AI

Jedną z głównych przyczyn są dane wykorzystywane przez modele. Liderzy ankietowani przez Salesforce szacują, że 26 proc. informacji znajdujących się w ich organizacjach jest niewiarygodnych. Tylko 47 proc. uważa jednocześnie, że jakość posiadanych danych jest w pełni przygotowana do zastosowań związanych ze sztuczną inteligencją.

Problem pogłębia rozproszenie informacji pomiędzy różnymi systemami. Jak wynika z raportu Salesforce dotyczącego danych i analityki, przeciętne przedsiębiorstwo korzysta z 897 aplikacji, a połączonych jest tylko 29 proc. z nich. W efekcie AI może otrzymywać fragmentaryczny obraz sytuacji, pozbawiony części danych lub właściwego kontekstu.

Aż 84 proc. liderów danych i analityki uważa, że obecna strategia zarządzania danymi wymaga gruntownej przebudowy, aby umożliwić realizację planów związanych ze sztuczną inteligencją. Ponad połowa, 55 proc., przyznaje natomiast, że ich organizacje zmarnowały znaczące zasoby na trenowanie lub dostrajanie modeli z wykorzystaniem złych danych.

Błędy AI mogą prowadzić do kosztownych decyzji

Nieprawidłowa analiza przestaje być wyłącznie problemem technicznym, gdy na jej podstawie podejmowane są decyzje biznesowe. Pokazuje to także badanie przeprowadzone w marcu 2026 roku przez The Harris Poll dla OneStream wśród 352 menedżerów finansowych i technologicznych z USA, Wielkiej Brytanii i Francji.

Aż 47 proc. respondentów przyznało, że w ciągu poprzednich 12 miesięcy podjęło istotną decyzję biznesową na podstawie niedokładnych, niekompletnych lub nieaktualnych danych finansowych. Wśród firm, które odczuły skutki złych danych, 72 proc. oszacowało koszt na co najmniej 500 tys. dolarów, a 37 proc. na ponad 1 mln dolarów.

Tom Shea, prezes OneStream, zwraca uwagę, że przyspieszanie analizy przez AI może jednocześnie zwiększać skalę problemu. Jak stwierdził: „AI będzie jedynie przyspieszać i wzmacniać błędne decyzje, jeśli firmy nie będą dysponować wiarygodnymi danymi”.

Firmy potrzebują kontroli nad tym, z czego korzysta AI

Według ekspertów Linux Polska skuteczne wykorzystanie sztucznej inteligencji wymaga przede wszystkim uporządkowania infrastruktury, baz danych i sposobu przepływu informacji pomiędzy systemami. Sam zakup kolejnego modelu lub narzędzia nie rozwiązuje problemu, jeśli AI pracuje na nieaktualnych albo niespójnych zasobach.

„Nieaktualne czy niepełne dane zawsze będą skutkowały błędnymi wynikami analizy” – wskazuje Kacper Szczepaniuk, Observability Specialist w Linux Polska. Ekspert podkreśla również znaczenie integracji baz danych z narzędziami AI, tak aby systemy analityczne mogły korzystać z aktualnych informacji i ograniczać ryzyko halucynacji oraz nieprawidłowych wniosków.

Obecnie tylko 19 proc. badanych w analizie przywołanej przez Linux Polska pobiera większość danych wejściowych dla AI z jednego scentralizowanego systemu. Dla 32 proc. rozproszenie baz i brak integracji są jednymi z głównych przeszkód w skutecznym zarządzaniu informacją.

AI będzie dostawać więcej odpowiedzialności

Problem jakości wyników staje się szczególnie istotny w momencie, gdy firmy zaczynają powierzać sztucznej inteligencji nie tylko przygotowywanie analiz, ale także samodzielne wykonywanie zadań. Z badania INDICATOR przeprowadzonego dla IFS wśród 150 przedstawicieli przemysłu wynika, że 54,7 proc. dużych firm dopuszcza autonomiczne działanie agentów AI, a co czwarta jest gotowa powierzyć im pełną samodzielność w wybranych procesach.

Im większa autonomia systemów, tym większe znaczenie ma więc kontrola jakości danych, możliwość prześledzenia źródła informacji i weryfikacja rezultatów. Firmy nie wycofują się z AI, ale badania pokazują, że samo wdrożenie technologii nie gwarantuje poprawy jakości decyzji. Bez uporządkowanych danych sztuczna inteligencja może równie szybko przyspieszać analizę, jak i rozpowszechniać błędne wnioski.

Czytaj także:

Ile trzeba zarabiać, żeby być wśród najbogatszych 20 proc. Polaków? Kwota zaskakuje

Mercosur już działa. Eksport żywności z Argentyny do UE wzrósł o 21 proc.

Ataki na rafinerie miały kosztować Rosję 26 mld dolarów. Putin podał skalę strat