Trzy filary rozwoju AI w Polsce
Choć sztuczna inteligencja rozwija się dynamicznie na świecie, Polska wciąż nie posiada jasno określonej strategii rozwoju AI. Zgodnie z raportem Polskiego Instytutu Ekonomicznego z czerwca 2025 r., potrzebne są trzy komplementarne podejścia: analiza technologicznego stosu AI, identyfikacja sektorów o największym potencjale gospodarczym oraz skoncentrowanie działań na kluczowych wyzwaniach społeczno-gospodarczych.
Problemy z adaptacją AI w Polsce
Na tle Unii Europejskiej Polska wypada słabo — jedynie 5,9 proc. przedsiębiorstw zatrudniających powyżej 10 osób korzystało z AI w 2024 r., co plasuje nas na przedostatnim miejscu w UE. Sektor informacji i komunikacji osiągnął wynik równy 67 proc. średniej unijnej, ale w logistyce AI wdrażało poniżej 1 proc. firm. To dowód na silne zróżnicowanie między branżami i ogólny brak skoordynowanych działań.
Niski poziom świadomości w sektorze MŚP
Aż 55 proc. mikro i małych firm uważa inwestycje w AI, cyfryzację i automatyzację za nieistotne dla produktywności. Tymczasem sektor MŚP odpowiada za blisko 45 proc. PKB, co czyni jego udział kluczowym dla powodzenia każdej strategii transformacji cyfrowej. Bez jego zaangażowania działania na poziomie centralnym pozostaną nieskuteczne.
Stos technologiczny jako narzędzie strategiczne
PIE proponuje podejście oparte na tzw. technologicznym stosie AI — strukturze uwzględniającej warstwy: hardware, infrastrukturę (np. chmura), oprogramowanie (np. modele AI) i aplikacje. Największe uzależnienie Polski dotyczy sprzętu i dużych modeli językowych, co rodzi poważne ryzyka braku technologicznej suwerenności i ogranicza niezależność wdrożeń AI.
Przykłady krajowych inicjatyw
Wśród pozytywnych przykładów wskazano rozwój modeli językowych Bielik i PLLuM, budowę Fabryki AI w Poznaniu oraz plany jej rozwoju w Krakowie. Wyróżniono też działalność firm takich jak Creotech Instruments i CloudFerro. Są to jednak wyjątki, a nie część systemowego trendu.
Potrzeba inwestycji w ekosystem AI
Raport wskazuje na konieczność inwestowania nie tylko w warstwy technologiczne, lecz także w dane, edukację, badania naukowe oraz kompetencje cyfrowe. Bez rozwoju tych elementów nie powstanie dojrzały ekosystem AI gotowy do wspierania innowacji i niezależności technologicznej.
Gospodarcze przewagi konkurencyjne
Drugim podejściem jest identyfikacja sektorów, w których Polska ma naturalne przewagi ekonomiczne, takie jak przemysł spożywczy, meblarski, chemiczny, elektroniczny czy transportowy. AI może tu zwiększyć efektywność i pomóc utrzymać konkurencyjność na rynkach zagranicznych.
Strategiczne sektory eksportowe
W branży produkcji pojazdów i sprzętu transportowego ponad 10 proc. eksportu bazuje na przewadze komparatywnej. Przemysł spożywczy natomiast generuje 73 proc. wartości dodanej z krajowych źródeł. To właśnie w tych obszarach AI może przynieść Polsce największy zwrot z inwestycji.
AI wobec wyzwań społecznych
Trzeci filar strategii to tzw. misje publiczne, czyli obszary jak ochrona zdrowia, energetyka oraz bezpieczeństwo. AI może wspierać diagnostykę medyczną, optymalizować zużycie energii i zwiększać odporność infrastruktury. Wszystkie te dziedziny wymagają koordynacji i jasno zdefiniowanych celów ze strony państwa.
Znaczenie technologicznej integracji
Wspólnym mianownikiem tych sektorów jest ich złożoność i zależność od różnych warstw technologii. Tylko pełna integracja podejścia technologicznego, gospodarczego i społecznego umożliwi skuteczne wdrażanie AI na poziomie systemowym, a nie fragmentarycznym.
