Firma zwolniła dział obsługi klienta, wdrożyła bota i ogłosiła to w komunikacie prasowym pod hasłem "AI-first". Rok później po cichu zatrudnia ludzi z powrotem, tylko stanowisko nazywa się teraz inaczej, żeby nikt nie musiał tego komentować.

Gartner w lutym 2026 roku opublikował prognozę, która psuje każdą firmową prezentację o transformacji AI: do 2027 roku połowa firm, które zwolniły ludzi z obsługi klienta na rzecz sztucznej inteligencji, zatrudni ich z powrotem. Tylko pod inną nazwą stanowiska, żeby nikt nie musiał pisać komunikatu prasowego z przeprosinami.

Coraz więcej firm wycofuje się z AI po nieudanym wdrożeniu, tylko robi to bez ogłoszeń, cichą aktualizacją oferty pracy w sobotę wieczorem, kiedy nikt nie sprawdza LinkedIna. Fala powrotów do starych procesów jest realna i ma liczby, tylko nikt nie chwali się nią w case study.

Poniżej te liczby, powód, dla którego wdrożenia się sypią, i to, co odróżnia firmy, które faktycznie musiały się wycofać, od tych, które po prostu zrobiły to źle od pierwszego dnia.

Liczby, które psują opowieść o AI zamiast ludzi

Już w lipcu 2024 roku Gartner przewidywał, że do końca 2025 roku 30% projektów generatywnej AI zostanie porzuconych zaraz po testach. Rzeczywistość okazała się gorsza niż ta prognoza, co samo w sobie jest osiągnięciem, bo prognozy analityków zwykle mylą się w drugą stronę.

42% firm porzuciło większość swoich projektów AI w 2025 roku, według ankiety S&P Global Market Intelligence wśród ponad 1000 firm w Ameryce Północnej i Europie. Rok wcześniej ten odsetek wynosił 17%. Podwojenie skali odwrotu w 12 miesięcy to tempo, jakiego nie miała żadna wcześniejsza technologia biurowa, łącznie z tą jedną wersją pakietu biurowego, o której firmy wolą dziś nie wspominać.

W Polsce obraz jest podobny, tylko z lokalnym akcentem rozczarowania. Ankieta EY z maja 2026 pokazała, że 49% polskich firm jest rozczarowanych wdrożeniami AI, a 17% ocenia je na tyle źle, że nie powtórzyłoby tej decyzji, mając dzisiejszą wiedzę. Ta sama ankieta pokazuje jednocześnie wzrost przychodów i oszczędności kosztów u części respondentów, co czyni z niej niezły podręcznik korporacyjnej schizofrenii w jednym dokumencie PDF.

Dlaczego wdrożenia AI się sypią, zanim firma zdąży to ogłosić

cottonbro studio / Pexels

Powód rzadko jest taki, że sama AI jest zła. Powód to zwykle dane, których nikt nie posprzątał, proces, którego nikt nie opisał, i zarząd, który podpisał budżet na "transformację" bez pytania, kto będzie codziennie klikał "zatwierdź", kiedy model się pomyli. Fundament, nie narzędzie, jest najczęstszą przyczyną porażki, dokładnie ten sam wniosek, do którego doszedłem, pisząc o tym, kiedy automatyzacja się nie opłaca.

Do tego dochodzi klasyczny błąd kalendarza: projekt AI dostaje 3 miesiące na pilotaż i 3 tygodnie na wdrożenie produkcyjne, bo ktoś w zarządzie czytał, że konkurencja już to ma. Rezultat wygląda dokładnie tak, jak w każdym innym projekcie IT budowanym w takim tempie: działa na demo, sypie się przy pierwszym prawdziwym kliencie, który wpisuje dane inaczej, niż ktokolwiek przewidział.

Sam kiedyś zakładałem, że wystarczy dobry model, żeby proces działał sam. Wystarczyły trzy tygodnie testów na prawdziwych danych klienta, żeby się przekonać, że model dobrze radzi sobie z przykładami z prezentacji sprzedażowej, a gorzej z fakturą zeskanowaną krzywo telefonem o 23:00 w sobotę.

Cichy powrót do ludzi, o którym nie ma komunikatu prasowego

Mikhail Nilov / Pexels

Gartner, na podstawie ankiety wśród 321 liderów obsługi klienta przeprowadzonej w październiku 2025 roku, przewiduje, że do 2027 roku 50% firm, które ograniczyły zatrudnienie z powodu AI, odtworzy te same stanowiska. Pod inną nazwą, bo "przywracamy dział obsługi klienta" brzmi gorzej w raporcie rocznym niż "rozwijamy model hybrydowy human-in-the-loop".

To dokładnie ten sam wzorzec, który opisywałem przy okazji zwolnień w dużych firmach technologicznych mimo rekordowych zysków z AI: głośne ogłoszenie cięć, ciche odwrócenie decyzji miesiące później, i zero komunikatu prasowego łączącego te dwa fakty w jedną historię.

Powód rehire nie jest sentymentalny. Klient rozpoznaje bota po trzecim pytaniu i zaczyna pisać same wielkie litery, zanim jeszcze dostanie odpowiedź. AI nie ma jeszcze empatii ani osądu sytuacyjnego na poziomie, który utrzyma trudnego klienta w firmie, i to Gartner nazywa wprost jako powód powrotu do ludzi.

Co robią inaczej firmy, które nie muszą się wycofywać

Różnica rzadko leży w budżecie. Firmy, które nie muszą się cofać, zwykle robiły trzy rzeczy w innej kolejności: najpierw posprzątały dane, potem przetestowały proces na małej grupie prawdziwych, trudnych przypadków, a dopiero na końcu zwolniły kogokolwiek, jeśli w ogóle. Nie: budżet, PR, zwolnienia, a dane może kiedyś.

Moim zdaniem firma, która zwalnia ludzi przed pierwszym pełnym miesiącem działania AI na produkcji, płaci podwójnie: raz za odprawy, drugi raz za rekrutację tych samych kompetencji 18 miesięcy później, kiedy gartnerowska prognoza się sprawdzi. Tańsza opcja to poczekać miesiąc dłużej z decyzją kadrową, niż zatrudniać dwa razy tę samą osobę.

Zanim ktokolwiek podejmie decyzję o cięciach na bazie samej demonstracji AI, warto zrobić to, co opisywałem w tekście o audycie wdrożonego AI po pół roku: sprawdzić, czy narzędzie faktycznie działa na prawdziwych danych firmy, nie tylko na tych, które dostawca wybrał do prezentacji sprzedażowej.