AI napędza, ale też kosztuje – 2 biliony dolarów nowych przychodów potrzebne do utrzymania rozwoju sztucznej inteligencji

Nawet przy założeniu, że wdrożenia AI przyniosą pełne, oczekiwane oszczędności kosztowe, na świecie wciąż zabraknie około 800 miliardów dolarów przychodów rocznie – wynika z najnowszego raportu Bain & Company.

Szósta edycja Technology Report 2025 Bain & Company wskazuje, że do 2030 roku globalne zapotrzebowanie na moc obliczeniową niezbędną do obsługi sztucznej inteligencji może osiągnąć 200 gigawatów, z czego połowa przypadnie na Stany Zjednoczone. Nawet w scenariuszu, w którym amerykańskie firmy przeniosą całość wydatków IT z infrastruktury lokalnej do chmury i ponownie zainwestują oszczędności wygenerowane dzięki zastosowaniu AI – m.in. w obszarach sprzedaży, marketingu, obsługi klienta czy badań i rozwoju – środki te nie wystarczą na pełne pokrycie inwestycji w nowe centra danych. Według analityków Bain, wynika to z niespotykanego wcześniej tempa wzrostu zapotrzebowania na moc obliczeniową dla AI – jest ono ponad dwukrotnie szybsze niż przewiduje Prawo Moore'a.

 – Wraz z utrzymywaniem się dotychczasowych tendencji, sztuczna inteligencja stanie się jednym z głównych czynników presji na globalne łańcuchy dostaw – twierdzi Paweł Szreder, partner w Bain & Company. – Do 2030 roku sektor technologiczny stanie przed wyzwaniem poniesienia około 500 miliardów dolarów nakładów kapitałowych, których sfinansowanie będzie wymagało 2 bilionów dolarów nowych przychodów. Ponieważ popyt na moc obliczeniową rośnie szybciej niż wydajność półprzewodników, modernizacja sieci energetycznych oraz rozwój efektywniejszych algorytmów i architektur systemów obliczeniowych staną się kluczowe dla utrzymania tempa innowacji.

Agentowa sztuczna inteligencja rozwija się w błyskawicznym tempie, co może przynieść kolejną falę zysków

Wraz z rosnącym zapotrzebowaniem na moc obliczeniową, wiodące firmy przeszły z etapu testowania możliwości AI do skalowanych wdrożeń, integrując technologię w kluczowych procesach operacyjnych.  W ciągu ostatnich dwóch lat działania te przyniosły im wzrost zysków EBITDA na poziomie od 10% do 25%. Jednocześnie większość organizacji wciąż pozostaje w fazie eksperymentowania z AI, osiągając jedynie ograniczone efekty w obszarze produktywności. Firmy najbardziej zaawansowane technologicznie koncentrują się dziś na budowie autonomicznych zdolności agentowej AI, co napędza rekordowe tempo innowacji. W perspektywie trzech do pięciu lat, według szacunków Bain, od 5% do 10% wydatków na technologie zostanie przeznaczone na rozwój bazy dla wykorzystania agentowej sztucznej inteligencji, w tym platform agentowych, protokołów komunikacyjnych, narzędzi dostępu do danych w czasie rzeczywistym oraz umożliwiających efektywne wyszukiwanie informacji przez agentów AI. Nawet połowa całkowitych wydatków na technologie firm może zostać skierowana na rozwój agentów AI działających w obrębie przedsiębiorstwa.

Jak wskazuje raport Bain, liderzy rynkowi stopniowo budują przewagę nad pozostającymi w tyle konkurentami, przechodząc przez cztery fazy rozwoju: (1) agenci wyszukiwania informacji wspierani przez modele językowe (LLM), (2) agenci realizujący pojedyncze zadania, (3) agenci realizujący złożone, kilkuetapowe zadania w interakcji z różnymi systemami oraz (4) ekosystem współpracujących ze sobą agentów. Obecnie fazy 2 i 3 są głównym obszarem inwestycji, innowacji i wdrożeń. Wraz z dynamicznym rozwojem AI różnica między liderami a naśladowcami będzie się pogłębiać.

Tymczasem architektury IT w przedsiębiorstwach nie były tworzone z myślą o realizacji wizji agentów AI, którzy w sposób kontekstowo świadomy i bezpieczny mogliby współpracować pomiędzy różnymi aplikacjami i bazami danych, automatyzując zróżnicowane zadania dotychczas wykonywane przez ludzi. Raport Bain podkreśla, że kluczową rolę w postępie AI odegra pragmatyczne, a nie purystyczne podejście do tworzenia architektury wspierającej agentów AI – zanim firmy osiągną gotowość na poziomie całej organizacji, co będzie procesem czasochłonnym i kosztownym, niezbędne będzie skupienie się na najważniejszych procesach i niezbędnych dla nich danych i technologiach.

Sztuczna inteligencja przekształca rynek SaaS, ale tworzy też szanse dla jego uczestników

Dostawcy oprogramowania w modelu SaaS stają dziś przed wyzwaniami wynikającymi z rosnącego wpływu generatywnej i agentowej sztucznej inteligencji, jednak to nie oznacza ich marginalizacji. Wręcz przeciwnie, w wielu przypadkach może to zwiększyć całkowity rynek adresowalny (TAM) dla dostawców usług SaaS. Według analizy Bain, firmy powinny uwzględnić dwa kluczowe czynniki przy definiowaniu swojej strategii AI: potencjał AI do automatyzacji zadań wykonywanych przez użytkowników SaaS oraz jej zdolność do zastąpienia funkcjonalności dostarczanej dziś przez SaaS. Uznani dostawcy SaaS dysponują silną pozycją, by przewodzić tej transformacji, jednak wymaga to podejmowania odważnych decyzji strategicznych – takich jak selektywne otwieraniu kodu w modelu open-source czy przejście na nowe modele monetyzacji. Działania te mogą zapewnić im trwałą przewagę konkurencyjną i wpływ na kształt branży. Aby utrzymać prowadzenie, dostawcy SaaS muszą rozwijać przewagę w zakresie danych, kształtować standardy rynkowe i przejść na model wyceny oparty na wynikach, a nie liczbie użytkowników.

Nowa norma dla liderów biznesowych – suwerenna AI tworzy podzielony świat

Cła, ograniczenia eksportowe i rosnące ambicje państw w zakresie tzw. suwerennej AI, przyspieszają fragmentację globalnych łańcuchów dostaw technologii. Nowoczesne dziedziny, takie jak AI, przestają być jedynie katalizatorami wzrostu gospodarczego - stają się również narzędziami rywalizacji o władzę polityczną i bezpieczeństwo narodowe państw. W miarę jak łańcuchy dostaw półprzewodników ulegają fragmentacji, Stany Zjednoczone i Chiny utrzymują dominującą pozycję, przy czym Chiny odpowiadają już za około 20% globalnych mocy produkcyjnych chipów w tym roku.

– Suwerenne zdolności AI coraz częściej postrzegane są jako nowa forma przewagi strategicznej – porównywalnej z siłą gospodarczą czy militarną – twierdzi Paweł Szreder. – Choć dążenie do suwerennej AI jest dziś globalnym priorytetem, cele i możliwości poszczególnych krajów różnią się, dlatego pełna niezależność technologiczna pozostaje poza zasięgiem większości gospodarek - przynajmniej na razie. W praktyce oznacza to, że globalne standardy AI nie będą się konwergować, a firmy międzynarodowe będą zmuszone lokalizować nie tylko zgodność regulacyjną, ale także swoją architekturę technologiczną. W tak złożonym środowisku liderzy muszą podejmować zdecydowane działania tam, gdzie mają wysoką pewność, jednocześnie utrzymując elastyczność w obszarach objętych niepewnością – dodaje ekspert.

Firmy bacznie obserwują przełomowe osiągnięcia w komputerach kwantowych i rosnącą obecność humanoidalnych robotów

Obok szybkiego rozwoju AI, dwa kluczowe zjawiska kształtujące krajobraz technologiczny to postęp w obszarze komputerów kwantowych i wzrost znaczenia robotów humanoidalnych. Komputery kwantowe mają potencjał, by odblokować wartość rynkową sięgającą 250 miliardów dolarów w branżach takich jak farmaceutyka czy finanse, ale osiągnięcie poziomu technologicznego pozwalającego na pełne wykorzystanie tego potencjału wymaga jednak jeszcze wielu lat, a w niektórych zastosowaniach nawet dekad. Z kolei humanoidalne roboty szybko wychodzą poza viralową fazę demonstracji i wchodzą do komercjalizacji, zapewniając dostawcom technologii wyceny sięgające miliardy dolarów. Ich sukces komercyjny będzie jednak zależał od gotowości całego ekosystemu. Firmy, które jako pierwsze skutecznie wdrożą te technologie, mogą zyskać pozycję lidera w nowej erze wzrostu, choć większość projektów pozostaje na wczesnym etapie rozwoju, wymagającym silnego nadzoru człowieka.

Więcej informacji na temat raportu: https://www.bain.com/insights/topics/technology-report/