Dlaczego giganci AI nagle kochają spotkania z zarządami
Jeszcze rok temu wielu prezesów myślało o AI w kategoriach: „mamy gdzieś tego chatbota na stronie, prawda?”. Dziś w sali zarządu siada zespół z OpenAI albo Anthropic, na stole ląduje prezentacja na 60 slajdów, a w pierwszym zdaniu pada liczba z sześcioma zerami. Tempo zmiany jest brutalne.
To już nie jest gra o to, kto ma więcej indywidualnych kont w aplikacji. Stawką są wieloletnie kontrakty B2B, w ramach których jedna strona dostaje dostęp do najnowszych modeli, a druga – stabilny, przewidywalny strumień przychodów. Kto wygra wyścig o wdrożenia AI w firmach, ma szansę stać się „dostawcą pierwszego wyboru” dla całego segmentu biznesu.
Zmienia się też sam sposób sprzedaży. Mniej logowania kartą kredytową do usługi w chmurze, więcej „dzień dobry, przyjechaliśmy na trzy dni warsztatów”. AI zaczyna przypominać projekt transformacyjny, nie gadżet do testów po godzinach.
Dla zarządów, dyrektorów IT i konsultantów oznacza to jedno: koniec weekendowego sklejania proof of concept na darmowym planie. Po drugiej stronie pojawia się armia ludzi, którzy bardzo chcą pomóc… i bardzo chcą sprzedać jak najwięcej usług, szkoleń, integracji. Jeśli przy tym ktoś z firmy klienta nie zada trudnych pytań, łatwo skończyć z pięknym, ale drogim i średnio dopasowanym wdrożeniem.
Dla wielu organizacji to pierwszy raz, gdy vendor AI zachowuje się bardziej jak firma konsultingowa niż twórca aplikacji. Zamiast „tu jest API, powodzenia” słyszymy „wejdziemy w procesy, porozmawiamy z ludźmi, zaprojektujemy razem nowy sposób pracy”. Brzmi świetnie, dopóki ktoś nie zapyta o konsekwencje dla budżetu, autonomii IT i zależności od jednego partnera.
Na tym tle ruchy OpenAI i Anthropic – od wyspecjalizowanych spółek wdrożeniowych po zespoły inżynierów wysyłanych do klientów – są po prostu kolejną odsłoną tej samej gry. Stawka rośnie, zasady się zmieniają, a kto siądzie do stołu nieprzygotowany, ten zorientuje się po roku, że to nie była „pilotażowa zabawka”, tylko nowy kręgosłup firmy.
Od The Deployment Company po inżynierów na miejscu: jak wygląda nowa sprzedaż AI B2B
Dobrym symbolem nowej strategii jest The Deployment Company, podmiot powiązany z OpenAI skupiony nie na samych modelach, ale na ich wdrażaniu w realnych organizacjach. To nie jest tylko dodatkowy dział sprzedaży. To sygnał, że „wdrożenie modeli” staje się osobnym produktem.
Z perspektywy klienta różnica jest duża. Zamiast prostego „kup dostęp do modelu i rób swoje”, pojawia się oferta wspólnego projektowania procesów, integracji z istniejącymi systemami, cykli szkoleń dla pracowników. Innymi słowy: pełen pakiet transformacyjny, który ma od razu dowieźć efekt biznesowy, a nie tylko ładny prototyp na prezentację dla zarządu.
Drugi ważny trend to wysyłanie inżynierów i ekspertów AI prosto do klientów. OpenAI i Anthropic zaczynają działać tu jak duże firmy doradcze – formują zespoły projektowe, które potrafią miesiącami siedzieć po stronie klienta.
Wyobraźmy sobie średnią firmę produkcyjną spod Łodzi. Ma kilkaset osób na hali, rozrośnięte działy księgowości i jakości, dział prawny działający trochę „na wyczucie”. Na scenę wchodzi vendor AI. Razem z zespołem klienta automatyzuje obsługę dokumentów, buduje modele prognozowania popytu, podkłada asystenta AI prawnikom do przeglądu umów. Po pół roku wszyscy mówią: „jak myśmy w ogóle pracowali wcześniej?”.
Tylko że wraz z zachwytem przychodzi pytanie: co, jeśli za dwa lata będziemy chcieli zmienić dostawcę? Zbyt głębokie szycie rozwiązań pod jednego vendora grozi bardzo twardym lądowaniem w świecie vendor lock-in.
Trzeci element układanki to współpraca z funduszami private equity i dużymi inwestorami finansowymi. Fundusze, które skupują i porządkują spółki w swoich portfelach, coraz częściej oczekują, że razem z „pakietem naprawczym” przychodzi też spójna strategia AI. OpenAI i Anthropic wchodzą tu jako partnerzy technologiczni. Jeśli uda im się przekonać partnerów w funduszu, decyzje o wyborze modelu mogą zapadać hurtowo – dla całej grupy firm, od Niemiec po Europę Środkową.
W praktyce oznacza to, że lokalne działy IT mogą pewnego dnia dostać maila: „wybraliśmy standardowy model i platformę dla całej grupy, prosimy o przygotowanie planu wdrożenia”. Bez szczególnego pytania o potrzeby danego rynku czy ograniczenia infrastruktury. Jeden z komentatorów cytowany w analizowanym materiale ujął to tak: wyścig OpenAI z Anthropic przyspieszył do punktu, w którym obie firmy chcą być obecne w każdej większej tabelce budżetowej na 2026 rok – nie tylko w rubryce „eksperymenty”, ale w głównych pozycjach inwestycyjnych.
Dla zarządów to jasny sygnał: rozmowa z dostawcą modeli przestaje być zakupem jednego narzędzia. Coraz częściej przypomina wybór partnera transformacyjnego, który wpływa na budżet, architekturę IT i to, jak będzie wyglądać praca w firmie przez kilka następnych lat.
Co to zmienia dla średnich i dużych firm: od POC-ów do prawdziwych negocjacji
Lubię historię pewnego CIO, który jeszcze półtora roku temu podpisał małą fakturę za „pilota AI” na kwotę, którą dało się zmieścić w rubryce „inne wydatki”. Dziś ten sam człowiek otwiera maila i widzi draft trzyletniej umowy ramowej z globalnym dostawcą modeli. Z prognozą kosztów na poziomie rocznego budżetu całego działu IT. To dalej ta sama osoba, ale skala odpowiedzialności inna o kilka lig.
Po pierwsze, budżet i skala. Rozmowa nie kręci się już wokół kilku tysięcy złotych na testy, ale wokół pozycji w CAPEX i OPEX, które realnie konkurują z innymi dużymi projektami. Gdy do gry wchodzi private equity, dochodzi dodatkowa presja na szybkie, mierzalne efekty. Vendorom zdarza się wtedy proponować harmonogramy, przy których wewnętrzne zespoły łapią się za głowę.
Po drugie, bezpieczeństwo danych i zgodność z regulacjami. Firmy muszą jasno określić, które dane mogą trafić do modeli, w jakiej formie, z jakimi gwarancjami, że nie pojawią się nigdzie poza środowiskiem klienta. Dyskusje wokół regulaminów narzędzi AI pokazują, że zasady gry zmieniają się regularnie. W szerszym kontekście warto spojrzeć na to, co opisuje analiza nowego regulaminu ChatGPT 2026 i jego skutków – inne grupy użytkowników, ale logika zależności od warunków usługi bardzo podobna.
Trzeci obszar to uzależnienie od jednego dostawcy. Kiedy cała obsługa klienta, generowanie ofert, analityka i wewnętrzna komunikacja stają na jednym modelu i jednym kontrakcie, margines manewru dramatycznie się kurczy. Łatwo wtedy przejść od „to tylko test” do „nie możemy zmienić dostawcy, bo sparaliżujemy firmę”. I to często szybciej, niż ktokolwiek się spodziewał.
Po czwarte, kompetencje wewnętrzne. Skoro vendor zjawia się z własnym zespołem inżynierów, pokusa, by odpuścić budowę własnego know-how, rośnie z każdym tygodniem. To błąd. Zespół klienta nie musi umieć trenować modeli od zera, ale powinien rozumieć logikę działania, ograniczenia, wpływ konfiguracji na koszty i jakość. Inaczej negocjacje dotyczące skalowania użycia czy zmiany modelu zamieniają się w grę w ciemno.
Po piąte, oczekiwania zarządów. Agresywna sprzedaż napędza slajdy z „magicznie” wyglądającymi efektami. Wyniki są często prawdziwe, tylko pochodzą z idealnie dobranych case’ów. Rolą IT i konsultantów jest spokojnie tłumaczyć, gdzie kończy się marketing, a zaczyna realny use case. Tu przydaje się też rozumienie, jak zarabiają dostawcy AI. Warto zajrzeć do tekstu o reklamach w ChatGPT i modelu biznesowym darmowej AI, żeby zobaczyć, jak interesy platformy wpływają na doświadczenie użytkownika. W negocjacjach z vendorami świadomość ich modelu biznesowego bywa cenniejsza niż kolejny proof of concept.
Na marginesie: to, że ktoś prywatnie używa narzędzi AI do planowania podróży, szukania hoteli przez serwisy takie jak HikersBay czy szybkiej analizy budżetu domowego, nie znaczy, że te same standardy da się przenieść do firmy. W świecie biznesu inaczej wygląda temat przechowywania danych, audytu i zgodności z regulacjami. I lepiej tę różnicę zaakceptować, zanim pierwszy raz przyjdzie kontrola.
Jak przygotować się do rozmów z OpenAI, Anthropic i innymi dostawcami modeli
Skoro na spotkanie przylatuje zespół sprzedaży AI z drugiego końca świata, głupio byłoby wejść na salę tylko z notatką „zobaczymy, co pokażą”. Własny plan po stronie klienta to dziś absolutna podstawa.
Najpierw powinna pojawić się choć szkicowa strategia, a dopiero potem demo. Kilka prostych odpowiedzi: które procesy chcemy zmienić, jakie dane są naprawdę krytyczne, gdzie godzimy się na automatyzację, a gdzie musi być człowiek. Bez tego pokaz produktu zamienia się w efektowny show, po którym wszyscy są zadowoleni, ale nikt nie wie, co dalej.
Drugi element to minimum wiedzy o modelach. Wystarczy odróżniać ogólne modele konwersacyjne od bardziej wyspecjalizowanych systemów do konkretnych zadań, rozumieć, że na horyzoncie są coraz bardziej autonomiczni agenci AI, które będą wykonywać całe sekwencje działań. Dla osób, które chcą głębiej wejść w ten temat, dobrym uzupełnieniem jest tekst o agentach AI po erze chatbotów. Łatwiej wtedy zrozumieć, dokąd zmierzają roadmapy dostawców i co to znaczy dla planów firmy na 3–5 lat.
Kolejna rzecz to skład zespołu po stronie klienta. Na spotkaniu z vendorem powinni pojawić się nie tylko ludzie od IT. Potrzebna jest też osoba od procesów, ktoś z finansów, kto zna liczby, i prawnik, który potrafi czytać paragrafy o danych i odpowiedzialności. Dobrze, jeśli choć jedna osoba ma za sobą twarde negocjacje z dostawcami chmury czy dużych systemów ERP – język, którym mówi się o uptime, karach umownych i opcjach migracji, jest zaskakująco podobny.
Dużą różnicę robią też same pytania. Zamiast pytać ogólnie, czy model jest „dokładny”, lepiej zapytać, jak wygląda możliwość zmiany modelu w trakcie trwania umowy, jakie logi przechowuje vendor, gdzie fizycznie są dane, jak liczone są koszty wyjścia z usługi i czy istnieją realne opcje hostingu w różnych chmurach lub na własnej infrastrukturze. To są pytania, przy których po drugiej stronie robi się na chwilę cisza – i dobrze.
Warto też dopytać o doświadczenia branżowe i lokalne. Ile wdrożeń dana firma lub jej partnerzy zrobili w produkcji, usługach, finansach. Ile w Polsce albo w regionie. Realia polskiej średniej firmy są inne niż realia korporacji z Doliny Krzemowej, z dużo większym budżetem i luzem w zatrudnianiu specjalistów. Zdarza się, że na prezentacji oglądamy imponujące case study ze Stanów, a potem przy zderzeniu z infrastrukturą firmy produkcyjnej pod Łodzią połowa założeń ląduje w koszu.
Na koniec jedna rzecz, o której mało kto mówi wprost: narzędzia, z których menedżerowie korzystają prywatnie – do organizacji podróży, liczenia kosztów życia czy szybkiego sprawdzania pogody – nie powinny automatycznie stać się wzorem rozwiązań dla całej organizacji. W domu można pozwolić sobie na większą beztroskę w podejściu do danych. W firmie to prosta droga do poważnych problemów.
Firmy, które nauczą się rozmawiać z dostawcami AI w sposób świadomy, konkretny i twardy, będą podejmować decyzje o wielomilionowych wdrożeniach znacznie spokojniej. Z efektem „wow” traktowanym jako miły dodatek do rozmowy, a nie główny argument za podpisaniem umowy.