Różnica między obietnicami a rzeczywistością: co problemy Salesforce ujawniają na temat transformacji sztucznej inteligencji w branży technologicznej

Wielkie rozczarowanie sztuczną inteligencją: dlaczego Salesforce pokazuje, że rzeczywistość wygląda inaczej

Spektakularny, 27-procentowy spadek ceny akcji giganta CRM, Salesforce, od początku 2025 roku, nie jest odosobnionym zjawiskiem dotyczącym jednej firmy. Symbolizuje on raczej fundamentalną rozbieżność między wysokimi oczekiwaniami wobec sztucznej inteligencji a trudną rzeczywistością jej komercyjnego zastosowania. Podczas gdy firmy technologiczne na całym świecie ogłaszają rewolucję dzięki autonomicznym agentom AI, sytuacja Salesforce ujawnia trzy kluczowe problemy, które mogą być symptomatyczne dla całej branży: monetyzacja innowacji w dziedzinie sztucznej inteligencji, strukturalna dojrzałość rynku oprogramowania dla przedsiębiorstw oraz rosnąca złożoność integracji technologii. Niniejsza analiza bada, co tak naprawdę kryje się za rzekomą obietnicą przyszłości i jakie konsekwencje ma to dla branży technologicznej.

W związku z tym:

• Sztuczna inteligencja: Dlaczego Agentforce firmy Salesforce (jeszcze) nie odnosi sukcesu – lepsze są niezależne alternatywy

Podstawy i znaczenie

Sytuacja Salesforce w październiku 2025 roku stanowi punkt zwrotny w postrzeganiu sztucznej inteligencji jako bezpośredniego czynnika wzrostu dla uznanych firm technologicznych. Marc Benioff, charyzmatyczny założyciel i prezes firmy zajmującej się zarządzaniem relacjami z klientami, ogłosił erę sztucznej inteligencji opartej na agentach podczas firmowej konferencji Dreamforce w San Francisco. Jego wizja: autonomiczne algorytmy zastąpią ludzi w firmach i staną się najważniejszym źródłem przychodów Salesforce. Rzeczywistość maluje jednak inny obraz.

Gwałtowny spadek ceny akcji Salesforce stoi w jaskrawej sprzeczności z ogólnym trendem w sektorze technologicznym, gdzie akcje spółek technologicznych odnotowały znaczące wzrosty w tym samym okresie. Ta rozbieżność rodzi fundamentalne pytania: czy branża przeceniła tempo, w jakim sztuczna inteligencja może przełożyć się na realne przychody? Czy oczekiwania wobec autonomicznych agentów AI są realistyczne? I jakie problemy strukturalne kryją się za olśniewającą fasadą obietnicy AI?.

Znaczenie tej analizy wykracza daleko poza Salesforce. Dotyczy ona wszystkich firm, które opierają swój wzrost na sztucznej inteligencji. Dotyczy inwestorów, którzy inwestują miliardy w technologie AI. Dotyka również pracowników, których miejsca pracy są zagrożone przez obiecaną automatyzację. Przypadek Salesforce oferuje unikalny wgląd w mechanizmy, nadzieje i rozczarowania branży w stanie ciągłej transformacji.

Niniejszy artykuł podzielony jest na osiem części, które systematycznie przedstawiają historyczne korzenie, mechanizmy techniczne, stan obecny, praktyczne przypadki użycia, krytyczne problemy, przyszłe kierunki rozwoju oraz podsumowują wnioski. Stanie się jasne, że wyzwania stojące przed Salesforce są przykładem głębszych problemów branżowych, wykraczających daleko poza pojedynczą firmę.

Od pioniera chmury do wojownika AI: strategiczne przegrupowanie giganta branży

Aby zrozumieć obecną sytuację, należy prześledzić początki i ewolucję Salesforce. Założona w 1999 roku przez Marca Benioffa firma zrewolucjonizowała branżę oprogramowania, wprowadzając radykalną wówczas koncepcję oprogramowania jako usługi (SaaS). Zamiast sprzedawać drogie pakiety licencji, które trzeba było instalować na serwerach klientów, Salesforce oferował swoje rozwiązanie CRM przez internet. Klienci płacili miesięczną opłatę i mogli łatwo uzyskać dostęp do oprogramowania za pośrednictwem przeglądarki internetowej.

Ta innowacja uczyniła z Salesforce lidera rynku w zarządzaniu relacjami z klientami. Z udziałem w rynku przekraczającym 21%, firma nadal dominuje na globalnym rynku CRM, daleko wyprzedzając konkurentów, takich jak Microsoft, Oracle i SAP. Przez ponad dwie dekady Salesforce był uważany za spółkę wzrostową par excellence. Przychody rosły dwucyfrowo z roku na rok, cena akcji stale rosła, a firma rozwijała się dzięki licznym przejęciom.

Jednak nawet w latach poprzedzających rok 2025 pojawiły się pierwsze oznaki spowolnienia. Rozwój branży oprogramowania CRM jako całości spowolnił w miarę postępującego nasycenia rynku. Wiele dużych firm wdrożyło już systemy CRM, a łatwy cel został osiągnięty. Jednocześnie pojawili się nowi konkurenci, zdobywający udziały w rynku dzięki innowacyjnym rozwiązaniom i niższym cenom.

W tej sytuacji Benioff coraz bardziej koncentrował się na sztucznej inteligencji jako nowym filarze rozwoju od 2022 roku. Najpierw Salesforce wprowadził Einstein, platformę AI, która umożliwiła analitykę predykcyjną i automatyzację w ramach istniejących produktów CRM. Następnie, we wrześniu 2024 roku, pojawiła się ważna zapowiedź: Agentforce, platforma dla autonomicznych agentów AI, zaprojektowana do samodzielnego wykonywania zadań w obszarach takich jak obsługa klienta, sprzedaż i marketing.

Wizja była ambitna: do końca 2025 roku klienci mieli stworzyć miliard autonomicznych agentów AI za pośrednictwem platformy. Agenci ci mieli nie tylko odpowiadać na proste zapytania, ale także samodzielnie planować i wykonywać złożone, wieloetapowe zadania. Mieli działać proaktywnie, podejmować decyzje i mieć dostęp do całej bazy danych firmy.

Równocześnie, Salesforce intensywnie inwestował w technologiczne podstawy dla agentów AI. W maju 2025 roku firma ogłosiła przejęcie Informatica, specjalisty w zakresie zarządzania danymi, za kwotę ośmiu miliardów dolarów. Przejęcie miało na celu zapewnienie agentom AI dostępu do wysokiej jakości, dobrze ustrukturyzowanych danych. Jesienią 2024 roku Salesforce przejął OwnData, inną firmę zajmującą się zarządzaniem danymi, za kwotę 1,9 miliarda dolarów.

Pomimo tych ogromnych inwestycji i ambitnej wizji, oczekiwany wzrost przychodów nie nastąpił. W drugim kwartale roku obrotowego 2025/26 przychody Salesforce wzrosły o 9,8% do 10,24 mld dolarów. Choć wynik ten nieznacznie przewyższył oczekiwania, był to piąty z rzędu kwartał jednocyfrowego wzrostu. Perspektywy na nadchodzący kwartał były jeszcze bardziej stonowane, co podsycało obawy, że inicjatywa AI nie przyniesie oczekiwanego sukcesu komercyjnego.

Anatomia autonomicznych agentów AI: technologia między wizją a wykonalnością

Aby zrozumieć, dlaczego monetyzacja agentów AI okazuje się tak trudna, należy przyjrzeć się technicznym podstawom i mechanizmom tych systemów. Agentforce opiera się na kilku komponentach technologicznych, które muszą ze sobą współdziałać, aby osiągnąć obiecaną autonomię.

Jego sercem jest tzw. Atlas Reasoning Engine, który działa jak sieć neuronowa lub mózg agentów AI. Silnik ten został zaprojektowany tak, aby naśladować ludzkie myślenie i działanie, poprawnie kategoryzować zadania, nadawać priorytet krokom i ostatecznie wykonywać je precyzyjnie. W przeciwieństwie do poprzednich asystentów AI, takich jak Copilot, które w dużym stopniu opierały się na interakcji z człowiekiem, agenci Agentforce mają działać w dużej mierze autonomicznie.

Drugim kluczowym komponentem jest Salesforce Data Cloud, który w czasie rzeczywistym synchronizuje wszystkie istotne dane firmy i udostępnia je agentom AI. Jakość i kompletność tych danych mają kluczowe znaczenie dla wydajności agentów. To właśnie tutaj pojawia się jedno z największych wyzwań: wiele firm przez lata gromadziło swoje dane w różnych systemach bez jednolitych standardów ani regularnego oczyszczania danych.

Trzeci komponent składa się z narzędzi integracyjnych, takich jak MuleSoft, oraz gotowych konektorów, które umożliwiają agentom interakcję z istniejącymi przepływami pracy i systemami zewnętrznymi. Interfejsy te umożliwiają agentom działanie nie tylko w środowisku Salesforce, ale także komunikację z innymi aplikacjami korporacyjnymi.

Oprócz tych natywnych komponentów Salesforce, Agentforce integruje również rozbudowane modele językowe od zewnętrznych dostawców, takich jak OpenAI, Anthropic i Google Gemini. Modele te zapewniają podstawowe przetwarzanie języka naturalnego i ogólną wiedzę o świecie, na których budowane są poszczególne agenty.

Funkcjonalność można zilustrować na przykładzie agenta obsługi klienta: klient kontaktuje się z firmą z prośbą. Agent analizuje prośbę, uzyskuje dostęp do odpowiednich danych klienta z chmury danych, porównuje je z podobnymi przypadkami z przeszłości, opracowuje wieloetapowy plan rozwiązania, wykonuje te kroki i przekazuje klientowi wynik. Wszystko to odbywa się bez ingerencji człowieka, chyba że agent napotka problem przekraczający jego możliwości.

W teorii brzmi to imponująco. W praktyce jednak kryje się za tym wiele pułapek. Agenci są tak dobrzy, jak dane, do których mają dostęp. Jeśli dane są niekompletne, nieaktualne lub niespójne, agenci podejmą błędne decyzje. Integracja z istniejącymi systemami przedsiębiorstwa jest często skomplikowana i wymaga znacznego nakładu pracy. Chociaż konfiguracja agentów jest reklamowana jako proces low-code, nadal wymaga ona znacznej wiedzy technicznej i specjalistycznej wiedzy z zakresu Salesforce.

Kolejnym problemem jest brak zaufania. Wiele firm waha się przed przekazaniem kontroli nad krytycznymi procesami biznesowymi autonomicznym agentom bez solidnych procedur testowych i mechanizmów bezpieczeństwa. Ryzyko błędów, wycieków danych lub niepożądanych zachowań jest realne, co pokazują przykłady z innych branż.

Trudna droga do rentowności: trzy podstawowe wyzwania

Problemy firmy Salesforce można sprowadzić do trzech głównych wyzwań, które są charakterystyczne dla całej branży: monetyzacja innowacji w zakresie sztucznej inteligencji, strukturalna dojrzałość rynku i złożoność wdrażania technologii.

Pierwsze wyzwanie dotyczy monetyzacji

Chociaż Salesforce stworzył zaawansowany technologicznie produkt we współpracy z Agentforce, kluczowe pytanie pozostaje: jak go spieniężyć? Model cenowy Agentforce opiera się na dwóch dolarach za rozmowę, co jest podejściem opartym na użytkowaniu, różniącym się od tradycyjnych modeli licencjonowania. Jednak wielu potencjalnych klientów waha się przed wdrożeniem tej technologii na dużą skalę, dopóki zwrot z inwestycji nie zostanie wyraźnie udowodniony.

Koszty obsługi agentów AI są znaczne. Bazowe modele językowe wymagają kosztownych zasobów obliczeniowych. Według szacunków branżowych, pojedyncze zapytanie do generatywnego modelu AI kosztuje nawet dziesięć razy więcej niż tradycyjne wyszukiwanie w Google. Koszty te muszą zostać przerzucone na klientów, co ogranicza akceptację cen. Jednocześnie klienci oczekują, że agenci AI zapewnią wyraźną wartość dodaną, która uzasadnia wyższe koszty.

Do tej pory z Agentforce korzysta zaledwie około 12 000 firm, co jest znikomą liczbą, biorąc pod uwagę ogromną bazę klientów Salesforce, liczącą kilkaset tysięcy firm. Roczne przychody z Agentforce wynoszą mniej niż 500 milionów dolarów, co stanowi ułamek całkowitych przychodów przekraczających 40 miliardów dolarów. Nawet jeśli ta liczba potroi się lub zwiększy czterokrotnie w nadchodzących latach, jak liczy Salesforce, jej udział w całkowitych przychodach nadal będzie ograniczony.

Drugim kluczowym wyzwaniem jest strukturalna dojrzałość rynku CRM

Po dwóch dekadach dynamicznego wzrostu rynek oprogramowania do zarządzania relacjami z klientami (CRM) osiągnął punkt nasycenia. Większość dużych i średnich firm na rynkach rozwiniętych wdrożyła już systemy CRM. Potencjał wzrostu organicznego poprzez pozyskiwanie nowych klientów jest ograniczony.

Jednocześnie zaostrzyła się konkurencja. Microsoft z Dynamics 365, Oracle ze swoimi aplikacjami w chmurze, SAP z rozwiązaniami CRM oraz liczni wyspecjalizowani dostawcy, tacy jak HubSpot, Zendesk i Zoho, walczą o udziały w rynku. W ostatnich latach konkurenci nadrobili zaległości i czasami oferują bardziej przystępne cenowo lub wyspecjalizowane rozwiązania.

W tym środowisku Salesforce będzie miał trudności z osiągnięciem dwucyfrowych wskaźników wzrostu, nawet z innowacyjnymi funkcjami AI. Klienci nie zmieniają systemu CRM po prostu dlatego, że dostawca oferuje nowe możliwości AI. Wdrożenie systemu CRM jest skomplikowane, kosztowne i czasochłonne. Firmy niechętnie decydują się na zmianę, dopóki ich obecny system działa.

Analitycy, tacy jak Karl Keirstead z UBS, wskazują, że rynek CRM jest już stosunkowo dojrzały, podczas gdy inwestycje klientów w sztuczną inteligencję w tym obszarze są wciąż na bardzo wczesnym etapie. W związku z tym występuje opóźnienie między dojrzałością rynkową produktów podstawowych a dojrzałością dodatków do sztucznej inteligencji. Ta luka utrudnia Salesforce odzyskanie dawnej dynamiki wzrostu.

Trzecie podstawowe wyzwanie dotyczy złożoności wdrażania technologii

Chociaż Salesforce promuje Agentforce jako przyjazne dla użytkownika rozwiązanie low-code, rzeczywistość dla wielu klientów jest znacznie bardziej złożona. Skuteczne wdrożenie agentów AI wymaga solidnego fundamentu w postaci danych, dobrze zdefiniowanych procesów, wiedzy technicznej oraz znacznych inwestycji w szkolenia i zarządzanie zmianą.

Wiele firm zmaga się z fundamentalnymi wyzwaniami, takimi jak niska jakość danych, odizolowane silosy danych, niewystarczająca infrastruktura IT i brak wiedzy specjalistycznej w zakresie sztucznej inteligencji. Problemy te muszą zostać rozwiązane, zanim agenci AI osiągną swój pełny potencjał. Wymaga to czasu, zasobów i długoterminowego podejścia, którego wiele firm unika.

Do tego dochodzi niedobór wykwalifikowanych pracowników. Zapotrzebowanie na ekspertów AI, specjalistów ds. danych i administratorów Salesforce znacznie przewyższa podaż. Firmy muszą płacić wysokie pensje, aby przyciągnąć i utrzymać wykwalifikowanych pracowników. To dodatkowo podnosi koszty wdrażania rozwiązań AI i wydłuża czas generowania wartości.

Tutaj dowiesz się, jak Twoja firma może szybko, bezpiecznie i bez wysokich barier wejścia wdrażać dostosowane do jej potrzeb rozwiązania z zakresu sztucznej inteligencji.

Zarządzana platforma AI to kompleksowe i bezproblemowe rozwiązanie w zakresie sztucznej inteligencji. Zamiast zmagać się ze skomplikowaną technologią, kosztowną infrastrukturą i długotrwałymi procesami rozwoju, otrzymujesz gotowe rozwiązanie dostosowane do Twoich potrzeb od wyspecjalizowanego partnera – często w ciągu zaledwie kilku dni.

Najważniejsze zalety w skrócie:

⚡ Szybka implementacja: Od pomysłu do gotowej do użycia aplikacji w ciągu kilku dni, a nie miesięcy. Dostarczamy praktyczne rozwiązania, które generują natychmiastową wartość dodaną.

🔒 Maksymalne bezpieczeństwo danych: Twoje wrażliwe dane pozostają z Tobą. Gwarantujemy bezpieczne i zgodne z przepisami przetwarzanie bez udostępniania danych osobom trzecim.

💸 Brak ryzyka finansowego: Płacisz tylko za rezultaty. Wysokie początkowe inwestycje w sprzęt, oprogramowanie lub personel są całkowicie wyeliminowane.

🎯 Skoncentruj się na swojej podstawowej działalności: Skoncentruj się na tym, co robisz najlepiej. Zajmiemy się całościową implementacją techniczną, obsługą i utrzymaniem Twojego rozwiązania AI.

📈 Przyszłościowa i skalowalna: Twoja sztuczna inteligencja rośnie razem z Tobą. Zapewniamy ciągłą optymalizację i skalowalność oraz elastycznie dostosowujemy modele do nowych wymagań.

Więcej informacji tutaj:

• Rozwiązanie Managed AI – Usługi AI dla przemysłu: klucz do konkurencyjności w sektorach usług, przemysłu i inżynierii mechanicznej

Historie sukcesu i rozczarowania: czego uczy nas praktyka o agentach AI

Aby uzyskać pełny obraz, warto przyjrzeć się konkretnym przypadkom użycia i praktycznym doświadczeniom z agentami AI, zarówno w samej firmie Salesforce, jak i w innych firmach.

Firma Salesforce sama podjęła się jednego z najbardziej znaczących wdrożeń agentów AI: w swojej obsłudze klienta. Prezes firmy, Marc Benioff, ogłosił we wrześniu 2025 roku, że firma zredukowała zespół obsługi klienta z 9000 do 5000 pracowników, co stanowi redukcję o 45%. Zwolnionych pracowników zastąpili agenci AI, którzy, według Benioffa, obsłużyli już 1,5 miliona interakcji z klientami, zapewniając poziom satysfakcji klienta zbliżony do poziomu obsługi przez ludzi.

Ten drastyczny krok pokazuje z jednej strony potencjał agentów AI w zakresie automatyzacji powtarzalnych zadań i redukcji kosztów. Salesforce oszczędza znaczne koszty personalne dzięki tym zwolnieniom i może jednocześnie obsłużyć więcej zapytań. Z drugiej strony, rodzi to wątpliwości natury etycznej i praktycznej. Jakość obsługi klienta w przypadku bardziej złożonych zapytań, wymagających ludzkiej oceny i empatii, pozostaje kwestią otwartą. Inne firmy, takie jak Klarna, które wdrożyły podobne strategie automatyzacji, musiały przyznać, że jakość obsługi spadła.

Drugim przykładem są agenci AI w sprzedaży. Kilku klientów Salesforce wdrożyło agentów, którzy automatycznie kwalifikują potencjalnych klientów, umawiają spotkania i wysyłają e-maile z odpowiedziami. Agenci ci pracują 24 godziny na dobę i mogą obsługiwać setki leadów jednocześnie. Według Salesforce, niektórzy klienci zgłaszali, że produktywność ich zespołów sprzedaży wzrosła o 20–30% dzięki wykorzystaniu takich agentów.

Istnieją jednak pewne ograniczenia. Agenci najlepiej funkcjonują w oparciu o ustandaryzowane procesy i jasno określone kryteria kwalifikacji. Szybko osiągają swoje granice w złożonych procesach sprzedaży B2B, wymagających dogłębnej znajomości produktu i strategicznych umiejętności negocjacyjnych. Co więcej, niektórzy użytkownicy zgłaszają pewien stopień niezadowolenia wśród potencjalnych klientów, którzy wolą rozmawiać z człowiekiem.

Poza Salesforce, wiele innych firm korzysta z agentów AI. ServiceNow, bezpośredni konkurent Salesforce w sektorze zarządzania usługami IT, opracował własną platformę dla agentów AI. Agenci ci zostali zaprojektowani do samodzielnego diagnozowania i rozwiązywania problemów IT, przetwarzania zgłoszeń serwisowych i koordynowania przepływów pracy.

Microsoft również opiera się na sztucznej inteligencji opartej na agentach w swoich produktach Copilot, choć z nieco innym podejściem. Agenci Microsoft są głębiej zintegrowani z istniejącymi produktami Office 365 i koncentrują się na wspieraniu produktywności poszczególnych osób, a nie na autonomicznej automatyzacji procesów.

SAP i Oracle realizują podobne strategie i rozwijają agentów AI, którzy są bezpośrednio osadzani w ich systemach ERP i CRM. SAP wprowadził Joule, asystenta AI, który analizuje procesy biznesowe, dostarcza rekomendacje i automatyzuje zadania. Oracle koncentruje się szczególnie na infrastrukturze chmurowej opartej na sztucznej inteligencji i pozycjonuje się jako platforma dla obciążeń AI wymagających dużej mocy obliczeniowej.

Wszystkie te przykłady pokazują, że agenci AI najlepiej sprawdzają się w jasno zdefiniowanych przypadkach użycia, z ustrukturyzowanymi danymi i ujednoliconymi procesami. Im bardziej złożone, nieprzewidywalne i zorientowane na człowieka jest zadanie, tym trudniej jest autonomicznym agentom osiągnąć lub przewyższyć wydajność człowieka.

W związku z tym:

• Salesforce AI: Dlaczego niezależne platformy AI są lepsze niż Einstein i Agentforce – hybrydowe podejście pozwala pokonać uzależnienie od dostawcy!

Krytyka, kontrowersje i nierozstrzygnięte pytania: Ciemna strona rewolucji AI

Problemy Salesforce i szersze wyzwania związane z wdrażaniem agentów AI wywołały ożywioną debatę na temat potencjału i ograniczeń tej technologii. Kilka kluczowych aspektów zasługuje na szczególną uwagę.

Pierwszy punkt sporny dotyczy utraty miejsc pracy. Salesforce wysłał jasny sygnał, zwalniając 4000 pracowników obsługi klienta: agenci AI zastępują nie tylko nieefektywne procesy, ale także ludzi. Benioff wcześniej twierdził, że sztuczna inteligencja nie doprowadzi do zaniku miejsc pracy w biurach. Rzeczywistość pokazuje jednak co innego.

Ten trend nie ogranicza się do Salesforce. Według danych, w samych Stanach Zjednoczonych w 2025 roku zlikwidowano ponad 64 000 miejsc pracy w sektorze technologicznym, wiele z nich związanych ze wzrostem automatyzacji za pomocą sztucznej inteligencji (AI). Ironią jest to, że wiele z tych firm jednocześnie poszukuje nowych pracowników, szczególnie w obszarze rozwoju sztucznej inteligencji (AI) i sprzedaży produktów z nią związanych. Następuje zatem zmiana, w której niektóre stanowiska pracy stają się zbędne, a inne powstają. Pozostaje jednak pytanie, czy nowo utworzone miejsca pracy zrekompensują utracone miejsca pracy zarówno pod względem liczby, jak i jakości.

Drugim kluczowym aspektem jest rozbieżność między marketingiem a rzeczywistością. Salesforce i inne firmy technologiczne promowały agentów AI, obiecując im śmiałe obietnice: rewolucję w miejscu pracy, magiczny wzrost produktywności, autonomiczne systemy zastępujące pracowników. Rzeczywistość jest jednak taka, że ​​wiele wdrożeń wciąż znajduje się w fazie pilotażowej, a obiecywany wzrost produktywności często nie materializuje się lub jest realizowany tylko w ograniczonych obszarach.

Badanie Capgemini wykazało, że chociaż 90% ankietowanych menedżerów jest przekonanych, że sztuczna inteligencja oparta na agentach zapewnia przewagę konkurencyjną, tylko 14% faktycznie rozpoczęło wdrażanie. Większość jest wciąż na etapie planowania, a prawie połowa nie ma konkretnej strategii wdrożenia. Zaufanie do w pełni autonomicznych agentów AI znacząco spadło w ciągu ostatniego roku, z 43 do 27%.

Trzecim problematycznym punktem jest zależność od poszczególnych gigantów technologicznych. Salesforce Agentforce jest ściśle zintegrowany z ekosystemem Salesforce. Agenci działają najlepiej, gdy wszystkie dane i procesy znajdują się w świecie Salesforce. Integracja zewnętrznych źródeł wiedzy lub systemów wymaga znacznego wysiłku. Powoduje to efekt uzależnienia od jednego dostawcy, utrudniając klientom przejście na alternatywne rozwiązania.

Podobną krytykę skierowano pod adresem Microsoftu, SAP i Oracle. Każdy dostawca stara się stworzyć własny ekosystem, w którym jego agenci AI będą działać najlepiej. To komplikuje integrację różnych systemów i zmusza klientów do wyboru jednego, głównego dostawcy. Inicjatywy takie jak Model Context Protocol, który ma umożliwić standaryzowaną komunikację między agentami AI różnych dostawców, są wciąż w powijakach.

Czwarty kontrowersyjny aspekt dotyczy prywatności i bezpieczeństwa danych. Agenci AI potrzebują dostępu do obszernych danych firmowych, aby działać efektywnie. Stwarza to potencjalne zagrożenia bezpieczeństwa, zwłaszcza gdy dane te są udostępniane zewnętrznym usługom AI, takim jak OpenAI czy Anthropic. Chociaż Salesforce i inni dostawcy podkreślają, że wdrożyli rygorystyczne środki ochrony danych, nadal istnieją obawy, szczególnie w regulowanych branżach, takich jak opieka zdrowotna czy usługi finansowe.

Piątym krytycznym punktem jest wpływ na środowisko. Obsługa dużych modeli AI wymaga ogromnej mocy obliczeniowej, a co za tym idzie, energii. Centra danych, w których działają te modele, zużywają miliony kilowatogodzin energii elektrycznej i generują znaczną emisję CO2. W czasach, gdy firmy są pod coraz większą presją, aby realizować swoje cele w zakresie zrównoważonego rozwoju, wpływ systemów AI na środowisko staje się coraz większym problemem.

Spojrzenie w przyszłość: między konsolidacją a kolejną falą

Pomimo wszystkich obecnych wyzwań, eksperci zakładają, że agenci AI będą odgrywać coraz ważniejszą rolę w firmach w nadchodzących latach. Pytanie nie brzmi, czy, ale jak szybko i w jakiej formie ta technologia się utrzyma.

Gartner prognozuje, że do 2026 roku około 40% wszystkich aplikacji korporacyjnych będzie zawierać agentów AI dedykowanych konkretnym zadaniom, co stanowi znaczny wzrost w porównaniu z niecałymi 5% w 2025 roku. Do 2035 roku sztuczna inteligencja oparta na agentach może stanowić około 30% globalnych przychodów z oprogramowania dla przedsiębiorstw, czyli ponad 450 miliardów dolarów. Przewiduje się, że rynek autonomicznej sztucznej inteligencji i agentów autonomicznych wzrośnie z 8,62 miliarda dolarów w 2025 roku do 263,96 miliarda dolarów do 2035 roku, co oznacza średnioroczną stopę wzrostu (CAGR) na poziomie ponad 40%.

Prognozy te opierają się na założeniu, że obecne wyzwania zostaną stopniowo pokonane. Przyczynić się do tego może kilka czynników:

Po pierwsze, sama technologia będzie się nadal rozwijać. Leżące u jej podstaw modele LLM staną się bardziej wydajne, efektywne i opłacalne. Nowe modele, takie jak o1 firmy OpenAI z ulepszonym rozumowaniem czy Claude firmy Anthropic z dłuższymi oknami kontekstowymi, umożliwią realizację bardziej złożonych zadań. Koszt wnioskowania w sztucznej inteligencji spadł już drastycznie, 280-krotnie między listopadem 2022 a październikiem 2024 roku. Ten trend prawdopodobnie się utrzyma, co sprawi, że zastosowania sztucznej inteligencji staną się bardziej atrakcyjne ekonomicznie.

Po drugie, firmy nauczą się efektywniej wykorzystywać agentów AI. Wcześni użytkownicy zdobędą doświadczenie, zidentyfikują najlepsze praktyki i podzielą się nimi z szerszą społecznością. Pojawią się programy szkoleniowe, certyfikaty i usługi doradcze, które wesprą firmy we wdrażaniu tych rozwiązań.

Po trzecie, standaryzacja mogłaby postępować. Inicjatywy takie jak Model Context Protocol czy protokół agent-do-agenta ServiceNow mają na celu umożliwienie komunikacji między agentami AI różnych dostawców. Ustanowienie takich standardów ułatwiłoby integrację i zmniejszyło uzależnienie od jednego dostawcy.

Po czwarte, należy spodziewać się konsolidacji dostawców. Rynek agentów AI jest obecnie rozdrobniony, a dziesiątki startupów i uznanych graczy walczą o udziały w rynku. W nadchodzących latach prawdopodobnie nastąpią przejęcia i konsolidacja rynku, podobnie jak miało to miejsce w przeszłości w innych segmentach technologicznych. Duże firmy, takie jak Salesforce, Microsoft, Google, SAP czy Oracle, będą przejmować mniejszych dostawców, aby rozszerzyć swoje możliwości w zakresie AI.

W przypadku Salesforce, kluczowym czynnikiem będzie to, czy firma będzie w stanie skutecznie zintegrować przejęcie Informatica i wygenerować realną wartość dodaną dla Agentforce. To największe przejęcie w historii firmy od czasu zakupu Slacka w 2021 roku. Wiąże się ono z ryzykiem, o czym świadczy obniżka ratingu przez RBC, która drastycznie obniżyła cenę docelową. Oferuje jednak również możliwości, jeśli Salesforce uda się w ten sposób stworzyć bardziej kompleksową platformę zarządzania danymi, która zwiększy skuteczność agentów AI.

W perspektywie średnioterminowej, do 2030 roku, Salesforce dąży do przekroczenia przychodów 60 miliardów dolarów, co odpowiada organicznemu wzrostowi na poziomie ponad 10% rocznie. Oznaczałoby to powrót do dwucyfrowego wzrostu, po spadku poniżej tego poziomu od połowy 2024 roku. Realność tego celu zależy w dużej mierze od tego, czy Agentforce i inne produkty z zakresu sztucznej inteligencji odniosą oczekiwany sukces.

W dłuższej perspektywie, zgodnie z przewidywaniami Gartnera, rozwój może zmierzać w kierunku złożonych ekosystemów wieloagentowych. W takich systemach wyspecjalizowani agenci współpracują ze sobą, koordynują swoje działania i udostępniają informacje. Jeden agent mógłby analizować zapytania klientów, drugi opracowywać rozwiązania, trzeci koordynować implementację, a czwarty monitorować jakość. Taka skoordynowana współpraca pozwoliłaby na automatyzację jeszcze bardziej złożonych procesów biznesowych.

Ale przed nami jeszcze długa droga. Najbliższe dwa, trzy lata będą kluczowe dla sprawdzenia, czy obecne problemy uda się przezwyciężyć i czy obiecany wzrost produktywności i przychodów rzeczywiście się zmaterializuje.

Lekcje z kryzysu Salesforce dla branży technologicznej

Analiza problemu Salesforce ujawnia fundamentalne prawdy na temat stanu sztucznej inteligencji i jej komercyjnego zastosowania. Głównym wnioskiem jest znacząca rozbieżność między wykonalnością technologiczną agentów AI a ich opłacalnością ekonomiczną w obecnym otoczeniu rynkowym.

Salesforce jest przykładem branży, która weszła w erę sztucznej inteligencji z wysokimi oczekiwaniami, a teraz musi zmierzyć się z trudną rzeczywistością monetyzacji. Trzy główne zidentyfikowane problemy – trudności z monetyzacją, nasycenie rynku i złożoność wdrażania – nie dotyczą wyłącznie Salesforce, ale wpływają na całą branżę oprogramowania dla przedsiębiorstw.

Doświadczenie pokazuje, że same innowacje technologiczne nie wystarczą. Firmy muszą również opracować atrakcyjny model biznesowy, wykazać się wyraźną wartością dla klienta i obniżyć bariery adaptacji. Salesforce stworzył imponujący technologicznie produkt z Agentforce, ale przełożenie tego na zrównoważony wzrost przychodów pozostaje wyzwaniem.

Dla inwestorów oznacza to konieczność rozróżnienia krótkoterminowego szumu medialnego od długoterminowej wartości. Wysokie wyceny wielu firm z branży sztucznej inteligencji (AI) opierają się na oczekiwaniach co do przyszłych zysków, które mogą się nie zmaterializować lub pojawić się z dużym opóźnieniem. Niezbędna jest trzeźwa analiza rzeczywistych wskaźników adopcji, wkładu w przychody i rentowności.

Firmom planującym wdrożenie agentów AI zaleca się: zacznij od jasno zdefiniowanych przypadków użycia, zainwestuj w jakość danych i zarządzanie zmianami i nie oczekuj cudów z dnia na dzień. Najbardziej udane wdrożenia koncentrują się na kilku, ale dobrze zrealizowanych projektach, zamiast uruchamiać wiele powierzchownych eksperymentów.

Dla pracowników ten rozwój oznacza, że ​​niektóre zadania zostaną zautomatyzowane przez sztuczną inteligencję, a jednocześnie pojawią się nowe role. Inwestowanie w umiejętności związane ze sztuczną inteligencją – czy to w zakresie rozwoju, zarządzania, czy strategicznego zastosowania sztucznej inteligencji – staje się coraz ważniejsze.

Przypadek Salesforce to zatem coś więcej niż historia jednej firmy w tarapatach. To lekcja o wyzwaniach transformacji technologicznej, o rozdźwięku między wizją a rzeczywistością oraz o potrzebie zachowania jasnego obrazu realiów ekonomicznych pomimo entuzjazmu dla nowych technologii. Rewolucja w dziedzinie sztucznej inteligencji nadejdzie, ale będzie stopniowa, wyboista i selektywna – nie będzie to często przywoływany Wielki Wybuch, ale ciągły proces z jego wzlotami i upadkami.

☑️ Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim ojczystym języku!

 

Ja i mój zespół chętnie będziemy do Państwa dyspozycji jako osobisty doradca.

Możesz się ze mną skontaktować, wypełniając formularz kontaktowy tutaj po prostu dzwoniąc pod numer +49 7348 4088 965. Mój adres e-mail to wolfenstein@xpert.digital:lub

Nie mogę się doczekać naszego wspólnego projektu.

 

 

☑️ Wsparcie dla MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Tworzenie lub reorganizacja strategii cyfrowej i digitalizacji

☑️ Rozszerzenie i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Rozwój biznesu pionierskiego / Marketing / PR / Targi

Obszary zainteresowań branży: B2B, digitalizacja (od AI do XR), inżynieria mechaniczna, logistyka, odnawialne źródła energii i przemysł

Więcej informacji tutaj:

• Centrum Biznesu Ekspertów

Centrum tematyczne oferujące spostrzeżenia i wiedzę specjalistyczną:

• Platforma wiedzy obejmująca gospodarki globalne i regionalne, innowacje i trendy branżowe
• Zbiór analiz, spostrzeżeń i informacji ogólnych na temat obszarów, na których się koncentrujemy
• Miejsce, w którym można zdobyć wiedzę i informacje na temat bieżących wydarzeń w biznesie i technologii
• Centrum dla firm poszukujących informacji na temat rynków, cyfryzacji i innowacji branżowych

Xpert.Digital posiada dogłębną wiedzę z różnych branż. Pozwala nam to opracowywać strategie dopasowane do indywidualnych potrzeb i wyzwań konkretnego segmentu rynku. Dzięki ciągłej analizie trendów rynkowych i monitorowaniu rozwoju branży, możemy działać proaktywnie i oferować innowacyjne rozwiązania. Połączenie doświadczenia i wiedzy specjalistycznej generuje wartość dodaną i zapewnia naszym klientom zdecydowaną przewagę konkurencyjną.

Więcej informacji tutaj:

• Skorzystaj z pakietu obejmującego 5 obszarów specjalizacji Xpert.Digital – już od 500 € miesięcznie