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 brutalną rzeczywistością jej komercyjnego wykorzystania. Podczas gdy firmy technologiczne na całym świecie ogłaszają rewolucję, którą przynoszą autonomiczni agenci AI, sytuacja Salesforce ujawnia trzy główne 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 tą rzekomą obietnicą przyszłości i jakie konsekwencje niesie ona dla branży technologicznej.

Nadaje się do:

• Sztuczna inteligencja: dlaczego agent Salesforces Agentforce nie (jeszcze) - niezależne alternatywy są lepsze

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 generatorem przychodów Salesforce. Rzeczywistość maluje jednak inny obraz.

Gwałtowny spadek akcji Salesforce stoi w jaskrawej sprzeczności z ogólnym trendem w branży technologicznej, gdzie akcje technologiczne odnotowały znaczące wzrosty w tym samym okresie. Ta rozbieżność rodzi fundamentalne pytania: czy branża przeceniła szybkość, z jaką sztuczna inteligencja może przełożyć się na realne przychody? Czy oczekiwania wobec autonomicznych agentów AI są realistyczne? I jakie problemy strukturalne kryją się za lśniącą 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. Dotyczy również pracowników, których miejsca pracy są zagrożone przez obiecaną automatyzację. Przypadek Salesforce oferuje unikalny wgląd w mechanizmy, nadzieje i rozczarowania branży w okresie transformacji.

Niniejszy artykuł podzielony jest na osiem części, które systematycznie przedstawiają historyczne korzenie, mechanizmy techniczne, stan obecny, praktyczne przypadki użycia, kluczowe problemy, przyszłe kierunki rozwoju oraz ostateczną syntezę wyciągniętych wniosków. Stanie się jasne, że wyzwania stojące przed Salesforce są reprezentatywne dla głębszych problemów branżowych, wykraczających daleko poza pojedynczą firmę.

Od pioniera chmury do wojownika o sztuczną inteligencję: strategiczna reorientacja 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 (Software as a Service). Zamiast sprzedawać drogie pakiety licencji, które trzeba było instalować na serwerach klientów, Salesforce oferował swoje rozwiązanie CRM online. Klienci płacili miesięczną opłatę i mogli korzystać z oprogramowania po prostu za pośrednictwem przeglądarki.

Ta innowacja uczyniła z Salesforce lidera rynku zarządzania 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 akcję wzrostową par excellence. Przychody rosły dwucyfrowo z roku na rok, cena akcji stale rosła, a firma rozwijała się dzięki licznym przejęciom.

Jednak już w latach poprzedzających rok 2025 pojawiły się pierwsze oznaki spowolnienia. Wzrost w 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 elemencie rozwoju, począwszy od 2022 roku. Salesforce najpierw wprowadził Einstein, platformę AI, która umożliwiła analitykę predykcyjną i automatyzację w ramach istniejących produktów CRM. Następnie, we wrześniu 2024 roku, nastąpiło ważne ogłoszenie: Agentforce, platforma dla autonomicznych agentów AI, którzy mieliby samodzielnie wykonywać zadania w obszarach takich jak obsługa klienta, sprzedaż i marketing.

Wizja była ambitna: do końca 2025 roku klienci mieliby stworzyć miliard autonomicznych agentów AI za pośrednictwem platformy. Agenci ci nie tylko odpowiadaliby na proste pytania, ale także samodzielnie planowali i wykonywali złożone, wieloetapowe zadania. Działaliby proaktywnie, podejmowali decyzje i mieli dostęp do całej bazy danych firmy.

Jednocześnie firma Salesforce zainwestowała znaczne środki w technologiczne podstawy dla agentów AI. W maju 2025 roku firma ogłosiła przejęcie Informatica, specjalisty w zakresie zarządzania danymi, za kwotę 8 miliardów dolarów. Przejęcie miało na celu zapewnienie agentom AI dostępu do wysokiej jakości, dobrze ustrukturyzowanych danych. Jesienią 2024 roku Salesforce przejął Own Data, kolejną firmę zajmującą się zarządzaniem danymi, za kwotę 1,9 miliarda dolarów.

Jednak 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 był to wynik nieznacznie powyżej oczekiwań, był to piąty z rzędu kwartał jednocyfrowego wzrostu. Prognozy na nadchodzący kwartał były jeszcze bardziej ostrożne, co podsycało obawy, że ofensywa 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, ważne jest zbadanie technicznych podstaw i mechanizmów tych systemów. Agentforce opiera się na kilku komponentach technologicznych, które muszą ze sobą współdziałać, aby osiągnąć obiecaną autonomię.

Sercem systemu jest Atlas Reasoning Engine, który działa jak sieć neuronowa lub mózg agentów AI. Silnik ten został zaprojektowany tak, aby naśladować ludzkie myślenie i zachowanie, poprawnie kategoryzować zadania, nadawać priorytet krokom zadań i ostatecznie wykonywać je poprawnie. W przeciwieństwie do poprzednich asystentów AI, takich jak Copilot, które w dużym stopniu opierały się na interakcji z człowiekiem, agenci Agentforce są zaprojektowani do działania 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 ma kluczowe znaczenie dla wydajności agentów. Stanowi to również jedno z największych wyzwań: wiele firm gromadziło swoje dane przez lata w różnych systemach bez spójnych standardów i regularnego oczyszczania.

Trzecim komponentem są narzędzia integracyjne, takie jak MuleSoft, oraz gotowe konektory, które umożliwiają agentom interakcję z istniejącymi przepływami pracy i systemami zewnętrznymi. Interfejsy te pozwalają agentom działać nie tylko w środowisku Salesforce, ale także komunikować się z innymi aplikacjami korporacyjnymi.

Oprócz tych komponentów specyficznych dla Salesforce, Agentforce integruje również wielkoskalowe 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 podstawie których budowane są konkretne agenty.

Funkcjonalność można zilustrować na przykładzie agenta obsługi klienta: Klient kontaktuje się z firmą z zapytaniem. Agent analizuje zapytanie, uzyskuje dostęp do odpowiednich danych klienta z chmury danych, porównuje je z podobnymi przypadkami z przeszłości, opracowuje wieloetapowy plan rozwiązania problemu, 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 istnieje wiele przeszkód. Agenci są tak dobrzy, jak dane, do których mają dostęp. Jeśli dane są niekompletne, nieaktualne lub niespójne, agenci podejmują błędne decyzje. Integracja z istniejącymi systemami korporacyjnymi jest często skomplikowana i wymaga znacznego nakładu pracy. Konfiguracja agentów, choć reklamowana jako proces low-code, nadal wymaga 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 podsumować w trzech głównych wyzwaniach, które są typowe dla całej branży: monetyzacja innowacji w zakresie sztucznej inteligencji, strukturalna gotowość rynkowa i złożoność wdrażania technologii.

Pierwsze wyzwanie dotyczy monetyzacji

Chociaż Salesforce opracował zaawansowany technologicznie produkt we współpracy z Agentforce, kluczowe pytanie pozostaje: jak go monetyzować? 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 będzie wyraźnie widoczny.

Koszty korzystania z 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, która uzasadnia wyższe koszty.

Do tej pory z Agentforce korzysta zaledwie około 12 000 firm, co jest niewielką liczbą, biorąc pod uwagę ogromną bazę klientów Salesforce, liczącą kilkaset tysięcy firm. Roczne przychody cykliczne 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 osiągnął fazę nasycenia. Większość dużych i średnich firm na rynkach rozwiniętych wdrożyła już systemy CRM. Potencjał wzrostu organicznego poprzez pozyskiwanie nowych klientów jest ograniczony.

Jednocześnie konkurencja stała się bardziej zacięta. 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 tańsze lub bardziej wyspecjalizowane rozwiązania.

W tym środowisku Salesforce będzie miał trudności z osiągnięciem dwucyfrowych wskaźników wzrostu, nawet z innowacyjnymi funkcjami AI. Klienci nie zmienią 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 istnieje luka czasowa między dojrzałością rynkową produktów podstawowych a dojrzałością dodatków AI. Ta rozbieżność utrudnia Salesforce odzyskanie dawnej dynamiki wzrostu.

Trzecie fundamentalne wyzwanie dotyczy złożoności wdrażania technologii

Chociaż Salesforce promuje Agentforce jako przyjazne dla użytkownika rozwiązanie low-code, rzeczywistość dla wielu klientów jest znacznie bardziej skomplikowana. Skuteczne wdrożenie agentów AI wymaga solidnego fundamentu 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. Te problemy muszą zostać rozwiązane, zanim agenci AI będą mogli w pełni wykorzystać swój 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 zatrzymać wykwalifikowanych pracowników. To dodatkowo podnosi koszty wdrażania rozwiązań AI i wydłuża czas potrzebny do osiągnięcia korzyści.

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

Zarządzana platforma AI to kompleksowy, bezproblemowy pakiet rozwiązań dla sztucznej inteligencji. Zamiast zmagać się ze skomplikowaną technologią, kosztowną infrastrukturą i długotrwałymi procesami rozwoju, otrzymujesz gotowe rozwiązanie dopasowane do Twoich potrzeb od wyspecjalizowanego partnera – często w ciągu kilku dni.

Najważniejsze korzyści w skrócie:

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

🔒 Maksymalne bezpieczeństwo danych: Twoje wrażliwe dane pozostają u Ciebie. 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. Zajmujemy się całościową implementacją techniczną, obsługą i utrzymaniem Twojego rozwiązania AI.

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

Więcej na ten temat tutaj:

• Rozwiązanie Managed AI – Usługi w zakresie przemysłowej AI: Klucz do konkurencyjności w sektorze 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 wdrożyła jedno z najbardziej znanych 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 rozmów z klientami, osiągając poziom satysfakcji klienta zbliżony do poziomu osiąganego przez agentów ludzkich.

Z jednej strony, ten drastyczny krok pokazuje potencjał agentów AI w zakresie automatyzacji powtarzalnych zadań i redukcji kosztów. Salesforce znacząco oszczędza koszty personelu dzięki tym zwolnieniom, jednocześnie będąc w stanie 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 potencjalnych klientów jednocześnie. Według Salesforce, niektórzy klienci zgłaszali wzrost produktywności swoich zespołów sprzedaży o 20–30% w wyniku korzystania z takich agentów.

Istnieją jednak również pewne ograniczenia. Agenci najlepiej radzą sobie ze standardowymi procesami i jasno określonymi kryteriami kwalifikacji. Szybko osiągają swoje granice w złożonych procesach sprzedaży B2B, wymagających dogłębnej znajomości produktu i strategicznych umiejętności negocjacyjnych. Co więcej, niektórzy użytkownicy zgłaszają pewien poziom niezadowolenia z potencjalnych klientów, którzy wolą rozmawiać z człowiekiem.

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

Microsoft również opiera się na sztucznej inteligencji opartej na agentach w swoich produktach Copilot, ale 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, rozwijając agentów AI wbudowanych bezpośrednio w ich systemy 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 autonomicznym agentom dorównać lub przewyższyć wydajność człowieka.

Nadaje się do:

• Salesforce AI: Dlaczego niezależne platformy AI są lepsze niż Einstein i Agentforce-Hybrid Podejście Beats dostawcy Lock-In!

Krytyka, kontrowersje i nierozstrzygnięte pytania: Ciemna strona rewolucji AI

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

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

Ten trend nie ogranicza się do Salesforce. Według danych, do 2025 roku w samych Stanach Zjednoczonych miało zniknąć ponad 64 000 miejsc pracy w branży technologicznej, wiele z nich związanych ze wzrostem automatyzacji za pomocą sztucznej inteligencji (AI). Ironią jest to, że jednocześnie wiele z tych firm poszukuje nowych pracowników, szczególnie w obszarach rozwoju i sprzedaży AI. W związku z tym następuje zmiana – niektóre stanowiska stają się zbędne, a inne powstają. Pozostaje jednak pytanie, czy nowo utworzone miejsca pracy przeważą nad utraconymi pod względem liczby i jakości.

Drugim kluczowym aspektem jest rozbieżność między marketingiem a rzeczywistością. Salesforce i inne firmy technologiczne promowały agentów AI, obiecując im śmiałe obietnice: zrewolucjonizowanie świata pracy, magiczny wzrost produktywności, zastąpienie pracowników przez systemy autonomiczne. 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 jej wdrażanie. Większość z nich jest wciąż na etapie planowania, a prawie połowa nie ma konkretnej strategii wdrożenia. Zaufanie do w pełni autonomicznych agentów AI znacznie spadło w ciągu ostatniego roku, z 43 do 27%.

Trzecim problematycznym aspektem 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 środowisku 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 spotykają się również Microsoft, 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 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 korporacyjnych, aby działać efektywnie. Stwarza to potencjalne zagrożenia bezpieczeństwa, zwłaszcza gdy dane te są przekazywane do zewnętrznych usług AI, takich 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. Uruchamianie dużych modeli AI wymaga ogromnej mocy obliczeniowej, a co za tym idzie, energii. Centra danych, które napędzają 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 przewidują, 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, przekraczając 450 miliardów dolarów. Rynek autonomicznej sztucznej inteligencji i autonomicznych agentów wzrośnie z 8,62 miliarda dolarów w 2025 roku do 263,96 miliarda dolarów do 2035 roku, przy średniorocznej stopie wzrostu przekraczającej 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 ewoluować. Bazowe modele językowe staną się bardziej wydajne, wydajne i ekonomiczne. 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. Wczesne wdrożenia będą gromadzić doświadczenia, identyfikować najlepsze praktyki i dzielić się nimi z szerszą społecznością. Pojawią się programy szkoleniowe, certyfikaty i usługi doradcze, które wesprą firmy we wdrażaniu rozwiązań.

Po trzecie, standaryzacja mogłaby się rozwijać. Inicjatywy takie jak Model Context Protocol czy Agent-to-Agent Protocol firmy 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 dojdzie do przejęć i wstrząsów rynkowych, podobnych do tych obserwowanych w przeszłości w innych segmentach technologicznych. Duże firmy, takie jak Salesforce, Microsoft, Google, SAP i Oracle, będą przejmować mniejszych dostawców, aby rozszerzyć swoje możliwości w zakresie sztucznej inteligencji.

Dla Salesforce kluczowe będzie, czy firma z powodzeniem zintegruje przejęcie Informatica i wygeneruje realną wartość dla Agentforce. To największe przejęcie w historii firmy od czasu zakupu Slacka w 2021 roku. Wiąże się ono z ryzykiem, o czym świadczy obniżenie ratingu przez RBC, które drastycznie obniżyło cenę docelową. Oferuje jednak również możliwości, jeśli pozwoli Salesforce stworzyć bardziej kompleksową platformę zarządzania danymi, która zwiększy skuteczność agentów AI.

W perspektywie średnioterminowej, do 2030 roku, Salesforce planuje osiągnąć przychody przekraczające 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 przyniosą oczekiwany sukces.

W dłuższej perspektywie, jak przewiduje Gartner, trend ten może zmierzać w kierunku złożonych ekosystemów wieloagentowych. W takich systemach wyspecjalizowani agenci współpracują ze sobą, koordynując swoje działania i udostępniając informacje. Jeden agent mógłby analizować zapytania klientów, drugi opracowywać propozycje rozwiązań, trzeci koordynować implementację, a czwarty monitorować jakość. Taka skoordynowana współpraca mogłaby zautomatyzować jeszcze bardziej złożone procesy biznesowe.

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 wykorzystania. Kluczowym wnioskiem jest znacząca rozbieżność między wykonalnością technologiczną agentów AI a ich rentownością komercyjną w obecnym otoczeniu rynkowym.

Salesforce to doskonały przykład branży, która weszła w erę sztucznej inteligencji z wysokimi oczekiwaniami, a teraz mierzy się z trudną rzeczywistością monetyzacji. Trzy główne zidentyfikowane wyzwania – trudności z monetyzacją, nasycenie rynku i złożoność procesu adopcji – 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 wyraźnymi korzyściami dla klientów i obniżyć bariery wejścia. Salesforce stworzył imponujący technologicznie produkt z Agentforce, ale przełożenie go 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 dobrze zrealizowanych projektach, zamiast uruchamiać liczne powierzchowne eksperymenty.

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 – zarówno w zakresie rozwoju, zarządzania, jak i strategicznego stosowania AI – staje się coraz ważniejsze.

Przypadek Salesforce to zatem coś więcej niż historia jednej firmy w tarapatach. To lekcja o wyzwaniach związanych z transformacją technologiczną, 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 postępować stopniowo, nierówno i selektywnie – nie jak często przywoływany Wielki Wybuch, ale jako ciągły proces z wzlotami i upadkami.

☑️Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim języku narodowym!

 

Chętnie będę służyć Tobie i mojemu zespołowi jako osobisty doradca.

Możesz się ze mną skontaktować wypełniając formularz kontaktowy lub po prostu dzwoniąc pod numer +49 89 89 674 804 (Monachium) . Mój adres e-mail to: wolfenstein ∂ xpert.digital

Nie mogę się doczekać naszego wspólnego projektu.

 

 

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

☑️ Stworzenie lub dostosowanie strategii cyfrowej i cyfryzacji

☑️Rozbudowa i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Pionierski rozwój biznesu / marketing / PR / targi

Skupienie się na branży: B2B, digitalizacja (od AI do XR), inżynieria mechaniczna, logistyka, odnawialne źródła energii i przemysł

Więcej na ten temat tutaj:

• Centrum biznesowe Xpert

Centrum tematyczne z przemyśleniami i wiedzą specjalistyczną:

• Platforma wiedzy na temat globalnej i regionalnej gospodarki, innowacji i trendów branżowych
• Zbieranie analiz, impulsów i informacji ogólnych z obszarów, na których się skupiamy
• Miejsce, w którym można zdobyć wiedzę i informacje na temat bieżących wydarzeń w biznesie i technologii
• Centrum tematyczne dla firm, które chcą dowiedzieć się więcej o rynkach, cyfryzacji i innowacjach branżowych

Xpert.Digital posiada dogłębną wiedzę na temat różnych branż. Dzięki temu możemy opracowywać strategie „szyte na miarę”, które są dokładnie dopasowane do wymagań i wyzwań konkretnego segmentu rynku. Dzięki ciągłej analizie trendów rynkowych i śledzeniu rozwoju branży możemy działać dalekowzrocznie i oferować innowacyjne rozwiązania. Dzięki połączeniu doświadczenia i wiedzy generujemy wartość dodaną i dajemy naszym klientom zdecydowaną przewagę konkurencyjną.

Więcej na ten temat tutaj:

• Wykorzystaj 5-krotną wiedzę Xpert.Digital w jednym pakiecie – już od 500 €/miesiąc