Sztuczna inteligencja przyspiesza zadania, nie pracę. Branża marketingowa liczy pierwsze efekty

Prawie 90 proc. firm z branży marketingowej ocenia wpływ sztucznej inteligencji na codzienną pracę jako duży, a trzy czwarte notuje skrócenie czasu realizacji zadań — najczęściej o 10 do 25 proc. Oszczędność dotyczy jednak pojedynczych czynności; współpraca z klientem oraz procesy kreatywne i strategiczne pochłaniają tyle samo czasu co wcześniej. Agencje inwestowały w 2025 roku średnio około 100 tys. zł w narzędzia AI, a największe firmy blisko pół miliona. Od 2 sierpnia obowiązują je również unijne wymogi przejrzystości. O wynikach badania Rady Sektorowej mówi agencji Newseria Marcin Gaworski, prezes Stowarzyszenia Komunikacji Marketingowej SAR.

Duży wpływ, umiarkowany zysk

Deklaracje o wpływie technologii i realne oszczędności to dwie różne wielkości. Pierwsza sięga niemal stu procent, druga mieści się w wąskim paśmie kilkunastu do dwudziestu kilku procent.

Według badania przeprowadzonego na zlecenie Rady Sektorowej prawie 90 proc. firm deklaruje, że AI ma duży wpływ na naszą codzienną pracę. Jesteśmy jednak jeszcze w fazie, w której nie możemy mówić o dojrzałym wykorzystaniu tej technologii, także dlatego, że modele AI zmieniają się bardzo szybko. Tempo wdrażania nowych rozwiązań liczymy już nie w miesiącach, lecz w tygodniach, więc branży marketingowej bardzo trudno za tym nadążyć

— powiedział Marcin Gaworski, prezes Stowarzyszenia Komunikacji Marketingowej SAR i członek Rady Sektorowej. [DO WERYFIKACJI: wielkość próby, termin realizacji i wykonawca badania Rady Sektorowej — materiał ich nie podaje]

Rozkład tych oszczędności jest przy tym nierównomierny i to właśnie w nim tkwi najciekawszy wynik.

Istotne jest to, że skrócił się przede wszystkim czas wykonywania pojedynczych zadań. Długie procesy, takie jak współpraca z klientem, procesy kreatywne czy strategiczne, nadal trwają podobnie i wymagają porównywalnego nakładu uwagi, czasu oraz kompetencji

— wskazał prezes SAR.

To rozróżnienie ma konsekwencje wykraczające poza marketing. Przyspieszeniu ulega to, co da się wyodrębnić jako zadanie: napisanie tekstu, przygotowanie grafiki, wstępny research. Nie przyspiesza to, co wymaga uzgodnienia z drugim człowiekiem, decyzji o kierunku albo odpowiedzialności za wybór. Jeśli ta obserwacja jest trafna także w innych branżach usług profesjonalnych, oczekiwania wobec produktywności generatywnej AI wymagają korekty w dół.

Sto tysięcy, żeby zostać na miejscu

Skoro te same modele są dostępne dla wszystkich, samo korzystanie z nich przestaje odróżniać firmy od siebie.

Wdrożenia w agencjach nie opierają się już wyłącznie na gotowych modelach. Firmy zaczęły budować własne rozwiązania. Cały rynek ma dostęp do podobnych narzędzi, dlatego o przewadze konkurencyjnej będzie decydowało to, jak będziemy z nich korzystać i jakie autorskie rozwiązania będziemy potrafili stworzyć

— powiedział Gaworski.

Kosztuje to konkretne pieniądze. Według danych, do których dostęp ma SAR, agencje wydały w 2025 roku średnio około 100 tys. zł na rozwiązania i narzędzia związane ze sztuczną inteligencją, a w największych firmach nakłady sięgały około pół miliona złotych. [DO WERYFIKACJI: źródło i metodologia tych danych — materiał wskazuje jedynie, że SAR ma do nich dostęp]

Zestawienie tych dwóch informacji daje obraz, którego branża nie formułuje wprost: sto tysięcy złotych rocznie kupuje dziś nie przewagę, lecz obecność w stawce. Przewaga zaczyna się dopiero powyżej tego progu, przy autorskich narzędziach — a na te stać nielicznych. Technologia opisywana jako demokratyzująca dostęp do kompetencji w praktyce przesuwa punkt wejścia w górę.

Ponad 60 proc. firm zmienia sposób wyceny

Najbardziej wymierna zmiana dotyczy modelu biznesowego. Z badań przywoływanych przez SAR wynika, że ponad 60 proc. firm pracuje nad zmianą modeli wyceny swojej pracy w związku z upowszechnianiem się sztucznej inteligencji.

Powód jest oczywisty dla każdego, kto rozlicza się za godziny: jeśli zadanie zajmuje o jedną czwartą mniej czasu, wynagrodzenie liczone od czasu spada o jedną czwartą, choć wartość dla klienta pozostaje ta sama albo rośnie. Rozliczanie za efekt zamiast za roboczogodziny przestaje być postulatem konsultantów, a staje się warunkiem utrzymania rentowności. [DO WERYFIKACJI: które badanie podaje wartość ponad 60 proc. — materiał nie wskazuje źródła]

AI Act: nie wszystko trzeba oznaczać

Od 2 sierpnia 2026 roku obowiązują przepisy art. 50 unijnego rozporządzenia o sztucznej inteligencji, dotyczące przejrzystości. Obejmują one informowanie o interakcji z systemem AI, oznaczanie treści generowanych przez sztuczną inteligencję, ujawnianie deepfake’ów oraz informowanie o stosowaniu systemów rozpoznawania emocji i kategoryzacji biometrycznej.

Warto przy tym rozwiać nieporozumienie, które w branży bywa powielane: rozporządzenie nie ustanawia ogólnego nakazu widocznego oznaczania każdej treści, przy której użyto AI. Obowiązek ujawnienia wobec odbiorcy dotyczy przede wszystkim dwóch sytuacji — publikacji materiałów typu deepfake oraz tekstów publikowanych w celu informowania społeczeństwa o sprawach będących przedmiotem interesu publicznego. Osobno rozporządzenie nakłada na dostawców systemów obowiązek technicznego znakowania wyników w formacie odczytywalnym maszynowo.

Za naruszenie obowiązków przejrzystości grozi kara administracyjna do 15 mln euro albo do 3 proc. całkowitego rocznego światowego obrotu firmy, w zależności od tego, która kwota jest wyższa; wobec małych i średnich przedsiębiorstw stosuje się niższą z tych wartości.

W Polsce ramy instytucjonalne powstały z opóźnieniem. Ustawa z 3 lipca 2026 roku o systemach sztucznej inteligencji, ogłoszona 27 lipca, weszła w życie 11 sierpnia — dziewięć dni po tym, jak zaczęły obowiązywać same przepisy unijne.

Branża regulowała się przy tym wcześniej niż państwo. Z badania Rady Sektorowej wynika, że 70 proc. firm wprowadziło lub wprowadza politykę korzystania z narzędzi AI, a wśród członków SAR odsetek ten sięga 98 proc.

AI w branży musi być sformalizowane. AI Act tworzy ramy prawne, ale jest też potrzeba samoregulacji. Dlatego jako SAR udostępniliśmy rekomendowaną politykę korzystania z narzędzi AI. Pojawiają się również rozwiązania takie jak polski model Bielik, który można uruchamiać lokalnie w organizacji, co daje dodatkowe możliwości w kontekście ochrony poufnych danych

— stwierdził Gaworski.

Wątek Bielika zasługuje na uwagę osobno. Możliwość uruchomienia modelu lokalnie, bez wysyłania danych klienta na zewnętrzne serwery, jest przewagą, której nie da się kupić od dostawcy zagranicznego — i argumentem za tym, że rozwijanie krajowych modeli językowych nie jest kwestią prestiżu, lecz bezpieczeństwa danych gospodarczych.

Co zostaje po stronie człowieka

Automatyzacja prostszych czynności nie zmniejsza znaczenia doświadczenia, lecz przesuwa je z wykonywania na ocenianie.

Niezależnie od tego, czy chodzi o research rynkowy, napisanie treści, stworzenie obrazu, czy krótkiego filmu, doświadczeni specjaliści muszą być w stanie ocenić, czy rezultat jest zgodny z marką, realizuje cele strategiczne, odpowiada na brief i jest zgodny z prawem. W komunikacji bardzo ważne jest również to, czy treść porusza odpowiednią strunę emocjonalną u odbiorcy. Tego rodzaju krytyczne myślenie staje się coraz ważniejsze

— podkreślił prezes SAR.

Zespoły mają się stawać mniejsze, ale bardziej interdyscyplinarne. Zmieniają się też oczekiwania rekrutacyjne — rośnie znaczenie portfolio, ukończonych kursów i certyfikatów, zarówno u osób wchodzących na rynek, jak i u doświadczonych specjalistów.

Rośnie znaczenie lifelong learning, czyli uczenia się przez całe życie. System edukacji nie zawsze nadąża za tempem zmian technologicznych, dlatego coraz istotniejsze stają się mikropotwierdzenia kompetencji – krótkie kursy i certyfikaty, które pokazują pracodawcy, że dana osoba zdobyła konkretną umiejętność

— powiedział Gaworski.

Tu pojawia się pytanie, którego branża nie stawia. Umiejętność oceny rezultatu pracy algorytmu bierze się z lat wykonywania tej pracy samodzielnie. Jeśli sztuczna inteligencja przejmie zadania, na których dotąd uczyli się początkujący — pierwsze teksty, pierwsze grafiki, pierwszy research — to za dekadę zabraknie osób z doświadczeniem pozwalającym ocenić, czy maszyna wykonała zadanie dobrze. Krótkie kursy i certyfikaty tego nie zastąpią, bo potwierdzają znajomość narzędzia, a nie wyrobiony osąd.

To jest realne ryzyko dla branży, w której wiedza przekazywana jest przez praktykę, a nie przez dyplom. I jedyny powód, dla którego mniejsze zespoły mogą się okazać rozwiązaniem droższym, niż wynika z arkusza kalkulacyjnego.

Źródło: Newseria