Satya Nadella, szef Microsoftu - firmy, która zainwestowała ponad 13 miliardów dolarów w OpenAI - publicznie ostrzegł przedsiębiorstwa przed uzależnianiem się od jednego dostawcy sztucznej inteligencji. To dość niezwykła sytuacja: lider firmy, która buduje swoją strategię wokół konkretnego modelu AI, mówi wprost, że takie podejście jest ryzykowne. Dla polskich firm, które dopiero wchodzą w świat AI, to sygnał, którego nie warto ignorować.
Dlaczego to ważne akurat teraz? Bo polskie małe i średnie przedsiębiorstwa masowo wdrażają narzędzia oparte na sztucznej inteligencji. Według raportu PARP z 2025 roku, już 34% polskich MŚP korzysta z jakiejś formy AI w codziennej pracy - najczęściej z ChatGPT lub narzędzi wbudowanych w Microsoft 365 Copilot. Problem w tym, że większość z nich stawia wszystko na jedną kartę, nie zastanawiając się, co się stanie, gdy dostawca zmieni cennik, warunki użytkowania albo po prostu przestanie działać tak, jak dotychczas.
Ostrzeżenie Nadelli to dobry moment, żeby polskie firmy zatrzymały się i przemyślały swoją strategię AI. Nie chodzi o to, żeby przestać korzystać z tych narzędzi. Chodzi o to, żeby robić to mądrze.
Co dokładnie powiedział Nadella i dlaczego to ma znaczenie
Satya Nadella w swoim wystąpieniu zwrócił uwagę na kilka konkretnych zagrożeń. Po pierwsze - uzależnienie od zamkniętych (proprietary) modeli AI, których działanie firma nie kontroluje i nie rozumie do końca. Po drugie - ryzyko vendor lock-in, czyli sytuacji, w której zmiana dostawcy staje się tak kosztowna i skomplikowana, że firma praktycznie nie ma wyboru i musi zostać z obecnym rozwiązaniem, nawet jeśli przestaje jej ono odpowiadać.
To nie jest abstrakcyjny problem. Wystarczy przypomnieć sobie, co się stało w listopadzie 2023 roku, gdy OpenAI przeżywało wewnętrzny kryzys i przez kilka dni nie było jasne, czy firma w ogóle przetrwa. Tysiące przedsiębiorstw na całym świecie, które oparły swoje procesy na API OpenAI, nagle stanęły przed pytaniem: co teraz? A to był dopiero kryzys zarządczy - nie techniczny.
Nadella podkreślił też kwestię kosztów. Modele AI rozwijają się szybko, a wraz z nimi rosną ceny subskrypcji i dostępu do API. Microsoft 365 Copilot kosztuje 30 dolarów miesięcznie na użytkownika. Dla polskiej firmy z 50 pracownikami to wydatek rzędu 7 500 złotych miesięcznie (przy obecnym kursie). Jeśli Microsoft zdecyduje się podnieść cenę o 20-30%, firma nie ma żadnych narzędzi negocjacyjnych - albo płaci, albo traci dostęp do narzędzi, na których opiera codzienną pracę.
Vendor lock-in po polsku - jak to wygląda w praktyce
Pracuję z polskimi firmami jako konsultant AI i widzę ten schemat regularnie. Typowy scenariusz wygląda tak: firma zaczyna od ChatGPT Plus dla kilku pracowników. Potem ktoś buduje w GPT Store asystenta do obsługi klienta. Dział marketingu zaczyna generować treści w jednym narzędziu. Dział sprzedaży tworzy automatyzacje oparte na API OpenAI. Po pół roku cała firma jest głęboko zintegrowana z jednym ekosystemem, a nikt nie ma planu B.
Konkretny przykład: firma e-commerce z Poznania (40 pracowników) zbudowała system rekomendacji produktów oparty wyłącznie na API GPT-4. Gdy OpenAI zmieniło model cenowy w 2025 roku, miesięczny koszt korzystania z tego systemu wzrósł o 45%. Firma nie mogła szybko przenieść się na alternatywę, bo cała logika była napisana pod specyficzne API OpenAI. Migracja zajęła trzy miesiące i kosztowała dodatkowe 80 tysięcy złotych.
Inny przypadek: biuro rachunkowe z Krakowa (15 osób) postawiło wszystko na Microsoft 365 Copilot do analizy dokumentów księgowych. Gdy Microsoft wprowadził ograniczenia w przetwarzaniu danych osobowych w ramach Copilota dla europejskich klientów, firma musiała z dnia na dzień zmienić obieg pracy. Nie miała żadnego alternatywnego rozwiązania przygotowanego na taką sytuację.
Te historie nie są wyjątkami. To norma w polskim sektorze MŚP, gdzie decyzje o wdrożeniu AI często podejmuje się szybko, bez strategicznego planowania.
Dywersyfikacja AI - co to znaczy w praktyce dla małej firmy
Dywersyfikacja brzmi jak hasło z podręcznika zarządzania, ale w kontekście AI sprowadza się do kilku prostych zasad, które każda polska firma może wdrożyć bez wielkich nakładów.
Zasada 1: Nie buduj krytycznych procesów na jednym modelu. Jeśli Twoja firma korzysta z ChatGPT do obsługi klienta, przetestuj równolegle Claude'a od Anthropic albo Gemini od Google'a. Nie musisz od razu migrować - wystarczy, że wiesz, jak szybko mógłbyś to zrobić. Przygotuj sobie "plan awaryjny" i przetestuj go raz na kwartał.
Zasada 2: Rozważ modele open source. Modele takie jak Llama 3.1 od Meta, Mistral czy polski Bielik (rozwijany przez zespół z Politechniki Wrocławskiej) mogą być uruchamiane na własnej infrastrukturze. Dla firmy, która przetwarza wrażliwe dane - na przykład kancelarii prawnej czy gabinetu lekarskiego - to nie tylko kwestia niezależności od dostawcy, ale też zgodności z RODO. Koszt uruchomienia modelu Llama 3.1 8B na serwerze w polskim centrum danych to około 500-800 złotych miesięcznie, co jest porównywalne z subskrypcjami komercyjnymi, ale daje pełną kontrolę.
Zasada 3: Używaj warstwy abstrakcji. Zamiast pisać kod bezpośrednio pod API jednego dostawcy, korzystaj z narzędzi pośredniczących. Platformy takie jak LiteLLM, LangChain czy OpenRouter pozwalają łatwo przełączać się między modelami różnych dostawców. Jeśli Twój programista zbuduje integrację przez LangChain, zmiana z GPT-4o na Claude'a 4 to kwestia zmiany jednej linijki kodu, a nie przepisywania całej aplikacji.
Zasada 4: Zachowaj własność nad danymi i promptami. Dokumentuj wszystkie prompty systemowe, szablony i dane treningowe, których używasz. Trzymaj je w swoim repozytorium, nie tylko w interfejsie dostawcy. Gdy firma tworzy Custom GPT w OpenAI, instrukcje systemowe i pliki wiedzy powinny być jednocześnie archiwizowane lokalnie. To banalne, ale większość firm tego nie robi.
Na co jeszcze zwrócić uwagę - aspekty prawne i finansowe
Ostrzeżenie Nadelli dotyka też kwestii, o których polskie firmy rzadko myślą: odpowiedzialności prawnej i przejrzystości finansowej w kontekście AI.
Od sierpnia 2025 roku obowiązują pierwsze przepisy unijnego AI Act. Firmy, które używają systemów AI w kontakcie z klientami, muszą informować o tym fakcie. Ale jest dodatkowy wymiar: jeśli Twoja firma opiera kluczowy proces biznesowy na zamkniętym modelu AI, a ten model generuje błędną odpowiedź, kto ponosi odpowiedzialność? Dostawca modelu? Twoja firma? Regulamin OpenAI jednoznacznie przenosi odpowiedzialność na użytkownika. Microsoft robi to samo.
Z perspektywy finansowej, polskie firmy powinny traktować wydatki na AI tak, jak traktują każdy inny koszt operacyjny - z budżetem, limitem i planem na wypadek wzrostu cen. Dane z rynku amerykańskiego pokazują, że średni koszt narzędzi AI na pracownika wzrósł o 35% w ciągu ostatnich 12 miesięcy. Nie ma powodu sądzić, że w Polsce będzie inaczej. Firma, która dziś płaci 2 000 złotych miesięcznie za narzędzia AI, powinna zakładać, że za rok może płacić 2 700 złotych - i mieć plan, co zrobi, jeśli ten koszt przekroczy próg opłacalności.
Jest jeszcze kwestia ciągłości działania. Każda firma powinna zadać sobie pytanie: co się stanie, jeśli jutro rano ChatGPT przestanie działać? Albo jeśli Microsoft wyłączy Copilota na 48 godzin z powodu awarii? W marcu 2025 roku usługi Azure miały poważną awarię, która dotknęła klientów w Europie na kilkanaście godzin. Firmy, które miały alternatywne rozwiązania, pracowały dalej. Te, które nie miały - stały.
Praktyczny plan działania dla polskiej firmy
Zamiast abstrakcyjnych porad, oto konkretna lista kroków, które polska firma może podjąć w ciągu najbliższego miesiąca:
- Tydzień 1: Zrób audyt - spisz wszystkie narzędzia AI, z których korzysta firma. Przy każdym zapisz: koszt, dostawcę, jak krytyczne jest to narzędzie dla codziennej pracy (skala 1-5), czy istnieje alternatywa.
- Tydzień 2: Dla narzędzi ocenionych na 4 lub 5 w skali krytyczności, znajdź i przetestuj co najmniej jedną alternatywę. Nie musisz jej wdrażać - wystarczy, że wiesz, że działa.
- Tydzień 3: Zabezpiecz dane - upewnij się, że wszystkie prompty, szablony, bazy wiedzy i konfiguracje są zapisane poza platformą dostawcy.
- Tydzień 4: Stwórz prosty dokument "Plan B dla AI" - jedna strona A4, która opisuje, co firma robi w przypadku awarii lub nagłej zmiany warunków u głównego dostawcy.
To nie wymaga dużych nakładów. Nie wymaga zatrudniania specjalistów. Wymaga tylko świadomej decyzji, że firma nie chce być zakładnikiem jednego dostawcy.
Trzeba też uczciwie powiedzieć o ograniczeniach takiego podejścia. Dywersyfikacja kosztuje czas i uwagę. Mała firma z pięcioma pracownikami może nie mieć zasobów, żeby testować trzy różne modele AI jednocześnie. W takim przypadku minimum to świadomość ryzyka i posiadanie choćby szkicowego planu awaryjnego. Lepsze to niż nic.
Ostrzeżenie Satyi Nadelli nie jest alarmem, żeby przestać korzystać z AI. To jest sygnał, żeby korzystać z AI mądrzej. Polskie firmy mają szansę uczyć się na błędach, które już popełniły przedsiębiorstwa na bardziej dojrzałych rynkach. Kluczowe pytanie brzmi: czy z tej szansy skorzystają, zanim będzie za późno na łatwą zmianę kursu?
Źródło: Satya Nadella has issued a shocking warning to companies using AI - TechCrunch