Snap, firma stojąca za Snapchatem, właśnie podjęła decyzję, która powinna zainteresować każdego właściciela firmy w Polsce. Zamiast dalej rozwijać wewnętrzny zespół zajmujący się generowaniem wideo przez AI, wydzieliła go jako osobną spółkę - Dotmo. Powód? Koszty. Utrzymywanie zaawansowanego zespołu badawczego AI wewnątrz firmy okazało się zbyt drogie nawet dla giganta z Doliny Krzemowej, którego przychody w 2025 roku przekroczyły 5 miliardów dolarów.
To nie jest odosobniony przypadek. Coraz więcej dużych firm technologicznych dochodzi do wniosku, że model "budujemy wszystko sami" przestaje się opłacać w erze AI. Koszty infrastruktury obliczeniowej, wynagrodzenia specjalistów od uczenia maszynowego i ciągłe inwestycje w rozwój modeli potrafią pochłonąć budżety, które lepiej byłoby przeznaczyć na główną działalność firmy. Jeśli Snap - firma zatrudniająca tysiące inżynierów - uznał, że musi szukać oszczędności, to co powinny zrobić polskie małe i średnie przedsiębiorstwa?
Odpowiedź jest prostsza, niż mogłoby się wydawać. I wcale nie oznacza rezygnacji z AI. Wręcz przeciwnie - chodzi o mądrzejsze podejście do wdrażania sztucznej inteligencji w firmie.
Dlaczego Snap wydzielił zespół AI do osobnej firmy
Żeby zrozumieć lekcję dla polskich firm, trzeba najpierw przyjrzeć się temu, co dokładnie zrobił Snap. Firma od kilku lat rozwijała wewnętrzny zespół pracujący nad generatywnym AI do tworzenia wideo - technologią, która pozwala tworzyć krótkie filmy na podstawie opisów tekstowych lub modyfikować istniejące materiały wideo za pomocą AI. To fascynująca technologia, ale jednocześnie jedna z najdroższych gałęzi sztucznej inteligencji, jeśli chodzi o moc obliczeniową.
Trenowanie modeli do generowania wideo wymaga ogromnych zasobów GPU. Dla porównania - trenowanie modelu językowego takiego jak GPT-4 kosztowało według szacunków branżowych ponad 100 milionów dolarów. Modele wideo są jeszcze bardziej zasobożerne, bo przetwarzają dane wizualne w wielu klatkach jednocześnie. Sam koszt wynajmu klastrów GPU w chmurze potrafi sięgać kilku milionów dolarów miesięcznie dla zespołu tej wielkości.
Snap doszedł do wniosku, że te koszty nie przekładają się bezpośrednio na przychody z jego głównego produktu - aplikacji Snapchat. Wydzielenie zespołu do osobnej firmy Dotmo pozwala na kilka rzeczy naraz. Po pierwsze, Dotmo może pozyskać zewnętrzne finansowanie od inwestorów venture capital, co zdejmuje ciężar kosztów z bilansu Snapa. Po drugie, jako niezależna firma Dotmo może sprzedawać swoją technologię również innym klientom, nie tylko Snapchatowi. Po trzecie, Snap nadal może korzystać z technologii Dotmo - ale jako klient, płacąc za konkretne usługi zamiast finansować cały dział badawczy.
To klasyczny przykład przejścia z modelu "buduj" na model "kupuj" - tyle że w bardzo przemyślanej formie, gdzie firma zachowuje strategiczne powiązanie z wydzielonym podmiotem.
Lekcja pierwsza: nie musisz budować własnego AI
Dla polskich firm z sektora MŚP ta historia niesie bardzo konkretną lekcję. Jeśli Snap - firma z kapitalizacją rynkową przekraczającą 20 miliardów dolarów - uznał, że budowanie własnych rozwiązań AI jest zbyt kosztowne, to polska firma produkcyjna z Łodzi, biuro rachunkowe z Krakowa czy agencja marketingowa z Wrocławia tym bardziej nie powinna próbować tworzyć własnych modeli AI od zera.
A jednak widzę to regularnie w rozmowach z klientami. Firmy, które chcą "mieć własne AI", zatrudniają jednego czy dwóch programistów, kupują dostęp do chmury obliczeniowej i próbują budować rozwiązania, które już istnieją na rynku w znacznie lepszej jakości i za ułamek kosztów. Typowy scenariusz: firma wydaje 150-200 tysięcy złotych rocznie na próbę stworzenia własnego chatbota obsługi klienta, podczas gdy gotowe rozwiązania oparte na API OpenAI czy Anthropic kosztują 2-5 tysięcy złotych miesięcznie i działają lepiej od pierwszego dnia.
Nie oznacza to, że polskie firmy powinny całkowicie zrezygnować z wewnętrznych kompetencji AI. Chodzi o coś innego - o umiejętność rozróżnienia, co warto budować samemu, a co lepiej kupić lub zlecić. Zasada jest prosta: jeśli dane rozwiązanie AI stanowi rdzeń twojej przewagi konkurencyjnej i jest unikalne dla twojej branży, rozważ budowanie go wewnętrznie. Jeśli to narzędzie wspierające - automatyzacja maili, analiza dokumentów, generowanie treści marketingowych - korzystaj z gotowych usług.
Lekcja druga: model "as a service" to nie wstyd, to strategia
W Polsce wciąż pokutuje przekonanie, że "prawdziwa" firma technologiczna musi mieć wszystko "na swoim". Własne serwery, własny kod, własne rozwiązania. Tymczasem globalny trend idzie dokładnie w przeciwnym kierunku. Według raportu Gartnera z 2025 roku, ponad 65% firm na świecie korzysta z AI w modelu usługowym - czyli płaci za dostęp do gotowych narzędzi zamiast budować własne.
Polskie firmy mają tu nawet pewną przewagę. Rynek narzędzi AI "as a service" jest dziś tak bogaty, że można złożyć bardzo zaawansowany obieg pracy z gotowych klocków, nie wydając fortuny. Oto konkretny przykład z mojej praktyki konsultingowej:
Firma e-commerce z Poznania (około 40 pracowników, obrót rzędu 15 milionów złotych rocznie) chciała wdrożyć AI do trzech obszarów: obsługi klienta, opisów produktów i analizy trendów sprzedażowych. Pierwotny plan zakładał zatrudnienie dwóch specjalistów AI i budowanie rozwiązań od zera - szacowany koszt pierwszego roku to około 600 tysięcy złotych, z niepewnym terminem uruchomienia.
Zamiast tego firma zdecydowała się na podejście "Snap-style":
- Obsługa klienta: Wdrożenie chatbota opartego na API Claude'a od Anthropic, zintegrowanego z ich systemem CRM - koszt miesięczny około 3 tysiące złotych, uruchomienie w 3 tygodnie
- Opisy produktów: Wykorzystanie ChatGPT'a przez API z własnymi szablonami i bazą wiedzy o produktach - koszt miesięczny około 1500 złotych, gotowe w tydzień
- Analiza trendów: Podłączenie danych sprzedażowych do narzędzia analitycznego z wbudowanym AI (w tym przypadku Tableau z funkcjami AI) - koszt miesięczny około 2 tysiące złotych
Łączny koszt roczny: poniżej 80 tysięcy złotych. Oszczędność w porównaniu z budowaniem wewnętrznym: ponad 500 tysięcy złotych. A co najważniejsze - wszystkie trzy rozwiązania działały w ciągu miesiąca od decyzji, zamiast czekać pół roku na "wersję beta".
Lekcja trzecia: wydzielanie kompetencji to nie porażka, to dojrzałość
Jest jeszcze jeden aspekt decyzji Snapa, który warto omówić. Wydzielenie zespołu AI do osobnej firmy nie oznacza, że Snap rezygnuje z innowacji. Oznacza, że firma dojrzała do zrozumienia, gdzie leży jej główna wartość - a gdzie lepiej polegać na partnerach.
Dla polskich firm ta lekcja przekłada się na bardzo praktyczne pytanie: czy twoja firma powinna mieć wewnętrzny dział AI, czy lepiej współpracować z zewnętrznymi konsultantami i dostawcami? Odpowiedź zależy od skali i specyfiki biznesu, ale dla zdecydowanej większości polskich MŚP - czyli firm zatrudniających od 10 do 250 osób - model współpracy zewnętrznej będzie bardziej opłacalny.
Nie chodzi tu tylko o koszty. Chodzi też o dostęp do wiedzy. Rynek AI zmienia się tak szybko, że jeden czy dwóch wewnętrznych specjalistów nie jest w stanie nadążyć za wszystkimi nowościami. Zewnętrzny konsultant lub firma specjalizująca się w AI pracuje z wieloma klientami jednocześnie, widzi różne branże i problemy, testuje nowe narzędzia na bieżąco. To daje perspektywę, której wewnętrzny zespół po prostu nie ma.
Oczywiście, trzeba tu zachować uczciwość - model zewnętrzny ma swoje ograniczenia. Zewnętrzny dostawca nie zna twojej firmy tak dobrze jak pracownik. Czas reakcji może być dłuższy. Istnieje ryzyko uzależnienia od jednego dostawcy. Dlatego optymalnym rozwiązaniem dla wielu polskich firm jest model hybrydowy: jedna osoba wewnątrz firmy, która rozumie AI na tyle, by definiować potrzeby i zarządzać współpracą z zewnętrznymi dostawcami, plus zewnętrzni specjaliści do konkretnych wdrożeń.
Taki model stosuje coraz więcej firm w Polsce. Według danych GUS z końca 2025 roku, 14% polskich przedsiębiorstw deklaruje wykorzystanie AI w swojej działalności. Większość z nich - ponad 70% - korzysta z gotowych narzędzi i usług, a nie buduje własnych rozwiązań. I ta proporcja będzie się tylko zwiększać.
Co to oznacza w praktyce: trzy kroki dla twojej firmy
Jeśli prowadzisz polską firmę i zastanawiasz się, jak podejść do AI po przeczytaniu historii Snapa, oto konkretna ścieżka działania:
Krok 1: Zrób audyt procesów, nie technologii. Zanim zaczniesz szukać narzędzi AI, zidentyfikuj 3-5 procesów w firmie, które zabierają najwięcej czasu lub generują najwięcej błędów. Może to być ręczne przepisywanie danych z faktur, odpowiadanie na powtarzalne pytania klientów, tworzenie raportów czy planowanie grafików. To są twoje pierwsze kandydatury do automatyzacji z pomocą AI.
Krok 2: Szukaj gotowych rozwiązań przed budowaniem własnych. Dla każdego zidentyfikowanego procesu sprawdź, czy istnieje gotowe narzędzie AI, które go obsługuje. W 2026 roku rynek jest na tyle dojrzały, że dla większości typowych procesów biznesowych znajdziesz kilka opcji. Narzędzia takie jak Make (dawniej Integromat) czy n8n pozwalają łączyć różne usługi AI w spójne obiegi pracy bez pisania kodu.
Krok 3: Mierz zwrot z inwestycji od pierwszego dnia. Każde wdrożenie AI powinno mieć jasno zdefiniowany cel biznesowy i miernik sukcesu. Nie "wdrożymy AI do obsługi klienta", ale "zmniejszymy czas odpowiedzi na zapytania klientów z 4 godzin do 15 minut" albo "zredukujemy liczbę eskalacji do ludzkiego konsultanta o 40%". Bez mierzalnych celów łatwo wpaść w pułapkę wydawania pieniędzy na technologię, która nie przynosi realnej wartości.
Podsumowanie
Historia Snapa i wydzielenia zespołu wideo AI do firmy Dotmo to nie jest opowieść o porażce. To opowieść o pragmatycznym podejściu do kosztów innowacji. Nawet firmy z miliardowymi budżetami dochodzą do wniosku, że nie wszystko trzeba robić samemu - i że kupowanie usług AI zamiast budowania ich od zera może być mądrzejszą strategią.
Dla polskich małych i średnich firm ta lekcja jest jeszcze bardziej aktualna. Z budżetami stanowiącymi ułamek tego, czym dysponuje Snap, polskie firmy nie mogą sobie pozwolić na kosztowne eksperymenty. Ale mogą - i powinny - korzystać z AI w modelu usługowym, łącząc gotowe narzędzia w rozwiązania dopasowane do swoich potrzeb. Rynek narzędzi AI jest dziś na tyle dojrzały i dostępny cenowo, że brak wdrożeń AI w firmie to już nie kwestia technologii czy budżetu. To kwestia decyzji.
Źródło: Snap spins off AI video team into new company Dotmo due to costs - TechCrunch