W czasach, gdy każdy nowy projekt technologiczny musi mieć w nazwie "AI", żeby przyciągnąć inwestorów, jeden były inżynier Meta postanowił zrobić coś zupełnie innego. Craig Campbell stworzył prostą stronę internetową - Past Maps - która pozwala przeglądać historyczne mapy nałożone na współczesne widoki Google Maps. Bez modeli językowych, bez sieci neuronowych, bez buzzwordów w pitch decku. I odniósł sukces.
Ta historia to nie jest opowieść o tym, że sztuczna inteligencja jest bezużyteczna. Jest o czymś znacznie ważniejszym dla polskich przedsiębiorców - o tym, że technologia powinna służyć rozwiązywaniu realnych problemów, a nie odwrotnie. Zbyt wiele firm, także w Polsce, wpada w pułapkę "syndromu błyszczącego obiektu" i goni za najnowszym trendem, zamiast skupić się na tym, co naprawdę potrzebują ich klienci.
Campbell, mając za sobą lata pracy w jednej z największych firm technologicznych świata, mógł bez problemu pozyskać finansowanie na kolejny projekt z etykietą AI. Zamiast tego wybrał sprawdzoną technologię webową i zbudował coś, co ludzie faktycznie chcą używać. Past Maps przyciąga setki tysięcy użytkowników miesięcznie, generuje przychody z reklam i nie wymaga kosztownej infrastruktury obliczeniowej. To lekcja, którą warto przemyśleć.
Czego uczy nas historia Past Maps?
Past Maps to serwis, który robi jedną rzecz i robi ją dobrze. Użytkownik wchodzi na stronę, wybiera lokalizację i może zobaczyć, jak wyglądała ta okolica dziesiątki czy setki lat temu. Historyczne mapy są nałożone na współczesny widok satelitarny, co pozwala zobaczyć, jak zmieniało się otoczenie w czasie. Nie ma tu żadnego czatbota, który "rozmawia o historii". Nie ma generatora obrazów, który "wyobraża sobie przeszłość". Jest prosta, użyteczna funkcjonalność.
Campbell w rozmowie z The Verge przyznał wprost, że świadomie unikał dodawania komponentów AI do swojego projektu. Nie dlatego, że nie potrafi - pracował w Meta, zna się na tym. Ale dlatego, że AI nie rozwiązywałoby tutaj żadnego realnego problemu użytkownika. Dodanie go podniosłoby koszty operacyjne, skomplikowało architekturę i nie dało nic w zamian poza możliwością powiedzenia "mamy AI" na konferencji.
Koszty utrzymania Past Maps są minimalne w porównaniu z typowym projektem AI. Serwer, domena, integracja z API map - to wszystko. Dla porównania, startup AI na wczesnym etapie potrafi spalić od kilkunastu do kilkudziesięciu tysięcy dolarów miesięcznie tylko na wywołania API modeli językowych i moc obliczeniową GPU. Campbell zamiast tego inwestuje w treść - pozyskiwanie i digitalizację kolejnych historycznych map - co jest trwałą przewagą konkurencyjną, której żaden model językowy nie skopiuje z dnia na dzień.
Polskie firmy i pułapka "musimy mieć AI"
Obserwuję to zjawisko regularnie w rozmowach z polskimi przedsiębiorcami. Przychodzi właściciel firmy produkcyjnej z Wielkopolski albo szef e-commerce z Krakowa i mówi: "Potrzebujemy AI, bo konkurencja już ma". Kiedy pytam, co konkretnie chcą osiągnąć, często okazuje się, że ich realny problem to bałagan w procesach, brak automatyzacji prostych zadań albo nieaktualna strona internetowa, która nie konwertuje.
Według raportu PARP z 2024 roku, tylko 12% polskich MŚP faktycznie wdrożyło jakiekolwiek rozwiązanie oparte na sztucznej inteligencji. Ale znacznie więcej - bo aż 34% - deklarowało, że "planuje wdrożenie AI w ciągu najbliższego roku". Problem w tym, że duża część tych planów nigdy nie przechodzi w realizację, bo firmy nie mają jasno zdefiniowanego problemu biznesowego, który AI miałoby rozwiązać. Kupują rozwiązanie, zanim zdefiniują problem.
Tymczasem badania McKinsey Global Institute pokazują, że firmy, które odnoszą największe sukcesy z wdrożeniami technologicznymi, to te, które zaczynają od problemu biznesowego, a nie od technologii. To brzmi banalnie, ale w praktyce jest niezwykle trudne, kiedy cała branża krzyczy "AI albo śmierć".
Weźmy konkretny przykład. Mała firma logistyczna z okolic Łodzi borykała się z problemem planowania tras dla swoich kierowców. Pierwsza myśl: "potrzebujemy AI do optymalizacji tras". Realnie? Wystarczył dobrze skonfigurowany arkusz kalkulacyjny połączony z API Google Maps i prosty algorytm, który istnieje od lat 70. Koszt wdrożenia: kilka tysięcy złotych. Efekt: 15% oszczędności na paliwie w skali miesiąca. Gdyby poszli ścieżką "AI", zapłaciliby dziesięciokrotnie więcej za rozwiązanie, które robiłoby dokładnie to samo.
Kiedy AI ma sens, a kiedy nie
Żeby było jasne - nie jestem przeciwnikiem sztucznej inteligencji. Konsultuję wdrożenia AI i widzę, jak ogromną wartość potrafi przynieść w odpowiednich kontekstach. Ale jako konsultant mam też obowiązek powiedzieć klientowi, kiedy AI nie jest odpowiedzią na jego problem. I robię to regularnie.
AI ma sens, gdy masz duże ilości nieustrukturyzowanych danych, które ludzie przetwarzają ręcznie. Na przykład firma ubezpieczeniowa, która codziennie otrzymuje setki zgłoszeń szkód w formie opisowej - tam model NLP realnie przyspiesza klasyfikację i wstępną ocenę. AI ma sens, gdy potrzebujesz personalizacji na dużą skalę, jak rekomendacje produktów w sklepie internetowym z tysiącami pozycji w katalogu. AI ma sens, gdy ludzka analiza jest zbyt wolna lub zbyt kosztowna - jak w kontroli jakości na linii produkcyjnej z użyciem wizji komputerowej.
AI nie ma sensu, gdy problem da się rozwiązać prostszą technologią. Nie ma sensu, gdy nie masz wystarczających danych do trenowania lub dostrajania modeli. Nie ma sensu, gdy koszt wdrożenia i utrzymania przekracza potencjalne oszczędności. I absolutnie nie ma sensu, gdy jedyną motywacją jest "bo wszyscy tak robią".
Campbell z Past Maps intuicyjnie zrozumiał tę zasadę. Jego użytkownicy chcą przeglądać stare mapy. Do tego potrzebna jest dobra digitalizacja, sprawna warstwa prezentacji i szybkie ładowanie strony. Żaden z tych problemów nie wymaga modelu o miliardach parametrów. Wymagają natomiast solidnego rzemiosła programistycznego i dobrego designu - rzeczy, które istnieją od dekad i wciąż działają doskonale.
Jak podejmować dobre decyzje technologiczne w polskiej firmie
Zanim zdecydujesz się na jakąkolwiek technologię - czy to AI, czy blockchain, czy cokolwiek innego, co akurat jest na szczycie cyklu hype'u - zadaj sobie trzy pytania.
- Jaki konkretny problem biznesowy chcę rozwiązać? Nie "chcę być innowacyjny", ale "chcę skrócić czas obsługi zamówienia z 48 do 24 godzin" albo "chcę zmniejszyć liczbę błędów w fakturach o 80%". Jeśli nie potrafisz opisać problemu bez użycia słowa "AI", to prawdopodobnie nie masz problemu - masz FOMO.
- Jaka jest najprostsza technologia, która rozwiąże ten problem? Czasem to arkusz kalkulacyjny. Czasem prosta aplikacja webowa. Czasem automatyzacja w narzędziu typu Make czy Zapier. Czasem dopiero AI. Zasada brzytwy Ockhama działa też w technologii - nie mnóż bytów ponad potrzebę.
- Ile kosztuje utrzymanie tego rozwiązania w skali roku? Wdrożenie to jednorazowy wydatek. Utrzymanie to koszt stały. Rozwiązania oparte na API dużych modeli językowych potrafią generować rachunki, które zaskakują nawet doświadczonych inżynierów. Prosta strona internetowa kosztuje kilkadziesiąt złotych miesięcznie. To różnica, która dla MŚP może decydować o rentowności całego projektu.
W praktyce widzę, że polskie firmy, które odnoszą największe sukcesy technologiczne, to nie te, które wdrażają najnowsze rozwiązania. To te, które wdrażają odpowiednie rozwiązania. Firma meblarskaa z Radomska, która zamiast inwestować w chatbota AI zainwestowała w porządny konfigurator produktów na stronie - zwykłą aplikację webową z dobrym UX - zwiększyła konwersję o 23% w ciągu trzech miesięcy. Sklep internetowy z Gdańska, który zamiast "AI do obsługi klienta" po prostu uporządkował bazę wiedzy i stworzył czytelne FAQ, zmniejszył liczbę zapytań do działu obsługi o 40%.
To nie znaczy, że te firmy nigdy nie powinny sięgać po AI. Znaczy, że powinny to robić wtedy, gdy wyczerpią prostsze możliwości i gdy AI realnie rozwiąże problem, którego prostsze narzędzia nie rozwiążą.
Podsumowanie - technologia to narzędzie, nie cel
Historia Craiga Campbella i Past Maps to świetne przypomnienie fundamentalnej zasady, o której łatwo zapomnieć w gorączce kolejnego technologicznego boomu. Technologia jest narzędziem do rozwiązywania problemów ludzi. Nie odwrotnie. Najlepsze narzędzie to takie, które rozwiązuje problem skutecznie, tanio i niezawodnie - niezależnie od tego, czy ma w nazwie "AI", czy nie.
Dla polskich małych i średnich firm ta lekcja jest szczególnie istotna. Budżety na technologię są ograniczone, margines błędu jest mały, a każda złotówka wydana na niepotrzebne rozwiązanie to złotówka, która mogła pójść na marketing, zatrudnienie albo rozwój produktu. Zanim wskoczysz na modę AI, upewnij się, że masz solidne fundamenty - dobrą stronę internetową, sprawne procesy wewnętrzne, działającą analitykę. Bo czasem "stara szkoła internetu" naprawdę bije AI. Nie dlatego, że AI jest złe, ale dlatego, że do konkretnego problemu po prostu nie jest potrzebne.
A gdy już będziesz gotowy na AI - bo ten moment przyjdzie - będziesz wiedział dokładnie, gdzie je zastosować i dlaczego. I to będzie wdrożenie, które faktycznie przyniesie zwrot z inwestycji, zamiast kolejnego kosztownego eksperymentu, który wyląduje w szufladzie.