Sztuczną inteligencję chce mieć każdy, ale nie każdy ma ją na czym uruchomić. Zaledwie co dwudziesta organizacja w Polsce dysponuje infrastrukturą informatyczną, która podoła wymaganiom AI. Liderzy IT zamiast o innowacjach rozmawiają o łataniu dziur w sieciach pamiętających czasy początków chmury. Witajcie w erze długu infrastrukturalnego AI – zjawiska, które sprawia, że 80 proc. ambitnych projektów AI nigdy nie wychodzi z fazy pilotażu.
Sztuczna inteligencja dość szybko wyrosła z „krótkich spodenek”, w których bliżej jej było do ciekawostki niż do silnika realnych innowacji. Ba! Jej ranga błyskawicznie urosła do twardego imperatywu biznesowego. I choć dziś wciąż nie można o AI mówić jako o technologii dojrzałej, jest to już pełnoprawny element strategii „być albo nie być” dla organizacji praktycznie ze wszystkich sektorów gospodarki.
Tymczasem z najnowszego, trzeciego już raportu Cisco AI Readiness Index wyłania się obraz polskiego biznesu, który co prawda jest głodny innowacji, ale pod względem technologicznym cierpi na „syndrom niedożywienia”.
Ambicje w konfrontacji z rzeczywistością
Aż 85 proc. organizacji w Polsce oficjalnie planuje wdrożenie agentów AI – zaawansowanych systemów, które samodzielnie wykonują zaprogramowane zadania. Niemal co trzecia firma spodziewa się, że te autonomiczne byty będą ramię w ramię współpracować z ludzkimi pracownikami w ciągu najbliższych 12 miesięcy.
Czy rzeczywiście mamy podstawy do takiego optymizmu? W Polsce jedynie 5 proc. przedsiębiorstw można uznać za pionierów AI – elitarną grupę w pełni gotową technologicznie, procesowo i kulturowo na zmianę, jaką obiecuje sztuczna inteligencja. To wynik drastycznie niższy od średniej globalnej, która wynosi 13 proc.
Anatomia pioniera
Pionierzy AI to niekoniecznie największe korporacje, lecz te najbardziej świadome i przygotowane. Charakteryzuje ich systemowe podejście do sześciu kluczowych filarów gotowości na sztuczną inteligencję:
- Strategia: posiadają jasno zdefiniowaną „mapę drogową” wdrażania AI.
- Infrastruktura: inwestują w rozwój mocy centrów danych oraz innych kluczowych technologii.
- Dane: dysponują scentralizowanymi danymi z integracją w czasie rzeczywistym, co umożliwia efektywną pracę agentów AI.
- Zarządzanie: kontrolują działania agentów i monitorują je na bieżąco, zapewniając wysoką jakość i bezpieczeństwo.
- Talent: inwestują w wykwalifikowane kadry specjalistów w dziedzinie sztucznej inteligencji.
- Kultura: opracowały kompleksowy plan zarządzania zmianą, który ułatwia adaptację organizacji do nowych technologii.
pobierz raport NetPulse
Dla pozostałych 95 proc. rynku zderzenie z rzeczywistością bywa bolesne i kosztowne. Statystyki „śmiertelności” projektów są nieubłagane: cztery na pięć inicjatyw AI kończy się fiaskiem lub utyka w fazie wiecznego testu (tzw. proof of concept), najczęściej właśnie z prozaicznych przyczyn infrastrukturalnych. Firmy kupują licencje, trenują modele, zatrudniają data scientistów, by na końcu odkryć, że ich sieć nie jest w stanie przesłać terabajtów danych w czasie rzeczywistym, a systemy bezpieczeństwa blokują ruch generowany przez algorytmy.
| Poziom gotowości na AI | Polska | Średnia globalna | Profil |
| Pionierzy | 5 proc. | 13 proc. | W pełni gotowi technologicznie i strategicznie. |
| Goniący | 23 proc. | 36 proc. | Nadrabiają zaległości, inwestują, ale mają braki. |
| Podążający | 68 proc. | 48 proc. | Mają plany, ale brak im infrastruktury i procesów. |
| Maruderzy | 3 proc. | 3 proc. | Nie podjęli jeszcze żadnych działań. |
Dług infrastruktury AI groźniejszy od długu technicznego
Przez ostatnią dekadę działy IT optymalizowały firmowe środowiska pod kątem zupełnie innych wyzwań: obsługi poczty elektronicznej, wymiany plików, wideokonferencji i aplikacji chmurowych. W erze generatywnej sztucznej inteligencji i modeli LLM to stanowczo za mało.
Istotę dzisiejszych problemów dobrze oddaje pojęcie długu infrastruktury AI. Nie jest ono tożsame z klasycznym długiem technicznym, o którym mówi się od lat 90. XX wieku. Dług infrastruktury AI to suma wieloletnich zaniedbań, kompromisów, dróg na skróty i braku modernizacji w warstwie sieciowej i sprzętowej, które uwidaczniają się po zetknięciu ze współczesnymi obciążeniami i przepływami pracy.
Nowoczesne modele działające w trybie 24/7 wymagają nawet 100 razy więcej mocy obliczeniowej, pamięci i przepustowości niż standardowe aplikacje biznesowe, do których przywykliśmy. Tradycyjne sieci kampusowe i WAN, projektowane dla personelu klikającego w klawiatury, stają się natychmiastowym wąskim gardłem dla maszyn przetwarzających miliardy parametrów na sekundę.
Skutki tego długu są w Polsce coraz bardziej widoczne:
-
- 65 proc. firm spodziewa się wzrostu obciążenia systemów o ponad 1/3 w ciągu zaledwie trzech lat.
-
- 75 proc. organizacji negatywnie ocenia gotowość własnej sieci do skalowania się pod kątem złożoności i wolumenu danych generowanych przez AI.
-
- Tylko 18 proc. firm dysponuje odpowiednią mocą procesorów graficznych, niezbędnych do efektywnego trenowania i inferencji modeli.
Sieć: niedoinwestowany fundament
Dyskusję o sztucznej inteligencji zdominowało zagadnienie „mózgu operacji”: procesory GPU, potężne modele językowe o liczbie parametrów idącej w miliardy, oprogramowanie… Zapominamy jednak o „układzie krwionośnym”, który ten mózg odżywia. A porzucając już anatomiczne analogie – dostarcza mu dane. To nic innego, jak sieć.
– Firmy muszą inwestować w „autostrady AI” – specjalnie zaprojektowane, bezpieczne sieci zdolne do obsługi rozproszonych obciążeń w środowiskach core, cloud i edge – zauważają autorzy raportu Cisco AI Readiness Index.
Dlaczego to tak ważne? W systemach, gdzie agenci AI podejmują decyzje w ułamkach sekund, takich jak systemy autonomiczne w logistyce, algorytmiczny handel finansowy, czy systemy cyberbezpieczeństwa reagujące na atak, opóźnienia sieciowe są niedopuszczalne. Nawet najszybszy serwer z najdroższymi kartami Nvidia H100 będzie bezużyteczny, jeśli sieć nie dostarczy mu danych na czas.
Podczas gdy 85 proc. organizacji planuje wdrożenie agentów AI, tylko 23 proc. wierzy, że ich obecna infrastruktura IT jest w stanie sprostać wymaganiom technologii AI. Bez modernizacji sieci do standardów przepustowości rzędu 400G czy 800G, polskie firmy ryzykują inwestycjami w farmy bardzo drogich „kalkulatorów”, które nie mają dostępu do danych, na których mogłyby pracować.
Sieć w erze AI przestaje być tylko „rurą do przesyłania danych” – staje się inteligentną platformą, która musi diagnozować problemy, automatycznie przydzielać zasoby i priorytetyzować ruch krytyczny dla procesów AI.
Jak nie wpaść w spiralę zadłużenia? Rola ekosystemu i partnerów
Rozwój AI to wyścig, ale nie sprint – to maraton, w którym kondycja infrastruktury decyduje o tym, czy dobiegniemy do mety, czy odpadniemy na pierwszym kilometrze. Niestety samodzielna budowa infrastruktury AI-ready to zadanie często przekraczające kompetencje wewnętrznych działów IT. Wymaga połączonej wiedzy o serwerach, sieciach, cyberbezpieczeństwie, fizyce centrów danych – chłodzeniu i zasilaniu – i integracji środowisk chmurowych.
Dlatego dla wielu organizacji nie tyle alternatywą, co koniecznością, staje się porzucenie modelu „zrób to sam” na rzecz podejścia ekosystemowego i współpracy z wyspecjalizowanymi dystrybutorami i integratorami. Firmy te działają jako huby łączące technologie różnych dostawców w spójną całość, często wręcz preferując budowanie środowisk multi-vendorowych, dopasowanych do indywidualnych potrzeb zamawiającego. Dodatkowo zapewniają wsparcie na etapie projektowania rozwiązania, oferując doradztwo, zasoby sprzętowe i dostęp do laboratoriów.
Łączenie rozwiązań wielu producentów to dobry pomysł zarówno na uszycie rozwiązania na miarę, jak i na uniknięcie vendor lock inu. „Zgrzyty” pojawiają się wtedy, gdy technologiom różnych dostawców brakuje spoiwa. Dlatego Cisco, zamiast konkurować z każdym – tworzy fundament, na którym inne technologie mogą pracować lepiej – wyjaśnia Adam Bandura, Cisco Business Unit Manager w TD SYNNEX
Łączenie rozwiązań wielu producentów to dobry pomysł zarówno na uszycie rozwiązania na miarę, jak i na uniknięcie vendor-lock inu. „Zgrzyty” pojawiają się wtedy, gdy technologiom różnych dostawców brakuje spoiwa. Dlatego Cisco, zamiast konkurować z każdym – tworzy fundament, na którym inne technologie mogą pracować lepiej – wyjaśnia Adam Bandura, Cisco Business Unit Manager w TD SYNNEX. Takie ekosystemy są dostępne zarówno w obszarze centrów danych i AI, jak i innych segmentach, na przykład cyberbezpieczeństwie czy współpracy grupowej.
– Naszą rolą, jako dystrybutora, jest pokazanie klientowi, że wybierając Cisco, nie zamyka się on na inne marki. Posiadając w portfolio produkty setek dostawców pomagamy te klocki dopasować. Jeśli klient ma już określone rozwiązania, sprawdzamy, jak najlepiej „wpiąć” w nie technologię Cisco, aby system był spójny, a nie tylko złożony z przypadkowych pudełek – dodaje.
Takie podejście pozwala zamienić ewentualne tarcia okołointegracyjne w efekt synergii – gdzie Cisco zapewnia stabilność i widoczność (observability) dla całego, często bardzo różnorodnego środowiska klienta.
Znaczenie partnera – dystrybutora – uwidacznia się też w procesie planowania wydatków infrastrukturalnych.Modernizacja sieci pod AI to przecież potężna inwestycja (CAPEX), często trudna do przełknięcia dla zarządów. – W niepewnych czasach to my bierzemy na siebie ryzyko magazynowe i logistyczne. Dzięki mechanizmom takim jak harmonogramowanie dostaw, klient może spłacać rozwiązanie etapami, w miarę postępu wdrożenia – uspokaja Adam Bandura.
