Co się nie udało w AI w 2025 — uczciwe spojrzenie

Rocznych podsumowań sukcesów jest pełno. Brakuje uczciwych raportów porażek. Po stronie polskiego biznesu rok 2025 to nie były same sukcesy. Zebraliśmy 8 klas projektów, które nie wyszły — w naszych wdrożeniach, u klientów i to, co widzimy publicznie. Bez ukrywania, z konkretnymi przyczynami. Czytanie obowiązkowe przed budżetowaniem 2026.

1. AI w obsłudze prawnej bez nadzoru

Dwa znane nam przypadki: kancelaria 4-osobowa i mała firma z własnym działem prawnym. Próbowali generować pisma procesowe bez kontroli prawnika. Halucynacje w sygnaturach orzeczeń, błędne paragrafy. Skończyło się publiczną wpadką w jednym przypadku (klient sądowy odkrył błąd) i wewnętrznym wycofaniem w drugim.

Lekcja: AI w prawie to asystent, nie autopilot. Każde pismo musi być sprawdzone przez kompetentnego człowieka. Niezależnie od modelu.

2. Chatboty na frontendzie sklepu

3 e-commercy z naszej obserwacji wdrożyły chatboty AI na stronie głównej. Konwersja spadała o 8-14% w testach A/B. Klienci nie chcą rozmawiać z botem podczas zakupu — chcą koszyka i zniżki.

Lekcja: AI w e-commerce sprawdza się w backendzie (personalizacja, opisy, kategoryzacja) i w obsłudze posprzedażowej. Nie blokuj ścieżki zakupowej.

3. "AI do wszystkiego" na jednym modelu

Firma 90-osobowa próbowała wdrożyć jednego asystenta dla wszystkich działów. Bez routingu, bez specjalizacji. Wynik: każdy dział narzekał. Dział sprzedaży chciał konkretów liczbowych, HR chciał empatii, IT chciało kodu. Jeden prompt nie obsłuży wszystkich.

Lekcja: Router-first. Specjalizowane sub-agenty per dział. To dodatkowe 2 tygodnie pracy, ale dramatyczna różnica jakości.

4. Niedoszacowane koszty API

Lekcja: Każdy projekt musi mieć monitoring kosztów per dział + alerty + cap miesięczny. Inaczej rachunki potrafią zaskoczyć.

5. Brak adopcji po wdrożeniu

2 z naszych 47 wdrożeń skończyły się sytuacją: zbudowane, działa, ale nikt nie używa. Przyczyny: brak ambasadora wewnętrznego, brak szkolenia, narzędzie schowane w czwartym menu intranetu.

Lekcja: Wdrożenie to 40% kodu, 60% change managementu. Musi być osoba w firmie, której KPI to "adopcja".

6. Halucynacje w księgowości

3 firmy próbowały OCR faktur na surowym LLM (bez warstwy walidacyjnej). Halucynacje numerów — np. NIP poprawny, ale kwota 4 712 zł zamiast 47,12 zł. Kosztowne błędy w VAT.

Lekcja: Księgowość wymaga warstwy walidacji deterministycznej (regex, suma kontrolna, porównanie z OCR pixel-by-pixel). LLM jako pomocnik, nie autorytet.

7. RAG bez higieny dokumentów

4 wdrożenia, gdzie RAG zwracał wyniki sprzed 2-3 lat zamiast aktualnych. Przyczyna: chunk store nie był aktualizowany, wersja dokumentu nie była indeksowana.

Lekcja: RAG wymaga procesu life-cycle dokumentu (deprecation, wersjonowanie, re-indexing). To 30% projektu, nie 5%.

8. Polityka AI napisana po wdrożeniu

U 9 klientów politykę pisaliśmy po fakcie, bo "zacznijmy szybko, dopiszemy procedury później". W 3 przypadkach skończyło się to konfliktem z compliance i odwlekaniem startu o 6-10 tygodni.

Lekcja: Polityka AI + zgody pracownicze + DPIA — przed startem, nie po.

Co z tego wynika

Nie chodzi o straszenie, tylko o realizm. Każda z tych porażek ma proste rozwiązanie: warstwa walidacji, router, ambasador, monitoring kosztów, polityka up front. Wszystko da się zrobić w 2026.

Jeśli planujecie wdrożenie i chcecie usłyszeć "nie róbcie tego" zanim wydacie 80 tys. — umówmy szczerą rozmowę. 30 minut, zero sprzedaży.