Dlaczego pracownicy nie korzystają z AI po szkoleniu? Najczęstsze bariery adopcji AI w firmie

Szkolenie często kończy się bardzo dobrze. Uczestnicy widzą możliwości nowych narzędzi, deklarują chęć korzystania z nich i wychodzą z przekonaniem, że AI może usprawnić ich pracę.

Problem zaczyna się później.

Po kilku tygodniach okazuje się, że część pracowników korzysta z AI regularnie. Część robi to sporadycznie, a część właściwie wraca do wcześniejszego sposobu pracy. Organizacja ma więc przeszkolony zespół, dostęp do narzędzi i często również politykę AI. Jednak rzeczywista adopcja jest znacznie niższa, niż zakładano.

To jeden z najważniejszych problemów związanych z wdrażaniem sztucznej inteligencji w firmach.

Szkolenie z AI nie jest tym samym co adopcja AI

Można nauczyć pracownika obsługi ChatGPT, Copilota czy Gemini, ale to jeszcze nie oznacza, że zacznie on wykorzystywać te narzędzia w codziennej pracy. Adopcja zaczyna się dopiero wtedy, gdy AI staje się naturalnym elementem konkretnych procesów, zadań i decyzji.

Badania Microsoft pokazują, że na efektywne wykorzystanie AI wpływają nie tylko indywidualne kompetencje pracownika, ale również kultura organizacyjna, wsparcie managera i sposób zarządzania zmianą. W Work Trend Index 2026 Microsoft wskazuje, że czynniki organizacyjne mają około dwukrotnie większy deklarowany wpływ na efekty wykorzystania AI niż sam indywidualny wysiłek pracownika.[1]

To prowadzi do ważnego wniosku. Jeżeli firma chce zwiększyć wykorzystanie AI po szkoleniu, nie powinna pytać wyłącznie, czy pracownicy potrafią korzystać z nowych narzędzi. Powinna również sprawdzić, czy organizacja stworzyła warunki, aby rzeczywiście mogli i chcieli z nich korzystać.

Szkolenie z AI a adopcja AI. Na czym polega różnica?

Szkolenie z AI odpowiada przede wszystkim na pytanie w jaki sposób korzystać z narzędzia? Adopcja AI odpowiada na znacznie szerszy obszar, zwłaszcza jak sprawić, aby korzystanie z AI stało się trwałym elementem codziennej pracy? To fundamentalna różnica.

Podczas szkolenia pracownik może nauczyć się tworzenia skutecznych promptów, analizowania dokumentów, przygotowywania podsumowań czy korzystania z funkcji dostępnych w Copilocie lub Gemini. Jednak prawdziwa zmiana zaczyna się dopiero wtedy, gdy wiedza ze szkolenia zostaje przeniesiona na realne procesy biznesowe.

Jeżeli pracownik po szkoleniu zaczyna wykorzystywać AI do przygotowania do spotkania, porównania dokumentów, analizy danych, stworzenia pierwszej wersji raportu lub uporządkowania informacji, możemy mówić o pierwszym poziomie adopcji.

Jeżeli firma zmienia dzięki AI całe sposoby realizacji procesów, role, oczekiwania wobec pracowników i sposób przepływu informacji, zaczynamy mówić o znacznie dojrzalszym wdrożeniu.

Największy problem pojawia się więc nie podczas szkolenia, ale pomiędzy szkoleniem a codzienną pracą.

Pracownik zna AI, ale nie wie, do czego konkretnie ma go używać

Jedną z najczęstszych barier adopcji AI jest brak jasnego zastosowania.

Pracownik może wiedzieć, czym jest ChatGPT. Może znać podstawy promptowania, a także rozumieć, że AI potrafi pisać, analizować, streszczać i porównywać informacje. Nadal jednak może nie wiedzieć, które elementy swojej codziennej pracy powinien wykonywać inaczej. To bardzo ważna różnica.

Gallup wskazuje, że jedną z najczęściej deklarowanych barier wykorzystania AI jest brak jasnego przypadku użycia lub brak wyraźnej wartości biznesowej. Wśród osób, które nie korzystają z AI, 44% wskazuje, że nie widzi, w jaki sposób AI może pomóc im w wykonywanej pracy.[2] Jeżeli więc szkolenie pokazuje głównie funkcje narzędzia, ale nie przekłada ich na realne obowiązki pracownika, adopcja może szybko wyhamować.

• Pracownik działu HR potrzebuje przykładów związanych z analizą ankiet pracowniczych, tworzeniem komunikacji, przygotowywaniem programów rozwojowych czy opracowywaniem dokumentów.
• Handlowiec powinien zobaczyć, jak AI może pomóc mu przygotować się do spotkania, zebrać informacje o kliencie, uporządkować notatki, stworzyć follow-up lub przeanalizować argumentację.
• Marketingowiec potrzebuje zastosowań związanych z researchem, analizą rynku, tworzeniem treści, przetwarzaniem danych, kampaniami i analizą konkurencji.

Sama znajomość narzędzia nie wystarczy. Dlatego jednym z najważniejszych elementów skutecznego programu adopcji AI jest mapowanie zastosowań dla konkretnych stanowisk, działów i procesów.

Po szkoleniu nie ma czasu na praktykę

Na szkoleniu pracownik ma kilka godzin przeznaczonych wyłącznie na naukę. Może spokojnie testować, zadawać pytania, poprawiać prompty i eksperymentować z różnymi sposobami wykorzystania AI. Po powrocie do pracy wraca jednak do normalnego rytmu. Czekają na niego spotkania, maile, raporty, klienci, zadania bieżące i wskaźniki, z których jest rozliczany.

W takiej sytuacji nowe zachowanie zaczyna konkurować ze starym. A stary sposób pracy jest zwykle szybszy, bo nie wymaga dodatkowego zastanawiania się ani uczenia.

BCG wskazuje, że w badanych organizacjach mniej niż jedna czwarta czasu poświęcanego na naukę przypadała na godziny pracy. Oznacza to, że rozwijanie kompetencji związanych z AI bardzo często konkuruje z codziennymi obowiązkami.[3]

Microsoft opisuje podobne zjawisko jako „Transformation Paradox”. W badaniu z 2026 roku 45% użytkowników AI deklarowało, że bezpieczniej jest koncentrować się na obecnych celach niż przebudowywać sposób pracy przy użyciu sztucznej inteligencji.[1] To oznacza, że firma może formalnie zachęcać do korzystania z AI, a jednocześnie nieświadomie tworzyć warunki, które utrudniają eksperymentowanie.

Jeżeli pracownik nie dostaje czasu na testowanie nowych sposobów pracy, wróci do tych, które już zna.

Dlatego po szkoleniu warto zaplanować dalszą praktykę. Może to być krótki AI Lab, cykliczne spotkania zespołu, jedno konkretne zadanie wdrożeniowe tygodniowo albo czas przeznaczony na testowanie AI w realnych procesach. Adopcja AI wymaga nie tylko wiedzy, ale również czasu na zbudowanie nowego nawyku.

Pracownik nie wie, jakie dane może przekazywać do AI

Jedną z najsilniejszych barier w dużych organizacjach jest niepewność związana z bezpieczeństwem danych.

• Czy można wkleić fragment umowy do ChatGPT?
• Czy można analizować CV kandydatów?
• Czy można przesłać do Copilota raport sprzedażowy?
• Czy można użyć nazwy klienta?
• Czy dane są wykorzystywane do treningu modelu?
• Czy pracownik może korzystać z prywatnego konta?
• Czy zasady są takie same dla ChatGPT, Copilota i Gemini?

Jeżeli organizacja nie odpowiada jednoznacznie na te pytania, najbardziej odpowiedzialni pracownicy często wybierają rozwiązanie najbezpieczniejsze: nie korzystają z AI wcale.

Gallup wskazuje, że kwestie prawne i prywatność danych należą do najczęściej wymienianych barier wdrażania AI. [2]. Deloitte również zwraca uwagę, że problemy związane z regulacjami, ryzykiem i governance należą do istotnych ograniczeń przy skalowaniu generatywnej sztucznej inteligencji w przedsiębiorstwach.[4]

Dlatego skuteczne wdrożenie AI powinno obejmować nie tylko formalną politykę, ale także bardzo prostą instrukcję dla pracownika.

Każda osoba korzystająca z AI powinna wiedzieć, z jakich narzędzi wolno jej korzystać. Także jakie dane może przekazywać do systemu i kiedy wynik powinien zostać dodatkowo zweryfikowany. Jeżeli te zasady są niejasne, niepewność zaczyna blokować adopcję.

Pracownik raz zobaczył błąd AI i przestał mu ufać

Generatywna sztuczna inteligencja potrafi przygotować bardzo dobre odpowiedzi, ale może również się mylić. Może wygenerować błędny fakt, pomylić źródła, źle zinterpretować dokument albo przedstawić odpowiedź brzmiącą przekonująco, ale niezgodną z rzeczywistością.

Dla części pracowników pierwsze takie doświadczenie prowadzi do bardzo szybkiego wniosku, skoro trzeba wszystko sprawdzać, to szybciej będzie zrobić zadanie samodzielnie. Deloitte wskazuje kwestie jakości, niezawodności i zaufania jako istotne wyzwania we wdrażaniu generatywnej AI.[5]

Problem nie polega jednak na tym, że AI zawsze powinno być w pełni wiarygodne. Ważniejsze jest nauczenie pracowników, kiedy i w jaki sposób mogą na nim polegać.

Inaczej należy traktować AI przy przygotowaniu pierwszej wersji tekstu, inaczej przy analizie dokumentu, a jeszcze inaczej przy zadaniu prawnym, finansowym czy regulacyjnym.

Dojrzałe korzystanie z AI wymaga więc nie bezwarunkowego zaufania, ale umiejętności oceny ryzyka.

Pracownik powinien wiedzieć, w których zadaniach AI może być wykorzystywane jako pierwszy szkic, w których jako wsparcie analityczne, a w których każda odpowiedź wymaga pełnej weryfikacji przez człowieka.

Pracownik zna promptowanie, ale nadal nie widzi dużej korzyści

Po podstawowym szkoleniu wiele osób potrafi już stworzyć całkiem dobry prompt. Rozumieją rolę kontekstu, przykładu, oczekiwanego formatu czy kryteriów odpowiedzi. Mimo to czasami nadal nie uzyskują efektu, który byłby wystarczająco dobry. Tworzą prompt, dostają wynik, poprawiają go, doprecyzowują polecenie i po kilkunastu minutach dochodzą do wniosku, że samodzielne wykonanie zadania byłoby szybsze.

BCG opisuje grupę użytkowników, którzy znają możliwości AI, ale postrzegają narzędzia jako niewystarczająco wygodne lub wiarygodne i dlatego wracają do wcześniejszych sposobów pracy.[3] To pokazuje, że sama umiejętność promptowania nie zawsze wystarcza.

Kolejny poziom dojrzałości polega na projektowaniu całego procesu pracy z AI. Pracownik powinien wiedzieć, jak podzielić zadanie na etapy, jaki kontekst przekazać modelowi, jak zweryfikować wynik, jak zapisać skuteczny sposób pracy i jak powtarzać go w przyszłości.

To moment, w którym przestajemy mówić wyłącznie o promptach, a zaczynamy mówić o projektowaniu workflow z AI.

Manager nie korzysta z AI i nie wspiera zespołu

To jedna z najważniejszych barier organizacyjnych. Pracownik wraca ze szkolenia, ale jego manager nie zmienia sposobu pracy zespołu.

Spotkania wyglądają tak samo. Raporty są przygotowywane w ten sam sposób. Nikt nie pyta o nowe pomysły, nie pokazuje przykładów wykorzystania AI, ani nie daje przestrzeni na eksperymentowanie.

W efekcie pracownik otrzymuje bardzo czytelny sygnał – AI było tematem szkoleniowym, ale nie jest częścią normalnej pracy.

Gallup pokazuje silny związek pomiędzy wsparciem managera a regularnym używaniem AI. Pracownicy, którzy zdecydowanie zgadzają się ze stwierdzeniem, że ich manager wspiera korzystanie z AI, są 2,1 raza bardziej skłonni używać go kilka razy w tygodniu lub częściej.[2]

To bardzo mocny argument za tym, aby programy wdrożenia AI obejmowały nie tylko pracowników, ale również liderów.

Manager nie musi być najbardziej zaawansowanym użytkownikiem AI w zespole. Powinien jednak rozumieć, gdzie technologia może być użyteczna, jak rozmawiać o nowych sposobach pracy i jak tworzyć bezpieczną przestrzeń do eksperymentowania.

Jeżeli lider tego nie robi, adopcja bardzo szybko traci impet.

Dobre praktyki nie rozchodzą się po organizacji

W wielu firmach adopcja AI rozwija się w silosach. Jedna osoba odkrywa skuteczny sposób analizy dokumentu. Ktoś inny buduje bardzo dobry prompt. Kolejny pracownik wykorzystuje Copilota do przygotowania spotkań. Jeszcze ktoś tworzy własnego asystenta.

Problem polega na tym, że wiedza pozostaje lokalna. Dobre praktyki nie skalują się automatycznie. Jeżeli organizacja nie tworzy przestrzeni do wymiany doświadczeń, każdy zespół i każdy pracownik zaczyna eksperymentowanie od początku.

Slack opisywał własny program microlearningu AI, w którym istotnym elementem było uczenie się na przykładach innych uczestników i dzielenie się zastosowaniami.[6]

To pokazuje, że adopcja ma również wymiar społeczny!

Firmy, które chcą rozwijać AI w sposób bardziej systemowy, powinny tworzyć wewnętrzne społeczności praktyków, biblioteki use case’ów, kanały do wymiany doświadczeń, grupy AI Champions albo regularne spotkania, podczas których pracownicy pokazują praktyczne zastosowania.

Nie chodzi o duże programy. Czasami jedna dobra praktyka wdrożona w kilku zespołach daje więcej niż kolejne ogólne szkolenie.

Pracownik boi się, że korzystanie z AI zostanie źle ocenione

Nie wszystkie bariery są technologiczne lub organizacyjne, część z nich ma charakter psychologiczny.

Pracownik może obawiać się, że korzystanie z AI zostanie odebrane jako brak kompetencji. Może nie chcieć przyznać, że tekst, analiza czy prezentacja powstały częściowo z pomocą AI.

Może też pojawić się jeszcze poważniejsza obawa, że skoro AI pozwala wykonać zadanie znacznie szybciej, czy firma nie uzna, że dane stanowisko jest mniej potrzebne?

Microsoft już w Work Trend Index 2024 wskazywał, że 52% pracowników korzystających z AI niechętnie przyznawało się do używania go przy najważniejszych zadaniach, a 53% obawiało się, że korzystanie z AI może sprawić, iż będą postrzegani jako łatwiejsi do zastąpienia.[7]

To pokazuje, że organizacja może formalnie zachęcać do AI, a jednocześnie kulturowo je blokować.

Jeżeli cały przekaz dotyczący sztucznej inteligencji koncentruje się na redukcji kosztów, zwiększeniu wydajności i automatyzacji, trudno oczekiwać, że pracownicy będą otwarcie eksperymentować.

Potrzebna jest jasna komunikacja dotycząca celu wdrożenia.

Pracownicy powinni rozumieć, że AI ma pomagać im ograniczać powtarzalne zadania, zwiększać jakość pracy, szybciej analizować informacje i przesuwać czas w stronę działań o większej wartości.

Bez tego adopcja może pozostać ukryta albo bardzo ostrożna.

AI pozostaje dodatkiem, zamiast stać się częścią procesu

To kolejna bardzo częsta sytuacja. Pracownik ma dostęp do ChatGPT albo Copilota i od czasu do czasu z niego korzysta. Jednak podstawowy proces pracy się nie zmienia.

AI działa obok procesu. Nie jest jego częścią.

Pracownik najpierw wykonuje zadanie w stary sposób, a dopiero później sprawdza coś w AI. W takim modelu korzyści są ograniczone.

Badanie NBER przeprowadzone na ponad 7 tysiącach pracowników wiedzy w 66 organizacjach pokazało, że AI zintegrowane z codziennymi aplikacjami może przynosić oszczędności czasu, ale nie musi automatycznie zmieniać całej struktury wykonywanej pracy.[8]

To ważna obserwacja. Sam dostęp do narzędzia nie oznacza transformacji. Dlatego wraz z rozwojem adopcji pytanie powinno zmieniać się z „czy pracownicy korzystają z AI?” na „które procesy wykonujemy dziś inaczej dzięki AI?”.

To właśnie przejście od używania narzędzia do przebudowy workflow tworzy większą wartość biznesową.

Firma traktuje szkolenie jako zakończenie projektu

To jeden z najbardziej klasycznych błędów. Firma organizuje szkolenie, zbiera oceny uczestników, analizuje NPS i uznaje temat za zakończony.

Tymczasem szkolenie powinno być początkiem procesu.

Technologia AI zmienia się wyjątkowo szybko. Pojawiają się nowe modele, nowe funkcje, agenci, narzędzia researchowe, nowe sposoby pracy z danymi i kolejne integracje.

Kompetencje nie mogą więc być budowane jednorazowo.

BCG w badaniu obejmującym ponad 10 600 pracowników z 11 krajów wskazało, że tylko 36% pracowników uważało się za odpowiednio przeszkolonych w zakresie AI. Jednocześnie osoby, które otrzymały co najmniej pięć godzin szkolenia, szczególnie w połączeniu z zajęciami na żywo i coachingiem, znacznie częściej stawały się regularnymi użytkownikami AI.[9]

To pokazuje, że rozwój kompetencji związanych ze sztuczną inteligencją powinien być traktowany jako proces ciągły.

Jak zwiększyć adopcję AI po szkoleniu?

Skuteczna adopcja AI nie zaczyna się i nie kończy na jednym warsztacie. Powinna być zaprojektowana jako proces obejmujący diagnozę, edukację, praktykę, wsparcie managerów, governance, rozwój use case’ów i regularny pomiar.

• Na początku warto sprawdzić, jak pracownicy korzystają z AI obecnie, jakie mają kompetencje i które procesy są najlepszym miejscem do rozpoczęcia.
• Następnie szkolenie powinno pracować na realnych przykładach z danej organizacji, a nie wyłącznie na uniwersalnych promptach.
• Po szkoleniu powinien pojawić się kolejny etap. Mogą to być warsztaty utrwalające, konsultacje, AI Labs, sesje dla managerów, biblioteka use case’ów czy społeczność wewnętrznych ambasadorów AI.
• Kolejnym elementem powinien być pomiar. Nie tylko liczby przeszkolonych pracowników, ale realnego wpływu na pracę.
• Warto sprawdzać, jak często AI jest używane, w jakich procesach, jakie zadania są wykonywane szybciej, gdzie poprawia się jakość i jakie nowe zastosowania powstają w organizacji.

Dopiero wtedy można ocenić rzeczywisty poziom adopcji.

AI literacy to dopiero pierwszy krok

AI literacy jest dziś podstawą odpowiedzialnego korzystania ze sztucznej inteligencji. Pracownicy powinni rozumieć możliwości i ograniczenia AI, zasady bezpieczeństwa, ryzyka związane z błędami oraz podstawowe sposoby pracy z narzędziami.

Ale AI literacy nie jest jeszcze adopcją. Można mieć organizację, w której niemal wszyscy przeszli szkolenie, ale tylko niewielka część wykorzystuje AI regularnie.

Można też mieć firmę, w której AI zostało włączone w najważniejsze procesy, a pracownicy potrafią wskazać konkretne zadania wykonywane dziś inaczej niż wcześniej.

Dojrzałość organizacji nie powinna więc być mierzona wyłącznie liczbą szkoleń czy zakupionych licencji. Powinna być mierzona zmianą sposobu pracy.

Jak rozpoznać, że problemem nie jest już szkolenie, tylko adopcja?

• Jeżeli po kilku tygodniach pracownicy nadal nie wiedzą, do czego mogą używać AI, problem nie dotyczy już wyłącznie wiedzy.
• Jeżeli nie wiedzą, jakie dane mogą wprowadzać do narzędzi, mamy problem z governance.
• Jeżeli managerowie nie wykorzystują AI i nie rozmawiają o nim z zespołami, pojawia się problem przywództwa.
• Jeżeli dobre use case’y pozostają w pojedynczych zespołach, mamy problem z wymianą wiedzy.
• Jeżeli AI jest używane sporadycznie, ale żaden proces w firmie nie wygląda inaczej niż wcześniej, problem dotyczy przebudowy workflow.

To sygnały, że organizacja powinna przejść z myślenia o szkoleniach do myślenia o adopcji.

Największy błąd? Traktowanie adopcji AI jak projektu szkoleniowego

Szkolenia z AI są potrzebne. Bez nich trudno budować kompetencje, świadomość bezpieczeństwa i odpowiedzialne sposoby pracy.

Ale samo szkolenie nie zmienia organizacji. Microsoft w Work Trend Index 2026 wskazuje, że tylko 19% badanych użytkowników AI znalazło się w grupie, w której wysokie kompetencje indywidualne łączyły się z wysoką zdolnością organizacji do ich wykorzystania.[1]

To jeden z najważniejszych wniosków dotyczących adopcji AI.

Pracownik może umieć korzystać z AI i jednocześnie pracować w organizacji, która skutecznie utrudnia mu jego używanie.

Dlatego skuteczne wdrożenie powinno równolegle obejmować kompetencje, procesy, kulturę organizacyjną, wsparcie liderów, governance i technologię.

Od szkolenia z AI do organizacji AI-ready

Pierwsza fala wdrażania sztucznej inteligencji w firmach koncentrowała się przede wszystkim na narzędziach. Firmy kupowały licencje, organizowały szkolenia z ChatGPT, uruchamiały Microsoft Copilot i testowały Gemini.

To był potrzebny etap. Kolejny etap jest trudniejszy, ale znacznie ważniejszy. Chodzi o odpowiedź na pytanie, jak zbudować organizację, w której AI staje się naturalnym elementem pracy. Nie wystarczy już sprawdzić, czy pracownik potrafi napisać dobry prompt.

Trzeba wiedzieć, czy potrafi zastosować AI w konkretnym procesie, czy zna zasady bezpieczeństwa, czy ma wsparcie managera, czy organizacja dzieli się dobrymi praktykami i czy efekty są mierzone.

Bo ostatecznym celem nie jest liczba osób przeszkolonych z AI.

Celem jest sytuacja, w której pracownicy potrafią wskazać konkretne zadania i procesy, które dzięki sztucznej inteligencji wykonują szybciej, lepiej albo w zupełnie nowy sposób.

Właśnie w tym miejscu kończy się szkolenie, a zaczyna prawdziwa adopcja AI.

Przypisy i źródła

[1] Microsoft, Work Trend Index 2026: Agents, Human Agency, and the Opportunity for Every Organization:
https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization

[2] Gallup, Manager Support Drives Employee AI Adoption:
https://www.gallup.com/workplace/694682/manager-support-drives-employee-adoption.aspx

[3] Boston Consulting Group, The AI Adoption Puzzle: Why Usage Is Up but Impact Is Not:
https://www.bcg.com/publications/2025/ai-adoption-puzzle-why-usage-up-impact-not

[4] Deloitte, State of Generative AI in the Enterprise:
https://www.deloitte.com/uk/en/about/press-room/deloitte-ai-institute-state-of-generative-ai-in-the-enterprise-report.html

[5] Deloitte, The State of Generative AI in the Enterprise:
https://www.deloitte.com/ca/en/services/consulting/perspectives/the-state-of-generative-ai-in-the-enterprise.html

[6] Slack, Try This Experiment With Your Team at Work: AI Microlearning:
https://slack.com/intl/en-in/blog/productivity/try-this-experiment-with-your-team-at-work-ai-microlearning

[7] Microsoft, Work Trend Index 2024: AI at Work Is Here. Now Comes the Hard Part:
https://www.microsoft.com/en-us/worklab/work-trend-index/ai-at-work-is-here-now-comes-the-hard-part

[8] National Bureau of Economic Research, Shifting Work Patterns with Generative AI:
https://www.nber.org/papers/w33795

[9] Boston Consulting Group, AI at Work 2025: Momentum Builds, but Gaps Remain:
https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain