Tydzień 30 czerwca – 6 lipca 2026 upłynął w AI pod jednym znakiem. Wielkie pieniądze przestały płynąć wyłącznie w nowe modele językowe. Zaczęły płynąć we wdrożenia AI oraz we własne układy scalone. W ciągu kilku dni trzej najwięksi gracze ogłosili miliardowe zespoły wdrożeniowe, a rynek chipów do uruchamiania modeli pokazał, że Nvidia nie jest już jedyną opcją.
Dla polskiej firmy, która dopiero planuje budżet na AI, to najważniejszy sygnał ostatnich miesięcy. Wartość nie leży już w samym wyborze modelu, lecz w tym, kto potrafi go wdrożyć i taniej uruchomić. Poniżej trzy wydarzenia, które ten zwrot definiują, oraz konkretne wnioski dla biznesu w Polsce. Ten tydzień pokazał, że rynek dojrzewa. Od fascynacji samymi modelami przechodzimy do trudniejszych, ale ważniejszych pytań o koszt, utrzymanie i realny zwrot z inwestycji.
Trzy wydarzenia tygodnia we wdrożeniach AI
Największą deklaracją było powołanie Microsoft Frontier, nowej spółki wdrożeniowej z budżetem 2,5 miliarda dolarów i zespołem 6 tysięcy inżynierów oraz ekspertów branżowych. Cała operacja opiera się na istniejących narzędziach AI Microsoftu, a jej celem jest prowadzenie projektów bezpośrednio u klientów korporacyjnych. Wśród pierwszych partnerów wymieniono London Stock Exchange Group, Unilever, Land O'Lakes i Accenture. Szef części komercyjnej Judson Althoff zapowiedział „największą i najbardziej zdolną organizację inżynierską nastawioną na wyniki w całej branży”. Sygnał jest czytelny: dostawcy przestają sprzedawać wyłącznie modele, a zaczynają sprzedawać ich wdrożenie. Warto zauważyć skalę. Sześć tysięcy inżynierów to zespół większy niż niejedna spółka technologiczna, a Microsoft buduje go na relacjach, które od lat utrzymuje z największymi korporacjami. Tej przewagi nie da się skopiować samym budżetem. Szczegóły w naszym materiale: Microsoft Frontier: 2,5 mld dolarów na wdrożenia AI.
Drugą stroną tej samej monety jest sprzęt. Amerykański startup Etched osiągnął wycenę 5 miliardów dolarów i ma już zakontraktowany miliard dolarów sprzedaży, choć dopiero testuje pierwszy produkt u klientów. Firma projektuje układy wyspecjalizowane w jednym zadaniu: szybkim i tańszym uruchamianiu gotowych modeli, czyli inferencji. To jeden z wyraźniejszych sygnałów, że rynek chipów do AI przestaje być domeną wyłącznie Nvidii. Na liście inwestorów obok funduszy Jane Street czy Two Sigma znaleźli się Andrej Karpathy, Geoffrey Hinton, Fei-Fei Li i Peter Thiel. Etched rywalizuje już z Cerebras, Groq oraz własnymi układami Amazona, Google i Microsoftu. Dla porównania, jeszcze rok temu rozmowa o realnej alternatywie dla Nvidii brzmiała jak myślenie życzeniowe. Dziś poważnych konkurentów jest kilku, a każdy walczy o ten sam cel: obniżyć koszt pojedynczego zapytania do modelu. Więcej liczb podajemy tutaj: Etched wyceniony na 5 mld dolarów.
Trzeci wątek to spadek kosztu samych modeli. Anthropic wypuścił Claude Sonnet 5, pozycjonowany jako tańszy sposób na uruchamianie agentów AI. W okresie promocyjnym model kosztuje 2 dolary za milion tokenów wejściowych i 10 dolarów za milion wyjściowych, czyli taniej niż mocniejszy Opus 4.8. W teście kodowania agentowego osiąga 63,2 procent, blisko flagowego Opusa, a producent deklaruje też lepszą odporność na wstrzykiwanie promptów. Dla firm liczy się jedno: próg wejścia do automatyzacji obsługi klienta czy analizy dokumentów właśnie się obniżył. Pełna analiza: Claude Sonnet 5, tańszy model do agentów AI.
Co łączy te newsy: pieniądze płyną we wdrożenia AI i chipy
Gdy zestawić te trzy ogłoszenia, widać jeden wzorzec. Wartość w AI przesuwa się z warstwy modelu do dwóch warstw wokół niego: infrastruktury, na której model działa, oraz wdrożenia, które osadza go w realnym procesie. Microsoft nie był tu sam. Dwa dni wcześniej analogiczny zespół wdrożeniowy za miliard dolarów ogłosił Amazon Web Services, a jeszcze wcześniej podobne spółki uruchomiły OpenAI i Anthropic. Trzej najwięksi gracze w kilka tygodni postawili na to samo: sprzedaż nie modelu, lecz jego wdrożenia i transferu wiedzy do organizacji klienta.
Po stronie sprzętu ten sam kierunek potwierdza wczesna rozmowa Anthropic z Samsungiem o własnym chipie AI. Firmy, które do niedawna wyłącznie wynajmowały moc obliczeniową, chcą dziś kontrolować krzem, na którym działają ich modele. Koszt inferencji, czyli uruchamiania gotowego modelu, stał się głównym składnikiem rachunku za AI, większym niż samo trenowanie. Kto obniży ten koszt, ten wygra kolejny etap wyścigu. W praktyce na tej rywalizacji skorzysta nawet firma, która nigdy nie kupi własnego chipa. Większa konkurencja po stronie sprzętu oznacza presję na spadek cen usług chmurowych i interfejsów API, z których na co dzień korzystają polskie zespoły.
Na tym tle warto zachować chłodną głowę. W tym samym tygodniu Mark Zuckerberg przyznał, że agenci AI w Meta rozwijają się wolniej, niż zakładano, a spodziewane korzyści „jeszcze się nie zmaterializowały”. Rekordowe inwestycje we wdrożenia i chipy to zakład o przyszłość, nie dowód, że technologia już dziś zwraca się w każdej organizacji. To ważne rozróżnienie dla każdego, kto planuje własny budżet. Wielcy gracze mogą przez lata finansować eksperymenty, których zwrot przyjdzie później. Mniejsza firma musi liczyć każdy wydatek już dziś, dlatego tym bardziej powinna zaczynać od procesów o mierzalnym efekcie.
Co wdrożenia AI oznaczają dla polskich firm
Dla polskiego biznesu płynie z tego jeden konkretny wniosek. Wdrożenie AI to projekt, a nie jednorazowy zakup licencji. Sama subskrypcja modelu nie daje wartości, dopóki nie trafi w konkretny proces i nie zmieni sposobu pracy zespołu. Budżet i kompetencje warto planować nie tylko na narzędzie, ale przede wszystkim na integrację, utrzymanie oraz przeszkolenie ludzi. Firmy, które potraktują AI jak zmianę procesów, wyprzedzą te, które kupią licencje i zostawią je bez opieki. Dobry pierwszy krok jest prostszy, niż się wydaje. Wystarczy wybrać jeden powtarzalny, dobrze opisany proces, zmierzyć jego dzisiejszy koszt i czas, a dopiero potem sprawdzić, co zmienia w nim model. Taki pilotaż daje twarde liczby zamiast wrażeń i chroni budżet przed wydatkiem, który nie ma jak się zwrócić.
Jest też druga strona. Model inżyniera wdrożeniowego pracującego wewnątrz firmy klienta jest kosztowny, więc globalni dostawcy skupią się na największych kontraktach z listy Fortune 500. Mniejsze i średnie firmy w Polsce podobną wartość znajdą raczej u lokalnych partnerów oraz budując własne kompetencje AI wewnątrz zespołu. Widać to już na rynku. Krakowskie SALESmanago rebranduje się na Manago AI i dodaje funkcje agentowe, a państwowy NASK otrzymał dostęp do wyspecjalizowanego modelu GPT-5.5 Cyber. Przewagę budują dziś kompetencje i partnerstwa, nie same licencje. Polski rynek pokazuje, że nie trzeba być globalnym gigantem, aby sensownie korzystać z AI, o ile ma się jasno wybrany cel i ludzi, którzy potrafią pilnować wdrożenia.
Spadek cen działa na korzyść mniejszych graczy. Tańsze modele jak Claude Sonnet 5 oraz nowe, tanie warianty Google Gemini sprawiają, że koszt eksperymentu z AI spadł do poziomu, na który stać także 30-osobową firmę. Barierą przestaje być cena tokenów. Barierą zostaje umiejętność: kto potrafi osadzić model w procesie i utrzymać go po wdrożeniu, ten realnie zyskuje.
Jak Sprawni Cyfrowo pomaga wdrożyć AI
Wniosek z tego tygodnia jest praktyczny. O przewadze decyduje nie wybór modelu, lecz umiejętność jego wdrożenia. W Sprawni Cyfrowo pomagamy polskim firmom przejść tę drogę od pilotażu do realnego, utrzymywanego procesu. Nasza oferta obejmuje:
- Szkolenia z kompetencji cyfrowych i AI: praktyczne warsztaty, które uczą zespół pracować z narzędziami takimi jak Claude czy Gemini na własnych danych.
- Wdrożenia AI w firmach: pomagamy osadzić modele w konkretnych procesach, od obsługi klienta i analizy dokumentów po automatyzację powtarzalnych zadań.
- Kursy online i konsultacje technologiczne: certyfikowane kursy oraz doradztwo, dzięki którym samodzielnie utrzymasz i rozwiniesz wdrożone rozwiązania.
Jeśli Twoja firma planuje budżet na AI na najbliższe miesiące, nie zaczynaj od pytania „który model”, lecz od pytania „który proces”. Umów bezpłatną konsultację ze Sprawni Cyfrowo i sprawdź, od czego zacząć wdrożenie, które faktycznie się zwróci.
