Mark Zuckerberg przyznał, że agenci AI rozwijają się w Meta wolniej, niż zakładało kierownictwo firmy. Podczas czwartkowego spotkania z pracownikami szef Meta stwierdził, że prace nad autonomicznymi agentami nie „przyspieszyły w sposób", jakiego oczekiwano, a spodziewane korzyści „jeszcze się nie zmaterializowały".
To rzadka nuta realizmu ze strony firmy, która na infrastrukturę AI planuje wydać w 2026 roku około 145 miliardów dolarów. Wcześniej w tym roku Meta zwolniła około 8 tysięcy osób, czyli mniej więcej 10 procent załogi, a kolejne 7 tysięcy pracowników przesunęła do zespołów skupionych na sztucznej inteligencji, w tym do grupy o nazwie „Agent Transformation". Powodem tych zmian była obawa, że firma nie nadąża za tempem branży. Sam Zuckerberg przyznał, że reorganizacja nie przebiegła tak „czysto", jak zakładano. Poprawę widocznych efektów zapowiedział w perspektywie od trzech do sześciu miesięcy.
Meta nie jest w tej sytuacji odosobniona. Podobny ton słychać dziś w całej branży. Testy porównawcze i codzienne wdrożenia od dawna pokazują, że agenci AI wciąż mają problem z samodzielnym wykonywaniem złożonych, wieloetapowych zadań bez nadzoru człowieka. Efektowne deklaracje o „autonomicznych pracownikach" zderzają się z rzeczywistością, w której agent świetnie wypada podczas demonstracji, ale zawodzi przy nietypowych przypadkach brzegowych. Grupa „Agent Transformation" miała odpowiadać właśnie za przełożenie tych obietnic na działające produkty.
Co to znaczy dla polskiego biznesu? Przede wszystkim warto oddzielić marketing od realnych możliwości technologii. Jeśli nawet firma z budżetem Meta mówi o kolejnych miesiącach pracy, mniejsze organizacje powinny planować wdrożenia AI etapami, zamiast liczyć na natychmiastową automatyzację całych procesów. Dziś najlepiej sprawdza się model, w którym agent wspiera pracownika: przyspiesza analizy, przygotowuje wersje robocze i obsługuje powtarzalne kroki, a decyzje oraz kontrola jakości pozostają po stronie człowieka. Inwestycja w kompetencje zespołu zwykle zwraca się szybciej niż zakup kolejnego narzędzia, które ma „samo się wdrożyć". Warto też z góry ustalić, jak zmierzymy efekty, żeby po kilku miesiącach ocenić wdrożenie na twardych danych, a nie na wrażeniach.
Źródło: TechCrunch (EN), 2 lipca 2026.
