2 godzin temu
W lipcu 2026 rozmowa o priorytetach CIO coraz rzadziej zaczyna się od samej technologii. AI obiecuje wzrost produktywności, cyberodporność wyznacza granice bezpiecznego skalowania, a koszty chmury pokazują, ile miejsca w budżecie zostaje na kolejne projekty.
To ważna zmiana dla zarządów. Jeszcze niedawno generatywna AI była dla wielu firm obszarem eksperymentów, testów i pilotaży. Dziś coraz częściej staje się pozycją w budżecie, elementem strategii operacyjnej i źródłem pytań o realny zwrot z inwestycji. Według badania RBC Capital Markets, wszystkie ankietowane firmy planowały budżety na AI w 2026 roku, a ponad połowa miała już rozwiązania AI w środowiskach produkcyjnych.
Dla CIO oznacza to mniej rozmowy o samej obietnicy technologii, a więcej o jej konsekwencjach. AI zwiększa zapotrzebowanie na moc obliczeniową, dane i integracje. Chmura pozwala gwałtownie skalować takie projekty, ale jednocześnie bardzo gwałtownie ujawnia ich koszt. Cyberbezpieczeństwo przestaje być osobnym obszarem kontroli, bo każda automatyzacja oparta na danych powiększa liczbę punktów dostępu, zależności i potencjalnych błędów.
Dlatego trzy priorytety CIO nie układają się dziś w prostą listę zadań. Bardziej przypominają jeden portfel decyzji. Pierwsza dotyczy tego, które zastosowania AI rzeczywiście warto rozwijać. Druga — jaką odporność cyfrową firma chce mieć, zanim dopuści automatyzację głębiej do procesów. Trzecia — czy rachunek za chmurę jest już powiązany z wartością biznesową, czy przez cały czas pozostaje techniczną fakturą, którą trudno przełożyć na wynik.
AI w firmie: mniej pilotaży, więcej selekcji
Największe ryzyko w AI nie polega dziś wyłącznie na tym, iż technologia nie zadziała. Coraz częściej polega na tym, iż zadziała za łatwo. Narzędzia są dostępne, zespoły gwałtownie tworzą własne rozwiązania, a kolejne działy widzą w agentach AI sposób na przyspieszenie pracy. To może dawać wymierne korzyści, ale bez wspólnego modelu zarządzania łatwo prowadzi do rozproszenia kosztów, dublowania narzędzi i trudniejszej kontroli danych.
Wall Street Journal opisywał już problem nadmiaru agentów AI w firmach takich jak Lyft, DaVita, GitLab czy FICO. Organizacje zaczynają mierzyć się z sytuacją, w której agenci powstają szybciej niż mechanizmy ich nadzoru. W tle pojawiają się pytania o koszty tokenów, dostęp do danych, odpowiedzialność za decyzje i bezpieczeństwo procesów.
Z biznesowego punktu widzenia coraz bardziej praktyczna staje się więc selekcja. Nie każde wdrożenie AI będzie zasługiwać na skalowanie. Wartość pojawia się tam, gdzie rozwiązanie ma właściciela biznesowego, jasno opisany cel i mierzalny wpływ na koszt, przychód, obsługę klienta, produktywność lub jakość decyzji. W wielu firmach dobrym punktem odniesienia staje się prosta zasada: kupować fundament, ale budować przewagę blisko własnych danych, procesów i klientów.
Cyberodporność jako warunek skalowania AI
Drugi obszar to cyberodporność. W 2026 roku nie jest już ona tylko ochroną przed incydentem, ale warunkiem spokojnego skalowania technologii. Im więcej organizacja automatyzuje, tym większe znaczenie mają tożsamość, uprawnienia, kontrola dostępu, backup, monitoring i scenariusze przywracania działania po awarii lub ataku.
AI zmienia również samą ekonomię cyberzagrożeń. Agentowe systemy potrafią wspierać wieloetapowe zadania, analizować kod, korzystać z narzędzi i przyspieszać rozpoznanie podatności. Badania nad agentic AI wskazują, iż takie rozwiązania mogą skracać cykl ataku, obniżając koszt phishingu, nadużyć poświadczeń, analizy luk i działań po uzyskaniu dostępu.
Nie oznacza to, iż firmy mają hamować automatyzację. Bardziej trafne wydaje się inne spojrzenie: skalowanie AI jest znacznie łatwiejsze tam, gdzie wcześniej uporządkowano dostęp do danych, odpowiedzialność za systemy i procedury działania po incydencie. Cyberodporność staje się więc częścią rozmowy o wzroście, a nie tylko o redukcji ryzyka.
Chmura i koszty: rachunek, który trzeba powiązać z biznesem
Trzecim elementem tej układanki jest chmura. Przez lata była przedstawiana jako sposób na elastyczność i szybsze wdrażanie projektów. To przez cały czas prawda, ale w erze AI elastyczność ma coraz wyraźniejszy koszt. Modele, agenci, dane, środowiska testowe i integracje potrafią gwałtownie zwiększyć zużycie infrastruktury. Dlatego rozmowa o chmurze przesuwa się z poziomu ogólnej faktury na poziom kosztu klienta, transakcji, zapytania, modelu lub procesu.
Dane Flexery pokazują skalę wyzwania. Według relacji z raportu „State of the Cloud 2026”, 81 proc. organizacji korzysta z AI, a marnotrawstwo wydatków chmurowych wzrosło do 29 proc., po raz pierwszy od pięciu lat. Jednocześnie 85 proc. firm przez cały czas uznaje zarządzanie kosztami chmury za jedno z głównych wyzwań.
To nie musi prowadzić do prostych cięć. W dojrzalszym ujęciu FinOps staje się sposobem na odzyskanie przestrzeni budżetowej dla projektów, które mają większy potencjał biznesowy. Dobrze opisany koszt chmury pozwala zobaczyć, które aplikacje wspierają wzrost, które wymagają modernizacji, a które konsumują zasoby bez jasnego efektu. Podobny problem zaczyna dotyczyć samego AI: według danych Flexery tylko 31 proc. organizacji ma dokładną widoczność wydatków na oprogramowanie AI, a 59 proc. zauważa wzrost zmarnowanych wydatków w tym obszarze.
CIO między AI, cyberodpornością i chmurą
W tym miejscu rola CIO staje się bardziej biznesowa niż kiedykolwiek. Nie chodzi już wyłącznie o wybór dostawcy, architektury lub narzędzia. Coraz większe znaczenie ma zdolność przełożenia technologii na język finansów, ryzyka i wartości operacyjnej. AI bez kontroli kosztów może stać się drogim eksperymentem. Cyberbezpieczeństwo bez zrozumienia biznesu może blokować innowacje. Chmura bez właścicieli produktowych może pozostać rachunkiem, którego nikt nie potrafi przypisać do konkretnego wyniku.
Dlatego najważniejsza rozmowa w firmach nie dotyczy dziś samej liczby projektów AI. Dotyczy tego, które z nich mają sens biznesowy, jakie ryzyko wprowadzają i ile kosztuje ich działanie w skali. To przesuwa CIO bliżej zarządu, CFO, CISO i właścicieli procesów. Technologia przez cały czas jest punktem wyjścia, ale decyzja coraz częściej zapada tam, gdzie spotykają się marża, odporność i tempo rozwoju.
Druga połowa 2026 roku może pokazać, iż przewagę zyskają nie organizacje z największą liczbą wdrożeń AI, ale te, które potrafią połączyć ambicję technologiczną z odpornością operacyjną i przejrzystą ekonomiką infrastruktury. Dla CIO oznacza to przesunięcie akcentów: od wdrażania kolejnych narzędzi do budowania portfela decyzji, który biznes potrafi zrozumieć, sfinansować i obronić.
