1
Struktura branżowa respondentów
W jakiej głównie branży działa Twoja firma?
2
Wielkość organizacji
Jak duża jest Twoja firma (ilu ma pracowników i długoterminowych kontraktorów) w Polsce?
Komentarz ekspercki
Zdecydowana większość respondentów (68,3%) reprezentuje duże organizacje zatrudniające ponad 1000 osób. Łącznie firmy powyżej 250 pracowników stanowią 85,0% próby. To istotna cecha badania – wyniki odzwierciedlają perspektywę korporacji, w których wdrożenie AI wiąże się ze złożonymi procesami decyzyjnymi, wymogami compliance i skalowaniem rozwiązań.
Zdecydowana większość respondentów (68,3%) reprezentuje duże organizacje zatrudniające ponad 1000 osób. Łącznie firmy powyżej 250 pracowników stanowią 85,0% próby. To istotna cecha badania – wyniki odzwierciedlają perspektywę korporacji, w których wdrożenie AI wiąże się ze złożonymi procesami decyzyjnymi, wymogami compliance i skalowaniem rozwiązań.
3
Poziom adopcji AI w budowie oprogramowania
Jak szeroko stosujecie AI w procesie budowy oprogramowania?
Komentarz ekspercki
Etap PoC jest dominujący (31,7%), co potwierdza, że polski rynek korporacyjny znajduje się wciąż we wczesnej fazie adopcji AI w procesach wytwórczych. Sumując kategorie „szerokie wykorzystanie" i „wszędzie gdzie się da", aktywne produkcyjne stosowanie AI deklaruje łącznie 29,3% organizacji. To sygnał, że luka między eksperymentowaniem a skalowaniem pozostaje jednym z kluczowych wyzwań.
Etap PoC jest dominujący (31,7%), co potwierdza, że polski rynek korporacyjny znajduje się wciąż we wczesnej fazie adopcji AI w procesach wytwórczych. Sumując kategorie „szerokie wykorzystanie" i „wszędzie gdzie się da", aktywne produkcyjne stosowanie AI deklaruje łącznie 29,3% organizacji. To sygnał, że luka między eksperymentowaniem a skalowaniem pozostaje jednym z kluczowych wyzwań.
4
Postrzegane korzyści z wdrożenia AI
Jakie widzisz korzyści z wdrożenia narzędzi AI w procesie budowy oprogramowania? (wielokrotny wybór)
Komentarz ekspercki
Przyspieszenie Time to Market (58,5%) jest zdecydowanie najczęściej wskazywaną korzyścią, co odzwierciedla presję biznesową na szybsze dostarczanie rozwiązań. Trzy kolejne korzyści – więcej czasu na kreatywne zadania (42,3%), lepsza jakość dokumentacji (41,9%) oraz redukcja kosztów (40,2%) – mają zbliżone wskazania, co sugeruje wielowymiarowe oczekiwania wobec AI. Warto zwrócić uwagę, że lepsza jakość kodu (10,6%) i redukcja bugów (17,1%) znajdują się nisko na liście – respondenci widzą w AI raczej narzędzie przyspieszające i wspierające procesy analityczne niż bezpośrednio poprawiające jakość techniczną.
Przyspieszenie Time to Market (58,5%) jest zdecydowanie najczęściej wskazywaną korzyścią, co odzwierciedla presję biznesową na szybsze dostarczanie rozwiązań. Trzy kolejne korzyści – więcej czasu na kreatywne zadania (42,3%), lepsza jakość dokumentacji (41,9%) oraz redukcja kosztów (40,2%) – mają zbliżone wskazania, co sugeruje wielowymiarowe oczekiwania wobec AI. Warto zwrócić uwagę, że lepsza jakość kodu (10,6%) i redukcja bugów (17,1%) znajdują się nisko na liście – respondenci widzą w AI raczej narzędzie przyspieszające i wspierające procesy analityczne niż bezpośrednio poprawiające jakość techniczną.
5
Rodzaje narzędzi AI w organizacji
Jakiego rodzaju narzędzia Ty / Twoja organizacja wykorzystuje w budowie oprogramowania? (wielokrotny wybór)
Komentarz ekspercki
ChatGPT / Copilot for Office 365 króluje (71,1%) – to narzędzie „pierwszego kontaktu" z AI w organizacjach. AI-Assistant Coding (43,5%) i Agentic Coding (35,8%) pokazują rosnącą adopcję bardziej wyspecjalizowanych narzędzi programistycznych. Niski udział Vibe Codingu (7,7%) sugeruje, że podejście no-code/low-code z AI nie zdobyło jeszcze zaufania w korporacjach. Nadal 4,1% organizacji nie stosuje żadnych narzędzi AI w budowie oprogramowania.
ChatGPT / Copilot for Office 365 króluje (71,1%) – to narzędzie „pierwszego kontaktu" z AI w organizacjach. AI-Assistant Coding (43,5%) i Agentic Coding (35,8%) pokazują rosnącą adopcję bardziej wyspecjalizowanych narzędzi programistycznych. Niski udział Vibe Codingu (7,7%) sugeruje, że podejście no-code/low-code z AI nie zdobyło jeszcze zaufania w korporacjach. Nadal 4,1% organizacji nie stosuje żadnych narzędzi AI w budowie oprogramowania.
6
Doświadczenia z AI
Czy masz doświadczenia w: (wielokrotny wybór)
Komentarz ekspercki
Specyfikacja wymagań z AI (63,4%) jest zdecydowanie najpopularniejszym obszarem doświadczeń – co potwierdza, że AI świetnie sprawdza się jako narzędzie wspierające analityków biznesowych. Budowa agentów w Microsoft Copilot (28,9%) i prototypowanie z AI (28,0%) to kolejny front adopcji. Warto odnotować stosunkowo niskie wartości dla serwerów MCP (13,8%) i Skills Anthropic (9,8%) – technologii, które dopiero wchodzą na rynek, ale mają duży potencjał rozwojowy. 14,6% respondentów deklaruje brak jakichkolwiek doświadczeń z AI.
Specyfikacja wymagań z AI (63,4%) jest zdecydowanie najpopularniejszym obszarem doświadczeń – co potwierdza, że AI świetnie sprawdza się jako narzędzie wspierające analityków biznesowych. Budowa agentów w Microsoft Copilot (28,9%) i prototypowanie z AI (28,0%) to kolejny front adopcji. Warto odnotować stosunkowo niskie wartości dla serwerów MCP (13,8%) i Skills Anthropic (9,8%) – technologii, które dopiero wchodzą na rynek, ale mają duży potencjał rozwojowy. 14,6% respondentów deklaruje brak jakichkolwiek doświadczeń z AI.
7
Zastosowanie AI w procesie SDLC
Gdzie Ty / Twoja organizacja obecnie wykorzystuje narzędzia AI w procesie budowy oprogramowania? (wielokrotny wybór)
Komentarz ekspercki
Kodowanie (57,3%) i zbieranie wymagań (48,0%) to dwa filary obecnego zastosowania AI w SDLC. Testowanie (29,7%) i modelowanie procesów (25,6%) zamykają czołówkę. Wyraźnie widać, że AI wchodzi najpierw w te fazy SDLC, gdzie korzyść jest najszybciej widoczna (generowanie kodu, dokumentowanie). Natomiast architektura IT (13,8%) i definiowanie integracji (11,0%) pozostają domeną ludzi – to zadania wymagające głębszego zrozumienia kontekstu biznesowego i technologicznego. 7,3% respondentów deklaruje, że AI nie jest stosowane nigdzie w ich procesach SDLC.
Kodowanie (57,3%) i zbieranie wymagań (48,0%) to dwa filary obecnego zastosowania AI w SDLC. Testowanie (29,7%) i modelowanie procesów (25,6%) zamykają czołówkę. Wyraźnie widać, że AI wchodzi najpierw w te fazy SDLC, gdzie korzyść jest najszybciej widoczna (generowanie kodu, dokumentowanie). Natomiast architektura IT (13,8%) i definiowanie integracji (11,0%) pozostają domeną ludzi – to zadania wymagające głębszego zrozumienia kontekstu biznesowego i technologicznego. 7,3% respondentów deklaruje, że AI nie jest stosowane nigdzie w ich procesach SDLC.
8
Osobiste narzędzia AI
Jakie narzędzia AI TY osobiście wykorzystujesz? (wielokrotny wybór)
Komentarz ekspercki
Microsoft 365 Copilot (64,2%) prowadzi, co wynika z masowych wdrożeń korporacyjnych subskrypcji Microsoft. Gemini (53,7%) plasuje się zaskakująco wysoko – być może ze względu na darmową dostępność i integrację z ekosystemem Google. ChatGPT (bezpłatny lub płatny) używa 67,5% respondentów (166 osób – po eliminacji tych, którzy zaznaczyli obie wersje), co czyni go de facto najszerzej stosowanym narzędziem. GitHub Copilot (23,2%) i Claude (19,5%) z Claude Code (15,9%) reprezentują segment narzędzi dla bardziej zaawansowanych użytkowników. Po eliminacji overlapa (30 osób korzysta zarówno z Claude, jak i Claude Code), ekosystem Anthropic dociera do 23,2% respondentów (57 osób). Perplexity w różnych wariantach (bezpłatny, Pro, AI) osiąga łącznie 6,9%.
Microsoft 365 Copilot (64,2%) prowadzi, co wynika z masowych wdrożeń korporacyjnych subskrypcji Microsoft. Gemini (53,7%) plasuje się zaskakująco wysoko – być może ze względu na darmową dostępność i integrację z ekosystemem Google. ChatGPT (bezpłatny lub płatny) używa 67,5% respondentów (166 osób – po eliminacji tych, którzy zaznaczyli obie wersje), co czyni go de facto najszerzej stosowanym narzędziem. GitHub Copilot (23,2%) i Claude (19,5%) z Claude Code (15,9%) reprezentują segment narzędzi dla bardziej zaawansowanych użytkowników. Po eliminacji overlapa (30 osób korzysta zarówno z Claude, jak i Claude Code), ekosystem Anthropic dociera do 23,2% respondentów (57 osób). Perplexity w różnych wariantach (bezpłatny, Pro, AI) osiąga łącznie 6,9%.
9
Prognoza wpływu AI na budowę oprogramowania (12 miesięcy)
Jak uważasz – jak AI wpłynie na budowę oprogramowania w ciągu 12 miesięcy? (wielokrotny wybór)
Komentarz ekspercki
Niemal 90% respondentów uważa, że AI przejmie tworzenie notatek ze spotkań – to najprostszy i najszybszy „quick win" dla organizacji. Opis wymagań (78,9%), praca programistyczna (76,8%) i testowanie (72,0%) tworzą solidne trio procesów, w których wpływ AI jest postrzegany jako nieuchronny. Warto zwrócić uwagę na architekturę rozwiązań (38,2%) i specyfikację API (41,1%) – te bardziej złożone zadania są postrzegane ostrożniej, co odzwierciedla świadomość ograniczeń obecnych modeli AI w zadaniach wymagających holistycznego myślenia systemowego.
Niemal 90% respondentów uważa, że AI przejmie tworzenie notatek ze spotkań – to najprostszy i najszybszy „quick win" dla organizacji. Opis wymagań (78,9%), praca programistyczna (76,8%) i testowanie (72,0%) tworzą solidne trio procesów, w których wpływ AI jest postrzegany jako nieuchronny. Warto zwrócić uwagę na architekturę rozwiązań (38,2%) i specyfikację API (41,1%) – te bardziej złożone zadania są postrzegane ostrożniej, co odzwierciedla świadomość ograniczeń obecnych modeli AI w zadaniach wymagających holistycznego myślenia systemowego.
10
Wpływ AI na zespoły IT (18–24 miesiące)
Jak AI wpłynie na Twój zespół IT w ciągu najbliższych 18–24 miesięcy? (wielokrotny wybór)
Komentarz ekspercki
Dominująca odpowiedź – zmiana profilu kompetencji bez redukcji zespołu (67,1%) – wskazuje na optymistyczną wizję, w której AI wzmacnia, a nie zastępuje ludzi. Realizacja większej liczby projektów (47,6%) jest kolejną nadzieją – AI jako mnożnik efektywności. Jednak 19,5% respondentów przewiduje jakąś formę redukcji (zastąpienie ról i/lub zmniejszenie zespołu – 48 osób po eliminacji tych, którzy zaznaczyli obie opcje), co sygnalizuje, że część rynku spodziewa się realnych zmian kadrowych. Zapotrzebowanie na więcej seniorów (14,2%) i midów wspartych AI (14,6%) sugeruje przesunięcie w stronę modelu „mniej osób, wyższe kompetencje".
Dominująca odpowiedź – zmiana profilu kompetencji bez redukcji zespołu (67,1%) – wskazuje na optymistyczną wizję, w której AI wzmacnia, a nie zastępuje ludzi. Realizacja większej liczby projektów (47,6%) jest kolejną nadzieją – AI jako mnożnik efektywności. Jednak 19,5% respondentów przewiduje jakąś formę redukcji (zastąpienie ról i/lub zmniejszenie zespołu – 48 osób po eliminacji tych, którzy zaznaczyli obie opcje), co sygnalizuje, że część rynku spodziewa się realnych zmian kadrowych. Zapotrzebowanie na więcej seniorów (14,2%) i midów wspartych AI (14,6%) sugeruje przesunięcie w stronę modelu „mniej osób, wyższe kompetencje".
11
Główne bariery adopcji AI
Jakie są obecnie główne bariery zastosowania AI w budowie systemów IT? (wielokrotny wybór)
Komentarz ekspercki
Bezpieczeństwo danych i compliance (80,5%) to bariera nr 1, zdecydowanie wyprzedzająca inne – co jest zrozumiałe przy dominacji sektora finansowego w próbie badawczej (regulacje RODO, NIS2, DORA). Legacy systems (42,7%) i brak kompetencji zespołów (39,0%) tworzą „triadę blokad", która jest typowa dla polskiego rynku korporacyjnego. Koszty licencji (34,6%) pojawiają się dopiero na czwartym miejscu, co sugeruje, że budżet nie jest głównym hamulcem – problemem jest raczej gotowość organizacyjna. Opór zespołów (deweloperów 22,4%, menadżerów 15,9%) wskazuje na wyzwania kulturowe towarzyszące wdrożeniom AI.
Bezpieczeństwo danych i compliance (80,5%) to bariera nr 1, zdecydowanie wyprzedzająca inne – co jest zrozumiałe przy dominacji sektora finansowego w próbie badawczej (regulacje RODO, NIS2, DORA). Legacy systems (42,7%) i brak kompetencji zespołów (39,0%) tworzą „triadę blokad", która jest typowa dla polskiego rynku korporacyjnego. Koszty licencji (34,6%) pojawiają się dopiero na czwartym miejscu, co sugeruje, że budżet nie jest głównym hamulcem – problemem jest raczej gotowość organizacyjna. Opór zespołów (deweloperów 22,4%, menadżerów 15,9%) wskazuje na wyzwania kulturowe towarzyszące wdrożeniom AI.
Dominacja sektora finansowego (39,0%) odzwierciedla fakt, że banki, ubezpieczyciele i instytucje finansowe w Polsce od lat są liderami w zakresie transformacji cyfrowej i wdrażania innowacyjnych technologii.