Badanie Deloitte UK dotyczące wydatków na AI ujawnia podział w miejscach pracy wart 958 mln funtów

Deloitte twierdzi, że brytyjscy pracownicy wydają obecnie szacunkowo 958 mln funtów rocznie na narzędzia generative AI wykorzystywane w pracy. Badanie Deloitte UK dotyczące wydatków na AI pokazuje, że pracownicy wdrażają tę technologię szybciej, niż wielu pracodawców jest w stanie ją nadzorować, finansować, a nawet dostrzec jej wykorzystanie.

Liczba w nagłówku robi wrażenie, lecz ważniejszy jest konflikt, który się za nią kryje. Pracownicy coraz częściej traktują AI jako niezbędne osobiste oprogramowanie, podczas gdy pracodawcy wciąż postrzegają ją jako kontrolowany system korporacyjny. Zatrudnieni kupują dostęp, wybierają narzędzia i tworzą przepływy pracy, zanim formalne procesy zakupowe i bezpieczeństwa zdołają nadążyć.

Ten podział stworzył dużą gospodarkę shadow AI w brytyjskich miejscach pracy. Shadow AI oznacza korzystanie z usług generative AI bez wiedzy lub zgody pracodawcy. Zjawisko to przypomina wcześniejsze fale nieautoryzowanego oprogramowania chmurowego, jednak prompty mogą ujawniać wrażliwe dane, a generowane odpowiedzi mogą wprowadzać ukryte błędy.

Wyniki Deloitte nie dowodzą, że wszystkie te wydatki przynoszą równą wartość. Połowa ankietowanych użytkowników nie zgłosiła żadnej oszczędności czasu, a najczęstsze zastosowania nadal pozostają podstawowe. Prawdziwa historia nie dotyczy więc nieograniczonego entuzjazmu wobec AI. Chodzi o przeniesienie decyzji technologicznych, kosztów i ryzyka z pracodawców na pojedynczych pracowników.

Badanie Deloitte UK dotyczące wydatków na AI ujawnia skalę zjawiska

Pracownicy już uczynili generative AI częścią miejsca pracy, niezależnie od tego, czy ich organizacje formalnie ją wspierają.

Deloitte opublikował wyniki inauguracyjnego badania GenAI Workforce Survey 16 września 2026 roku. Ipsos UK przeprowadził badanie online między 7 maja a 10 czerwca, zbierając odpowiedzi od 25 000 pracowników w wieku od 18 do 70 lat.

Próba obejmowała pracowników etatowych i osoby samozatrudnione z 22 branż i 24 ról zawodowych. Deloitte zastosował ważenie demograficzne i dotyczące zatrudnienia, aby odzwierciedlić szerszą populację poza internetem. Firma opisuje je jako największe dotychczas badanie wykorzystania generative AI w miejscu pracy przeprowadzone w jednym kraju.

Według badania pracowników 63% respondentów stwierdziło, że świadomie korzystało z generative AI w pracy. Grupa ta liczyła 16 749 osób w całej próbie. Kolejne 34% nie zgłosiło wykorzystania w pracy, a 3% nie wiedziało.

Wdrażanie nie ograniczało się do okazjonalnych eksperymentów. Deloitte podał, że 24% wszystkich pracowników w Wielkiej Brytanii korzystało z generative AI w pracy codziennie. Jednak inna strona badania podaje 12% dla codziennego korzystania, co najwyraźniej odzwierciedla węższą kategorię odpowiedzi. Różnica ta pokazuje, dlaczego szacunki częstotliwości wymagają uważnej interpretacji.

Dostęp do narzędzi pochodził również z kilku źródeł. Wśród użytkowników generative AI 46% korzystało z bezpłatnych usług, 34% z zewnętrznych narzędzi finansowanych przez pracodawcę, a 17% z systemów wewnętrznych. Respondenci mogli korzystać z więcej niż jednej kategorii, więc tych wartości nie należy sumować.

Co najważniejsze, 17% płaciło z własnej kieszeni za co najmniej jedno narzędzie używane w pracy. Deloitte ekstrapolował te wydatki na 958 mln funtów rocznie wśród brytyjskiej siły roboczej. Szacunek obejmuje rynek, którego zwykłe budżety na oprogramowanie korporacyjne mogą nie uwzględniać.

Badanie Deloitte dotyczące shadow AI dodaje kolejny istotny szczegół. Sześć procent użytkowników finansujących narzędzia samodzielnie zgłosiło wydatki przekraczające 50 funtów miesięcznie, zazwyczaj na wiele narzędzi. Sugeruje to, że niektórzy pracownicy budują własne zestawy narzędzi AI, zamiast polegać na jednym ogólnym asystencie.

Takie zestawy mogą obejmować odrębne usługi do pisania, badań, programowania, podsumowań spotkań, generowania obrazów lub analizy dokumentów. Pracownik może postrzegać każdą subskrypcję jako praktyczne skrócenie pracy. Pracodawca widzi rozproszony zbiór kont z odmiennymi warunkami bezpieczeństwa i kontroli danych.

Badanie Deloitte UK dotyczące wydatków na AI mierzy zatem więcej niż popyt na chatboty. Pokazuje, jak szybko pracownicy mogą stworzyć nieoficjalną warstwę oprogramowania wokół swojej pracy. Warstwa ta jest finansowana z prywatnych kont i często pozostaje poza widocznością firmy.

Pracownicy finansują narzędzia, których nie zapewnili pracodawcy

Luka w wydatkach wywiera presję na pracodawców, ponieważ pracownicy traktują dostęp do AI jako wymóg, a nie benefit pracowniczy.

Niektórzy pracownicy najwyraźniej płacą, ponieważ preferowane przez nich usługi działają lepiej niż zatwierdzone alternatywy. Wśród respondentów, którzy korzystali z niezatwierdzonych narzędzi lub płacili prywatnie, 21% stwierdziło, że produkty te przewyższają narzędzia firmowe. Kolejne 14% określiło te usługi jako niezbędne do wykonywania pracy, lecz niefinansowane przez pracodawcę.

Na decyzję wpływają także zachęty związane z karierą. Deloitte ustalił, że 16% tej grupy uważało, iż osobiście wybrane narzędzia AI poprawiają ich perspektywy awansu. Zakup oprogramowania staje się nieformalną inwestycją w indywidualną wydajność, nawet gdy efekty pracy przynoszą korzyść organizacji.

Tworzy to nietypowy układ ekonomiczny. Pracodawcy otrzymują szkice, podsumowania, badania lub kod wytworzone przy użyciu usług, które pracownicy sami wybrali i sfinansowali. Organizacja zyskuje część rezultatów, jednocześnie przyjmując ryzyko, którego mogła nie ocenić.

Pracownicy wciąż mogą uważać ten układ za opłacalny. Jeśli narzędzie eliminuje powtarzalną pracę lub pomaga komuś pokonać trudne zadanie, czekanie miesiącami na zatwierdzenie zakupu wydaje się kosztowne. Konsumenckie usługi AI można uruchomić w kilka minut, podczas gdy oceny dla przedsiębiorstw wymagają kontroli bezpieczeństwa, prawnej, finansowej i informatycznej.

Wzorzec wydatków na AI w brytyjskich miejscach pracy odzwierciedla również różnicę między zatwierdzonym dostępem a preferowanym dostępem. Udostępnienie jednego wewnętrznego asystenta nie gwarantuje, że pracownicy przestaną korzystać z usług zewnętrznych. Pracownicy porównują jakość wyników, szybkość, dostępność modeli, integracje i znajomość narzędzia.

Sektor usług finansowych dobrze ilustruje ten problem. Deloitte ustalił, że 28% użytkowników generative AI w finansach, bankowości i ubezpieczeniach korzystało z narzędzi wewnętrznych, wobec 17% ogółem. Finansowane przez firmę narzędzia zewnętrzne osiągnęły również 41%, powyżej wskaźnika 34% dla wszystkich branż.

Mimo to 19% użytkowników generative AI w tym sektorze nadal płaciło za własne narzędzia. Przekraczało to wskaźnik międzybranżowy, mimo większej dostępności zatwierdzonych opcji. Większa liczba narzędzi korporacyjnych nie wyeliminowała automatycznie prywatnych subskrypcji.

Wynik ten podważa powszechne założenie stojące za wdrożeniami w przedsiębiorstwach. Pracodawcy często oczekują, że zatwierdzony asystent skonsoliduje użytkowanie. Pracownicy wydają się natomiast skłonni utrzymywać odrębne usługi, gdy te produkty lepiej pasują do konkretnych przepływów pracy.

Nie oznacza to, że każde preferowane narzędzie jest obiektywnie lepsze. Użytkownicy mogą preferować interfejsy, które już znają, lub usługi nakładające mniej ograniczeń. Zatwierdzony system może sprawiać wrażenie słabszego właśnie dlatego, że blokuje wrażliwe działania, na które pozwala konto konsumenckie.

Pracodawcy stoją obecnie przed wymuszonym wyborem. Mogą zwracać koszty wybranych usług, ulepszać wewnętrzne alternatywy lub bardziej agresywnie ograniczać korzystanie z zewnętrznych narzędzi. Każda odpowiedź wiąże się z kosztami, a prosty zakaz może zepchnąć użycie jeszcze głębiej do podziemia.

Badanie Deloitte UK dotyczące wydatków na AI ujmuje ten wybór w kategoriach finansowych. Niemal 1 mld funtów prywatnych wydatków sygnalizuje silny popyt pracowników, ale nie wskazuje, które narzędzia zasługują na wdrożenie korporacyjne. Firmy nadal potrzebują dowodów dotyczących wykorzystania, ryzyka i mierzalnych zwrotów.

Główny konflikt to popyt pracowników kontra kontrola pracodawców

Pracownicy chcą natychmiastowego dostępu do użytecznych modeli, podczas gdy pracodawcy potrzebują spójnych zasad dotyczących danych, dokładności, odpowiedzialności i wydatków na oprogramowanie.

Deloitte ustalił, że 31% użytkowników generative AI działało bez wiedzy pracodawcy. Jego analiza shadow AI opisuje lukę między formalną polityką a rzeczywistym zachowaniem pracowników.

Nie jest to po prostu porażka zgodności spowodowana lekkomyślnymi pracownikami. Badanie wskazuje również na niepełne przywództwo i szkolenia. Pracownicy podejmują decyzje w środowisku, w którym oficjalne wytyczne mogą być niejasne, niedostępne lub oderwane od ich pracy.

Tylko 28% użytkowników stwierdziło, że ich organizacja miała politykę generative AI, która była jasna, aktualna, zrozumiała i łatwa do znalezienia. Kolejne 34% podało, że ich pracodawca nie miał takiej polityki, a 23% nie wiedziało, czy ona istnieje.

Polityka, której pracownicy nie mogą znaleźć, ma niewielką wartość praktyczną. Nie odpowie na pytanie, czy można przesłać notatki ze spotkania, korespondencję z klientem, kod źródłowy lub poufną propozycję. Pracownicy działający pod presją terminu dokonają własnej oceny.

Połowa użytkowników generative AI nie otrzymała żadnego formalnego szkolenia. Tylko 20% zgłosiło otrzymanie obowiązkowych instrukcji. Liczby te oznaczają, że miliony pracowników uczą się poprzez eksperymentowanie, porady online i interfejsy udostępniane przez firmy AI.

Deficyt szkoleniowy ma znaczenie, ponieważ interfejsy konwersacyjne mogą ukrywać techniczną złożoność. Chatbot przypomina wyszukiwarkę lub komunikator, jednak dane wejściowe mogą być przechowywane, przeglądane lub przetwarzane zgodnie z warunkami różniącymi się zależnie od usługi i typu konta.

Wygenerowane materiały również wymagają oceny. Płynna odpowiedź może zawierać fałszywe stwierdzenia, niepełne rozumowanie, zmyślone cytaty lub nieodpowiednie sformułowania. Pracownicy potrzebują wiedzy dziedzinowej i nawyków weryfikacji, a nie tylko technik tworzenia promptów.

Ryzyko rośnie, gdy prywatne konto staje się częścią zawodowego przepływu pracy. Organizacja może nie wiedzieć, który model stworzył dokument, jakie informacje wprowadzono do systemu ani czy inna osoba sprawdziła wynik. Osłabia to możliwość audytu.

Istnieje także problem zakupowy. Oddzielne prywatne konta uniemożliwiają pracodawcom dostrzeżenie całkowitego popytu i negocjowanie dostępu w oparciu o faktyczne wykorzystanie. Tymczasem licencje korporacyjne mogą pozostawać niewykorzystane, ponieważ organizacja wybrała produkt bez zrozumienia preferencji pracowników.

Deloitte twierdzi, że 22% użytkowników działających poza nadzorem pracodawcy uważało, iż ich organizacja zaakceptowałaby to działanie, gdyby o nim wiedziała. Grupa ta może nie postrzegać siebie jako łamiącej istotną zasadę. Traktuje milczenie jako domyślną zgodę.

Pracodawca może inaczej interpretować to samo zachowanie, szczególnie w pracy regulowanej lub poufnej. Nawet nieszkodliwe eksperymenty mogą tworzyć niepewność, gdy nikt nie rejestruje użytej usługi, przekazanych informacji ani zastosowanej później kontroli.

Badanie Deloitte dotyczące shadow AI ujawnia zatem problem zarządzania wynikający z niedopasowanych zachęt. Pracownicy odnoszą natychmiastową korzyść, gdy narzędzie oszczędza wysiłek. Pracodawcy ponoszą długoterminowe ryzyko prawne, bezpieczeństwa, reputacyjne i jakościowe.

Same rygorystyczne kontrole nie rozwiążą tej niezgodności. Blokowanie stron internetowych na zarządzanych urządzeniach nie obejmuje prywatnych telefonów, domowych komputerów ani kopiowanego tekstu. Nadzór może też ograniczać zaufanie, nie wyjaśniając, dlaczego pracownicy odrzucili oficjalne narzędzia.

Organizacje potrzebują użytecznej ścieżki do zatwierdzonych eksperymentów. Obejmuje ona jasne granice, dostępne alternatywy i sposoby wnioskowania o dodatkowe usługi. Wymaga także, by liderzy wyjaśniali, jakie dane nigdy nie mogą trafić do zewnętrznego modelu.

Pracownicy wiedzy mogą ograniczyć niepotrzebne kopiowanie, przechowując zaufane materiały robocze w kontrolowanej osobistej bazie wiedzy. System nadal potrzebuje jednak polityk odpowiadających wrażliwości jego treści.

Kluczowa rywalizacja nie toczy się zatem między jednym dostawcą AI a drugim. To wdrażanie prowadzone przez pracowników kontra kontrola prowadzona przez pracodawców. Zwycięzca zdecyduje, kto wybiera AI w miejscu pracy i kto pozostaje odpowiedzialny, gdy zawiedzie.

Wysokie wydatki nie oznaczają jeszcze wysokiej produktywności

Szacunek na poziomie 958 mln funtów pokazuje gotowość do płacenia, lecz dane Deloitte opisują raczej szerokie i płytkie wykorzystanie niż utrwaloną zmianę produktywności.

Pracownicy deklarowali, że dzięki generatywnej AI oszczędzają średnio 70 minut tygodniowo. Według komunikatu Deloitte dotyczącego wyników badania, większość tego zaoszczędzonego czasu przeznaczali na dodatkową pracę dla tego samego pracodawcy.

Średnia może ukrywać bardzo odmienne doświadczenia. Szczegółowe wyniki dotyczące produktywności Deloitte wykazały, że połowa użytkowników nie oszczędzała czasu. Około jedna ósma deklarowała oszczędność przekraczającą trzy godziny tygodniowo.

W całej populacji pracujących 7% stwierdziło, że AI oszczędza im co najmniej pięć godzin tygodniowo. Odsetek ten wzrósł do 21% w sektorze informacji i komunikacji, lecz spadł do 5% w opiece zdrowotnej i pracy socjalnej. Kontekst branżowy wyraźnie wpływa na wartość deklarowaną przez pracowników.

Badanie opierało się na wspomnieniach pracowników, a nie na bezpośrednim pomiarze produktywności. Sam Deloitte zaznacza, że większość osób nie potrafi precyzyjnie zapamiętać oszczędności czasu. Szacunki odzwierciedlają postrzegane korzyści, a nie kontrolowane dowody większej produkcji lub pracy wyższej jakości.

Typowe zastosowania również były skromne. Wyszukiwanie informacji i pisanie e-maili wskazało po 43% użytkowników. Tworzenie podsumowań zajęło trzecie miejsce z wynikiem 31%.

Takie zadania mogą mieć znaczenie, zwłaszcza gdy powtarzają się w dużej organizacji. Szybsze tworzenie e-maili może jednak po prostu zwiększyć ilość tekstu, który muszą przeczytać współpracownicy. Minuta zaoszczędzona przez nadawcę może oznaczać dodatkową pracę dla odbiorców.

Deloitte ustalił, że 31% wszystkich respondentów korzystało z generatywnej AI w pracy, nie oszczędzając przy tym czasu. Analiza produktywności wskazuje także, że 52% użytkowników uważało, iż utrata dostępu nie utrudniłaby im pracy. Kolejne 11% sądziło, że praca mogłaby nawet stać się łatwiejsza.

Tylko 8% uznało generatywną AI za na tyle ważną, że utrata dostępu znacznie utrudniłaby im wykonywanie pracy. To istotna grupa, ale znacznie mniejsza niż 63%, które wypróbowały tę technologię.

Wyniki te komplikują obraz badania Deloitte UK dotyczącego wydatków na AI. Pracownicy płacą za narzędzia, zanim rynek pracy wykaże spójny wzrost produktywności. Wydatki ujawniają postrzeganą wartość opcji w równym stopniu co potwierdzoną wartość biznesową.

Subskrypcja daje pracownikowi stały dostęp do nowych modeli i funkcji. Może działać jak ubezpieczenie na potrzeby trudnych zadań, nawet gdy codzienne korzyści pozostają ograniczone. Ktoś może utrzymywać usługę, ponieważ dobrze poradziła sobie z jednym pilnym zadaniem.

Wartość może mieć także wymiar psychologiczny. Generatywna AI oferuje punkt wyjścia, gdy pusty dokument lub nieznane pytanie spowalniają postęp. Pracownik może czuć się bardziej kompetentny, nie tworząc przy tym rezultatu, który tradycyjne miary wydajności łatwo wyodrębnią.

Gdy czas zostaje zaoszczędzony, pracodawcy nie przejmują go w całości. Deloitte stwierdził, że 27% osób oszczędzających czas przeznaczało przynajmniej część zysku na sprawy osobiste. Około połowa wykorzystywała zaoszczędzony czas, aby wykonać więcej tej samej pracy.

Taki rezultat nie musi oznaczać marnotrawstwa. Krótkie przerwy mogą zmniejszać zmęczenie, a szybsze wykonywanie zadań może poprawiać satysfakcję z pracy. Utrudnia to jednak wyliczenie zwrotu finansowego wyłącznie na podstawie godzin pracy.

Pracodawcy nie powinni więc traktować liczby wdrożeń jako miary produktywności. Liczba kont, promptów czy aktywnych użytkowników niewiele mówi o tym, czy praca się poprawiła. Rzetelna ocena powinna analizować jakość rezultatów, czas realizacji, wskaźniki błędów i doświadczenie pracowników.

Wyniki Deloitte stanowią użyteczny punkt odniesienia, a nie ostateczny werdykt. Planowany sześciomiesięczny cykl badań powinien ujawnić, czy eksperymentowanie przekształci się w zależność. Może również pokazać, czy szkolenia wyprowadzą użytkowników poza e-maile, wyszukiwanie i podsumowania.

Do tego czasu szacunek 958 mln funtów nie powinien być przedstawiany jako dowód równie dużego zysku gospodarczego. Mierzy wydatki wywnioskowane z zachowań zgłaszanych przez respondentów. Nie oblicza zysku, produkcji ani zwrotu z inwestycji.

Tajemniczość rośnie, gdy pracownicy obawiają się reakcji menedżerów

Shadow AI jest częściowo kwestią bezpieczeństwa, lecz dane Deloitte pokazują również, że jest to problem zaufania w miejscu pracy.

Prawie jedna czwarta pracowników, 23%, uważała, że korzystanie z generatywnej AI w pracy wiąże się ze stygmatyzacją. Wśród użytkowników korzystających co tydzień 64% obawiało się, że menedżerowie mogą uznać, iż AI jest w stanie wykonywać ich pracę.

Ta obawa daje pracownikom powód, by ukrywać skuteczne procesy pracy. Osoba oszczędzająca kilka godzin może spodziewać się większej liczby zadań, zmiany roli lub pytań o obsadę stanowisk. Dzielenie się uzyskaną korzyścią może wydawać się osobiście ryzykowne.

Tajemniczość uniemożliwia potem organizacji poznanie procesów, które rzeczywiście przynoszą wartość. Menedżerowie nie widzą ani udanego eksperymentu, ani jego ograniczeń. Zespoły bezpieczeństwa tracą też możliwość oceny sposobu obchodzenia się z danymi, zanim praktyka się rozpowszechni.

Hayley McKelvey, Chief AI Officer w Deloitte UK, powiedziała, że pracownicy, którzy czują się stygmatyzowani, częściej ukrywają korzystanie z tych narzędzi. Jej argument łączy sygnały kulturowe z zarządzaniem ryzykiem. Nie można oczekiwać, że pracownicy będą ujawniać eksperymenty, jeśli ujawnienie wydaje się zagrożeniem.

Komunikacja ze strony kierownictwa pozostaje słaba. Według badania Deloitte dotyczącego szkoleń 65% użytkowników nie słyszało, by liderzy omawiali generatywną AI z jasnym zrozumieniem tematu.

Do tej grupy należały osoby słyszące niespójne komunikaty oraz osoby, które nie słyszały niczego. W obu przypadkach pracownicy otrzymują niewielką pomoc w odróżnieniu zastosowań zachęcanych od niedopuszczalnych.

Rezultatem jest sprzeczne środowisko pracy. Liderzy mogą publicznie domagać się wdrażania AI, podczas gdy menedżerowie prywatnie nie ufają pracy wspieranej przez AI. Pracownicy słyszą, że technologia ma znaczenie strategiczne, lecz nie otrzymują stabilnych zasad jej stosowania.

Obawy o jakość mogą wzmacniać tę nieufność. Menedżerowie mogą zetknąć się ze słabą pracą wygenerowaną przez AI i zareagować zniechęcaniem do wszelkiego użycia. Doświadczeni użytkownicy stają się wtedy mniej skłonni wyjaśniać, jak łączą modele, źródła i weryfikację przez człowieka.

Lepsza odpowiedź zaczyna się od rozdzielenia wsparcia od odpowiedzialności. Pracownicy mogą używać AI do generowania opcji, porządkowania notatek, streszczania materiałów lub redagowania tekstu. Nadal odpowiadają za sprawdzenie rezultatu i ochronę informacji objętych ograniczeniami.

Ujawnianie użycia również wymaga proporcjonalnych zasad. Wymaganie formalnego raportu dla każdej sugestii pisowni tworzyłoby niepotrzebne tarcia. Decyzje o dużym wpływie, poufne dane wejściowe lub twierdzenia publikowane na zewnątrz zasługują na silniejszą dokumentację.

Szkolenia powinny wykorzystywać rzeczywiste scenariusze pracy. Ogólne demonstracje nie mówią rekruterowi, inżynierowi oprogramowania, marketerowi ani administratorowi opieki zdrowotnej, czym różnią się ich ryzyka. Polityki stają się wiarygodne, gdy pracownicy mogą zastosować je do realnych zadań.

Deloitte ustalił, że 51% całej populacji pracujących twierdziło, iż szkolenia zachęciłyby ich do częstszego korzystania z AI. Tylko 20% obecnych użytkowników uważało się za osoby bardzo biegłe. Pozostawia to znaczną przestrzeń na uporządkowane wsparcie bez wymuszania wdrożenia.

Pracodawcy mogą również ułatwić korzystanie z zatwierdzonych systemów wraz z informacjami wewnętrznymi. Rozproszony proces pracy często skłania pracowników do kopiowania materiałów między aplikacjami a zewnętrznymi chatbotami. Lepsze łączenie wiedzy może zmniejszyć te tarcia, zachowując jednocześnie kontekst potrzebny do użytecznych odpowiedzi.

Zatwierdzony system nie powinien jednak stać się pretekstem do monitorowania każdego pytania. Nadmierne śledzenie może odtworzyć ten sam lęk, który napędzał ukryte użycie. Nadzór wymaga przejrzystości co do tego, co jest rejestrowane, kto może to sprawdzać i dlaczego.

W tym miejscu dane o osobistych wydatkach stają się szczególnie wymowne. Pracownicy nie tylko przynoszą własne oprogramowanie. Używają własnych pieniędzy, aby zachować wybór i prywatność w sposobie wykonywania przydzielonej pracy.

Pracodawcy reagujący wyłącznie ograniczeniami ryzykują pogłębienie podziału. Pracodawcy ignorujący to zachowanie akceptują niezarządzaną ekspozycję na ryzyko. Wykonalny środek łączy użyteczne narzędzia, jasne granice, praktyczne szkolenia i wiarygodną ochronę przed działaniami odwetowymi.

Czego badanie Deloitte dotyczące Shadow AI nie może udowodnić

Badanie potwierdza szeroki wzorzec deklarowanych zachowań, lecz jego najbardziej zapamiętywane liczby pozostają szacunkami, a nie bezpośrednio obserwowanymi transakcjami lub zapisami produktywności.

Kwota 958 mln funtów została ekstrapolowana na podstawie badania internetowego. Deloitte nie sprawdzał zapisów bankowych, raportów wydatków ani przychodów dostawców. Szacunek zależy od tego, czy respondenci dokładnie zgłaszali swoje wydatki i korzystanie z narzędzi w pracy.

Niektóre osoby mogą subskrybować usługi głównie z powodów osobistych, a jednocześnie okazjonalnie używać ich w pracy. Inne mogą współdzielić konta lub przechodzić między darmowym a płatnym dostępem. Takie sytuacje utrudniają przypisanie każdej płatności w całości do zatrudnienia.

W szerszej definicji pracujących badanie łączy również pracowników etatowych i osoby samozatrudnione. Samozatrudniony specjalista kupujący oprogramowanie dokonuje zakupu biznesowego za pośrednictwem prywatnego konta, co różni się od pracownika subsydiującego dużego pracodawcę.

Deloitte podaje odrębne podstawy dla niektórych pytań, ale publiczne podsumowania nie mogą odpowiedzieć na każde pytanie metodologiczne. Rozkład miesięcznych wydatków pomógłby pokazać, czy całkowita kwota odzwierciedla powszechne niewielkie płatności, czy mniejszą grupę intensywnych użytkowników.

Badanie mierzyło deklarowane wdrożenie. Respondenci mogą różnie interpretować generatywną AI, szczególnie gdy funkcje są osadzone w wyszukiwarkach, pakietach biurowych, telefonach lub specjalistycznym oprogramowaniu. Deloitte uwzględnił krótką definicję, lecz granice kategorii pozostają płynne.

Podobnie korzystanie z narzędzia bez wiedzy pracodawcy nie zawsze jest równoznaczne z użyciem go wbrew polityce. Niektóre organizacje mogą nie mieć żadnej polityki, a niektórzy menedżerowie mogą tolerować nieformalne użycie. Shadow AI obejmuje kilka różnych sytuacji związanych z nadzorem.

Osobny artykuł prasowy opisał te same kluczowe wyniki, zaznaczając jednocześnie, że oszczędności czasu nie były mierzone bezpośrednio. To zastrzeżenie jest istotne przy łączeniu wydatków pracowników z produktywnością.

Badanie opublikowano także zaledwie dwa dni przed datą publikacji tego artykułu. Niezależni badacze, związki zawodowe, specjaliści ds. bezpieczeństwa ani pracodawcy mieli ograniczony czas na przeanalizowanie jego założeń i udzielenie odpowiedzi.

Deloitte jest zarówno wydawcą badań, jak i dostawcą usług doradczych w zakresie AI. Nie podważa to wyników, a badanie terenowe przeprowadził Ipsos. Oznacza jednak, że czytelnicy powinni odróżniać podstawowe wyniki badania od rekomendacji zgodnych z działalnością konsultingową.

Najsilniejsze twierdzenia są dobrze poparte w ramach próby: użycie jest powszechne, istnieją osobiste płatności, szkolenia są nierówne, a widoczność dla pracodawców jest niepełna. Precyzyjna krajowa suma wydatków wiąże się z większą niepewnością niż te wnioski dotyczące kierunku zjawiska.

Planowane badania uzupełniające zwiększą użyteczność tych analiz. Spójna metodologia może ujawnić, czy deklarowane wydatki osobiste rosną, spadają, czy przesuwają się w stronę dostępu finansowanego przez pracodawcę. Jedno badanie oferuje migawkę, podczas gdy powtarzane fale mogą ustanowić trend.

Niezależne dane transakcyjne dodałyby kolejną warstwę. Dostawcy, operatorzy płatności i platformy do zarządzania wydatkami mogą obserwować zachowania subskrypcyjne, choć rzadko wiedzą, czy prywatne konto wspiera płatną pracę.

Pracodawcy mogą tworzyć lepsze wewnętrzne dowody, łącząc anonimowe badania pracowników z użyciem zatwierdzonych narzędzi i wynikami procesów pracy. Powinni unikać traktowania logów nadzoru jako pełnego obrazu, ponieważ ukryte użycie nadal będzie trudne do wykrycia.

Badanie Deloitte dotyczące Shadow AI ma największą wartość jako ostrzeżenie przed organizacyjnymi martwymi punktami. Nie powinno stać się pretekstem do twierdzenia, że każda subskrypcja jest produktywna albo że każdy niezatwierdzony prompt powoduje naruszenie.

Trzy sygnały pokażą, czy pracodawcy nadrabiają zaległości

Kolejny etap będzie mierzony finansowaniem, szkoleniami i udowodnioną wartością, a nie kolejnym wzrostem swobodnych eksperymentów.

Pierwszym sygnałem będzie równowaga między dostępem finansowanym prywatnie a dostępem opłacanym przez pracodawców. Kolejna fala badania Deloitte powinna pokazać, czy wskaźnik samofinansowania na poziomie 17% spada. Spadek przy stabilnym wykorzystaniu wskazywałby, że organizacje przejmują koszty narzędzi, które pracownicy już cenią.

Spadek spowodowany restrykcyjnymi blokadami oznaczałby jednak coś innego. Pracodawcy muszą porównywać deklarowane korzystanie z narzędzi z satysfakcją pracowników i wdrażaniem zatwierdzonych rozwiązań. W przeciwnym razie niższe widoczne wydatki mogą po prostu odzwierciedlać głębsze ukrywanie ich użycia.

Drugim sygnałem będzie to, czy szkolenia docierają do pracowników, zanim polityki staną się mechanizmami egzekwowania zasad. Połowa obecnych użytkowników zgłosiła brak formalnego szkolenia, a tylko 28% opisało politykę swojego pracodawcy jako jasną, aktualną, znaną i łatwo dostępną.

Jeśli te wskaźniki się poprawią, firmy mogą ograniczyć przypadkowe ujawnianie danych, jednocześnie zyskując bardziej użyteczne eksperymentowanie. Jeśli świadomość polityk wzrośnie bez szkoleń i zaufanego dostępu, zarządzanie pozostanie ćwiczeniem biurokratycznym.

Trzecim sygnałem będzie wyjście poza podstawowe tworzenie tekstów, wyszukiwanie i podsumowywanie. Obecne dane Deloitte opisują szerokie, lecz płytkie wdrożenie. Najmocniejszym potwierdzeniem byłaby mierzalna poprawa w kompletnych przepływach pracy, a nie po prostu większa liczba wygenerowanych tekstów.

Firmy powinny śledzić, czy AI skraca czas realizacji bez zwiększania liczby poprawek, obciążeń związanych z weryfikacją ani późniejszych niejasności. Powinny też sprawdzać, czy korzyści pojawiają się we wszystkich rolach, czy koncentrują się wśród już wykwalifikowanych pracowników technicznych.

Dla pracowników praktyczne pytanie brzmi, czy wspierany przez AI przepływ pracy można bezpiecznie ujawnić. Powinni rozumieć, jakie informacje są dozwolone, jak należy sprawdzać wyniki oraz czy zatwierdzone alternatywy odpowiadają narzędziom, z których już korzystają.

Dla pracodawców pytaniem nie jest już to, czy generatywna AI weszła do miejsca pracy. Badanie Deloitte UK dotyczące wydatków na AI pokazuje, że pracownicy już podjęli tę decyzję poprzez tysiące indywidualnych zakupów i eksperymentów.

Pozostały wybór dotyczy tego, kto ukształtuje kolejny etap. Czy organizacje sfinansują skuteczne narzędzia i stworzą zasady, których pracownicy mogą przestrzegać, czy pozostawią pracowników samych sobie, by budowali nieoficjalne systemy?

Odpowiedź na to pytanie zdecyduje, czy niemal 1 mld funtów osobistych wydatków stanie się pomostem do lepszej pracy, czy dowodem trwałego podziału. Pracodawcy powinni zacząć od zapytania pracowników, za jakie narzędzia płacą, jakie problemy te narzędzia rozwiązują oraz co uniemożliwia wykonywanie tej samej pracy bezpiecznie w ramach zatwierdzonych systemów.