Wzrost SAP Cloud przewyższa prognozy, gdy AI wspiera popyt na oprogramowanie dla przedsiębiorstw

SAP poinformował 21 października o silniejszym niż oczekiwano popycie na chmurę, podważając obawy, że sztuczna inteligencja osłabi ugruntowane firmy oferujące oprogramowanie dla przedsiębiorstw. Wzrost SAP Cloud wyniósł 25% przy stałych kursach walut, które wykluczają wpływ zmian kursowych. Bieżący portfel zamówień chmurowych wzrósł na tej podstawie o 26%, powyżej prognozy UBS na poziomie 24%–25%, przytoczonej przez Reuters.

Napięcie jest proste: AI zapowiada zmianę sposobu, w jaki pracownicy korzystają z oprogramowania biznesowego, jednak SAP twierdzi, że ta możliwość zachęca do wdrażania chmury. Te wyniki mogą współistnieć. Asystent może zastąpić znane ekrany, podczas gdy bazowe systemy księgowe, zakupowe i operacyjne pozostają niezbędne.

Microsoft stanowi użyteczne porównanie, ponieważ sprzedaje aplikacje biznesowe obok usług AI. Kluczowa kwestia wykracza poza to, która firma oferuje najsprawniejszego asystenta. Nabywcy korporacyjni muszą zdecydować, czy AI zwiększa wartość ich obecnych fundamentów programowych, czy też tworzy okazję do ich zastąpienia.

Wzrost SAP Cloud wzmacnia obraz popytu

Wyniki SAP wskazują na utrzymujący się popyt na jego ofertę chmurową, choć dokładny wkład AI pozostaje otwarty na interpretację.

SAP opublikował wyniki za trzeci kwartał okresu zakończonego 30 września 2026 roku. Jego kwartalne wyniki chmurowe wykazały wzrost przychodów z chmury o 26% w ujęciu raportowanym. Wskaźnik skorygowany o kursy walut był nieco niższy, co pokazuje, dlaczego te miary należy rozpatrywać osobno.

Rozróżnienie ma znaczenie przy porównywaniu SAP z innymi międzynarodowymi firmami programistycznymi. Raportowany wzrost obejmuje ruchy walutowe, podczas gdy miara skorygowana pomaga czytelnikom ocenić podstawową działalność. Żadna z tych miar nie powinna po cichu zastępować drugiej przy opisywaniu, czy wyniki przyspieszyły lub przewyższyły oczekiwania.

Porównanie z prognozą również wymaga precyzji. Reuters wskazał pozytywne zaskoczenie w bieżącym portfelu zamówień chmurowych, zamiast przedstawiać szacunek UBS jako prognozę uznanych przychodów chmurowych. Portfel zamówień mierzy zakontraktowaną działalność oczekującą na przyszłe rozpoznanie przychodów. Oferuje obraz popytu, który uzupełnia już odnotowaną sprzedaż.

SAP Cloud ERP Suite wzrósł o 28% przy stałych kursach walut. ERP, czyli planowanie zasobów przedsiębiorstwa, łączy funkcje biznesowe, takie jak finanse i zakupy. Wynik ten umiejscawia historię w obszarze oprogramowania operacyjnego, zamiast sugerować, że cały rezultat pochodził z samodzielnego produktu AI.

Firma przesunęła również swoje roczne oczekiwania dotyczące przychodów z chmury w kierunku górnej granicy dotychczasowego przedziału. Oznacza to większą pewność w ramach wcześniej zakomunikowanych granic. Czytelnicy powinni odróżniać tę korektę od całkowicie nowej prognozy lub gwarancji dotyczącej kolejnego roku.

Łącznie te miary stanowią dowód przeciwko natychmiastowemu załamaniu popytu na portfolio chmurowe SAP. Klienci nadal zobowiązywali się do subskrypcji, podczas gdy firma odnotowywała wzrost usług już świadczonych. To połączenie niesie więcej informacji niż sama zapowiedź produktu.

Jednak siła popytu i przyczynowość produktowa odpowiadają na różne pytania. Wyniki finansowe mogą potwierdzić, że klienci kupili więcej oprogramowania chmurowego. Ustalenie, dlaczego dokładnie je kupili, wymaga dodatkowych dowodów dotyczących decyzji zakupowych, struktury kontraktów i faktycznego wykorzystania po wdrożeniu.

Jeden nabywca może zatwierdzić modernizację, ponieważ istniejący system wymaga wymiany. Inny może priorytetowo potraktować dostęp do możliwości AI. Obie decyzje mogą prowadzić do wzrostu w chmurze, nawet jeśli ich uzasadnienia biznesowe znacząco się różnią.

Dlatego wyniki zasługują na uwagę, nie stając się jednocześnie ogólnym werdyktem dla przyszłości oprogramowania. SAP przedstawił konkretny kontrprzykład dla natychmiastowego wypierania. Nie rozstrzygnął, czy AI z czasem zmieni budżety na oprogramowanie, struktury zakupowe lub relacje z dostawcami.

Użyteczny punkt wyjścia jest zatem wąski, ale istotny: klienci korporacyjni nadal inwestowali w chmurowy biznes SAP. Kolejne pytanie dotyczy tego, co te zobowiązania ujawniają o relacji między nowymi możliwościami AI a ugruntowanymi aplikacjami biznesowymi.

Wdrażanie AI podważa argument o zastępowaniu

Kwartał podważa założenie, że lepsza AI automatycznie oznacza słabszy popyt na ugruntowane aplikacje biznesowe.

Według relacji Reutersa na temat perspektyw popytu na chmurę, prezes Christian Klein wskazał AI jako główny czynnik migracji do chmury. Jest to wyjaśnienie zachowań klientów przedstawione przez kierownictwo, a nie niezależnie wyodrębniony wkład finansowy.

Reuters podał również, że SAP utrzymał prognozę zysku operacyjnego. Dyrektor finansowy Dominik Asam podkreślił niepewność gospodarczą oraz znaczenie czwartego kwartału. Te zastrzeżenia powinny towarzyszyć korzystnym danym o popycie, ponieważ silniejsze zamówienia nie eliminują ograniczeń wydatkowych.

Strategiczny konflikt dotyczy konkurujących oczekiwań co do tego, gdzie będzie kumulować się wartość biznesowa. Jedno podejście zakłada, że AI osłabi dostawców aplikacji, czyniąc tradycyjne interfejsy i przepływy pracy mniej potrzebnymi. Inne zakłada, że użyteczna AI zwiększy popyt na systemy przechowujące rejestry biznesowe i reguły operacyjne.

Wyniki SAP wspierają drugą interpretację dla jego obecnej działalności, z istotnym zastrzeżeniem. Pokazują, że firma może rosnąć podczas rozszerzającego się wdrażania AI. Nie dowodzą, że korzysta na tym każdy dotychczasowy dostawca ani że każdy istniejący produkt zasługuje na swoją obecną pozycję.

Bezpośrednia presja spada na każdego, kto traktuje zastępowanie aplikacji jako automatyczną konsekwencję poprawy modeli. System generujący przekonujący tekst nadal potrzebuje niezawodnego dostępu do informacji biznesowych. Wykonanie zadania operacyjnego wymaga również uprawnień, walidacji i zapisu tego, co się wydarzyło.

Rozważmy asystenta, któremu polecono zmienić decyzję zakupową. Zrozumienie prośby jest tylko częścią zadania. Organizacja musi ustalić, kto może zatwierdzić zmianę, które rejestry wymagają aktualizacji i jak inne działy otrzymają jej konsekwencje.

Są to rozważania architektoniczne, a nie twierdzenia dotyczące konkretnego wdrożenia SAP. Wyjaśniają, dlaczego silniejsza AI i utrzymujące się wydatki na aplikacje mogą współistnieć. Nowa metoda interakcji może zwiększyć użyteczność istniejącego systemu operacyjnego.

To samo rozumowanie wywiera presję na SAP. Ugruntowana pozycja nie gwarantuje, że klienci zaakceptują każdą ofertę AI. Firma musi połączyć fundament programowy z praktycznymi rezultatami, które nabywcy mogą rozpoznać po wdrożeniu.

Dla nabywców korporacyjnych decyzja staje się bardziej konkretna niż wybór między starym oprogramowaniem a nową AI. Muszą ocenić, które możliwości zależą od istniejących systemów, które mogą działać niezależnie, a które wprowadzają niepotrzebne powielanie.

Pracownicy umysłowi stają przed podobnym rozróżnieniem między odzyskiwaniem informacji a autoryzowaniem działania. Przeszukiwalna baza wiedzy może pomóc zespołom zrozumieć dokumentację. Systemy transakcyjne muszą dodatkowo egzekwować reguły biznesowe, gdy pracownik działa na podstawie tych informacji.

Szersza implikacja jest warunkowa: AI daje powód do ponownego rozważenia architektury oprogramowania, lecz nie przesądza decyzji o zastąpieniu. Kwartał SAP sprawia, że trudniej zignorować to rozróżnienie.

Kontekst biznesowy daje ugruntowanym aplikacjom rolę

AI staje się istotna komercyjnie, gdy pomaga wykonywać pracę zgodnie z zasadami rządzącymi organizacją.

SAP przedstawił swój najnowszy kierunek podczas wydarzenia 6 października w Las Vegas. Jego strategia business AI koncentruje się na Joule Work, Joule Assistants i Business AI Platform. SAP pozycjonuje te oferty wokół połączonych funkcji biznesowych i wyników operacyjnych.

Takie pozycjonowanie wyjaśnia logikę odpowiedzi firmy na obawy dotyczące wypierania. SAP chce, aby klienci postrzegali jego aplikacje i fundament danych jako warunki wstępne dla użytecznej AI. Przekaz produktowy łączy modernizację ze zdolnością do koordynowania pracy między działami.

Nadal jest to strategia firmy, a nie dowód powszechnego sukcesu klientów. Demonstracje produktów mogą pokazać zamierzone zachowanie w wybranych warunkach. Nie mogą ustalić, jak konsekwentnie te same możliwości działają w różnych organizacjach, przy różnej jakości danych i strukturach zatwierdzania.

Mimo to podstawowy problem biznesowy jest konkretny. Firma nie może traktować każdego pytania operacyjnego jako odizolowanej rozmowy. Decyzje dotyczące dostaw, zatrudnienia, wydatków lub realizacji często wpływają na rejestry i obowiązki wykraczające poza pracownika zadającego pytanie.

Agent AI, czyli oprogramowanie wykonujące zadania w kierunku celu, potrzebuje zatem określonych ograniczeń. Ograniczenia te określają, do jakich informacji może uzyskać dostęp i które działania wymagają zatwierdzenia. Bez nich pozorna wygoda może tworzyć dodatkową pracę kontrolną.

Potencjalna przewaga dostawcy aplikacji leży w rozumieniu tych relacji. Użyteczna rekomendacja musi odpowiadać rzeczywistej sytuacji organizacji. Obejmuje to status procesu, znaczenie rejestru i uprawnienia osoby żądającej działania.

To analityczne wyjaśnienie możliwości, a nie zmierzone źródło przychodów SAP. Dane o wynikach nie ujawniają, ile klienci zapłacili konkretnie za te relacje. Nie oddzielają również oczekiwanej przyszłej użyteczności od wartości już zrealizowanej.

Ta sama architektura tworzy szansę dla konkurentów. Dostawca, który niezawodnie łączy się z istniejącymi systemami, może zaoferować inny interfejs lub wyspecjalizowaną funkcję. Własność bazowej aplikacji nie daje automatycznie własności każdej przyszłej interakcji pracownika.

SAP ma więc motywację, by uczynić swój kontekst biznesowy dostępnym i użytecznym w ramach własnego doświadczenia AI. Klienci mają motywację, by zachować elastyczność podczas oceny alternatyw. Oba interesy wpłyną na rozwój kontraktów i wdrożeń.

Deweloperzy powinni odczytywać ten kwartał przez praktyczny pryzmat. Szansa wykracza poza dodanie konwersacyjnego interfejsu do aplikacji. Obejmuje łączenie intencji z autoryzowanymi działaniami, obsługę niepełnych informacji oraz czynienie wynikającej z tego pracy zrozumiałą dla ludzi.

Dla nabywców najistotniejsze pytanie dotyczy jakości realizacji. Asystent, który tworzy wiarygodną odpowiedź, oraz asystent, który bezpiecznie rozwiązuje wyjątek biznesowy, reprezentują różne osiągnięcia. Uzasadnienie komercyjne zależy od tego, którego wyniku organizacja faktycznie potrzebuje.

Wzrost SAP Cloud jest zgodny z inwestowaniem klientów w ten fundament. To, czy wynikające z niego doświadczenie AI zyska trwałe zastosowanie, pozostaje odrębnym pytaniem.

Microsoft oferuje porównanie, a nie bezpośrednią tabelę wyników

Wyniki Microsoft ilustrują inną drogę łączenia ugruntowanego oprogramowania z AI, choć struktura jego działalności uniemożliwia proste zestawienie.

Microsoftowe wyniki kwartalne obejmowały okres zakończony 30 czerwca 2026 r. Przychody Dynamics 365 wzrosły o 13%, czyli o 12% przy stałych kursach walut. Przychody Azure i innych usług chmurowych wzrosły o 43%.

Firma poinformowała również, że Microsoft 365 Copilot przekroczył 30 milionów płatnych stanowisk. Copilot to asystent AI firmy Microsoft dostępny w produktach dla środowiska pracy. Łącznie te informacje pokazują, że subskrypcje aplikacji, wdrażanie AI i infrastruktura chmurowa rozwijają się u tego samego dostawcy.

Liczby te stanowią kontekst, a nie bezpośrednie porównanie wyników z SAP. Okresy sprawozdawcze różnią się, podobnie jak uwzględnione produkty i działania. Kategoria usług chmurowych Azure nie może służyć jako zastępcza miara popytu na aplikacje dla przedsiębiorstw.

Bardziej użyteczne porównanie dotyczy dróg komercyjnych. Microsoft może umieszczać AI obok znanego oprogramowania do pracy i usług chmurowych. SAP kładzie nacisk na aplikacje operacyjne i procesy biznesowe. Każde z tych podejść ma na celu połączenie nowych możliwości AI z produktami, z których klienci już korzystają.

Dla nabywców tworzy to nakładające się decyzje. Organizacja może oceniać asystenta do pracy, jednocześnie osobno modernizując środowisko finansowe lub łańcuch dostaw. Zakup jednego rozwiązania nie przesądza sam w sobie, że druga inwestycja jest zbędna.

To nakładanie się dodatkowo komplikuje narracje dostawców. Producenci mają powody, by przedstawiać własne produkty jako naturalne miejsce działania AI. Klienci muszą ustalić, które miejsce zapewnia pracownikom informacje i uprawnienia potrzebne do konkretnego zadania.

Ogólne zapytanie dotyczące pracy i regulowane działanie operacyjne stawiają odmienne wymagania. Podsumowanie wewnętrznego dokumentu nie wymaga takich samych mechanizmów kontroli jak zmiana rekordu biznesowego. Traktowanie tych działań jako wymiennych może zaciemniać faktyczną decyzję zakupową.

Porównanie wzmacnia zatem ograniczony wniosek: ugruntowani dostawcy oprogramowania mają wiele sposobów uczestniczenia w wydatkach na AI. Nie dowodzi jednak, że ich strategie są równoważne ani że klienci powinni skonsolidować całą aktywność AI w ramach istniejącej umowy.

Konkurencja może również zmieniać się bez całkowitej wymiany aplikacji. Firma może zachować system operacyjny, zmieniając jednocześnie miejsce, w którym pracownicy rozpoczynają pracę. Zachowałoby to część roli dotychczasowego dostawcy, jednocześnie tworząc konkurencję o relację z użytkownikiem.

Z drugiej strony dostawca, który łączy AI bezpośrednio z zaufanymi procesami biznesowymi, może zwiększyć atrakcyjność swoich istniejących produktów. Taki wynik wspierałby pogląd, że fundamenty aplikacyjne zachowują wartość nawet wtedy, gdy zmienia się warstwa interakcji.

Są to możliwości strategiczne, a nie wyniki potwierdzone przez dane kwartalne. Wyniki SAP dostarczają aktualnych dowodów popytu. Informacje Microsoftu pokazują, że SAP działa w ramach szerszej rywalizacji o połączenie wdrażania AI z istniejącymi wydatkami przedsiębiorstw.

Presja na obu dostawców ma charakter praktyczny: muszą przekonać klientów, że łączona oferta poprawia pracę na tyle, by uzasadniać dalsze zaangażowanie. Większy katalog funkcji AI sam w sobie nie może odpowiedzieć na to pytanie.

Zobowiązania chmurowe nie potwierdzają zwrotu z AI

Silny popyt wspiera pozycję komercyjną SAP, ale nie może potwierdzić zwrotu, jaki klienci uzyskują z każdego wdrożenia AI.

To jest kluczowe sceptyczne odczytanie kwartału. Zobowiązanie subskrypcyjne odnotowuje decyzję zakupową. Nie ujawnia automatycznie, czy pracownicy korzystają z nowych możliwości, czy zadania ulegają poprawie ani czy organizacja ogranicza pracę, której można uniknąć.

supply chain assistants firmy SAP stanowią konkretny przykład tego rozróżnienia. W relacji z 8 października firma opisała planowane możliwości w zakresie planowania, produkcji, logistyki i operacji związanych z aktywami. Ogólną dostępność nowych możliwości zaplanowano na czwarty kwartał.

SAP opisał także wykorzystanie AI przez Doehler do rozwiązywania problemów logistycznych. Dyrektor technologiczny Doehler poinformował o odzyskaniu około jednej trzeciej czasu wcześniej poświęcanego na diagnozowanie problemów. Jest to przypisana relacja klienta opublikowana przez SAP, a nie niezależny benchmark.

Relacja przedstawia czytelnikom konkretny scenariusz biznesowy: identyfikację problemu logistycznego i rekomendowanie odpowiedzi. Jest bardziej informatywna niż ogólna obietnica produktywności. Jej ograniczenia dowodowe nadal mają znaczenie przy ocenie, czy podobne rezultaty przeniosą się gdzie indziej.

Przykład klienta nie potwierdza przeciętnego doświadczenia. Organizacje różnią się projektowaniem procesów, jakością informacji, obowiązkami pracowników i zakresem wdrożenia. Udany przypadek może wykazać wiarygodne zastosowanie, nie potwierdzając powtarzalnego wyniku dla każdego nabywcy.

Harmonogram dostępności wprowadza kolejną granicę. Funkcje planowane na czwarty kwartał nie mogą automatycznie wyjaśniać wyników w kwartale zakończonym we wrześniu. Klienci mogą podejmować decyzje na podstawie planów na przyszłość, lecz oczekiwane możliwości i wdrożone możliwości pozostają odmiennymi kategoriami.

Interpretacja finansowa wymaga podobnej dyscypliny. Rosnące zobowiązania chmurowe mogą odzwierciedlać zaufanie do platformy, potrzeby modernizacyjne lub zainteresowanie AI. Publiczne dane zagregowane nie przypisują precyzyjnej wagi każdemu z tych motywów.

Ta niepewność nie przekreśla zgłoszonego wzrostu. Definiuje, co mogą potwierdzić dostępne dowody. Kwartał potwierdza utrzymujący się popyt komercyjny, pozostawiając jednocześnie pytania o jakość wdrożenia i wkład poszczególnych możliwości.

Istnieje również różnica między oszczędnością czasu w ramach zadania a poprawą całego procesu. Szybsze rekomendacje mogą nadal wymagać przeglądu. Jeśli pracownicy poświęcają dodatkowy czas na sprawdzanie wyników lub korygowanie problemów w dalszych etapach, wynik netto staje się trudniejszy do oceny.

Wiarygodna ocena powinna zatem uwzględniać całość działania, w tym wyjątki i interwencję człowieka. Jest to standard analityczny służący ocenie narracji firmy. Nie jest to twierdzenie, że produkty SAP nie przeszły takiej oceny.

Na uwagę zasługuje również zależność od dostawcy. Łączenie AI z danymi biznesowymi może zwiększać użyteczność, jednocześnie czyniąc przyszłe wybory architektoniczne bardziej istotnymi. Nabywcy muszą zrozumieć, jak działają uprawnienia, rekordy i integracje, zanim rozszerzą zakres zautomatyzowanych działań.

Kwartał SAP dostarcza kierownictwu dowodów, że jego kierunek przyciąga wydatki. Klienci ocenią ten sam kierunek przez pryzmat codziennych wyników. Te perspektywy nakładają się, lecz nie są wymiennymi miarami sukcesu.

Najbardziej uzasadniona interpretacja zachowuje oba wnioski: popyt na chmurę utrzymał się, a szersze uzasadnienie zwrotów z AI nadal wymaga dowodów operacyjnych.

Obserwuj konwersję popytu, dostarczanie produktu i wykorzystanie przez klientów

Kolejne dowody powinny połączyć zobowiązania klientów z dostarczonymi możliwościami i powtarzalnymi wynikami biznesowymi.

Pierwszym sygnałem jest to, czy SAP utrzymuje relację między zakontraktowanym popytem a rozpoznanymi przychodami z chmury. Przyszłe ujawnienia należy odczytywać przy użyciu miar stałych kursów walut i jasno określonych okresów. Mieszanie wzrostu zaległych zamówień ze wzrostem przychodów zacierałoby obraz tego, czy podstawowy trend się umacnia.

Dalszy wzrost obu miar wspierałby interpretację, że klienci pozostają zaangażowani w chmurowy kierunek SAP. Słabnące zobowiązania podważałyby trwałość tego popytu. Rozbieżność wymagałaby bliższej uwagi poświęconej harmonogramowi i strukturze umów.

Ten sygnał ma znaczenie, ponieważ obecny kwartał łączy dowody dotyczące zakupów z dowodami dotyczącymi usług już dostarczonych. Zachowanie tego związku wzmocniłoby argument dotyczący odporności. Korzystny nagłówek w którejkolwiek z miar z osobna dawałby węższą podstawę do oceny.

Drugim sygnałem jest dostarczenie możliwości dla łańcucha dostaw, które SAP zaplanował na czwarty kwartał. Dostępność produktu pozwoliłaby większej liczbie klientów ocenić ogłoszoną funkcjonalność we własnych środowiskach. Opóźnienia lub ograniczony zakres osłabiłyby bezpośrednie uzasadnienie operacyjne.

Dostępność należy również odróżniać od wdrożenia. Wydana funkcja może nadal wymagać implementacji, uprawnień, zmian procesowych i szkolenia pracowników. Czytelnicy powinni szukać dowodów, że obiecana możliwość weszła do zwykłej pracy, zamiast zakładać, że wydanie produktu kończy proces wdrożenia.

Trzecim sygnałem są dowody klientów wykraczające poza pojedyncze historie sukcesu. Przydatne relacje powinny określać pierwotne zadanie, wkład AI, pozostałą pracę człowieka i rezultat. Taki poziom szczegółowości ułatwiłby ocenę twierdzeń w różnych organizacjach.

Powtarzalne ulepszenia wzmocniłyby argument SAP, że AI zwiększa wartość jego fundamentu aplikacyjnego. Ograniczone wykorzystanie lub niejasne wyniki pozostawiłyby większą niepewność co do tego, dlaczego klienci nadal kupują. Żadnego z tych wyników nie należy wyprowadzać wyłącznie z istnienia oferty AI.

Sygnały te podążają za tą samą sekwencją co propozycja komercyjna: klienci się zobowiązują, dostawcy dostarczają, a pracownicy korzystają z wynikających z tego możliwości. Każdy etap odpowiada na inne pytanie. Rozpatrywanie ich osobno ułatwia ocenę całej historii.

Dla nabywców korporacyjnych praktyczną odpowiedzią jest zbadanie związku między proponowaną inwestycją a konkretną potrzebą operacyjną. Należy zapytać, co staje się łatwiejsze, który system pozostaje odpowiedzialny oraz jak organizacja rozpozna poprawę po wdrożeniu.

Programiści powinni sprawić, by te wyniki były możliwe do sprawdzenia, w tym informacje wykorzystane przez system, wymagane zatwierdzenia i wykonane działania. Pracownicy wiedzy powinni odróżniać pomoc poprawiającą dostęp do informacji od automatyzacji zmieniającej rekordy biznesowe. Oba rozwiązania mogą być użyteczne, lecz wymagają różnych dowodów.

Wzrost chmury SAP daje argumentowi o odporności oprogramowania konkretny wynik do zbadania. Śledź kolejne ujawnienia wraz z dostępnością produktu i relacjami klientów. Oceniając propozycję AI, poproś dostawcę o połączenie jego obietnic z rzeczywistym przepływem pracy, a następnie określ dowody, które zespół przeanalizuje po uruchomieniu. Czy system pomaga ludziom wykonywać pracę bardziej niezawodnie, przy jasnej odpowiedzialności za to, co dzieje się dalej? To pytanie pozostanie użyteczne długo po tym, gdy ten nagłówek dotyczący wyników finansowych zniknie.