Szefowie marketingu coraz śmielej inwestują w sztuczną inteligencję, ale wiele organizacji wciąż nie ma odpowiednich kompetencji, zaplecza technologicznego ani zaufania konsumentów, by te inwestycje naprawdę zaczęły przynosić zwrot.
Większość CMO nie rozróżnia generatywnej AI od modeli predykcyjnych
Problem zaczyna się już na poziomie samego pojęcia „AI”, które bywa używane zbyt szeroko, jako etykieta dla wszystkiego: od generatywnych modeli językowych po predykcyjne systemy analityczne i uczenie maszynowe. To z kolei prowadzi do uproszczeń w stylu „AI zrobiła to”, choć w praktyce chodzi o konkretne narzędzia, dane i ludzi, którzy je wdrażają.
’AI’ staje się hasłem zbiorczym, pod które podciąga się wszystko, od generowania tekstu po modelowanie danych medycznych. To wygodne medialnie, ale prowadzi do uproszczenia, w którym znika różnica między narzędziem do automatyzacji a systemem predykcyjnym wspierającym odkrycia naukowe.
Kompetencje AI wśród CMO – gorzka prawda
Z badania Findem i CMO Huddles wynika, że 26% nowo zatrudnionych CMO ma jakieś kompetencje związane z AI, podczas gdy wśród osób pełniących tę funkcję od ponad czterech lat jest to tylko 9%. Firmy wyraźnie szukają liderów, którzy rozumieją nowe technologie, ale jednocześnie większość obecnych szefów marketingu nadal musi nadrobić zaległości.
W wielu organizacjach „kompetencje AI” zaczynają się i kończą niestety na umiejętności napisania promptu oraz wygenerowania grafiki albo tekstu. To jest użyteczne, ale to jeszcze nie jest realna biegłość w AI. To raczej obsługa interfejsu niż rozumienie systemu: danych, modeli, ograniczeń, ryzyka błędów, prywatności, jakości wyników czy tego, kiedy potrzebna jest generatywna AI, a kiedy predykcyjna.
Sama technologia też nie jest gotowa do masowego wdrażania. W globalnym badaniu Lippincott i Bloomberg Media tylko 11% liderów marketingu oceniło swoją organizację jako „doskonałą” w obszarze wdrażania i innowacji w marketing technology. Jedynie 7% uznało ją za „słabą”, co sugeruje, że większość firm porusza się gdzieś pośrodku: ma narzędzia, ale nie ma jeszcze pełnej sprawczości.
Ambicje inwestowania w AI
Ambicje inwestycyjne pozostają jednak wysokie. Według Gartner’s 2026 CMO Spend Survey aż 75% starszych liderów marketingu planuje zwiększyć wydatki na asystentów AI w przyszłym roku.
Tyle że tu znów pojawia się problem pomieszania kategorii: asystent generatywny, system rekomendacyjny, model predykcyjny czy narzędzie analityczne to nie to samo. „Personalizacja kampanii” zwykle nie wynika z promptu, tylko z pracy na danych, integracjach i modelach predykcyjnych. A właśnie takie rozwiązania najczęściej stoją za realnym dopasowaniem komunikacji do odbiorcy.
Do tego dochodzi zaufanie konsumentów. Kantar w Media Reactions 2026 wskazuje, że tylko 23% konsumentów ufa rekomendacjom asystentów AI. To ważne, bo nawet najlepsza automatyzacja nie przełoży się automatycznie na wiarygodność marki ani na wyniki biznesowe. Rekomendacje asystentów AI są bowiem oparte na ogólnodostępnych danych, nie stoją za tym modele proedykcyjne. AI może wspierać analizę danych, czy usprawniać procesy, ale samo użycie hasła „AI” nie gwarantuje ani jakości decyzji, ani przewagi konkurencyjnej.
Budowanie kompetencji AI krok po kroku
Dlatego skuteczna strategia nie polega na wdrażaniu AI wszędzie naraz. Lepiej budować kompetencje krok po kroku: szkolić zespoły, jasno odróżniać generatywną AI od predykcyjnej i analitycznej, zaczynać od niskiego ryzyka zastosowań oraz mierzyć efekty biznesowe, a nie tylko oszczędność czasu. W obszarach kontaktu z klientem człowiek nadal musi mieć ostatnie słowo, nie dlatego, że AI jest bezużyteczna, ale dlatego, że zaufanie marki nie powstaje z automatu.
AI rzeczywiście zmienia marketing, ale tylko wtedy, gdy firmy rozumieją, z jakiego rodzaju AI korzystają. Ci CMO, którzy nie potraktują wszystkiego jako jednego, wygodnego skrótu, będą lepiej przygotowani do przełożenia technologii na realny wynik.