AI w marketingu nie zatrzymuje się dziś na pytaniu, które narzędzie kupić. Raport BCG pokazuje, że większy problem leży w tym, czy zespół zmienił brief, odpowiedzialność i dostęp do danych. Bez tego AI kończy jako wygodny asystent do pojedynczych zadań, a nie jako stały element pracy zespołu.
Dla polskiej firmy to ważna różnica. Jeśli chcesz wycisnąć z AI więcej niż szybsze pisanie copy, musisz najpierw ustalić, kto odpowiada za wynik, skąd model bierze dane i w którym momencie jego podpowiedź zmienia kampanię, a nie tylko dokument.
Co dokładnie pokazuje raport BCG
Raport BCG z 15 czerwca 2026 pokazuje, że deklaracje CMO wyraźnie wyprzedzają realną zmianę sposobu pracy.
Badanie objęło 300 globalnych CMO i 50 wywiadów. 96% respondentów twierdzi, że AI całościowo zmienia ich dział marketingu. Jednocześnie 42% przyznaje, że nadal używa GenAI głównie jako asystenta do pojedynczych zadań. Do grupy liderów BCG zalicza 32% badanych, a tylko 8% prowadzi kampanie, w których kilka systemów AI działa samodzielnie.
To ważne, bo pokazuje skalę rozjazdu między deklaracją a codzienną pracą. W wielu firmach AI pomaga już w pisaniu, analizie i podsumowaniach, ale nadal nie zmienia tego, jak zespół planuje kampanie, podejmuje decyzje i poprawia wyniki.
Gdzie marketing zatrzymuje się najczęściej
Najczęściej blokują się trzy rzeczy: odpowiedzialność za wynik, brief i dostęp do danych.
Nikt nie rozlicza wyniku
W wielu działach AI ma opiekuna technicznego, ale nie ma osoby, która odpowiada za efekt biznesowy. Zespół testuje nowe zastosowania, lecz nikt regularnie nie pokazuje, czy skróciły czas pracy, obniżyły koszt albo poprawiły wynik kampanii.
Bez takiej roli AI zostaje zbiorem lokalnych eksperymentów. Jeden marketer używa jej do szkiców reklam, drugi do analizy wyników, trzeci do przygotowania notatek po spotkaniu. Problem w tym, że firma nie uczy się wtedy jako całość. Jeśli chcesz szerzej zobaczyć, jak AI zmienia zakres pracy marketera, zobacz też jak AI zmienia role marketerów.
Brief nadal powstaje jak przed AI
Model nie zgadnie sam, do kogo mówisz, jak brzmi marka i co zadziałało w poprzedniej kampanii.
Gdy brief zawiera tylko temat, termin i ogólne oczekiwanie, AI oddaje materiał równie ogólny. Lepszy wynik pojawia się dopiero wtedy, gdy brief ma stałe pola: odbiorcę, cel, ograniczenia, źródła danych, kryteria oceny i to, czego nie wolno powiedzieć. Dobrym punktem startu jest szablon briefu marketingowego do ChatGPT, bo porządkuje to, co zespół ma przekazywać do modelu za każdym razem.
Dane są rozproszone albo nieaktualne
Jeśli wyniki kampanii są w jednym narzędziu, kontakty w CRM w drugim, a uwagi handlowców w arkuszu, AI nie ma stabilnego punktu odniesienia.
Wtedy przyspiesza pracę na niepełnym obrazie zamiast poprawiać decyzje. Model nie naprawi sam braków w danych klienta ani niespójnych definicji konwersji. Najpierw trzeba ustalić, z jakich danych AI korzysta i kto pilnuje ich jakości. Szerzej opisujemy to w materiale AI i architektura danych.
Po czym poznać, że AI utknęła na etapie asystenta
Poznasz to po tym, że AI przyspiesza pojedyncze zadania, ale nie zmienia tego, jak zespół planuje, uruchamia i poprawia kampanie.
- Nikt nie pokazuje regularnie, gdzie AI poprawiła wynik, a gdzie tylko skróciła czas pracy.
- Briefy nie mają stałej struktury, więc każda osoba pracuje z modelem inaczej.
- Dane o kampanii i kliencie trzeba ręcznie składać z kilku miejsc.
- Po wygenerowaniu materiału i tak wszystko wraca do ręcznego przepisywania i poprawek.
- Zespół nie ma jednej zasady, kiedy AI może przygotować materiał sama, a kiedy potrzebna jest decyzja człowieka.
Jeśli widzisz kilka z tych sygnałów naraz, problem nie leży w wyborze kolejnej licencji. Problem leży w tym, że AI działa obok procesu, zamiast być jego częścią.
Co robią firmy, które są dalej
Raport BCG sugeruje, że liderów od reszty nie oddziela samo narzędzie, tylko przygotowanie procesu.
W praktyce oznacza to trzy rzeczy. Po pierwsze, ktoś odpowiada za wynik i potrafi go pokazać na liczbach. Po drugie, brief ma stałą strukturę, więc model nie startuje za każdym razem od zera. Po trzecie, dane są przygotowane tak, by AI mogła z nich korzystać bez ręcznego składania kontekstu z kilku źródeł.
To nie musi oznaczać dużego projektu na cały dział. Częściej chodzi o jeden proces, który da się mierzyć przez miesiąc: przygotowanie briefu, wariantów copy albo analizy wyników po emisji.
Co zrobić w zespole w ciągu 30 dni
Najlepszy pierwszy krok to wybranie jednego powtarzalnego procesu i ustawienie dla niego jednej miary sukcesu.
1. Wybierz obszar, który powtarza się co tydzień, na przykład brief kampanii, warianty copy albo analizę wyników.
2. Przypisz jedną osobę, która mierzy wpływ AI na czas pracy, koszt lub wynik kampanii.
3. Ustal, jakie dane i zasady muszą trafiać do modelu za każdym razem.
4. Po czterech tygodniach sprawdź, czy AI skróciła czas, poprawiła wynik albo zmniejszyła liczbę ręcznych poprawek.
Jeśli potrzebujesz punktu startu do pomiaru, pomocny będzie też tekst o tym, jak policzyć ROI z AI.
Co z tego wynika dla polskiej firmy
Najpierw wygra nie ta firma, która kupi więcej narzędzi, tylko ta, która szybciej uporządkuje sposób pracy.
Jeśli dziś AI pomaga tylko w szybszym pisaniu albo podsumowaniach, to nie jest porażka. To znak, że następny ruch powinien dotyczyć procesu, odpowiedzialności i danych, a nie kolejnej licencji.
Źródła
- BCG, "Moving the Agentic Marketing Transformation from Illusion to Reality" – raport z 15 czerwca 2026 oparty na badaniu 300 globalnych CMO i 50 wywiadach.
- BCG, "Mind the Marketing Gap: Most CMOs Say AI Is Transforming Marketing, But Few Are Using It to Transform Their Own Function" – komunikat prasowy z najważniejszymi liczbami z badania.
