Sztuczna inteligencja w liczbach 2026 - najważniejsze dane z AI Index
Spis treści
- Adopcja: najszybciej rozprzestrzeniająca się technologia
- Możliwości: kod, matematyka i obsługa komputera
- Granice: tam, gdzie AI wciąż przegrywa z człowiekiem
- Pieniądze i rywalizacja USA-Chiny
- Praca: produktywność rośnie, młodzi tracą miejsca
- Edukacja: uczniowie są szybsi niż szkoły
- Medycyna: realna ulga dla lekarzy, słabe dowody kliniczne
- Ryzyka i przejrzystość
- Jak czytać liczby o AI
- Co mówią te liczby razem
- Źródła
Sztuczna inteligencja w 2026 roku jest powszechna, coraz zdolniejsza i coraz droższa w rozwoju, ale wciąż zawodzi w zadaniach, które dla człowieka są banalne. Tak w skrócie wygląda obraz z Stanford HAI - AI Index Report 2026, najobszerniejszego corocznego zestawienia danych o AI. Poniżej zebraliśmy najważniejsze liczby z tego raportu, uzupełnione danymi Deloitte: jak szybko AI się upowszechnia, co modele potrafią, a czego nie, kto w nią inwestuje, co dzieje się na rynku pracy, w szkołach i w szpitalach oraz jak rosną ryzyka. Przy każdej sekcji piszemy, co z tych liczb wynika, a czego z nich wyczytać nie można.
Adopcja: najszybciej rozprzestrzeniająca się technologia
Żadna technologia konsumencka nie trafiła do ludzi tak szybko jak generatywna AI. Według AI Index generatywna AI w trzy lata od premiery dotarła do ok. 53% populacji. Komputer osobisty i internet potrzebowały na to więcej czasu.
Podobny obraz daje porównanie liczby użytkowników z raportu Deloitte - Tech Trends 2026:
| Technologia | Zasięg | Czas |
|---|---|---|
| Telefon | 50 mln użytkowników | 50 lat |
| Internet | 50 mln użytkowników | 7 lat |
| ChatGPT | ok. 100 mln użytkowników | ok. 2 miesiące |
Sam ChatGPT ma dziś według Deloitte ponad 800 mln użytkowników tygodniowo, czyli ok. 10% ludzkości (stan na październik 2025 r.).
Osobną miarą jest adopcja w firmach. Według ankiety McKinsey z 2025 r., przytaczanej w AI Index, z AI w co najmniej jednej funkcji biznesowej korzysta 88% badanych organizacji. Rok wcześniej było to 78%.
Co z tego wynika: AI przestała być nowinką dla entuzjastów. Trzeba jednak pamiętać, że „korzystanie w co najmniej jednej funkcji” to niski próg - wystarczy jeden dział, który używa chatbota. Wysoki odsetek firm nie mówi nic o tym, jak głęboko AI weszła w ich procesy. Różnica między obiema liczbami jest też różnicą perspektyw. Odsetek populacji mówi o ludziach, którzy sami sięgnęli po narzędzie, często z ciekawości albo do prostych zadań: napisania maila, streszczenia tekstu, pomocy w nauce. Odsetek organizacji mówi o decyzjach firm, które muszą uwzględnić koszty, bezpieczeństwo danych i odpowiedzialność za błędy. Kolejnym etapem są systemy, które same wykonują zadania, opisane w tekście o tym, jak działają agenci AI w firmach.
Możliwości: kod, matematyka i obsługa komputera
W zadaniach, które da się precyzyjnie zmierzyć, postęp w ciągu roku był bardzo szybki. Jeśli chcesz zrozumieć, skąd biorą się te możliwości, zacznij od tekstu o tym, czym są duże modele językowe LLM.
Programowanie
W teście SWE-bench Verified, który sprawdza naprawianie prawdziwych błędów w oprogramowaniu, wyniki modeli wzrosły w ciągu roku (2024-2025) z ok. 60% do blisko 100% poziomu bazowego człowieka. Ważne zastrzeżenie: chodzi o procent poziomu człowieka, a nie o procent rozwiązanych zadań. Model nie rozwiązuje więc „prawie wszystkiego”, tylko zbliżył się do wyniku, jaki w tym teście osiąga człowiek.
Matematyka
Gemini Deep Think zdobył złoty medal na Międzynarodowej Olimpiadzie Matematycznej 2025.
Obsługa komputera
W teście OSWorld agenci AI wykonują zadania na komputerze: otwierają programy, klikają, wypełniają formularze. Ich skuteczność wzrosła z ok. 12% do 66,3%. Człowiek osiąga 72,4%, więc różnica stopniała do ok. 6 pkt proc.
Co z tego wynika: w zadaniach, które mają jasne kryterium sukcesu, modele w ciągu roku przeszły od poziomu wyraźnie słabszego od człowieka do poziomu zbliżonego. Dla firm to sygnał, że część pracy przy komputerze - poprawki w kodzie, powtarzalne operacje w programach, wypełnianie formularzy - da się już realnie zautomatyzować. Trzeba jednak pamiętać, że benchmark to kontrolowane środowisko. Zadania są dobrze opisane, a wynik da się łatwo sprawdzić. W codziennej pracy polecenia bywają niejasne, dane niepełne, a błąd agenta może kosztować więcej niż czas człowieka, który musi go poprawić.
Granice: tam, gdzie AI wciąż przegrywa z człowiekiem
Ten sam raport pokazuje, że wysokie wyniki w jednych testach nie przenoszą się automatycznie na inne zadania.
| Test | Najlepszy wynik AI | Człowiek |
|---|---|---|
| ClockBench - odczyt zegara analogowego | 50,6% (GPT-5.4 High, marzec 2026) | 90,1% |
| OSWorld - obsługa komputera | 66,3% | 72,4% |
| BEHAVIOR-1K - zadania domowe w symulacji | 12,4% w pełni wykonanych zadań | - |
Najbardziej wymowny jest zegar. Najlepszy model w teście ClockBench, czyli GPT-5.4 High (marzec 2026), poprawnie odczytuje godzinę z tarczy analogowej w 50,6% przypadków. Ludzie robią to w 90,1%. To dwa różne modele, ale kontrast jest wyraźny: AI potrafi zdobyć złoto na olimpiadzie matematycznej (Gemini Deep Think), a odczyt wskazówek zegara wciąż sprawia jej kłopot.
Jeszcze dalej od ludzi są roboty. W benchmarku BEHAVIOR-1K, który obejmuje 1000 zadań domowych w symulowanych domach, najlepszy zespół w pełni wykonał tylko 12,4% zadań. To wynik w symulacji, a nie w prawdziwych mieszkaniach - w realnym świecie z bałaganem, światłem i nieprzewidywalnymi przedmiotami byłoby zapewne trudniej.
Co z tego wynika: modele są bardzo mocne tam, gdzie zadanie ma tekstową lub kodową postać i jasny wynik. Słabiej radzą sobie z percepcją wzrokową i z działaniem w fizycznym świecie. Nagłówki o „ponadludzkiej AI” zwykle dotyczą wąskich testów.
Pieniądze i rywalizacja USA-Chiny
Prywatne inwestycje w AI pokazują ogromną przewagę Stanów Zjednoczonych. W 2025 r. wyniosły w USA 285,9 mld USD, a w Chinach 12,4 mld USD, czyli ok. 23 razy mniej. Raport sam zastrzega, że dane o prywatnych inwestycjach zaniżają wydatki Chin.
W jakości modeli różnica jest dużo mniejsza. W rankingu Arena z marca 2026 r. najlepszy model z USA wyprzedzał najlepszy model chiński o 2,7%, czyli 39 pkt. To różnica między dwoma topowymi modelami, a nie miara ogólnej przewagi jednego kraju nad drugim.
Co z tego wynika: te dwa wskaźniki pokazują co innego - przewaga USA w krajowych inwestycjach prywatnych jest ogromna, a różnica między dwoma topowymi modelami w rankingu Arena niewielka. Nie dowodzą jednak większej efektywności kosztowej chińskich twórców, bo dane o prywatnych inwestycjach zaniżają wydatki Chin.
Koszt korzystania z AI
Dla użytkowników i firm ważniejsza od inwestycji jest cena. Według Deloitte, które powołuje się na Stanford AI Index 2025, koszt tokenów spadł w dwa lata 280-krotnie. Token to fragment tekstu, w którym rozlicza się pracę modelu. Tak duży spadek ceny tłumaczy, dlaczego AI pojawia się w coraz tańszych produktach i usługach.
Drugą stroną tej skali jest zużycie energii i wody przez centra danych - ten temat rozwijamy w osobnym artykule ile prądu i wody zużywa AI.
Praca: produktywność rośnie, młodzi tracą miejsca
Rynek pracy to obszar, w którym dane są najbardziej niejednoznaczne. Z jednej strony badania przytaczane w AI Index pokazują wyraźny wzrost produktywności:
- o 14-15% w obsłudze klienta,
- o 26% w programowaniu.
Z drugiej strony zatrudnienie programistów w wieku 22-25 lat w USA spadło o blisko 20% od szczytu z 2022 r. (stan na wrzesień 2025 r., badanie Brynjolfssona i współpracowników). Najmocniej odczuwają to osoby na starcie kariery. Jedną z dyskutowanych przyczyn jest to, że AI może przejmować część prostszych zadań, od których zwykle zaczynali juniorzy, ale badanie nie potwierdza takiego związku przyczynowego. Szerzej o tym piszemy w tekście, czy sztuczna inteligencja może zastąpić programistów.
Duży jest też rozjazd w oczekiwaniach. W USA 73% ekspertów spodziewa się pozytywnego wpływu AI na sposób wykonywania pracy. W ogóle społeczeństwa takiego zdania jest tylko 23%.
Co z tego wynika: zyski z AI trafiają najpierw do osób, które już mają pracę i umieją narzędzia wykorzystać. Ryzyko ponoszą głównie ci, którzy dopiero wchodzą na rynek. Dlatego pytanie, czy sztuczna inteligencja zastąpi człowieka, w praktyce dotyczy dziś bardziej konkretnych stanowisk i etapów kariery niż całych zawodów.
Edukacja: uczniowie są szybsi niż szkoły
Ponad 80% amerykańskich licealistów i studentów używa AI do nauki. Zasady korzystania z AI ma tylko połowa szkół, a za jasne uważa je zaledwie 6% nauczycieli.
To trzy liczby, które dobrze opisują sytuację: narzędzia są już w rękach uczniów, a szkoła dopiero próbuje ustalić reguły. Brak jasnych zasad oznacza, że o tym, co jest pomocą, a co ściąganiem, decyduje każdy nauczyciel osobno. Jak przygotować się do tej zmiany od strony ucznia i rodzica, opisujemy w poradniku edukacja w erze AI.
Medycyna: realna ulga dla lekarzy, słabe dowody kliniczne
W medycynie AI najszybciej przynosi korzyść tam, gdzie lekarze tracą czas na papierologię. Według AI Index lekarze raportowali nawet o 83% mniej czasu na pisanie notatek dzięki narzędziom AI do dokumentacji wizyt. Trzeba jednak dodać, że to maksimum z jednej placówki w USA (Sharp HealthCare), a nie średnia dla całej ochrony zdrowia.
Gorzej wygląda jakość dowodów. Z ponad 500 badań nad klinicznym AI prawie połowa opierała się na pytaniach egzaminacyjnych, a tylko 5% na rzeczywistych danych klinicznych.
Co z tego wynika: to, że model zdaje test z wiedzy medycznej, nie oznacza, że poprawnie oceni prawdziwego pacjenta. Najbezpieczniejsze zastosowania to dziś wsparcie administracyjne, a nie samodzielna diagnoza. Więcej o zastosowaniach i ograniczeniach znajdziesz w artykule sztuczna inteligencja w medycynie.
Ryzyka i przejrzystość
Wraz z upowszechnieniem AI rośnie liczba problemów. Według AI Incident Database liczba udokumentowanych incydentów AI wzrosła z 233 w 2024 r. do 362 w 2025 r. Incydentem może być np. szkodliwa porada chatbota, błąd systemu rozpoznawania twarzy czy deepfake użyty do oszustwa. Wzrost częściowo wynika też z tego, że AI jest po prostu częściej używana, a incydenty częściej się zgłasza.
Jednocześnie twórcy modeli mówią o nich coraz mniej. Indeks przejrzystości FMTI ocenia, ile firmy ujawniają o danych treningowych, sposobie budowy i ograniczeniach swoich modeli.
| Rok | Średni wynik FMTI |
|---|---|
| 2023 | 37 pkt |
| 2024 | 58 pkt |
| 2025 | 40 pkt |
Po wzroście z 37 do 58 pkt nastąpił spadek do 40 pkt. Firmy, które konkurują coraz ostrzej, chętniej traktują szczegóły swoich modeli jako tajemnicę handlową.
Co z tego wynika: więcej incydentów przy mniejszej przejrzystości to trudniejsze warunki dla badaczy, regulatorów i użytkowników, którzy chcą wiedzieć, czemu ufają. Przegląd głównych zagrożeń znajdziesz w tekście, czy sztuczna inteligencja jest niebezpieczna.
Jak czytać liczby o AI
Przy danych o sztucznej inteligencji łatwo o nadinterpretację, bo te same liczby krążą w mediach bez kontekstu. Kilka prostych pytań pomaga je ocenić:
- Czego dotyczy miara? Procent poziomu człowieka w teście to co innego niż procent rozwiązanych zadań, a odsetek firm używających AI w jednej funkcji to co innego niż odsetek firm, które oparły na niej działalność.
- Gdzie zebrano dane? Wiele wyników pochodzi z USA - dotyczy to zatrudnienia programistów, opinii o wpływie AI na pracę i danych ze szkół. Polski rynek może wyglądać inaczej.
- Czy to średnia, czy rekord? Najlepszy wynik jednej placówki albo jednego modelu pokazuje, co jest możliwe, a nie, co jest typowe.
- Czy to świat rzeczywisty, czy test? Symulacje i benchmarki są potrzebne do porównań, ale nie zastąpią sprawdzenia narzędzia w prawdziwych warunkach.
- Kto policzył i jak? Szacunki, ankiety i rankingi oparte na głosach użytkowników mają różną dokładność, a sam raport często zaznacza ich ograniczenia.
Te pytania nie podważają danych z AI Index - pomagają je zrozumieć tak, jak opisują je autorzy.
Co mówią te liczby razem
Dane z 2026 r. układają się w spójny obraz. AI upowszechniła się szybciej niż jakakolwiek wcześniejsza technologia, a korzystanie z niej tanieje. W kodzie, matematyce i obsłudze komputera modele zbliżyły się do ludzi albo ich dogoniły w wybranych testach. Wciąż jednak gubią się przy zegarze analogowym, a roboty kończą tylko niewielką część domowych zadań nawet w symulacji.
Najwięcej napięć widać na styku z ludźmi: młodzi programiści tracą miejsca pracy, szkoły nie nadążają z zasadami, badania medyczne rzadko opierają się na prawdziwych danych pacjentów, a incydentów przybywa przy malejącej przejrzystości twórców. Czytając kolejne nagłówki o AI, warto więc sprawdzać, czego dokładnie dotyczy liczba - jednego testu, jednego kraju, jednej placówki czy ankiety z niskim progiem.
Źródła
Najczęściej zadawane pytania
Czym jest Stanford AI Index?
To coroczny raport Stanford HAI, czyli instytutu sztucznej inteligencji skoncentrowanej na człowieku przy Uniwersytecie Stanforda. Zbiera dane o badaniach, możliwościach modeli, inwestycjach, gospodarce, edukacji, medycynie i regulacjach AI. Wiele liczb pochodzi z badań innych instytucji, które raport porządkuje i opisuje.
Ile osób korzysta z ChatGPT?
Według raportu Deloitte Tech Trends 2026 ChatGPT ma ponad 800 mln użytkowników tygodniowo, czyli ok. 10% ludzkości (stan na październik 2025 r.). Pierwsze 100 mln użytkowników zdobył w około dwa miesiące.
Czy Chiny doganiają USA w sztucznej inteligencji?
W jakości najlepszych modeli różnica jest niewielka. W rankingu Arena z marca 2026 r. najlepszy model z USA wyprzedzał najlepszy chiński o 2,7%, czyli 39 pkt. To porównanie dwóch topowych modeli, a nie ogólny bilans sił. W prywatnych inwestycjach przewaga USA jest za to ogromna, choć dane dla Chin są zaniżone.
Czy AI zabiera pracę programistom?
Dane pokazują presję na najmłodszych. Zatrudnienie programistów w wieku 22-25 lat w USA spadło o blisko 20% od szczytu z 2022 r. (stan na wrzesień 2025 r.). Nie oznacza to zniknięcia zawodu, ale wejście do branży jest trudniejsze. Wpływ AI na prostsze zadania juniorów to możliwa przyczyna, dyskutowana, ale niepotwierdzona.
Czy sztucznej inteligencji można ufać w medycynie?
Ostrożnie. Z ponad 500 badań nad klinicznym AI prawie połowa opierała się na pytaniach egzaminacyjnych, a tylko 5% na rzeczywistych danych klinicznych. Dobry wynik na teście z wiedzy medycznej nie jest dowodem, że narzędzie sprawdzi się przy prawdziwym pacjencie.