Sztuczna inteligencja w przedsiębiorstwach społecznych — co rzeczywiście pokazują badania

Opracowanie i komentarz: IRiD Social Na podstawie publikacji Artura Steinera, Micaeli Mazzei, Franceski Caló i Gordona Liu.

Przedsiębiorstwa społeczne podejmują decyzje technologiczne w szczególnych warunkach. Muszą utrzymywać działalność, pozyskiwać klientów i kontrolować koszty, a jednocześnie realizować misję społeczną. W organizacjach prowadzących reintegrację zawodową znaczenie ma także sposób organizowania pracy i wspierania pracowników. W podmiotach świadczących usługi społeczne — jakość relacji z odbiorcami i dostępność pomocy.

W takim otoczeniu pytanie o sztuczną inteligencję wymaga czegoś więcej niż wskazania narzędzi przyspieszających pisanie tekstów. Potrzebujemy wiedzy o tym, kto z nich korzysta, w jakim celu, przy jakich kosztach i z jakimi trudnościami. Równie istotne jest ustalenie, czy technologia pomaga realizować misję organizacji oraz kto odpowiada za jej rezultaty.

Taką próbę rozpoznania sytuacji podjęli Artur Steiner, Micaela Mazzei, Francesca Caló i Gordon Liu. Ich artykuł How and Why Social Enterprises Adopt Artificial Intelligence: Opportunities, Challenges, and Future Implications for Research and Practice ukazał się online 10 listopada 2025 roku w recenzowanym czasopiśmie Journal of Social Entrepreneurship. Autorzy analizują odpowiedzi 92 przedsiębiorstw społecznych z Wielkiej Brytanii.

Publikacja dostarcza użytecznych danych o zastosowaniach AI i potrzebach sektora. Jest to jednak badanie deklaracji organizacji, bez niezależnego pomiaru osiągniętych oszczędności, jakości usług czy wpływu społecznego.

Autorzy i kontekst publikacji

Artur Steiner i Micaela Mazzei reprezentują Yunus Centre for Social Business and Health na Glasgow Caledonian University. Francesca Caló i Gordon Liu są związani z Open University Business School na The Open University.

W centrum artykułu znajduje się specyfika przedsiębiorstwa społecznego jako organizacji łączącej cele ekonomiczne i społeczne. Autorzy rozpatrują wdrażanie AI w odniesieniu do teorii upowszechniania innowacji, innowacji przełomowych oraz odpowiedzialnego korzystania z technologii.

To istotny wybór perspektywy. Umożliwia postawienie pytań o oszczędności i sprawność działania, ale również o zgodność zastosowania AI z wartościami organizacji. Przykładowo automatyzacja obsługi odbiorców może zmniejszyć obciążenie zespołu, lecz jej ocena wymaga także sprawdzenia, czy osoba potrzebująca wsparcia nadal potrafi uzyskać pomoc.

Autorzy stawiają cztery główne pytania badawcze: jak przedsiębiorstwa społeczne wdrażają AI i do czego ją wykorzystują, czym różnią się obecni i potencjalni użytkownicy, jakie możliwości i wyzwania wiążą się z wdrożeniem oraz jakie formy wsparcia są najbardziej potrzebne.

Jak przeprowadzono badanie

Podstawą analizy była ankieta internetowa. Jej konstrukcję konsultowano z przedsiębiorstwami społecznymi i organizacjami wspierającymi sektor. Pytania dotyczyły między innymi wielkości i obszaru działalności podmiotu, zastosowań AI, celów wdrożenia, kosztów, barier, napięć organizacyjnych oraz potrzeb szkoleniowych.

Ankietę rozpowszechniano przez trzy miesiące przez sieci przedsiębiorstw społecznych, newslettery i listy mailingowe. Udział był dobrowolny i anonimowy. Otrzymano 103 odpowiedzi, z których po oczyszczeniu danych pozostawiono 92. Opis metodologii podaje długość zbierania danych, lecz nie wskazuje konkretnych miesięcy i roku realizacji ankiety.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Liczebności: metodologia publikacji; odsetki w całej próbie: obliczenia IRiD Social.

Udziały w całej próbie obliczono na potrzeby opracowania na podstawie liczebności podanych przez autorów.

Szczegółowa analiza koncentruje się na dwóch pierwszych grupach, czyli łącznie na 70 organizacjach. Autorzy wykorzystują statystyki opisowe: liczebności i odsetki odpowiedzi. Nie przedstawiają badania eksperymentalnego ani analizy pozwalającej ustalić, że wdrożenie AI spowodowało określony rezultat.

To rozróżnienie ma zasadnicze znaczenie. Odsetek organizacji wskazujących poprawę sprawności jako cel wykorzystania AI nie jest odsetkiem organizacji, w których udokumentowano wzrost sprawności. Podobnie deklaracja chęci ograniczenia kosztów nie oznacza, że koszty rzeczywiście spadły.

W dalszych tabelach wartości odnoszą się osobno do 55 obecnych i 15 potencjalnych użytkowników. Większość pytań dopuszczała kilka odpowiedzi, dlatego odsetki nie muszą sumować się do 100%.

AI pojawia się również w małych zespołach

Wśród przedsiębiorstw już korzystających z AI największą część stanowiły mikroorganizacje zatrudniające od jednej do dziewięciu osób. Podobna sytuacja występowała w grupie przygotowującej wdrożenie.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Tabela 2 publikacji; wartości zaokrąglono do jednego miejsca po przecinku.

Wynik pokazuje, że wykorzystanie AI jest możliwe także w niewielkich zespołach. Nie uprawnia jednak do stwierdzenia, że mikroprzedsiębiorstwa wdrażają ją częściej niż duże podmioty. Do takiego porównania potrzebowalibyśmy wiedzy o strukturze całego sektora oraz reprezentatywnego doboru organizacji.

W praktyce ważniejszy jest inny wniosek: programy wsparcia technologicznego powinny uwzględniać warunki pracy małych podmiotów. Rozwiązanie wymagające stałego zaangażowania kilku specjalistów może być dla nich niedostępne, nawet jeśli cena samej licencji wydaje się niewielka.

W badanej grupie obecnych użytkowników najliczniej reprezentowane były organizacje działające w obszarze zdrowia i dobrostanu — 21,8%, edukacji i szkoleń — 20% oraz wsparcia biznesu — 16,4%. Są to informacje o składzie próby, a nie ranking branż według poziomu wdrożenia AI.

Najczęstsze zastosowania dotyczą treści i organizacji pracy

Najczęściej wskazywaną formą wykorzystania AI było generowanie treści. Zdecydowanie rzadziej pojawiały się zaawansowane zastosowania analityczne.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Tabela 3 publikacji; wielokrotny wybór. W drugiej grupie: zamierzone zastosowania.

Taki rozkład sugeruje, że pierwsze zastosowania AI często dotyczą dobrze znanych obowiązków: przygotowania komunikacji, opracowania dokumentów i wykonywania powtarzalnych czynności. To obszary, w których organizacja może rozpocząć próbę bez budowania własnego modelu czy dużej infrastruktury danych.

Nie oznacza to jednak, że każde takie wdrożenie jest proste. Wygenerowanie opisu usługi zajmuje chwilę, ale trzeba jeszcze sprawdzić zgodność informacji z ofertą, poprawność języka i dopasowanie do odbiorców. Automatyzacja dokumentów wymaga ustalenia, które dane są aktualne i kto może z nich korzystać.

Szerokie kategorie zastosowane w ankiecie mają ograniczenia. „Generowanie treści” może oznaczać zarówno okazjonalne przygotowanie krótkiego wpisu, jak i codzienną pracę całego zespołu. „Automatyzacja procesów” nie określa stopnia integracji z innymi systemami ani zakresu nadzoru człowieka. Publikacja pokazuje więc obszary wykorzystania, lecz nie pozwala szczegółowo porównać dojrzałości wdrożeń.

Cel wdrożenia nie jest jeszcze jego rezultatem

Najczęściej deklarowanym celem korzystania z AI była poprawa sprawności operacyjnej.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Tabela 4 publikacji; wielokrotny wybór. Cele deklarowane, nie zmierzone efekty.

Różnica między grupami jest interesująca. Organizacje już wykorzystujące technologię częściej wskazywały cele związane z pracą wewnętrzną. Wśród potencjalnych użytkowników większy udział miała poprawa doświadczeń odbiorców.

Autorzy interpretują to jako możliwy proces uczenia się: przed wdrożeniem organizacje koncentrują się na oczekiwanych możliwościach, a wraz z doświadczeniem dostrzegają konkretne zastosowania w codziennej pracy.

To wiarygodne wyjaśnienie, ale nie jedyne. Porównywane organizacje mogą różnić się zasobami, rodzajem usług lub kulturą zarządzania. Badanie nie śledziło tych samych podmiotów przed wdrożeniem i po nim. Nie potwierdza zatem, że każda organizacja przechodzi taką samą drogę.

Dla praktyki wynika z tego potrzeba osobnego mierzenia rezultatów. Jeżeli celem jest oszczędność czasu, należy uwzględnić przygotowanie materiałów, obsługę narzędzia i sprawdzenie wyniku. Jeżeli chodzi o dostępność, trzeba zbadać doświadczenia konkretnych odbiorców. Sama deklaracja celu nie zastępuje takiej oceny.

Niewielkie wydatki nie opisują całkowitego kosztu

Według autorów 80% użytkowników AI deklarowało wydatki wdrożeniowe poniżej 1000 funtów. W grupie potencjalnych użytkowników 66,7% wskazało dotychczasowe wydatki poniżej tego progu. Opłaty licencyjne występowały u 60% obecnych użytkowników, a koszty szkolenia pracowników u 25,5%. Zewnętrznych konsultantów wskazało 3,6%.

Dane wspierają obraz wdrożeń ostrożnych finansowo i realizowanych małymi krokami. Nie należy jednak przekształcać ich w obietnicę, że „wdrożenie AI kosztuje mniej niż 1000 funtów”.

Publikacja nie przedstawia pełnego rachunku kosztów pozwalającego porównać wydatki organizacji w jednolitym okresie. Nie daje również szczegółowej wyceny czasu poświęconego przez pracowników na przygotowanie zasobów, ćwiczenia i poprawianie błędów.

Dla przedsiębiorstwa społecznego te elementy mogą być bardzo ważne. Nawet bezpłatne narzędzie wymaga uwagi zespołu. Płatne rozwiązanie może okazać się opłacalne, jeśli rozwiązuje rzeczywisty problem, lecz sama niska cena abonamentu nie przesądza o wartości wdrożenia.

Bariery kompetencyjne i bezpieczeństwo danych

W obu grupach istotnym problemem był brak wiedzy technicznej. Wśród obecnych użytkowników równie często wskazywano prywatność i bezpieczeństwo danych.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Tabela 5 publikacji; wielokrotny wybór.

Szczególnie duża różnica dotyczy niepewności zwrotu z inwestycji. Wśród planujących wdrożenie wskazało ją niemal co drugie przedsiębiorstwo, a wśród użytkowników mniej niż co dziesiąte.

Nie dowodzi to, że rozpoczęcie korzystania z AI automatycznie usuwa problem opłacalności. Możliwe, że do wdrożeń przystępowały przede wszystkim organizacje, które od początku widziały wyraźne zastosowanie lub mogły zaakceptować koszt eksperymentu.

Trzeba też pamiętać o małej liczebności grupy planującej wdrożenie. Przy 15 respondentach jedna odpowiedź odpowiada około 6,7 punktu procentowego. Pozornie precyzyjne odsetki nie powinny przesłaniać tej skali.

Etyka stanowi część decyzji organizacyjnej

Obawy etyczne dotyczące podejmowania decyzji przez AI wskazywało 34,5% obecnych użytkowników i 46,7% potencjalnych. Różnice kompetencji między zespołami zgłaszało odpowiednio 25,5% i 26,7%. Jednocześnie brak zauważalnych napięć deklarowało 45,5% użytkowników i 46,7% planujących wdrożenie.

W przypadku przedsiębiorstwa społecznego pytanie etyczne może dotyczyć bardzo konkretnej sytuacji: czy pracownik rozumie przygotowaną przez system instrukcję, czy odbiorca wie, że rozmawia z automatem, albo czy podsumowanie ankiet zachowuje doświadczenia osób należących do mniej licznej grupy.

Są to przykłady redakcyjne, a nie przypadki opisane w badaniu. Pokazują jednak, dlaczego ogólna deklaracja odpowiedzialnego korzystania z AI powinna zostać przełożona na zasady codziennej pracy.

Warto ustalić, kto zatwierdza rezultat, jak zgłasza się błąd i kiedy sprawę przejmuje człowiek. Potrzebne jest również określenie danych, z którymi zespół może pracować w wybranym narzędziu. Takie decyzje powinny poprzedzać rutynowe wykorzystanie technologii.

Wspieranie usług nie oznacza potwierdzenia bezpieczeństwa zatrudnienia

Większość obecnych użytkowników postrzegała przyszłą rolę AI jako uzupełnianie i ulepszanie usług.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Tabela 6 publikacji; wybrane odpowiedzi. Pytanie dotyczy usług, nie liczby etatów.

Wynik ten dotyczy przewidywań respondentów o usługach. Nie jest pomiarem zmian zatrudnienia.

Również niewielki udział wskazań dotyczących obaw pracowników o utratę pracy — 9,1% wśród obecnych użytkowników — nie dowodzi braku zagrożenia. Badanie nie było bezpośrednią ankietą pracowniczą i nie śledziło zmian liczby etatów.

W przedsiębiorstwie społecznym warto więc osobno określić, jaki jest cel automatyzacji. Może nim być ograniczenie przeciążenia administracją, ułatwienie wykonywania obowiązków lub poprawa dostępności stanowiska pracy. Efekt należy oceniać także z perspektywy osób zatrudnionych.

Organizacje potrzebują różnych ścieżek szkoleniowych

Ponad 70% respondentów w obu porównywanych grupach wskazywało potrzebę dostępu do narzędzi i infrastruktury. Szkolenia i rozwój potencjału były potrzebne 69,1% obecnych i 60% potencjalnych użytkowników. Wsparcie finansowe wskazało odpowiednio 61,8% i 60%.

Opracowanie IRiD Social na podstawie Steinera i współautorów (2025). Tabela 7 publikacji; wielokrotny wybór.

Te wyniki przemawiają za różnicowaniem programów. Organizacja rozpoczynająca pracę potrzebuje pomocy w rozpoznaniu zastosowań i zaplanowaniu próby. Zespół już korzystający z AI może potrzebować wsparcia w integracji narzędzi, automatyzacji i zarządzaniu danymi.

Autorzy rekomendują stopniowe rozwijanie kompetencji, dostęp do wspólnych zasobów oraz praktyczne wskazówki dotyczące odpowiedzialnego wdrażania. Wskazują też znaczenie uczenia się od innych przedsiębiorstw społecznych.

Dla polskich organizacji wspierających sektor można z tego wyprowadzić propozycję łączenia szkolenia z konsultacją wdrożeniową i późniejszą oceną rezultatów. Jest to wniosek praktyczny IRiD Social, a nie model zweryfikowany przez omawiane badanie.

Mocne strony publikacji

Największą wartością artykułu jest dostarczenie danych odnoszących się bezpośrednio do przedsiębiorstw społecznych. Pozwala to wyjść poza przykłady wielkich firm i ogólne prognozy dotyczące rynku AI.

Drugą zaletą jest jednoczesne uwzględnienie zastosowań, celów, kosztów, barier i potrzeb. Czytelnik otrzymuje szerszy obraz decyzji organizacyjnej. Może zobaczyć, że zainteresowaniu technologią towarzyszą potrzeby szkoleniowe oraz obawy o odpowiedzialność i dane.

Cenne jest również porównanie obecnych i potencjalnych użytkowników. Chociaż nie pozwala ono odtworzyć procesu zmian w czasie, pomaga formułować pytania do kolejnych badań i projektować bardziej zróżnicowane wsparcie.

Autorzy otwarcie opisują ograniczenia, deklarują brak potencjalnego konfliktu interesów i wyjaśniają zasady dostępu do danych. Dane źródłowe nie są publiczne z przyczyn etycznych i prywatności; możliwość dostępu wymaga kontaktu z autorem korespondencyjnym i uzgodnienia warunków.

Co ogranicza siłę wniosków

Dobrowolny udział wpływa na skład próby. Organizacje zainteresowane technologią mogły chętniej odpowiedzieć na ankietę. Nie należy zatem przedstawiać udziału użytkowników AI w próbie jako poziomu wdrożenia w całym brytyjskim sektorze.

Deklaracje nie zastępują obserwacji. Respondenci mogą różnie rozumieć korzystanie z AI, nie pamiętać wszystkich kosztów lub oceniać działania swojej organizacji bardziej pozytywnie.

Badanie nie mierzy efektów społecznych. Nie ustalono, czy wdrożenia poprawiły dostępność, jakość wsparcia lub sytuację osób, na rzecz których działają przedsiębiorstwa.

Porównanie grup nie pokazuje przebiegu zmian. Opisywana przez autorów ścieżka od prostych zastosowań do głębszej integracji pozostaje interpretacją wyników przekrojowych.

Organizacje nieplanujące wdrożenia zostały słabiej rozpoznane. Tymczasem ich decyzje mogłyby dostarczyć ważnych informacji o niedopasowaniu narzędzi, ograniczeniach zasobów lub świadomym wyborze innych metod pracy.

Kontekst brytyjski nie odpowiada automatycznie polskiemu. Różnice w systemie wsparcia, finansowaniu i rozumieniu przedsiębiorczości społecznej wymagają ostrożności przy przenoszeniu wyników.

Ograniczenia dotyczące samoopisu, jednorazowego pomiaru, braku wskaźników wyników i możliwości uogólniania wskazują również sami autorzy.

Przy korzystaniu z publikacji trzeba zauważyć także niedoskonałości redakcyjne. Tabela 6 zawiera niejasny dodatkowy wiersz z wartościami procentowymi, a tytuł tabeli 7 nie odpowiada dokładnie jej zawartości. Podsumowanie w tabeli 8 wymienia ryzyko utraty pracy wśród potencjalnych użytkowników, chociaż w tabeli 5 grupa ta ma 0% wskazań obaw pracowników o utratę pracy. Najbezpieczniej odwoływać się do konkretnych pytań i odpowiadających im wyników, z zachowaniem tych zastrzeżeń.

Jak wykorzystać tę wiedzę w polskiej ekonomii społecznej

Publikacja uzasadnia rozpoczęcie rozmowy o AI od procesu pracy. Organizacja powinna ustalić, jaką czynność chce usprawnić, kto ją wykonuje i po czym pozna, że zmiana jest korzystna.

Przykładowo przy przygotowywaniu informacji o szkoleniu można porównać czas pracy i liczbę poprawek. Przy porządkowaniu wiedzy sprawdzić poprawność odpowiedzi oraz możliwość odnalezienia źródła. Przy materiałach edukacyjnych ocenić zrozumiałość i dopasowanie do uczestników.

W każdym przypadku warto uwzględnić głos pracowników. Osoba wykonująca zadanie może zauważyć trudność niewidoczną z perspektywy kierownictwa: dodatkowy etap przepisywania danych, nieczytelny interfejs albo konieczność wielokrotnego sprawdzania pozornie gotowego wyniku.

Podobnie należy włączać odbiorców usług. Jeżeli AI ma ułatwiać dostęp do informacji, trzeba sprawdzić, czy korzystają z niej osoby o różnych kompetencjach cyfrowych i potrzebach komunikacyjnych. Wygodny panel dla zespołu nie przesądza o dostępności usługi dla uczestnika.

Proponowany przez IRiD Social pilotaż może obejmować kilka tygodni pracy z jednym zadaniem, jasną odpowiedzialność za weryfikację oraz krótkie podsumowanie korzyści i problemów. Dopiero na tej podstawie warto podejmować decyzję o rozszerzeniu zastosowania.

Wspierające sektor instytucje mogą pomóc, zapewniając konsultacje, przykłady pracy na fikcyjnych danych, dostęp do narzędzi i możliwość wymiany doświadczeń. Istotne jest przy tym utrzymanie rozwiązania: kto będzie aktualizował materiały, szkolił nowe osoby i reagował na zmianę działania narzędzia.

Są to rekomendacje redakcyjne inspirowane wynikami. Ich skuteczność powinna zostać oceniona w polskich warunkach.

Ocena końcowa

Artykuł Steinera, Mazzei, Caló i Liu jest wartościowym badaniem rozpoznawczym. Pokazuje przedsiębiorstwa społeczne jako aktywnych, choć ostrożnych użytkowników AI. Dostarcza konkretnych danych o zastosowaniach, celach i potrzebach, które można wykorzystać do przygotowania diagnozy organizacji lub programu wsparcia.

Najmocniejsze wnioski dotyczą tego, co respondenci deklarowali: częstego tworzenia treści, zainteresowania automatyzacją, znaczenia kompetencji i bezpieczeństwa danych oraz zapotrzebowania na narzędzia i szkolenia.

Słabsze są podstawy do twierdzeń o kolejnych etapach rozwoju wdrożenia, rzeczywistej opłacalności, wpływie na zatrudnienie i osiągniętych rezultatach społecznych. W tych obszarach potrzebne są badania długookresowe, pogłębione studia organizacji oraz niezależne wskaźniki efektów.

Dla przedsiębiorstwa społecznego najważniejsza pozostaje ocena konkretnej zmiany: czy pracownik może łatwiej wykonać zadanie, czy odbiorca otrzymuje lepsze wsparcie i czy organizacja potrafi odpowiedzialnie utrzymać nowy sposób działania. Omawiana publikacja pomaga postawić te pytania. Odpowiedzi trzeba sprawdzić we własnej praktyce.

Publikacja źródłowa i prawa autorskie

Autorzy badania: Artur Steiner, Micaela Mazzei, Francesca Caló, Gordon Liu.

Tytuł: How and Why Social Enterprises Adopt Artificial Intelligence: Opportunities, Challenges, and Future Implications for Research and Practice.

Czasopismo: Journal of Social Entrepreneurship. Publikacja online: 10 listopada 2025 r.

DOI i stały link: 10.1080/19420676.2025.2584843 — publikacja oryginalna.

Repozytorium uczelni: Glasgow Caledonian University — opis i dostęp do publikacji.

Pełny tekst: PDF udostępniony przez Social Enterprise Scotland.

Prawa do publikacji źródłowej: © 2025 Autorzy. Artykuł udostępniono na licencji Creative Commons Uznanie autorstwa 4.0 — CC BY 4.0. Licencja umożliwia udostępnianie i opracowywanie materiału z zachowaniem wymaganej atrybucji, linku do licencji oraz informacji o zmianach.

Charakter niniejszego tekstu: polskojęzyczne omówienie i krytyczna recenzja przygotowana dla IRiD Social. Nazwy kategorii przetłumaczono i miejscami skrócono; tabele odtworzono na podstawie wyników publikacji. Komentarze metodologiczne oraz rekomendacje dla polskich organizacji stanowią opracowanie redakcyjne i nie powinny być przypisywane autorom badania. Tekst nie jest pełnym tłumaczeniem artykułu ani publikacją zatwierdzoną przez jego autorów.

Zdjęcie ilustracyjne: Bermix Studio / Unsplash. Fotografia nie pochodzi z omawianego badania.