CIO w całej Europie – mimo presji na budżety i ograniczonego wzrostu zatrudnienia – zamierzają przede wszystkim inwestować w oprogramowanie, aby nadążyć za ekspansją funkcji opartych na sztucznej inteligencji.

Gartner przewiduje, że wydatki użytkowników końcowych na modele GenAI wzrosną w Europie o 78,2% już w 2026 r .

AI i chmura

Rok 2026 ma być przełomowy nie tylko dla samej AI, ale również dla infrastruktury chmurowej. Gartner zwraca uwagę, że inwestycje w chmurę napotkają pewne turbulencje – głównie ze względu na rosnące wymagania w zakresie suwerenności cyfrowej i potrzebę lokalizacji usług bliżej użytkowników .

Prognozowany wzrost wydatków na usługi chmury publicznej (public cloud services) Gartner szacuje na 24% w 2026 r.

To trend widoczny już od kilku lat: polityka, regulacje i bezpieczeństwo narodowe coraz silniej wpływają na decyzje technologiczne. Według Gartnera, do 2027 r. aż 35% krajów będzie korzystać z „regionalnych platform AI”, opartych na lokalnych danych i standardach — to ogromny skok z dzisiejszych 5% . Jeśli ten scenariusz się sprawdzi, dostawcy chmury i AI będą musieli współpracować z lokalnymi graczami, by sprostać rosnącej liczbie wymagań regulacyjnych.

AI napędza popyt na infrastrukturę

Boom na AI nie kończy się na oprogramowaniu. W efekcie rośnie zapotrzebowanie na serwery zoptymalizowane pod kątem obsługi aplikacji AI.

W Europie wydatki na serwery AI mają osiągnąć 46,8 mld dolarów w 2026 r., wobec 39,3 mld w 2025 r., co nadal pozostawia stary kontynent daleko za Ameryką Północną (170 mld) i Chinami (67 mld) .

Jakie są tego powody? Gartner wskazuje m.in. na: presję regulacyjną, rosnącą konkurencję między państwami, napięcia geopolityczne oraz priorytety bezpieczeństwa narodowego. Europa chce być w stanie tworzyć i utrzymywać własne systemy AI, zamiast polegać na zagranicznych dostawcach.

Software i urządzenia w górę, ceny również

W 2026 r. największym priorytetem wydatkowym europejskich CIO pozostanie oprogramowanie, które ma dostarczać bardziej inteligentne, efektywne i spersonalizowane rozwiązania.

Jednocześnie Gartner odnotowuje, że wzrost wydatków na software wynika również z… coraz wyższych cen, podnoszonych niemal we wszystkich kategoriach oprogramowania .

Podobny trend dotyczy urządzeń: producenci dodają funkcje AI, a koszt dodatkowego sprzętu przekłada się na wyższe ceny końcowe.

Co to oznacza dla CIO i firm technologicznych?

• AI przestaje być opcją, a staje się obowiązkiem: Rozwiązania GenAI są wbudowywane w niemal każdy produkt software’owy.
• Czas na przegląd strategii chmurowej: Wymogi suwerenności cyfrowej i lokalizacji danych będą coraz ważniejsze.
• Infrastruktura AI to nowy wyścig zbrojeń: Kraje i firmy będą walczyć o niezależność ekosystemu technologicznego.
• Rosną koszty licencji i urządzeń: Budżety IT muszą uwzględnić inflację cen technologicznych, a nie tylko zwiększone zapotrzebowanie.

(grafika tytułowa utworzona przez ChatGPT)

Artykuł Wydatki IT w Europie wzrosną o 11% w 2026 roku. Top inwestycje: AI, chmura i cyberbezpieczeństwo pochodzi z serwisu IT-Filolog.

Raport Atlassian „State of Teams” ujawnia, że pracownicy w firmach z listy Fortune 500 marnują rocznie 2,4 mld godzin na szukanie potrzebnych danych. Problemem są jednak nie tylko zagubione czy nieposegregowane dokumenty, ale także udostępnianie właściwych informacji w nieodpowiednich miejscach. Rozproszone dane, ukryte w e-mailach, czatach, arkuszach i prywatnych notatkach, utrudniają tzw. obieg pracy. Każdy, kto choć raz bezskutecznie próbował odnaleźć ważny plik, wie, że czasami to nie tylko wymaga czasu, ale jest też źródłem frustracji i czynnikiem obniżającym produktywność.

Dane niegotowe na AI

Z badań rynkowych wynika, że jedynie co 10 firma posiada dane w formie gotowej do wykorzystania przez sztuczną inteligencję. Reszta wciąż zmaga się z problemem chaosu informacyjnego, silosów i braku ustrukturyzowanych zasobów. Z raportu PMR Market Experts dowiadujemy się, że w Polsce aż 2/3 przedsiębiorstw wstrzymało lub zrezygnowało z projektów AI, często właśnie z powodu niewystarczającej jakości danych. Jednocześnie tylko 12% globalnych firm uważa, że ich dane są w pełni gotowe do zastosowania w narzędziach sztucznej inteligencji.

Od silosów do spójności – rola standardów

W praktyce problemem wielu organizacji nie jest brak danych, ale ich rozproszenie i niespójność. Firmy gromadzą informacje w różnych systemach – od CRM i ERP po arkusze Excela – co utrudnia ich integrację i efektywne wykorzystanie.

W odpowiedzi na te wyzwania powstała inicjatywa Open Semantic Interchange (OSI), którą wspólnie rozwijają Snowflake, Salesforce, dbt Labs, RelationalAI oraz BlackRock. Jej celem jest stworzenie uniwersalnych ram semantycznych, pozwalających firmom „porozumiewać się jednym językiem” w zakresie danych. Dzięki temu organizacje mogą szybciej wdrażać narzędzia AI i Business Intelligence, ograniczając ryzyko błędów wynikających z niespójnych definicji czy rozproszonych metadanych.

AI przyspiesza pracę

Badania przeprowadzone przez firmę Algolytics pokazują, że zastosowanie sztucznej inteligencji w procesach analitycznych znacząco zwiększa efektywność pracy zespołów zajmujących się danymi. W testowanych scenariuszach AI skracała czas potrzebny na wykonanie zadań analitycznych średnio o 60–80%, przy jednoczesnym zachowaniu wysokiej jakości wyników.

Algolytics wskazuje, że największe korzyści z wdrożenia AI dotyczą automatyzacji powtarzalnych czynności, takich jak przygotowanie danych, selekcja zmiennych czy testowanie modeli. Dzięki temu analitycy mogą skoncentrować się na interpretacji wyników i rekomendacjach biznesowych, zamiast tracić czas na techniczne aspekty procesu.

Badanie Algolytics jednocześnie potwierdza, że luka między deklaracjami a praktyką jest ogromna. Choć coraz więcej organizacji mówi o wykorzystywaniu danych i AI, to tylko jedna na trzy faktycznie włącza je do codziennych procesów.

AI jako partner decyzyjny

Analitycy Gartnera przewidują, że sztuczna inteligencja będzie odgrywać coraz większą rolę w procesach decyzyjnych i analitycznych w organizacjach. Do 2027 r. połowa decyzji biznesowych ma być wspierana lub całkowicie zautomatyzowana przez agentów AI, co oznacza przełom w sposobie, w jaki firmy wykorzystują dane i analitykę.

Gartner przewiduje, że do 2028 r. 30% projektów GenAI wdrażanych na szeroką skalę będzie tworzonych wewnętrznie, a nie opartych na gotowych rozwiązaniach. Budowanie własnych modeli daje większą kontrolę i elastyczność, ale wymaga jasnych kryteriów decyzyjnych – od kosztów i dostępnych kompetencji po zgodność z regulacjami.

Podsumowując, sztuczna inteligencja nie rozwiąże problemów z analityką danych sama. Aby była skuteczna, potrzebuje wysokiej jakości danych i kompetentnych specjalistów.

Cały artykuł Analityka danych potrzebuje wsparcia AI został opublikowany w listopadowym wydaniu miesięcznika „IT Professional”.

(grafika tytułowa – źr. Pixabay)

Artykuł Analityka danych potrzebuje wsparcia AI pochodzi z serwisu IT-Filolog.

Według szacunków Synergy Research Group, przychody z tzw. neocloudów (nowoczesnych chmur obliczeniowych) przekroczyły 5 mld dolarów w drugim kwartale 2025 r., co oznacza wzrost o 205% w porównaniu z rokiem poprzednim. Analitycy prognozują, że do końca roku wartość tego rynku przekroczy 23 mld USD, a do 2030 r. może osiągnąć aż 180 mld USD, przy średnim rocznym tempie wzrostu na poziomie 69%.

Czym są neocloudy?

Neocloudy to nowa generacja wyspecjalizowanych platform chmurowych, które koncentrują się na infrastrukturze GPU i są projektowane głównie z myślą o obsłudze obciążeń związanych ze sztuczną inteligencją (AI). Ich główne usługi to:

• GPUaaS (GPU as a Service) – udostępnianie mocy obliczeniowej GPU w modelu usługowym,
• platformy GenAI – kompleksowe środowiska do tworzenia i uruchamiania generatywnych modeli AI,
• centra danych o wysokiej pojemności – zoptymalizowane pod potrzeby AI i HPC.

Wiodącymi graczami na rynku neocloudów są m.in. CoreWeave, Crusoe, Lambda, Nebius oraz OpenAI. Ta ostatnia, dzięki swoim inicjatywom Stargate, pozostaje jednym z kluczowych uczestników rynku i wprowadza także model subskrypcyjny SaaS dla usług opartych na generatywnej AI.

Poza liderami istnieje długa lista mniejszych firm (takich jak Altair, Core42, DataRobot, Hive Digital, Together AI czy WhiteFiber), które dopiero wchodzą na rynek lub wywodzą się z branży kryptowalut, przekształcając swoje farmy GPU w centra usług obliczeniowych.

Konkurencja z gigantami chmury

Choć giganci tacy jak Amazon, Microsoft i Google również oferują usługi GPU i generatywnej AI, neocloudy wyróżniają się ścisłą specjalizacją – koncentrują się wyłącznie na mocy GPU, rezygnując z szerokiego portfolio typowych usług chmurowych. Według przedstawicieli branży, taka strategia przynosi wymierne korzyści wydajnościowe i kosztowe.

Eksplozja popytu na AI

– Wokół neocloudów, projektów takich jak Stargate czy gigawattowych kampusów obliczeniowych unosi się sporo marketingowego dymu, ale jeśli spojrzymy na liczby, to wzrosty są naprawdę imponujące – mówi cytowany w komunikacie Jeremy Duke, założyciel i główny analityk Synergy Research Group.

Usługi GPUaaS i platformy GenAI rosną obecnie w tempie około 165% rocznie, a neocloudy sukcesywnie zdobywają udział w rynku – zwłaszcza w segmentach, gdzie tradycyjni dostawcy chmur mają trudności z nadążeniem za rosnącym zapotrzebowaniem na zasoby AI.

(grafika tytułowa – źr. Pixabay)

Artykuł Neocloud – nowy trend w chmurze AI i GPUaaS pochodzi z serwisu IT-Filolog.