1 godzina temu
W technologii łatwiej zdobyć budżet na nowy projekt niż zamknąć projekt, który przestał mieć sens — i właśnie ta asymetria coraz częściej kosztuje firmy więcej niż nietrafiona inwestycja.
Problem nie polega na tym, iż przedsiębiorstwa mają za mało pomysłów. Mają ich za dużo. AI, automatyzacja, chmura, cyberbezpieczeństwo i modernizacja aplikacji konkurują o ten sam kapitał, tych samych inżynierów i uwagę tych samych menedżerów. McKinsey w badaniu opublikowanym w lipcu 2026 roku pokazuje skalę napięcia: 40 proc. z ponad 1,2 tys. ankietowanych menedżerów uważa, iż model biznesowy ich firmy będzie wymagał istotnej zmiany w ciągu trzech lat, aby zachować ekonomiczną rentowność.
W takich warunkach strategia przestaje być katalogiem inicjatyw. Staje się systemem selekcji.
Firmy określane przez McKinsey jako „first movers” ponad trzykrotnie częściej niż najwolniejsi konkurenci przesuwają co najmniej 20 proc. zasobów rok do roku. Różnica nie sprowadza się więc do tego, kto wcześniej dostrzeże nową technologię. Znacznie ważniejsze jest to, kto potrafi zabrać kapitał, ludzi i uwagę z dotychczasowych przedsięwzięć i skierować je tam, gdzie pojawiła się większa szansa.
To trudniejsze, niż brzmi. Projekt technologiczny tworzy własną politykę przetrwania. Ma właściciela, zespół, budżet, roadmapę i wcześniejsze nakłady. Każdy kolejny miesiąc zwiększa koszt przyznania, iż pierwotna hipoteza była błędna. W ten sposób decyzja inwestycyjna stopniowo zmienia się w decyzję reputacyjną.
AI zwiększa cenę niezdecydowania
Sztuczna inteligencja jest dziś najlepszym laboratorium tego zjawiska. Według McKinsey w 2025 roku 88 proc. badanych organizacji używało AI przynajmniej w jednej funkcji biznesowej, ale tylko 7 proc. deklarowało pełne wdrożenie technologii w skali organizacji. Kolejne 31 proc. było na etapie skalowania, reszta przede wszystkim eksperymentowała lub prowadziła pilotaże.
Gartner podaje z kolei, iż do końca 2025 roku co najmniej połowa projektów generatywnej AI została porzucona po proof of concept. Przyczynami były m.in. słabe dane, niewystarczająca kontrola ryzyka, rosnące koszty i brak jasnej wartości biznesowej.
Sama liczba zamkniętych projektów nie świadczy jednak o fiasku AI. W dobrze zarządzanym portfelu część eksperymentów powinna kończyć się właśnie w ten sposób. Znacznie bardziej niepokojąca byłaby organizacja, w której prawie każdy pilotaż przechodzi do produkcji. Oznaczałoby to albo wyjątkową nieomylność, albo brak mechanizmu eliminacji.
Amazon: zamknąć Amazon Care, zostawić AWS
Amazon dobrze pokazuje, iż rezygnacja nie jest przeciwieństwem ambicji. Po gwałtownej ekspansji w czasie pandemii firma przeprowadziła przegląd działalności „business by business, invention by invention”. Andy Jassy opisywał, iż Amazon analizował potencjał poszczególnych przedsięwzięć pod kątem przyszłych przychodów, zysku operacyjnego, przepływów pieniężnych i zwrotu z zainwestowanego kapitału.
Efektem było zamknięcie m.in. Amazon Care, projektu Amazon Fabric, sklepów Bookstores i 4 Star oraz części przedsięwzięć sprzętowych, dla których firma nie widziała drogi do odpowiedniego zwrotu. Jednocześnie Amazon nie ograniczył inwestycji w przedsięwzięcia, do których miał znacznie większe przekonanie.
Najważniejszym przykładem jest AWS. Podczas kryzysu finansowego 2008–2009 Amazon przez cały czas inwestował w chmurę, choć firma była wówczas kojarzona przede wszystkim z handlem internetowym. Piętnaście lat później AWS osiągał tempo przychodów rzędu 85 mld dolarów rocznie.
Nie chodziło więc o cięcie wszystkiego. Chodziło o różnicowanie jakości zakładów.
Koszt projektu jest większy niż jego budżet
Mark Zuckerberg ujął podobny problem podczas „Year of Efficiency” w Meta. Po redukcji zatrudnienia firma zauważyła, iż część procesów zaczęła działać szybciej. Zuckerberg wskazywał przy tym na niedoszacowany koszt projektów o niższym priorytecie.
Projekt może wyglądać racjonalnie, jeżeli zestawi się jego bezpośredni koszt z generowaną wartością. W rzeczywistości potrzebuje jeszcze menedżera, inżynierów, rekrutacji, infrastruktury, obsługi HR, czasu innych zespołów i kolejnych warstw koordynacji. Meta zaczęła więc likwidować przedsięwzięcia dublujące się lub mające niższy priorytet.
W 2023 roku zatrudnienie w firmie spadło o 22 proc., przychody wzrosły o 16 proc., a marża operacyjna z 25 do 35 proc. Nie można przypisać całej poprawy restrukturyzacji — wpływ miało również odbicie rynku reklamowego i rozwój podstawowego biznesu — ale przypadek Meta dobrze pokazuje, jak duże koszty mogą ukrywać się poza samym budżetem projektu.
Google ze Stadią pokazał jeszcze inną możliwość. Zamknął konsumencką usługę cloud gamingu po tym, jak nie zdobyła oczekiwanej popularności, ale zachował technologię i wykorzystał kompetencje zespołu w innych częściach firmy, w tym YouTube i Google Play.
To być może najważniejsza różnica między organizacją, która eksperymentuje, a organizacją, która jedynie mnoży projekty. Rezygnacja z produktu nie musi oznaczać utraty technologii, wiedzy ani ludzi. Może oznaczać odzyskanie tych zasobów.
W gospodarce, w której dostęp do modeli AI, chmury i narzędzi programistycznych coraz rzadziej stanowi trwałą przewagę samą w sobie, rośnie znaczenie jakości alokacji. Kapitał jest ograniczony. Najlepsi specjaliści są ograniczeni. Uwaga zarządu jest ograniczona najbardziej.
Przewagę zyskuje więc nie firma, która potrafi rozpocząć najwięcej projektów, ale ta, która najszybciej rozpoznaje, które z nich nie powinny dostać kolejnego roku życia.
