Wpływ GenAI na potencjał zarobkowy polskiej nauki

1. Komercjalizacja i transfer technologii

W ostatnich latach wyodrębnił się w Polsce wzrost liczby spółek typu spin-off i start-upów budujących swoje rozwiązania w oparciu o narzędzia generatywnej sztucznej inteligencji. Przykłady to CampusAI (platforma edukacyjna AI – pre-seed $10 mln[1]), startup AI Clearing (system monitoringu budów – seria A $14 mln[2]) czy Nomagic (robotyka magazynowa), a także globalnie wyróżniająca się firma ElevenLabs (tekst-do-mowy AI, założona przez Polaków, ostatnia runda $180 mln[3]). Zespół Pathway założony przez polskich naukowców (m.in. Łukasza Kaisera) opracował nowe architektury LLM (“Dragon Hatchling”), zdobywając klientów z NATO i Formuły 1[4] – co pokazuje, że innowacje badawcze mogą przekładać się na komercyjne wdrożenia. Według raportu State of AI in CEE 2024, polskie startupy AI pozyskały w 2024 ponad 171 mln EUR finansowania (np. ElevenLabs 73,6 mln, CampusAI 9,2 mln, Nomagic 8 mln)[5]. Liczba powstających spin-offów AI przy uczelniach ocenia się na kilkanaście, ale brak jest pełnych zestawień liczbowych.

Monetyzacja prac badawczych przez licencje czy sprzedaż patentów jest w Polsce w fazie początkowej. Nie udało się znaleźć danych o przychodach jednostek naukowych z licencji GenAI. Polskie ośrodki prowadzą czasem transfer technologii do przemysłu (np. prototypy AI dla przemysłu 4.0), ale skala tych transferów jest ograniczona. Ogólnie, polskie prace naukowe AI dopiero zaczynają znajdować zastosowania komercyjne – wciąż główną drogą monetyzacji pozostają inwestycje VC w startupy założone przez naukowców.

2. Granty i finansowanie

Polskie zespoły badawcze zdobywają granty na GenAI zarówno ze środków krajowych, jak i międzynarodowych. Narodowe Centrum Nauki (NCN) finansuje liczne projekty związane z generatywną SI – wyszukiwanie na stronie NCN pokazuje co najmniej kilkanaście projektów (np. w konkursach OPUS czy NCN PRELUDIUM) związanych z GenAI[6]. Dokładne sumy tych grantów nie są publicznie zestawione w prosty sposób, ale można zakładać, że łączna wartość projektów NCN na GenAI sięga kilkunastu–kilkudziesięciu milionów złotych. Również Narodowe Centrum Badań i Rozwoju (NCBiR) i Fundacja na rzecz Nauki Polskiej (FNP) finansują inicjatywy związane z AI, choć brak jest wyraźnych zestawień dot. samych projektów GenAI. Brakuje też danych o sukcesach konkretnych grantów GenAI – np. liczby wniosków czy wskaźników akceptacji dla polskich aplikacji.

W projektach unijnych także pojawia się GenAI. Zespoły polskie biorą udział w konkursach Horizon Europe i Europejskiej Radzie ds. Badań (ERC), ale nie znaleziono danych o liczbie i wartości takich grantów dedykowanych GenAI. Ogólnie polskie udział w HE rośnie – w ciągu pierwszych 258 konkursów programu Horizon Europe uzyskaliśmy około 88% wzrostu finansowania dla uczestników z Polski[7] (nie dot. konkretnego tematu GenAI). Wspomniany raport PFR/Google stwierdza, że sztuczna inteligencja może zwiększyć polskie PKB o nawet 8% do 2030 r., ale tempo absorpcji jest ciągle mniejsze niż w czołowych krajach UE[8]. To wskazuje, że dostęp do finansowania na badania i wdrożenia AI – zwłaszcza strategicznie istotne – wymaga wzmocnienia. Na razie większość finansowania AI w Polsce pochodzi z inwestycji prywatnych (VC/PE) – np. startupy pozyskały ponad 171 mln EUR [5] – a nie z grantów publicznych.

3. Współpraca nauka‑biznes

Współpraca uczelni z przemysłem nad GenAI rozwija się, ale nadal stanowi wyzwanie. Eksperci podkreślają konieczność budowania silniejszego ekosystemu innowacji i integracji nauki z biznesem[9]. Przykłady konkretnej współpracy genAI w Polsce nie są szeroko opisane w dostępnych źródłach. Wiadomo jednak, że powstają projekty badawcze we współpracy z firmami – np. uczelnie uczestniczą w tworzeniu „Fabryki AI” w Krakowie o wartości ~70 mln EUR[10], czy angażują się w komercyjne aplikacje AI (np. AI dla przemysłu, medycyny). Często partnerzy to duże firmy ICT oraz startupy. W ramach wspomnianej debaty Business Insider zauważono, że dla przyspieszenia prac badawczych na uczelniach potrzebne jest większe zaangażowanie firm prywatnych[11].

Nie udało się znaleźć danych liczbowych dotyczących wartości kontraktów badawczych AI polskich jednostek z przemysłem. Możemy założyć, że są one jeszcze niewielkie. Przykładowo, szacunki finansowania startupów sugerują raczej inwestycje typu prywatne w technologie spółek, nie zaś bezpośrednie kontrakty B+R (w raportach dominują dane o rundach VC[5]). Niewielka jest też liczba doniesień o wielomilionowych licencjach AI sprzedanych przez uniwersytety. Można więc wnioskować, że w aspekcie finansowym współpraca nauka–biznes nad GenAI dopiero się rozwija, a główne efekty to powstające spółki spin-off oraz wdrożenia niekiedy dofinansowane (np. przez granty NCBiR lub UE), lecz na razie jeszcze nie ma spektakularnych dochodów z licencji/patentów GenAI z polskich uczelni.

4. Kapitał ludzki i odpływ mózgów

Wyzwanie kadrowe jest jednym z najpoważniejszych ograniczeń. Eksperci wskazują, że główne bariery to odpływ utalentowanych naukowców do sektora prywatnego oraz brak kompetencji[9]. Polacy o umiejętnościach AI są bardzo poszukiwani przez duże firmy technologiczne (Big Tech) i zagraniczne ośrodki badawcze. Przykładowo, naukowcy polskiego pochodzenia (tak jak członkowie zespołu Pathway czy współautor modelu Transformer Łukasz Kaiser) często pracują w projektach globalnych. Nie ma precyzyjnych danych o liczbie wyemigrowanych badaczy AI w latach 2022–2025 – z pewnością jest to zjawisko dostrzegane w branży. Braki kadr pogłębia fakt, że wynagrodzenia w sektorze prywatnym są wielokrotnie wyższe niż w nauce. Przykładowo, media branżowe podają, że senior inżynier AI w polskim IT może zarabiać 20–40 tys. zł miesięcznie (a nawet więcej)[12], podczas gdy pensje akademików są zazwyczaj znacznie niższe (rzędu kilku–kilkunastu tysięcy zł). Taka różnica skłania wielu badaczy do przechodzenia do komercyjnych projektów.

Na podstawie dostępnych danych możemy więc stwierdzić, że polskie uczelnie tracą talenty AI. W dyskusji ekspertów forum ekonomicznego padły uwagi, że rozwiązaniem byłoby wzmocnienie atrakcyjności pracy akademickiej (np. lepsze finansowanie, tworzenie centrów badawczych), aby zatrzymać naukowców przy uczelniach[13][9]. Dotychczas brak jest systemowych danych o skali tzw. „brain drain” w GenAI – te obserwacje opierają się na wypowiedziach środowiska.

5. Publikacje i cytowania

Polskie zespoły badawcze publikują coraz więcej prac naukowych związanych z AI i uczeniem maszynowym, również w poddziedzinach pokrewnych generatywnej SI (np. NLP, uczenie głębokie). Liderami w publikacjach są duże uczelnie techniczne i uniwersytety (Warszawa, AGH, Wrocław, Poznań, UJ, itp.). Jednak przełożenie tych publikacji na korzyści finansowe jest trudne do zmierzenia. Nie znaleziono w źródłach konkretnych danych nt. liczby publikacji GenAI z polską afiliacją, wskaźników h-index czy cytowań. Można przypuszczać, że choć polskie zespoły są aktywne (setki artykułów rocznie), to w porównaniu z największymi ośrodkami światowymi ich wpływ bibliometryczny w GenAI jest relatywnie niewielki. Najbardziej cytowane polskie prace dotyczą zazwyczaj niszowych aspektów AI (np. w grach komputerowych, robotyce czy analizie języka), co raczej nie przekłada się na istotne przychody. Brak danych źródłowych uniemożliwia precyzyjną ocenę produktywności naukowej (h-index, cytowania) zespołów GenAI.

6. Infrastruktura i inwestycje

Badania nad GenAI wymagają potężnej infrastruktury obliczeniowej. Na szczęście w Polsce istnieje sieć superkomputerów i centrów obliczeniowych dostępnych dla naukowców. Przykładem są klastry EuroHPC: Helios i Athena na AGH, AlTair i Eagle w Poznaniu, Tryton i Tryton Plus w Gdańsku, Prometheus na AGH, a zwłaszcza systemy ICM UW – OKEANOS, TOPOLA i RYSY – gdzie RYSY (13 PFLOPS) jest największym polskim superkomputerem[14][15]. Dostępność takich zasobów dla projektów AI rośnie (np. przez programy PLGrid, EuroHPC), co wspiera prace badawcze.

Są też budowane centra kompetencji i centra doskonałości AI: np. Ministerstwo Cyfryzacji wspiera projekty związane z AI (jak „Projekt AI Tech” czy KrattAI), powołane zostało Narodowe Centrum Badawcze ds. AI w ramach grantu „AI Hub”, a PFR finansuje programy rozwojowe (Akademia Menadżera Innowacji – PARP[16], GovTech, itd.). Powstają też przemysłowe laboratoria i AI Factories (np. w Krakowie uruchamia się „Fabryka AI” Gaia za ~70 mln EUR[10]).

Mimo tego wciąż istnieją bariery infrastrukturalne: niewystarczające moce obliczeniowe na poziomie pojedynczych grup badawczych (konieczność dzielenia HPC z innymi dziedzinami), koszty utrzymania i energii dla AI, a także ograniczony dostęp do danych treningowych. Niezbędne są dalsze inwestycje w infrastrukturę GPU/AI (klastry AI, przechowywanie i transfer danych) oraz wsparcie finansowe na zakup mocy obliczeniowych przez uczelnie. Obecne zasoby to solidna baza, ale trudny jest do wyrównania dystans do wiodących centrów na świecie.

7. Ekosystem i polityka

Polska rozwija politykę wsparcia AI, lecz priorytetem pozostaje poprawa kompetencji i integracja środowiska. Rządowe programy (PARP, PFR, NCBiR) oferują inicjatywy wspierające innowacje: np. Akademia Menadżera Innowacji (PARP) – program szkoleniowo-doradczy dla MŚP[16], GovTech Polska (wsparcie innowacji w administracji publicznej), czy liczne konkursy grantowe na wdrożenia i badania (Narodowe Centrum Badań i Rozwoju, fundusze unijne). Ministerstwo Cyfryzacji przygotowało „Założenia Strategii AI”, rekomendując m.in. powołanie silnych liderów ekosystemu AI i wspieranie AI w spółkach Skarbu Państwa[17]. Dodatkowo NASK przygotowuje szczegółowe badania nt. wpływu GenAI na rynek pracy (raport w 2025 r.), co może wpłynąć na decyzje policyjne[18].

Polska „Strategia AI” (przyjęta w 2021 r.) ma na celu koordynację badań, edukacji i wdrożeń, ale jej wdrożenie i ścisła realizacja jest dopiero w toku. Polski Plan Finansowy i Narodowy Fundusz Badań i Rozwoju zawiera elementy wspierania cyfryzacji i AI, jednak wielu ekspertów zauważa braki we wsparciu przechodzenia od badań do biznesu. Dr Michal Krzykawski podkreślał w debacie, że rozwój AI będzie imponujący, lecz trzeba „nauczyć się myśleć w tym szumie” i nie oddawać pola firmom, których interesem jest tylko monetyzacja[19] – co wskazuje na potrzebę regulacji i mechanizmów kontroli finansowania AI.

Bariery administracyjne/prawne obejmują m.in. niepewność regulacyjną (zwłaszcza w zakresie praw autorskich do treści generowanych przez SI), fragmentaryczne finansowanie centrów badawczych oraz utrudnienia w komercjalizacji (brak rutynowych ścieżek doświadczonych komercjalizatorów). UE wprowadza nowe prawo (AI Act), które stworzy ramy odpowiedzialności – polskie prawo krajowe będzie musiało się z nim zharmonizować, co może spowodować dodatkowe wymagania dla przedsiębiorstw i uczelni (certyfikacja rozwiązań, audyty etyczne itp.). Na obecnym etapie rolą państwa jest więc przede wszystkim tworzenie zachęt finansowych i edukacyjnych, a także infrastruktury regulacyjnej (np. zachęty podatkowe dla projektów B+R AI), aby wspierać komercjalizację.

8. Benchmarking międzynarodowy

W skali regionu Europy Środkowo-Wschodniej Polska plasuje się w czołówce. Raport State of AI in CEE 2024 wskazuje, że wraz z Grecją i Chorwacją Polska pozyskała ponad 75% wszystkich funduszy na AI w regionie (CEŚ)[20]. Oznacza to, że polski ekosystem AI jest dojrzały w porównaniu z Czechami, Węgrami czy krajami bałtyckimi – które generują znacznie mniejsze inwestycje. Dobre praktyki z zagranicy mogą być inspiracją:

Izrael – tamtejszy sektor AI rozwija się dzięki ścisłej współpracy uczelni z przemysłem, dużym inwestycjom VC i wsparciu obronności. W Izraelu powstały setki firm AI, a rząd aktywnie stymuluje startupy (np. poprzez fundusze inkubacyjne)[21]. Polska mogłaby czerpać z tego modelu: silniej wspierać spin-offy uczelniane i zachęcać misje z izraelskimi ośrodkami (jak Technion, IAI) do partnerstw technologicznych.
Estonia – dzięki strategicznym inwestycjom państwowym i elastycznemu prawu kraje bałtyckie (szczególnie Estonia) rozwijają AI na poziomie administracji i społeczeństwa (np. systemy e-government, KrattAI). Polska może uczyć się od estońskiego podejścia do otwartych danych i centralizacji kompetencji (estoniański Research and Development Council AI).
Irlandia – jako mały kraj przyciąga duże zagraniczne inwestycje technologiczne (Data Centers, centra R&D firm globalnych) dzięki ulgą podatkowym i programom Enterprise Ireland oraz rządowymi grantami (SFI). Polska mogłaby inspirować się irlandzkim modelem: aktywne przyciąganie inwestorów AI (np. centra Google/Meta/IBM w Polsce) oraz wsparcie fiskalne dla projektów badawczych i uczelni prowadzących badania AI.

Podsumowując, choć w rankingu CEE Polska jest liderem finansowania AI[20], to krajom takim jak Izrael czy Stany (i nawet niektóre kraje UE) zależy na budowaniu pełnych ekosystemów, które łączą naukę, biznes i politykę. Wnioskiem dla Polski jest konieczność wzmocnienia tych powiązań. GenAI ma szansę na zwiększenie dochodów polskiej nauki, ale wymaga konkretnych działań: poprawy transferu technologii, wyszkolenia kadr, inwestycji infrastrukturalnych i jasnych regulacji.

Podsumowanie: Polska zbudowała podstawy ekosystemu GenAI – aktywne zespoły badawcze, pierwsze startupy, podstawowa infrastruktura HPC – ale na razie komercyjne efekty (licencje, zyski uczelni, patentowe dochody) są ograniczone. Najwięcej widocznych pieniędzy płynie poprzez finansowanie startupów (prywatne rundy VC, a nie granty uczelni). Aby GenAI realnie „zarabiał” na polskiej nauce, potrzebne są mechanizmy wsparcia: zachęty dla spin-offów, programy komercjalizacji, atrakcyjne kontrakty z przemysłem i zabezpieczenie praw własności intelektualnej. Osiągnięcia (jak wysokie inwestycje w AI czy prace takich zespołów jak Pathway) pokazują potencjał – ale bez adresowania barier (finansowania, kadr, praw) trudno mówić o znaczących przychodach nauki z GenAI. Źródła wskazują głównie na sukcesy prywatne (inwestycje w startupy AI[5]) i ogólne wyzwania (PFR: 8% wzrost PKB, ale brak kompetencji[8]; eksperci: odpływ talentów, brak funduszy[9]), co oznacza, że konkretnych liczb z polskich jednostek naukowych w obszarze GenAI – takich jak przychody czy patentowe dochody – w literaturze jeszcze nie znaleziono.

[1] [2] The Polish AI start-up helping firms navigate the digital transformation

https://emerging-europe.com/made-in-emerging-europe/the-polish-ai-start-up-helping-firms-navigate-the-digital-transformation/

[3] Polish-founded voice AI platform ElevenLabs secures $180M at a $3.3B valuation | Vestbee

https://www.vestbee.com/insights/articles/eleven-labs-secures-180-m

[4] Polish scientists’ startup Pathway announces AI reasoning breakthrough – English Section

https://www.polskieradio.pl/395/7784/artykul/3588855,polish-scientists-startup-pathway-announces-ai-reasoning-breakthrough

[5] [20] Raport „State of AI in CEE 2024”: Polska dominuje w finansowaniu AI. 170 mln EUR dla naszych startupów

https://mamstartup.pl/raport-state-of-ai-in-cee-2024-polska-dominuje-w-finansowaniu-ai-170-mln-eur-dla-naszych-startupow/

[6] Projekty finansowane przez NCN | Narodowe Centrum Nauki

https://projekty.ncn.gov.pl/index.php?slowokluczowe=Generatywna%20Sztuczna%20Inteligencja

[7] Poland takes strides in winning Horizon Europe funding | Science

https://sciencebusiness.net/news/poland-takes-strides-winning-horizon-europe-funding