Sztuczna inteligencja z korzeniami w Polsce. Lokalny wkład w globalną rewolucję AI

Kiedy słyszymy „sztuczna inteligencja”, nasze myśli niemal automatycznie kierują się ku Stanom Zjednoczonym. OpenAI, Google, Anthropic, xAI – to właśnie te firmy nadają dziś ton rozmowom o przyszłości technologii. To one wyznaczają standardy, według których mierzy się dziś całą branżę.

Nie chodzi jednak wyłącznie o widoczność. Mówimy o realnej hegemonii: koncentracji kapitału, talentu i infrastruktury w jednym, wyjątkowo silnym ekosystemie. W globalnej narracji tuż za USA pojawiają się Chiny, które z „fabryki świata” dynamicznie przekształcają się w lidera technologii AI. Wszystko przy silnym wsparciu państwa i wykorzystaniu mechanizmów centralnego planowania.

Na tym tle Europa wydaje się pozostawać w cieniu. Obecna, lecz rzadko postrzegana jako źródło przełomów. Częściej kojarzy się z regulacjami niż innowacją. Bardziej wnikliwi obserwatorzy wskażą pojedyncze wyjątki, takie jak francuski startup Mistral AI, rozwijający własne duże modele językowe. Polska natomiast w tej opowieści pojawia się sporadycznie – o ile w ogóle.

A przecież to obraz niepełny.

Polski ślad w globalnych projektach AI

Za technologiami, które dziś definiują rozwój AI – ich architekturą, modelami i przełomowymi badaniami – stoi całe grono wybitnych polskich umysłów. Polskie firmy, takie jak ElevenLabs, Synerise czy Tidio, budują globalne produkty technologiczne i zdobywają klientów na całym świecie.

Z kolei lokalne inicjatywy – jak rodzina otwartych modeli językowych Bielik.AI czy projekty PLLuM i HIVE AI – zyskują międzynarodowe uznanie oraz coraz wyższe pozycje w rankingach.

„Nie wiem, co Polska robi, że produkuje takie talenty”

Jakub Pachocki, absolwent Wydziału Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego, od 2024 roku pełni funkcję Chief Scientist w OpenAI. To najwyższe stanowisko naukowe w organizacji odpowiedzialnej za ChatGPT. Urodzony w Kluczborku Wojciech Zaremba jest współzałożycielem tej samej firmy. Obok nich pracują m.in. Szymon Sidor i Łukasz Kaiser. Polacy tworzą dziś jeden z największych narodowych zespołów w OpenAI.

„Polacy w OpenAI cechują się hardcorowym technicznym skillem” – mówił w 2023 roku w Warszawie Szymon Sidor. „Nie wiem, co Polska robi, że produkuje takie talenty” – wtórował mu Sam Altman, CEO OpenAI.

Nieformalna „polska mikrokultura” w OpenAI to coś więcej niż statystyczna ciekawostka. To dowód na siłę kompetencji budowanych w naszym kraju przez dekady: solidnej edukacji matematycznej, tradycji olimpiad informatycznych i wysokiej kultury inżynierskiej. Kapitału, który dziś znajduje zastosowanie w najbardziej zaawansowanych projektach technologicznych na świecie.

Ten potencjał intelektualny jest dziś naszym wspólnym zasobem – i wspólną odpowiedzialnością. Sama obecność Polaków w Dolinie Krzemowej nie wystarczy, by wynieść Polskę do grona liderów AI. W tym kontekście kluczowe pytanie brzmi: czy potrafimy stworzyć warunki, w których ten talent będzie budował także polskie firmy, produkty i trwałą pozycję w globalnej gospodarce cyfrowej?

To wyzwanie nie dotyczy wyłącznie rządu czy uczelni. Dotyczy każdej organizacji, która dziś podejmuje decyzje o tym, z jakich narzędzi AI korzysta i jakie ekosystemy wspiera swoimi wyborami.

Własne modele, dane i kontekst

Globalny sukces polskich specjalistów to tylko część obrazu. Równolegle – i to jedna z najważniejszych zmian ostatnich lat – Polska zaczyna budować własną warstwę infrastruktury AI. Modele językowe, trenowane na polskich danych, w języku polskim i z myślą o lokalnym kontekście – kulturowym, biznesowym i prawnym.

Bielik, rozwijany przez fundację SpeakLeash przy wsparciu superkomputerów Cyfronet AGH, to dziś jeden z najważniejszych polskich projektów open source w obszarze AI. Jego pierwsza wersja opierała się na architekturze Mistral i była trenowana m.in. na polskich dokumentach prawnych, ustawach i zasobach Wikipedii.

W 2025 roku projekt zyskał wsparcie Rafała Brzoski i trafił do aplikacji mobilnej InPost. Na początku 2026 roku zaprezentowano jego trzecią wersję. Jedną z kluczowych przewag Bielika pozostaje możliwość lokalnego uruchamiania – bez konieczności przekazywania danych do zewnętrznych chmur.

PLLuM (Polish Large Language Model), zaprezentowany przez Ministerstwo Cyfryzacji w lutym 2025 roku, to z kolei inicjatywa instytucjonalna. Projekt realizowany przez konsorcjum z udziałem Politechniki Wrocławskiej i NASK, z budżetem 14,5 mln zł, ma na celu stworzenie otwartego modelu językowego dla administracji publicznej. Obecnie inicjatywa rozwija się w szerszy projekt HIVE, którego ambicją jest budowa całego ekosystemu polskich modeli AI.

Powstające modele obejmują różne klasy – od mniejszych (ok. 8 mld parametrów), które mogą działać lokalnie, po znacznie większe (do 70 mld), zdolne do bardziej złożonego rozumowania i obsługi wymagających zastosowań.

Małe i duże modele językowe – różne narzędzia do różnych celów

Jednym z najczęstszych błędów w dyskusji o AI jest traktowanie modeli językowych jako jednej, spójnej kategorii. Tymczasem modele z rodziny GPT czy Gemini oraz lokalny model 8B to zupełnie odmienne narzędzia, projektowane z myślą o innych zastosowaniach i obarczone innym profilem ryzyka.

Duże modele językowe operują na dziesiątkach miliardów parametrów. Świetnie radzą sobie z zadaniami wymagającymi szerokiej wiedzy, wieloetapowego rozumowania czy generowania złożonego kodu. Ich wykorzystanie wiąże się jednak z wysokimi kosztami obliczeniowymi – oraz, co równie istotne, z przetwarzaniem danych na infrastrukturze dostawcy.

Małe modele – takie jak Bielik w wersjach 8B czy 12B – można uruchamiać lokalnie: na własnym serwerze, a w niektórych przypadkach nawet na laptopie. Są projektowane pod konkretne scenariusze – od obsługi klienta w języku polskim, przez analizę dokumentów prawnych, po przetwarzanie danych medycznych. W takich zastosowaniach często dorównują większym modelom jakością, przy znacznie niższych kosztach i pełnej kontroli nad danymi.

Dla wielu organizacji – szczególnie w sektorach regulowanych, takich jak bankowość, ochrona zdrowia czy administracja publiczna – ta różnica ma kluczowe znaczenie. Pytanie nie brzmi już „czy korzystać z AI?”, ale: jaki model wybrać, na jakich danych go oprzeć i jak zapewnić bezpieczeństwo przetwarzanych informacji?

Kiedy sięgnąć po LLM, a kiedy po mały model językowy (SLM)?

To pytanie, które dziś zadaje sobie coraz więcej zespołów technicznych i decydentów biznesowych. Grzegorz Gorczyca, Solutions Architect & Team Lead w Vercom, który na co dzień korzysta z tego rodzaju rozwiązań, wskazuje dwa fundamentalne kryteria wyboru.

Co jednak, gdy organizacja potrzebuje zarazem zaawansowanej analizy i ścisłej ochrony danych? Grzegorz Gorczyca opisuje podejście hybrydowe, które pozwala pogodzić oba wymagania:

W takich sytuacjach można skorzystać z dużego modelu, żeby przeanalizować hipotetyczną sytuację, przygotować plan i rozbić go na mniejsze zadania. Natomiast z samym wykonaniem precyzyjnie rozpisanego planu spokojnie powinien sobie poradzić lokalny model. Dodatkowo takie podejście pozwoli zoptymalizować koszty.

Europejskie reguły, lokalna odpowiedzialność

EU AI Act, NIS2, DORA, RODO to regulacje, które dziś wyznaczają ramy wykorzystania AI dla każdej organizacji działającej w Unii Europejskiej. Globalni dostawcy z Doliny Krzemowej czy Azji często mierzą się z nimi dopiero na etapie wdrożenia – nierzadko przenosząc ciężar tej adaptacji na swoich klientów.

Europejskie organizacje, które od początku projektują rozwiązania AI z myślą o lokalnym rynku, funkcjonują w tych realiach na co dzień.

Lokalność w AI nie jest przejawem technologicznego nacjonalizmu. To kwestia odpowiedzialności – za dane, zgodność z regulacjami i zaufanie klientów. Odpowiedzialności, którą najłatwiej budować w kontekście, który naprawdę rozumiemy.

Dlaczego współpraca z globalnymi graczami jest niezbędna

Stawianie polskich modeli w opozycji do globalnych byłoby błędem. Bielik powstał na bazie architektury Mistral. PLLuM korzysta z otwartych technologii trenowania rozwijanych przez międzynarodową społeczność badawczą.

To nie jest słabość. To racjonalny podział pracy.

Anthropic, Google czy OpenAI dysponują zasobami obliczeniowymi, danymi i skalą inwestycji, których żaden europejski podmiot nie jest w stanie odtworzyć w krótkim czasie. 

Zdrowy ekosystem AI przypomina piramidę. U jej podstaw znajdują się modele fundacyjne rozwijane przez globalnych graczy. Wyżej – modele wyspecjalizowane, dopasowane do języka, regulacji i konkretnych sektorów. Na szczycie – produkty i usługi rozwiązujące realne problemy użytkowników.

Polacy są potrzebni na każdym z tych poziomów. I na każdym z nich już odgrywają istotną rolę.

Bez kompleksów na arenie międzynarodowej

Przez lata Polska eksportowała talent. Najlepsi wyjeżdżali do Cambridge, Stanfordu czy San Francisco – i tam odnosili sukcesy. Dziś coraz częściej zostają: zakładają firmy, budują modele, tworzą kod, który napędza produkty używane przez miliony ludzi na całym świecie.

Coraz wyraźniej widać też inne zjawisko: glokalność. Polskie firmy budują rozwiązania, które działają globalnie – ale są projektowane z głębokim zrozumieniem lokalnego kontekstu. Języka, regulacji, oczekiwań klientów.

W praktyce oznacza to coś więcej niż tłumaczenie interfejsu, czy nawet lokalizacja warstwy user experience. To również decyzje architektoniczne: gdzie przetwarzane są dane, jakie modele są wykorzystywane, jak wygląda zgodność z regulacjami w różnych jurysdykcjach.

Co glokalność oznacza w praktyce?

Dobrą ilustracją tego podejścia jest MessageFlow – platforma komunikacyjna, która obsługuje klientów na wielu rynkach europejskich jednocześnie. Michał Busz, Head of International Sales w MessageFlow, wyjaśnia, jak firma przekłada tę filozofię na konkretne działania.

Drugi wymiar to dogłębna znajomość lokalnych rynków: zwyczajów konsumenckich, oczekiwań wobec komunikacji – wiedzą tą aktywnie dzielimy się z klientami, żeby ich kampanie były zaprojektowane pod realia rynku, a nie pod globalne uśrednienia – zwraca uwagę Michał Busz.

Wspieranie polskich inicjatyw AI to nie tylko patriotyczny gest, ale przede wszystkim inwestycja w jakość narzędzi, z których sami będziemy w przyszłości korzystać. I decyzja o tym, czy Polska pozostanie rynkiem dla cudzych technologii, czy stanie się ich współtwórcą.

Mamy kompetencje. Mamy zaplecze. Teraz kluczowe jest, jak je wykorzystamy.