Agenci AI na skalę przedsiębiorstwa: Jak playbook McKinsey z 25 000 agentów redefiniuje rynek pracy w 2026

Najśmielsze wdrożenie AI agents w przedsiębiorstwie na świecie ma nazwę rozpoznawalną dla każdego.

McKinsey zatrudnia 60 000 osób. 40 000 z nich to ludzie. 25 000 to AI agents.

To stanowi 42% wszystkich pracowników McKinsey. A CEO firmy twierdzi, że to dopiero początek.

CEO Bob Sternfels potwierdził: McKinsey dodało 25 000 AI agents do swojego zespołu w niecałe dwa lata. Cel firmy do końca 2026: jeden AI agent na każdego ludzkiego pracownika — cel 40 000 agents, który uplasowałby proporcję agent-człowiek na 1:1.

To nie pilotaż. To nie eksperyment. To najbardziej prestiżowa firma konsultingowa na świecie, która uruchomiła AI agents jako kluczowy element swojego modelu biznesowego, przekształcając swoją kadrę, model świadczenia usług i — zdaniem Sternfelsa — sam model biznesowy.

Ten artykuł to szczegółowa analiza tego, co McKinsey faktycznie robi, dlaczego ma to znaczenie wykraczające poza branżę konsultingową, jaka jest reakcja konkurencji, jak wygląda wyzwanie pomiarowe oraz co cel 1:1 agent-człowiek oznacza dla każdego przedsiębiorstwa obserwującego rozwój sytuacji.

Liczby

40 000 ludzi + 25 000 AI agents = 60 000 pracowników

Struktura zatrudnienia w McKinsey to główny temat. 25 000 AI agents to nie błąd zaokrąglenia ani symboliczne wdrożenie — to strukturalna restrukturyzacja sposobu, w jaki firma świadczy swoje usługi. A tempo wdrażania sugeruje, że przyspiesza, a nie zwalnia.

Dodano 25 000 agents w niecałe dwa lata

Tempo ma znaczenie tak samo jak skala. Od około 2024 do początku 2026 roku McKinsey wdrożyło 25 000 AI agents. To średnio około 1 000 agents miesięcznie. Tempo wdrażania — nie tylko skumulowana suma — to to, na czym powinni skupić się liderzy przedsiębiorstw.

Cel: 40 000 AI agents do końca 2026 = proporcja 1:1 z ludzkimi pracownikami

Cel 1:1 to benchmark, który zdefiniuje wyścig AI agents w przedsiębiorstwach. Jeśli McKinsey — firma usługowa, której „produktem" jest ludzka ekspertyza i osąd — może osiągnąć proporcję agent-człowiek 1:1, pytanie dla innych przedsiębiorstw przesuwa się z „czy to możliwe?" na „jak to zrobić?".

QuantumBlack: zespół 1 700 osób, napędzający wszystkie inicjatywy AI w McKinsey, które stanowią 40% pracy firmy (Alex Singla, Senior Partner)

QuantumBlack to ramię AI McKinsey — i według Alexa Singli, który współkieruje jednostką wraz z Kojo Boakye, teraz odpowiada za 40% pracy firmy. To nie funkcja wspierająca. To podstawowa działalność, realizowana na znaczącą skalę przez AI agents.

AI agents oszczędzają 25% na pensjach operacyjnych i zwiększają output o 10% (Novoresume)

Dane ROI, które budują przypadek ekonomiczny: 25% oszczędności na pensjach operacyjnych i 10% wzrost outputu. Te liczby mają характер przedsiębiorstwowy — to nie są korzyści produktywnościowe pojedynczego agenta, to zagregowany efekt 25 000 agents wdrożonych w całych operacjach firmy.

Co faktycznie robią AI agents McKinsey

Ramka Bobby'ego Sternfelsa na Davos uchwyciła strategiczny zamiar: firma chce, by AI agent pracował obok wszystkich 40 000 pracowników. Nie zastępując ich — pracując obok nich. Osadzony w codziennej pracy, którą wykonują konsultanci.

Codzienna integracja z pracą: AI agents są osadzone w kilku aspektach codziennej pracy konsultanta — synteza badań, analiza danych, przygotowanie dokumentów, tworzenie projektów komunikacji z klientem, zastosowanie ram case'owych. Agenci zajmują się pracą wykonawczą o wysokiej wolumenie, która wcześniej pochłaniała czas konsultantów, uwalniając ich do skupienia na relacjach z klientami, ocenie strategicznej i doradztwie wymagającym ludzkiego kontekstu i relacji.

Rola QuantumBlack: QuantumBlack — zespół AI liczący 1 700 osób — to silnik realizacji wszystkiego tego. Inicjatywy AI firmy nie są outsourcowane ani nie pochodzą od zewnętrznych dostawców. McKinsey zbudowało własną zdolność AI poprzez QuantumBlack, a ta zdolność teraz stanowi 40% pracy firmy. AI agents, których QuantumBlack buduje i wdraża, to własny produkt McKinsey — który firma może następnie sprzedawać klientom poprzez komercyjne oferty QuantumBlack.

Przekształcenie modelu biznesowego: punkt Sternfelsa, że AI „przekształca więcej niż kadrę McKinsey — zmienia model biznesowy McKinsey" to najbardziej znaczące oświadczenie w tym wszystkim. Model biznesowy firmy konsultingowej to jej ludzie — ich czas, ich ekspertyza, ich osąd. Jeśli ten model się zmienia, ponieważ AI agents mogą dostarczać znaczącą część pracy, branża konsultingowa ma fundamentalne pytanie dotyczące modelu biznesowego do rozwiązania.

Case Interview Question wyjaśniający strategię

McKinsey już uczyniło strategię AI agents tematem case interview: „Jeśli firma konsultingowa z 40 000 pracowników dodałaby 25 000 AI agents w niecałe dwa lata, jak zmieniłoby to jej przewagę konkurencyjną?"

Fakt, że to jest pytanie case interview, mówi wszystko o tym, jak McKinsey myśli strategicznie o AI agents. To nie jest gra obniżki kosztów — to gra o przewagę konkurencyjną. Pytanie zakłada, że wdrożenie AI agents miało miejsce i prosi aplikantów o analizę konkurencyjnych implikacji, nie o dyskusję, czy wdrożenie było dobrym pomysłem.

Logika przewagi konkurencyjnej: jeśli AI agents mogą obsłużyć znaczącą część badań, analizy i pracy wykonawczej, której wymaga consulting, firma z 40 000 agents i 40 000 ludźmi może dostarczyć więcej wartości na engagement lub dostarczyć równoważną wartość po niższym koszcie niż firma z samymi ludźmi-konsultantami. To bezpośrednia przewaga konkurencyjna wobec firm, które nie wdrożyły na porównywalną skalę.

Reakcja konkurencji: dyferencjacja czy gra kosztowa?

Konkurenci McKinsey mają celną krytykę: wdrożenie AI agents rodzi autentyczne pytanie o rodzaj przewagi konkurencyjnej, którą faktycznie tworzy.

Argument konkurencji: w konsultingu przewaga konkurencyjna pochodzi z jakości talentów i marki, nie tylko z liczby agentów. Marka McKinsey — jej prestiż, reputacja, dostęp do wysokich rangą kadry zarządzającej — to coś, co przyciąga premium engagements. Jeśli AI agents wykonują znaczącą część pracy delivery, czy doświadczenie klienta różnicuje się na podstawie zaangażowanych ludzi, czy zbiega się w kierunku commodity dostarczanego przez te same AI agents pracujące dla wielu firm?

Kontrargument: jeśli AI agents zwiększają produktywność o 10-25% i oszczędzają 25% na pensjach operacyjnych, przewaga kosztowa jest realna niezależnie od tego, czy jest to „prawdziwa" dyferencjacja. Firma, która może dostarczyć porównywalny output przy niższych kosztach — lub superior output przy porównywalnych kosztach — ma realną przewagę konkurencyjną na rynku, gdzie klienci są coraz bardziej wrażliwi na koszty.

Szczera ocena: konkurenci McKinsey zadają właściwe pytanie. Wdrożenie AI agents tworzy przewagę kosztową i produktywnościową, która jest realna w krótkim terminie. Czy tworzy zrównoważoną dyferencjację, zależy od tego, czy McKinsey może przełożyć wdrożenie AI agents na wyniki klientów, których konkurenci nie mogą zreplikować — i czy premium marki przetrwa, gdy klienci staną się bardziej wyedukowani o tym, co AI agents faktycznie robią.

Dlaczego ma to znaczenie poza konsultingiem: implikacja dla przedsiębiorstw

McKinsey to kanarek w kopalni dla transformacji pracy wiedzy.

Branża konsultingowa to w istocie agregacja ludzkiej ekspertyzy stosowanej do problemów biznesowych. Jeśli AI agents mogą obsłużyć znaczącą część tej aplikacji ekspertyzy — badania, analizę, syntezę, produkcję dokumentów — to każde przedsiębiorstwo polegające na pracy wiedzy staje przed tym samym pytaniem transformacyjnym.

Specyficzna implikacja McKinsey: jeśli firma usługowa z 40 000 pracowników może wdrożyć 25 000 agents w niecałe dwa lata, każde przedsiębiorstwo może wdrożyć AI agents na porównywalną skalę. Bariery wdrożenia AI agents w przedsiębiorstwie — infrastruktura techniczna, zarządzanie zmianą organizacyjną, ramy pomiarowe — to te same bariery, które McKinsey musiało pokonać. McKinsey je pokonało. Playbook istnieje.

QuantumBlack jako produkt: najbardziej niedoceniana część tej historii. QuantumBlack teraz sprzedaje to, co McKinsey zbudowało wewnętrznie, klientom. Firma wykorzystała własną kadrę jako poligon doświadczalny dla wdrożenia AI agents i teraz komercjalizuje ten poligon jako produkt. Wewnętrzne wdrożenie to nie tylko gra na efektywność operacyjną — to również gra na rozwój produktu i pozycjonowanie rynkowe.

Wyzwanie pomiarowe

Tradycyjne metryki usług profesjonalnych — godziny rozliczeniowe, wskaźniki wykorzystania, przychód na konsultanta — nie przekładają się bezpośrednio na pomiar produktywności AI agent.

McKinsey buduje nowe metryki produktywności dla kadry obejmującej AI agents. Wyzwanie pomiarowe ma kilka wymiarów:

Pomiar output: gdy AI agent produkuje syntezę badań lub analizę danych, jak ten output jest liczony? Jako zaoszczędzony czas konsultanta? Jako dodatkowy output? Oba?

Pomiar jakości: jakość outputu AI agent musi być mierzona, nie zakładana. Reputacja firmy zależy od jakości jej deliverables — co oznacza, że outputs AI agent muszą spełniać tę samą poprzeczkę jakościową co outputs ludzi, a systemy pomiarowe muszą weryfikować, że ta poprzeczka jest utrzymywana.

Agregacja produktywności: mierzenie indywidualnej produktywności agenta jest wykonalne. Mierzenie, jak 25 000 agents agreguje się w firmowe korzyści produktywnościowe, jest bardziej złożone — a firmy, które rozwiążą to wyzwanie pomiarowe jako pierwsze, będą miały znaczącą przewagę operacyjną nad firmami wciąż polegającymi na tradycyjnych ramach produktywności.

Firmy, które rozwiążą pomiar produktywności AI agents, będą miały znaczącą przewagę: będą wiedziały, którzy agenci produkują ROI, które przypadki użycia są najbardziej produktywne i jak alokować zasoby agentskie dla maksymalnego wpływu. Firmy, które tego nie zrobią, będą latać na ślepo w swojej największej inwestycji technologicznej.

Wyścig proporcji kadry

Cel McKinsey 1:1 agent-człowiek do końca 2026 jest obserwowany jako benchmark w całej branży.

Logika celów proporcji kadry: wraz ze skalowaniem wdrożenia AI agents, przedsiębiorstwa potrzebują ram do myślenia o właściwej proporcji agentów do ludzi. Cel McKinsey 1:1 — jeden agent na ludzkiego pracownika — to konkretny, ambitny, publicznie ogłoszony cel, którego inne przedsiębiorstwa mogą użyć jako punkt odniesienia.

Realistyczna implikacja dla przedsiębiorstw: większość przedsiębiorstw nie jest dziś na poziomie 1:1. Większość nie jest nawet na proporcji, która czyniłaby je porównywalnymi z obecną pozycją McKinsey — 25 000 agents, 42% pracowników. Ale to trajektoria ma znaczenie — McKinsey przeszło od zera do 25 000 agents w niecałe dwa lata. Przedsiębiorstwa, które zaczną teraz, będą za dwa lata znacząco dalej niż przedsiębiorstwa, które czekają.

Presja konkurencyjna: gdy jedna główna firma w branży ogłasza cel proporcji kadry, presja na konkurentów, by ogłosili porównywalne cele, rośnie. Ogłoszenie McKinsey to strzał na wstępie dla każdej firmy konsultingowej i każdego przedsiębiorstwa polegającego na pracy wiedzy. Pytanie nie brzmi już „czy wdrożyć AI agents" — brzmi „jaką proporcję obrać i kiedy".

Podsumowanie

25 000 AI agents. 42% pracowników McKinsey. Dodane w niecałe dwa lata. Cel: proporcja agent-człowiek 1:1 do końca 2026.

QuantumBlack napędza wszystkie inicjatywy AI, reprezentując 40% pracy firmy. AI agents osadzeni w codziennych workflowach konsultantów. Bob Sternfels mówi, że AI zmienia model biznesowy McKinsey, nie tylko kadrę.

Krytyka konkurencji jest realna: przewaga konkurencyjna w konsultingu pochodzi z talentów i marki, nie tylko z liczby agentów. To, czy wdrożenie AI agents przez McKinsey tworzy zrównoważoną dyferencjację czy tylko przewagę kosztową, to właściwe pytanie.

Ale wyzwanie pomiarowe jest rozwiązywalne. Benchmark proporcji kadry jest realny. Implikacja dla przedsiębiorstw — jeśli McKinsey może wdrożyć 25 000 agents w niecałe dwa lata, każde przedsiębiorstwo może — to strategiczny wgląd, który ma największe znaczenie.

Wyścig AI agents w przedsiębiorstwach oficjalnie się rozpoczął. McKinsey właśnie ustaliło tempo.