Narzędzia sztucznej inteligencji, architektura kompozytowa i rewolucja low-code na nowo napisały ekonomię tworzenia oprogramowania na zamówienie — ale cmentarz nieudanych projektów nigdy nie był większy. Decyzja "budować czy kupować" w 2026 roku nie jest już wyborem zero-jedynkowym. Firmy takie jak Volkswagen przepaliły ponad 7,5 miliarda dolarów, próbując zbudować to, co powinny były kupić, podczas gdy Duolingo dzięki AI tworzy 4–5 razy więcej treści przy tym samym zespole. Prawdziwi wygrani to ci, którzy postawili na podejście hybrydowe — "kup platformę, zbuduj to, co Cię wyróżnia" — a dane pokazują, że osiągają 40–75% krótszy czas wejścia na rynek. Dla liderów biznesu stawka nigdy nie była wyższa: według Forrester 67% projektów IT kończy się porażką z powodu złych decyzji o budowie lub zakupie, a nieudane transformacje cyfrowe kosztują organizacje na całym świecie 2,3 biliona dolarów rocznie.
Lekcja za 7,5 miliarda dolarów — kiedy "budowanie" idzie katastrofalnie źle
Najdroższą porażką budowy oprogramowania w ostatnich latach może się "pochwalić" dział CARIAD Volkswagena. Uruchomiony w 2020 roku z misją stworzenia jednolitego systemu operacyjnego dla wszystkich 12 marek grupy VW — od Porsche po Škodę — CARIAD do 2024 roku wygenerował ponad 7,5 miliarda dolarów strat operacyjnych. Dział rozrósł się do 6000 pracowników bez jasnej struktury i podziału odpowiedzialności. Zespoły z VW, Audi i Porsche budowały równoległe systemy. Efekt? Architektoniczny paraliż: 17 spotkań statusowych tygodniowo, opóźnienia premier Porsche Macan Electric i Audi Q6 E-Tron o ponad 18 miesięcy, a na koniec — inwestycja 5,8 miliarda dolarów w Rivian, żeby po prostu licencjonować działające oprogramowanie do pojazdów elektrycznych. VW próbował skompresować 10-letni cykl rozwoju (Tesla budowała swój stack przez 15 lat) do pięciu. Łączne straty szacuje się na ponad 20 miliardów euro.
CARIAD nie jest wyjątkiem. Australian Securities Exchange przez siedem lat wydała 250 milionów AUD na próbę zastąpienia systemu rozliczeniowego technologią blockchain, by ostatecznie porzucić projekt — australijski regulator (ASIC) pozwał później ASX za wprowadzanie rynku w błąd co do postępów prac. Pentagon rozpoczął w 2018 roku projekt DCHRMS z budżetem 36 milionów dolarów i rocznym harmonogramem — porzucono go w 2025 roku po wydaniu ponad 280 milionów dolarów w ciągu ośmiu lat, co oznacza przekroczenie budżetu o 780%. A brytyjski NHS National Programme for IT, największy cywilny program informatyczny w historii, pochłonął 10–12,7 miliarda funtów, zanim go anulowano, dostarczając zaledwie ćwierć tego w realnych korzyściach.
Schemat jest powtarzalny. Technologia rzadko bywa główną przyczyną porażki. Problem VW nie leżał w kodzie — to był chaos organizacyjny. Program NHS narzucono odgórnie, nie konsultując się z lekarzami. Pentagon nie miał nadzoru. Hertz zapłacił Accenture 32 miliony dolarów za redesign strony internetowej, który nigdy nie ujrzał światła dziennego, bo przydzielony zespół nie znał technologii, na którą podpisano kontrakt. To porażki przywództwa, nie inżynierii.
Kiedy "kupowanie" się mści — cmentarz wdrożeń SAP i Oracle
Zakup gotowego oprogramowania niesie własne, katastrofalne ryzyka, a wdrożenia systemów ERP (do zarządzania zasobami przedsiębiorstwa) dominują na liście porażek. Lidl, gigant spożywczy z przychodami 80 miliardów euro, wydał 500 milionów euro w ciągu siedmiu lat na wdrożenie SAP, by ostatecznie je porzucić. Problem był zwodniczo prosty: Lidl zarządzał zapasami według cen zakupu, a SAP używa cen detalicznych. Zamiast dostosować procesy, Lidl zażądał masowej customizacji systemu — i dostał to, co najgorsze z obu światów.
Target Canada to chyba najbardziej druzgocący przykład porażki po stronie zakupu. Gdy Target wchodził na rynek kanadyjski, zamiast rozszerzyć sprawdzone systemy z USA, zdecydował się na świeże wdrożenie SAP. Nikt w zespole nie miał solidnego doświadczenia z tą platformą. Dane wprowadzane do systemu roiły się od błędów — złe wymiary, waluty, brakujące pola. SAP, system prognozowania JDA i magazynowy Manhattan nie potrafiły się ze sobą komunikować. Magazyny pękały w szwach, a półki sklepowe świeciły pustkami. Target Canada zaraportował 2,1 miliarda CAD straty, po czym zamknął wszystkie 133 sklepy i zwolnił 17 600 pracowników. Łączne koszty szacuje się na 5–7 miliardów dolarów.
Lista ciągnie się dalej: Revlon stracił 70,3 miliona dolarów w jednym kwartale, gdy nieudana migracja na SAP S/4HANA uniemożliwiła realizację zamówień z fabryki w Karolinie Północnej, co wywołało pozwy akcjonariuszy. National Grid wydał 585 milionów dolarów na naprawę wdrożenia SAP, które ruszyło w trakcie huraganu Sandy — firma zatrudniła 850 podwykonawców za 30 milionów dolarów miesięcznie. LeasePlan wydał 100 milionów euro na system SAP, który nigdy nie wystartował produkcyjnie. Birmingham City Council ogłosiło faktyczną niewypłacalność po tym, jak wdrożenie Oracle ERP uniemożliwiło zarządzanie finansami miasta.
Wspólna lekcja płynąca zarówno z porażek budowy, jak i zakupu, jest taka: sama decyzja ma mniejsze znaczenie niż jej realizacja. Złe dane, nierealistyczne harmonogramy, nieznana technologia, brak udziału użytkowników i brak zaangażowania kadry zarządzającej niszczą projekty niezależnie od tego, czy budujesz, czy kupujesz.
AI zmienia równanie kosztowe — ale nie tak, jak twierdzą dostawcy
Największą siłą zmieniającą rachunek "budować czy kupować" jest dziś programowanie wspomagane sztuczną inteligencją. GitHub Copilot ma już ponad 20 milionów użytkowników, a korzysta z niego 90% firm z listy Fortune 100. Kontrolowane badanie 4800 programistów przeprowadzone przez GitHub i Accenture wykazało 55% szybszą realizację zadań i 75% skrócenie cyklu pull requestów (z 9,6 do 2,4 dnia). W skali branży 41% całego kodu napisanego w 2025 roku zostało wygenerowane przez AI, a w zimowej edycji Y Combinator 2025 aż 21% startupów zgłosiło, że ich bazy kodu są w 91% wygenerowane przez AI.
Konkretne przykłady firm robią wrażenie. Prezes Duolingo, Luis von Ahn, powiedział, że z tą samą liczbą ludzi firma jest w stanie tworzyć cztery do pięciu razy więcej treści. Pierwsze 100 kursów językowych Duolingo powstawało przez 12 lat — kolejne 148 zajęło mniej więcej rok dzięki generatywnej AI. Prezes Shopify, Tobi Lütke, rozesłał firmowy memo wymagający od zespołów udowodnienia, dlaczego nie mogą zrealizować zadania przy pomocy AI, zanim poproszą o dodatkowy budżet na rekrutację. Zatrudnienie w Shopify spadło z 8300 do 8100 osób, a przychody rosły o 20–40% rocznie. Zespoły inżynieryjne Freshworks skróciły czas kodowania o 30% i poprawiły jakość kodu o 61% — jeden z zespołów skompresował 70-godzinny projekt do zaledwie 8 godzin.
Jednak narracja o produktywności ma istotne zastrzeżenia. Rygorystyczny, randomizowany eksperyment METR z udziałem 16 doświadczonych programistów open-source wykazał, że z narzędziami AI zadania zajmowały im 19% więcej czasu — mimo że sami byli przekonani, że AI przyspiesza ich pracę o 20%. Pozytywne nastawienie programistów do narzędzi AI spadło do 60% (z ponad 70% w latach 2023–2024), a tylko 29–46% programistów ufa wynikom generowanym przez AI. Rośnie też zjawisko "code churn" — konieczność przepisywania kodu, który okazuje się trudny w utrzymaniu. Pewna firma zbudowała wewnętrzny dashboard analityczny wspomagany AI w dwa tygodnie; sześć miesięcy później nikt nie potrafił go zmodyfikować i porzucono go na rzecz produktu SaaS.
Pragmatyczny wniosek: AI drastycznie obniża koszt pierwszych 90% projektu — żmudnej, ale prostej pracy — ale ledwie dotyka pozostałych 10%, które pochłaniają 90% czasu. Do prototypowania, narzędzi wewnętrznych i MVP sztuczna inteligencja naprawdę przechyliła szalę na stronę "buduj." Przy złożonych, krytycznych systemach wymagających długoterminowego utrzymania — przewaga jest bardziej niuansowana.
Model hybrydowy wygrywa — architektura kompozytowa w praktyce
Najskuteczniejsze firmy nie wybierają między budowaniem a kupowaniem — robią jedno i drugie dzięki architekturze kompozytowej opartej na API. Badanie MACH Alliance z 2025 roku wśród przedsiębiorstw zatrudniających ponad 5000 osób wykazało, że 87% szeroko wdrożyło technologie MACH (mikrousługi, API-first, chmura, headless). Dziewięć na dziesięć firm raportuje, że podejście to spełniło lub przekroczyło oczekiwania zwrotu z inwestycji. Dane IDC pokazują, że ekosystemy kompozytowe obniżają całkowity koszt posiadania nawet o 37% i skracają czas wprowadzania innowacji nawet o 50%.
Konkretne rezultaty mówią same za siebie. L.L.Bean przeniósł swój cyfrowy biznes o wartości ponad miliarda dolarów na platformę Commercetools, obsługując 250 000 SKU, migrując 5,5 miliona kont klientów i wdrażając ponad 100 ulepszeń — co przełożyło się na 10 milionów dolarów dodatkowych przychodów przy 100% dostępności w okresach szczytowych. Pet Valu osiągnął 40% szybsze wejście na rynek i 70% szybsze ładowanie strony głównej. Ulta Beauty uruchomiła funkcję "kup online, odbierz w sklepie" w zaledwie 7 dni dla 1,3 miliona SKU. BMW Group dostarczyło 100 wdrożeń w 8 miesięcy przy dostępności 99,99%.
W e-commerce fala migracji z monolitycznych platform na headlessowy framework Hydrogen od Shopify przynosi powtarzalne rezultaty. NYDJ obniżyło całkowity koszt posiadania o 65% po migracji z Salesforce Commerce Cloud, uruchamiając integrację z Afterpay w jeden dzień — zamiast szacowanych trzech miesięcy na starej platformie. Bauer Hockey odnotował 18% wzrost konwersji i 60% wzrost przychodów. Agencja CQL, która przeniosła 17 marek z Salesforce Commerce Cloud na Shopify, udokumentowała oszczędności w całkowitym koszcie posiadania od 800 tysięcy do 11 milionów dolarów na markę, przy 50–75% krótszym czasie wdrożenia.
Gartner przewiduje, że do 2027 roku ponad 60% nowych rozwiązań e-commerce w chmurze będzie wykorzystywać zasady MACH, a organizacje stosujące architekturę kompozytową wyprzedzą konkurencję o 80% pod względem szybkości wdrażania nowych funkcji. Logika strategiczna jest jasna: kupuj infrastrukturę tam, gdzie jest ona standardem (płatności przez Stripe, komunikacja przez Twilio, handel przez Shopify lub Commercetools, treści przez Contentful), a buduj tylko tam, gdzie Twoja firma tworzy unikalną przewagę konkurencyjną.
Platformy low-code przekroczyły próg dojrzałości korporacyjnej
Platformy low-code i no-code to już nie tylko narzędzia do prototypów i departamentalnych aplikacji. Rynek w 2026 roku przekroczy 30 miliardów dolarów według Gartner, a 97% firm z listy Fortune 500 korzysta z Microsoft Power Platform. W Gartner Magic Quadrant 2025 jako liderów w segmencie korporacyjnym wskazano OutSystems (lider dziewiąty rok z rzędu), Microsoft, Mendix, Appian, ServiceNow i Salesforce. Prognoza, że 75% wszystkich nowych aplikacji będzie wykorzystywać low-code do 2026 roku, jest na dobrej drodze do realizacji: już teraz 70% nowych aplikacji korporacyjnych bazuje na tych technologiach — w porównaniu z niecałymi 25% w 2020 roku.
Rzeczywiste wdrożenia korporacyjne potwierdzają ten skok dojrzałości. Coca-Cola Beverages Vietnam zdigitalizowała ponad 60 procesów w ciągu sześciu miesięcy za pomocą Power Apps i Power Automate — od zamówień zakupu po zarządzanie magazynem. Aviva połączyła 22 różne systemy w jeden interfejs dla operacji call center przy użyciu Appian. Northern Trust zastąpił wycofywany system zarządzania sprawami obsługujący 10 000 pracowników w 8000 typach spraw i 50 obszarach funkcjonalnych. Deutsche Bahn przyznał licencje Power Platform każdemu pracownikowi, umożliwiając szybkie tworzenie aplikacji w całej organizacji.
Ruch citizen developerów (programistów obywatelskich) przyspiesza ten trend. Gartner prognozuje, że do 2026 roku citizen developerzy przewyższą liczebnie profesjonalnych programistów w stosunku 4:1 w dużych przedsiębiorstwach, a 80% użytkowników low-code będzie pracować poza formalnymi działami IT. Już teraz blisko 60% niestandardowych aplikacji powstaje poza IT. Najpopularniejsze zastosowania — tworzenie formularzy (58%), automatyzacja procesów (49%) i wizualizacja danych (33%) — odzwierciedlają operacyjną rzeczywistość, w której zespoły biznesowe znają swoje potrzeby lepiej, niż kolejka zgłoszeń do IT jest w stanie je obsłużyć.
Ryzyka są realne, ale do opanowania. 47% organizacji zgłasza obawy o skalowalność, 37% martwi się o uzależnienie od dostawcy, a zarządzanie pozostaje wyzwaniem. Jeden z ekspertów ds. bezpieczeństwa przewiduje, że typowe przedsiębiorstwo będzie w 2026 roku obsługiwać 4500–6000 aplikacji i automatyzacji wygenerowanych przez AI, z czego 66% pozostanie niewidocznych dla zespołów bezpieczeństwa. Kształtującą się najlepszą praktyką jest zarządzany model citizen development realizowany poprzez centra kompetencyjne (Centers of Excellence), które zapewniają ramy bezpieczeństwa, nie blokując przy tym zwinności. Warto zapamiętać ostrzeżenie Andy'ego Beardshawa z TXP: rozwój low-code i citizen developerów może dać początek następnemu kryzysowi systemów odziedziczonych (legacy), jeśli organizacje nie będą utrzymywać tego, co citizen developerzy budują.
Framework decyzyjny oparty na dowodach
Dane z lat 2024–2026 wskazują na jasny schemat. Buduj, gdy oprogramowanie jest Twoją przewagą konkurencyjną — silnik rekomendacji Netflix generuje 80% oglądalności; algorytm dopasowywania Ubera w czasie rzeczywistym jest produktem. Kupuj, gdy funkcja jest standardem rynkowym — porażki ERP w Lidl, Target Canada i Revlon pokazują, że próba ponownego wynalezienia rozwiązanych problemów jest kosztowna i niebezpieczna. Wybierz podejście hybrydowe, gdy potrzebujesz jednocześnie niezawodności i wyróżnienia — przykłady L.L.Bean, NYDJ i BMW pokazują, że kupowanie infrastruktury i budowanie warstwy doświadczeń przynosi najlepszy zwrot z inwestycji przy kontrolowanym ryzyku.
Trzy nowe czynniki sprawiają, że 2026 rok różni się od każdego poprzedniego. Po pierwsze, narzędzia AI obniżyły koszty prototypowania i MVP o 50–80%, dzięki czemu strategia "zbuduj szybką wersję, żeby zrozumieć swoje potrzeby, a potem podejmij decyzję" jest po raz pierwszy realistyczna. Po drugie, architektura kompozytowa oznacza, że "kupno" nie równa się już "zaakceptuj to, co dostawca dostarczy" — platformy API-first pozwalają składać najlepsze komponenty z rynku i dostosowywać ich krawędzie. Po trzecie, platformy low-code dojrzały do poziomu korporacyjnego, tworząc ścieżkę pośrednią, w której zespoły biznesowe mogą zbudować 60–70% tego, czego potrzebują, bez profesjonalnych programistów.
Najwyższą cenę w 2026 roku płacą firmy, które traktują decyzję "budować czy kupować" jako jednorazowy, binarny wybór, zamiast ciągłej strategii portfelowej. Dane pokazują, że organizacje stosujące formalne frameworki decyzyjne osiągają 40% lepsze wyniki projektów. Pytanie nie brzmi już "budować czy kupować?" Brzmi: "dla każdej funkcji w naszym stosie technologicznym — jaki jest właściwy mix budowania, kupowania i komponowania — i jak zarządzać tym mixem w miarę jego ewolucji?"
