McKinsey Global Institute proponuje nazwę dla typu firmy, który od kilku lat był widoczny, ale słabo opisany: omniscaler. Chodzi o przedsiębiorstwo zdolne jednocześnie finansować i rozwijać wiele przyszłych aren konkurencji: AI, chmurę, półprzewodniki, e-commerce, reklamę cyfrową, robotykę, pojazdy elektryczne, autonomię, kosmos, cyberbezpieczeństwo, streaming, baterie, biotechnologię albo inne sektory o wysokiej dynamice. W raporcie „The race takes off in the next big arenas of competition” MGI identyfikuje dziewięciu takich graczy: Alibaba, Alphabet, Amazon, Apple, Huawei, Meta, Microsoft, Samsung oraz ekosystem Tesla/SpaceX/xAI (McKinsey Global Institute, 2026).
To nie jest zwykły konglomerat w starym sensie. Klasyczny konglomerat posiadał różne biznesy, często luźno powiązane. Omniscaler działa inaczej: przenosi dane, infrastrukturę, platformy, relacje z klientami, modele operacyjne, kapitał, zespoły inżynierskie i marki między sektorami. Amazon może używać infrastruktury handlu elektronicznego, logistyki, płatności, chmury, streamingu, reklamy i relacji z klientem w nowych obszarach. Alphabet może przenosić zasoby z wyszukiwania, reklamy, Androida, YouTube, chmury, AI, Waymo i innych projektów. Microsoft może łączyć chmurę, produktywność biurową, cyberbezpieczeństwo, gaming, AI i relacje enterprise. Samsung może łączyć elektronikę, półprzewodniki, baterie, biotechnologię, przemysł i finanse. Huawei może działać na styku telekomunikacji, chmury, urządzeń, chipów, energii, samochodów i infrastruktury przemysłowej.
W takim układzie granice sektorów przestają być granicami strategii. Firma może wejść do nowej areny, bo posiada już część infrastruktury, klientów, danych, kanałów dystrybucji, talentu i kapitału. Wejście kosztuje mniej niż dla nowego gracza. Ryzyko jest duże, ale rozłożone na portfel biznesów. Czas zwrotu może być długi, ponieważ firma finansuje nowe projekty z przepływów pieniężnych istniejących platform.
McKinsey podaje skalę tego zjawiska: dziewięciu omniscalerów wygenerowało w 2025 roku ponad 700 mld dolarów operacyjnych przepływów pieniężnych i zainwestowało ponad 800 mld dolarów w badania, rozwój i nakłady kapitałowe. Ich łączne przychody wyniosły około 2,7 bln dolarów, czyli więcej niż PKB Włoch. W latach 2022–2025 generowali operacyjne przepływy pieniężne średnio na poziomie 26% przychodów, wobec 16% u innych firm działających w przyszłych arenach i 13% u firm poza tymi arenami. Inwestowali średnio 31% przychodów w R&D i capex, wobec 22% u pozostałych graczy arenowych i 9% w innych branżach (McKinsey Global Institute, 2026).
Te liczby pokazują, że konkurencja technologiczna stała się konkurencją bilansów, przepływów pieniężnych, mocy obliczeniowej, danych, dostępu do talentu i czasu. Mniejsza firma może mieć lepszy pomysł. Omniscaler może sfinansować dziesięć równoległych ścieżek, przejąć trzy zespoły, zbudować infrastrukturę, stracić miliardy na jednej hipotezie i przetrwać. W tym sensie skala nie gwarantuje sukcesu, ale zmienia warunki gry.
1. Skąd wzięła się „arena”
MGI używa pojęcia „arena” dla sektorów, które łączą szybki wzrost, wysoką dynamikę udziałów rynkowych, dużą presję inwestycyjną i możliwość przesunięcia wartości w gospodarce. W raporcie z 2024 roku McKinsey wskazał 18 przyszłych aren mogących wygenerować 29–48 bln dolarów przychodów do 2040 roku i 2–6 bln dolarów zysków. W aktualizacji z 2026 roku autorzy sprawdzili, co stało się z tymi arenami po kilku latach gwałtownego rozwoju AI, chmury, półprzewodników, elektromobilności i nowych biosektorów (McKinsey Global Institute, 2024; McKinsey Global Institute, 2026).
Osiemnaście aren podzielono na pięć grup. Pierwsza to fundament AI: półprzewodniki, chmura oraz oprogramowanie i usługi AI. Druga to cyfryzacja: e-commerce, reklama cyfrowa, gry, streaming i cyberbezpieczeństwo. Trzecia to elektryfikacja: energetyka jądrowa, pojazdy elektryczne i baterie. Czwarta to hard tech: robotyka, współdzielone pojazdy autonomiczne, przyszła mobilność powietrzna, kosmos i budownictwo modułowe. Piąta to nowe biofronty: biotechnologia niemedyczna i leki przeciw otyłości (McKinsey Global Institute, 2026).
Od 2022 do 2025 roku te przyszłe areny rosły szybciej niż reszta gospodarki objętej analizą MGI. Kapitalizacja rynkowa firm arenowych rosła o 29% rocznie, wobec 8% dla firm poza arenami. Przychody rosły o 11% rocznie, wobec 1% poza arenami. Nakłady kapitałowe i R&D rosły o 14% rocznie, wobec 4% poza arenami. W 2025 roku osiemnaście aren miało około 33 bln dolarów kapitalizacji rynkowej, 5 bln dolarów przychodów i ponad 1 bln dolarów rocznych inwestycji (McKinsey Global Institute, 2026).
Największym źródłem wzrostu wartości stał się fundament AI. Od 2022 roku dodał około 11 bln dolarów kapitalizacji rynkowej, przy około 500 mld dolarów dodatkowych przychodów. To proporcja typowa dla fazy oczekiwań: rynek wycenia przyszłą rentę z infrastruktury i modeli, zanim pełny strumień przychodów stanie się widoczny w rachunkach firm. Nvidia jest najbardziej spektakularnym przykładem, ale MGI wskazuje również chmurę, centra danych, półprzewodniki, modele i oprogramowanie jako warstwy koncentracji wartości (McKinsey Global Institute, 2026).
Omniscalerzy wyrastają właśnie z takiego świata: nie z jednej branży, lecz z wielu aren połączonych przez AI, dane, software, infrastrukturę i kapitał.
2. Dlaczego omniscaler różni się od hyperscalera
Hyperscaler to firma zdolna budować i obsługiwać infrastrukturę obliczeniową oraz chmurową na ogromną skalę. Amazon Web Services, Microsoft Azure i Google Cloud są klasycznymi przykładami. Omniscaler jest pojęciem szerszym. Obejmuje firmy, które poza skalą chmurową lub cyfrową uczestniczą w kilku arenach naraz i przenoszą zasoby między nimi.
Różnica jest ważna. Hyperscaler sprzedaje moc obliczeniową, chmurę, usługi infrastrukturalne, narzędzia dla deweloperów i platformy danych. Omniscaler może używać hyperskalowej infrastruktury jako wewnętrznego silnika do ekspansji w AI, reklamę, handel, gry, streaming, robotykę, autonomię, zdrowie, urządzenia, samochody albo kosmos. W efekcie infrastruktura przestaje być tylko produktem. Staje się narzędziem kolonizacji kolejnych sektorów.
Amazon jest dobrym przykładem. E-commerce daje relacje z klientami i logistykę. AWS daje chmurę i infrastrukturę. Reklama cyfrowa monetyzuje uwagę i dane transakcyjne. Prime Video buduje lojalność i czas użytkownika. Urządzenia, AI, robotyka magazynowa i Blue Origin rozszerzają portfel technologiczny. Każda część może korzystać z części pozostałych.
Microsoft łączy chmurę, systemy operacyjne, pakiet produktywności, GitHub, gaming, cyberbezpieczeństwo i AI. Jego przewaga w AI nie wynika wyłącznie z modelu językowego. Wynika z kanałów wdrożenia: Office, Teams, Windows, Azure, Dynamics, Copilot, GitHub i relacje z przedsiębiorstwami. Właśnie dlatego model może wejść do pracy biurowej szybciej niż osobny produkt startupu.
Alphabet ma wyszukiwarkę, reklamę, YouTube, Androida, chmurę, DeepMind, Waymo, mapy, dane lokalizacyjne, sklepy aplikacji i eksperymentalne projekty. Nawet jeśli część projektów zostaje zamknięta, portfel daje firmie prawo do porażek, którego większość firm nie ma.
Tesla/SpaceX/xAI jest przypadkiem szczególnym, bo McKinsey traktuje ten układ jako klaster powiązany przez przywództwo, kapitał i zdolności. Tesla to samochody elektryczne, baterie, robotyka i autonomiczna jazda. SpaceX to kosmos, satelity, Starlink, infrastruktura orbitalna i zdolności inżynieryjne. xAI to warstwa modeli i obliczeń. Razem tworzą układ, w którym samochód, robot, satelita, dane, energia, hardware i AI mogą być traktowane jako elementy jednego systemu (McKinsey Global Institute, 2026).
3. Cash flow jako broń strategiczna
W starym kapitalizmie przemysłowym przewaga często wynikała z fabryk, patentów, skali produkcji, dystrybucji i dostępu do surowców. W gospodarce arenowej ogromne znaczenie ma operacyjny przepływ pieniężny. Firma, która generuje setki miliardów dolarów gotówki, może finansować projekty o długim okresie zwrotu, budować centra danych, kupować chipy, zatrudniać najlepszych inżynierów, rozwijać modele, przejmować startupy i utrzymywać projekty bez natychmiastowej rentowności.
McKinsey podaje, że w 2024 roku dziewięciu omniscalerów wygenerowało około 640 mld dolarów gotówki, porównywalnie z roczną skalą kredytów bankowych dla niefinansowych przedsiębiorstw w USA i około trzykrotnie więcej niż wartość emisji akcji w USA w tym roku. W 2025 roku ich inwestycje w R&D i capex przekroczyły 800 mld dolarów, czyli ponad połowę globalnych inwestycji w sektor elektroenergetyczny w tym samym roku (McKinsey Global Institute, 2026).
Takie porównania pokazują, że największe firmy technologiczno-przemysłowe zaczynają przypominać prywatne systemy alokacji kapitału o skali państwowej. Ich decyzje inwestycyjne wpływają na popyt na energię, półprzewodniki, ziemię pod centra danych, wodę chłodzącą, talenty inżynierskie, sieci elektroenergetyczne, dostawców budowlanych i politykę przemysłową państw.
To rodzi asymetrię. Państwa demokratyczne planują inwestycje przez budżety, procedury, parlamenty, regulacje, sądy, zamówienia publiczne i konflikty społeczne. Omniscaler może przesunąć miliardy szybciej. Nie zawsze skuteczniej. Szybciej. W sektorach, w których czas wejścia decyduje o pozycji, prędkość alokacji kapitału staje się przewagą.
Cash flow ma jeszcze jedną funkcję: pozwala wytrzymać błędy. Meta mogła wydać ogromne środki na metaverse i przetrwać rozczarowanie inwestorów. Alphabet mógł zamykać część projektów z kategorii „moonshot”. Amazon przez lata finansował ekspansję w obszarach, których krótkoterminowa rentowność była niepewna. Zdolność do błędu jest cechą strategiczną. Małe firmy bankrutują po błędach. Omniscalerzy uczą się na nich i przenoszą zasoby dalej.
4. Dane, infrastruktura i dystrybucja jako wspólne zasoby
Omniscaler nie skaluje każdego biznesu od zera. Korzysta z zasobów wspólnych. Dane z jednego obszaru mogą poprawiać modele w innym. Chmura może obsługiwać własne produkty i klientów zewnętrznych. Relacja z użytkownikiem może zostać rozszerzona o nowe usługi. System płatności, logistyka, sklep aplikacji, system operacyjny, reklama, urządzenia i konto użytkownika mogą działać jako punkty dostępu do kolejnej areny.
To jest jedna z najważniejszych różnic względem tradycyjnego konglomeratu. Jeżeli firma posiada kopalnię, sieć hoteli i wydawnictwo, związki między tymi biznesami mogą być słabe. Jeżeli firma posiada chmurę, modele AI, system operacyjny, platformę reklamową, sklep aplikacji, asystenta, dane behawioralne i relacje z firmami, każdy nowy produkt może dostać gotowe kanały dystrybucji i warstwę technologiczną.
W efekcie koszt marginalny wejścia do nowej areny spada. Nowy gracz musi zdobyć użytkowników, dane, infrastrukturę, reputację, finansowanie i talent. Omniscaler często posiada część tych zasobów przed startem. To nie daje gwarancji sukcesu, ale obniża próg eksperymentu.
Dlatego konkurencja z omniscalerem bywa trudna nawet dla dobrze finansowanych startupów. Startup może mieć model, aplikację albo robotyczny prototyp. Omniscaler może mieć klienta, chmurę, kanał sprzedaży, pakiet usług, zespół prawny, dystrybucję globalną, dane i możliwość subsydiowania ceny. Gra nie toczy się wyłącznie o lepszy produkt. Toczy się o cały system wokół produktu.
5. AI jako akcelerator aren
AI pełni w raporcie McKinsey rolę warstwy przyspieszającej inne areny. Nie jest tylko oddzielnym sektorem. Może poprawiać projektowanie leków, automatykę przemysłową, robotykę, cyberbezpieczeństwo, handel, reklamę, logistykę, autonomiczną jazdę, zarządzanie energią, materiały, przestrzeń kosmiczną, edukację i usługi profesjonalne.
To wyjaśnia, dlaczego fundament AI stał się centralnym polem inwestycji. Półprzewodniki, chmura i oprogramowanie AI nie są tylko produktami. Są bazą dla kolejnych produktów. Ten, kto kontroluje obliczenia, narzędzia deweloperskie, modele, dane i wdrożenia enterprise, może pobierać rentę z wielu sektorów naraz.
MGI pokazuje, że siedem firm powiązanych z fundamentem AI — Amazon, Alphabet, Meta, Microsoft, TSMC, Oracle i Nvidia — zwiększyło łączne nakłady R&D i capex z około 15 mld dolarów w 2005 roku do prawie 750 mld dolarów w 2025 roku. W samym okresie 2022–2025 inwestycje tej grupy prawie się podwoiły. Jeżeli zapowiedzi inwestycyjne na 2026 rok się zmaterializują, łączne R&D i capex tej siódemki mogą zbliżyć się do 1 bln dolarów rocznie (McKinsey Global Institute, 2026).
To oznacza, że wyścig AI nie jest już głównie wyścigiem algorytmów publikowanych w artykułach. Jest wyścigiem o chipy, energię, centra danych, chłodzenie, sieci, inżynierów, dane, integrację z procesami biznesowymi, regulacje i kanały dystrybucji. Modele są widoczną warstwą. Infrastruktura jest warstwą kosztową i strategiczną.
6. Koncentracja geograficzna: USA i Wielkie Chiny
McKinsey wskazuje, że firmy z USA i Wielkich Chin odpowiadają łącznie za około 90% kapitalizacji rynkowej przyszłych aren. Firmy amerykańskie prowadzą w 14 z 18 aren pod względem kapitalizacji rynkowej i w 10 pod względem przychodów. Wielkie Chiny zyskują udział szczególnie w przychodach, zwłaszcza tam, gdzie skala produkcji, rynek wewnętrzny i polityka przemysłowa dają przewagę (McKinsey Global Institute, 2026).
Europa wypada słabiej. Według raportu tylko około 7% regionalnej kapitalizacji rynkowej europejskich firm znajduje się w przyszłych arenach. To oznacza, że 93% kapitalizacji europejskich firm z analizowanej bazy pochodzi z branż poza osiemnastką przyszłych aren. Jednocześnie europejskie firmy w arenach mają relatywnie dobrą rentowność: ROIC około 24%, za USA z 29%, ale przed Wielkimi Chinami z 18% i Japonią oraz Koreą Południową z 10% (McKinsey Global Institute, 2026).
To rozróżnienie jest ważne. Europa ma wyspecjalizowane silne punkty: ASML w litografii, część przemysłu farmaceutycznego, przemysł maszynowy, automatyzację, technologie energetyczne, regulacje, bezpieczeństwo, systemy przemysłowe. Nie ma jednak takiej liczby wieloarenowych firm, które mogłyby równocześnie konkurować w AI, chmurze, platformach konsumenckich, reklamie cyfrowej, autonomii, kosmosie i półprzewodnikach.
Dla Polski ta diagnoza jest jeszcze ostrzejsza. Jeżeli Europa ma niską ekspozycję na przyszłe areny, Polska jako gospodarka półperyferyjna wewnątrz UE ma jeszcze mniejszy udział właścicielski w warstwach o największej rentowności. Może być dostawcą talentu, usług, centrów inżynieryjnych, komponentów i wdrożeń. Pytanie brzmi, czy zbuduje własne aktywa, czy pozostanie odbiorcą technologii i lokalizacją operacyjną.
7. Omniscaler a państwo
Omniscalerzy zaczynają rywalizować z państwami w kilku obszarach. Pierwszy to infrastruktura. Centra danych, sieci satelitarne, chmury, modele AI, systemy cyberbezpieczeństwa i platformy komunikacyjne stają się infrastrukturą społeczną. Państwo może regulować tę infrastrukturę, ale często jej nie posiada.
Drugi obszar to badania i rozwój. Budżety R&D największych firm technologicznych są porównywalne z budżetami badawczymi średnich państw. Zespoły AI, robotyki, chipów, biologii obliczeniowej i autonomii często pracują w firmach, ponieważ tam są największe zasoby danych i obliczeń.
Trzeci obszar to polityka przemysłowa. Gdy jedna firma ogłasza ponad 100 mld dolarów capexu w roku, jej decyzje lokalizacyjne wpływają na sieci energetyczne, rynek budowlany, podaż chipów, geopolitykę łańcuchów dostaw i negocjacje podatkowe. Państwo zaczyna konkurować o inwestycje prywatnego aktora o skali większej niż wiele publicznych programów rozwojowych.
Czwarty obszar to bezpieczeństwo. Chmury, satelity, modele AI, systemy komunikacji, mapy, platformy reklamowe i urządzenia są używane przez obywateli, firmy i administrację. W sytuacji kryzysowej ich właściciele mają znaczenie strategiczne. Przykład Starlinka w kontekście wojny w Ukrainie pokazał, że prywatna infrastruktura kosmiczna może stać się elementem bezpieczeństwa państwowego.
To nie znaczy, że omniscalerzy zastępują państwa. Ich cele są inne. Państwo ma legitymację publiczną, prawo, aparat fiskalny i odpowiedzialność za obywateli. Omniscaler ma własność aktywów, kapitał, szybkość i infrastrukturę. Napięcie między tymi logikami będzie jednym z głównych problemów gospodarki AI.
8. Nowy typ przewagi: portfel aren
W tradycyjnej analizie konkurencji firma szukała przewagi w konkretnej branży. Omniscaler może szukać przewagi w portfelu aren. Część aren daje gotówkę, część dane, część relacje z klientem, część infrastrukturę, część opcje przyszłościowe, część legitymację przemysłową, część obronę przed konkurentami.
Przykład: reklama cyfrowa może finansować AI; AI może poprawiać reklamę, wyszukiwanie i chmurę; chmura może finansować modele; modele mogą wejść do produktywności biurowej; produktywność biurowa zwiększa retencję klientów enterprise; dane enterprise poprawiają kolejne produkty; cyberbezpieczeństwo staje się częścią pakietu; wszystko razem zwiększa koszt zmiany dostawcy.
Taki układ tworzy przewagę przez sprzężenia zwrotne. Użytkownicy generują dane. Dane poprawiają produkt. Produkt przyciąga użytkowników. Skala obniża jednostkowy koszt infrastruktury. Kapitał finansuje kolejne wejścia. Reputacja przyciąga talent. Talent tworzy nowe produkty. M&A pozwala przejmować brakujące elementy. McKinsey podaje, że dziewięciu omniscalerów wykonało średnio około 100 przejęć każdy w ciągu ostatnich 20 lat, trzy do pięciu razy więcej niż inne duże firmy w porównywalnych grupach; Alphabet i Microsoft miały ponad 200 przejęć (McKinsey Global Institute, 2026).
To jest konkurencja przez akumulację zdolności, a nie tylko przez cenę lub jakość pojedynczego produktu.
9. Dlaczego mniejsze firmy nadal mają szansę
Skala omniscalerów nie usuwa przestrzeni dla nowych graczy. MGI wskazuje, że w arenach pojawiają się młodsze firmy: Anthropic i Perplexity w AI, Figure w robotyce humanoidalnej, Rocket Lab w kosmosie, Zeekr w EV. Nvidia, choć nie znajduje się w dziewiątce omniscalerów według kryteriów McKinsey, przejęła ogromną część wartości w półprzewodnikach dzięki wyspecjalizowanej pozycji w chipach i ekosystemie CUDA (McKinsey Global Institute, 2026).
To ważne. Omniscaler może mieć przewagę portfela, ale arena bywa dynamiczna. Gdy technologia przechodzi przez zmianę architektury, specjalista może przesunąć cały układ. Nvidia zrobiła to w AI compute. BYD zrobił to w EV, zwiększając udział Chin w przychodach globalnej elektromobilności. ASML utrzymuje niezwykle silną pozycję w litografii, choć nie jest omniscalerem w sensie McKinsey. TSMC koncentruje się na foundry, ale jest strategicznie ważniejsze niż wielu graczy działających w większej liczbie sektorów.
To prowadzi do precyzyjnego wniosku: przyszła konkurencja będzie miała dwa typy zwycięzców. Pierwszy typ to firmy portfelowe, które przenoszą kapitał i zdolności między arenami. Drugi typ to firmy wąskie, ale niezbędne, które kontrolują krytyczny węzeł: chipy, litografię, modele, dane sektorowe, platformy przemysłowe, robotykę, baterie, materiały, biologię obliczeniową albo infrastrukturę orbitalną.
Dla państw i firm średniej wielkości druga ścieżka może być bardziej realistyczna. Nie każde państwo zbuduje własnego Amazona. Może zbudować wyspecjalizowane kompetencje w jednym węźle łańcucha wartości.
10. Ryzyko efektywności: czy inwestycje się zwrócą
Raport McKinsey opisuje potęgę inwestycji, ale nie gwarantuje ich rentowności. Autorzy piszą wprost, że pozostaje pytanie, czy skala i wysokie inwestycje omniscalerów przełożą się na trwałą efektywność i atrakcyjne zwroty w arenach, w których się rozszerzają (McKinsey Global Institute, 2026).
To zastrzeżenie jest ważne w 2026 roku, gdy nakłady na AI i centra danych rosną w tempie budzącym pytania inwestorów. Jeżeli popyt na AI będzie wolniej monetyzowany niż zakładają rynki, część capexu może okazać się nadmiarowa. Jeżeli modele staną się tańsze, bardziej efektywne i mniej zależne od ogromnych klastrów GPU, część obecnej infrastruktury może stracić premię. Jeżeli regulacje ograniczą użycie danych lub zastosowania, modele biznesowe mogą się zmienić. Jeżeli koszty energii, wody i sieci wzrosną, ekonomika centrów danych będzie trudniejsza.
Historia technologii zna okresy nadinwestycji. Koleje, telekomunikacja, internet, światłowody i nieruchomości infrastrukturalne wielokrotnie budowano zbyt szybko względem krótkoterminowego popytu. Część inwestorów traciła pieniądze, ale infrastruktura zostawała i później stawała się podstawą kolejnej fali wzrostu. Możliwy jest podobny scenariusz z AI: prywatny kapitał poniesie część strat, a gospodarka odziedziczy tanią moc obliczeniową. Możliwy jest też scenariusz koncentracji, w którym tylko najwięksi wytrzymają koszt i przejmą rynek po słabszych.
W obu wariantach omniscalerzy mają przewagę przetrwania. Mogą dłużej finansować stratę, przenosić zasoby i czekać na dojście popytu do podaży. Ta zdolność sama w sobie zwiększa koncentrację.
11. Konsekwencje dla pracy
Omniscalerzy wpływają na pracę na kilku poziomach. Pierwszy to bezpośredni popyt na talenty: AI research, inżynieria danych, chip design, robotyka, cloud operations, cyberbezpieczeństwo, prawo technologiczne, energia, budowa centrów danych, UX, sprzedaż enterprise. Największe firmy mogą płacić stawki, których uczelnie, startupy, administracja i firmy przemysłowe często nie są w stanie przebić.
Drugi poziom to zmiana produktywności w firmach-klientach. Jeżeli Microsoft Copilot, Google Gemini, Amazon Q, systemy Meta, Alibaba Cloud, Huawei Cloud albo własne modele enterprise przyspieszają pracę biurową, obsługę klienta, kodowanie, analizę i marketing, struktura zadań w gospodarce się zmienia. Omniscaler nie musi zatrudniać wszystkich. Wystarczy, że jego narzędzie zmieni pracę milionów użytkowników.
Trzeci poziom to platformizacja kompetencji. Gdy narzędzie AI jest wbudowane w pakiet biurowy, chmurę, środowisko programistyczne lub system CRM, firma-klient nie rozwija od zera własnych zdolności. Uczy się działać w ekosystemie dostawcy. To może podnieść efektywność, ale też zwiększyć zależność od platformy.
Czwarty poziom to presja na płace w zawodach podatnych na automatyzację. Jeżeli część zadań analitycznych, administracyjnych, kreatywnych i koderskich staje się tańsza, premia za umiejętności średnie może spaść. Najwyżej premiowani będą ludzie, którzy łączą wiedzę dziedzinową, odpowiedzialność, projektowanie procesów, pracę z danymi i kontrolę systemów. Sama znajomość narzędzia będzie szybko powszednieć.
12. Konsekwencje dla państw średniej wielkości
Państwa średniej wielkości, takie jak Polska, stoją przed trudnym wyborem. Mogą próbować przyciągać inwestycje omniscalerów: centra danych, chmurę, R&D, laboratoria, huby cyberbezpieczeństwa, fabryki baterii, centra logistyczne i programy edukacyjne. To daje miejsca pracy, podatki, transfer kompetencji i dostęp do infrastruktury. Jednocześnie może utrwalać rolę kraju jako lokalizacji operacyjnej, bez własności najważniejszych aktywów.
Druga ścieżka polega na budowie krajowych nisz: wyspecjalizowane modele dla sektorów, cyberbezpieczeństwo, przemysłowe AI, energetyka, robotyka dla produkcji, systemy medyczne, technologie obronne, oprogramowanie dla automatyzacji, narzędzia danych, komponenty dla baterii, materiały, optyka, technologie kosmiczne, systemy dla administracji. Taka strategia nie wymaga stworzenia pełnego omniscalera. Wymaga kontroli nad wybranymi węzłami wartości.
Trzecia ścieżka dotyczy regulacji i zamówień publicznych. Państwo może kupować gotowe rozwiązania zamknięte albo wymagać interoperacyjności, przenoszalności danych, audytowalności, lokalnych kompetencji, bezpieczeństwa i możliwości rozwoju przez krajowych dostawców. Może finansować edukację, ale też tworzyć rynek dla firm, które z tej edukacji korzystają. Może negocjować z omniscalerami jako pojedynczy klient albo jako część większej polityki europejskiej.
Czwarta ścieżka dotyczy energii. AI, chmura, centra danych, baterie, przemysł półprzewodników i elektromobilność są głodne energii. Państwo z tanią, stabilną, niskoemisyjną energią może przyciągać inwestycje i budować przewagę. Państwo z drogą i niestabilną energią będzie płacić premię za infrastrukturę cyfrową.
13. Polska wobec omniscalerów
Polska będzie rynkiem i zapleczem dla omniscalerów. Microsoft, Google, Amazon, Samsung, Huawei, Meta, Apple i inne firmy już są obecne w różnym zakresie: sprzedaż, chmura, usługi, urządzenia, reklama, centra inżynieryjne, edukacja, partnerstwa, infrastruktura. Pytanie nie brzmi, czy Polska będzie z nimi współpracować. Będzie. Pytanie dotyczy warunków współpracy.
Najprostszy scenariusz: Polska kupuje technologie, udostępnia rynek, szkoli ludzi do pracy w ekosystemach zagranicznych platform, przyciąga centra danych i centra usług, ale nie buduje silnych własnych produktów. W takim scenariuszu zyskuje produktywność i miejsca pracy, lecz renta właścicielska pozostaje poza krajem.
Lepszy scenariusz: Polska korzysta z infrastruktury omniscalerów, ale buduje własne warstwy sektorowe. Przykłady: modele i narzędzia dla języka polskiego, administracji, medycyny, prawa, energetyki, przemysłu, transportu, obronności, edukacji i nauki. Nie chodzi o autarkię technologiczną. Chodzi o to, aby krajowe firmy i instytucje miały własne dane, procesy, standardy i produkty, które nie są tylko cienką nakładką na cudzą platformę.
Najtrudniejszy scenariusz: Polska próbuje zbudować własnego pełnego omniscalera. To mało realistyczne. Wymagałoby dziesiątek lub setek miliardów dolarów, globalnych platform konsumenckich, chmury, danych, kapitału, półprzewodników i talentu. Bardziej realistyczna jest strategia wyspecjalizowanych firm i publicznej infrastruktury danych, połączona z europejską polityką przemysłową.
14. Europa między regulacją a zależnością
Europa często odpowiada na potęgę platform regulacją. DMA, DSA, AI Act, polityka konkurencji, ochrona danych i prawo konsumenckie są próbami utrzymania kontroli nad skutkami działania wielkich firm cyfrowych. To potrzebne, ale niewystarczające. Regulacja ogranicza nadużycia. Nie zastępuje zdolności produkcyjnej, inwestycyjnej i technologicznej.
Jeżeli Europa będzie regulować cudze platformy, ale nie będzie miała wystarczająco dużych własnych firm w przyszłych arenach, pozostanie rynkiem zasad, a nie rynkiem własności. Raport McKinsey pokazuje niską ekspozycję Europy na areny pod względem kapitalizacji, przy dobrej rentowności tam, gdzie firmy europejskie już działają. To sugeruje, że problemem nie jest jakość pojedynczych europejskich firm, lecz skala i liczba firm w nowych arenach (McKinsey Global Institute, 2026).
W tym sensie europejska debata o suwerenności technologicznej powinna przesunąć się z poziomu haseł na poziom aktywów: kto posiada modele, chipy, fabryki, dane, chmury, systemy przemysłowe, standardy, patenty, klientów i kanały dystrybucji. Suwerenność bez własności i zdolności operacyjnej staje się zależnością regulowaną prawnie.
15. Co zmienia się w konkurencji
Omniscalerzy zmieniają konkurencję w pięciu wymiarach.
Po pierwsze, zmieniają tempo inwestycji. Nakłady liczone w setkach miliardów dolarów rocznie podnoszą próg wejścia w AI, chmurę, centra danych, autonomię i kosmos. Mniejsze firmy muszą specjalizować się albo szukać finansowania od samych omniscalerów.
Po drugie, zmieniają granice sektorów. Firma technologiczna może stać się firmą motoryzacyjną, kosmiczną, zdrowotną, finansową, medialną albo energetyczną. Branża przestaje być naturalnym kontenerem strategii.
Po trzecie, zmieniają skalę M&A. Przejęcia nie służą wyłącznie wzrostowi przychodów. Służą zakupowi zespołów, danych, IP, modeli, rynku, certyfikacji, relacji regulacyjnych i czasu.
Po czwarte, zmieniają politykę państwa. Państwa muszą negocjować z firmami, które kontrolują infrastrukturę cyfrową i inwestują w tempie przekraczającym wiele budżetów publicznych.
Po piąte, zmieniają podział wartości. Wartość przesuwa się do warstw, które kontrolują obliczenia, dane, platformy, modele, chipy i dystrybucję. Firmy działające niżej w łańcuchu mogą zwiększać produktywność, ale płacić rentę właścicielom infrastruktury.
16. Ryzyko monopolu portfelowego
Klasyczna polityka konkurencji często analizuje rynek produktowy: wyszukiwarki, systemy operacyjne, sklepy aplikacji, reklama, chmura, e-commerce. Omniscalerzy tworzą problem portfelowy. Mogą łączyć przewagi z kilku rynków, aby wejść w kolejny. Mogą subsydiować jedną usługę z zysków innej. Mogą wiązać produkty w pakiety. Mogą wykorzystywać dane i dystrybucję z jednego obszaru do przewagi w drugim.
To utrudnia analizę antymonopolową. Firma może twierdzić, że w każdym pojedynczym rynku konkuruje z innymi. Jej rzeczywista przewaga leży jednak w kombinacji rynków. Przykład: asystent AI w pakiecie biurowym konkuruje z niezależnymi narzędziami AI. Jego przewaga nie musi wynikać z jakości modelu. Może wynikać z instalowanej bazy użytkowników, danych organizacyjnych, integracji z pocztą, kalendarzem, dokumentami i bezpieczeństwem enterprise.
Polityka konkurencji będzie musiała lepiej rozumieć takie wiązania. Pytanie o dominację jednego produktu trzeba uzupełnić pytaniem o kontrolę nad stosami technologicznymi: compute, model, dane, system operacyjny, aplikacja, sklep, płatność, reklama, dystrybucja i relacja z użytkownikiem.
17. Przewaga omniscalerów może być społecznie ambiwalentna
Omniscalerzy mogą przyspieszać innowacje. Mają kapitał, zespoły, dane i odwagę inwestycyjną. Mogą budować infrastrukturę, której państwo nie zbudowałoby tak szybko. Mogą wprowadzać technologie do skali globalnej, obniżać koszty, tworzyć nowe usługi, poprawiać produktywność i przenosić rozwiązania między sektorami.
Ten sam mechanizm może zwiększać koncentrację, zależność i nierówności. Jeżeli wartość z AI, chmury, danych, reklamy, urządzeń i robotyki trafia do kilku firm, gospodarka staje się bardziej wydajna i bardziej skoncentrowana. Przedsiębiorcy, państwa i pracownicy mogą korzystać z narzędzi, ale oddawać część marży właścicielom infrastruktury.
Właśnie dlatego słowo „omniscaler” jest przydatne. Pozwala nazwać zjawisko szersze niż Big Tech. Chodzi o firmy, które stają się wieloarenowymi maszynami inwestycyjno-operacyjnymi. Ich przewaga nie leży w jednej aplikacji. Leży w zdolności przenoszenia kapitału i zdolności między przyszłymi sektorami gospodarki.
18. Wnioski dla firm
Firmy spoza dziewiątki muszą przyjąć trzeźwą strategię. Konkurowanie z omniscalerem na jego warunkach jest zwykle błędem. Lepsze są cztery kierunki.
Pierwszy: specjalizacja w węźle, który jest trudny do zastąpienia. Może to być technologia przemysłowa, dane sektorowe, sprzęt, certyfikacja, lokalna regulacja, bezpieczeństwo, integracja z istniejącą infrastrukturą albo wiedza domenowa.
Drugi: interoperacyjność. Firma powinna unikać pełnego zamknięcia w jednym ekosystemie, jeśli chce zachować siłę negocjacyjną. Dane, modele, procesy i aplikacje powinny być przenoszalne tam, gdzie to możliwe.
Trzeci: szybkość eksperymentu. Omniscaler ma kapitał, ale duża organizacja ma też tarcie. Mniejsza firma może szybciej znaleźć niszę, rozmawiać z klientem, iterować produkt i wejść w obszar zbyt mały dla giganta na początku.
Czwarty: partnerstwo bez utraty własności. Korzystanie z chmury, modeli i narzędzi dużych firm jest racjonalne. Problem zaczyna się wtedy, gdy cała warstwa danych, produktu i klienta staje się cudza. Firma powinna zachować własność relacji, danych i logiki biznesowej.
19. Wnioski dla państwa
Państwo powinno myśleć o omniscalerach jak o aktorach infrastrukturalnych. Oznacza to pięć zadań.
Po pierwsze, monitorować zależności: chmura, modele, dane, cyberbezpieczeństwo, satelity, administracja, edukacja, zdrowie, energetyka. Po drugie, negocjować warunki inwestycji: lokalne kompetencje, dostęp dla MŚP, bezpieczeństwo danych, energia, podatki, transfer umiejętności. Po trzecie, rozwijać własne warstwy publiczne: dane, standardy, modele językowe, systemy dla administracji, centra obliczeniowe dla nauki i firm. Po czwarte, wzmacniać politykę konkurencji w ujęciu portfelowym. Po piąte, budować nisze przemysłowe zamiast kopiować pełną skalę USA lub Chin.
Dla Polski najważniejsze są dane sektorowe, kompetencje przemysłowe, cyberbezpieczeństwo, energetyka, AI dla produkcji, technologie obronne, medycyna, administracja cyfrowa i język polski. To obszary, w których kraj może tworzyć własne aktywa zamiast wyłącznie kupować narzędzia.
20. Teza
Omniscaler jest nową formą korporacji: wieloarenową, kapitałochłonną, zintegrowaną technologicznie i zdolną do długich eksperymentów. Dziewięć firm opisanych przez McKinsey nie dominuje dlatego, że działa w wielu sektorach. Dominuje, ponieważ może przenosić między sektorami kapitał, dane, infrastrukturę, klientów, modele, talenty i zdolność do absorpcji porażki.
Najważniejsza zmiana dotyczy samej natury konkurencji. Sektor przestaje być podstawową jednostką analizy. Coraz częściej jednostką staje się arena: dynamiczne pole, w którym technologia, kapitał, polityka i popyt przesuwają wartość. Omniscalerzy konkurują portfelami aren, a nie pojedynczymi produktami.
Dla gospodarki światowej oznacza to szybszy rozwój części technologii i większą koncentrację wartości. Dla Europy oznacza ryzyko bycia dobrze regulowanym rynkiem cudzych platform. Dla Polski oznacza wybór między rolą użytkownika i wykonawcy a rolą właściciela wybranych aktywów. Ten wybór nie zostanie rozstrzygnięty deklaracjami o cyfryzacji. Zostanie rozstrzygnięty przez kapitał, dane, energię, edukację, zamówienia publiczne, politykę konkurencji i zdolność firm do budowy produktów eksportowych.
Omniscalerzy nie są anomalią. Są logiczną formą firmy w gospodarce, w której AI, chmura, dane i kapitał mogą zasilać wiele sektorów naraz.
Źródła
Autor, D., Dorn, D., Katz, L. F., Patterson, C., Van Reenen, J. (2020). The Fall of the Labor Share and the Rise of Superstar Firms. Quarterly Journal of Economics, 135(2), 645–709.
Baldwin, R. (2016). The Great Convergence: Information Technology and the New Globalization. Harvard University Press.
Bessen, J. (2022). The New Goliaths: How Corporations Use Software to Dominate Industries, Kill Innovation, and Undermine Regulation. Yale University Press.
Bresnahan, T. F., Trajtenberg, M. (1995). General purpose technologies: Engines of growth? Journal of Econometrics, 65(1), 83–108.
Brynjolfsson, E., McAfee, A. (2014). The Second Machine Age. W. W. Norton.
Cusumano, M. A., Gawer, A., Yoffie, D. B. (2019). The Business of Platforms. Harper Business.
Evans, D. S., Schmalensee, R. (2016). Matchmakers: The New Economics of Multisided Platforms. Harvard Business Review Press.
Gawer, A. (2021). Digital platforms and ecosystems: remarks on the dominant organizational forms of the digital age. Innovation, 24(1), 110–124.
Khan, L. M. (2017). Amazon’s Antitrust Paradox. Yale Law Journal, 126(3), 710–805.
McKinsey Global Institute. (2024). The next big arenas of competition. McKinsey & Company.
McKinsey Global Institute. (2026). The race takes off in the next big arenas of competition. McKinsey & Company.
Porter, M. E. (1987). From competitive advantage to corporate strategy. Harvard Business Review, May 1987.
Rikap, C. (2021). Capitalism, Power and Innovation: Intellectual Monopoly Capitalism Uncovered. Routledge.
Srnicek, N. (2017). Platform Capitalism. Polity Press.
Stigler Center. (2019). Stigler Committee on Digital Platforms: Final Report. University of Chicago Booth School of Business.
Teece, D. J. (2018). Profiting from innovation in the digital economy: Enabling technologies, standards, and licensing models in the wireless world. Research Policy, 47(8), 1367–1387.
Zuboff, S. (2019). The Age of Surveillance Capitalism. PublicAffairs.