Biuro prasowe

Jak sztuczna inteligencja wspiera administrację publiczną: sukces wdrożenia S AI

W tym materiale pokazujemy, jak w praktyce działa AI w administracji publicznej - na przykładzie wdrożenia systemu S AI wspierającego typowanie spraw do kontroli.

Przeczytaj i dowiedz się:

• jak połączyć modele predykcyjne z wiedzą ekspercką, zamiast je zastępować
• w jaki sposób AI zwiększa skuteczność działań operacyjnych (nawet o 50%)
• jak zaprojektować rozwiązanie, które działa w całości w infrastrukturze klienta i zapewnia pełną kontrolę nad danymi
• dlaczego transparentność i audytowalność są kluczowe w sektorze publicznym
• jak wygląda architektura systemu gotowego na dużą skalę i realne procesy

To przykład AI, która nie jest „czarną skrzynką”, tylko realnym narzędziem wspierającym decyzje bez utraty kontroli, bezpieczeństwa i odpowiedzialności.

Od digitalizacji do decyzji: AI, która realnie wspiera administrację

Transformacja cyfrowa sektora publicznego weszła dziś w etap, w którym nie wystarcza już sama digitalizacja dokumentów czy automatyzacja prostych czynności. Coraz większe znaczenie mają rozwiązania, które wspierają pracowników merytorycznych w podejmowaniu trafniejszych, szybszych i lepiej uzasadnionych decyzji. Właśnie w tym nurcie mieści się wdrożenie S AI - rozwiązania opartego na analityce predykcyjnej i regułach biznesowych, zaprojektowanego do wspierania procesów kontroli i wykrywania nadużyć w masowo składanych wnioskach obsługiwanych przez dużą instytucję polskiej administracji publicznej.

To przykład projektu, w którym sztuczna inteligencja nie zastępuje człowieka, lecz wzmacnia jego skuteczność. System wspiera użytkowników operacyjnych w identyfikowaniu spraw o najwyższym prawdopodobieństwie nieprawidłowości, pozostawiając ocenę, interpretację i decyzję po stronie ekspertów biznesowych. Równie ważne jest to, że rozwiązanie zostało zaprojektowane z myślą o wysokich wymaganiach bezpieczeństwa i kontroli nad danymi - od początku jako środowisko działające w infrastrukturze klienta, bez konieczności przekazywania danych do zewnętrznych usług.

Od potrzeby biznesowej do wdrożenia produkcyjnego

Projekt powstał jako odpowiedź na bardzo konkretną potrzebę organizacyjną:

jak skuteczniej wspierać proces typowania spraw do kontroli w środowisku, w którym do instytucji trafiają ogromne wolumeny wniosków, a skuteczność działania zależy od szybkiej identyfikacji przypadków odbiegających od normy.

Od początku było jasne, że kluczem do sukcesu nie będzie sama technologia, lecz właściwe połączenie wiedzy domenowej, danych historycznych, kompetencji analitycznych i architektury gotowej do działania na dużą skalę. W efekcie powstało rozwiązanie, które po przejściu przez etap analiz, budowy modeli, testów i integracji zostało uruchomione produkcyjnie jako element wspierający pracę operacyjną dużej organizacji publicznej.

AI wspierająca procesy kontroli w środowisku dużej skali

S AI działa jako rozwiązanie wspierające klasyfikację nowych spraw napływających do organizacji. System przetwarza dane wejściowe, wylicza zestaw cech opisujących dany przypadek, określa prawdopodobieństwo wystąpienia nieprawidłowości przy użyciu modelu predykcyjnego, a następnie przekazuje wynik do procesu operacyjnego, w którym eksperci podejmują dalsze działania. Projekt został zrealizowany w architekturze z wydzielonym komponentem do liczenia cech, odrębnym hostem modeli uczenia maszynowego i warstwą logiki biznesowej sterującą przebiegiem procesu.

To ważne rozróżnienie. S AI nie podejmuje decyzji administracyjnych i nie automatyzuje rozstrzygnięć. Jego zadaniem jest dostarczenie uporządkowanej, opartej na danych rekomendacji, która pomaga skoncentrować uwagę na sprawach najbardziej wymagających analizy.

W praktyce oznacza to zwiększenie efektywności działania tam, gdzie skala wpływających wniosków uniemożliwia ręczną, jednakowo pogłębioną ocenę wszystkich przypadków.

Bezpieczeństwo danych i pełna kontrola nad środowiskiem

Jednym z najmocniejszych atutów wdrożenia S AI jest model infrastrukturalny. Rozwiązanie zostało zaprojektowane tak, aby silniki predykcyjne były hostowane w całości on-premises, w środowisku klienta. Dotyczy to nie tylko samego wykonywania predykcji, ale również procesów związanych z przygotowaniem nowych zbiorów treningowych, uruchamianiem treningu modeli, ich walidacją, wersjonowaniem oraz publikacją do użycia produkcyjnego.

Z perspektywy instytucji publicznej ma to znaczenie fundamentalne. Dane pozostają pod pełną kontrolą organizacji, a cały cykl życia modelu - od danych treningowych po scoring produkcyjny - może być realizowany w ramach własnej infrastruktury i własnych procedur bezpieczeństwa. Taki model ogranicza zależność od zewnętrznych usług, ułatwia spełnienie wymogów organizacyjnych i audytowych oraz wzmacnia zaufanie do samego rozwiązania. Źródła projektowe pokazują również, że repozytorium modeli traktowane jest jako zasób krytyczny, ponieważ od jego integralności zależy możliwość odtworzenia historycznego procesu typowania i zachowania pełnej audytowalności.

Połączenie modeli predykcyjnych i wiedzy eksperckiej

Jednym z filarów rozwiązania jest połączenie modeli uczenia maszynowego z warstwą reguł biznesowych. Model statystyczny odpowiada za identyfikowanie zależności w danych i szacowanie prawdopodobieństwa nieprawidłowości. Z kolei reguły biznesowe pozwalają uwzględniać ekspercką wiedzę organizacji, specyfikę procesu oraz wymogi operacyjne. Warstwa reguł jest jawna i sterowalna, co wzmacnia kontrolę biznesową nad sposobem działania całego mechanizmu.

Takie podejście daje instytucji znacznie większą kontrolę nad sposobem działania systemu. Pozwala również elastycznie rozwijać rozwiązanie wraz ze zmianami procesowymi, organizacyjnymi i regulacyjnymi.

Nowoczesna architektura dla odpowiedzialnej AI

Rozwiązanie zostało osadzone w nowoczesnej architekturze mikroserwisowej, co pozwala na skalowalność, modularność oraz łatwiejsze utrzymanie i rozwój systemu. W praktyce oznacza to możliwość niezależnego rozwijania poszczególnych komponentów - od wyliczania cech, przez hostowanie modeli predykcyjnych, po integrację z systemami operacyjnymi klienta. Co istotne, ten model architektoniczny został połączony z pełnym osadzeniem środowiska predykcyjnego i treningowego po stronie klienta, dzięki czemu skalowalność nie odbywa się kosztem bezpieczeństwa danych ani kontroli nad infrastrukturą.

W projektach realizowanych dla administracji publicznej architektura ma znaczenie nie tylko techniczne, ale również organizacyjne. System musi być stabilny, przewidywalny, bezpieczny i gotowy do działania w środowisku o dużej liczbie spraw, użytkowników i powiązań z innymi aplikacjami. S AI został zaprojektowany właśnie z myślą o takich wymaganiach.

Transparentność zamiast „czarnej skrzynki”

Jednym z najważniejszych założeń wdrożenia była objaśnialność działania modeli. W praktyce oznacza to możliwość pokazania, jakie czynniki miały wpływ na wynik predykcji dla konkretnej sprawy. To aspekt kluczowy nie tylko z punktu widzenia zaufania użytkowników, ale również audytowalności, jakości i odpowiedzialnego stosowania AI.

W sektorze publicznym szczególnie istotne jest, aby technologia nie była traktowana jako nieprzejrzysta „czarna skrzynka”. Dlatego w S AI transparentność została potraktowana jako integralna część rozwiązania, a nie jako dodatkowa funkcjonalność.

Człowiek pozostaje w centrum

Wdrożenie S AI zostało zaprojektowane zgodnie z zasadą human-in-the-loop. Oznacza to, że system wspiera pracowników w identyfikacji spraw potencjalnie obarczonych wyższym ryzykiem nadużyć, ale nie zastępuje ich w ocenie końcowej. To człowiek odpowiada za analizę przypadku, interpretację kontekstu oraz dalsze działania operacyjne.

Wymierna wartość biznesowa i organizacyjna

Sukces wdrożenia S AI wynika nie tylko z zastosowanej technologii, ale przede wszystkim z tego, że rozwiązanie przyniosło realną wartość biznesową. W środowisku obsługującym bardzo duże wolumeny spraw nawet niewielka poprawa trafności typowania może przełożyć się na zauważalny wzrost efektywności całego procesu kontrolnego.

W przypadku S AI, wzrost skuteczności podejmowanych działań kontrolnych w odpowiedzi na wskazówki z systemu wyniósł około 50% względem historycznego baseline.

Wdrożenie pozwoliło:

• lepiej ukierunkować działania operacyjne,
• zwiększyć skuteczność identyfikacji spraw wymagających uwagi
• oraz zbudować fundament pod dalszy rozwój analityki predykcyjnej w organizacji.

Równie istotne były efekty długofalowe:

• uporządkowanie wiedzy o danych,
• przygotowanie zestawów cech możliwych do wykorzystania także w innych obszarach
• oraz zbudowanie kompetencji organizacyjnych w zakresie praktycznego stosowania AI.

AI dla administracji publicznej: praktyka zamiast deklaracji

W debacie o sztucznej inteligencji w sektorze publicznym często mówi się o potencjale, możliwościach i kierunkach rozwoju. Znacznie cenniejsze są jednak przykłady wdrożeń, które pokazują, jak AI działa w praktyce - w konkretnym procesie, przy realnej skali danych, z udziałem użytkowników biznesowych i z zachowaniem pełnej odpowiedzialności za sposób działania systemu.

S AI jest właśnie takim przykładem. Pokazuje, że nowoczesna analityka predykcyjna może skutecznie wspierać administrację publiczną w procesach kontroli i wykrywania nadużyć, zwiększając efektywność działania bez rezygnacji z transparentności, nadzoru, bezpieczeństwa danych i pełnej kontroli nad środowiskiem technologicznym. To AI wdrażana odpowiedzialnie: skalowalna, audytowalna i osadzona w infrastrukturze klienta.

W Asseco wierzymy, że przyszłość sztucznej inteligencji w administracji publicznej należy do rozwiązań, które łączą skuteczność modeli, wiedzę ekspercką, odpowiedzialne zarządzanie danymi i pełną rozliczalność działania. S AI pokazuje, że taka przyszłość nie jest już koncepcją - jest praktyką.

‍
Autor:

‍

Michał Świtnicki
Ekspert Data Science

‍

‍

Adam Góral, Prezes Zarządu Asseco Poland, został uhonorowany Nagrodą Specjalną Kongresu FTB – Forum Technologii Bankowych. Wyróżnienie to stanowi wyraz uznania dla jego wieloletniego wkładu w rozwój technologii dla sektora bankowego oraz konsekwentnego budowania pozycji Asseco jako partnera wspierającego transformację cyfrową instytucji finansowych.

Pod kierownictwem Adama Górala Asseco od lat dostarcza rozwiązania kluczowe dla funkcjonowania nowoczesnej bankowości – obejmujące systemy transakcyjne, kanały cyfrowe oraz narzędzia wspierające bezpieczeństwo, zgodność regulacyjną i efektywność operacyjną. Działania te przyczyniają się do tworzenia stabilnego i innowacyjnego ekosystemu finansowego.

Nagroda podkreśla znaczenie łączenia zaawansowanych technologii z głębokim zrozumieniem potrzeb biznesowych i oczekiwań klientów, które stanowi fundament rozwoju współczesnej bankowości.

‍

Sztuczna inteligencja przyspiesza rozwój oprogramowania, ale jednocześnie zwiększa ryzyko niespójności i błędów w kodzie. Analizy repozytoriów pokazują, że kod współtworzony przez AI może zawierać nawet 1,7 razy więcej problemów niż kod pisany wyłącznie przez ludzi, głównie z powodu braku kontekstu dla modeli.

W świecie, w którym nad jednym systemem może pracować wielu agentów AI, kluczowe staje się stworzenie wspólnego kontraktu architektonicznego, który definiuje zasady działania systemu. Taką rolę zaczyna pełnić specyfikacja projektowa.

Specyfikacja przestaje być jedynie dokumentacją. Staje się interfejsem współpracy między ludźmi, kodem i agentami AI.

Dla organizacji oznacza to zmianę podejścia do developmentu: zamiast skupiać się wyłącznie na pisaniu kodu, zespoły technologiczne coraz częściej koncentrują się na precyzyjnym definiowaniu zasad, architektury i intencji systemu.

Problem kontekstu w pracy z AI

Programista pracujący nad systemem posiada wiele informacji, które nie są zapisane w kodzie:

• decyzje architektoniczne
• konwencje projektowe
• zasady bezpieczeństwa
• sposób komunikacji między modułami

Dla zespołu są to często oczywiste elementy codziennej pracy. Dla modeli AI – jeśli nie zostaną opisane – po prostu nie istnieją.

W rezultacie AI może wygenerować kod, który działa lokalnie, ale nie pasuje do reszty systemu. Typowe problemy to:

• naruszenie przyjętej architektury
• niespójne interfejsy
• implementacja logiki w niewłaściwym miejscu
• brak zgodności z zasadami bezpieczeństwa

Dlatego coraz większą rolę odgrywa zarządzanie kontekstem dla AI, czyli dostarczanie modeli informacji o zasadach działania systemu.

Specyfikacja jako kontrakt między człowiekiem a AI

Jednym z podejść do rozwiązania tego problemu jest Spec-Driven Development.

W tym modelu specyfikacja nie jest tylko dokumentacją projektu. Pełni rolę kontraktu, który definiuje zasady działania systemu.

Specyfikacja opisuje m.in.:

• architekturę systemu
• konwencje projektowe
• kontrakty API
• zasady bezpieczeństwa
• sposób obsługi błędów

Dzięki temu zarówno programiści, jak i narzędzia AI działają w oparciu o ten sam zestaw reguł.

Zamiast ogólnego polecenia dla AI, agent otrzymuje kontekst, który określa:

• jak wygląda architektura aplikacji
• gdzie powinna znajdować się logika biznesowa
• jakie standardy obowiązują w projekcie

Efektem jest kod lepiej dopasowany do istniejącego systemu.

Koordynacja wielu agentów AI

Znaczenie specyfikacji rośnie szczególnie w środowiskach, w których nad jednym projektem pracuje jednocześnie wielu agentów AI.

W takim scenariuszu jeden agent może generować moduł płatności, drugi system powiadomień, a trzeci panel administracyjny. Bez wspólnego zestawu zasad każdy z nich może przyjąć inne konwencje i struktury komunikacji.

Rezultatem są problemy integracyjne oraz dodatkowy czas potrzebny na ręczne poprawki.

Specyfikacja działa wówczas jak wspólny protokół współpracy, który zapewnia spójność systemu – niezależnie od tego, czy kod tworzy człowiek, czy AI.

Ryzyka i ograniczenia

Podejście oparte na specyfikacji nie jest pozbawione wyzwań.

Największym ryzykiem jest tzw. spec drift, czyli sytuacja, w której specyfikacja przestaje odpowiadać rzeczywistemu kodowi. W takim przypadku AI może generować implementacje zgodne z dokumentacją, ale niezgodne z aktualnym systemem.

Drugim wyzwaniem jest koszt utrzymania specyfikacji. Tworzenie i aktualizowanie dokumentacji wymaga czasu i dyscypliny zespołu.

Istnieje również ryzyko tzw. „specification theater” – tworzenia rozbudowanej dokumentacji, która w praktyce nie jest używana w procesie developmentu.

Dlatego kluczowe jest traktowanie specyfikacji jako praktycznego narzędzia wspierającego pracę zespołu, a nie formalnego obowiązku.

Zmiana roli zespołów IT

Rozwój AI zmienia charakter pracy zespołów technologicznych.

Coraz częściej ich zadaniem nie jest jedynie implementacja kodu, lecz przede wszystkim:

• definiowanie architektury systemu,
• precyzowanie wymagań biznesowych,
• nadzorowanie pracy agentów AI,
• weryfikacja zgodności implementacji z założeniami.

Oznacza to przesunięcie pracy zespołów IT w stronę wyższego poziomu abstrakcji – od pisania kodu do definiowania intencji systemu.

Action Plan

Organizacje nie muszą od razu wdrażać pełnego modelu pracy opartego na specyfikacjach. Najlepszym podejściem jest wdrażanie zmian stopniowo i mierzenie efektów.

1. Zdefiniuj podstawowe zasady projektu

Stwórz krótki dokument zawierający:

• stack technologiczny
• konwencje architektoniczne
• zasady bezpieczeństwa
• standardy integracji API

To pierwszy krok do stworzenia wspólnego kontekstu dla ludzi i AI.

‍

2. Wprowadź specyfikację dla nowych funkcji

Przed rozpoczęciem implementacji nowych funkcjonalności:

• zapisz cel biznesowy
• określ dane wejściowe i wyjściowe
• zdefiniuj scenariusze błędów
• wskaż miejsce w architekturze

Taki dokument może powstać w 10–15 minut, ale znacząco poprawia jakość generowanego kodu.

‍

3. Połącz specyfikację z procesem code review

Podczas przeglądu kodu sprawdzaj nie tylko jego jakość techniczną, ale również:

• zgodność implementacji ze specyfikacją
• spójność z architekturą systemu
• zgodność z zasadami bezpieczeństwa

4. Zacznij mierzyć efekty

Najważniejsze jest zbieranie danych. Monitoruj:

• liczbę poprawek w kodzie generowanym przez AI
• czas integracji nowych modułów
• liczbę błędów produkcyjnych

Dzięki temu można ocenić realną wartość wprowadzonych zmian.

‍

5. Buduj fundament pod systemy multi-agentowe

W ciągu najbliższych lat organizacje będą coraz częściej wykorzystywać wiele agentów AI pracujących równolegle nad jednym systemem.

Firmy, które już dziś posiadają spójną specyfikację architektury i zasad projektowych, będą w stanie szybciej wykorzystać potencjał takich systemów.

Wnioski

Sztuczna inteligencja zmienia sposób tworzenia oprogramowania. W świecie, w którym coraz więcej kodu generują systemy AI, kluczowe znaczenie zyskuje jasne definiowanie zasad i kontekstu działania systemu.

Specyfikacja nie jest już tylko dokumentacją projektu. Staje się narzędziem zarządzania współpracą między ludźmi a AI.

Kod może wygenerować AI. Ale to człowiek nadal odpowiada za to, co system ma robić i dlaczego.

‍
Autor:

‍

Artur Sawicki
Architekt, Asseco Poland

‍

W 2025 roku Grupa Asseco wypracowała 16,8 mld zł przychodów ze sprzedaży, z czego 12,6 mld zł stanowiła sprzedaż własnych produktów i usług informatycznych. Zysk operacyjny był o 11% wyższy niż w 2024 roku i ukształtował się na poziomie 1,6 mld zł. Rekordowy w historii zysk netto przypisany akcjonariuszom jednostki dominującej, po wzroście o 119%, wyniósł 1,1 mld zł. Asseco kontynuowało rozwój działalności na rynkach międzynarodowych, wzmacniając swoją pozycję m.in. poprzez akwizycje. W minionym roku Grupa powiększyła się o 13 nowych spółek.

Wyniki Asseco pozostają silnie zdywersyfikowane geograficznie. W 2025 roku segment Asseco Poland zwiększył przychody ze sprzedaży o 12% rok do roku, osiągając poziom 2,3 mld zł. Działalność w tym obszarze koncentrowała się na dostarczaniu zaawansowanego oprogramowania i usług wspierających cyfryzację sektora finansowego, realizacji kluczowych projektów dla administracji publicznej oraz umacnianiu współpracy z klientami sektora energetycznego oraz ochrony zdrowia.

Rynki zagraniczne reprezentowane przez segmenty Formula Systems i Asseco International odpowiadały łącznie za 86% przychodów Grupy. Sprzedaż w segmencie Asseco International ukształtowała się na poziomie 4,6 mld zł, co oznacza wzrost o 12% w stosunku do 2024 roku. W tym segmencie odnotowano zwiększenie przychodów w spółkach Asseco Central Europe w Czechach i Słowacji, a także wyższe przychody z rozwiązań ERP skupionych w Grupie Asseco Enterprise Solutions. Sprzedaż wzrosła również w Asseco South Eastern Europe. W segmencie Formula Systems zanotowano 9,8 mld zł przychodów, czyli o 12% więcej rok do roku. Na ten wynik przełożyły się m.in. wzrost sprzedaży i wzmocnienie rynkowej pozycji Matrix IT i Magic Software.

W 2025 roku sfinalizowana została transakcja sprzedaży większościowego pakietu akcji spółki Sapiens, w wyniku której udział Grupy Asseco – poprzez Formula Systems – zmniejszył się z 43,5% do 18,7% w nowej strukturze właścicielskiej, co oznacza utratę kontroli nad tą spółką i zmianę jej ujęcia w wynikach finansowych. Transakcja wygenerowała 499 mln zł zysku netto przypisanego akcjonariuszom jednostki dominującej a zachowanie pakietu mniejszościowego pozwala na utrzymanie ekspozycji na dalszy wzrost Sapiensa.

‍

2025 rok był dla nas rekordowy – wypracowaliśmy najwyższy w naszej 35-letniej historii zysk netto, który przekroczył 1,1 mld zł. To znaczące osiągnięcie, szczególnie w kontekście wymagającego i niepewnego otoczenia, w jakim prowadzimy działalność. Konsekwentnie realizujemy przyjętą strategię, której fundamentem pozostaje tworzenie i rozwój najwyższej jakości własnego oprogramowania dla instytucji oraz przedsiębiorstw działających w kluczowych sektorach gospodarki. To właśnie model oparty na produktach własnych, kompetencjach domenowych i długoterminowych relacjach z klientami stanowi o sile, a także odporności Asseco. Rozwój Grupy Asseco opieramy zarówno na wzroście organicznym, jak i akwizycjach. Interesują nas spółki z doświadczonymi zespołami, które chcą rozwijać się w ramach naszego modelu federacyjnego lub poprzez integrację z Asseco. W 2025 roku zrealizowaliśmy 13 przejęć. Szczególną uwagę kierujemy na firmy z obszaru cyberbezpieczeństwa oraz rozwiązań opartych na sztucznej inteligencji, ale pozostajemy otwarci na podmioty wzmacniające nasze kompetencje w kluczowych sektorach – powiedział Adam Góral, Prezes Zarządu Asseco Poland.

Skonsolidowany portfel zamówień Asseco na rok 2026, w obszarze oprogramowania i usług własnych, ma obecnie wartość ponad 10,8 mld zł i jest o 19% wyższy niż w analogicznym okresie ubiegłego roku. W kursach stałych wzrost wynosi 13%.

‍

W 2026 roku koncentrujemy się na dalszym umacnianiu pozycji Asseco jako lidera cyfryzacji w kluczowych sektorach gospodarki – bankowości, energetyce, telekomunikacji, opiece zdrowotnej oraz administracji publicznej, a także rozwoju w segmentach produktowych – systemach ERP, płatnościach i usługach zaufania. Fundamentem naszego biznesu pozostają własne produkty i kompetencje technologiczne, które systematycznie rozszerzamy. Jednym z naturalnych kierunków budowania długoterminowej wartości Asseco jest sztuczna inteligencja. Wdrażamy ją zarówno w naszych produktach, jak i w całym cyklu rozwoju oprogramowania, co zwiększa naszą efektywność i jakość dostarczanych rozwiązań. Podchodzimy do AI pragmatycznie – jako do technologii, która ma realnie wspierać biznes i tworzyć wartość dla klientów – dodał Adam Góral.

Asseco konsekwentnie buduje wartość dla Akcjonariuszy i dzieli się z nimi wypracowanym zyskiem. Od debiutu na GPW Spółka wypłaciła swoim Akcjonariuszom ponad 3,8 mld zł dywidendy. W tym roku Zarząd Spółki zarekomendował Walnemu Zgromadzeniu wypłatę 1 051 mln zł dywidendy za 2025 rok, co oznacza 13,05 zł na jedną akcję biorącą udział w dywidendzie.

Asseco Poland zostało uhonorowane nagrodą specjalną w prestiżowym konkursie „Liderzy Świata Energii”. Statuetkę podczas uroczystej gali odebrał Prezes Zarządu Asseco Poland, Adam Góral.

Wyróżnienie stanowi potwierdzenie wieloletniego zaangażowania spółki w rozwój krajowego sektora energetycznego oraz jej istotnej roli w budowie i utrzymaniu nowoczesnej infrastruktury cyfrowej dla branży.

Kapituła konkursu w uzasadnieniu podkreśliła, że przez 35 lat Asseco – jako polska firma informatyczna – współtworzy cyfrowy kręgosłup krajowej energetyki. Od rozliczeń i pomiarów, przez systemy obsługi Klienta, po dystrybucję i wymianę danych – rozwiązania Asseco to dziś integralna i ważna część krajowego systemu energetycznego. Ta skala to efekt konsekwencji i odpowiedzialności, opartych na rozwijanych w Polsce kompetencjach oraz potencjale, który znalazł potwierdzenie w skutecznej realizacji największych polskich projektów energetycznych. Przez lata budowała stabilność systemu i tworzyła trwały fundament cyfrowej suwerenności polskiego rynku energii, oparty na krajowej wiedzy i doświadczeniu.

‍

W tegorocznej edycji „Byków i Niedźwiedzi” Asseco Poland zostało wyróżnione tytułem „Spółki Roku” w kategorii spółek z indeksu mWIG40. Prestiżową nagrodę przyznawaną przez redakcję Gazety Giełdy i Inwestorów „Parkiet” odebrał Adam Góral, Prezes Zarządu.

Jak czytamy w uzasadnieniu, Asseco było liderem, jeśli chodzi o stopę zwrotu w 2025 r. w mWIG40. Wyniosła ona (uwzględniając wysoką dywidendę) ponad 140 proc.

Nagrody „Byki i Niedźwiedzie” od ponad 30 lat trafiają do firm, instytucji oraz menedżerów, którzy w istotny sposób wpływają na kształt rynku kapitałowego w Polsce, wyznaczając kierunki jego rozwoju i przyczyniając się do budowania wartości dla inwestorów.

Uroczysta gala wręczenia nagród „Byki i Niedźwiedzie oraz Złote Portfele” odbyła się 19 marca 2026 roku w siedzibie Giełdy Papierów Wartościowych w Warszawie. Tego samego dnia zorganizowano również Forum Rynku Finansowego – przestrzeń debaty poświęconą kierunkom dalszego rozwoju polskiego rynku kapitałowego.

‍