Przewodnik: AI w firmie › AI w sprzedaży i działach firmy
Sztuczna inteligencja w produkcji najszybciej daje wynik w czterech miejscach: w kontroli jakości na podstawie obrazu z kamer, w przewidywaniu awarii maszyn, w prognozowaniu popytu i planowaniu oraz w obsłudze dokumentów w systemie ERP, pod warunkiem że firma ma uporządkowane dane z maszyn i z systemu. W Polsce to wciąż rzadkość. Według Eurostatu w 2025 roku z AI korzystało 8,4% firm zatrudniających co najmniej 10 osób, wobec 20% w całej Unii. Ten poradnik pokazuje, od czego zacząć, co już jest wbudowane w popularne systemy ERP i jakie przepisy dotyczą maszyn z AI.
W 60 sekund AI na hali i w ERP najkrócej
- Na czym polega: modele uczą się na danych z maszyn i kontroli jakości, ze sprzedaży oraz z ERP, żeby przewidywać, wykrywać błędy i automatyzować decyzje.
- Gdzie się sprawdza: w zakładach produkcyjnych i firmach dystrybucyjnych, które mają dane z maszyn albo kilka lat historii w ERP oraz powtarzalne kłopoty, takie jak braki, przestoje czy reklamacje.
- Rozpiętość kosztów: od funkcji wbudowanych w licencję ERP po projekty z czujnikami i integratorem, a w SAP i Microsoft część funkcji AI rozlicza się według zużycia.
- Pierwszy projekt: jeden problem z mierzalnym kosztem (np. przestoje jednej linii) i sprawdzenie, czy istnieją dane, które go opisują.
- Termin do zapamiętania: od 20 stycznia 2027 roku nowe rozporządzenie maszynowe UE obejmuje maszyny z systemami samouczącymi się, więc producenci maszyn muszą się przygotować już teraz.
Czym jest sztuczna inteligencja w produkcji i w ERP?
Sztuczna inteligencja w produkcji to programy, które uczą się na danych z czujników maszyn, kamer, systemu jakości czy historii zamówień i na tej podstawie przewidują, wykrywają lub proponują decyzję. Roboty, które „myślą”, to nie ten temat. Chodzi o prognozy i klasyfikacje w rodzaju: ta maszyna prawdopodobnie zatrzyma się w ciągu tygodnia, ten detal ma wadę, w listopadzie zamówienia na ten produkt wzrosną.
ERP (od angielskiego Enterprise Resource Planning) to system, w którym firma prowadzi zamówienia i magazyn, produkcję, zakupy, finanse. Sztuczna inteligencja w ERP ma dwie twarze. Pierwsza to klasyczna analityka, czyli prognozy, wykrywanie nietypowych transakcji i podpowiedzi zamówień, a druga, nowsza, to asystenci i agenci AI, którym piszesz polecenie zwykłym językiem („pokaż zamówienia opóźnione przez dostawcę X”), a oni wyszukują dane albo wykonują kilka kroków w systemie.
Produkcja to tylko jeden z działów, w których AI zmienia dziś codzienną pracę. Pełniejszy obraz, od sprzedaży po marketing i PR, daje nasz przewodnik po AI w firmie.
Sześć zastosowań, w których AI w produkcji daje najwięcej
Najlepiej wypadają zastosowania, w których problem jest częsty i kosztowny, a przy tym dobrze opisany w danych. Oto sześć najczęstszych wraz z tym, czego każde wymaga. Prognozowanie popytu działa zresztą podobnie w handlu, co widać na przykładzie AI w e-commerce.
| Zastosowanie | Co robi AI | Jakie dane są potrzebne | Typowa pułapka |
|---|---|---|---|
| Kontrola jakości AI | Rozpoznaje wady na zdjęciach z kamer na linii | Tysiące zdjęć dobrych i wadliwych detali, oznaczonych przez ludzi | Za mało przykładów rzadkich wad |
| Predykcyjne utrzymanie ruchu | Przewiduje awarię na podstawie drgań, temperatury, prądu | Historia z czujników i zapis wcześniejszych awarii | Brak zapisu awarii, więc model nie ma się na czym uczyć |
| Prognozowanie popytu AI | Przewiduje zamówienia z uwzględnieniem sezonu i promocji | Kilka lat historii sprzedaży z ERP | Nagłe zmiany rynku, których nie było w historii |
| Planowanie produkcji AI | Proponuje kolejność zleceń, żeby skrócić przezbrojenia | Czasy operacji, przezbrojeń, dostępność maszyn i ludzi | Dane w ERP niezgodne z tym, co dzieje się na hali |
| Zakupy i zapasy | Podpowiada, co i kiedy zamówić | Stany, czasy dostaw, zużycie | Ręczne korekty magazynu poza systemem |
| Dokumenty i finanse | Odczytuje faktury i dokumenty magazynowe, dopasowuje płatności | Dokumenty w formie elektronicznej, np. z KSeF | Traktowanie odczytu jako nieomylnego |
Co w sztucznej inteligencji oferują SAP, Microsoft i Comarch?
Najwięksi dostawcy ERP wbudowują dziś AI w swoje systemy. Różnią się zakresem i sposobem rozliczania, a to drugie bywa przy budżecie ważniejsze niż pierwsze. Poniżej stan na wrzesień 2026 roku według dokumentacji i opisów dostawców.
| System | Asystent AI | Co potrafi | Jak się rozlicza |
|---|---|---|---|
| SAP (chmura, m.in. S/4HANA Cloud) | Joule | Odpowiada na pytania o dane, prowadzi przez transakcje, tworzy szkice dokumentów; agenci m.in. do planowania utrzymania ruchu | Podstawowe funkcje w subskrypcji chmurowej, funkcje premium zużywają jednostki SAP AI units kupowane osobno (ERP Research, lipiec 2026) |
| Microsoft Dynamics 365 Business Central | Copilot i agenci | Podpowiedzi, podsumowania, agenci obsługujący wybrane procesy | Część funkcji bez opłat za zużycie, część rozliczana przez Microsoft według zużycia; typ rozliczenia widać w systemie (Microsoft Learn, sierpień 2026) |
| Comarch ERP | ChatERP i agenci AI | Wyszukiwanie i filtrowanie danych poleceniem tekstowym, odczyt faktur (OCR), weryfikacja kontrahentów w KSeF, wykrywanie anomalii | Zależnie od produktu i umowy, szczegóły u dostawcy |
Kiedy AI w ERP i produkcji ma sens?
AI nie naprawi procesu, który bez niej nie działa. Ma sens tam, gdzie proces działa, ale jest kosztowny, powolny albo zależy od doświadczenia kilku osób, jak w tych sytuacjach:
- Planista, który układa harmonogram w arkuszu, bo ERP „nie rozumie” przezbrojeń, i nikt poza nim nie potrafi tego zrobić, gdy jest na urlopie.
- Dział jakości, który ręcznie ogląda setki detali na zmianę i przy zmęczeniu przepuszcza wady.
- Utrzymanie ruchu, które reaguje na awarie, zamiast im zapobiegać.
- Dział sprzedaży, który co miesiąc prognozuje „na oko”, a potem produkcja nadrabia nadgodzinami (tu z pomocą przychodzi też CRM z AI).
- Księgowość i zakupy przepisujące dane z dokumentów, o czym szerzej piszemy w artykule o AI w finansach firmy.
Jak wdrożyć AI w produkcji krok po kroku
Projekty AI w przemyśle rzadko upadają przez algorytm. Upadają przez złe dane, brak właściciela po stronie zakładu i brak porównania z tym, co było wcześniej.
- KROK 01Wybierz jeden problem z policzalnym kosztem
Przestoje jednej linii, odsetek reklamacji jednego wyrobu, nadmierne zapasy jednej grupy materiałów. Zapisz, ile to kosztuje dziś, bo ta liczba będzie punktem odniesienia.
- KROK 02Sprawdź dane, zanim wybierzesz narzędzie
Czy są zapisy awarii? Czy stany w ERP zgadzają się z magazynem? Czy zdjęcia wad są oznaczone? Bez danych najlepszy model niczego nie przewidzi.
- KROK 03Zacznij od tego, co już masz w ERP
Sprawdź, jakie funkcje AI są w Twoim systemie i jak się je rozlicza, bo czasem pierwszy krok nie wymaga nowego zakupu, tylko włączenia i skonfigurowania funkcji, za którą firma i tak już płaci.
- KROK 04Ustal właściciela na hali
Kierownik utrzymania ruchu, jakości albo planowania, który będzie oceniał podpowiedzi AI i decydował, co z nimi zrobić. Bez niego model zostaje raportem, którego nikt nie czyta.
- KROK 05Pilotaż z grupą porównawczą
Kilka miesięcy na jednej linii lub grupie produktów, z porównaniem do linii bez AI albo do analogicznych miesięcy poprzedniego roku. Zbieżność to nie wpływ. Spadek przestojów latem może wynikać po prostu z mniejszego obciążenia.
- KROK 06Skalowanie i utrzymanie
Po udanym pilotażu rozszerzasz projekt i ustalasz, kto będzie pilnował jakości modelu, gdy zmienią się maszyny, surowce lub asortyment.
Ile kosztuje sztuczna inteligencja w produkcji i od czego zależy budżet?
Jednej ceny „AI dla fabryki” nie ma. Budżet składa się z kilku pozycji, a ich proporcje zależą od tego, czy korzystasz z funkcji wbudowanych w ERP, czy budujesz własne rozwiązanie.
| Pozycja | Od czego zależy | Uwagi |
|---|---|---|
| Funkcje AI w ERP | Wersja systemu, edycja licencji, model rozliczenia | W SAP część funkcji zużywa jednostki AI units; w Business Central część jest rozliczana według zużycia |
| Czujniki i kamery | Liczba maszyn i stanowisk, wiek parku maszynowego | Starsze maszyny często wymagają doposażenia |
| Integracja danych | Liczba systemów (ERP, system sterowania produkcją, jakość, magazyn) | Zwykle największa pozycja w projekcie |
| Integrator lub partner wdrożeniowy | Zakres prac, doświadczenie w branży | Porównaj oferty według tego, jak mierzą wynik |
| Czas ludzi z zakładu | Oznaczanie danych, ocena podpowiedzi, szkolenie | Często pomijany w budżecie |
| Utrzymanie modelu | Zmiany asortymentu, maszyn, surowców | Model bez opieki traci trafność |
Nowe przepisy dla producentów maszyn z AI
Dla producentów maszyn najważniejsza data to 20 stycznia 2027 roku. Od tego dnia stosuje się rozporządzenie maszynowe UE 2023/1230, które zastąpi dyrektywę maszynową. PARP w omówieniu z września 2024 roku zwraca uwagę, że nowe przepisy wprowadzają pojęcie maszyn o zachowaniu ewoluującym, czyli wyposażonych w systemy samouczące się. Producent musi ocenić ryzyko związane ze zmianami, jakie system może wprowadzać w działaniu maszyny, a oprogramowanie pełniące funkcje bezpieczeństwa z uczeniem maszynowym wymaga nowych procedur oceny zgodności.
Drugi akt to AI Act. Systemy AI wbudowane w produkty objęte przepisami sektorowymi mogą zostać uznane za systemy wysokiego ryzyka, a rozporządzenie zmieniające (UE) 2026/1744, tzw. omnibus cyfrowy, opublikowane 24 lipca 2026 roku, przesunęło te obowiązki na 2 sierpnia 2028 roku. Dla maszyn zmiana idzie dalej: według omówienia Eurogip z sierpnia 2026 roku AI pełniącą funkcje bezpieczeństwa w maszynie ocenia się przede wszystkim według rozporządzenia maszynowego, a wymagania dotyczące AI mają do niego trafić aktem delegowanym. Termin 20 stycznia 2027 roku się nie zmienił. Aktualny stan przepisów śledzimy w omówieniu AI Act w Polsce. Producent maszyn powinien zaplanować zgodność teraz, bo nowa konstrukcja powstaje dłużej, niż zostało czasu.
Dane są ważniejsze niż model
Zarząd najczęściej pyta, który system AI wybrać. Lepsze pytanie brzmi: czy nasze dane są na tyle dobre, żeby jakikolwiek system coś z nich wyczytał? Sprawdź, czy stany i czasy w ERP zgadzają się z rzeczywistością, czy zdarzenia na hali (awarie, przezbrojenia, braki) trafiają do jednego miejsca i czy dane mają jednego właściciela.
Asystenci AI w ERP, tacy jak Joule czy ChatERP, odpowiadają na podstawie danych w systemie. Gdy dane są błędne, odpowiedź brzmi przekonująco, a mimo to jest błędna, i właśnie to zjawisko opisujemy przy halucynacjach AI. Tam, gdzie potrzebna jest wiedza z dokumentów (instrukcje, karty technologiczne, procedury), sprawdza się podejście, które pokazujemy w artykule o AI na wiedzy firmy. Do codziennych analiz poza ERP wiele zespołów wciąż używa arkusza, a co potrafi tam dziś AI, sprawdzisz w tekście o AI w Excelu.
Jak firma produkcyjna może mówić o AI i czego nie obiecywać
Wdrożenie AI to także temat dla komunikacji, bo klienci B2B pytają o jakość i terminowość, kandydaci o nowoczesne miejsce pracy, a media szukają konkretnych historii z przemysłu. Opowieść o AI działa, gdy ma liczby z pomiaru i uczciwie mówi, co jeszcze nie działa. Szkodzi, gdy obiecuje „fabrykę przyszłości” bez dowodu. W B2B jedno nieprawdziwe zdanie w ofercie potrafi kosztować kontrakt.
Komunikację zmiany zaplanuj razem z projektem. Ustal, co powiesz załodze (AI nie zastępuje ludzi, tylko pomaga w konkretnych zadaniach), co klientom, a co mediom branżowym. Podstawy budowania wiarygodnego wizerunku opisujemy w tekście o tym, jak budować wizerunek marki, a o tym, jak Commplace® wspiera firmy z przemysłu, przeczytasz na stronie marketing przemysłowy.
Kiedy wdrażać AI w produkcji, a kiedy jeszcze poczekać
Dobry moment to planowanie budżetu na kolejny rok i spokojniejszy sezon produkcyjny, bo pilotaż wymaga czasu ludzi z zakładu, a w szczycie zamówień tego czasu nie ma. Producentom maszyn kalendarz wyznaczają przepisy. Do 20 stycznia 2027 roku zostało kilka miesięcy.
To dobry czas, jeśli masz powtarzalny, kosztowny problem, dane z kilku lat i osobę, która poprowadzi projekt po stronie zakładu. Poczekaj, gdy trwa wymiana systemu ERP (najpierw nowy system, potem AI), dane leżą w arkuszach na prywatnych dyskach albo nikt nie umie powiedzieć, ile kosztuje dziś problem, który AI ma rozwiązać. Wybierając wykonawcę, skorzystaj z pytań z artykułu software house AI czy agencja AI, a jeśli dla działów administracji rozważasz asystenta w pakiecie biurowym, zajrzyj do poradnika o Copilocie dla firm.
Pięć sposobów, żeby projekt AI w zakładzie utknął
Firma kupuje platformę AI „bo konkurencja ma”, nie wskazując, co ma się poprawić. Płaci za licencje i integrację, a wyniku, który dałoby się pokazać zarządowi, nie ma.
Model uczony na błędnych stanach magazynowych i niepełnych zapisach awarii daje prognozy, którym nikt nie ufa, więc po kilku miesiącach zespół wraca do arkuszy.
Projekt prowadzi tylko IT, a kierownik produkcji dowiaduje się o nim z maila. Podpowiedzi AI są ignorowane, bo nikt nie odpowiada za decyzje.
Agenci AI w ERP trafiają do wszystkich użytkowników bez symulacji kosztów. Rachunek przewyższa całą oszczędność z pilotażu.
Producent maszyn dodaje funkcje samouczące się bez nowej oceny ryzyka i po 20 stycznia 2027 roku ma problem z oceną zgodności i oznakowaniem CE.
O co pytają nas zarządy firm produkcyjnych
Jak sztuczna inteligencja jest wykorzystywana w produkcji?
Najczęściej do kontroli jakości na podstawie obrazu z kamer, przewidywania awarii maszyn, prognozowania popytu, planowania produkcji oraz odczytu dokumentów w systemie ERP. Każde z tych zastosowań wymaga danych, na których model może się uczyć.
Czym jest sztuczna inteligencja w systemach ERP?
To funkcje wbudowane w system do zarządzania firmą, które prognozują, wykrywają nietypowe dane i odpowiadają na polecenia pisane zwykłym językiem. Przykłady to Joule w SAP, Copilot w Microsoft Dynamics 365 Business Central i ChatERP w systemach Comarch.
Ile firm w Polsce korzysta z AI?
Według Eurostatu w 2025 roku z technologii AI korzystało 8,4% polskich firm zatrudniających co najmniej 10 osób. Średnia w Unii Europejskiej wyniosła 20,0%, a Polska znalazła się w grupie krajów z najniższym odsetkiem.
Ile kosztuje wdrożenie AI w fabryce?
To zależy od tego, czy korzystasz z funkcji wbudowanych w ERP, czy budujesz własne rozwiązanie z czujnikami i integracją danych. Najwięcej kosztują zwykle integracja danych, doposażenie maszyn i czas ludzi z zakładu, a część funkcji AI w ERP rozlicza się według zużycia.
Czy nowe rozporządzenie maszynowe dotyczy AI?
Tak. Rozporządzenie UE 2023/1230, stosowane od 20 stycznia 2027 roku, obejmuje maszyny z systemami samouczącymi się i wymaga oceny ryzyka związanego ze zmianami w ich działaniu. Oprogramowanie pełniące funkcje bezpieczeństwa z uczeniem maszynowym podlega nowym procedurom oceny zgodności.
Od czego zacząć AI w produkcji?
Od jednego problemu z policzalnym kosztem, na przykład przestojów jednej linii. Potem sprawdź, czy masz dane, które go opisują, i uruchom pilotaż z porównaniem do okresu lub linii bez AI.
Czy AI zastąpi planistę produkcji?
Nie zastąpi. AI proponuje kolejność zleceń i ostrzega przed problemami. Decyzję podejmuje człowiek, który zna ograniczenia hali, ludzi i klientów, więc najlepiej traktować ją jako wsparcie doświadczonego planisty.
Źródła
- ŹRÓDŁOEurostat — 20% of EU enterprises use AI technologies · 11.12.2025
- ŹRÓDŁO
- ŹRÓDŁO
- ŹRÓDŁOERP Research — SAP Joule explained: what it does, cost and limitations · przegląd 22.07.2026
- ŹRÓDŁOMicrosoft Learn — Business Central: understand how each Copilot and agent capability is billed · aktualizacja 27.08.2026
- ŹRÓDŁOComarch — Sztuczna inteligencja (AI) w produktach Comarch · dostęp 24.09.2026
- ŹRÓDŁOEUR-Lex: rozporządzenie (UE) 2026/1744 (Digital Omnibus on AI), tekst po polsku · z 8.07.2026, Dz.U. UE z 24.07.2026, dostęp 24.09.2026
- ŹRÓDŁO
Czytaj dalej
Commplace® zaczyna od diagnozy i pomiaru: wskazujemy procesy z największym potencjałem, pomagamy zaplanować pilotaż i opowiedzieć o zmianie załodze i klientom.
Sebastian Kopiej, prezes Commplace®. W public relations od 1996 roku. Tekst przygotowany z pomocą narzędzi AI i zweryfikowany redakcyjnie przez autora. Dane aktualne na 24 września 2026.