Sztuczna inteligencja w produkcji i w systemach ERP: gdzie daje wynik, ile kosztuje i jak zacząć

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.

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.

Jak z tego wybierać? Jeśli pracujesz na SAP, SAP Joule jest pierwszym miejscem do sprawdzenia, bo działa na danych, które już masz w systemie. Firmy na systemie Microsoftu zaczynają zwykle od funkcji Copilot w Business Central, a użytkownicy systemów polskiego dostawcy od narzędzia ChatERP Comarch. W każdym przypadku najpierw sprawdź, które funkcje masz w obecnej licencji, a za które zapłacisz według zużycia.

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. Porównanie zaplanuj od pierwszego dnia: wybierz dwa albo trzy mierniki z listy, którą podajemy w tekście z przykładami KPI, i zapisz ich wartość sprzed pilotażu.

1. 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.

2. 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.

3. 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.

4. 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.

5. 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.

6. 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.

Próg decyzji ustal przed pilotażem. Przykład: model utrzymania ruchu przechodzi dalej, jeśli jego ostrzeżenia potwierdzają się na hali w większości przypadków, a liczba nieplanowanych postojów na maszynie z pilotażem spada wyraźniej niż na podobnej maszynie bez niego. Jeśli ostrzeżeń jest dużo, a potwierdza się mało, ludzie przestaną je czytać po kilku tygodniach.

Przy rozmowie z integratorem albo dostawcą ERP zadaj pytania, które wyciągają koszty ukryte za słowem „wdrożenie”.

Gdy nie wiesz, który problem policzyć najpierw, zacznij od diagnozy: agencja AI Commplace wskaże proces i wyliczy jego koszt, zanim zamówisz czujniki czy licencje.

1. Które funkcje AI mam w obecnej licencji, a które kosztują dodatkowo?
2. Ile będzie kosztowało zużycie przy naszej liczbie użytkowników i transakcji?
3. Kto po wdrożeniu utrzymuje model, gdy zmieni się asortyment albo maszyna?
4. Jak porównamy wynik z maszyną lub linią bez pilotażu?
5. Jakie dane zostają u nas, jeśli zakończymy współpracę?
6. Ile godzin ludzi z zakładu potrzebujesz i w którym tygodniu?

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.

Sztuczna inteligencja w produkcji maszyn to więc nie tylko temat dla działu badań i rozwoju, ale też dla działu prawnego i dokumentacji. Rozporządzenie maszynowe a AI to w praktyce trzy pytania do zespołu konstrukcyjnego: czy maszyna uczy się w trakcie pracy, czy ta nauka może zmienić funkcje bezpieczeństwa i kto oceni zgodność. Jeśli choć na jedno odpowiedź brzmi „tak” albo „nie wiemy”, zaplanuj przegląd przed 20 stycznia 2027 roku. Czasu jest mało.

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. Gdy dane o zamówieniach i awariach leżą w osobnych programach, kokpit Commwork®AI łączy je w jeden widok, w którym każdy wskaźnik ma źródło, datę, próg i właściciela. Dopiero na takim widoku widać, czy model ma z czego się uczyć.

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. Obawy ludzi na hali są naturalne, a sposoby prowadzenia ich przez nowe opisujemy w artykule o tym, jak zarządzać zmianą w organizacji. 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.

Typowy zakład w 90 dni i lista kontrolna przed pilotażem

Ten scenariusz to przykład poglądowy, a nie opis wdrożenia u konkretnego klienta. Załóżmy zakład z trzema liniami, systemem ERP od kilku lat i jedną maszyną, której postoje najbardziej blokują wysyłki.

Dni 1–30. Zespół spisuje, gdzie leżą dane: stany i zlecenia w ERP, awarie w zeszycie utrzymania ruchu, wady w arkuszu jakości. Wszystkie działy, od produkcji po finanse, uzgadniają jedną definicję przestoju. Ktoś liczy, ile kosztował przestój tej maszyny w ostatnim kwartale, bo bez tej liczby nie będzie z czym porównać wyniku. Brzmi nudno, ale oszczędza miesiące.

Dni 31–60. Na maszynie pojawiają się brakujące czujniki, a model zaczyna ostrzegać. Nikt jeszcze nie zmienia planu przeglądów. Tak ma być na starcie. Mistrz zmiany zapisuje przy każdym ostrzeżeniu, czy coś się faktycznie działo. Tylko tyle. Załoga słyszy wprost, po co jest pilotaż i czego nie zmienia; dobre zasady takiej rozmowy opisuje tekst o przepływie informacji w firmie.

Dni 61–90. Zespół porównuje maszynę z pilotażem z podobną maszyną bez niego i przegląda ostrzeżenia, które się nie sprawdziły. Decyzja ma trzy możliwe wyniki: rozszerzyć na kolejne maszyny, poprawić dane i przedłużyć pilotaż albo zamknąć temat. Każdy z nich jest dobrym wynikiem, jeśli opiera się na pomiarze, a nie na wrażeniu; różnicę między zbieżnością a wpływem wyjaśniamy na stronie o korelacji i wpływie.

Najdroższą pozycją w takim kwartale zwykle nie jest licencja, tylko integracja danych i czas ludzi z zakładu, dokładnie jak w tabeli kosztów wyżej. Prognozowanie popytu da się dołożyć później, gdy dane o zamówieniach będą spójne z planowaniem; od strony handlowej pomaga w tym tekst o planowaniu sprzedaży.

• Czy mamy jeden problem z policzonym kosztem w złotówkach?
• Czy zapis awarii i wad z ostatniego roku istnieje w jednym miejscu?
• Czy wszystkie działy liczą przestój tak samo?
• Czy mamy maszynę lub linię do porównania, której pilotaż nie obejmie?
• Czy wiadomo, kto na hali odpowiada za pilotaż i ile ma na to godzin?
• Czy sprawdziliśmy, które funkcje AI są już w naszej licencji ERP?
• Czy dział konstrukcyjny wie, czy nasze maszyny podlegają nowym przepisom?

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. Jeśli chcesz, żeby ktoś z zewnątrz wskazał proces z największym potencjałem i policzył go przed pilotażem, zobacz, jak pracuje nasza agencja AI.

Pięć sposobów, żeby projekt AI w zakładzie utknął

Czytaj dalej