Nie dla lajków, ale dla wyników. Jeśli sztuczna inteligencja ma być gdzieś gamechangerem, to właśnie w produkcji przemysłowej. W fabrykach, gdzie liczą się milimetry, sekundy i oszczędności, nowe technologie zaczynają rewolucjonizować projektowanie, testowanie i zarządzanie produkcją.
Rewolucja AI dokonuje się tam, gdzie najrzadziej zaglądają influencerzy – w fabrykach, halach produkcyjnych i centrach inżynieryjnych. Przemysł nie potrzebuje błyskotek, lecz realnych efektów. Niemniej zacznę od influencera.
"To postęp!” – pisał na LinkedIn przy okazji wydarzenia wielkiej firmy technologicznej pewien entuzjastyczny influencer technologiczny. Youtuber zachwycał się tym, że dzięki sztucznej inteligencji można robić filmiki w kilkanaście minut. Czy to przełom? Czy to, że dzięki temu „postępowi” internet zaleje coraz więcej śmieciowych treści AI, powinno nas uwznioślać?
Gdy w mainstreamowych mediach rozmawia się o sztucznej inteligencji, zbyt wiele uwagi poświęca się generatywnej AI. Oczywiście, problem ścieku AI jest realny. Tak jak regres intelektualny tych, którzy każde zdanie piszą przy pomocy chatbotów. Śmiem twierdzić, że rozwój dużych modeli językowych przynosi wiele korzyści, ale też stwarza wiele problemów. To oczywiście temat na inny materiał, ale w tym miejscu chciałbym skupić się na wykorzystaniu sztucznej inteligencji, które jest naprawdę przełomowe. To AI w przemyśle i produkcji. Na razie koszty sprzętu są wciąż wysokie, zużycie energii duże, brakuje różnorodnych zbiorów danych, na jakich trenują modele językowe, ale zmiana już się zaczęła. W kwestii robotyzacji/automatyzacji to wciąż etap Elizy (chatbot z 1966 roku).
"ChatGPT zna język internetu. Zna tekst, obraz, dźwięk, wideo i kod. Ale nie zna języka inżynierii i produkcji – tego, który opisuje systemy, mechanikę, elektrykę, symulacje, procesy produkcyjne czy strukturę materiałową. My mamy unikalną przewagę – tworzymy własny przemysłowy model bazowy (foundation model). Wierzymy, że może to zrewolucjonizować zastosowanie sztucznej inteligencji w rozwiązywaniu złożonych problemów inżynieryjnych, zmieniając sposób projektowania i produkcji" – mówił podczas wydarzenia Realize LIVE w Detroit Joe Bohman, wiceprezes Siemens Digital Industries Software.
Firma Siemens była organizatorem wydarzenia w Detroit. Wybór miejsca nie był przypadkowy. Detroit to miasto, które wyrosło na przemyśle. Swoją potęgę zawdzięczało głównie motoryzacji (swego czasu było to 4. pod względem ludności miasto w USA). To też miasto, które ten przemysł zabił. Dziś odradza się, o czym zresztą też pisałem na tych łamach.
Bohman mówił, że firma obecnie wykorzystuje 150 petabajtów danych produktowych, ponad 1000 patentów z zakresu sztucznej inteligencji oraz setki specjalistów ds. danych, aby stworzyć model AI, który mówi językiem inżynierii i przemysłu.
Kwestia przemysłowego języka AI była podnoszona podczas wydarzenia wielokrotnie. Adam Shepherd z firmy Northrop Grumman mówił o faktach. Wyjaśnił, że wykorzystanie własnych rozwiązań AI pozwoliło firmie na zredukowanie poprawek inżynieryjnych z 20 proc. do poniżej 1 proc.
"Zmniejszamy ryzyko, przyspieszamy rozwój i umożliwiamy efektywną współpracę na wielu poziomach bezpieczeństwa i wiedzy specjalistycznej" – powiedział w swoim wystąpieniu Shepherd.
Ważnym aspektem poruszanym podczas wydarzenia była elastyczność. Dziś produkcja to próba ciągłego wpasowywania się w zmieniające się gusta klientów, a także reagowanie w systemie ciągłych zmiennych. Tradycyjna produkcja, bez AI, może temu nie sprostać. Mówił o tym m.in. Frank Helmke, dyrektor ds. zarządzania cyklem życia produktów w BSH Home Appliances Group.
Globalna "pozioma" struktura środowiska produkcyjnego BSH utrudniała standaryzację procesów przy jednoczesnym zachowaniu elastyczności lokalnych zakładów. Dopiero wykorzystanie modelu AI do zarządzania produkcją pozwoliło połączyć pionowe zarządzanie z potrzebami lokalnych rynków.
"Nasza firma oferuje ponad 1000 wariantów produktów. Efektywność na wielu liniach produkcyjnych i w zakładach na świecie jest możliwa dzięki systemom AI analizującym na bieżąco procesy. Najlepsi ludzcy analitycy nie potrafiliby tego zrobić. Ludzka intuicja, nawet najlepsza, ma swoje ograniczenia. W pewnej, dużej, skali ona po prostu nie działa. Wtedy liczą się liczby. To, co da się zmierzyć, da się zaplanować" – mówił w trakcie wydarzenia w Detroit Helmke.
Może się wydawać, że wiele rzeczy zostało przereklamowanych, ale jeśli chodzi o sztuczną inteligencję — jest inaczej. W przemyśle AI przynosi realne korzyści. Rozmawiałem o tym w Detroit, ale także na polskim podwórku.
W ostatnich latach Polska poczyniła zauważalne postępy w zakresie cyfryzacji różnych obszarów życia — zarówno prywatnego, jak i publicznego. Niemniej jednak kraje uznawane za liderów transformacji cyfrowej w Unii Europejskiej, takie jak Finlandia, Szwecja czy Holandia (zgodnie z raportem "Eurostat Digitalisation in Europe 2024"), rozwijają się w tym zakresie znacznie szybciej. W opublikowanym przez Komisję Europejską zestawieniu "Digital Economy and Society Index (DESI)", które mierzy poziom zaawansowania cyfrowego krajów UE, Polska zajęła w 2023 roku dopiero 21. miejsce, co plasuje ją wyraźnie poniżej unijnej średniej.
Także pod względem robotyzacji nie wyglądamy imponująco. Według raportu World Robotics 2024 obecnie wskaźnik robotyzacji w Polsce wynosi zaledwie 78 robotów na 10 tysięcy pracowników przemysłowych, podczas gdy w Niemczech jest to 397, a w Korei Południowej — aż 1006. To suche liczby — bo, jak dalej piszę, prawda o innowacyjności jest dużo bardziej złożona.
Paweł Daszkiewicz, dyrektor realizacji usług DSR 4FACTORY, tłumaczy, że pytanie o najczęściej wykorzystywane technologie AI w przemyśle jest skomplikowane, ponieważ w jego treści kryje się błędne wrażenie istnienia jakiegoś jednolitego programu AI, który jest realizowany w przedsiębiorstwach.
– Uogólniając, można przyjąć, że sztuczna inteligencja tworzy systemy i algorytmy wykonujące zadania, które dotychczas wymagały ludzkiej inteligencji. Jednak to oznacza bardzo szerokie spektrum działań. Jeżeli pytamy więc o najczęściej wykorzystywane technologie AI, trzeba wskazać te, które były implementowane przez ostatnie 15 lat: uczenie maszynowe (machine learning), uczenie głębokie (deep learning), wizja komputerowa (computer vision), przetwarzanie języka naturalnego (NLP), systemy rekomendacyjne (algorytmy heurystyczne, reinforcement learning), algorytmy genetyczne — tłumaczy.
Dodaje też, że wciąż częstym błędem jest utożsamianie AI w produkcji z modelami językowymi.
– Od 2022 roku modele językowe zawładnęły wyobraźnią wszystkich, którzy szukają przełomowych optymalizacji w przemyśle, dając perspektywę stworzenia spójnej platformy AI wspierającej ludzi pracujących w fabryce — a nie jak dotychczas bardzo ważne i opłacalne, jednak punktowe rozwiązania. A to one robią różnicę – wyjaśnia.
Wtórują mu Grzegorz Skowronek i Krzysztof Fiegler z firmy IPOsystem, dostawcy autonomicznych systemów decyzyjnych opartych na sztucznej inteligencji.
– AI w przemyśle to zupełnie inna bajka niż chatboty. A jednak bardzo często jesteśmy traktowani jak niszowi zapaleńcy, podczas gdy systemy, które tworzymy, naprawdę działają i rozwiązują konkretne problemy – opowiada Skowronek.
– Największym wyzwaniem w przemyśle jest marnotrawstwo czasu i zasobów. Sztuczna inteligencja pozwala na bieżąco organizować pracę. Zakład zaczyna pracować o 7.00, ale o 7.14 plan może się zmienić, bo wpada nagłe, ważne zlecenie. Ludzkie przeorganizowanie pracy to minuty, jeśli nie godziny. AI pozwala zarządzić tym automatycznie – mówi przedstawiciel IPOsystem.
– Kluczowe jest to, że system podejmuje decyzje sam, dynamicznie, w zmieniającym się środowisku. To nie jest klasyczne planowanie "z góry". To jest uczenie się na podstawie sytuacji, decyzji, danych historycznych — czyli klasyczny komponent AI w praktyce – dodaje Fiegler.
To realny wpływ na pracę. Dlaczego?
– W firmach, które do nas trafiają, realne wykorzystanie czasu pracy pracowników wynosi od 65 do 75 proc. Wszystko zależy od branży. W produkcji jednostkowej to jeszcze mniej. Po wdrożeniu IPOsystemu ten wskaźnik rośnie powyżej 90 proc. To efekt eliminacji przestojów — szczególnie tych mikro, wynikających z ręcznego planowania. W tradycyjnym zarządzaniu, gdzie używa się Excela czy nawet bardziej zaawansowanych systemów, zawsze występuje moment, kiedy coś się "sypie". Przykład? Pracownik przez 18 proc. czasu pracy czeka, bo nie wie, co ma robić. System AI to eliminuje, bo jeśli dana operacja o 12.15 nie może się rozpocząć (np. brakuje części), natychmiast zleca kolejną możliwą — może mniej pilną, ale wykonalną – wyjaśnia Skowronek. Dodaje, że wdrożenie systemu wiąże się też z koniecznością uporządkowania całej organizacji.
Bo nie da się "scyfryzować bałaganu". A pamiętajmy, że wiele polskich firm jest w trakcie albo nawet przed cyfryzacją.
– To automatyzacja procesów. I jest to tylko element cyfrowej rewolucji produkcji. Kolejnym może być cyfryzacja dokumentacji, innym — robotyzacja. Trzeba rozumieć, który element jest kluczowy i czego naprawdę potrzebujemy – mówi Skowronek. Dodaje też, że czasami automatyzacja procesów daje więcej niż robotyzacja.
– Mówi się, że Polska ma niski poziom robotyzacji. Mniejszy niż Słowacja. Ale nasz sąsiad ma wyższy, bo u niego w przemyśle dominuje automotive, a w Polsce produkuje się wszystko. To kwestia branż. Są takie, w których robotyzacja jest bardziej potrzebna, i takie, w których optymalnym rozwiązaniem jest człowiek i zarządzanie AI – dopowiada.
Czy człowiek jest tutaj tylko elementem bezdusznej maszynerii?
Zmiana zaczyna się od góry. Zmienia się rola ludzi — w szczególności liderów, brygadzistów, czyli osób, które dotychczas były najbliżej pracowników, ale w praktyce zajmowały się "dociskaniem" planów, które już o poranku były nieaktualne. Po wdrożeniu systemu ich rola znika — system sam decyduje, co kto ma robić. A ci doświadczeni ludzie? Zamiast planować mogą w końcu zająć się tym, co mają najlepiej opanowane — doskonaleniem procesów, analizą danych, rozwojem.
– Dziś z naszego systemu korzysta 13–14 tysięcy ludzi w ponad 70 fabrykach. Mówimy o milionach decyzji, które już zostały wygenerowane. Kiedy rozmawiamy bezpośrednio z pracownikami i pytamy, jak im się w ten sposób pracuje, 95 proc. odpowiedzi jest spójnych. Pracownicy mówią: "To trochę taki cyfrowy policjant — jak coś trwa za długo, to kierownik przyjdzie zapytać, co się dzieje". Ale zaraz dodają: "Nie wyobrażamy sobie powrotu do starego systemu" – tłumaczy Fiegler.
Oczywiście, jak wiemy z wielu przykładów, sztuczna inteligencja, owy cyfrowy policjant, może być bardziej bezwględny. I może dociskać bardziej niż człowiek, choć to temat na zupełnie inny tekst.
– Ludzie cenią sobie spokój w pracy. Chcą przyjść, wykonać swoje zadania, być sprawiedliwie ocenieni i wrócić do domu. Nie chcą sytuacji, gdzie maszyna była zajęta albo zepsuta, a oni muszą się tłumaczyć, dlaczego coś nie zostało zrobione. System to eliminuje. Kierownik nie może już rzucać ogólników. Wszystko jest transparentne – dodaje Skowronek.
Wdrażanie sztucznej inteligencji nie powinno pomijać ani człowieka, ani całej kultury organizacyjnej.
– Wykorzystywanie automatyzacji i działań AI tam, jest istotne tam, gdzie wniesie największą wartość dodaną do procesu. Nie należy też zapominać, że siła AI opiera się na skumulowanej wiedzy w odniesieniu do istniejącej rzeczywistości. Każda zmiana wykraczająca poza założony zakres wymaga ingerencji operatorów i zbudowania odpowiedniego kontekstu – tłumaczy Paweł Daszkiewicz.
Ważny jest fakt, że producenci mogą identyfikować wąskie gardła, zanim się one pojawią, poprawiać jakość dzięki analizie w czasie rzeczywistym oraz wspierać pracowników poprzez eliminację ręcznych, czasochłonnych zadań – budując przy tym bardziej odporne, adaptacyjne i wydajne operacje.
– Postrzegamy to jako początek ery agentycznej automatyzacji, gdzie agenci AI nie tylko wykonują zadania, ale rozumieją kontekst, adaptują się do zmian i samodzielnie optymalizują wyniki. Oznacza to znacznie więcej niż tylko automatyzację rutynowych procesów w branży produkcyjnej – wyjaśnia z kolei Mateusz Majewski z UiPath, firmy zajmującej się automatyzacją produkcji.
Agentowa AI pozwala systemom analizować dane produkcyjne, przewidywać zakłócenia i podejmować działania korygujące – niezależnie od tego, czy chodzi o ponowne zamawianie komponentów, zmianę organizacji pracy czy dostosowywanie harmonogramów – wszystko to bez udziału człowieka.
– Tacy cyfrowi agenci działają zarówno w środowiskach fizycznych, jak i cyfrowych, łącząc systemy hali produkcyjnej, platformy ERP i sieci łańcucha dostaw w ciągłą, inteligentną pętlę informacji zwrotnej – tłumaczy Majewski.
Automatyzacja procesów produkcyjnych postępuje. Bo jest to konieczność.
– Przedsiębiorstwa, które wdrażają AI, działają szybciej, realizują zamówienia efektywniej i potrafią natychmiast reagować na zmiany. Tworzy to wyraźną przewagę wydajnościową, którą pozostali muszą nadrabiać. W logistyce i realizacji zamówień AI stała się przewagą konkurencyjną wpływającą na poziom obsługi, strukturę kosztów oraz skalowanie działalności. Sztuczna inteligencja nie jest już opcjonalna. To strategiczne narzędzie, które odróżnia liderów od goniących trendy – zauważa Denis Niezgoda, chief commercial officer w Locus Robotics.
Nie tylko kwestia przewagi konkurencyjnej ma tutaj znaczenie. Liczy się również… demografia.
– Trendy demograficzne są w Europie jednoznaczne – kolejne pokolenia są coraz mniej liczne i raczej panuje niepokój, skąd wziąć osoby potrzebne do obsługi fabryk – tłumaczy Paweł Daszkiewicz.
AI może przeciwdziałać tej zmianie pokoleniowej.
– Wprowadzanie AI w sposób, który wspiera pracowników, zamiast ich zastępować, to skuteczna strategia minimalizująca zagrożenie dla miejsc pracy, a jednocześnie poprawiająca efektywność operacyjną i jakość obsługi klienta. Bardziej zaawansowane narzędzia odciążają pracowników w wykonywaniu rutynowych i manualnych zadań, co jest szczególnie ważne, gdy rąk do pracy zaczyna brakować – komentuje Jessica Grisolia, retail industry solutions director w firmie Scandit zajmującej się analizą i przetwarzaniem danych.
Warto również pamiętać, że sztuczna inteligencja nie funkcjonuje samodzielnie – jej skuteczność w przemyśle w dużej mierze zależy od współdziałania z innymi technologiami wspierającymi, które pozwalają na analizę i podejmowanie decyzji w czasie rzeczywistym. Infrastruktura jest podstawą każdego udanego wdrożenia AI.
– Szczególnie widzimy to w sektorze przemysłowym, gdzie skala, złożoność i potrzeba działania w czasie rzeczywistym są wyjątkowo duże. Kyndryl AI Readiness Report ujawnił, że wiele organizacji zaczyna dostrzegać, że bez nowoczesnej, elastycznej i bezpiecznej infrastruktury ich ambicje związane ze sztuczną inteligencją mogą utknąć w miejscu. Raport wskazuje, że integracja AI z istniejącymi systemami, zapewnienie dostępności danych oraz zarządzanie wymaganiami obliczeniowymi to największe wyzwania, a wszystkie one opierają się na solidnej infrastrukturze – opowiada Michał Zajączkowski, dyrektor zarządzający Kyndryl Poland.
I tak jak zawsze w przypadku sztucznej inteligencji, liczą się dane.
– Problemem nie jest sama technologia, tylko dane. Wiele firm nie ma danych – albo mają dane kiepskiej jakości: w Excelu, na kartkach, wprowadzane ręcznie. A bez danych AI nie zadziała. Firmy chciałyby efektów jak z ChatGPT, ale nie zdają sobie sprawy, ile danych potrzeba, by to działało. I że inna firma mogła przez 10 lat budować tę bazę danych, zanim osiągnęła taki poziom – opowiada Krzysztof Fiegler i dodaje, że automatyzacja ma pomagać w realizacji strategii, a nie być modnym hasłem.
AI to potężne narzędzie, ale skuteczne tylko wtedy, gdy mamy dane, proces i cel. To droga, do której jednak trzeba być przygotowanym. Organizacje charakteryzujące się niskim stopniem zdolności do zbierania danych z procesów przemysłowych poprzez sieć będą miały trudności z wykorzystaniem sztucznej inteligencji do analizy i wykorzystania tych danych.
– Z perspektywy organizacyjnej w ostatnich latach w przemyśle coraz powszechniejsza staje się rola "cyfrowych czempionów", których celem jest aktywne poszukiwanie możliwości wykorzystania danych do optymalizacji procesów przemysłowych. Organizacje, w których tego typu role są obecne, powinny mieć mniej ograniczeń w adaptowaniu technologii AI, które w tym kontekście można postrzegać jako kolejny element w trwającej od lat rewolucji Przemysł 4.0. Z prawnego punktu widzenia przy dużych inwestycjach organizacje muszą mieć na uwadze wymogi już istniejących oraz planowanych aktów prawnych. Brak pewności co do dokładnych wymagań, np. europejskiego AI Act, może hamować działania firm w zakresie wdrażania technologii AI, nie tylko w przypadku przemysłu – wyjaśnia z kolei Leszek Mróz, partner EY w centrum kompetencji EY dla usług bezpieczeństwa OT/IoT.
Sztuczną inteligencję trzeba też umieć robić. Według danych Kyndryl People Readiness Report aż 60 proc. liderów biznesowych w sektorze produkcji wskazuje na brak wykwalifikowanych pracowników do zarządzania sztuczną inteligencją. Ponad połowa mówi o powszechnym lęku przed utratą pracy, co wpływa na zaangażowanie pracowników.
Wiele organizacji wciąż zmaga się też z problemem zaufania – chodzi o zapewnienie, że systemy AI są zrozumiałe, etyczne i zgodne ze standardami ładu korporacyjnego.
Znaczące jest więc także wspieranie organizacji w budowaniu kompetencji, zaufania i zdolności zarządzania zmianą, potrzebnych, by odnieść sukces – jednocześnie osadzając prywatność, bezpieczeństwo oraz zasady nadzoru na każdym etapie transformacji, aby AI nie tylko miała duże możliwości, ale także by była godna zaufania.
Dziś widzimy, że przemysł może być tą gałęzią gospodarki, która ze sztucznej inteligencji — w powiązaniu z innymi najnowszymi technologiami, takimi jak IoT, edge computing czy robotyka (np. drony) — może uzyskać największe korzyści. Co więcej, w porównaniu z innymi branżami korzyści mogą być bardzo wysokie nie tylko w obszarze redukcji kosztów, ale także, a może przede wszystkim — w zwiększaniu skali działania i wzroście przychodów.
– Wiemy dziś, że pełna automatyzacja zakładów produkcyjnych z wykorzystaniem sztucznej inteligencji jest technicznie możliwa, ale w najbliższej perspektywie niewykonalna na większą skalę. Większość zakładów nadal opiera się na współdziałaniu ludzi, maszyn i systemów, które nie zostały zaprojektowane z myślą o pełnej autonomii. Procesy są zróżnicowane, a nieprzewidywalność warunków pracy wciąż wymaga nadzoru człowieka, szczególnie w obszarach takich jak kontrola jakości, obsługa wyjątków czy dostosowywanie systemu. W miarę jak systemy stają się bardziej elastyczne, przejrzyste i łatwiejsze do wdrożenia, produkcja może zmierzać w kierunku bardziej autonomicznych modeli. Jednak pełna automatyzacja pozostanie wyjątkiem, a nie regułą – podsumowuje Niezgoda z Locus Robotics.
Sztuczna inteligencja w przemyśle to już nie eksperyment, ale konkretna odpowiedź na wyzwania, przed którymi stoją przedsiębiorstwa: niedobór pracowników, presja kosztowa, potrzeba elastyczności i tempo zmian. To, co kiedyś wydawało się futurystyczną wizją, dziś staje się codziennym narzędziem pracy. Jednak AI nie działa w próżni — potrzebuje danych, zaufania i strategicznego podejścia. Kluczem nie jest więc samo wdrożenie technologii, ale zdolność organizacji do świadomej, mądrej i konsekwentnej transformacji. Bo w świecie przemysłu przyszłości wygrywają nie ci, którzy mają najnowsze systemy, ale ci, którzy potrafią je właściwie wykorzystać.
Technologia jest wtórna wobec idei. Nie wystarczy mieć AI, trzeba mieć na nią pomysł.
Ilustracja okładkowa: Shutterstock / Viktoriia_M
