Jak przygotować firmę przemysłową na AI: 6 kroków do pilotażu

Aż 34% polskich firm przemysłowych wskazuje AI jako jeden z priorytetów na najbliższe trzy lata. Używa jej do optymalizacji procesów 6%. Tak wynika z raportu „ABB Trends 2026/2027”. Chęci są, a wdrożeń prawie nie ma. Przyczyna rzadko leży w samym algorytmie. Najczęściej brakuje fundamentów: uporządkowanych danych, połączonych systemów i budżetu policzonego na pilotaż, a nie na wielkie marzenia.

Poniżej dostajesz plan w sześciu krokach. Zaczynasz od sprawdzenia, w którym miejscu stoisz, a kończysz na pierwszym małym projekcie z jasnym kryterium sukcesu. Nie musisz być programistą. Wystarczy arkusz kalkulacyjny i rozmowa z ludźmi od utrzymania ruchu i IT.

Zanim zaczniesz: czego potrzebujesz i gdzie jest Polska

Do przejścia całej ścieżki wystarczą cztery rzeczy:

• Arkusz kalkulacyjny na inwentarz maszyn i źródeł danych.
• Dwie lub trzy osoby przy stole: ktoś z utrzymania ruchu, ktoś z IT lub automatyki i osoba, która decyduje o budżecie.
• Dostęp do informacji, jakie systemy (SCADA/DCS, monitoring, utrzymanie ruchu) już działają w zakładzie.
• Jedna kartka na pytanie: który problem produkcyjny boli najbardziej?

Dla porządku, jak wygląda tło. Według Eurostatu w 2025 roku AI wykorzystywało 8,4% polskich firm wobec 20% średnio w Unii Europejskiej. Niższy wynik miała tylko Rumunia. Wynik rośnie z wielkością firmy: 5,8% małych, 14,8% średnich i 45,8% dużych. Jeśli prowadzisz mniejszy zakład, to normalne, że zaczynasz od zera. Reszta rynku jest w podobnym miejscu.

Kroki 1-3: sprawdź fundamenty, zanim kupisz cokolwiek

1. Oceń uczciwie swój poziom automatyzacji. W badaniu ABB 19% firm produkcyjnych określa swoją automatyzację jako minimalną, a 32% jako niską. Razem to ponad połowa respondentów. Wypisz w arkuszu linie i maszyny. W kolejnej kolumnie zaznacz, które mają sterowanie i czujniki oddające dane, a które działają „na oko i doświadczenie operatora”. Wynik nie jest oceną, tylko mapą startową.
2. Zrób inwentarz danych, które już masz. Marek Sulewski z ABB mówi wprost: największym wyzwaniem nie jest dziś AI, tylko to, że wiele organizacji nie wykorzystuje skutecznie danych, które już posiada. Otwórz arkusz i zrób kolumny: maszyna, jakie sygnały zbiera, gdzie je zapisuje, kto ma do nich dostęp i czy system komunikuje się z innymi. Ostatnia kolumna jest najważniejsza. AI do przewidywania awarii czy wykrywania anomalii potrzebuje wiarygodnych informacji z maszyn i systemów, które potrafią ze sobą rozmawiać. Przy okazji zobaczysz, co masz z popularnych rozwiązań: według ABB 49% firm korzysta z SCADA/DCS, 45% ze zdalnego monitoringu i diagnostyki, a 28% z predykcyjnego utrzymania ruchu.
3. Sprawdź jakość danych na jednej maszynie. EY pokazuje skalę problemu: 77% średnich i dużych firm planuje zwiększyć nakłady na AI w ciągu 18 miesięcy, ale tylko 9% ma kompletną infrastrukturę danych potrzebną do zasilania zaawansowanych modeli. W badaniu Deloitte problemy z dostępnością i jakością informacji wskazuje 30% firm. Wybierz jedną maszynę i spróbuj odtworzyć jej dane z ostatniego miesiąca. Szukaj luk, zmian formatu i miejsc, gdzie zapis kończy się w czyimś pliku na pulpicie. Jeśli to się nie udaje, masz pierwszy konkretny projekt, i to bez AI.

Kroki 4-6: problem, pieniądze, pilotaż

1. Najpierw sformułuj problem biznesowy, potem szukaj technologii. Sulewski mówi, że największą wartość tworzą projekty, które najpierw rozwiązują konkretny problem, a dopiero potem dobierają do niego technologię. Ze źródła wynikają trzy typowe zastosowania w przemyśle: przewidywanie awarii, wykrywanie anomalii i optymalizacja procesów produkcyjnych. Wybierz jedno. Zapisz je w jednym zdaniu z miarą, na przykład: „chcemy ograniczyć nieplanowane przestoje na linii X”. Konkretną liczbę docelową ustalisz sam na podstawie własnych danych, źródło jej nie podaje.
2. Rozpisz budżet i nazwij bariery. W badaniu ABB 50% firm wskazuje ograniczony budżet jako największą przeszkodę w inwestycjach technologicznych. Dalej są wymogi regulacyjne i formalne (41%), wewnętrzne procedury decyzyjne (28%), brak długoterminowej strategii inwestycyjnej (25%) i niedostatek kompetencji (22%). Deloitte też stawia koszty na pierwszym miejscu (43%), a brak wiedzy i kompetencji na drugim (35%). Weź tę listę i przy każdej pozycji wpisz, czy dotyczy Twojej firmy. Do tego rzecz specyficznie polska: według EIBIS 2025 aż 74% finansowania inwestycji polskich firm pochodzi ze środków własnych, przy średniej unijnej 66%. Pilotaż musi więc być mały i policzony co do złotówki. Jeśli w projekcie pojawią się modele językowe, zobacz, jak wybrać model GPT-6 i nie przepłacić.
3. Zaplanuj pilotaż razem ze skalowaniem. Deloitte podaje, że 84% producentów generuje już mierzalną wartość operacyjną z AI, ale tylko jedna piąta wdrożeń jest skalowana na poziomie całego przedsiębiorstwa lub wielu zakładów. Pilotaż, który działa na jednej linii i nigdy nie wychodzi dalej, jest częstym końcem tej historii. Zanim ruszysz, ustal na piśmie: kto ocenia wynik, po czym poznacie sukces i kto decyduje o rozszerzeniu. To uderza w 28% firm z barierą procedur decyzyjnych. Jeśli pilotaż obejmuje agentów AI działających na systemach, przejdź najpierw przez bezpieczne testowanie agentów AI.

Gdzie zwykle ucieka budżet

Dane EBI pokazują, że 71% nakładów inwestycyjnych polskich firm trafiało w grunty, budynki, maszyny i wyposażenie. Polska pozostaje też poniżej średniej unijnej pod względem cyfryzacji. Co najmniej jedną zaawansowaną technologię cyfrową wdrożyło 65% polskich firm wobec 77% średniej w UE, a kilka naraz stosowało 42% wobec 51%. Nie musisz odwracać proporcji. Wystarczy wydzielić osobną, niewielką pulę na dane i integrację systemów, zanim wydasz resztę na sprzęt.

Ograniczenia danych i to, o czym raporty milczą

Czytaj te liczby ostrożnie. „ABB Trends 2026/2027” zrealizowała firma IQS metodą CAWI (ankieta online) w kwietniu i maju 2026 roku na próbie 146 przedstawicieli firm przemysłowych. To przyzwoity przekrój nastrojów, ale nie spis wszystkich zakładów w Polsce. EY dotyczy firm średnich i dużych, Eurostat obejmuje firmy ogółem, a Deloitte producentów. Próby i definicje AI są różne, więc nie zestawiaj procentów z różnych badań jak z jednej tabeli.

Z raportów nie dowiesz się też, ile kosztuje pilotaż ani jak długo trwa. Tych danych nie ma w źródle, więc musisz je policzyć sam, na podstawie wycen od dostawców i własnego inwentarza. Jeśli dokumentacja techniczna, instrukcje i raporty awarii są rozsypane po plikach, pomocny bywa pomysł znany z innych projektów: asystent odpowiadający na pytania z własnych dokumentów. Mechanizm opisaliśmy w tekście o tym, jak zbudować RAG do rozmów z gośćmi wydarzenia. Przemysł to inny kontekst, ale zasada czytania własnych dokumentów jest ta sama. Sprawdź też, który plan Claude pasuje do małych testów, zanim zaczniesz płacić za cokolwiek większego.

Kompetencje to osobny wątek. W EIBIS 2025 81% polskich firm wskazuje dostępność pracowników o odpowiednich kwalifikacjach jako przeszkodę dla inwestycji, a niepewność przyszłości i koszty energii po 86%. Dane nie rozwiążą tych problemów, ale przy planowaniu pilotażu pomagają trzeźwo ocenić, ile pracy zostaje po stronie Twojego zespołu.

Zadanie na dziś: otwórz arkusz, wybierz jedną maszynę i wypełnij dla niej pięć kolumn z kroku 2. Jeśli w ostatniej kolumnie wpiszesz „nie wiem, kto ma dostęp”, to właśnie znalazłeś pierwszy krok wdrożenia AI w swojej firmie.