Biznes · 4 min czytania · 12 października 2026

Signal Group i PCSS budują AI do oszczędzania energii w sieciach

Przejdź do treści i przykładów
Signal Group i PCSS budują AI do oszczędzania energii w sieciach

12 października 2026 media poinformowały, że Signal Group i Poznańskie Centrum Superkomputerowo-Sieciowe (PCSS) podpisały umowę o współpracy nad modelem AI. Ma on przewidywać zapotrzebowanie na energię i optymalizować jej zużycie w sieciach z rozproszonymi lokalizacjami. To na razie deklaracja współpracy i plan prac, a nie gotowy produkt z wynikami testów.

Co dokładnie ustaliły Signal Group i PCSS?

Obie strony wnoszą do projektu różne zasoby. Signal Group ma doświadczenie w utrzymaniu technologii klientów sieciowych. PCSS dokłada zaplecze badawcze i obliczeniowe oraz doświadczenie w AI, tworzeniu modeli obliczeniowych, przetwarzaniu dużych zbiorów danych i efektywności energetycznej.

Punktem wyjścia mają być realne dane z tysięcy działających lokalizacji, a nie teoria. Ich skala i różnorodność mają pozwolić zbudować model, który odpowiada na faktyczne potrzeby firm z rozproszonymi obiektami. To deklaracja stron, wyników na razie nie ma.

Jeden model, tysiące rozproszonych lokalizacji

Co ten model ma umieć?

Źródło podkreśla, że model ma wykraczać poza klasyczne raportowanie tego, co już się wydarzyło (czyli poza ładny wykres zużycia z ubiegłego miesiąca, który niczego nie zmienia). Jego zadania to:

  • przewidywanie zapotrzebowania na energię,
  • wykrywanie anomalii, czyli odchyleń od normalnego wzorca zużycia,
  • porównywanie obiektów między sobą,
  • wskazywanie działań, które ograniczają zużycie energii, koszty i ryzyko awarii.

Plan na później: automatyczne sterowanie

W dalszej perspektywie model ma też wspierać automatyczne sterowanie infrastrukturą, ucząc się na efektach wdrażanych decyzji. Potraktuj to jako plan.

Maciej Łątkowski, Dyrektor Departamentu Badań i Rozwoju Signal Group, mówi: „Chcemy zamieniać dane naszych klientów sieciowych na konkretne decyzje pomagające w zarządzaniu energią, a w dalszej perspektywie także w innych obszarach. Największy potencjał widzimy właśnie w skali całych sieci”.

Dla kogo to jest i ile kosztuje?

Rozwiązanie jest projektowane z myślą o sieciach handlowych, paliwowych, logistycznych, gastronomicznych, hotelowych i usługowych. Logika jest prosta: ta sama optymalizacja zastosowana w tysiącu lokalizacji zamiast w jednej może dać realną przewagę biznesową.

  • Cena: brak danych.
  • Dostępność komercyjna: partnerzy nie podali terminu premiery.
  • Pilotaże: Signal Group i PCSS zapraszają firmy zarządzające dużą liczbą lokalizacji, które chcą testować i współtworzyć rozwiązanie.

Jeśli prowadzisz mniejszą firmę, ten projekt nie jest na razie dla Ciebie. Model ma opierać się na skali sieci, więc jego główni odbiorcy to firmy z wieloma punktami. Szerszy obraz wdrożeń AI w mniejszych biznesach znajdziesz w tekście o tym, jak AI może pomóc w prowadzeniu małej firmy.

Nauka i biznes przy jednym stole: PCSS i Signal Group

Czego jeszcze nie wiemy?

Źródło opisuje intencje, nie rezultaty. Brakuje w nim:

  • konkretnych wskaźników oszczędności energii,
  • harmonogramu prac i terminu pierwszych wdrożeń,
  • informacji o cenie lub modelu rozliczeń,
  • nazw firm biorących udział w pilotażach.

Każda liczba o tym, ile da się zaoszczędzić, byłaby dziś przypuszczeniem, nie wynikiem. Połączenie realnych danych z zapleczem badawczym brzmi rozsądnie, ale dopiero pilotaże pokażą, czy model radzi sobie lepiej niż obecne sposoby zarządzania energią.

Czy energia to jedyny cel projektu?

Nie. Optymalizacja energetyczna to pierwsze zastosowanie. W przyszłości model ma objąć także zarządzanie operacyjne, utrzymanie infrastruktury, przewidywanie awarii, bezpieczeństwo i marketing. To szeroka lista, więc traktuj ją jako kierunek rozwoju, a nie obietnicę.

Z polskiej perspektywy to kolejny przykład współpracy krajowego centrum badawczego z firmą, która ma dostęp do danych z rynku. Podobny trend widać w projektach polskich modeli AI i w przemyśle, o czym piszemy przy okazji physical AI w fabrykach. Szerszy obraz tego, jak AI wchodzi do pracy i firm, rozkładamy na poziomy w tekście o AI w pracy i firmie.

Mój werdykt: pomysł ma sens, bo prognozowanie i wykrywanie anomalii w tysiącach lokalizacji to zadanie, w którym algorytm ma przewagę nad człowiekiem z arkuszem. Na razie to jednak umowa i zapowiedź. Zanim ktokolwiek zacznie liczyć oszczędności, trzeba zobaczyć pierwsze pilotaże.

AI w firmie z wieloma lokalizacjami? Jeśli zarządzasz rozproszoną siecią i zastanawiasz się, gdzie AI da się wdrożyć już dziś, a co jeszcze jest zapowiedzią, to dobry moment, żeby porozmawiać o konkretach. Zobacz wdrożenia AI dla firm →

Na podstawie: ITwiz

Powiązane tematy

Informacje o artykule

Darmowy webinar na żywo z Janem Gajosem · w najbliższą środę o 19:00

Czytasz o AI, a w pracy dalej robisz wszystko ręcznie? Znam to.

Sam tak robiłem. Na webinarze pokazuję na swoim ekranie, jak oddać AI powtarzalne zadania: maile, proste automatyzacje, asystenta do pracy. Bez programowania i bez teorii. 90 minut, a na końcu pytasz, o co chcesz.

Link do pokoju przyjdzie mailem. Zapisując się, zgadzasz się na wiadomości e-mail zgodnie z polityką prywatności. Wolisz zacząć od lektury? Zobacz e-booki Jana Gajosa

Udostępnij:
Nie przegap nowych artykułów - dodaj SukcesAI do swoich źródeł w wyszukiwarce Google.
Dodaj do preferowanych źródeł
Jan Gajos

Ekspert AI & Founder, AI Evolution

Pasjonat sztucznej inteligencji, który od 18 lat działa z sukcesem biznesowo i szkoleniowo. Wprowadzam AI do swoich firm oraz codziennego życia. Fascynują mnie nowe technologie, gry wideo i składanie klocków Lego - tam też widzę logikę i kreatywność, które AI potrafi wzmacniać. Wierzę, że dobrze użyta sztuczna inteligencja to nie ogłupiające ułatwienie, lecz prawdziwy przełom w sposobie, w jaki myślimy, tworzymy i pracujemy.