Cyfryzacja przemysłu to narzędzie, które wprost przekłada się na wyniki finansowe i efektywność operacyjną. Firmy, które potrafią uporządkować swoje dane i wykorzystać technologie cyfrowe w sposób przemyślany, skracają czas operacji nawet o kilkadziesiąt procent i redukują koszty o 10–15 proc. Nie są to deklaracje z konferencji branżowych, lecz konkretne dane z rynku. Jednak sukces wdrożeń nie wynika z samej dostępności technologii, ale z jakości przygotowania organizacji od struktury danych, przez spójność procesów, aż po świadomość celu biznesowego.

Eksperci od lat zwracają uwagę, że największym problemem w transformacji cyfrowej nie jest brak narzędzi, lecz brak gotowości do ich sensownego użycia. Firmy wciąż zbyt często postrzegają cyfryzację jako koszt, a nie inwestycję, i sięgają po sztuczną inteligencję, zanim nauczą się korzystać z własnych danych.

Jak podkreśla Adrian Stelmach, CEO explitia, dopiero uporządkowanie informacji i nadanie im kontekstu sprawia, że technologia zaczyna pracować na realne wyniki. Wcześniej to jedynie efektowny dodatek do prezentacji zarządu.

W praktyce przeszkodą okazuje się dług technologiczny i zjawisko tzw. „ciemnych danych”, informacji gromadzonych bez spójności i kontekstu, które nie wnoszą wartości do procesów decyzyjnych. W wielu firmach dane wciąż są rozproszone między systemami ERP, arkuszami kalkulacyjnymi i raportami papierowymi. Taka struktura sprawia, że nawet najlepsze algorytmy AI nie mają się na czym oprzeć.

Jak zauważa Stelmach w opublikowanym artykule pt. „Czy Twoja produkcja jest gotowa na sztuczną inteligencję?„, sztuczna inteligencja jest tak inteligentna, jak dane, które ją zasilają. Zanim organizacja zdecyduje się na wdrożenie rozwiązań AI, powinna zapewnić wysoką „rozdzielczość informacji”, dane muszą być zbierane automatycznie, często i z zachowaniem kontekstu procesowego.

Dopiero w takich warunkach technologia przestaje być kosztem, a staje się inwestycją o mierzalnej stopie zwrotu. Przykłady pokazują, że projekty oparte na uporządkowanych danych potrafią zwrócić się w czasie krótszym niż rok. Nie chodzi przy tym o spektakularne wdrożenia z efektownymi dashboardami, lecz o pragmatyczne, precyzyjnie zaplanowane działania, które mają jeden wspólny mianownik: jasno zdefiniowany cel biznesowy.

Wnioski z praktyki są jednoznaczne: cyfryzacja nie zaczyna się od zakupu oprogramowania, ale od pracy nad procesami i danymi. Automatyzacja zbierania informacji, eliminacja błędów ludzkich i spójność danych między działami to fundament, bez którego żadna strategia AI nie przyniesie efektu. Organizacje, które tego nie rozumieją, narażają się na powtarzanie tych samych błędów, inwestują w nowoczesne technologie, które ostatecznie nie rozwiązują żadnego z ich realnych problemów.

Cyfrowa transformacja przemysłu to dziś kwestia dojrzałości, a nie odwagi. Wymaga dyscypliny, cierpliwości i gotowości do zmian w sposobie pracy z danymi. Sztuczna inteligencja nie zastąpi logiki procesu ani nie naprawi złych nawyków w zarządzaniu informacją. Może jednak, jeśli zostanie oparta na solidnych fundamentach, stać się jednym z najbardziej opłacalnych narzędzi, jakie kiedykolwiek trafiły do przemysłu.

70 tysięcy złotych, osiem miesięcy zwrotu. AI w praktyce, nie w prezentacji

Jak podaje explitia: w jednej z firm wdrożono model językowy (czat) wspierający dział utrzymania ruchu, mechanicy nie muszą już przeszukiwać grubych tomów instrukcji technicznych, dzięki zintegrowanej bazie wiedzy czas dotarcia do właściwych informacji skrócił się o 80 %, a inwestycja wynosząca 70 000 zł zwróciła się w ciągu zaledwie ośmiu miesięcy.

W innym zakładzie montaż trzydziestu mierników energii i systemu klasy EMS (Energy Management System) pozwolił obniżyć koszty energii o ponad 10 % przy inwestycji ok. 250 000 zł, zwracając się w kilka miesięcy.

Kolejny przykład to cyfrowe raportowanie produkcji: dotychczas kilkudziesięciu pracowników spędzało dziennie kilkanaście minut na wpisywaniu i ręcznym przepisywaniu danych do arkuszy, co generowało błędy i deprecjonowało wartość analityczną informacji; wdrożenie automatycznego systemu pobierania danych z maszyn przyniosło roczne oszczędności na poziomie 700 000 zł przy koszcie 600-700 000 zł, a jednocześnie znacząco poprawiło jakość danych.

Te przykłady pokazują jednoznacznie, że właściwie przeprowadzona cyfryzacja staje się twardym narzędziem gospodarki. Ale gdy spojrzymy na szerszy obraz, wnioski są mniej różowe.

Z najnowszego badania Algolytics Technologies i SW Research („Ocena dojrzałości polskich firm w obszarze analizy danych i AI”) wynika, że choć ponad 88,4 % firm deklaruje rozumienie znaczenia danych i inwestuje w obszar danych i sztucznej inteligencji, to tylko 33,6 % rzeczywiście podejmuje decyzje na podstawie danych, a zaledwie 38,9 % dysponuje danymi wysokiej jakości.

Co więcej, aż dwie trzecie organizacji w ogóle nie posiada strategii dotyczącej danych albo AI. Aby dodać pikanterii ponad 70 % firm deklaruje wykorzystanie AI, podczas gdy dane Eurostatu wskazują, że robi to realnie tylko 5,9 % przedsiębiorstw w Polsce.

Wnioski są jasne: nawet gdy technologie są dostępne i potencjał wydaje się duży, bardzo istotne są kompetencje, przywództwo i kultura organizacyjna, a tych często po prostu brakuje.

W badaniu aż 70 % pracowników nie wie, czy ich zarząd oczekuje wdrażania nowych technologii, 28,6 % przyznaje, że nie ma kompetencji, by skutecznie korzystać z danych i AI, a 32,5 % boi się, że AI może prowadzić do redukcji etatów.

Innymi słowy technologie nie zawodzą, zawodzi podejście. W takich warunkach nawet najlepiej wyposażona infrastruktura może okazać się tylko kolejnym „slajdem zarządu”.