AI

Czy system ERP może sam analizować dokumenty, podpowiadać sposób ich księgowania i pomagać w realizacji codziennych obowiązków?  W Comarch ERP Optima sztuczna inteligencja wspiera użytkowników na dwóch poziomach – poprzez Comarch ChatERP, który ułatwia dostęp do informacji oraz Agentów AI odpowiedzialnych za automatyzację konkretnych procesów biznesowych. To rozwiązania, które realnie zmieniają sposób pracy księgowości. Comarch ChatERP i Agenci AI – dwa różne podejścia do wykorzystania sztucznej inteligencji Choć zarówno Comarch ChatERP, jak i Agenci AI wykorzystują sztuczną inteligencję, odpowiadają na zupełnie inne potrzeby przedsiębiorstw. Comarch ChatERP to inteligentny asystent, który ułatwia pracę z systemem ERP. Pozwala zadawać pytania w języku naturalnym, szybko wyszukiwać informacje, analizować dane oraz tworzyć podsumowania bez konieczności przeszukiwania wielu modułów systemu. Agenci AI idą o krok dalej. Zamiast jedynie dostarczać informacje, aktywnie wspierają realizację konkretnych procesów biznesowych – od analizy dokumentów, przez przygotowanie rekomendacji, po automatyzację wybranych czynności. Dzięki temu użytkownicy mogą skupić się na podejmowaniu decyzji, zamiast wykonywać powtarzalne operacje. Comarch ChatERP – szybki dostęp do informacji dzięki AI Jednym z pierwszych rozwiązań wykorzystujących sztuczną inteligencję w ekosystemie Comarch jest Comarch ChatERP. To inteligentny asystent, który zmienia sposób pracy z systemem ERP, umożliwiając komunikację za pomocą języka naturalnego. Zamiast przeszukiwać kolejne moduły czy tworzyć własne zestawienia, użytkownik może po prostu zadać pytanie i otrzymać odpowiedź opartą na danych zapisanych w systemie. Comarch ChatERP wykorzystuje modele językowe do interpretacji pytań oraz analizy informacji znajdujących się w bazie danych. Dzięki temu pozwala szybciej odnaleźć potrzebne dokumenty, zweryfikować informacje o kontrahentach, sprawdzić status procesów czy przygotować podsumowanie wybranych danych biznesowych. Rozwiązanie sprawdza się w codziennej pracy wielu działów przedsiębiorstwa. Księgowi mogą szybciej wyszukiwać informacje o dokumentach i rozliczeniach, handlowcy analizować wyniki sprzedaży, a kadra zarządzająca uzyskiwać odpowiedzi dotyczące najważniejszych wskaźników biznesowych bez konieczności samodzielnego przygotowywania raportów. Agenci AI w Comarch ERP Optima – inteligentne wsparcie codziennych procesów Największą wartością Agentów AI jest ich specjalizacja. Każdy z nich odpowiada za konkretny proces biznesowy i wspiera użytkownika dokładnie tam, gdzie codziennie wykonywanych jest najwięcej powtarzalnych czynności. Zamiast zastępować pracowników, przejmują czasochłonne etapy pracy, przyspieszając realizację zadań i ograniczając ryzyko błędów. Dekretator kosztów Dekretator kosztów wspiera proces księgowania faktur kosztowych. Na podstawie historii wcześniejszych operacji analizuje dokument oraz rozpoznaje kontrahenta, proponując odpowiedni schemat księgowania. Dzięki temu księgowy nie musi każdorazowo wybierać właściwej dekretacji ręcznie, co znacząco przyspiesza obsługę dokumentów. Kategoryzator dokumentów Kategoryzator dokumentów automatycznie analizuje treść faktur pochodzących z KSeF lub systemów OCR i proponuje ich odpowiednią kategorię księgową. Rozwiązanie sprawdza się szczególnie w przypadku nowych kontrahentów oraz dokumentów, które wcześniej nie występowały w systemie. Kwalifikator kosztów Kwalifikator kosztów odpowiada za przypisanie dokumentów do właściwego procesu w systemie ERP. W pierwszej kolejności wykorzystuje historię wcześniejszych operacji, a jeśli nie znajdzie odpowiedniego wzorca, analizuje treść dokumentu z wykorzystaniem algorytmów sztucznej inteligencji. Pozwala to szybciej klasyfikować dokumenty i ograniczyć liczbę ręcznie wykonywanych czynności. Weryfikator e-Faktur Weryfikator e-Faktur zwiększa bezpieczeństwo procesów zakupowych. Po pobraniu dokumentu z KSeF automatycznie porównuje dane kontrahenta z informacjami dostępnymi w bazach referencyjnych i wykrywa ewentualne niezgodności. Dzięki temu użytkownik może zweryfikować poprawność danych jeszcze przed rozpoczęciem dalszej obsługi faktury. Agent rozwiązania umowy Sztuczna inteligencja wspiera również działy kadrowo-płacowe. Agent rozwiązania umowy pomaga przygotować dokumentację związaną z zakończeniem zatrudnienia, analizując dane pracownika oraz obowiązujące przepisy. Użytkownik otrzymuje gotową propozycję wymaganych informacji, którą może zweryfikować i zaakceptować. Ostateczna decyzja zawsze należy do działu księgowego Rozwiązania AI dostępne w Comarch ERP Optima zostały zaprojektowane zgodnie z zasadą Human in the Loop. Oznacza to, że sztuczna inteligencja nie działa samodzielnie, lecz wspiera użytkownika na kolejnych etapach pracy. Agenci AI przygotowują rekomendacje, analizują dane i automatyzują wybrane czynności, jednak nie podejmują ostatecznych decyzji biznesowych. To użytkownik zatwierdza proponowane działania, dzięki czemu przedsiębiorstwo zyskuje korzyści płynące z wykorzystania AI, zachowując pełną kontrolę nad procesami oraz bezpieczeństwem danych. Takie podejście sprawia, że sztuczna inteligencja staje się praktycznym narzędziem wspierającym codzienną pracę, a nie rozwiązaniem zastępującym wiedzę i doświadczenie specjalistów. Chcesz zobaczyć Agentów AI w praktyce? Rozwiązania oparte na sztucznej inteligencji to tylko część nowości dostępnych w Comarch ERP Optima. Najnowsza wersja systemu wprowadza również szereg zmian w obszarze księgowości, KSeF, automatyzacji procesów oraz codziennej pracy użytkowników. Jeśli chcesz dowiedzieć się więcej o nowych funkcjach, poznać możliwości Comarch ChatERP i Agentów AI oraz zobaczyć ich działanie na praktycznych przykładach, pobierz materiały z czerwcowej Konferencji Biznes 5.0 poświęconej nowościom w Comarch ERP Optima. >> Zobacz nagrania z konferencji <<  Zyskaj przewagę dzięki AI w Comarch ERP Optima – z T2S to możliwe! Sztuczna inteligencja zmienia sposób pracy przedsiębiorstw, ale o sukcesie nie decyduje wyłącznie technologia. Równie ważne jest jej właściwe wdrożenie i dopasowanie do specyfiki firmy. Właśnie dlatego warto współpracować z doświadczonym partnerem, który nie tylko zna możliwości systemu, ale potrafi przełożyć je na realne usprawnienia procesów biznesowych. Jako Certyfikowany Partner Comarch od lat wdrażamy systemy Comarch ERP i wspieramy przedsiębiorstwa z różnych branż w cyfryzacji oraz automatyzacji codziennej pracy. Doskonale znamy możliwości najnowszych wersji Comarch ERP Optima, dlatego pokażemy Ci nie tylko, jakie nowości zostały udostępnione, ale przede wszystkim, jak wykorzystać je w praktyce. Skontaktuj się ze specjalistami T2S 22 575 86 00 | biuro@t2s.pl

AI w księgowości już dziś realnie usprawnia pracę, ale nie zastępuje odpowiedzialności, wiedzy eksperckiej ani oceny specjalisty w sprawach wymagających zastosowania przepisów. Największą wartość daje tam, gdzie łączy automatyzację procesów księgowych z analizą danych, kontrolą dokumentów i sprawniejszą komunikacją z klientami. AI w księgowości w praktyce Sztuczna inteligencja w branży księgowości nie jest już tylko modnym hasłem. Dla biur rachunkowych i działów finansowych oznacza przede wszystkim szybsze przetwarzanie dokumentów, wsparcie analiz, lepszą organizację pracy i większą efektywność na co dzień. W praktyce wykorzystanie AI ma sens wtedy, gdy skraca czas realizacji powtarzalnych zadań i poprawia jakość danych, a nie wtedy, gdy działa obok systemu i nie wpływa na procesy. Czym różni się AI od OCR i RPA? W dyskusji o automatyzacji łatwo wrzucić do jednego worka OCR, robotic process automation i sztuczną inteligencję, choć każde z tych rozwiązań służy do czegoś innego. OCR odczytuje treść dokumentów, na przykład faktur. RPA wykonuje z góry zaplanowane czynności według procedur, na przykład przenosi dane między systemami albo uruchamia określone działania po spełnieniu warunku. AI idzie krok dalej, bo potrafi rozpoznawać wzorce, wspierać klasyfikację dokumentów, sugerować sposób księgowania, generować raporty i przygotowywać materiał do dalszej oceny przez specjalistę. Dlatego AI w księgowości nie sprowadza się do prostego przepisywania danych. Jej zastosowanie obejmuje także analizę, przewidywanie i wspieranie decyzji operacyjnych na podstawie dużych zbiorów informacji. Jak działa AI w pracy księgowych? AI działa tam, gdzie otrzymuje dane wejściowe, porównuje je z wcześniejszymi wzorcami, regułami lub modelem uczenia maszynowego i przygotowuje wynik: rekomendację, klasyfikację, wykrycie odchylenia, projekt odpowiedzi albo raport. W pracy księgowych może to oznaczać podpowiedź, czy dokument ma komplet danych, czy płatności zgadzają się z fakturami albo czy dany wydatek wymaga dodatkowej kontroli. Im lepsza jakość danych i im lepsza integracja AI z procesami księgowymi, tym większa szansa, że narzędzie rzeczywiście usprawni pracę, zamiast tworzyć dodatkowy etap weryfikacji. Gdzie AI daje największą wartość w księgowości? Największe korzyści zwykle nie pojawiają się w najbardziej spektakularnych wdrożeniach, ale w dobrze uporządkowanej codziennej pracy. To właśnie tam sztuczna inteligencja pomaga odzyskać czas, ograniczyć ręczne księgowanie i uporządkować komunikację z klientami. Faktury, dokumenty i księgowanie To dziś jeden z najbardziej praktycznych obszarów zastosowania. Narzędzia AI mogą wspierać odczyt faktur, rozpoznawanie pól, przypisywanie dokumentów do właściwych spraw, wstępne kategoryzowanie kosztów i przygotowanie danych do zaksięgowania. W połączeniu z elektronicznym obiegiem dokumentów i systemami księgowymi skraca to czas pracy nad pojedynczym dokumentem oraz zmniejsza liczbę prostych pomyłek. Dla biur rachunkowych ma to szczególne znaczenie przy dużej skali obsługi klientów. Gdy dokumenty spływają z wielu kanałów, automatyzacja procesów księgowych pozwala ograniczyć ręczne sortowanie, pilnowanie braków i wysyłanie powtarzalnych przypomnień. Analizy danych, raporty i ocena wyników AI jest przydatna nie tylko przy wprowadzaniu danych. Coraz częściej wspiera analizy danych, generowanie raportów i wykrywanie mniej oczywistych odchyleń. Może szybciej wychwycić zmianę struktury kosztów, nietypowy wzrost wydatków w określonej kategorii albo różnice między bieżącym okresem a wcześniejszym. To ważna zmiana dla branży księgowej, bo rośnie znaczenie pracy doradczej. Klienci oczekują dziś nie tylko poprawnego zaksięgowania dokumentów, ale też krótkiego i zrozumiałego omówienia danych: co się zmieniło, gdzie rośnie ryzyko i jakie decyzje warto rozważyć. Komunikacja z klientami i organizacja pracy Asystenci AI coraz częściej wspierają także komunikację. Mogą przygotowywać robocze odpowiedzi na powtarzalne pytania klientów, przypominać o brakujących dokumentach, porządkować zgłoszenia i podsumowywać ustalenia. W biurach rachunkowych to realna oszczędność czasu, zwłaszcza w okresach spiętrzenia pracy. Nie chodzi jednak o pełne oddanie komunikacji maszynie. W sprawach standardowych AI może odciążyć zespół, ale w tematach związanych z przepisami podatkowymi, wyjątkami, ryzykiem i odpowiedzialnością rola specjalistów nadal pozostaje kluczowa. Czy AI zastąpi księgowych? To pytanie wraca regularnie, bo rozwój technologii budzi jednocześnie ciekawość i obawy. W praktyce trafniejsze jest inne: które zadania przejmie AI, a które staną się jeszcze ważniejsze po jej wdrożeniu? Które zadania przejmie automatyzacja? Najbardziej podatne na automatyzację są zadania powtarzalne, oparte na jasnych regułach i dużej liczbie podobnych operacji. Dotyczy to między innymi wstępnej obróbki faktur, kompletowania dokumentów, podstawowej kontroli zgodności danych, generowania zestawień i części raportów. To oznacza, że pracę księgowych zmienią przede wszystkim narzędzia do automatyzacji, a nie jednorazowa rewolucja. W wielu organizacjach zniknie część ręcznych czynności, ale nie zniknie potrzeba kontroli, oceny i wiedzy eksperckiej. Co pozostanie po stronie księgowych? Po stronie księgowych pozostają strategiczne aspekty pracy: ocena danych, ocena skutków decyzji, dobór właściwego podejścia do klienta, kontrola zgodności, reagowanie na wyjątki i odpowiedzialność za końcowy efekt. AI może podpowiadać rozwiązania i przygotowywać materiał do oceny, ale nie przejmuje odpowiedzialności prawnej ani zawodowej. Dlatego stwierdzenie, że AI zastąpi księgowych, jest zbyt dużym uproszczeniem. Bardziej prawdopodobny jest scenariusz, w którym księgowi pracują inaczej: mniej czasu poświęcają na ręczne czynności, a więcej na analizę, relacje z klientami, kontrolę ryzyka i podejmowanie decyzji biznesowych. Przykład 1. Biuro rachunkowe obsługujące kilkudziesięciu klientów usługowych co miesiąc otrzymywało faktury trzema kanałami: mailem, przez komunikatory i w papierze. Po uporządkowaniu obiegu dokumentów i integracji AI z systemem do rejestracji dokumentów zespół przestał ręcznie sortować pliki i pilnować braków w arkuszu. Księgowe odzyskały czas na kontrolę wyjątków i kontakt z klientami, którzy faktycznie wymagali wyjaśnienia. Przykład 2. W firmie handlowej AI zaczęła przygotowywać cykliczne raporty o opóźnionych płatnościach i zmianach marży. Sam raport nie rozwiązał problemu, ale skrócił drogę do decyzji, bo dział finansowy szybciej widział, których klientów trzeba objąć dodatkową kontrolą i gdzie potrzebna jest rozmowa o warunkach współpracy. Jak bezpiecznie wdrażać AI? Najwięcej problemów nie wynika dziś z samej technologii, ale z chaotycznego wdrożenia. Jeśli firma lub biuro rachunkowe uruchamia narzędzia AI bez zasad, kontroli dostępu i podziału odpowiedzialności, ryzyko szybko rośnie. Dane, bezpieczeństwo i zgodność W księgowości AI niemal zawsze pracuje na danych wrażliwych biznesowo, a często także na danych osobowych. Dlatego bezpieczeństwo nie może być dodatkiem do projektu. Trzeba ustalić, jakie dokumenty wolno przekazywać do danego rozwiązania, czy dane są wykorzystywane do dalszego trenowania modelu, gdzie są przetwarzane i kto ma do nich dostęp. To szczególnie ważne przy korzystaniu z publicznych narzędzi AI. Nawet jeśli dostawca deklaruje wysoki poziom zabezpieczeń, biuro rachunkowe albo firma powinny ocenić zgodność sposobu przetwarzania danych z zasadami RODO, w tym z zasadą legalności, minimalizacji danych i ograniczenia celu. W praktyce oznacza to konieczność sprawdzenia warunków usługi, zakresu powierzanych danych i wewnętrznych procedur, zanim narzędzie zostanie dopuszczone do pracy na dokumentach klientów. Kontrola człowieka, szkolenia i procedury W obszarze księgowości nie wystarczy, że system przez większość czasu generuje poprawne wyniki. Potrzebna jest możliwość sprawdzenia, skąd wzięła się rekomendacja, kto zatwierdza efekt i kiedy człowiek ma obowiązek wejść w proces. Dotyczy to zwłaszcza analizy danych, odpowiedzi dla klientów i działań opartych na przepisach podatkowych. Do tego dochodzą szkolenia. Art. 4 AI Act nakłada obowiązek podejmowania działań na rzecz odpowiedniego poziomu kompetencji w zakresie AI na dostawców i podmioty stosujące systemy AI, z uwzględnieniem ich roli, kontekstu użycia oraz osób, których system może dotyczyć. Przepisy te stosuje się od 2 lutego 2025 r. W praktyce oznacza to, że pracownicy powinni rozumieć nie tylko funkcje narzędzia, ale także jego ograniczenia, ryzyka i zasady kontroli. Integracja AI z systemami księgowymi Największy sens biznesowy ma integracja AI z istniejącymi rozwiązaniami: obiegiem dokumentów, workflow, systemami księgowymi, repozytoriami plików i narzędziami do komunikacji. Bez tego AI bywa tylko dodatkowym oknem, do którego trzeba ręcznie przeklejać dane. Właśnie tu nowoczesne rozwiązania dla biur rachunkowych zyskują znaczenie. Jeśli system porządkuje dokumenty klientów, wspiera komunikację, skraca drogę od dokumentu do zaksięgowania i pozwala zachować kontrolę nad procedurami, wtedy technologia przekłada się na realny wzrost efektywności. W ten kierunek naturalnie wpisuje się Symfonia eBiuro dla biur rachunkowych: nie jako samodzielny silnik AI, ale jako środowisko, w którym cyfryzacja, automatyzacja i uporządkowana współpraca z klientami dają praktyczny efekt. Przyszłość AI w księgowości Przyszłość branży księgowej nie polega na całkowitym zastąpieniu ekspertów przez algorytmy. Bardziej prawdopodobny jest model, w którym AI przejmuje część zadań operacyjnych, a rola księgowych przesuwa się w stronę kontroli, oceny, doradztwa i wspierania przedsiębiorców w podejmowaniu lepszych decyzji. To oznacza także zmianę oczekiwań wobec zespołów. Rośnie znaczenie umiejętności analizy, zadawania właściwych pytań narzędziom AI, oceny jakości odpowiedzi i łączenia danych finansowych z biznesowym kontekstem klienta. W branży księgowości przewagę konkurencyjną będą miały te organizacje, które połączą technologię z procedurami i kompetencjami, a nie te, które po prostu kupią kolejne narzędzia AI. Podsumowanie AI w księgowości jest dziś przede wszystkim praktycznym narzędziem do usprawnienia pracy, a nie zapowiedzią końca zawodu. Najwięcej daje tam, gdzie wspiera analizę dokumentów, generowanie raportów, komunikację i automatyzację procesów księgowych, ale działa pod kontrolą człowieka i w ramach jasno opisanych procedur. Dla biur rachunkowych oraz firm ważniejsze od pytania, czy wdrażać AI, staje się dziś pytanie, jak zrobić to mądrze: z dbałością o bezpieczeństwo, zgodność, szkolenia i realną integrację z codziennym sposobem pracy. FAQ – najczęściej zadawane pytania o AI w księgowości Czy AI w księgowości zastąpi księgowych? AI w księgowości nie zastąpi księgowych w obszarach wymagających odpowiedzialności, zastosowania przepisów do konkretnej sytuacji, oceny ryzyka i kontaktu doradczego z klientem. Najczęściej przejmuje zadania powtarzalne, czasochłonne i oparte na dużej liczbie podobnych danych. Jakie są najbardziej praktyczne zastosowania AI w księgowości? Najbardziej praktyczne zastosowania obejmują analizę dokumentów, odczyt faktur, wsparcie księgowania, generowanie raportów, wykrywanie odchyleń w danych, automatyzację komunikacji i porządkowanie pracy przy dużej liczbie spraw. Czym różni się AI od zwykłej automatyzacji? Zwykła automatyzacja wykonuje z góry zaprogramowane czynności według reguł, a sztuczna inteligencja potrafi rozpoznawać wzorce, uczyć się na danych i przygotowywać rekomendacje lub klasyfikacje w bardziej zmiennym środowisku. Czy publiczne narzędzia AI są bezpieczne dla biura rachunkowego? Publiczne narzędzia AI nie zawsze są bezpieczne dla biura rachunkowego, jeśli trafiają do nich dane klientów bez kontroli nad zakresem przetwarzania, lokalizacją danych i zasadami dalszego wykorzystania. Przed wdrożeniem trzeba sprawdzić warunki usługi, procedury i poziom ochrony danych. Od czego zacząć wdrożenie AI w biurze rachunkowym? Wdrożenie AI w biurze rachunkowym najlepiej zacząć od jednego procesu o dużej powtarzalności, na przykład obiegu faktur, kontroli braków dokumentów albo przygotowania raportów. Dopiero po sprawdzeniu efektów warto rozszerzać wykorzystanie AI na kolejne procesy.

Sztuczna inteligencja to obecnie kluczowy element budowy tzw. Autonomicznego Przedsiębiorstwa w nowoczesnym sektorze produkcyjnym. Jesteśmy świadkami transformacji, która całkowicie redefiniuje podejście do zarządzania operacyjnego. Zamiast tradycyjnych systemów wymagających nieustannego nadzoru, firmy budują architekturę, w której oprogramowanie samodzielnie zarządza procesami end-to-end, zwalniając personel do realizacji zadań o charakterze strategicznym. Wdrażanie zaawansowanych algorytmów wymaga jednak metodycznego planu i zrozumienia, w jaki sposób ewoluuje ta technologia. Poniżej przyglądamy się, jak wygląda droga od doradczych modeli Augmented AI, poprzez kalibrację z udziałem człowieka (Human-in-the-Loop), aż po zaawansowane, samodzielne środowiska typu Agentic AI. Świadomość tych etapów pozwala firmom przygotować się na wyzwania i płynnie delegować odpowiedzialność na systemy autonomiczne. Stopniowe budowanie zaufania: Od wsparcia do samodzielności  Sztuczna inteligencja nie staje się w pełni niezależna zaraz po uruchomieniu oprogramowania. Ewolucja od systemów wspierających użytkownika (Augmented AI) do w pełni autonomicznych algorytmów (Agentic AI) to rygorystyczny proces inżynieryjny. Przekazywanie maszynom coraz większych uprawnień wykonawczych odbywa się stopniowo, w oparciu o rosnącą skuteczność i budowane latami zaufanie. Augmented AI: Analiza i rekomendacje pod ludzkim nadzorem Na wczesnych etapach transformacji cyfrowej, firmy opierają się na modelu Augmented AI (rozszerzonej inteligencji). Modele językowe (LLM) oraz sieci neuronowe działają tu jako potężne silniki rekomendacyjne. System gromadzi dane spływające m.in. z maszyn, modułów logistycznych i finansowych, by w czasie rzeczywistym identyfikować anomalie i podsuwać gotowe rozwiązania. Ostateczna decyzja i odpowiedzialność wciąż należą jednak do człowieka. Przykładowo, system analizujący drgania i temperaturę może z dużym prawdopodobieństwem przewidzieć awarię maszyny CNC w ciągu dwóch dni. Zaproponuje on zamówienie nowych części i korektę planu produkcji. To jednak inżynier musi ocenić trafność tej sugestii i ręcznie zatwierdzić działania zapobiegawcze w systemie ERP. Human-in-the-Loop, czyli oswajanie algorytmów z biznesem Aby system AI mógł stać się samodzielny, musi przejść etap intensywnej nauki oparty na mechanizmie Human-in-the-Loop (człowiek w pętli). Każda odpowiedź systemu, którą człowiek akceptuje, odrzuca lub edytuje, stanowi paliwo dla procesu zwanego fine-tuningiem (dostrajaniem). Proces ten przypomina naukę języków obcych. Uczeń na początku potrzebuje nauczyciela, który koryguje błędy i wyjaśnia kontekst. Dzięki tym informacjom zwrotnym z czasem wypowiada się coraz swobodniej, a ingerencja nauczyciela ogranicza się do minimum. W systemach AI interakcje z użytkownikiem (w tym poprawiane prompty i odpowiedzi) służą dwóm celom optymalizacyjnym: Dostosowanie merytoryczne: system uczy się slangu korporacyjnego, unikalnych procedur oraz kontekstu operacyjnego danej fabryki. Dostosowanie preferencyjne: algorytmy przyswajają preferowany styl, oczekiwaną szczegółowość raportów i próg akceptacji ryzyka biznesowego. W tym celu wykorzystuje się metody takie jak Supervised Fine-Tuning (SFT) lub Reinforcement Learning from Human Feedback (RLHF), a także optymalizacje bezpośrednie (m.in. DPO, IPO czy KTO). Z czasem, gdy skuteczność modelu rośnie, poprawki stają się rzadkością. Agentic AI: Kontrolowane oddelegowanie zadań W momencie, gdy algorytmy działają niemal bezbłędnie, zarząd może podjąć decyzję o aktywacji modelu Agentic AI, stopniowo zdejmując blokady na najmniej ryzykownych procesach. AI otrzymuje uprawnienia do edycji parametrów w systemie ERP, takich jak autonomiczne przesuwanie dat dostaw bez pytania pracowników o zgodę. Block Quote Cztery poziomy zaawansowania sztucznej inteligencji Rozwój AI pociąga za sobą zmianę charakteru interakcji na linii człowiek–maszyna. Architektura techniczna w systemach ERP i ewolucja tej relacji układają się w spójny model czterech er: Poziom 1 – Era Narzędzia (Autonomia zerowa): Prosta automatyzacja zadań (np. boty RPA) i uruchamianie skryptów bazujące na bezpośrednich poleceniach. Każda akcja (jeden prompt = jeden wynik) wymaga wywołania i kontroli przez człowieka. Poziom 2 – Era Asystenta (Autonomia minimalna): Wprowadzenie autonomii warunkowej. System pamięta kontekst, dysponuje regułami brzegowymi (np. limitami budżetowymi) i realizuje działania w imieniu użytkownika, który autoryzuje jedynie sytuacje wykraczające poza standardowe ramy. Poziom 3 – Era Współpracownika (Autonomia umiarkowana): Działanie skoordynowanych agentów AI. Oprogramowanie pracuje asynchronicznie, przekazuje ustalenia między zespołami, generuje raporty na podstawie wglądu do kalendarza i wewnętrznych plików. Operator reaguje niemal wyłącznie w momencie wykrycia anomalii. Poziom 4 – Era Agenta (Autonomia wysoka): Pełna samodzielność algorytmów. Modele Agentic AI zarządzają wieloetapowymi procesami end-to-end z poziomu oprogramowania ERP, potrafią adaptować się do zmian rynkowych i uczą się na bieżąco. Rola człowieka sprowadza się do wyznaczania strategicznych celów. Block Quote Dane ERP to fundament trenowania AI Aby cyfrowi agenci mogli działać bezawaryjnie, potrzebują dostępu do czystych i ustrukturyzowanych danych, które gromadzi system ERP. Zależność tę precyzuje Olaf Wojak: Block Quote Biorąc pod uwagę fakt, że z końcem 2027 roku starsze generacje oprogramowania (jak SAP ECC) przestaną być w pełni wspierane, planowanie migracji do nowoczesnego środowiska (np. SAP Cloud ERP) to krok niezbędny, by odpowiednio przygotować architekturę danych pod algorytmy AI. Transformacja u boku SUPREMIS SUPREMIS, będący Partnerem SAP od blisko 20 lat, dysponuje własnym Centrum Kompetencji AI. Eksperci firmy pomagają ocenić gotowość cyfrową organizacji i bezpiecznie przeprowadzić ją przez proces delegowania zadań algorytmom. Korzystając z rozwiązań takich jak certyfikowany pakiet SUPREMIS Go Cloud for SAP GROW Fast, organizacja może uruchomić system chmurowy z wbudowanym mechanizmem AI już w 16 tygodni, redukując presję na kadrę i skalując zysk. Nowy cykl na horyzoncie Niniejszy artykuł inauguruje 6-częściową edukacyjną serię SUPREMIS pt. „Droga do Autonomicznego Przedsiębiorstwa z AI w SAP Cloud ERP”. W kolejnych tygodniach eksperci przybliżą m.in. kwestie: Tworzenia strategii Autonomous Enterprise (dla CEO i COO). Poprawy wyników na hali produkcyjnej (dla Dyrektorów Produkcji). Prognozowania w Łańcuchu Dostaw (dla Dyrektorów Supply Chain). Odciążenia działu finansowego i controllingu (dla CFO). Minimalizacji kosztów oraz ryzyka podczas migracji (dla całego zespołu C-level).

Sztuczna inteligencja często staje się częścią nowych funkcjonalności w systemach ERP. Potrafi tworzyć zapytania do baz danych, optymalizować stany magazynowe i wychwytywać anomalie w łańcuchach dostaw. Obietnica oszczędności czasu i ogólnego ułatwienia procesów biznesowych brzmi kusząco. Jednak wciąż istnieją kwestie, których AI zwyczajnie nie dokona w imieniu zarządu. I nie chodzi tylko o podpis na umowie.   Podczas wdrożenia systemu ERP pojawiają się etapy, przez które sztuczna inteligencja nas nie przeprowadzi. Zapytaliśmy partnerów myERP o granicę, przy której AI musi ustąpić miejsca człowiekowi. Ich odpowiedzi zarysowały wyraźny podział ról.   Kontekst, którego AI nie znajdzie w tabelach   Sztuczna inteligencja błyskawicznie radzi sobie z twardymi danymi i powtarzalnymi procesami. Problem pojawia się wcześniej, na etapie definiowania samego wyzwania. AI nie rozwiąże problemu, dopóki człowiek nie dostarczy jej odpowiednich wskazówek. Zwraca na to uwagę Roman Zleśny, Prezes firmy Solemis.   Block Quote Nawet poprawnie zebrane dane to wciąż za mało do podjęcia strategicznej decyzji. System zasygnalizuje odchylenie od normy, ale pozostaje ślepy na relacje wewnątrz organizacji. Zgadza się z tym Filip Marcinkiewicz, Senior Manager Sales & Marketing w Proalpha.   Block Quote Nigdy nie będzie decydentem  Projekt wdrożenia ERP, jak analizuje Bartłomiej Denkowski, Head of Business Solutions Department w InfoConsulting, wiąże się z balansowaniem między sprzecznymi interesami. Nie ma scenariuszy czarno-białych – często wymaga wyboru między równie ważnymi priorytetami. Algorytm bezbłędnie przeliczy ryzyko, ale to menedżer musi je ostatecznie zaakceptować.   Block Quote Przeczytaj także: Sztuczna inteligencja w systemach ERP. Które rozwiązanie AI wybrać dla biznesu?  Kto ostatecznie weźmie odpowiedzialność?  To oczywiście pytanie retoryczne – w biznesie jasne jest, kto pociąga za sznurki. Dlatego samo wygenerowanie rozwiązań nie zakończy procesu. Decyzje biznesowe mają wagę prawną i niosą konsekwencje dla zespołów. Za błąd algorytmu odpowiada zawsze człowiek. Tomasz Mamys, Ekspert ds. Cyfryzacji i systemów ERP z firmy Symfonia, akcentuje rolę komunikacji w tym procesie.   Block Quote Zaufanie do algorytmu – pełne czy ograniczone?  Nawet najlepszy prompt nie ułatwi trudnej rozmowy z klientem – czego zapewne doświadczyli konsultanci ERP na własnej skórze. Zmiana systemu obciąża firmę, dlatego wymaga komunikacji i budowania poczucia bezpieczeństwa. Te umiejętności są na wskroś ludzkie. AI porozumiewa się językiem naturalnym, ale nie może w pełni zrozumieć emocji drugiego człowieka. Trafnie podsumowuje to Barbara Ożarek-Łaganowska z Wercom:  Block Quote Sztuczna inteligencja jest dynamicznie rozwijającym się narzędziem, które kompleksowo wspiera pracowników, jak i cały zarząd firmy. Zakres jej możliwości jest coraz szerszy – od analityki, przez tworzenie raportów czy infografik, aż po doradztwo w kwestiach biznesowych.   Jednak należy pamiętać, że doradztwo nie zawsze równa się słusznej decyzji. Każdą, nawet pierwotnie sensowną radę, należy skonfrontować ze stanem obecnym firmy oraz celami biznesowymi, jakie system ERP powinien zrealizować. Dlatego prawdziwa wartość nie leży dziś w szybkości przetworzonych danych, lecz w ich trafnej weryfikacji i połączeniu z rzeczywistością.  

Ten pracownik wykona za Ciebie wszystkie powtarzalne zadania i w błyskawicznym tempie, bez żadnych przerw, dopnie koncept, jak i pierwsze etapy projektu technologicznego. Brzmi znajomo?   Korzystanie z AI weszło w nawyk przedsiębiorcom – począwszy od popularnych asystentów konwersacyjnych (ChatGPT, Gemini), aż po zaawansowanych agentów wbudowanych w obsługiwane systemy ERP, WMS, CRM i inne. Z najnowszego raportu No Fluff Jobs, “AI na rynku pracy IT”, wynika, że każdego dnia aż 68% specjalistów IT korzysta z generatywnych rozwiązań.   Jednocześnie rola sztucznej inteligencji już dawno wykroczyła poza pasywne doradztwo w zakresie copywritingu, content marketingu czy podstaw IT. Od kilku miesięcy AI staje się aktywnym agentem zdolnym do wykonywania zadań na komputerze. Pionierem w tym zakresie pozostaje firma Anthropic, która rozwija swój model Claude do osiągnięcia jak największej samodzielności.   Claude może sterować Twoim komputerem  Claude to autonomiczny agent AI, który może wyjść poza okno przeglądarki, sięgnąć po myszkę i klawiaturę, a następnie realnie dokonać zmian w Twoich odrębnych aplikacjach. Za pomocą funkcji nazywanej “computer use” Claude widzi zrzut ekranu komputera i dokonuje jego interpretacji. Dalej dzieje się magia: otwieranie aplikacji, przeklikiwanie się przez rozmaite funkcje, wykonywanie komend. Przy tym niepotrzebna jest nawet integracja z API, co daje olbrzymią przewagę podczas pracy z systemami księgowymi (np. Symfonia, Comarch Optima) czy urzędowymi portalami.   Tę funkcjonalność można wykorzystać w programowaniu. Wówczas Claude Code staje się zaawansowanym partnerem do “pair programmingu”, pomagając m.in. przy tworzeniu kodów jednostkowych oraz w ich refaktoryzacji. Tym samym może znacząco przyspieszyć programowanie już na etapie konceptu. Ogólne wymagania biznesowe klienta niemal błyskawicznie przenosi na strukturę bazodanową i ostateczny stack technologiczny.   Szansa czy zagrożenie?   Wróćmy na chwilę do raportu No Fluff Jobs. Ankietowani przyznali, że mimo ogromnego potencjału i dynamicznego rozwoju sztucznej inteligencji, realnie czują obawę o utrzymanie swojego zawodu. Co więcej, aż 40 proc. polskich specjalistów IT deklaruje brak zaufania do technologii AI.   Do głównych obaw hamujących pełne przekazanie sterów sztucznej inteligencji należy ryzyko błędów w generowanym kodzie, co wskazało aż 60 proc. respondentów. Ponadto wciąż pojawiają się wątpliwości dotyczące bezpieczeństwa firmowych danych. Część ekspertów nadal wskazuje na ryzyko wycieków ze względu na nieprzewidywalną naturę modeli LLM.  Z drugiej strony dla sektora MŚP modele takie jak Claude to istna rewolucja finansowa. Za cenę miesięcznej subskrypcji (wynoszącej od 20 dolarów, w zależności od wybranej wersji) małe organizacje mogą zapewnić sobie możliwości automatyzacji przynajmniej na poziomie stanowiska juniorskiego.    Czy Claude wypchnie programistę z firmowego biurka?  Funkcjonalności Claude’a, szczególnie w trybie “computer use”, mogą spowodować, że część pracowników poczuje się w pewnym stopniu zastąpiona. Jednak rzeczywistość jest nieco bardziej optymistyczna. Może i Claude stworzy prostą aplikację do rekrutacji. Jednak nie poprowadzi wdrożenia ogromnego, głęboko zintegrowanego systemu WMS. Do tego potrzeba już ludzkich rąk.   Claude zapewne już zagościł na biurkach wielu specjalistów, ale stał się raczej kolegą z ławki niż permanentnym zastępcą. Firmy nadal potrzebują ekspertów, którzy są w stanie kontrolować kod i nanosić na niego poprawki. Dlatego nadal niezmiernie cenna w CV pozostaje znajomość Pythona czy JavaScriptu – choćby na podstawowym poziomie. Dzięki temu specjalista już nie kopiuje ślepo kodu, lecz może go dodatkowo ulepszyć.   Zmienia się jedna kluczowa rzecz – pracownicy nie mogą udawać, że AI wokół nich nie ma. Oni także powinni nauczyć się nadzorować modele LLM i zarządzać agentami.   Warto pamiętać o zaleceniach ekspertów i nadchodzącej polskiej odpowiedzi na unijne AI Act. Wdrażanie sztucznej inteligencji należy zacząć od automatyzacji procesów o najniższym ryzyku. To pozwoli poznać te mocne i słabe strony rozwiązania, podczas gdy model działa w wyznaczonej “piaskownicy” uprawnień.   Źródło: https://nofluffjobs.com/insights/ai-na-rynku-pracy/, businessinsider.com.pl 

Sektor logistyczny w Polsce zbliża się do granicy, której nie da się przesunąć narzędziami HR. Skala odpływu pracowników z transportu, spedycji i magazynowania szacowana na 150 tys. osób w perspektywie dekady oraz blisko 12 tys. nieobsadzonych wakatów w TSL na koniec III kwartału 2025 r. nie są zjawiskiem koniunkturalnym. To strukturalna zmiana podaży pracy, która wymusza zmianę modelu działania całej branży. Sama rekrutacja przestaje być rozwiązaniem. Decydują o tym trzy nakładające się trendy. Po pierwsze – demografia: liczba osób w wieku produkcyjnym spadła w skali roku o 128 tys., a według prognoz GUS do 2060 r. zmniejszy się o kolejne 6,7 mln. Po drugie – atrakcyjność stanowisk operacyjnych w magazynie systematycznie maleje. Po trzecie – kanał migracyjny przestał kompensować lukę: liczba kierowców-cudzoziemców obniżyła się ze 162 tys. w 2023 r. do około 145 tys. obecnie. Rachunek ekonomiczny przemawia za automatyzacją W tych warunkach jedynym skalowalnym kierunkiem pozostaje podnoszenie efektywności operacyjnej poprzez automatyzację i sztuczną inteligencję. To nie jest wybór ideologiczny – to rachunek ekonomiczny. Robot Stretch wdrożony przez DHL rozładowuje 700 kartonów na godzinę, czyli dwu- do trzykrotnie szybciej od człowieka, pracując w ciągłym cyklu. DHL zakontraktował dostawę kolejnego 1 000 jednostek do 2030 r. Cena humanoida Unitree G1 wynosi obecnie ok. 5 900 USD, podczas gdy trzy lata temu porównywalna konstrukcja kosztowała ćwierć miliona dolarów. Klasyczna automatyka magazynowa wymaga przebudowy obiektu i kapitałochłonnych inwestycji w infrastrukturę. Roboty humanoidalne działają w przestrzeni zaprojektowanej dla człowieka, bez zmiany layoutu. Pozwala to skalować zatrudnienie hybrydowo – do dziesięcioosobowego zespołu można dołączyć kilka jednostek bez przerywania pracy magazynu, co obniża barierę wejścia i skraca czas zwrotu z inwestycji. Polska – niska baza robotyzacji jako przewaga Skala robotyzacji w Polsce pozostaje niska. Według raportu IFR World Robotics 2025 gęstość robotyzacji w polskim przemyśle wynosi 81 robotów na 10 tys. pracowników, przy średniej europejskiej 148 i światowej 177. Korea Południowa osiąga 1 012, Niemcy ok. 415. Paradoksalnie ta niska baza staje się przewagą – rynki, które wcześniej zainwestowały w automatykę pierwszej generacji, posiadają dziś bazę technologiczną wymagającą wymiany. Polskie firmy mogą wejść od razu w rozwiązania najnowszej generacji. Warunki skutecznego wdrożenia Skuteczne wdrożenie wymaga trzech warunków: uporządkowania procesów i organizacji magazynu, wysokiej jakości danych w systemach WMS oraz decyzji inwestycyjnych podejmowanych z wyprzedzeniem. W ciągu najbliższych pięciu lat zdolność do efektywnego łączenia pracy ludzi, systemów WMS opartych na AI i robotów stanie się jedną z kluczowych przewag konkurencyjnych w logistyce. Firmy, które zaczną budować te kompetencje dziś, w 2030 r. będą operować na zupełnie innym poziomie kosztów jednostkowych niż te, które potraktują temat jako odległą perspektywę.

Za nami intensywne road show w ramach Kongresu Biur Rachunkowych Comarch. Podczas tegorocznej edycji szczególnie wybrzmiała jedna teza: branża księgowa się zmienia, aktywnie wspierając się technologią, w tym sztuczną inteligencją. Wspólnie z setkami właścicieli biur i ekspertów rozmawialiśmy o tym, jak narzędzia technologiczne realnie zmieniają codzienną pracę z dokumentami i klientem.  Program tegorocznej edycji, która ze względu na duże zainteresowanie odbyła się w trzech miastach: Krakowie, Warszawie, Poznaniu, był intensywny i skupiony na praktycznych aspektach prowadzenia nowoczesnego biura rachunkowego.  Eksperci dyskutowali m.in. o ewolucji modelu biznesowego biura, zmianach związanych z KSeF oraz cyfrowych procesach organizujących pracę. Rozmawiano o tym, jak zautomatyzować obieg dokumentów, by zyskać czas na budowanie relacji z klientem, oraz jak AI działa w obszarze księgowości. Ciekawe dyskusje – podczas prelekcji czy debaty eksperckiej z udziałem specjalistów od księgowości – toczyły się wokół cyfryzacji biur i użycia sztucznej inteligencji, która wspiera procesy i decyzje księgowego. Biura rachunkowe są strategiczną branżą dla Comarch – z firmą współpracuje 13 tys. biur, z których wiele korzysta z jej oprogramowania od lat. Dlatego spółka priorytetowo rozwija narzędzia i systemy przeznaczone dla segmentu księgowości. W zeszłym roku na rynku z przytupem zadebiutował program dla jednoosobowych działalności gospodarczych i małych firm Comarch Betterfly, z którego już teraz korzystają dziesiątki tysięcy klientów. Firma modernizuje też swój flagowy program Comarch ERP Optima, dostępny również w wersji webowej.  Wszystkie te produkty integruje sztuczna inteligencja – Comarch, zgodnie z filozofią “AI first”, mocno stawia na budowę agentów AI, którzy automatyzują księgowanie faktur w KSeF. Firma wprowadzi w tym roku około 20 cyfrowych asystentów, m.in. weryfikujących faktury, dokonujących klasyfikacji kosztowej czy dobierających właściwy schemat księgowy, co usprawnia proces obsługi klientów. Kongres był także okazją do wyróżnienia cyfrowych liderów księgowości, wyznaczających standardy w branży. Nagrody “Best in Class by Comarch” trafiły do biur, które nie tylko wdrażają innowacje i aktywnie korzystają ze sztucznej inteligencji, ale robią to z myślą o realnej wartości dla swoich klientów i komforcie pracy własnych zespołów.  W kategorii Lider Cyfrowej Księgowości Comarch Betterfly nagrody otrzymały biura, które poprawnie założyły najwięcej kont Comarch Betterfly. Laureaci: Lider Ogólnopolski – ETL POLSKA S.A. I Księgowanie.pl Sp. z o.o. Lider Regionu Południowego – Biuro Rachunkowe DECREE Monika Chronowska Lider Regionu Zachodniego – Biuro Biegłego Rewidenta Krzysztof Powąska Poza tym nagrodzono też Lidera Efektywności w Programie Partnerskim – zostało nim Biuro Rachunkowe K-LEX Kowalska Krystyna – oraz Lidera Automatyzacji i AI; tytuł ten powędrował do Tax Medica sp. z o.o. Comarch ma w planach cykliczną organizację Konkursu, by docenić biura aktywnie cyfryzujące pracę swoją i klientów. Block Quote Autor zdjęcia głównego: Łukasz Korab

26 i 27 maja Poznań stał się centrum technologicznym. Podczas gdy w sąsiednich pawilonach trwały targi MODERNLOG i ITM, zespół portalu myERP wziął udział w konferencji Smart Warehouse 2026.   Smart Warehouse to wydarzenie, które przez lata ugruntowało swoją pozycję jednego z największych eventów logistycznych w Polsce. Pierwotna rada programowa, którą utworzono w 2019 r., zdążyła rozrosnąć się do dziesięciu ekspertów w zakresie logistyki, e-commerce i nowych technologii.   Ta edycja Smart Warehouse była wyjątkowa – między innymi ze względu na obecność Platynowego Partnera, Toyota Automated Logistics. To był jednocześnie moment dla marki, by zadebiutować na polskim rynku w wielkim stylu. Katarzyna Błaszkiewicz, Business Development Manager CEE w Toyota Automated Logistics, była zatem istotną twarzą konferencji. W trakcie pierwszego dnia poprowadziła Keynote speech u boku Jamesa Osborna (Director of Customer Engagement). Opowiedzieli więcej o strategicznej wizji marki i nadchodzących projektach oraz celach biznesowych.   Dyskusje bez tabu  Panelem otwarcia była poprowadzona przez Monikę Dudę-Tulejko (M4 Real Estate) i Jarosława Dąbrowskiego (Hardis Supply Chain) debata o roli partnerstw w branży logistycznej. Wraz z prelegentami – Jamesem Osbornem (Toyota Automated Logistics), Łukaszem Wolskim (GXO), Kamilem Bebenkiem (Beko) i Grzegorzem Szatanem (Allegro) – pochylili się nad kompleksową rolą bezpieczeństwa. Trudno je jednak zapewnić bez odpowiedniej współpracy między producentami, retailerami, operatorami logistycznymi czy integratorami.   Źródło: Paweł Miecznik Miecznik Studio Sporą część programu zajęły panele dotyczące automatyzacji magazynowej. Kluczowy wyróżnik? Fakt, że w żadnym nie dało się wyczuć sprzedażowych frazesów. Wszystkie dyskusje podejmowały kwestie trudne i często niewygodne dla kierowników i dyrektorów firm logistycznych. Eksperci nie bali się mówić również o tych wdrożeniach, z których trudno być dumnym. To jednocześnie była okazja dla słuchaczy, by nauczyć się na błędach prelegentów. Wynikały one m.in. z nieprawidłowości w projektach czy problemach z realizacją założonych KPI. Więcej szczegółów uczestnicy mogli poznać na panelach “#warehouse_automation” i “F*ck up case study”.   Inne panele, takie jak “#AI_IoT_digitalization”, podejmowały zagadnienia związane ze sztuczną inteligencją czy Internetem rzeczy. To rozwiązania, które dziś zdecydowanie prowadzą rewolucję w branży technologicznej, a także w logistyce. Nie zabrakło również robotyki. Przez całe dwa dni po pawilonie 3A poruszały się roboty – zarówno na kołach, jak i na własnych nogach. Temat dopełniał panel “#robotics_future_technology”. Obok prelegentów pojawił się humanoid ALF z Politechniki Rzeszowskiej.   Quo vadis, technologio?  Drugi dzień konferencji, choć krótszy, nie był mniej intensywny. Zespół Manpower Group przedstawił wyniki ogólnopolskiego badania “Dokąd zmierzasz logistyko?”. Raport dogłębnie analizuje poziom cyfryzacji polskich przedsiębiorstw oraz różnorodność inwestycji w nowe technologie. Panel był również okazją do dyskusji nad cyberbezpieczeństwem i zagrożeniami, którym branża logistyczna powinna sprostać.   Po południu w Sali Niebieskiej odbyły się warsztaty Sente dotyczące wykorzystania AI w systemie WMS. Wojciech Nowak (Partner zarządzający) oraz Marcin Smereka (CTO) zaprezentowali praktyczne zastosowanie sztucznej inteligencji w Teneum. To pozwala na szybkie diagnozowanie problemów i reagowanie na zmiany w czasie rzeczywistym. Po tej prezentacji na sali pojawiły się pytania ze strony słuchaczy.  Na zakończenie dnia uczestnicy konferencji zostali zaproszeni do centrum logistyki zwrotów GXO w Poznaniu. Celem wizyty studyjnej było pokazanie autorskich rozwiązań ESG w praktyce. Dzięki nim towary zwrócone w ramach zakupów online mogą stać się wartością.   Źródło: Paweł Miecznik Miecznik Studio Świetlista przyszłość Smart Warehouse  Jak poinformowała jedna z organizatorów i pomysłodawczyni wydarzenia, Ilona Miziewicz-Groszczyk, “Smart” dokona pewnej ekspansji. Już na starcie pojawiła się zapowiedź współpracy z innymi, europejskimi firmami. Dzięki temu następna konferencja najpewniej zostanie poprowadzona w języku angielskim. Te słowa zdecydowanie chodziły mi po głowie aż do końca wydarzenia.   Społeczność Smart Warehouse z roku na rok rośnie w siłę, o czym świadczy aktywne uczestnictwo w konferencji. Warto obserwować, jak to wydarzenie się rozwinie w nadchodzących latach.  

Model działa… dopóki nie spotka realnych danych W projektach AI w finansach i controllingu, bardzo szybko wychodzi na jaw jedna dość niewygodna prawda: największym wyzwaniem wcale nie jest sam model ani jego architektura, tylko dane, na których ma pracować. Na etapie pilotażu wszystko zwykle wygląda obiecująco — dane są często „oczyszczone”, zakres ograniczony, a środowisko kontrolowane. Model potrafi wtedy dawać wyniki, które są spójne i biznesowo sensowne, co buduje początkowy entuzjazm. Zderzenie z rzeczywistością następuje dopiero wtedy, gdy podłączamy go do pełnych, produkcyjnych strumieni danych. Wtedy okazuje się, że te same pojęcia są różnie interpretowane w zależności od systemu, dane historyczne mają luki, a ich struktura zmieniała się w czasie. I w tym momencie dyskusja bardzo szybko przestaje dotyczyć strojenia modelu, a zaczyna dotyczyć tego, czy w ogóle mamy jedną, spójną wersję danych wejściowych. Rozproszone definicje rzeczywistości w organizacji W finansach często dane są naturalnie rozproszone pomiędzy wiele obszarów: zarządzanie ryzykiem, sprzedaż, operacje, księgowość czy raportowanie regulacyjne. Każdy z tych obszarów przez lata budował własne systemy i własne definicje kluczowych pojęć. W efekcie to samo pojęcie, na przykład „aktywny klient” czy „przychód netto”, może być liczone w kilku różnych wariantach, zależnie od tego, kto je definiuje i w jakim kontekście. Dopóki te różnice nie zostaną ujednolicone, sztuczna inteligencja nie ma szans nauczyć się jednej rzeczywistości biznesowej. Zamiast tego uczy się kilku równoległych wersji prawdy, które nakładają się na siebie w sposób trudny do wychwycenia. To z kolei prowadzi do sytuacji, w której model działa poprawnie statystycznie, ale jego decyzje w praktyce są niespójne lub trudne do obrony biznesowo. Zarządzanie danymi w praktyce, a nie w teorii Data governance w praktyce bardzo rzadko wygląda jak elegancki dokument czy formalna polityka. Znacznie częściej sprowadza się do bardzo konkretnych i momentami niewygodnych pytań: skąd dokładnie pochodzi dana wartość, kto jest odpowiedzialny za jej definicję, jak została policzona i czy jesteśmy w stanie odtworzyć ją w czasie w identyczny sposób. Dopiero wtedy pojawiają się realne mechanizmy, które pozwalają to uporządkować: katalog danych, śledzenie ich pochodzenia, wersjonowanie definicji biznesowych czy kontrola dostępu oparta na rolach. To wszystko przestaje być „ładną architekturą”, a staje się warunkiem koniecznym tego, żeby w ogóle móc ufać wynikom modeli analitycznych i wykorzystywać je w procesach decyzyjnych. Problem rzadko polega na braku danych Wbrew częstemu przekonaniu, w finansach rzadko mamy do czynienia z realnym brakiem danych. Problemem nie jest ich ilość, tylko jakość, spójność i kontekst. Dane często są niepełne, opóźnione, albo zmieniały sposób wyliczania w czasie bez pełnej dokumentacji tych zmian. Zdarza się też, że pochodzą z różnych systemów, które nigdy nie były projektowane z myślą o wspólnym wykorzystaniu analitycznym. Modele sztucznej inteligencji nie „rozumieją” tych niuansów. Dla nich dane są po prostu wejściem liczbowym, na którym uczą się wzorców. Jeśli te dane są niespójne, to wzorce również będą przypadkowe, nawet jeśli na pierwszy rzut oka wyniki wyglądają wiarygodnie. To właśnie dlatego wiele modeli dobrze wypada w testach, a zawodzi dopiero w środowisku produkcyjnym. AI zaczyna się tam, gdzie kończy się chaos danych W praktyce wdrożeniowej bardzo szybko dochodzi się do momentu, w którym staje się jasne, że bez uporządkowania danych nie da się nawet ocenić, czy model działa poprawnie. Brakuje punktu odniesienia, bo nie istnieje jedna, spójna definicja tego, co jest „prawdą” w danych. Każdy wynik można zakwestionować, bo jego źródło i sposób powstania nie są w pełni przejrzyste. W finansach ten problem jest dodatkowo wzmocniony przez regulacje i wymagania audytowe. Nie wystarczy, że model działa — trzeba jeszcze umieć wyjaśnić, skąd wziął się wynik, jakie dane go wygenerowały i czy można go w pełni odtworzyć. Bez tego sztuczna inteligencja nie jest narzędziem decyzyjnym, tylko czarną skrzynką, której nie da się używać w procesach o wysokiej odpowiedzialności. Rola osoby wdrażającej: łączenie trzech światów Osoba wdrażająca rozwiązania AI w finansach bardzo często znajduje się w roli pośrednika między trzema różnymi perspektywami. Biznes oczekuje szybkich efektów i wartości, zespoły technologiczne koncentrują się na stabilności i architekturze, a obszary ryzyka oraz zgodności z regulacjami wymagają pełnej przejrzystości i możliwości audytu. Bez wspólnego języka te trzy światy bardzo łatwo się rozjeżdżają. Data governance staje się wtedy nie tyle zestawem zasad, co sposobem na doprowadzenie do sytuacji, w której wszyscy mówią o tych samych danych i w ten sam sposób je rozumieją. Dopiero wtedy możliwe jest sensowne skalowanie rozwiązań opartych na sztucznej inteligencji. Wniosek… Z doświadczenia projektowego wynika dość jednoznaczny wniosek: modele sztucznej inteligencji można doskonalić iteracyjnie, ale jeśli dane wejściowe są niespójne, każda kolejna iteracja tylko utrwala istniejące problemy. W efekcie zamiast poprawy jakości decyzji otrzymujemy coraz bardziej skomplikowany system, który nadal opiera się na niepewnych fundamentach. Dlatego w finansach (ale nie tylko!) realne wdrożenia AI rzadko zaczynają się od modeli. Zaczynają się od porządkowania danych, ujednolicania definicji i budowania odpowiedzialności za informacje. Dopiero na takim fundamencie sztuczna inteligencja staje się narzędziem, które rzeczywiście wspiera decyzje biznesowe, a nie tylko je symuluje.

Sztuczna inteligencja coraz szybciej przestaje być eksperymentem, a staje się realnym narzędziem transformacji w branży budowy maszyn i urządzeń. Wykorzystywana do analizy danych produkcyjnych w czasie rzeczywistym, predykcyjnego utrzymania ruchu czy automatycznej kontroli jakości, AI pomaga firmom zwiększać efektywność, ograniczać przestoje i lepiej reagować na rosnącą presję kosztową oraz braki kadrowe. Jak pokazują doświadczenia rynkowe, jej zastosowanie obejmuje dziś cały cykl życia maszyny – od projektowania po serwis i eksploatację. Jak wskazują eksperci Proalpha Polska, AI przestaje być technologią przyszłości, a staje się praktycznym narzędziem wykorzystywanym na wszystkich etapach cyklu życia maszyny: od projektowania, przez produkcję i serwis, aż po eksploatację u klienta końcowego. AI w praktyce: jakość, utrzymanie ruchu i elastyczna produkcja Jednym z najczęstszych zastosowań sztucznej inteligencji w budowie maszyn jest kontrola jakości. Systemy wizyjne oparte na AI wykrywają wady powierzchni i niezgodności szybciej oraz dokładniej niż tradycyjne kontrole manualne, zapewniając stały, powtarzalny poziom jakości. Równie istotną rolę odgrywa predykcyjne utrzymanie ruchu (Predictive Maintenance). Analiza danych z czujników pozwala przewidywać zużycie komponentów i planować serwis w optymalnym momencie, czyli zanim dojdzie do awarii. Przekłada się to na ograniczenie przestojów, dłuższą żywotność maszyn oraz niższe koszty utrzymania. AI wspiera także optymalizację procesów produkcyjnych, m.in. poprzez adaptacyjne sterowanie parametrami pracy maszyn, inteligentne harmonogramowanie obciążeń czy redukcję zużycia energii i materiałów. Cyfrowe bliźniaki i inteligentne planowanie W obszarze projektowania i inżynierii instalacji coraz większe znaczenie mają cyfrowe bliźniaki. To wirtualne modele maszyn i linii produkcyjnych, które wiernie odwzorowują procesy fizyczne. Umożliwiają one symulację pracy zakładu jeszcze przed jego uruchomieniem, co skraca czas wdrożenia, pozwala wykryć błędy na wczesnym etapie i ograniczyć kosztowne zmiany już w trakcie realizacji projektu. AI zintegrowana z systemami ERP Kluczowym elementem skutecznego wykorzystania sztucznej inteligencji jest jej integracja z systemami ERP. Analiza procesów, prognozowanie zapotrzebowania czy automatyczne wykrywanie odchyleń stają się naturalnym rozszerzeniem codziennego zarządzania przedsiębiorstwem. Według ekspertów Proalpha Polska AI pełni tutaj rolę „wzmocnienia” sprawdzonych systemów – dostarczając dodatkowej transparencji, przewidywalności i bezpieczeństwa operacyjnego. Konkretny efekt biznesowy Zastosowanie sztucznej inteligencji przynosi wymierne korzyści zarówno producentom maszyn, jak i ich użytkownikom. Producenci zyskują nowe modele biznesowe oparte na danych i usługach cyfrowych, a operatorzy maszyn – wyższą dostępność, niższe koszty operacyjne oraz lepsze wsparcie dla pracowników w warunkach rosnącego niedoboru wykwalifikowanej kadry. W efekcie AI pozwala firmom z sektora budowy maszyn szybciej podejmować decyzje, lepiej zarządzać ryzykiem i budować długofalową przewagę konkurencyjną. Więcej informacji o zastosowaniu sztucznej inteligencji w procesach biznesowych znajduje się w bazie wiedzy AI Hub na stronie Proalpha Polska pod linkiem: AI Hub – Sztuczna inteligencja dla MŚP | Proalpha