Czy warto wdrażać AI w firmie produkcyjnej i od czego zacząć

Tak, warto wdrażać AI w firmie produkcyjnej. Ale efekt pojawia się nie na hali, tylko obok niej: w biurze sprzedaży, w dziale obsługi klienta, przy dokumentacji i raportowaniu. Firmy, które zaczynają od predykcji awarii albo systemów wizyjnych na linii, utykają na wielomiesięcznych projektach bez konkretnego wyniku. Te, które zaczynają od powtarzalnej pracy biurowej, widzą zmianę po kilku tygodniach.

Kiedy wdrożenie AI w firmie produkcyjnej ma sens, a kiedy lepiej poczekać

Firma produkcyjna jest dobrym kandydatem do wdrożenia AI, gdy praca biurowa zjada nieproporcjonalnie dużo czasu ludzi, którzy powinni robić coś innego. Handlowiec spędza trzy godziny dziennie na pisaniu ofert, które różnią się od siebie głównie nazwą klienta i specyfikacją. Pracownik obsługi klienta odpowiada codziennie na dziesiątki maili o statusie zamówień. Kierownik co poniedziałek składa raport przez dwie godziny, zbierając dane z pięciu źródeł.

Kiedy wdrożenie nie ma sensu teraz:

• firma nie ma żadnych ustrukturyzowanych danych i każde zamówienie jest zupełnie inne bez żadnego szablonu obsługi
• właściciel chce AI "żeby było", ale nie planuje zmieniać sposobu pracy ani jednego działu
• wszystkie procesy biznesowe działają wyłącznie na ustnych ustaleniach między konkretnymi osobami

AI nie naprawia chaosu. Przyspiesza to, co ma już jakiś powtarzalny kształt.

Gdzie AI wchodzi natychmiast, a gdzie wymaga lat przygotowań

Największy błąd w firmach produkcyjnych to zaczynanie od hali. Predykcja awarii, wykrywanie wad na linii produkcyjnej, autonomiczne sterowanie maszynami: to projekty z zupełnie inną skalą trudności. Wymagają danych z czujników zbieranych przez lata, czystych danych z systemów PLC i SCADA oraz długiej, żmudnej integracji. Czas realizacji to nie miesiące. Rok albo dłużej, zanim cokolwiek działa w produkcji.

Tymczasem biuro tej samej firmy ma mnóstwo powtarzalnej pracy, do której AI pasuje od zaraz:

• Oferty i wyceny: handlowiec dostaje zapytanie ze specyfikacją, AI czyta je, dobiera produkty z cennika i tabel technicznych, generuje szkic oferty. Handlowiec sprawdza liczby, poprawia ewentualne błędy, wysyła.
• Dokumentacja techniczna: karty produktów, instrukcje montażu, deklaracje zgodności CE. AI wyciąga dane z pliku PDF albo arkusza Excelu i wstawia je w odpowiednie pola szablonu. Nie tworzy wiedzy technicznej, ale eliminuje ręczne przepisywanie.
• Reklamacje: klient przysyła maila z opisem problemu. AI klasyfikuje reklamację, sprawdza historię zamówień i poprzednią korespondencję w systemie, przygotowuje projekt odpowiedzi do zatwierdzenia przez człowieka.
• Zapytania o status i dostępność: pytania w stylu "kiedy wyślecie moje zamówienie" albo "ile macie na stanie profilu 60x40". Zamiast szukania po ERP i dzwonienia do magazynu: asystent odpowiada na podstawie aktualnych danych z systemu.
• Raportowanie wewnętrzne: tygodniowy raport dla zarządu zestawiający produkcję, sprzedaż i reklamacje. AI zbiera dane z ERP i arkuszy i składa go w jeden dokument. Kierownik sprawdza i ewentualnie dodaje komentarz.

U jednego z klientów produkcyjnych dział obsługi klienta obsługiwał kilkadziesiąt zapytań dziennie o terminy dostaw. Każde wymagało wejścia do ERP, sprawdzenia harmonogramu i napisania odpowiedzi. Po podłączeniu asystenta AI do systemu ERP odpowiedzi na standardowe pytania powstają w kilka sekund i trafiają do zatwierdzenia przed wysyłką. Czas obsługi jednego zapytania skrócił się kilkukrotnie, a ludzie mają czas na sprawy, które faktycznie wymagają oceny i negocjacji.

Trzy bazy danych, z których żadna nie jest do końca prawdziwa

Tu tkwi pies pogrzebany w większości firm produkcyjnych. Oficjalna prawda jest w ERP. Realna prawda operacyjna jest w arkuszu Excela prowadzonym przez kierownika zmiany, najczęściej nazwanym "stany_aktualne_v4_FINAL.xlsx". A prawda o tym, co naprawdę jest na hali, siedzi w głowach brygadzistów.

Pytasz asystenta AI o stan magazynowy profilu stalowego. ERP mówi jedno, arkusz mówi drugie, a brygadzista, jeśli go złapiesz przed halą, powie trzecie. Którą odpowiedź ma podać AI? Nie wie. Albo poda błędną liczbę, albo odmówi podania jakiejkolwiek. Oba wyniki są bezużyteczne dla handlowca, który właśnie ma klienta na telefonie.

Dlatego przed każdym wdrożeniem sprawdzamy, gdzie leżą dane dla konkretnego procesu, który chcemy usprawnić. Czy ERP jest aktualizowany na bieżąco przez właściwe osoby? Czy jest dostępne API albo możliwość automatycznego eksportu? Czy korespondencja z klientami trafia do jednej skrzynki firmowej, czy rozsiana jest po osobistych mailach pięciu handlowców?

Dobra wiadomość: nie trzeba sprzątać całego systemu danych przed startem. Trzeba zidentyfikować jedno, wiarygodne źródło dla konkretnego procesu i to podłączyć jako pierwsze. Reszta może poczekać na kolejny etap.

Kto po Waszej stronie ma prowadzić ten projekt i dlaczego nie dział IT

"Damy to IT" to najszybsza droga do pilotażu, który trwa rok i nic nie wdrożono. Dział IT w firmie produkcyjnej ma pełne ręce roboty: infrastruktura, licencje, bezpieczeństwo, ERP, wsparcie użytkowników. Projekt AI to dla nich kolejna pozycja na liście, a nie coś, na czym komuś osobiście zależy.

Poza tym informatyk nie zna procesów sprzedaży ani obsługi klienta tak jak ludzie, którzy w nich pracują codziennie. Nie wie, że przy oferowaniu na produkty niestandardowe zawsze trzeba sprawdzić dostępność walcowni i że klient z segmentu A toleruje trzy dni odpowiedzi, a z segmentu B oczekuje reakcji tego samego dnia. Tego się nie wyczyta z dokumentacji systemowej.

Projekt AI powinien prowadzić ktoś, kto zna dany proces od środka i ma prawo decydować o tym, jak ten dział pracuje. Typowo sprawdza się tu kierownik sprzedaży, dyrektor operacyjny albo właściciel, który sam siedzi w tym procesie. Nie musi być ekspertem od systemów AI. Musi rozumieć, co jest problemem, i być gotowy oceniać wyniki przez pierwsze tygodnie pilotażu.

IT powinno być partnerem przy integracji z ERP i kwestiach bezpieczeństwa danych. Nie właścicielem projektu.

Jak wygląda pierwsze wdrożenie AI w firmie produkcyjnej krok po kroku

Pierwsze pytanie, które zadajemy na audycie, brzmi: "Który proces zajmuje Wam nieproporcjonalnie dużo czasu w stosunku do wartości, jaką tworzy?" Odpowiedź wskazuje zwykle na jedno z trzech miejsc: ofertowanie i wyceny, obsługa zapytań klientów albo raportowanie wewnętrzne dla zarządu.

Potem sprawdzamy dane: gdzie leżą, kto je aktualizuje, jak często, czy są spójne między systemami. Jeśli ERP ma API, sprawdzamy, do jakich obiektów można się podłączyć. Jeśli dane są głównie w Excelu i mailach, ustalamy, które pliki są "prawdziwe" i jak zagwarantować, żeby AI zawsze czytało właściwe źródło.

Na tej podstawie projektujemy pilotaż na jednym procesie, z jednym działem, na prawdziwych danych. Nie "wdrożenie AI w firmie". Konkretna automatyzacja jednego kroku, którą można ocenić po czterech do ośmiu tygodniach. Mierzamy: ile czasu zajmował proces przed i ile po, ile razy tygodniowo trzeba poprawiać wynik AI, jaki procent przypadków przechodzi bez ingerencji człowieka.

Od początku ustalamy, kto zatwierdza wyniki AI przed wysyłką na zewnątrz. W pierwszej fazie zawsze człowiek. Stopniowo, gdy zaufanie do jakości odpowiedzi rośnie, można zmniejszać poziom nadzoru. Ale przy komunikacji bezpośredniej z klientem nigdy nie rezygnujemy z zatwierdzania całkowicie.

Co decyduje o tym, czy wdrożenie AI przyniesie realny efekt

Nie technologia. Modele językowe są dziś wystarczająco dobre dla większości zastosowań biurowych. Decyduje gotowość firmy do zmiany kilku nawyków. Zamiast szukać ręcznie w ERP: zapytać asystenta. Zamiast przepisywać dane z maila do systemu: zatwierdzić to, co AI już wstępnie uzupełniło.

Firmy, które traktują AI jak szybszą wersję tego, co robiły wcześniej, rzadko są zadowolone po sześciu miesiącach. Firmy, które pytają "co możemy przestać robić ręcznie", zwykle chcą po tym czasie rozszerzać projekt na kolejne działy. Różnica leży w nastawieniu przed startem, nie w doborze narzędzi.

Jeśli chcecie sprawdzić, które procesy w Waszej firmie produkcyjnej nadają się na pierwszy krok, zapraszamy na bezpłatny audyt. Sprawdzamy procesy, dane i zasoby wewnętrzne, zanim cokolwiek zaproponujemy. Możecie też zobaczyć, jak wyglądają realne wdrożenia u firm, które przez to już przeszły.