AI w polskim controllingu — case study firmy produkcyjnej 140 os.

Firma produkcyjna 140 osób, 32 mln zł rocznego obrotu, dział controllingu 3 etaty. Anonimowo, ale konkretnie. Wdrożyliśmy AI do trzech obszarów: analiza odchyleń budżetowych, raporty zarządcze, prognozy cash-flow. Cztery miesiące produkcji. Tutaj liczby, architektura i lekcje — z numerami, których nie znajdziecie w sales decku.

Punkt wyjścia

Stan przed wdrożeniem (sierpień 2025): raport miesięczny dla zarządu przygotowywany w 4-5 dni roboczych, prognoza cash-flow w Excelu na bazie historycznych średnich kroczących, analiza odchyleń budżetowych ręcznie, główne narzędzie — Excel + Comarch ERP.

Trzy zaimplementowane moduły

Moduł 1: analiza odchyleń budżetowych

System co tydzień pobiera dane z Comarcha, porównuje z budżetem zatwierdzonym w styczniu i wyciąga 10 najistotniejszych odchyleń. Dla każdego — krótki narrative wyjaśniający kontekst (np. "Energia +18% vs plan — efekt grudniowych podwyżek taryf G11").

Moduł 2: raport zarządczy

Asystent generuje draft raportu miesięcznego: KPI, komentarz do odchyleń, ostrzeżenia. Controller poświęca 1 dzień na finalną redakcję zamiast 4-5 dni na pisanie od zera.

Moduł 3: prognoza cash-flow

Model bazuje na 24 miesiącach historii, kalendarzu wpływów (faktury wystawione z terminami płatności) i stałych kosztach. Prognoza na 90 dni z aktualizacją tygodniową.

Architektura

Wyniki po 4 miesiącach

• Czas raportu miesięcznego: z 32 godzin do 17 godzin (-47%)
• Trafność prognozy cash-flow 30-dniowej: 92% (przed: 71%)
• Trafność prognozy 90-dniowej: 78%
• Liczba zidentyfikowanych odchyleń wartych uwagi: 38 (4 miesiące)
• Z tego 11 to były odchylenia, których zarząd by nie zauważył w tradycyjnym procesie
• Zwrot z 11 wykrytych: ok. 280 tys. zł oszczędności / dodatkowego wpływu

Koszty

• Wdrożenie jednorazowe: 64 800 zł netto
• Miesięczny koszt API: średnio 380 zł
• Utrzymanie po naszej stronie: 1 200 zł/mies.
• Łącznie rok 1: ~83 tys. zł
• Zwrot rok 1: ~280 tys. (tylko wykryte odchylenia) + oszczędność 15 godz./mies. controllera ≈ 18 tys. rocznie

Trzy lekcje

1. Hybryda ML + LLM wygrywa z czystym LLM. XGBoost robi predykcję liczbową, LLM komentuje. Próba "niech LLM przewidzi cash-flow" dawała wyniki gorsze o 23 punkty procentowe.
2. Controller jest niezbędny. Nie zastępujemy go — wzmacniamy. Bez controllera, który sprawdza output, nie wdrażalibyśmy.
3. Comarch API to ból. 30% projektu to było wyciąganie danych z Comarcha w stabilny sposób. Liczcie ten czas w wycenie.

Co planujemy dalej u tego klienta

W Q2 2026 dokładamy moduł rentowności per zlecenie produkcyjne (high risk wpływu na ceny ofertowe). W Q3 — automatyzację analizy faktur kosztowych. Stopniowo, bez rewolucji.

Następny krok

Jeśli macie podobną skalę i podobne pain pointy w controllingu, umówmy 30-minutowe spotkanie. Pokażemy działający system u tego klienta (z anonymizacją liczb).