Firma produkcyjna pyta mnie o AI. Oto co naprawdę odpowiadam na pierwszym spotkaniu

„Panie Jarku, my chcemy wdrożyć AI." Tak zaczęło się jedno z ostatnich spotkań, na jakie pojechałem - hala produkcyjna pod Wrocławiem, właściciel po sześćdziesiątce, syn, który niedawno wszedł do firmy, i kawa w plastikowym kubku. Syn był po jakiejś konferencji, widział prezentację o tym, jak fabryki przewidują awarie maszyn i optymalizują linie, i przyjechał z postanowieniem: my też musimy mieć AI, zanim nas konkurencja wyprzedzi.

I wtedy zrobiłem coś, czego się po mnie nie spodziewali. Zapytałem, ile kosztuje ich jeden dzień przestoju linii. Zapadła cisza, bo nikt tego dokładnie nie liczył. To jest dla mnie sygnał ważniejszy niż wszystko, co powiedzieli o AI. Prowadzę agencję, która wdraża sztuczną inteligencję i automatyzację dla małych i średnich firm - i wszystko, co radzę klientom, najpierw testuję na własnej firmie. Dlatego wiem jedno: na pierwszym spotkaniu „AI" jest słowem, którego prawie nie używam. I zaraz wytłumaczę, dlaczego to nie jest poza, tylko jedyny sposób, żeby nie wyrzucić twoich pieniędzy w błoto.

Spis treści

• Dlaczego nie zaczynam rozmowy od AI?
• Pierwsze pytanie, które wszystko zmienia: gdzie was boli?
• Skąd biorę te pytania, czyli o co naprawdę pytam producenta
• Dlaczego studzę zapał, choć mógłbym sprzedać więcej
• Gdzie AI w produkcji ma realny sens
• Gdzie AI to moda i marketing dostawców
• Co z danymi? Bo bez nich nie ma o czym rozmawiać
• Koszt błędu, czyli pytanie, którego producenci nie lubią
• Jak wygląda mój plan po pierwszym spotkaniu
• Czego nauczyła mnie własna firma, zanim pojechałem do twojej
• Słownik pojęć

Dlaczego nie zaczynam rozmowy od AI?

Bo „AI" to nie jest problem. To jest narzędzie. A z narzędziem jest jak z młotkiem - jeśli przyjdziesz do mnie i powiesz „chcę kupić młotek", pierwsze, co zrobię, to zapytam, co chcesz przybić. Może się okazać, że potrzebujesz wkrętarki. Albo że gwóźdź już trzyma i nic nie trzeba robić.

Kiedy producent mówi „chcemy AI", mówi tak naprawdę coś innego. Mówi: czuję, że zostaję w tyle. Albo: mam jakiś problem, którego nie umiem nazwać, i ktoś mi powiedział, że AI to rozwiązuje. Albo: konkurencja się chwali, a ja nie chcę wyjść na firmę z poprzedniej epoki. Wszystkie te zdania są zrozumiałe i ludzkie. Ale żadne z nich nie jest jeszcze projektem. Projekt zaczyna się dopiero wtedy, gdy nazwiemy konkretny ból i policzymy, ile on kosztuje.

Widziałem za dużo wdrożeń zrobionych na odwrót. Firma kupowała „system AI", bo dostawca ładnie opowiadał, a potem przez rok szukała problemu, do którego ten system by pasował. To jest jak kupienie wózka widłowego, zanim się sprawdzi, czy w ogóle jest co przewozić. Dlatego u mnie kolejność jest zawsze ta sama: najpierw proces, potem dane, potem koszt błędu, a technologia - i to czy będzie to AI, zwykła automatyzacja, czy po prostu lepiej ułożona kartka papieru - dopiero na końcu. Pisałem o tej kolejności szerzej w tekście o tym, od czego mała firma powinna zacząć z AI w 2026 roku - dla produkcji ta zasada obowiązuje podwójnie, bo tu błąd kosztuje fizycznie.

Pierwsze pytanie, które wszystko zmienia: gdzie was boli?

Na halach produkcyjnych jest pewna cecha, którą lubię - ludzie są konkretni. Nie owijają w bawełnę. Więc kiedy odpuszczę temat AI i zapytam wprost: „gdzie was najbardziej boli w tym, jak dziś pracujecie?", odpowiedzi sypią się szybko.

Jeden powie, że co miesiąc traci towar, bo planowanie produkcji robi się na czuja w głowie kierownika, a kiedy ten kierownik bierze urlop, firma zwalnia o połowę. Inny, że reklamacje jakościowe zjadają mu marżę, a nikt nie wie, na którym etapie powstaje błąd. Trzeci, że ma magazyn pełen części, których nie potrzebuje, i jednocześnie braki tych, które są na wczoraj. Czwarty, że ofertowanie trwa dwa tygodnie, bo wycena każdego nietypowego zlecenia to ręczne grzebanie w starych projektach.

I tu robi się ciekawie, bo żadna z tych odpowiedzi nie zawiera słowa „AI". To są problemy procesowe, organizacyjne, informacyjne. Czasem AI je rozwiąże. Czasem rozwiąże je zwykła automatyzacja za ułamek ceny. A czasem - i mówię to klientom bez ogródek - rozwiąże je jeden dobrze ułożony arkusz i dwie godziny rozmowy o tym, kto za co odpowiada. Moment, w którym właściciel słyszy „to akurat nie wymaga żadnej technologii", jest momentem, w którym zaczyna mi ufać. Bo widzi, że nie przyjechałem mu czegoś sprzedać za wszelką cenę.

Skąd biorę te pytania, czyli o co naprawdę pytam producenta

Nie improwizuję. Mam swój stały zestaw pytań, który wypracowałem przez lata i który dla firmy produkcyjnej brzmi inaczej niż dla agencji marketingowej czy kancelarii. Bo producent ma cztery obszary, w których prawie zawsze coś się ukrywa: powtarzalność, dokumentacja, planowanie i jakość. Pod te cztery filary podpinam większość rozmowy.

Powtarzalność - co robicie w kółko to samo?

Pytam o czynności, które ktoś wykonuje codziennie, ręcznie, według tego samego schematu. Przepisywanie zamówień z maili do systemu. Przeklejanie danych z jednego programu do drugiego, bo „one ze sobą nie gadają". Ręczne tworzenie tych samych raportów co tydzień. Każda taka czynność to kandydat na automatyzację - i często nawet nie potrzebuje AI, tylko połączenia dwóch programów, które już macie. Pisałem o tym przy okazji automatyzacji fakturowania we własnej firmie - mechanizm jest ten sam, zmienia się tylko dokument.

Dokumentacja - gdzie wiedza siedzi tylko w głowach?

W wielu firmach produkcyjnych najcenniejsza wiedza nie jest nigdzie zapisana. Jest w głowie pana Mariana, który od dwudziestu lat wie, jak ustawić maszynę pod konkretny materiał, i który za trzy lata przejdzie na emeryturę. To jest miejsce, gdzie AI naprawdę potrafi pomóc - ale dopiero wtedy, gdy najpierw tę wiedzę z głowy wyciągniemy i zapiszemy. Pytam więc: co się stanie, gdy ten jeden człowiek odejdzie? Jeśli widzę bladość na twarzy właściciela, wiem, że dotknęliśmy czegoś ważnego.

Planowanie - na podstawie czego podejmujecie decyzje?

Tu pytam o liczby. Skąd wiecie, ile produkować? Skąd wiecie, kiedy zamówić materiał? Skąd wiecie, czy dane zlecenie się opłaca? Jeśli odpowiedź brzmi „z doświadczenia", to nie jest złe - doświadczenie bywa lepsze niż zły model. Ale jeśli to doświadczenie nie jest poparte żadnymi danymi, to firma leci po omacku i ma szczęście, że jeszcze nie spadła. AI w planowaniu produkcji to jeden z nielicznych obszarów, gdzie naprawdę robi różnicę - pod warunkiem, że są dane, na których może się oprzeć.

Jakość - gdzie powstają błędy i ile kosztują?

I wreszcie reklamacje, braki, odpady. Pytam, ile procent produkcji idzie do kosza, na którym etapie i czy ktokolwiek to mierzy. Bo jeśli macie 4% odpadu i nie wiecie, skąd się bierze, to AI od wykrywania wad może się zwrócić w kilka miesięcy. A jeśli macie 0,2% i już wiecie dlaczego, to inwestycja w kamery i algorytmy będzie droższa niż sam problem.

Dlaczego studzę zapał, choć mógłbym sprzedać więcej

Tu jest paradoks mojej pracy. Najczęściej na pierwszym spotkaniu hamuję klienta, zamiast go napędzać. I robię to świadomie, mimo że krótkoterminowo działa to przeciwko mojej kieszeni.

Powód jest prosty: widziałem, co się dzieje, gdy ktoś rzuci się na wdrożenie AI z rozpędu. Firma wydaje kilkadziesiąt tysięcy złotych, dostaje system, którego nikt w hali nie chce używać, bo nie rozumie, po co on jest. Po pół roku projekt umiera, a właściciel zostaje z przekonaniem, że „te całe AI to ściema". I tu jest najgorsze - to przekonanie zostaje na lata. Spaliło się jedno wdrożenie, a firma zamknęła się na technologię, która za dwa lata mogłaby jej realnie pomóc.

Rozmawiałem o tym z dziesiątkami właścicieli i zebrałem te obserwacje w osobnym tekście - o barierach, które naprawdę blokują firmy przed AI. Najczęstszą barierą nie jest brak pieniędzy ani brak technologii. Jest nią poparzenie - złe pierwsze doświadczenie, po którym właściciel nie chce już słyszeć o niczym nowym. Dlatego studzę zapał. Wolę, żeby klient zrobił jeden mały projekt, który się uda i który zobaczy cała hala, niż jeden wielki, który spektakularnie polegnie. Pierwsze udane wdrożenie buduje wiarę. Pierwsze nieudane - zabija ją na pięć lat.

Szczerze? Czasem mam ochotę powiedzieć „tak, róbmy wszystko naraz", bo entuzjazm klienta jest zaraźliwy i miło na nim zarobić. Ale za każdym razem, gdy uległem takiej pokusie - nie u siebie, bo u siebie się pilnuję, ale obserwując kolegów z branży - kończyło się to rozczarowanym klientem. A rozczarowany klient nie wraca i nie poleca. Studzenie zapału to nie skromność. To długoterminowy interes.

Gdzie AI w produkcji ma realny sens

Żebyś nie pomyślał, że tylko zniechęcam - są w produkcji miejsca, gdzie AI naprawdę zarabia. Wymienię te, które widziałem działające, nie te z folderów reklamowych.

Kontrola jakości obrazem. Kamera plus model, który rozpoznaje wady na taśmie szybciej i konsekwentniej niż zmęczone oko pracownika na trzeciej zmianie. To działa, jeśli wad jest na tyle dużo, że jest co wykrywać, i na tyle są one regularne, żeby model się nauczył. Producent z dużym wolumenem i powtarzalnym detalem to idealny kandydat.

Przewidywanie awarii maszyn. Czujniki na kluczowych urządzeniach, które wyłapują, że coś zaczyna się psuć, zanim się zepsuje na dobre. Jeden uniknięty nieplanowany przestój potrafi zwrócić koszt całego systemu. Ale - i to ważne - wymaga to maszyn, które w ogóle dają się oczujnikować, i historii awarii, z której model może się uczyć.

Planowanie i prognoza popytu. Tam, gdzie jest dużo zmiennych - sezonowość, wielu klientów, długie terminy dostaw materiałów - model potrafi planować lepiej niż człowiek z arkuszem. Pod warunkiem, że firma ma uporządkowaną historię sprzedaży i zużycia.

Ofertowanie i wycena nietypowych zleceń. Tu AI czyta dokumentację, podobne projekty z przeszłości i pomaga w kilka minut przygotować wycenę, która zajmowała dwa dni. Dla firm produkujących na zamówienie to bywa największa pojedyncza oszczędność.

Wspólny mianownik tych czterech? Wszystkie wymagają danych i wszystkie mają mierzalny koszt problemu, który rozwiązują. To nie przypadek. To jest właśnie ten próg, którego szukam.

Gdzie AI to moda i marketing dostawców

A teraz druga strona, o której usłyszysz rzadziej, bo nikt nie zarabia na mówieniu „tego nie kupuj".

AI nie ma sensu tam, gdzie firma nie ma danych. Model uczy się z historii - jeśli twoja historia to pudło z papierowymi zleceniami i pamięć kierownika, to nie ma z czego się uczyć. Najpierw trzeba zacząć cokolwiek mierzyć i zapisywać, a to zajmuje miesiące i nie jest jeszcze żadnym AI. To podstawa, którą trzeba położyć wcześniej.

AI nie ma sensu tam, gdzie problem jest jednorazowy albo rzadki. Jeśli nietypowa sytuacja zdarza się raz na kwartał, to taniej jest, żeby zajął się nią człowiek, niż budować i utrzymywać system na coś, co prawie nigdy się nie dzieje.

AI nie ma sensu jako odpowiedź na bałagan organizacyjny. To jest najczęstsza pułapka. Firma ma chaos w procesach, ludzie nie wiedzą, kto za co odpowiada, dane są w pięciu miejscach i nigdzie się nie zgadzają - i ktoś proponuje, żeby na to nałożyć AI. To jak postawienie nowoczesnej windy w domu bez fundamentów. Najpierw fundamenty. AI nałożone na bałagan daje tylko szybszy, droższy bałagan.

I uważaj na jedno zdanie sprzedawców: „nasz system z AI zoptymalizuje wam produkcję". To zdanie nic nie znaczy, dopóki ktoś nie powie, który konkretnie proces, o ile, mierzony jak. Jeśli dostawca nie potrafi tego nazwać liczbą, sprzedaje ci modę, nie rozwiązanie. Mój test jest prosty: jeśli nie umiemy zapisać celu jako „z X godzin do Y godzin" albo „z 4% odpadu do 2%", to znaczy, że jeszcze nie wiemy, co właściwie robimy - i nie czas wydawać pieniędzy.

Co z danymi? Bo bez nich nie ma o czym rozmawiać

Na każdym pierwszym spotkaniu z producentem dochodzimy w końcu do tego samego punktu - danych. I to zwykle moment, w którym entuzjazm spotyka się z rzeczywistością.

Pytam wprost: co z tego, co dzieje się na hali, jest zapisane? W jakiej formie? Czy maszyny w ogóle przekazują jakieś dane, czy stoją sobie offline? Czy zamówienia, produkcja i magazyn są w jednym systemie, czy w trzech, które się nie znają? Odpowiedzi bywają bolesne. Bardzo często okazuje się, że firma ma świetny pomysł na AI, ale dane, które by go nakarmiły, albo nie istnieją, albo są rozsiane po arkuszach, mailach i głowach.

I to nie jest powód do wstydu - to normalny punkt startowy większości małych i średnich producentów. Ważne, żeby nazwać go uczciwie. Bo jeśli danych nie ma, to pierwszy projekt nie jest projektem AI. Jest projektem „zacznijmy mierzyć i zapisywać to, co istotne". Mało efektowne, wiem. Ale to jest ten fundament, bez którego cała reszta jest budowaniem na piasku. Klientowi, który chciał od razu modelu przewidującego awarie, a nie ma żadnej historii awarii, mówię: damy sobie pół roku na zbieranie danych, a potem porozmawiamy o modelu. Najpierw materiał, potem rzeźba.

Dobra wiadomość jest taka, że samo uporządkowanie i zaczęcie mierzenia danych często już daje firmie wartość - bo nagle widać rzeczy, których wcześniej nikt nie widział. I czasem to wystarcza na długo, zanim w ogóle dojdzie do AI.

Koszt błędu, czyli pytanie, którego producenci nie lubią

Wracam do tej ciszy z początku, gdy zapytałem o koszt dnia przestoju. To jest moje najważniejsze pytanie i zostawiam je sobie na koniec rozmowy, bo zmienia całą perspektywę.

Bo decyzja o wdrożeniu AI nie powinna zależeć od tego, jak fajna jest technologia. Powinna zależeć od tego, ile kosztuje cię problem, który ona ma rozwiązać. I producenci często tego nie liczą - wiedzą, że „bywa drogo", ale nie mają liczby. A liczba zmienia wszystko.

Liczymy więc razem. Ile kosztuje godzina przestoju linii? Ile kosztuje jedna reklamacja jakościowa - nie tylko zwrot towaru, ale i nadszarpnięte zaufanie klienta? Ile kosztuje błąd w planowaniu, który wypełnia magazyn czymś, czego nikt nie kupi? Ile kosztuje tydzień zwłoki w ofercie, przez który klient idzie do konkurencji? Kiedy te liczby pojawiają się na kartce, decyzja robi się prosta. Jeśli problem kosztuje cię 200 tysięcy rocznie, a rozwiązanie 60 tysięcy jednorazowo, nie ma o czym dyskutować. Jeśli problem kosztuje cię 5 tysięcy rocznie, a rozwiązanie 40 - zostaw to w spokoju i zajmij się czymś ważniejszym.

Koszt błędu to brutalne pytanie, bo zmusza do policzenia własnej niedoskonałości. Ale to jest jedyne uczciwe kryterium. Bez niego rozmawiamy o tym, co modne, a nie o tym, co się firmie opłaca. A ja jestem na tym spotkaniu po to, żeby tobie się opłaciło - bo tylko wtedy wrócisz i polecisz mnie dalej.

Jak wygląda mój plan po pierwszym spotkaniu

Z pierwszego spotkania prawie nigdy nie wychodzę z podpisaną umową na „wdrożenie AI". Wychodzę z czymś cenniejszym - z mapą. Wiem już, gdzie firmę boli, co jest powtarzalne, gdzie siedzi wiedza, na czym opiera się planowanie, gdzie powstają błędy i ile to wszystko kosztuje.

Na tej podstawie układam plan, który prawie zawsze ma tę samą logikę. Najpierw jeden konkretny, niewielki problem - taki, który da się rozwiązać szybko, tanio i widocznie. Coś, co pokaże hali i właścicielowi, że to działa i nie jest magią. Dopiero gdy to się uda i zbuduje zaufanie, idziemy dalej, krok po kroku, z uporządkowanymi danymi i jasnym pomiarem efektu. Każdy kolejny krok stoi na sukcesie poprzedniego.

I bardzo często - powiem to jeszcze raz, bo to ważne - ten pierwszy krok w ogóle nie jest „sztuczną inteligencją". Jest zwykłą automatyzacją powtarzalnej czynności albo uporządkowaniem danych. AI przychodzi później, gdy jest na czym je oprzeć. Ale dla klienta to nie ma znaczenia, jak się to nazywa. Ma znaczenie, że odzyskał trzy godziny dziennie albo przestał tracić towar. Etykieta jest moją sprawą. Jego sprawą jest wynik.

Czego nauczyła mnie własna firma, zanim pojechałem do twojej

Mam taką zasadę, że nie polecam klientowi niczego, czego sam najpierw nie wypróbowałem na idea4me. Bo łatwo jest rysować piękne schematy na cudzej kartce. Trudniej jest wdrożyć coś u siebie, sparzyć się, poprawić i dopiero wtedy mówić, że to działa.

I właśnie ta zasada nauczyła mnie tego, co opowiadam producentom na pierwszych spotkaniach. Że technologia jest najłatwiejszą częścią. Że najwięcej czasu i tak zejdzie na uporządkowanie procesu i danych. Że automat nałożony na bałagan tylko ten bałagan przyspiesza. I że największą wartością wdrożenia nie jest sama maszyna, tylko ten moment, w którym po raz pierwszy widzisz w liczbach to, czego wcześniej tylko się domyślałeś.

Dlatego kiedy producent mówi mi „chcemy AI", nie odpowiadam „świetnie, zaczynamy". Odpowiadam pytaniem. Gdzie was boli? Co robicie w kółko? Co się stanie, gdy pan Marian odejdzie? Ile kosztuje was dzień przestoju? Bo z odpowiedzi na te pytania rodzi się projekt, który ma sens. A ze słowa „AI" rzuconego w powietrze rodzi się tylko faktura - i ryzyko, że za rok będziesz mówił, że to wszystko ściema.

AI w twojej firmie produkcyjnej kiedyś prawdopodobnie będzie miało sens. Może już teraz. Ale to nie jest pierwsza rzecz, o której powinniśmy rozmawiać. Pierwsza rzecz to twój prawdziwy ból i jego prawdziwa cena. Resztę da się zbudować.

Słownik pojęć

• AI (sztuczna inteligencja) - w praktyce produkcyjnej: programy, które uczą się z danych i pomagają w decyzjach (rozpoznają wadę na taśmie, przewidują awarię, planują produkcję). Nie magia, tylko narzędzie, które potrzebuje danych do nauki.
• Automatyzacja - połączenie programów lub czynności tak, by powtarzalne zadania działy się bez udziału człowieka. Tańsza i prostsza niż AI, często wystarcza zamiast niej. Nie uczy się - po prostu wykonuje to, co jej ustawisz.
• Predykcja awarii (predictive maintenance) - przewidywanie, że maszyna zacznie się psuć, na podstawie danych z czujników, zanim faktycznie się zepsuje. Pozwala uniknąć nieplanowanego przestoju.
• Koszt błędu - realna kwota, którą firma traci przez jedną pomyłkę: przestój, reklamację, zmarnotrawstwo materiału. Kluczowe kryterium decyzji, czy dane rozwiązanie się opłaca.
• Dane - wszystko, co firma zapisuje o swojej pracy: zamówienia, produkcja, awarie, jakość. AI uczy się z danych - bez nich nie ma czego rozwijać.

Zanim kupisz „AI", pogadajmy, czego naprawdę potrzebujesz

Jeśli prowadzisz firmę produkcyjną i ktoś w środku - albo Ty sam - czuje, że czas wreszcie zrobić coś z AI, zanim wydasz na to złotówkę, napisz do mnie na j.cybulski@idea4me.pl. Na pierwszej rozmowie nie będę Ci sprzedawał systemu. Pomogę Ci nazwać, gdzie naprawdę Cię boli i ile Cię to kosztuje - a potem wspólnie sprawdzimy, czy odpowiedzią jest AI, zwykła automatyzacja, czy po prostu lepiej ułożony proces. Czasem najtańsze rozwiązanie jest też najlepsze, i wolę Ci to powiedzieć, niż wystawić fakturę za coś, czego nie potrzebujesz.

Więcej o tym, jak wygląda współpraca ze mną - od pierwszej rozmowy po wdrożenie.