Sztuczna inteligencja przestała być koncepcją rodem z science fiction i stała się jednym z głównych tematów w biznesie. Wraz z rosnącą popularnością rośnie jednak ryzyko wdrażania AI wyłącznie ze względu na trend, a nie realne potrzeby organizacji. Jak podkreśla Marcin Smereka, CTO w Sente S.A., kluczowe jest dziś oddzielenie marketingowego szumu od rzeczywistych korzyści i przejście od eksperymentów do budowania przewagi operacyjnej.
AI w logistyce i IT. Gdzie kończy się hype, a zaczynają realne oszczędności
Ostatnie lata w technologii to czas bezprecedensowego przyspieszenia, a sztuczna inteligencja (AI) przestała być domeną science-fiction, stając się tematem numer jeden w salach konferencyjnych zarządów. Jednak wraz z rosnącą popularnością AI, pojawia się ryzyko wpadnięcia w pułapkę „hype’u” – wdrażania technologii dla samej technologii, tylko dlatego, że wszyscy o tym mówią. Dla dyrektorów logistyki, szefów e-commerce i managerów IT kluczowe staje się dziś oddzielenie marketingowego szumu od realnych wskaźników ROI i zrozumienie, jak przejść od fazy eksperymentów do budowania operacyjnej przewagi.
Gdzie w biznesie kończy się hype na AI?
Granica między hypem a wartością przebiega tam, gdzie technologia przestaje być celem samym w sobie, a staje się narzędziem rozwiązującym konkretne problemy biznesowe. Prawdziwa wartość biznesowa w systemach klasy Enterprise (ERP, WMS) zaczyna się w momencie zmiany paradygmatu interakcji z oprogramowaniem. Przechodzimy od sztywnych formularzy do interfejsu konwersacyjnego, co sprawia, że system przestaje być sztywną konstrukcją, a staje się elastycznym narzędziem, z którym można po prostu rozmawiać.
Wartość pojawia się również tam, gdzie automatyzujemy procesy nudne i powtarzalne, uwalniając zasoby ludzkie do zadań kreatywnych, oraz tam, gdzie efekty wdrożenia są mierzalne – na przykład poprzez drastyczny spadek liczby zapytań do kluczowych osób w firmie dzięki bazie wiedzy AI czy skrócenie czasu tworzenia różnych tekstów, np. opisów produktów, ofert, dokumentacji itp.
Jakie procesy najlepiej nadają się do wsparcia przez AI, a czego nie warto automatyzować?
GenAI doskonale sprawdza się w przetwarzaniu tekstu i interpretacji kontekstu. Przykładem może być importowanie zamówień z treści maili, gdzie system sam zamienia swobodny tekst na konkretne pozycje zamówienia, czy generowanie opisów produktów na podstawie atrybutów. Wyszukiwarki wspierane przez AI potrafią łączyć nieoczywiste fakty, rozumiejąc na przykład, że rower z kołami 14 cali jest „rowerem dla dziecka”, mimo że w opisie nie pada to słowo.
Z drugiej strony, istnieją obszary, w których AI może stanowić ryzyko. Należą do nich przede wszystkim obliczenia matematyczne czy operacje księgowe. Tam, gdzie potrzebna jest precyzja i powtarzalność – jak przy wyliczaniu stanów magazynowych, planowaniu zaopatrzenia czy księgowaniu faktur – należy stosować tradycyjne, sprawdzone algorytmy, a nie modele językowe, które z natury są probabilistyczne.
Jak AI zmienia rozwój oprogramowania i produktywność zespołów IT?
Wdrożenie AI w działach IT w firmach logistycznych czy e-commerce to rewolucja zmieniająca dynamikę pracy nad utrzymaniem i rozwojem systemów. Kluczowym aspektem jest eliminacja kosztów drobnych prac programistycznych zlecanych dostawcom systemów, znanych jako Change Requests. Dzięki narzędziom dostępnym w wybranych, najnowszych wersjach systemów WMS (np. Teneum WMS) czy ERP, użytkownicy biznesowi mogą samodzielnie tworzyć nowe widoki czy raporty w kilka minut, zamiast zlecać płatne modyfikacje dostawcy i czekać na wolne moce przerobowe programistów.
Z perspektywy zespołów deweloperskich, AI działa jak potężny akcelerator, szczególnie dla doświadczonych programistów (seniorów). Osoby te, wiedząc dokładnie, co chcą osiągnąć, mogą pracować kilkukrotnie szybciej, zlecając AI pisanie powtarzalnych fragmentów kodu czy tworzenie specyfikacji.
Jakie praktyczne scenariusze AI w ERP i WMS przynoszą realne oszczędności?
AI w systemach klasy enterprise może wspierać wdrożenie nowych pracowników i zarządzanie wiedzą. System przejmuje rolę inteligentnego opiekuna, który rozumie kontekst pracy i proaktywnie prowadzi użytkownika przez procesy – na przykład sugerując kolejny logiczny krok w zadaniu. Dzięki temu wiedza dostarczana jest w modelu „tu i teraz”, co drastycznie skraca czas szkolenia nowych osób i ogranicza liczbę kosztownych pomyłek.
Kolejnym źródłem oszczędności jest usprawnienie integracji w łańcuchu dostaw. W tradycyjnym modelu wpięcie nowego operatora logistycznego czy platformy sprzedażowej wymagało długiej wymiany korespondencji i żmudnej analizy dokumentacji technicznej. Obecnie sztuczna inteligencja pełni funkcję wspierającą, ponieważ dedykowani techniczni asystenci AI (np. Przewodnik po API w Teneum WMS) odpowiadają na pytania na temat technicznych aspektów integracji. Choć nie jest to jeszcze w pełni automatyczne rozwiązanie integrujące systemy jednym kliknięciem, AI działa jak aktywny konsultant dla działów IT: zamiast zmuszać programistów do szukania rozwiązań w dokumentacji, podaje im gotowe przykłady wywołań i sugeruje najlepszą architekturę połączenia. Dzięki temu zespoły techniczne mogą realizować integracje szybciej i bardziej samodzielnie, eliminując szum komunikacyjny.
Podsumowanie: technologia jako wsparcie, a nie zastępstwo
Sztuczna inteligencja w nowoczesnym biznesie powinna być postrzegana jako „egzoszkielet dla umysłu” – narzędzie, które rozszerza możliwości pracownika, ale go nie zastępuje. Jej głównym zadaniem jest przejęcie pracy nudnej, żmudnej i powtarzalnej, takiej jak przepisywanie danych czy tworzenie setek wariantów opisów, co pozwala ludziom skupić się na zadaniach wymagających myślenia i empatii. Firmy, które zrozumieją ten model współpracy z AI, zyskają nie tylko na efektywności, ale przede wszystkim na uwolnieniu potencjału swoich zespołów.
Marcin Smereka, CTO w Sente S.A.
