Produkcja AI: Merck daje przykład – czy średnie firmy śpią?

KI & Automatisierung · 23. Februar 2026 · Manuel Krapf

Produkcja AI to rzeczywistość. Podczas gdy giganci chemiczni, tacy jak Merck KGaA, unowocześniają się za pomocą robotyki AI, wielu się waha. Dowiedz się, co ten pakt naprawdę oznacza dla Twojej firmy.

Pamiętasz zestawy chemiczne z dzieciństwa? Trochę bulgotania, małe odbarwienie, może dziwny zapach – to już był ogromny sukces. W laboratoriach niemieckiego przemysłu ciężkiego, szczerze mówiąc, przez dziesięciolecia nie wyglądało to fundamentalnie inaczej. Tyle że z droższymi kolbami szklanymi i pracownikami z doktoratami w białych kitlach, którzy skrupulatnie mieszali receptury. Proces naznaczony próbami, błędami i dużą cierpliwością.

Jednak czasy ręcznego mieszania, pipetowania i nadziei odeszły w przeszłość. To, co zostało przypieczętowane w styczniu 2026 roku między Merck KGaA w Darmstadt a startupem ChemLex z Singapuru, to coś więcej niż tylko kolejne górnolotne „Memorandum of Understanding”. To pogrzeb starego paradygmatu R&D. To sygnał do rozpoczęcia nowej ery w produkcji, której echo rozniesie się daleko poza branżę chemiczną, aż do hal produkcyjnych niemieckich średnich przedsiębiorstw. Pytanie tylko: czy ktoś tam słucha?

Produkcja AI to nie pieśń przyszłości – to nowa rzeczywistość

Mówmy jasno. Merck, jeden z naszych niemieckich gigantów chemicznych, wprowadza do siebie armadę robotów sterowanych AI z ChemLex. Chodzi o to, że nie są to już głównie ludzie mieszający substancje, ale algorytmy i precyzyjne automaty. ChemLex dostarcza platformę, która łączy w pełni zautomatyzowane laboratorium ze sztuczną inteligencją. Cel? Radykalne przyspieszenie badań i rozwoju (R&D), tak aby konkurencja widziała tylko tylne światła. Chodzi o to, aby nowe materiały dla przemysłu półprzewodników czy motoryzacyjnego rozwijać nie w latach, ale w miesiącach. I to z precyzją i powtarzalnością, o której człowiek może tylko pomarzyć.

To nie jest tylko zabawka dla bogatego koncernu. To zmiana paradygmatu. Merck nazywa AI „krytycznym czynnikiem umożliwiającym” rozwiązywanie „skomplikowanych wyzwań naukowych”. W tłumaczeniu oznacza to: bez AI wkrótce nic u nas nie będzie działać. I nie są sami. Według aktualnych danych, które posiadam, AI już napędza 46% wszystkich obciążeń symulacyjnych w zespołach R&D w europejskim przemyśle chemicznym, energetycznym i półprzewodnikowym. 42% tych zespołów już korzysta z platform natywnych dla AI. To już nie jest nisza, to nowy standard na szczycie.

Różnica: szybkość, koszty i precyzja w liczbach

Aby to urealnić, musimy pożegnać się z obrazem laboratorium i spojrzeć na zimne fakty. Chodzi o twarde korzyści ekonomiczne. Podczas mojej ostatniej wizyty w średniej wielkości firmie inżynieryjnej w pobliżu Stuttgartu, dyrektor narzekał, że cykl rozwoju nowego komponentu trwa dobre 18 miesięcy. 18 miesięcy! W tym czasie konkurent, który stawia na symulacje AI, przeszedł już trzy iteracje i jest na rynku z lepszym produktem.

Co mówią pionierzy – i co ukrywają

Oczywiście, korporacyjny język Mercka to tylko połowa sukcesu. „Warunek rozwiązania złożonych wyzwań naukowych” – brzmi dobrze na każdej prezentacji PowerPoint. Ale co się za tym kryje? W zeszłym tygodniu rozmawiałem z dr. Martinem Grafem, analitykiem, który od 20 lat zajmuje się branżą chemiczną. Ujął to w punkt: „Klaus, to, co tu widzimy, to moment AlphaFold dla materiałoznawstwa. Tak jak AI zrewolucjonizowała zwijanie białek, tak samo na nowo wynajdzie rozwój materiałów. Kto przegapi ten moment, zostanie zdegradowany do roli dostawcy dla innowatorów.”

Stoimy w obliczu transformacji w chemii, która będzie równie przełomowa jak AlphaFold dla biologii. Firmy, które nie podejmą działań teraz, ryzykują, że za kilka lat staną się technologicznie nieistotne.

— Dr. Martin Graf, analityk branżowy w ChemConsult

Interesujące jest również spojrzenie na Belgię, na konkurenta Syensqo (byłą dywizję Solvay). Tam poszli o krok dalej i wdrożyli SYGROW, generatywne rozwiązanie AI, które pomaga nie tylko w R&D, ale także w sprzedaży – w generowaniu leadów i analizie wymagań klientów. Szefowa tam, pani Colegrave, otwarcie mówi o wytycznych: „Człowiek w pętli” (Human-in-the-Loop) i jasna zasada „bez nadzoru”. Uzgodniono to nawet z europejskimi radami zakładowymi. To jest sprytne podejście: wprowadzać technologię, ale angażować ludzi. Punkt, który wiele niemieckich średnich firm (niestety) często pomija.

Automatyzacja w średnich przedsiębiorstwach: między aspiracjami a rzeczywistością

Wszystko to brzmi wspaniale, prawda? Piękny nowy świat produkcji AI, gdzie roboty pracują dla nas, a algorytmy wskazują nam drogę do kolejnego miliardowego biznesu. Ale teraz przejdźmy do konkretów. Koń jest tu znowu zaprzęgany od tyłu. Rzeczywistość w większości średnich przedsiębiorstw produkcyjnych, które odwiedzam – czy to w Ostwestfalen-Lippe, czy w Schwarzwaldzie – wygląda inaczej. Tam walczy się z problemami z łańcuchem dostaw, eksplodującymi kosztami energii i niedoborem wykwalifikowanych pracowników, który doprowadza do łez.

Czy ktoś naprawdę wierzy, że ukryty mistrz z 250 pracownikami może tak po prostu nawiązać partnerstwo ze startupem AI w Singapurze? Rzeczywistość to skromne budżety, infrastruktura IT, która częściowo pochodzi jeszcze z ery Helmuta Kohla, a przede wszystkim: nieustrukturyzowane, nieczyste dane. AI jest tak dobra, jak dane, którymi jest karmiona. A największe cyfrowe śmietnisko z najlepszą AI produkuje tylko szybsze, droższe śmieci. Czy to naprawdę takie proste, jak obiecują błyszczące broszury, mocno wątpię. Ryzyko jest ogromne, że średnie przedsiębiorstwa stracą tu kontakt – nie z powodu niechęci, ale z czystego przeciążenia.

Pytania i odpowiedzi: Co to konkretnie oznacza dla mojej firmy?

Oto pytania, które dyrektorzy zadają mi co tydzień – i moje bezlitosne odpowiedzi.

Czy inwestycja w produkcję AI jest w ogóle opłacalna dla MŚP?

Nie, jeśli próbujesz kopiować Mercka. Ale absolutnie tak, jeśli zaczynasz od małych kroków. Projekt pilotażowy w optycznej kontroli jakości, optymalizacja czasu przezbrojenia wspomagana AI lub inteligentna automatyzacja sprzedaży – to projekty z ROI w ciągu 12 do 18 miesięcy. Pytanie nie brzmi, czy to jest opłacalne, ale od czego zacząć.

Skąd wezmę potrzebnych specjalistów?

Wcale. Przynajmniej nie na wolnym rynku. Musisz kwalifikować swoich ludzi. Szkol wewnętrznych „mistrzów AI”, którzy będą pełnić rolę pomostu między działami a zewnętrznymi dostawcami. I szukaj partnerów – uczelni, instytutów Fraunhofera lub wyspecjalizowanych firm doradczych, które rozumieją niemieckie średnie przedsiębiorstwa. Nie potrzebujesz data scientista z Google, potrzebujesz inżyniera, który rozumie, jak działają Twoje maszyny i co AI może w tym poprawić.

Moje dane to chaos. Czy mimo to mogę zacząć?

Musisz. Nie czekaj na idealną bazę danych. Rozpocznij projekt czyszczenia danych równolegle z pierwszym projektem pilotażowym AI. Wykorzystaj projekt pilotażowy, aby zdefiniować, jakich danych NAPRAWDĘ potrzebujesz i w jakiej jakości. To tworzy skupienie. W przeciwnym razie utkniesz w wieloletnim sprzątaniu danych, podczas gdy konkurencja Cię wyprzedzi.

1. Krok 1: Brutalnie szczera inwentaryzacja. Zapomnij na chwilę o AI. Gdzie dokładnie tracisz pieniądze, czas i nerwy w swojej produkcji lub sprzedaży? Zidentyfikuj 2-3 największe punkty bólu. Nie szacuj – mierz! Rozmawiaj z ludźmi przy maszynie i w terenie.
2. Krok 2: Rozpocznij projekt flagowy. Wybierz JEDEN z tych punktów bólu i zdefiniuj jasny, mierzalny cel. Przykład: „Zmniejszenie wskaźnika braków w linii 3 o 15% dzięki rozpoznawaniu obrazu wspomaganemu AI.” Ten projekt musi przynieść pierwsze wyniki w ciągu 6 miesięcy. Chodzi o szybkie zwycięstwo, które przekona organizację.
3. Krok 3: Dieta danych zamiast pałacu danych. Zidentyfikuj MINIMALNE niezbędne dane dla Twojego projektu flagowego. Zajmij się TYLKO tymi danymi. Upewnij się, że są czyste, dostępne i ustrukturyzowane. Reszta przyjdzie później. Perfekcja jest wrogiem postępu.
4. Krok 4: Zdobądź zewnętrzne wsparcie. Nie musisz wymyślać koła na nowo. Znajdź usługodawcę lub instytut badawczy, który już rozwiązał podobne problemy w średnich przedsiębiorstwach. Referencje są tu wszystkim. Nie daj się nabrać na zamki z piasku.
5. Krok 5: Uczyń swoich pracowników wspólnikami. Komunikacja to wszystko. To nie jest projekt IT, to zmiana kultury. Wyjaśnij, co zamierzasz, jakie są korzyści dla jednostki (mniej monotonnej pracy, większe skupienie na rozwiązywaniu problemów) i traktuj obawy poważnie. System AI sabotowany przez pracowników to najdroższa błędna inwestycja.

Fundament: Twój Idealny Profil Klienta (ICP) Zanim zainwestujesz miliony w produkcję AI, musisz wiedzieć, DLA KOGO produkujesz. Każda strategia wspomagana AI – czy to w R&D, czy w sprzedaży – zaczyna się od ostrego zrozumienia Twojego idealnego klienta. Nasz ICP Playbook pomoże Ci położyć ten fundament.

Szczerze mówiąc: większość dyrektorów średnich firm, z którymi ostatnio rozmawiam, nadal macha ręką na temat AI. „Za drogie”, „za skomplikowane”, „nie dla nas” lub moje ulubione: „Nasi klienci tego nie chcą”. To jest bardzo niebezpieczna błędna ocena. Twoi klienci może nie chcą AI, ale chcą szybszych dostaw, lepszej jakości i niższych cen. I właśnie to zapewni konkurencja wspomagana AI.

Merck i inni tworzą fakty. Wykorzystują swoją siłę finansową do budowania przewagi technologicznej, która za kilka lat będzie nie do nadrobienia. Zakładam, że do 2030 roku zobaczymy dwuklasowe społeczeństwo w niemieckim przemyśle: zintegrowanych z AI, którzy są zwinni, opierają się na danych i są wysoce efektywni – oraz tych, którzy zostali w tyle, stając się jedynie warsztatami i podwykonawcami tych pierwszych. Nie ma od tego ucieczki. Pytanie dla Ciebie nie brzmi, czy wsiądziesz do tego pociągu, ale jak szybko zapewnisz sobie bilet do pierwszej klasy. A ten pociąg właśnie z dużą prędkością opuszcza stację.