AI w średnich przedsiębiorstwach: Drzemka jest w porządku

Meinung & Provokation · 21. Mai 2026 · Joseph Flesh

AI w średnich przedsiębiorstwach jest przesypiana. Dlaczego jest to racjonalne w krótkiej perspektywie – i jakiej mapy drogowej potrzebują teraz dyrektorzy, zanim stanie się to naprawdę kosztowne.

Trzy tygodnie temu stałem w Gütersloh w strefie wysyłkowej dostawcy maszyn, obok mnie Thomas, dyrektor zarządzający, 58 lat, szary sweter, zmęczone oczy. Pachniało kartonem, chłodziwem i tą lekko przypaloną kawą, którą można dostać tylko z automatów biurowych w strefach przemysłowych. Thomas wskazał na stos dowodów dostawy i powiedział: „Klaus, od stycznia rozmawiamy o AI w średnich przedsiębiorstwach. Ale wczoraj nasz system ERP znowu źle pobrał trzy ceny.” Zaśmiałem się. Krótko. Potem już nie.

Moja teza jest prosta i niektórym się nie spodoba: Niemieckie średnie przedsiębiorstwa przesypiają AI – i w krótkiej perspektywie jest to w porządku. Nie eleganckie. Nie wizjonerskie. Ale często bardziej solidne ekonomicznie niż to, co niektórzy konsultanci sprzedają teraz jako przełom.

To zdanie ma drugą część, która boli: Ta drzemka nie może trwać dłużej niż 24 miesiące. Kto w 2026 roku z dumą oświadczy, że „najpierw udostępnił ChatGPT do tekstów”, ale nie ma strategii danych, czystego CRM, odpowiedzialności za procesy i planu produktywnych zastosowań AI, ten już nie śpi. Ten wpada w dziurę.

AI w średnich przedsiębiorstwach: Dlaczego większość się myli

Od miesięcy słyszę ten sam zarzut. Na targach. W radach nadzorczych. Na tych śniadaniach w IHK, gdzie maślane precle są często lepsze niż slajdy. „Średnie przedsiębiorstwa są za wolne.” Prawda. No cóż, prawie.

Wolno nie oznacza automatycznie głupio. W ciągu ostatnich dwóch dekad odwiedziłem zakłady Trumpf w Ditzingen, Wittenstein w Igersheim, Festo w Esslingen i małych producentów kontraktowych na Jurze Szwabskiej. Dobre firmy tam mają cnotę, która w gadce o AI brzmi prawie staromodnie: liczą. Nie na poziomie prezentacji, ale z godzinową stawką maszyny, wskaźnikiem braków, stanem magazynowym, terminem płatności i pytaniem, czy klient z Wolfsburga przełknie podwyżkę cen.

Kto mówi tym ludziom, że muszą natychmiast uruchomić duży program Gen-AI, nigdy nie słyszał hałasu na późnej zmianie. Tam wózek widłowy piszczy do tyłu, pracownik stuka gumowym młotkiem w urządzenie, gdzieś syczy sprężone powietrze. A w biurze obok siedzi Andrea, Head of Sales w ukrytym mistrzu w Bielefeld, i walczy z 4800 duplikatami w CRM. Z tego materiału asystent AI ma budować wiarygodne prognozy sprzedaży? Proszę.

Większość się myli, ponieważ traktuje AI jako kwestię technologiczną. Ale to przede wszystkim kwestia operacyjna. Kto ma dostęp do jakich danych? Kto decyduje, gdy model i mistrz się nie zgadzają? Kto ponosi odpowiedzialność, gdy AI w rekrutacji systematycznie odrzuca kandydatów? Kto płaci rachunek za chmurę, gdy z projektu pilotażowego nagle robi się 600 użytkowników?

Powiem to dosadnie: Niemieckie średnie przedsiębiorstwa nie są głupie – po prostu wiedzą, że niebezpieczne jest skalowanie najdroższej technologii na świecie za pomocą śmieciowych danych i niedokończonych regulacji.

Niewygodna prawda o AI w średnich przedsiębiorstwach

Liczba, która utkwiła mi w pamięci, pochodzi z „KI Readiness Check DACH 2026” firmy Passion4IT, która odwołuje się do analiz Gartnera i IDC: Około 60 procent wszystkich inicjatyw AI kończy się niepowodzeniem z powodu niewystarczającej bazy danych, a nie samej technologii. To nie jest problem przypisu. To jest sedno.

W marcu 2025 roku zajrzałem do serwerowni w firmie automatyzacyjnej niedaleko Heilbronn. Nie była to błyszcząca prezentacja. Prawdziwa serwerownia, za gorąco, wentylatory jak startująca suszarka, na drzwiach pożółkła naklejka z 2016 roku. Markus, kierownik IT, pokazał mi trzy pliki eksportu z ERP, MES i systemu serwisowego. Trzy logiki numerów artykułów. Dwa formaty czasu. Jeden klient z czterema sposobami zapisu. „A teraz dział sprzedaży chce AI do Next-Best-Offer”, powiedział Markus. Powiedział to bez złości. To było gorsze.

McKinsey w Global AI Survey 2023/24 poinformował, że tylko około 11 do 15 procent firm na świecie osiąga znaczące, mierzalne wzrosty EBIT dzięki AI. BCG w 2024 roku dla dóbr przemysłowych doszedł do podobnie trzeźwego wniosku: Tylko 20 do 25 procent pilotażowych projektów AI osiąga pożądany wpływ biznesowy. Reszta? Slajdy, dema, frustracja. Czasami także ładny pulpit nawigacyjny, który każdego ranka wyświetla liczby, którym nikt nie ufa.

Teraz weźmy typowe niemieckie średnie przedsiębiorstwo z 180 pracownikami, 72 milionami euro obrotu, marżą EBIT między pięcioma a ośmioma procentami, dwoma dużymi klientami, systemem SAP-B1 lub Proalpha, starzejącą się załogą i kierownikiem sprzedaży, który nadal śledzi swoje pipeline w Excelu, ponieważ CRM „nie pasuje do końca”. Dla tej firmy nieudany duży projekt AI to nie jest irytujący ból innowacji. Może pochłonąć marżę z całego roku.

Średnie przedsiębiorstwa nie przesypiają AI, ale jakość danych

To jest zdanie, które najchętniej przybiłbym do ściany dyrektorom zarządzającym. Nie ze złością. Z małą tabliczką ze stali nierdzewnej, taką, jaką można znaleźć w centrum dla zwiedzających Kärcher lub Phoenix Contact. AI rzadko jest pierwszym problemem w średnich przedsiębiorstwach. Pierwszym problemem jest katalog artykułów, proces ofertowania, historia maszyn, duplikaty, koncepcja uprawnień, dyscyplina procesowa.

Udostępnienie ChatGPT do e-maili nie sprawia, że firma jest gotowa na AI. Sprawia, że e-maile są może trochę bardziej płynne. Czasami też dłuższe. W firmie w Augsburgu Sabine, dyrektor handlowy, opowiedziała mi w kwietniu 2025 roku, że jej zespół od czasu udostępnienia Gen-AI produkuje więcej tekstu, ale nie ma mniej pracy. „Ludzie teraz ładniej formułują, ale zatwierdzenie nadal zależy ode mnie”, powiedziała. Na jej biurku leżały trzy teczki z umowami, na wpół zjedzone jabłko i wydruk EU AI Act z żółtymi zaznaczeniami.

Tu leży pies pogrzebany. AI bez decyzji procesowej to kosmetyka. AI bez czystych danych to hazard. AI bez odpowiedzialnych to teatr.

Wolę mieć czyste dane podstawowe przez rok niż trzy miesiące cyrku AI. Nasi klienci płacą za działające systemy, a nie za eksperymenty.

— Jens, COO producenta maszyn specjalnych z Pforzheim

Dlaczego czekanie na AI w średnich przedsiębiorstwach może być racjonalne

Istnieje trudna prawda, której niechętnie słucha się na berlińskich panelach: Nie każda firma musi być na czele każdej fali technologicznej. Zwłaszcza firmy rodzinne często nauczyły się, że drugi kupujący dostaje lepszą maszynę. Pierwszy płaci frycowe. Drugi kupuje poprawioną wersję, ze stabilnym oprogramowaniem i mniejszą liczbą chorób wieku dziecięcego.

Z AI jest podobnie. Duże korporacje, firmy programistyczne i startupy przejmują obecnie część kosztów eksperymentów. SAP wprowadza Joule do swoich produktów, Microsoft wciska Copilot do M365, Dynamics i Power Platform, Intershop z Jeny mówi na walnym zgromadzeniu w 2025 roku o handlu B2B wspomaganym przez AI dla średnich przedsiębiorstw. Brzmi to elegancko. W wielu firmach jednak cieszą się, gdy sklep internetowy po aktualizacji nie rozwala cen specyficznych dla klienta.

W czerwcu 2025 roku byłem u dostawcy w okolicach Norymbergi. Sklep B2B był czysto podłączony, po czterech latach pracy nad projektem, a nie po czterech sprintach. W magazynie skaner piszczał co kilka sekund, na betonowej podłodze były niebieskie oznaczenia dla ścieżek. Stefan, kierownik e-commerce, powiedział mi: „Agenci? Klaus, bylibyśmy szczęśliwi, gdyby każdy klient znalazł swój numer umowy ramowej.” To brzmi mało. Ale tak nie jest. To jest zabezpieczenie obrotów.

Kto w takiej sytuacji mówi, że jeszcze poczekamy na autonomicznych agentów AI, nie działa wstecznie. Chroni zdolność dostawczą. A zdolność dostawcza w B2B bije prawie każde modne słowo.

Pułapka regulacyjna: EU AI Act, AGG i odpowiedzialność

EU AI Act został ostatecznie przyjęty w 2024 roku, a obowiązki będą wprowadzane stopniowo do 2026 i 2027 roku. AI wysokiego ryzyka w HR, kontroli jakości lub krytycznych dla bezpieczeństwa procesach produkcyjnych wiąże się z obowiązkami dokumentacyjnymi i audytowymi. Koncerny radzą sobie z tym dzięki działom prawnym, zespołom ds. zgodności i zewnętrznym kancelariom. Średnie przedsiębiorstwa często reagują prostym odruchem: „Wolimy na razie tego nie robić.”

Nie uważam tego odruchu za tchórzliwy. W HR jest on nawet zdrowy. Platforma anymize ostrzega przed specjalnym problemem w przypadku awansu wewnętrznego: Jeśli wszystkie dane kohortowe są dostępne w firmie, odwrócenie ciężaru dowodu AGG może być szczególnie dobrze udokumentowane – lub szczególnie niebezpieczne. Przetłumaczone na język stołówki fabrycznej: Jeśli Twoja AI generuje wyniki awansów i na końcu widoczny jest wzorzec według płci, wieku lub pochodzenia, to wzruszenie ramionami już nie wystarczy.

We wrześniu 2024 roku siedziałem w Stuttgarcie z Claudią, szefową HR dostawcy motoryzacyjnego, przy okrągłym stole z jasnego drewna. Na zewnątrz przejeżdżał S-Bahn, w środku brzęczały filiżanki kawy. „Nie testujemy AI w rekrutacji produkcyjnie”, powiedziała. „Nie, zanim nie dowiem się, kto w sądzie wyjaśni, dlaczego kandydat A został odrzucony.” Nie uważałem tego za wrogie innowacjom. Uważałem to za dojrzałe.

Ale: Najsilniejszy kontrargument przeciwko mojej drzemce

Teraz nadszedł moment, w którym niektórzy dyrektorzy zarządzający stają się dla mnie zbyt wygodni. Najsilniejszy kontrargument brzmi: W krótkiej perspektywie czekanie może być racjonalne, ale z punktu widzenia gospodarki narodowej i strategii może być rujnujące. Nie ma co się oszukiwać.

McKinsey Global Institute w 2023 i 2024 roku opisał dodatkowe roczne wzrosty produktywności dzięki AI od 0,2 do 3,3 punktu procentowego, w zależności od branży. OECD i Komisja Europejska od lat ostrzegają przed strukturalnymi lukami konkurencyjnymi, jeśli kraje zbyt wolno adaptują AI. Niemcy już borykają się z wysokimi kosztami energii, biurokracją, słabym popytem i zmęczeniem inwestycyjnym, które można niemal wyczuć w niektórych halach fabrycznych. Jeśli do tego dojdzie jeszcze brak wykorzystania dźwigni produktywności, jaką jest AI, ostrożność w końcu zamieni się w samookaleczenie.

I nie, średnie przedsiębiorstwa nie są wszędzie powolne. Trumpf wykorzystuje AI w systemach laserowych, konserwacji predykcyjnej i zastosowaniach inteligentnych fabryk. Krones pracuje nad optymalizacją instalacji, zapewnieniem jakości i planowaniem usług. DMG Mori rozwija monitorowanie stanu i cyfrowe bliźniaki. Festo od lat pokazuje, że AI w systemach uczenia się, monitorowaniu stanu i zapewnieniu jakości nie musi brzmieć jak science fiction. Schaeffler wykorzystuje AI do konserwacji predykcyjnej, produkcji i logistyki. Te firmy czasami mówią ciszej niż amerykańskie koncerny technologiczne, ale pracują.

Kto teraz w budowie maszyn, urządzeń lub produkcji komponentów przesypia biznes serwisowy, później straci nie tylko trochę marży. Straci kontakt z klientem. Analizy VDMA, BCG i Accenture z lat 2023/2024 pokazują w projektach dotyczących serwisu, części zamiennych i zdalnego monitoringu efekty takie jak pięć do dziesięciu procent więcej obrotów z usług lub 20 do 40 procent mniej nieplanowanych przestojów. To nie są lajki na LinkedIn. To są pieniądze.

Strategia naśladowania ma datę ważności

Bronię czekania tylko wtedy, gdy jest to aktywne czekanie. Pasywne czekanie jest niebezpieczne. Aktywne czekanie oznacza: porządkowanie danych, ustalanie procesów, priorytetyzowanie przypadków użycia, szkolenie pracowników, obserwowanie dostawców, rozpoczynanie małych, produktywnych wdrożeń. Pasywne czekanie oznacza: mówienie „przyjrzymy się temu” i nadzieję, że koszmar minie.

Koszmar nie minie. Microsoft Copilot nie zniknie z biur. SAP Joule nie będzie grzecznie pytać, czy średnie przedsiębiorstwa są psychicznie gotowe. Intershop, Salesforce, HubSpot, ServiceNow i wielu specjalistycznych dostawców wbudowuje AI w oprogramowanie procesowe. Kto wtedy nie ma własnych zasad dotyczących danych, ról i wyobrażenia o korzyściach, i tak dostanie AI. Tyle że jako proces w tle.

Co widzę w praktyce

Widzę dwa średnie przedsiębiorstwa. Jedno mało mówi i pracuje na sucho. W Heilbronn w maju 2025 roku kierownik sprzedaży pokazał mi, jak jego zespół za pomocą AI-wspomaganego punktowania leadów wyfiltrował 620 docelowych kont z 18 000 istniejących i targowych kontaktów. Bez fajerwerków. Ale po dziewięciu miesiącach w kalendarzu było trzy razy więcej kwalifikowanych pierwszych spotkań, bez nowego pracownika sprzedaży. Ten człowiek nazywał się Ralf, pochodził z Ludwigsburga, nosił buty ochronne i miał na swoim ThinkPadzie więcej porządku niż niektóre strategie korporacyjne.

Drugie średnie przedsiębiorstwo gra w teatr. Tam jest grupa robocza ds. AI, prezentacja inauguracyjna z obrazem robota i trzy osoby, które potajemnie używają ChatGPT do ofert, ponieważ oficjalne narzędzie nadal jest zablokowane przez ochronę danych. Na korytarzu wisi plakat o transformacji cyfrowej, pod nim stoi drukarka, która od dwóch dni zgłasza zacięcie papieru. Przesadzam? Niestety, tylko trochę.

W sprzedaży sytuacja jest szczególnie absurdalna. Wielu dyrektorów zarządzających uważa, że AI w sprzedaży to kwestia generowania tekstu. Błąd. Prawdziwe dźwignie leżą w Ideal Customer Profile, priorytetyzacji kont, wykrywaniu wyzwalaczy, śledzeniu ofert, wskazówkach cenowych i czystym przekazywaniu między marketingiem, sprzedażą i serwisem. Ładny zimny e-mail nie uratuje złej listy klientów docelowych.

Amplifa ICP Playbook Praktyczny playbook do precyzyjnego definiowania klientów docelowych, udoskonalania danych i unikania wykorzystywania AI w sprzedaży na niewłaściwych kontach.

Właśnie dlatego uważam temat ICP za niedoceniany. Kto nie ma jasnej odpowiedzi na pytanie, którzy klienci są naprawdę rentowni, jakie wyzwalacze wskazują na gotowość do zakupu i które branże tylko zajmują handlowców, nie powinien stosować AI do generowania leadów. W przeciwnym razie zautomatyzuje straty rozproszenia. Koń od tyłu, tylko z abonamentem w chmurze.

AI w sprzedaży: Gdzie średnie przedsiębiorstwa nie mogą czekać

W sprzedaży moja cierpliwość kończy się szybciej niż w produkcji. AI w kontroli jakości może zwiększyć ilość odpadów lub dać fałszywe poczucie bezpieczeństwa przy złych danych. AI do badania kont, higieny CRM i priorytetyzacji ofert jest mniej ryzykowna, jeśli jest czysto ograniczona. Tam można się uczyć, nie narażając od razu linii produkcyjnej.

CSO z Norymbergi, nazwijmy go Martin, powiedział mi w lutym 2025 roku po wieczorze VDMA we Frankfurcie: „Jeśli poczekam jeszcze rok, będę znał swoich klientów gorzej niż mój konkurent.” Nie chodziło mu o jakiś amerykański koncern. Chodziło mu o innego niemieckiego dostawcę, 90 kilometrów dalej, który już analizuje raporty z wizyt, skanuje historie części zamiennych i wyciąga sygnały sprzedażowe z przypadków serwisowych.

O to właśnie chodzi. AI nie musi od razu sterować produkcją. Może najpierw powstrzymać sprzedaż przed marnowaniem czasu na niewłaściwe konta. Może ujawnić martwe oferty. Może wykryć, że klient od sześciu miesięcy zamawia mniej, mimo że jego branża rośnie. Może powiedzieć handlowcom, które pięć wizyt w przyszłym tygodniu prawdopodobnie przyniesie dochód – a które tylko kawę.

Amplifa do generowania leadów Dla zespołów B2B, które chcą zbudować solidny pipeline z danych, profili klientów docelowych i wyzwalaczy – bez folkloru AI.

Dlaczego czysta strategia inbound w 2026 roku jest zbyt słaba

Kto w 2026 roku nadal stawia na czystą strategię inbound, ten za pięć lat nie będzie miał już pipeline'u. Jestem tego dość pewien. Działy zakupów OEM-ów nie będą spokojnie pobierać białej księgi tylko dlatego, że średnie przedsiębiorstwo umieściło „Innowacje” w tytule. Porównują zdolność dostawczą, cenę, certyfikaty, integrację danych i czas reakcji. I robią to coraz częściej cyfrowo.

Outbound nie umarł. Zły outbound umarł. Z 1200 e-maili do producenta maszyn z Ostwestfalii jesienią 2024 roku przyszły cztery odpowiedzi. Jedna z nich była skargą. Po dopracowaniu ICP, klastrach branżowych i wyzwalaczach z raportów inwestycyjnych, ogłoszeń o pracę i zdarzeń serwisowych, z 480 ukierunkowanych kontaktów uzyskano 31 prawdziwych rozmów. Nic dziwnego. Tylko rzemiosło.

Co musi się teraz wydarzyć

Nie radziłbym żadnemu dyrektorowi zarządzającemu, aby jutro uruchomił ośmiocyfrowy program AI, tylko dlatego, że konkurent publikuje zdjęcie z laboratorium innowacji na LinkedIn. Ale radziłbym mu, aby w tym tygodniu przeprowadził brutalną inwentaryzację. Nie w hotelu strategicznym. W firmie. Z działem sprzedaży, IT, produkcją, kontrolingiem i osobą, która naprawdę zna dane – często nie jest to kierownik działu, ale kobieta, która od 14 lat zajmuje się eksportem.

1. Sprawdź stan danych – ujawnij, a nie upiększaj, dane dotyczące artykułów, klientów, historii usług, ofert i duplikatów CRM.
2. Wybierz dwa przypadki użycia o niskim ryzyku – na przykład priorytetyzację kont w sprzedaży lub wewnętrzne wyszukiwanie wiedzy dla techników serwisowych.
3. Ustal odpowiedzialność – jeden właściciel procesu, jeden odpowiedzialny za IT, jeden dział specjalistyczny, jasny budżet.
4. Wcześnie włącz zgodność – szczególnie w HR, kontroli jakości i procesach krytycznych dla bezpieczeństwa ze względu na EU AI Act i AGG.
5. Mierz ROI w małych krokach – nie wizjami, ale terminami, czasem realizacji, brakami, obrotami z usług lub zaoszczędzonymi godzinami.
6. Zatrzymaj lub skaluj po 90 dniach – bez wiecznego projektu pilotażowego z comiesięcznym komitetem sterującym i bez wyników.

Najważniejszy krok jest pierwszy i brzmi nieatrakcyjnie: sprawdzenie stanu danych. Wiem, że to sprzedaje się gorzej niż agent AI z filmem demonstracyjnym. Ale jeśli nazwy klientów, numery seryjne maszyn i statusy ofert nie są poprawne, żadna, nawet najdroższa platforma, nie może na ich podstawie podjąć wiarygodnych decyzji. Będzie wtedy tylko drożej zgadywać.

Amplifa Pipeline-Check Podejście dla dyrektorów zarządzających i kierowników sprzedaży, którzy chcą wiedzieć, czy ich pipeline w ogóle wspiera bazę danych, logikę klientów docelowych i zastosowanie AI.

FAQ: Czy AI w średnich przedsiębiorstwach jest naprawdę za droga?

Tak, jeśli jest źle wprowadzana. Nie, jeśli zaczyna się od jasnych przypadków użycia. System Gen-AI, który jest często używany w kalkulacji ofert, dokumentacji technicznej lub komunikacji z klientem, może szybko stać się drogi z powodu abonamentów w chmurze, konsultantów, wewnętrznego czasu projektu i poprawek. Przy marżach EBIT od pięciu do dziesięciu procent to nie są drobne pieniądze. Ograniczony przypadek użycia w sprzedaży lub serwisie, czysto mierzony, to inna liga.

FAQ: Jakie przypadki użycia AI pasują na początek?

W wielu średnich przedsiębiorstwach nie zaczynałbym od autonomicznego sterowania produkcją. Zbyt ryzykowne. Zbyt wiele interfejsów. Zbyt wysoka odpowiedzialność. Lepsze są przypadki użycia, które kondensują wiedzę i przygotowują decyzje: podsumowywanie zgłoszeń serwisowych, wykrywanie szans na części zamienne, grupowanie istniejących klientów według potencjału, udostępnianie dokumentacji technicznej, priorytetyzowanie wizyt handlowych. Człowiek decyduje, AI wstępnie sortuje.

FAQ: Co z liderami takimi jak Trumpf i Festo?

Trumpf, Festo, Schaeffler, Krones czy DMG Mori dowodzą, że AI w przemyśle działa, gdy łączą się baza danych, kultura inżynierska i dyscyplina procesowa. Nie obalają jednak tezy, że wiele mniejszych firm nie jest jeszcze na to gotowych. Pokazują raczej dystans. I właśnie ten dystans jest niebezpieczny, jeśli staje się wymówką.

Cena drzemki

Płaca minimalna, zgodnie z decyzją Komisji ds. Płacy Minimalnej, wzrośnie z 12,82 euro do 13,90 euro w 2026 roku i 14,60 euro w 2027 roku. W przemyśle odpowiednie koszty pracy są i tak znacznie wyższe. Brakuje wykwalifikowanych pracowników, praca administracyjna nie tanieje, klienci oczekują szybszych reakcji, a banki dokładniej przyglądają się dojrzałości cyfrowej przy finansowaniu i sukcesji. Kto wierzy, że może prowadzić pracę biurową, przygotowanie sprzedaży i koordynację usług tak jak w 2018 roku, nie zostanie zmiażdżony przez AI. Zostanie zmiażdżony przez koszty.

Ludzie z Private Equity od dawna pytają o potencjał automatyzacji. Family Offices również. W styczniu 2025 roku siedziałem w Monachium z Norą, menedżerką inwestycyjną z Family Office, w sali konferencyjnej z widokiem na mokry asfalt i Leopoldstraße. „Jeśli firma docelowa nie ma mapy drogowej danych i AI, dyskontujemy to”, powiedziała. Nie dramatycznie. Nie z uśmiechem z Doliny Krzemowej. Raczej jak ktoś, kto ocenia maszynę, której przegląd jest spóźniony.

Również duzi klienci stają się coraz bardziej niecierpliwi. Motoryzacja, lotnictwo, medycyna, budowa maszyn – wszędzie rosną wymagania dotyczące cyfrowych łańcuchów dostaw, danych jakościowych, identyfikowalności i czasu reakcji. Dziś OEM uprzejmie pyta o interfejsy. Jutro dostawca wypada z węższej selekcji, ponieważ konkurent dostarcza dane lepiej. Nie będzie to zapisane w protokole jako „problem AI”. Będzie to zapisane jako „brak zdolności procesowych”. Brzmi łagodniej. Jest bardziej śmiertelne.

Moja prawdziwa prowokacja

Niemieckie średnie przedsiębiorstwa przesypiają AI – i to jest w porządku, jeśli akurat zmieniają materac. Czyli: jeśli porządkują dane, wyjaśniają procesy, rozumieją zgodność i przygotowują pierwsze przypadki użycia z prawdziwym ROI. Nie jest w porządku, jeśli naciągają kołdrę na głowę i mają nadzieję, że następna fala technologiczna znowu ich ominie.

Rozumiem zmęczenie. Wdrożenia ERP, projekty MES, wdrożenia CRM, migracje do chmury, kryzys energetyczny, stres związany z łańcuchem dostaw, zmiana stóp procentowych, niedobór wykwalifikowanych pracowników – wiele organizacji nie jest wrogich innowacjom, są wyczerpane. W firmie niedaleko Ulm Peter, kierownik produkcji, powiedział mi w październiku 2024 roku: „Nie boimy się AI. Boimy się następnego projektu, który pozostanie w połowie ukończony.” To zdanie jest bardziej szczere niż 80 procent przemówień, które słyszałem w 2025 roku.

Mimo to: wyczerpanie nie jest strategią. Średnie przedsiębiorstwa nie muszą gonić za każdym szumem, ale muszą wiedzieć, gdzie chcą być. Za 90 dni. Za dwanaście miesięcy. Przede wszystkim za dwa lata, kiedy funkcje AI nie będą już sprzedawane jako dodatek, ale będą wbudowane w każde oprogramowanie działające w biurze i w hali produkcyjnej.

Kiedy żegnałem się z Thomasem w Gütersloh i zapytałem go, co teraz robi z AI, zapiął zamek błyskawiczny swojej szarej polarowej kurtki i wskazał na dokumenty wysyłkowe. „Najpierw posprzątamy ten bałagan”, powiedział. Potem uśmiechnął się. „Ale tym razem tak, żeby maszyna mogła to później przeczytać.” Na zewnątrz uruchomiła się ciężarówka, zapach diesla w deszczu. Być może AI w średnich przedsiębiorstwach zaczyna się właśnie tak. Nie od robota na scenie, ale od dyrektora zarządzającego, który w końcu poważnie traktuje swoje dane.