Analiza rynku · 25 marca 2026 · 22 min czasu czytania · Rebecca Kupka, Founders Associate, Amplifa

AI w produkcji: Przepaść między zwycięzcami & przegranymi

AI w produkcji to już nie tylko szum medialny. Nasza analiza pokazuje, kto zyskuje, kto zostaje w tyle i jak sektor MŚP zabezpiecza teraz swoją pozycję.

Około 15 lat temu stałam w odlewni w sercu Zagłębia Ruhry. Zapach gorącego metalu i oleju maszynowego, ogłuszający hałas prasy uderzającej w blachę z precyzją szwajcarskiego zegarka – prowadzonej przez mistrza, który znał maszynę lepiej niż własną kieszeń. Po dźwięku poznawał, kiedy należy wymienić narzędzie. Wyczucie, doświadczenie, intuicja. To był niemiecki przemysł. W zeszłym tygodniu byłam w zakładzie Siemens w Erlangen. Zamiast hałasu – niemal niesamowita cisza, przerywana cichym szumem Cobotów. Zamiast zapachu oleju – kliniczna czystość laboratorium. A dzisiejszy mistrz? Siedzi przed trzema monitorami i monitoruje strumienie danych, podczas gdy algorytm z minutową dokładnością przewiduje, kiedy wrzeciono może ulec awarii – z trzytygodniowym wyprzedzeniem. To jest dzisiejszy przemysł w Deutschland. I właśnie tutaj, między tymi dwoma obrazami, zieje przepaść, która zadecyduje o być albo nie być. Mówię Państwu: połowa dzisiejszych średnich przedsiębiorstw z branży budowy maszyn za pięć lat będzie nieistotna. Nie z powodu taniej konkurencji z Dalekiego Wschodu. Ale dlatego, że wciąż uważają arkusz Excel za strategię danych.

AI w produkcji: Gdzie naprawdę znajduje się niemiecki sektor MŚP

Jeśli zapytają Państwo dziesięciu dyrektorów zarządzających o ich strategię AI, otrzymają Państwo jedenaście różnych odpowiedzi. Od „Mamy to na uwadze” (co oznacza: nie mamy) po górnolotne zapowiedzi o transformacji cyfrowej, które przy bliższym przyjrzeniu okazują się wykupioną subskrypcją oprogramowania. Bądźmy szczerzy: musimy przestać oszukiwać samych siebie. Aktualny raport ZEW dotyczący wydajności technologicznej Deutschland do 2026 roku mówi jasnym językiem, jeśli czyta się między wierszami. Tak, „Manufacturing”, czyli nasz kluczowy przemysł, jest celebrowany jako wiodąca branża w adopcji AI. Deutschland ma, według ekspertyzy, przewagę w badaniach nad przemysłową AI. Brzmi to początkowo dobrze, niemal uspokajająco. Brawa, poklepywanie po plecach, tak trzymać.

Ale to tylko połowa prawdy. Rzecz w tym, że „wiodący” to przymiotnik relatywny. Wiodący w porównaniu do kogo? W porównaniu do sektora bankowego, który jest tak ograniczany przez regulacje takie jak MaRisk 7.0 czy DORA, że każda innowacja jest najpierw rozkładana na czynniki pierwsze przez rzeszę inspektorów ds. zgodności? Ironiczne, prawda? Akurat te instytucje, których cały model biznesowy opiera się na danych, zostają w tyle w inteligentnym wykorzystaniu tych danych. Czy może wiodący w porównaniu do branży budowlanej lub nieruchomości, gdzie wykorzystanie AI jest tak rzadkie jak punktualny pociąg ICE? Nie oszukujmy się: poprzeczka nie jest zawieszona zbyt wysoko. Podczas gdy my tutaj, w regionie DACH, cieszymy się z naszej przewagi, amerykańskie i chińskie koncerny budują całe ekosystemy oparte na AI, które redefiniują nie tylko produkcję, ale cały łańcuch wartości – od projektu po serwis After-Sales. Nasza „przewaga” jest w rzeczywistości oknem czasowym. I to cholernie małym.

Twarda rzeczywistość za liczbami procentowymi

Liczby, które się słyszy, są mylące. Niedawna ankieta VDMA określiła liczbę producentów maszyn wdrażających projekty AI na blisko 40%. Brzmi nieźle. Ale co oznacza „projekt AI”? Czy zalicza się do tego nowe oprogramowanie CRM, które ma „inteligentny” pulpit nawigacyjny? Czy mówimy o prawdziwych, głęboko zintegrowanych z procesami aplikacjach Machine-Learning, które dostarczają mierzalny ROI? Z mojego doświadczenia wynika, że to drugie jest wyjątkiem. Widzimy wiele projektów pokazowych, często we współpracy z instytutem Fraunhofer (niech im Bóg błogosławi, trzymają fason), które są oklaskiwane na targach. Ale szeroka, powszechna implementacja? Brak. Pieniądze płyną – raport ZEW implikuje wzrost poprzez zwiększone wydatki na F&E – ale często grzęzną w rozwiązaniach wyspowych, w projektach pilotażowych, które nigdy nie są skalowane, i w czystym zdezorientowaniu co do tego, od czego w ogóle zacząć.

Trend 1: Przejrzysta fabryka – optymalizacja procesów jako program obowiązkowy

Pierwszym i najbardziej oczywistym przypadkiem zastosowania AI w produkcji jest sama produkcja. Tutaj problemy są największe, a potencjalne zyski najszybciej widoczne. Koncepcja „przejrzystej fabryki” nie jest nowa, ale dopiero AI nadaje jej realną moc. Nie chodzi już tylko o wizualizację danych z Manufacturing Execution System (MES). Chodzi o to, by na podstawie tych danych tworzyć prognozy i autonomicznie sterować procesami. Klasyk, o którym wszyscy mówią: Predictive Maintenance. Rozmawiałam niedawno z dyrektorem technicznym średniej wielkości producenta pras z Saksonii. Doposażyli swoje maszyny w dodatkowe czujniki drgań i temperatury. Prosty algorytm Machine-Learning analizuje teraz wzorce i zgłasza anomalie na długo przed tym, zanim zauważyłby je człowiek. Wynik: nieplanowane przestoje na ich najbardziej krytycznej linii produkcyjnej spadły o 80%. Osiemdziesiąt procent! Proszę to przeliczyć na EUR.

Innym obszarem jest kontrola jakości. Każdy zna obrazy pracowników, którzy pod jaskrawym światłem szukają najmniejszych wad w komponentach. Wyczerpująca, podatna na błędy praca. Dziś robią to systemy kamer z rozpoznawaniem obrazu wspieranym przez AI – i to z dokładnością i prędkością, która jest nadludzka. Producent elementów z tworzyw sztucznych w Schwarzwaldzie obniżył dzięki temu wskaźnik odrzutów z 4% do poniżej 0,5%. To nie są drobne, to czyste pieniądze, które wcześniej lądowały w koszu. A potem mamy jeszcze projektowanie generatywne, w którym AI na podstawie wytycznych fizycznych (wytrzymałość, waga, materiał) samodzielnie projektuje optymalne geometrie komponentów. Struktury bioniczne, które wyglądają jak z filmu science-fiction, ale są o 30% lżejsze i mimo to stabilniejsze. Na razie jest to często zarezerwowane dla gigantów takich jak Airbus, ale technologia staje się coraz bardziej dostępna. Proszę sobie wyobrazić, co to oznacza dla producenta obrabiarek, który nagle może projektować lżejsze, ale sztywniejsze komponenty dla osi swoich maszyn.

Wielką przeszkodą – o czym chętnie zapomina się wspomnieć – jest stan danych. „Dane to nowa ropa” to prawdopodobnie najgłupsze hasło ostatniej dekady. Dane to ropa naftowa. Czarna, lepka, w dużej mierze bezużyteczna masa. Dopiero gdy zbuduje się rafinerię – czyli czystą infrastrukturę danych z jasnymi interfejsami między sterownikami PLC, MES, ERP a chmurą – staje się ona wartościową benzyną. Większość średnich firm siedzi jednak na mozaice silosów danych, rozwiązań wyspowych i narastających przez dekady cmentarzyskach plików Excel. To jest ta właściwa, mało efektowna, ale absolutnie krytyczna praca, zanim zainwestuje się choćby centa w algorytm AI.

Wiele firm kupuje AI jak nowy wózek widłowy. Stawiają technologię w kącie i dziwią się, że sama nie rusza. AI nie jest jednak narzędziem, lecz zmianą paradygmatu. Wymaga strategicznego podejścia, które zaczyna się od problemu biznesowego, a nie od technologii. Bez tej zmiany kulturowej 9 na 10 inicjatyw AI kończy się niepowodzeniem, zanim jeszcze na dobre się zacznie.

— Dr Lena Hartmann, fikcyjna kierownik ds. informatyki produkcji, Instytut Fraunhofer

Trend 2: Odporny łańcuch dostaw – AI jako broń strategiczna

Jeśli pandemia i zawirowania geopolityczne ostatnich lat czegoś nas nauczyły, to tego: globalny łańcuch dostaw Just-in-Time, skrojony na styk, to domek z kart na wietrze. Przez lata jedyną mantrą była efektywność. Teraz słowem-kluczem jest rezyliencja. I tutaj, w zarządzaniu łańcuchami dostaw i ryzykiem, AI pokazuje swoją być może największą, choć często niewidoczną siłę. To nie jest już tylko temat produkcyjny; to twarda strategia korporacyjna.

Przyjrzyjmy się regulacjom. Pojęcia takie jak DORA (Digital Operational Resilience Act) czy nowelizacje MaRisk (minimalne wymogi w zakresie zarządzania ryzykiem), które wywołują zimne poty głównie w sektorze finansowym, mają bezpośredni wpływ na sektor MŚP. Dlaczego? Ponieważ Państwa bank będzie dokładniej sprawdzał, jak zarządzają Państwo ryzykiem operacyjnym, zanim udzieli kolejnego kredytu. Nie wystarczy już powiedzieć „Mamy nadzieję, że kontener z Szanghaju dotrze na czas”. Muszą Państwo udowodnić, że systematycznie rejestrują, oceniają i mitygują ryzyko. A robienie tego ręcznie przy setkach dostawców jest po prostu niemożliwe.

I właśnie tutaj wkracza AI. Proszę wyobrazić sobie system, „cyfrowego bliźniaka” Państwa łańcucha dostaw. System ten pobiera dane ze wszystkich możliwych źródeł: dane o pozycji ładunku w czasie rzeczywistym, wiadomości finansowe o zdolności kredytowej dostawców, prognozy pogody dla ważnych tras transportowych, wiadomości polityczne wskazujące na możliwe bariery handlowe, a nawet analizę zdjęć satelitarnych pokazujących, czy przed ważnym portem tworzy się zator. AI może analizować te miliony punktów danych w czasie rzeczywistym, rozpoznawać korelacje i wszczynać alarm na długo przed tym, zanim problem pojawi się w wieczornych wiadomościach. Znam średniego producenta mebli z Ostwestfalen-Lippe. Korzystają z takiego rozwiązania. System zasygnalizował grożący strajk w kanadyjskim porcie drzewnym dwa tygodnie przed oficjalnym ogłoszeniem – tylko dlatego, że aktywność członków związku zawodowego w mediach społecznościowych wykazała nietypowe wzorce. Dało im to wystarczająco dużo czasu na zmianę dostawcy. Szkody poszłyby w miliony. To nie jest zabawa, to zabezpiecza egzystencję.

Trend 3: Inżynier sprzedaży AI – koniec z metodą „na chybił trafił”

Przejdźmy do obszaru, który wielu całkowicie pomija przy temacie „AI w produkcji”: do sprzedaży. Szczególnie w niemieckiej budowie maszyn i urządzeń sprzedaż jest wysoce złożona, wymagająca technicznie i ekstremalnie oparta na relacjach. Klasyczny inżynier sprzedaży – wysoko wykwalifikowany, drogi, często w podróży – jest kręgosłupem sukcesu. Ale czy pracuje on efektywnie? Czy poświęca czas właściwym klientom? Czy może odwiedza potencjalnych zainteresowanych na podstawie intuicji i starych kontaktów?

Tutaj pojawia się trzeci wielki trend: AI jako Copilot dla sprzedaży B2B. Nie chodzi o zastąpienie inżyniera sprzedaży. Chodzi o wysłanie go we właściwe miejsce o właściwym czasie. Pierwszym krokiem jest brutalna, szczera definicja „Ideal Customer Profile” (ICP). Większość dyrektorów zarządzających uważa, że wie, kto jest ich najlepszym klientem. „Średnie firmy, południowoniemiecki przemysł produkcyjny, ponad 500 pracowników”. Analiza AI własnych danych CRM i ERP często ujawnia zaskakujące fakty. Nagle okazuje się, że najbardziej dochodowymi klientami z najkrótszym cyklem sprzedaży są w rzeczywistości firmy chemiczne w Holandii zatrudniające poniżej 200 pracowników, które właśnie ubiegają się o specyficzny certyfikat ISO. AI znajduje te wzorce, które pozostają ukryte dla ludzi, ponieważ uwzględnia zbyt wiele zmiennych jednocześnie.

Na podstawie tego opartego na danych ICP, AI może następnie przeszukać rynek w poszukiwaniu „bliźniaków” tych idealnych klientów. Ale to idzie jeszcze dalej. Chodzi o rozpoznawanie „Buying Signals”. AI może w pełni automatycznie przeszukiwać sieć: Czy firma ogłasza rekrutację na stanowisko „Kierownik ds. Automatyzacji”? To sygnał zakupowy. Czy pojawił się komunikat prasowy o budowie nowej hali produkcyjnej? Sygnał zakupowy. Czy konkurent ogłasza upadłość, a jego klienci szukają alternatyw? Ogromny sygnał zakupowy. Zamiast zimnych telefonów metodą „na chybił trafił”, sprzedaż prowadzi nagle precyzyjną, „chirurgiczną” akwizycję. Sprzedawca dostaje na biurko listę 10 wysoko wykwalifikowanych leadów wraz z dokładnymi powodami, dla których te firmy są właśnie teraz otwarte na rozmowę. To rewolucja, która odbywa się po cichu i która zadecyduje o różnicy między wzrostem a stagnacją.

Amplifa ICP Playbook: Znajdź swoich prawdziwych idealnych klientów — Dość zgadywania. Zdefiniuj swój Idealny Profil Klienta w oparciu o dane. Nasz Playbook pokaże Panu/Pani krok po kroku, jak zidentyfikować klientów, którzy naprawdę chcą u Państwa kupować – i dlaczego.

Co to NAPRAWDĘ oznacza dla niemieckiego sektora MŚP

Dobrze, porozmawiajmy konkretnie. Dyrektor zarządzający producenta śrub w Attendorn czy specjalisty od czujników w Tettnang ma inne zmartwienia niż „sieci neuronowe”. Walczy z eksplodującymi kosztami energii, brakiem wykwalifikowanych pracowników i biurokracją, która wykańcza nerwowo. Pokusa, by zbyć temat AI jako „pieśń przyszłości”, jako coś dla wielkich koncernów z ich ogromnymi działami IT, jest wielka. To fatalny błąd. Ponieważ zagrożenie jest realne i nadchodzi z dwóch stron.

Po pierwsze: konkurencja międzynarodowa. Nie tylko tanie kopie, ale wysoce ztechnologizowani konkurenci z USA czy Azji, którzy od podstaw pracują w oparciu o dane. Wykorzystują AI, aby taniej produkować swoje maszyny, czynić swoje łańcuchy dostaw bardziej odpornymi i lepiej rozumieć swoich klientów. Atakują już nie tylko w segmencie niskich cen, ale w segmencie wysokiej jakości – naszej domenie. Po drugie, i to jest być może jeszcze groźniejsze: utrata interfejsu klienta. Jeśli Państwa konkurent dzięki AI potrafi lepiej przewidzieć potrzeby klienta niż Państwo, jeśli proaktywnie oferuje konserwację, zanim maszyna ulegnie awarii, jeśli ma dokładnie właściwe rozwiązanie we właściwym czasie – wtedy nie ma znaczenia, jak dobry jest Państwa produkt. Relacja przepada. Zostaną Państwo zdegradowani z partnera strategicznego do wymiennego dostawcy.

Największą pułapką jest jednak zabieranie się do tego od złej strony. Widzę to stale: kupuje się za setki tysięcy euro elegancką platformę AI, bo dział sprzedaży dostawcy złożył górnolotne obietnice. A potem zarząd siedzi i zastanawia się, jaki problem właściwie ma tym teraz rozwiązać. To technologiczny aktywizm, który pochłania ogromne sumy i na końcu prowadzi tylko do frustracji. Pytanie nigdy nie może brzmieć: „Co możemy zrobić z AI?”. Musi zawsze brzmieć: „Jaki jest nasz największy problem biznesowy i czy AI może pomóc nam go rozwiązać?”. Często odpowiedź brzmi „Tak”, ale czasem brzmi też „Nie, najpierw potrzebujemy czystych danych podstawowych”. Ta szczerość jest pierwszym krokiem do sukcesu.

Państwa 5 kroków do przygotowania – Bez Bullshit-Bingo

1. Analiza punktów zapalnych, a nie zakochanie w technologii: Zbierzcie Państwo swoich najlepszych ludzi z produkcji, sprzedaży i zarządu. I to na cały dzień, bez telefonów. Zidentyfikujcie trzy największe „punkty zapalne”, które kosztują Państwa dziś pieniądze, czas lub klientów. Czy to nieplanowany przestój maszyny? Wysoki wskaźnik odrzutów? Słaba skuteczność w sprzedaży? Oceńcie te problemy surowo pod kątem ich wpływu na biznes. Rozwiążcie JEDEN prawdziwy problem, a nie dziesięć fikcyjnych.
2. Inwentaryzacja danych – nieupiększona prawda: Zanim wydadzą Państwo choćby jedno euro, dokonajcie radykalnie szczerego przeglądu zasobów. Gdzie znajdują się Państwa dane? W sterowaniu maszyn (PLC)? W MES? W systemie ERP? W 500 arkuszach Excel na laptopach pracowników? Czy dane są dostępne? Czy są wystarczającej jakości? Bez wyjaśnionego dostępu do danych każda inicjatywa AI jest jak samochód sportowy bez benzyny: droga i bezużyteczna.
3. Start Small, Think Big – projekt pilotażowy: Proszę wybrać najmniejszy, najlepiej dający się wyodrębnić przypadek użycia z największą dźwignią. Predictive Maintenance dla jednej, wysoce krytycznej maszyny. Nie dla całego parku maszynowego. Kontrola jakości wspierana przez AI dla jednego, problematycznego komponentu. Proszę zdefiniować jasne wskaźniki sukcesu (KPI) PRZEDEM. Proszę zmierzyć Return on Investment (ROI) brutalnie szczerze. Dopiero gdy ten pilotaż się powiedzie, proszę zrobić kolejny krok.
4. Budowanie kompetencji – szukajcie Państwo „tłumaczy”, a nie guru: Nie potrzebują Państwo roju absolwentów Harvardu w dziedzinie Data Science. Potrzebują Państwo jednej lub dwóch osób, które potrafią „tłumaczyć”. Ludzi, którzy rozumieją język hali produkcyjnej ORAZ znają podstawy analizy danych. Ludzi, którzy potrafią wyjaśnić mistrzowi produkcji, co robi algorytm, a Data-Scientistowi, dlaczego czujnik w tym miejscu nie ma sensu. Proszę wyszkolić tych ludzi lub ich zatrudnić. To najcenniejsza inwestycja.
5. Wybór partnera – oddzielenie ziarna od plew: Rynek rozwiązań AI to gorączka złota. Jest pełen dostawców obiecujących złote góry. Proszę być ekstremalnie sceptycznym. Proszę rozmawiać z ich klientami referencyjnymi – i to nie tylko z tymi, których proponuje dostawca. Proszę żądać Proof of Concept (PoC) opartego na PAŃSTWA danych i PAŃSTWA przypadku problemowym. Kto tego odmawia, nie jest wiarygodny. Prawdziwy partner chce z Państwem rozwiązać problem, a nie tylko sprzedać oprogramowanie.

Amplifa: Państwa platforma AI dla wzrostu sprzedaży — Koniec ze zgadywaniem w sprzedaży B2B. Amplifa to platforma AI, która na podstawie Państwa ICP znajduje kolejnych dochodowych klientów, zanim zrobi to konkurencja. Odkryjcie Państwo wykwalifikowane leady i realne szanse na wzrost w przemyśle produkcyjnym.

Moja prognoza: Społeczeństwo dwuklasowe w budowie maszyn jest nieuniknione

Działam w tej branży od ponad 18 lat, widziałam, jak trendy przychodziły i odchodziły. Industrie 4.0, Lean Management, Six Sigma. Niektóre były tylko czczym gadaniem, inne trwale zmieniły przemysł. AI, i tutaj zaryzykuję stwierdzenie, należy do tej drugiej kategorii. I założę się o dobrego szwabskiego Rieslinga: za trzy, maksymalnie cztery lata zobaczymy ugruntowane społeczeństwo dwuklasowe w niemieckim sektorze MŚP.

Po jednej stronie staną „Cyfrowi Czempioni”. To niekoniecznie największe firmy. To te najbardziej zwinne. Te, które zrozumiały, że dane są aktywem strategicznym. Wykorzystują AI, aby uczynić swoją produkcję bardziej wydajną, swoje łańcuchy dostaw odpornymi, a swoją sprzedaż hiper-inteligentną. Nie sprzedają już tylko maszyny, sprzedają „gwarantowaną dostępność”, „predictive quality” czy „zoptymalizowany output”. Będą rosnąć, bronić swoich marż i nadawać ton na arenie międzynarodowej.

A potem będą ci drudzy. Tradycjonaliści. Ci, którzy wciąż wierzą, że „Made in Germany” to dany od Boga pewnik, a klient sam zadzwoni, gdy będzie czegoś potrzebował. Ci, których najcenniejszym narzędziem danych jest tabela przestawna, a ich zarządzanie ryzykiem polega na trzymaniu kciuków. Oni stracą kontakt z czołówką. Ich marże będą topnieć. Staną się podwykonawcami, wymiennymi dostawcami dla pierwszej grupy. Albo po cichu znikną z rynku, przejęci przez inwestora Private Equity, który ich poćwiartuje, lub po prostu przez niewypłacalność. Przyszłość produkcji nie jest ze stali i żelaza. Jest z krzemu i danych. I kto tego nie pojmie, już przegrał. Nie ma co do tego żadnych wątpliwości.