W skrócie
- Firma
- EISTProducent części z blachy na zamówienie i urządzeń przemysłowych
- Wielkość
- Mikro i małe (1–49 pracowników) Oficjalna strona przypadku podaje pięciu pracowników i jednego właściciela, który zarządza firmą.
- Branża
- Produkcja
- Gdzie i kiedy
- Francja. Projekt trwający od sześciu do ośmiu miesięcy, opublikowany w czerwcu 2026.
- Kto podał liczby
- Sama firmaLiczby to szacunki samego właściciela, opublikowane przez France Num, francuski rządowy program cyfryzacji małych firm.
Co zrobili
EIST to bardzo mała firma w Lyonie. Produkuje części z blachy na zamówienie i urządzenia przemysłowe. Każde zlecenie jest inne, więc każde zapytanie wymaga osobnej wyceny. Niektóre wyceny zajmowały kilka godzin. Właściciel, który przejął firmę trzy lata wcześniej, mówi: “We sometimes missed opportunities because I did not have the time to reply.” [„Czasem traciliśmy okazje, bo nie miałem czasu odpowiedzieć”].
Zobaczył film, na którym AI szacowała koszt części na podstawie jej pliku 3D, i postanowił spróbować. Projekt trwał od sześciu do ośmiu miesięcy. Celem było, żeby AI na podstawie historii firmy przewidywała dla nowej części:
- etapy produkcji,
- czas produkcji,
- koszt materiału,
- marżę,
- cenę końcową.
Zanim cokolwiek z tego mogło działać, trzeba było uporządkować dane:
- uporządkować zapisy w oprogramowaniu biznesowym firmy;
- ustrukturyzować listy części;
- powiązać każdy plik 3D z zapisem tego, jak część faktycznie wykonano;
- uporządkować standardowe marszruty produkcyjne.
Właściciel prowadził projekt sam, ze swoją asystentką, i nie zatrudnił firmy doradczej. Region i lokalna instytucja wsparcia biznesu doradziły i dały finansowanie.
Liczby
- Około 10 minut na wycenę, tam gdzie czasem zajmowała dwie godziny.
- Około 90% wycen jest wiarygodnych, według szacunku firmy.
Co było trudne
Właściciel mówi, że główną trudnością były dane, a technologia była na drugim miejscu. “If the data is not clean, the tool will not be reliable.” [„Jeśli dane nie są czyste, narzędzie nie będzie wiarygodne”]. Firma musiała też krok po kroku uczyć się, na ile ufać wynikom.
Co pokazuje ten przypadek
- Sześć osób może to zrobić. Właściciel prowadził projekt sam, ze swoją asystentką, bez firmy doradczej.
- Surowcem były własne zapisy firmy. AI uczyła się na dawnych zleceniach, więc dawne zlecenia trzeba było najpierw porządnie zapisać.
- Jedno zadanie, wybrane, bo kosztowało zamówienia. Powolne wyceny oznaczały utraconych klientów.
- Właściciel nadal zatwierdza. AI przygotowuje wycenę, a on ją sprawdza i poprawia.
Co ten przypadek mówi o praktykach
Praktyki, które firma zastosowała
- Zacznij od jednego kosztownego procesu, a nie od wdrożenia w całej firmie Właściciel wybrał jedno zadanie: wycenę części na zamówienie, która mogła zająć godziny na jedno zapytanie i kosztowała firmę zamówienia. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Niech człowiek sprawdza wszystko, co trafia do klienta lub ma znaczenie prawne Właściciel nadal sprawdza i poprawia wyceny, zanim je zatwierdzi. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Planuj budżet na ludzi i procesy, nie tylko na narzędzia Dużą część pracy zajęło przygotowanie danych: porządkowanie zapisów, uporządkowanie list części i powiązanie plików 3D z historią produkcji. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Uporządkuj własne dane, zanim AI zacznie na ich podstawie przewidywać Zanim użyto AI, firma uporządkowała zapisy w swoim oprogramowaniu biznesowym, ustrukturyzowała listy części i powiązała każdy plik 3D z zapisem tego, jak część wykonano. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
Źródła
- France Num (9 June 2026). Comment une TPE industrielle utilise l’IA pour réaliser un devis en 10 minutes au lieu de 2 heures. Case page, in French. francenum.gouv.fr