Gdzie AI pomaga
| Praca | Co wykazano lub podano | Skąd to pochodzi |
|---|---|---|
| Szukanie przyczyny braków | W fabryce chipów Hitachi Energy model AI wskazał dwa etapy procesu, które psuły chipy. Kontrolowany test zmniejszył straty uzysku o 21,7%. Przy drugim produkcie spadły o 51,3%. | Przypadek Hitachi Energy. Recenzowane badanie w terenie. |
| Kontrola wizualna | W fabryce elektroniki Siemensa kontrolerzy, którzy widzieli, gdzie AI wykryła problem, wychwycili 93% wadliwych płytek. Kontrolerzy, którzy dostali tylko ocenę AI, wychwycili 82%, mniej niż sama AI. | Przypadek Siemensa. Recenzowany eksperyment z 48 pracownikami fabryki. |
| Wyceny i kalkulacja kosztów | W Herges, firmie wykonującej konstrukcje stalowe, szacunki czasu produkcji z modelu AI były pięć razy bliższe rzeczywistości niż szacunki doświadczonych pracowników. EIST, sześcioosobowy zakład obróbki metalu, podaje, że wycenę przygotowuje w około 10 minut, a wcześniej zajmowało to do dwóch godzin. | Przypadek Herges, zmierzony przez publiczne centrum wsparcia. Przypadek EIST, szacunek samego właściciela. |
| Rozwój produktów | W Procter & Gamble jedna osoba z AI wymyślała pomysły na produkty równie dobre jak dwuosobowy zespół bez AI, w czasie krótszym o około 16%. | Przypadek Procter & Gamble. Eksperyment, jeszcze bez recenzji naukowej. |
| Sprzedaż, marketing i administracja | Producenci z UE, którzy używają AI, stosują ją najczęściej w marketingu i sprzedaży (30%) oraz w administracji (27%). | Eurostat, statystyka publiczna |
| Oprogramowanie inżynierskie | Siemens dodał w 2025 roku agentów AI do swojego asystenta inżynierskiego. Jeden klient, thyssenkrupp Automation Engineering, podaje lepszą jakość kodu i szybsze tworzenie oprogramowania. Nie podano liczb. | Komunikat firmy |
| Utrzymanie ruchu | Rolls-Royce podaje, że cyfrowe modele jego silników lotniczych wydłużyły czas między przeglądami niektórych silników nawet o 50%. | Relacja firmy, w doniesieniu prasowym z 2021 roku |
| Utrzymanie produkcji w kryzysie | Spośród 237 niemieckich producentów ci, którzy byli bardziej gotowi na AI, lepiej przetrwali lockdowny w czasie Covid-19. Efekt pojawiał się dopiero powyżej pewnego poziomu gotowości. | Recenzowane badanie ankietowe (Lerch i inni, 2022) |
Nie ma jeszcze kontrolowanego testu z pracownikami utrzymania ruchu i produkcji. Żadne opublikowane kontrolowane badanie z 2025 lub 2026 roku nie sprawdziło generatywnej AI z pracownikami utrzymania ruchu czy produkcji. Liczby w tabeli dotyczące utrzymania ruchu i inżynierii to dane samych firm.
Umiejętności kontrolerów mogą słabnąć. W badaniu w czterech ośrodkach endoskopii w Polsce lekarze przed wprowadzeniem AI znajdowali zmiany przednowotworowe w 28,4% kolonoskopii wykonanych bez AI. Trzy miesiące po jej wprowadzeniu ten odsetek bez AI wynosił 22,4%. Pracownicy, którzy na co dzień kontrolują jakość razem z AI, mogą stracić umiejętność, której potrzebują, gdy AI zawiedzie. Co jakiś czas sprawdzaj kontrolerów bez AI. Zobacz przypadek Siemensa.
Wielkość ma mniejsze znaczenie niż umiejętności. W Niemczech w latach 2022–2024 AI używało 20% małych i średnich firm: od 19% firm zatrudniających mniej niż pięć osób do 36% firm zatrudniających 50 osób lub więcej. Gdy państwowy bank rozwoju KfW uwzględnił liczbę zatrudnionych absolwentów studiów, innowacje, badania i strategię cyfrową, wielkość i branża miały niewielkie znaczenie.
Plan to nie wynik. W 2025 roku Volkswagen ogłosił, że do 2030 roku zainwestuje w AI do 1 mld euro, i spodziewa się oszczędności do 4 mld euro do 2035 roku. Zobacz co nie liczy się jako dowód.
Wskaźniki dojrzałości są tu popularne. Naukowcy opublikowali modele dojrzałości AI dla inteligentnej produkcji i dla przemysłu przetwórczego. Komercyjny indeks dla przemysłu, AIMRI, prowadzi płatny, certyfikowany oceniający i nie jest to samoocena. Wskaźnik opisuje, gdzie jesteś. Nie wykazano, że przewiduje wyniki. Zobacz nie traktuj wskaźnika dojrzałości jak prognozy.
Ryzyka i przepisy
- AI, która dba o bezpieczeństwo maszyny. W UE unijny akt w sprawie sztucznej inteligencji (AI Act) uznaje system AI za system wysokiego ryzyka, gdy jest on elementem bezpieczeństwa produktu objętego wymienionymi unijnymi przepisami o bezpieczeństwie produktów, a ten produkt przed sprzedażą musi sprawdzić zewnętrzny podmiot. Element bezpieczeństwa to część, której zadaniem jest zapewnienie bezpieczeństwa produktu. Ta klasyfikacja obowiązuje od 2 sierpnia 2028 roku.
- Maszyny mają własne prawo. Nowelizacja z 2026 roku przeniosła rozporządzenie w sprawie maszyn do osobnej części tej listy. Do produktów z tej części większość wymogów samego AI Act nie stosuje się bezpośrednio. Wymogi przychodzą zamiast tego przez przepisy o produkcie. Zapytaj dostawcę maszyn, które przepisy dotyczą twojego sprzętu.
- AI, która tylko poprawia wydajność. Znowelizowany akt mówi, że AI używana wyłącznie do takich celów jak optymalizacja wydajności, automatyzacja czy kontrola jakości nie jest elementem bezpieczeństwa. Jest jeden wyjątek: jeśli jej awaria zagroziłaby zdrowiu i bezpieczeństwu, liczy się jako taki element.
- AI, która zarządza pracownikami. W UE AI używana do przydzielania zadań na podstawie zachowania lub cech danej osoby albo do monitorowania i oceniania pracy pracowników jest na liście wysokiego ryzyka. Tak samo AI używana w rekrutacji. Te przepisy obowiązują od 2 grudnia 2027 roku. Akt dopuszcza pewne wyjątki, na przykład dla wąskich zadań proceduralnych. W ankiecie Wspólnego Centrum Badawczego Komisji Europejskiej wśród pracowników z całej UE 24% miało grafik pracy ustalany przez algorytm. Tam, gdzie taki system narzucał tempo pracy, pracownicy zgłaszali większy stres.
- Pracę fizyczną nadal wykonują ludzie. AI najpierw dociera do zadań biurowych i inżynierskich. Rozpisz zadania, zanim ustalisz cele. Zobacz rozpisz zadania, zanim zdecydujesz, co automatyzować i przykład praktyczny poniżej.
Praktyki dla tej branży
Wszystkie 30 praktyk w bibliotece ma zastosowanie w tej branży. Żadna z nich nie jest przypisana do jednej branży. Przy praktykach poniżej badanie, przypadek firmy albo przykład praktyczny z tej branży pokazuje, dlaczego są tu ważne.
- Rozpisz zadania, zanim zdecydujesz, co zautomatyzować Przykład praktyczny rozpisuje 375 grup zadań u producenta zatrudniającego 118 osób. Około jednej czwartej pracy jest związane z miejscem albo z pracą wykonywaną ręcznie.
- Zaplanuj budżet na pracę, którą tworzy AI Przykład praktyczny producenta zatrudniającego 118 osób wylicza 132 nowe zadania związane ze sprawdzaniem i prowadzeniem zapisów.
- Dla każdego rodzaju zadania sprawdź, czy człowiek z AI wypada lepiej niż każde z nich osobno W Procter & Gamble jedna osoba z AI wymyślała pomysły na produkty mniej więcej tak dobrze jak dwuosobowy zespół bez AI.
- Nie traktuj wyniku oceny dojrzałości jak prognozy Dla przemysłu powstało wiele modeli dojrzałości AI. Wynik opisuje, gdzie jesteś. Nie wykazano, że przewiduje rezultaty.
- Niech AI pokazuje, na czym opiera swoją odpowiedź Sprawdzone na kontroli płytek drukowanych w fabryce Siemensa. Producent konstrukcji stalowych pokazuje obok każdego szacunku czasu z AI dziesięć najbardziej podobnych dawnych zleceń.
- Uporządkuj własne dane, zanim AI zacznie na ich podstawie przewidywać Dwie firmy z branży obróbki metali musiały uporządkować lub zebrać dane produkcyjne, zanim AI mogła szacować czasy i ceny jednostkowych zleceń.
Wybierz wielkość firmy
Wielkość firmy bardziej niż branża decyduje o tym, co jest wykonalne. Każdy link otwiera bibliotekę przefiltrowaną dla tej wielkości.
Przypadki firm
Każdy przypadek to konkretna firma z liczbami i publicznym źródłem. Wszystkie przypadki.
- EIST: sześcioosobowy zakład obróbki metalu skrócił przygotowanie wyceny z dwóch godzin do dziesięciu minut Zakład obróbki metalu z pięcioma pracownikami i właścicielem użył AI do wyceny części na zamówienie na podstawie plików 3D i własnej historii produkcji. Wycena, która mogła zająć dwie godziny, zajmuje teraz około dziesięciu minut. Większość projektu pochłonęło porządkowanie danych firmy, a właściciel nadal sprawdza każdą wycenę.
- Herges: model AI szacował czas produkcji pięć razy dokładniej niż eksperci firmy Rodzinna firma konstrukcji stalowych wycenia jednostkowe zlecenia na podstawie szacunków swoich ekspertów, ile potrwa praca. Publiczne centrum wsparcia pomogło jej zapisywać rzeczywiste czasy i wytrenować na nich model AI. Szacunki modelu były pięć razy bliższe rzeczywistości niż szacunki ekspertów.
- Hitachi Energy: model AI wskazał dwa etapy produkcji, które psuły chipy Badacze wytrenowali model AI na zapisach produkcyjnych fabryki chipów i zapytali go, które etapy procesu najbardziej psują chipy. Inżynierowie sprawdzili jego dwie sugestie na partii produkcyjnej i straty spadły o 21,7%. Przy drugim produkcie ta sama metoda zmniejszyła straty o 51,3%. Zwykła analiza fabryki nie znalazła żadnej z tych przyczyn.
- META-Regalbau: czujniki i analiza AI kompletacji zamówień zwróciły się w około rok Producent regałów z około 300 pracownikami poprosił pracowników o noszenie małych czujników, żeby AI mogła przeanalizować, jak kompletuje się zamówienia w magazynie. Wyniki wpłynęły na układ nowego magazynu i dają około €22 000 oszczędności rocznie. Kierownicy, rada zakładowa i wszyscy pracownicy od początku wiedzieli, w jakim celu to się robi.
- Procter & Gamble: jedna osoba z AI dorównała dwuosobowemu zespołowi bez AI Badacze przeprowadzili eksperyment z 776 pracownikami Procter & Gamble na prawdziwych zadaniach z rozwoju produktów. Osoby pracujące samodzielnie z AI tworzyły pomysły oceniane tak samo wysoko jak pomysły dwuosobowych zespołów bez AI i robiły to szybciej.
- Siemens: kontrolerzy wykrywali więcej wad, gdy AI pokazywała, co zobaczyła Badacze dali 48 kontrolerom w fabryce elektroniki Siemensa pomoc AI przy sprawdzaniu płytek drukowanych. Połowa widziała tylko wynik AI. Druga połowa widziała też obraz z zaznaczonym miejscem, w którym AI znalazła problem. Druga grupa wykryła więcej wad, a większość jej członków radziła sobie lepiej niż sama AI.
Badania z tej branży
Te badania przeprowadzono na pracy typowej dla tej branży.
Przykład praktyczny
Ten przykład stosuje metodę mapowania zadań do zmyślonej firmy, która projektuje, montuje, instaluje i serwisuje przemysłowe systemy monitoringu.
Źródła
- Eurostat. Use of artificial intelligence in enterprises, 2025 data. ec.europa.eu
- Siemens (12 May 2025). Siemens introduces AI agents for industrial automation. Company announcement. businesswire.com
- CIO (2021). Rolls-Royce turns to digital twins to improve jet engine efficiency. A press report of the company’s account. cio.com
- Lerch, Heimberger, Jäger, Horvat and Schultmann (2022). AI-readiness and production resilience: empirical evidence from German manufacturing in times of the Covid-19 pandemic. International Journal of Production Research. doi.org
- Volkswagen Group (September 2025). Boosting innovation, reshaping mobility: Volkswagen Group invests in AI. Company announcement. volkswagen-group.com
- Chen, Liu, Xing, Peng and Yang (2021). Establishment of a maturity model to assess the development of industrial AI in smart manufacturing. Journal of Enterprise Information Management. doi.org
- Fornasiero, Kiebler, Falsafi and Sardesai (2024). Proposing a maturity model for assessing Artificial Intelligence and Big data in the process industry. International Journal of Production Research. doi.org
- INCIT. AIMRI: Industrial AI Maturity Readiness Index. incit.org
- European Union. AI Act, Regulation (EU) 2024/1689, Article 6 (classification rules for high-risk AI systems), as amended in 2026. Text on the European Commission’s AI Act Service Desk. ai-act-service-desk.ec.europa.eu
- European Union. AI Act, Article 2 (scope) and Annex I (list of EU product-safety laws), as amended in 2026. ai-act-service-desk.ec.europa.eu
- European Union. AI Act, Annex III (high-risk uses, including employment and worker management). ai-act-service-desk.ec.europa.eu
- European Union. AI Act, Article 113 (dates of application), as amended in 2026. ai-act-service-desk.ec.europa.eu
- European Union. Regulation (EU) 2023/1230 on machinery. eur-lex.europa.eu
- European Commission Joint Research Centre (2025). Digital monitoring, algorithmic management and the platformisation of work in the EU: Data from the AIM-WORK survey. Science for Policy brief. publications.jrc.ec.europa.eu
- Mariscal de Gante Martin and Villani (2026). Algorithmic management and working conditions in Europe. Evidence from the AIM-WORK Survey. JRC Working Paper 2026/05. publications.jrc.ec.europa.eu
- Zimmermann (February 2026). Einsatz von Künstlicher Intelligenz vor allem in Unternehmen mit hohen Innovations- und Digitalisierungsaktivitäten. KfW Research, Fokus Volkswirtschaft Nr. 533. kfw.de