AI, która przygotowuje oferty, odpowiedzi serwisowe i dokumentację dla producentów maszyn i zakładów produkcyjnych, a dane zostają w firmie

Najwięcej zmienia się w biurze i w serwisie. Oferty wychodzą szybciej, zamówienia trafiają do ERP bez przepisywania, a technicy znajdują rozwiązanie bez dzwonienia do jedynego kolegi, który je zna. Te procesy opierają się na wiedzy eksperckiej zapisanej we wcześniejszych ofertach, instrukcjach, raportach serwisowych i w głowach ludzi, a niedobór fachowców sprawia, że z każdym rokiem trudniej ją zastąpić.

Duża część branży już korzysta z AI. W badaniu koniunktury ifo z maja 2025 roku około 50% firm z branży maszynowej korzystało z AI, a w całym przetwórstwie przemysłowym ponad 40%. Ankieta VDMA, o której pisał produktion.de w 2026 roku, pokazała, że 43% producentów maszyn używa AI produkcyjnie, a 21% to planuje. Luka leży między próbą a codziennym użyciem: w badaniu VDMA i Strategy& z 2025 roku wśród 247 firm przemysłowych z regionu DACH 79% używa generatywnej AI albo to planuje, 29% wdrożyło co najmniej jeden projekt, a tylko 7% wdrożyło ją systemowo.

To samo badanie pokazuje presję w liczbach. Wynik brutto firm z branży maszynowej spadł z 32,2% w 2018 roku do 29,4% w 2023 roku, a największy modelowany potencjał marży generatywnej AI leży w sprzedaży i marketingu, na poziomie 2,4 punktu procentowego. 53% ankietowanych oczekuje wpływu generatywnej AI na sprzedaż i marketing. Florian Stürmer ze Strategy& podsumowuje w badaniu: sukces z generatywną AI nie polega na próbowaniu wszystkiego, tylko na szybkim wdrożeniu właściwej rzeczy.

Chodzi o procesy, w których dokumenty i wiedza ekspercka trafiają do powtarzalnego kroku. Z taką pracą modele językowe radzą sobie niezawodnie. Każde zastosowanie ma własną stronę, link znajdziesz poniżej.

• Oferty i przyjmowanie zamówień. Asystent znajduje podobne wcześniejsze oferty, odczytuje aktualne ceny i części z ERP i przygotowuje projekt oferty do sprawdzenia przez twojego inżyniera sprzedaży. Zamówienia przychodzące jako e-mail z PDF są odczytywane i przygotowywane jako zlecenia sprzedaży w SAP albo twoim ERP. Producent żywności Zentis poinformował w prasie w 2023 roku (Computerwoche), że dzięki specjalistycznemu produktowi około 80% dokumentów zamówień było przetwarzanych automatycznie.
• Wiedza serwisowa dla techników i obsługi posprzedażowej. Technicy i infolinia pytają własnymi słowami i dostają odpowiedź z instrukcji, raportów serwisowych, zgłoszeń i list części, ze wskazaniem strony, z której pochodzi. Raporty serwisowe powstają jako projekt z notatek technika. Firma WAKU Robotics opisała problem w 2026 roku: zespoły utrzymania ruchu codziennie tracą cenny czas na szukanie, dokumentowanie i dopytywanie.
• Dokumentacja techniczna. Projekty instrukcji obsługi, list części zamiennych i dokumentacji wariantów na podstawie specyfikacji produktu i wcześniejszych wersji, zatwierdzane przez twoich redaktorów technicznych. Badanie VDMA i Strategy& (2025) wymienia dokumentację techniczną ze specyfikacji produktu wśród zastosowań generatywnej AI w branży maszynowej.
• Wiedza firmowa. Jedno miejsce na pytania o normy zakładowe, wytyczne konstrukcyjne, wcześniejsze projekty i warunki dostawców, z odpowiedziami z twoich własnych dokumentów i z uprawnieniami osoby pytającej. Według badania VDMA firma SMS group prowadzi własny „SMS-GPT” i ustala priorytety prac nad AI na podstawie zapytań swoich pracowników.
• Przychodzące dokumenty od dostawców. Potwierdzenia zamówień, dowody dostawy, certyfikaty i protokoły badań są odczytywane i porównywane z zamówieniem w ERP, a rozbieżności trafiają do człowieka.

Branża motoryzacyjna ma jeden z najwyższych wskaźników użycia AI: 70,4% w badaniu ifo z maja 2025 roku. Dla dostawców pod presją cenową liczą się te same procesy handlowe co w branży maszynowej, tylko w większej skali: zapytania ofertowe z długimi specyfikacjami, rozbicia kosztów, wnioski o zmiany i korespondencja z dostawcami.

Różnią się zasady dotyczące danych. Umowy z producentami samochodów często stawiają surowe warunki dla rysunków, specyfikacji i danych prototypów. Umieszczamy system tam, gdzie te warunki na to pozwalają, zwykle na twoich własnych serwerach, a twój zespół bezpieczeństwa informacji decyduje, czy mieści się w istniejącej ocenie, takiej jak TISAX. Sama cena pochodzi z twojej kalkulacji w ERP, a nie z modelu językowego: asystent zbiera dane wejściowe i wyjaśnia różnice względem wcześniejszych ofert.

Według badania ifo z maja 2025 roku mniej więcej co druga firma chemiczna korzysta z AI. Chemia, farmacja i technika medyczna mają własną stronę branżową, która omawia GMP, MDR, AI Act i walidację. Zastosowania oparte na dokumentach opisane tutaj sprawdzają się tam tak samo.

Część tego jest już w standardowych produktach i mówimy o tym otwarcie. SAP S/4HANA Cloud potrafi tworzyć zapytania o zlecenie sprzedaży z pliku PDF lub obrazu, proponować wartości pól i symulować odchylenia cen lub pozycji przed konwersją (PIKON, 2025), więc jeśli go używasz, sprawdź to najpierw. Siemens oferuje Industrial Copilot do programowania sterowników PLC i Maintenance Copilot dla zespołów utrzymania ruchu.

Predictive maintenance na danych z czujników i wizyjna kontrola jakości to domena specjalistów. Wymagają modeli dla czujników i obrazu, danych z instalacji i często sprzętu, a wyspecjalizowani dostawcy i twoi partnerzy od automatyki zrobią to lepiej. Tego nie budujemy. Budujemy stronę językową i dokumentową wokół tego: asystenta, który wyjaśnia alarm na podstawie instrukcji, projekt raportu serwisowego, odpowiedzi z twoich instrukcji jakościowych.

Własne rozwiązanie opłaca się wtedy, gdy standardowa funkcja nie pasuje: kilka systemów ERP albo starsza wersja SAP, oferty wymagające oceny inżynierskiej i wcześniejszych projektów albo dokumenty, które nie mogą opuścić twoich własnych serwerów.

Dane konstrukcyjne i cenowe to rdzeń wartości producenta maszyn. Rysunki, kalkulacje i ceny dla klientów nie powinny trafiać do publicznej usługi AI, a często do żadnej zewnętrznej, dlatego budujemy na twoich własnych serwerach, gdy wymagają tego dane. W ankiecie CIO i Computerwoche z firmą Dell (2026) wśród 106 szefów IT małych i średnich firm z regionu DACH 20% zaczęło budować własną infrastrukturę serwerową dla AI. Ankieta jest sponsorowana przez dostawcę i mała, ale pokazuje kierunek.

AI Act. Asystenci do ofert, zamówień, wiedzy serwisowej i dokumentacji nie należą do zastosowań wysokiego ryzyka według AI Act, o ile nie sterują maszyną ani nie oceniają pracowników. Ocena wydajności pracowników przy użyciu AI jest zastosowaniem wysokiego ryzyka według załącznika III i nakłada na firmę obowiązki takie jak nadzór człowieka. Tego nie budujemy. Po Digital Omnibus, obowiązującym od 27 lipca 2026 roku, AI wbudowana w maszyny wychodzi spod bezpośrednich zasad wysokiego ryzyka AI Act i podlega rozporządzeniu maszynowemu, a obowiązki dla AI w produktach regulowanych przesuwają się na 2 sierpnia 2028 roku (Lewis Silkin, 2026). Od 2 sierpnia 2026 roku ludzie muszą wiedzieć, że rozmawiają z systemem AI. Dotyczy to każdego asystenta, który odpowiada bezpośrednio twoim klientom. Obowiązek podejmowania działań na rzecz kompetencji pracowników w zakresie AI pozostaje.

Bezpieczeństwo. Instrukcje naprawy i dokumentacja techniczna mają znaczenie dla bezpieczeństwa: zły moment dokręcenia albo pominięty krok blokady może kogoś zranić. Dlatego odpowiedzi wskazują stronę instrukcji, z której pochodzą, trzymają się zatwierdzonych procedur i mówią wprost, gdy dokumenty nie zawierają odpowiedzi. Projekty dokumentacji zatwierdzają twoi redaktorzy techniczni, system nigdy nie publikuje sam.

Rada zakładowa. Asystent, który zapisuje, kto o co pytał, może w zasadzie monitorować wydajność, więc w Niemczech podlega współdecydowaniu według § 87 ust. 1 pkt 6 BetrVG. Projektujemy logi tak, żeby służyły kontroli jakości bez śledzenia pojedynczych osób: pseudonimizowane identyfikatory, uzgodniony okres przechowywania i jasne zasady dostępu, gotowe do porozumienia z radą zakładową. Rysunki i dane techniczne objęte kontrolą eksportu podlegają twoim zasadom kontroli eksportu i są wyłączane z indeksu albo ograniczane do uprawnionych osób. To strona techniczna. Decyzję podejmujesz ty, z pomocą inspektora ochrony danych i prawników.

Budujemy tam, gdzie mogą trafiać twoje dane. Na twoich własnych serwerach odpowiada model open-weight, czyli model, którego wagi uruchamiasz sam, i żadne dane nie opuszczają firmy. Na twoim własnym koncie w chmurze modele działają w regionie UE na podstawie twoich umów. W obu przypadkach przed każdym modelem stoi bramka LLM, jeden kontrolowany punkt dostępu do wszystkich modeli z kluczami, budżetami i logami, a logi zostają w twoich systemach.

• ERP: ceny, części, klienci i zamówienia z SAP albo twojego ERP, odczytywane na bieżąco przez zatwierdzone narzędzia, bez kopiowania do indeksu.
• Dokumenty: wcześniejsze oferty, instrukcje, raporty serwisowe i normy z SharePoint, udziałów plików, d.velop albo ELO, indeksowane z uprawnieniami, które już w nich obowiązują.
• Dane konstrukcyjne: specyfikacje i listy części z PLM albo PDM tam, gdzie wymaga tego zastosowanie, ograniczone do osób, które mogą je widzieć.
• Serwis i poczta: zgłoszenia i raporty serwisowe z twojego systemu serwisowego oraz skrzynki Outlook dla przychodzących zamówień i zapytań.
• Zapis do systemów: agent AI, czyli program, który wykonuje kroki w twoich systemach i przedstawia wyniki do zatwierdzenia, tworzy projekt oferty lub zamówienia tylko przez narzędzie wykonujące jedną operację biznesową, z zatwierdzeniem i wpisem do logu.

Przed startem mierzymy system na twoich własnych wcześniejszych przypadkach. Dla przyjmowania zamówień to zestaw prawdziwych wcześniejszych zamówień z poprawnymi wpisami w ERP, porównywanych pole po polu. Dla ofert to wcześniejsze zapytania z ofertą, którą twój zespół wtedy wysłał. Dla serwisu to prawdziwe pytania techników z poprawną odpowiedzią i stroną instrukcji, z której pochodzi.

Próg testu akceptacyjnego ustalasz razem z nami, na przykład odsetek pól, które muszą być poprawne, zanim zamówienie trafi do kolejki zatwierdzeń, a test akceptacyjny pokazuje, czy został osiągnięty. Sprawdzamy też, czy system wstrzymuje to, czego dana osoba nie może zobaczyć, na przykład ceny przed technikiem serwisu albo rysunki przed partnerem zewnętrznym.

Zanim przejmie jakikolwiek krok, może działać w trybie cienia: przygotowuje oferty lub zamówienia równolegle z twoim zespołem, niczego nie wysyłając, a my porównujemy wyniki. Mierzymy godziny na ofertę lub zamówienie przed i po, na twoich własnych przypadkach, żeby zarząd widział efekt we własnych liczbach. Po starcie te same testy są uruchamiane po każdej zmianie modeli, promptów albo źródeł.

Zacznij od jednego procesu, który co tydzień zabiera czas twoim ekspertom i ma wyraźne wcześniejsze przykłady: oferty na maszyny standardowe lub części zamienne, zamówienia przychodzące e-mailem albo pytania techników na infolinię. Opisz go podczas bezpłatnej 30-minutowej pierwszej rozmowy z inżynierem. Nie potrzebujemy do niej dostępu do twoich systemów ani danych.

Pierwszy krok i jego próg akceptacji ustalamy z osobą odpowiedzialną za proces, na przykład z szefem sprzedaży albo serwisu. Każdy krok ma stałą cenę, uzgodnioną na piśmie po pierwszej rozmowie. Jeśli konstruktorzy i handlowcy już korzystają z ChatGPT albo Copilota, bezpłatny przegląd wykorzystania AI pokazuje na jednej stronie, ile kosztują te licencje i gdzie nie wystarczają, na podstawie eksportów, które sam wybierzesz.