Agent AI dla firmy produkcyjnej — co potrafi i ile kosztuje

Agent AI dla firmy produkcyjnej to program, który nie tylko odpowiada na pytania z bazy wiedzy, ale przede wszystkim działa. Sam zakłada zgłoszenie awarii w CMMS, dopisuje wiersz do arkusza Google, wysyła odpowiedź na WhatsApp. W praktyce agent AI przejmuje drobne, powtarzalne zadania biura i hali, a ludzie tylko zatwierdzają efekty. Poniżej pokazuję, czym różni się od zwykłego chatbota, co potrafi w polskim zakładzie i ile kosztuje wdrożenie.

Agent AI a chatbot — czym się różnią?

Chatbot kończy pracę w momencie, gdy udzieli odpowiedzi. Natomiast agent AI ma dostęp do narzędzi — systemów, arkuszy, komunikatorów — i potrafi wykonać w nich konkretną czynność. Na przykład operator pisze „pękł pasek na gnieździe 3″, a system sam zakłada zgłoszenie, podpina instrukcję z dokumentacji i powiadamia utrzymanie ruchu. To różnica między infolinią a pracownikiem, któremu można coś zlecić.

Co potrafi agent AI w firmie produkcyjnej?

Dobrze zaprojektowany agent AI łączy trzy warstwy: wiedzę, działanie i komunikację. Dzięki temu jedna rozmowa załatwia sprawę od początku do końca, bez przełączania się między pięcioma programami.

Odpowiada z bazy wiedzy firmy (RAG)

Fundamentem jest RAG, czyli wyszukiwanie w firmowych dokumentach: instrukcjach, DTR-kach, historii serwisowej, korespondencji z dostawcami. Pracownik pyta po polsku, natomiast odpowiedź powstaje wyłącznie na podstawie Waszych danych — z podanym źródłem. Więcej o tej warstwie piszę we wpisie o prywatnym ChatGPT dla firmy.

Działa w Twoich systemach: CMMS, arkusze, ERP

Druga warstwa to integracje. Agent zakłada zgłoszenia w CMMS, aktualizuje harmonogram w arkuszu Google albo odczytuje status zlecenia z ERP. Potrafi też przygotować szkic oferty na bazie historii wycen — jak w systemie opisanym we wpisie o AI w ofertowaniu. Ponadto każde działanie zostawia ślad, więc łatwo sprawdzić, kto i co zlecił.

Rozmawia tam, gdzie pracują ludzie: WhatsApp i panel na hali

Trzecia warstwa to kanały. W biurze naturalna jest przeglądarka, jednak na hali i w terenie wygrywa telefon. Dlatego moje wdrożenia obsługują WhatsApp: brygadzista wysyła wiadomość i po chwili dostaje odpowiedź albo potwierdzenie wykonanego zadania.

Przykładowe zadania agenta AI na produkcji

• „Jaki moment dokręcenia przy formie F-240?” — odpowiedź z DTR, z podaniem strony dokumentu;
• „Załóż zgłoszenie: wyciek oleju przy prasie P2″ — nowy rekord w CMMS z priorytetem i lokalizacją;
• „Ile zleceń czeka jutro na gięcie?” — odczyt z panelu produkcji w kilka sekund;
• „Zapytaj dostawcę o termin wałków” — szkic wiadomości na bazie historii korespondencji, do akceptacji;
• „Dopisz przestój do raportu zmiany” — nowy wiersz w arkuszu Google, bez otwierania laptopa.

Chatbot czy agent AI — porównanie możliwości

Agent AI on-premise: dane nie wychodzą z zakładu

Historia serwisowa, ceny i technologia to dane, których nie chcesz wysyłać do chmury. Dlatego buduję agentów na lokalnych modelach językowych (Bielik-11B, Qwen) uruchamianych przez Ollama na serwerze w firmie. W efekcie cała rozmowa i wszystkie dokumenty zostają w zakładzie, a zdalny dostęp działa wyłącznie przez szyfrowany Tailscale. Zgodność z RODO przestaje być tematem długich dyskusji z prawnikiem.

Ile kosztuje agent AI dla firmy produkcyjnej?

Budżet zależy głównie od liczby integracji. Sam asystent z bazą wiedzy (RAG) to zwykle 30–60 tys. zł netto. Agent z działaniami w dwóch–trzech systemach (CMMS, arkusze, WhatsApp) mieści się najczęściej w przedziale 50–120 tys. zł. Co ważne, takie wdrożenie łapie się na dotacje: Dig.IT pokrywa 50% kosztów prac programistycznych na zamówienie, a Pilotaż AI PARP do 70% — z priorytetem dla przetwórstwa przemysłowego. Realny wydatek często spada więc o połowę.

Wdrożenie agenta AI krok po kroku

1. Wybór jednego procesu, który boli najbardziej — na przykład zgłaszanie awarii albo pytania o dokumentację.
2. Zebranie źródeł wiedzy: instrukcje, DTR-ki, historia serwisowa, arkusze — nie muszą być idealnie uporządkowane.
3. Proof-of-concept na danych historycznych: od razu widać, na ile pytań agent odpowiada poprawnie.
4. Pilotaż z zatwierdzaniem — każde działanie w systemach akceptuje człowiek, dopóki nie zbuduje się zaufanie.
5. Kolejne integracje i kanały, w kolejności wyznaczanej przez realne potrzeby, a nie modę.

Formalną definicję agenta znajdziesz w artykule agent programowy w Wikipedii — w praktyce liczy się jednak nie definicja, tylko to, ile pracy system realnie zdejmuje z ludzi.

FAQ — agent AI w praktyce

Czy agent AI może sam podejmować decyzje? Działania odwracalne (wpis do arkusza, szkic wiadomości) wykonuje sam. Natomiast działania nieodwracalne — wysyłka oferty, zamówienie — zawsze zatwierdza człowiek.

Czy potrzebny jest drogi serwer GPU? Nie. Dla zespołu 10–50 osób wystarczy jedna karta klasy konsumenckiej, a często da się wykorzystać serwer, który już stoi w firmie.

Ile trwa wdrożenie? Proof-of-concept powstaje w 2–4 tygodnie. Pełny pilotaż z integracjami zamyka się zwykle w jeden kwartał.

Czy agent AI zadziała z naszym starym oprogramowaniem? Tak. Integruję się przez bazy danych, API albo pliki — na start wystarczy nawet Excel z historią zgłoszeń.

Podsumowanie

Agent AI dla firmy produkcyjnej to następny krok po chatbotach: system, który odpowiada z Waszej bazy wiedzy i od razu działa — w CMMS, arkuszach i na WhatsAppie, w całości na serwerze w zakładzie. Takich agentów buduję w RS Mobile — od proof-of-concept po utrzymanie, zawsze na serwerze klienta. Jeśli chcesz sprawdzić, który proces u Ciebie nadaje się na start — napisz do mnie przez formularz wyceny.