W polskim przemyśle sztuczna inteligencja nie wypchnęła ludzi od maszyn. Zaczęła natomiast mierzyć skuteczność ich przełożonych, a Grzegorz Putynkowski, prezes Centrum Badań i Rozwoju Technologii dla Przemysłu, mówi wprost, że nawet prezes nie jest przed tym całkowicie bezpieczny.
Kluczowe fakty:
- Sztuczna inteligencja w przemyśle nie zastępuje robotów, lecz rozszerza liczbę sygnałów, które robot bierze pod uwagę przed wykonaniem ruchu, co przekłada się na dokładniejszą trajektorię i lepiej dobraną siłę działania.
- Systemy AI monitorują efektywność pracowników na wszystkich szczeblach – od operatorów po menedżerów, a prezes CBRTP Grzegorz Putynkowski wskazuje, że nawet prezes firmy nie jest przed taką oceną bezpieczny.
- Zapotrzebowanie na moc obliczeniową podczas uczenia modeli AI bywa tysiące razy większe niż w tradycyjnej automatyzacji, dlatego do zakładów trafia lżejszy algorytm wykonawczy, a obok sterowników PLC instaluje się dedykowane komputery o odpowiedniej mocy.
Wywiad, który Elżbieta Rutkowska opublikowała 23 sierpnia w WNP.pl, jest jednym z niewielu tekstów o AI w przemyśle, w którym nie chodzi o demonstracje na targach ani o zapowiedzi na 2030 rok. Chodzi o to, co dzieje się teraz w polskich zakładach, i o rachunek, który ktoś musi za to zapłacić.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Zmysły, których robot dotąd nie miał
Putynkowski układa to inaczej, niż zwykle się o tym pisze. Sztuczna inteligencja nie zmienia samego robota, bo ramię sześcioosiowe pozostaje ramieniem sześcioosiowym. Zmienia liczbę sygnałów, które ten robot potrafi wziąć pod uwagę, zanim wykona ruch.
„Tak, to zestaw jego zmysłów” mówi o AI w kontekście robota. Im więcej czynników trafia do algorytmu, tym dokładniejsza trajektoria, lepiej dobrana siła, skuteczniejsza operacja. Prezes CBRTP dodaje, że w krótkim czasie system potrafi ocenić stan maszyny i jej otoczenia, a potem przygotować gotową informację decyzyjną dla operatora, brygadzisty albo menedżera.
Techniczna strona jest mniej romantyczna. Model uczy się w dużym środowisku rozwojowym na ogromnych zbiorach, a do zakładu trafia lżejszy algorytm wykonawczy. Sterowniki PLC nie mają na to zasobów, więc obok stawia się komputer o odpowiedniej mocy. Zapotrzebowanie na moc obliczeniową podczas uczenia bywa, jak mówi Putynkowski, tysiące razy większe niż w tradycyjnej automatyzacji.
Ciekawy jest przywoływany przez niego przykład Tesli. Gdy firma znalazła się na granicy zdolności finansowych do realizacji zamówień, obok w pełni zrobotyzowanych hal postawiła namioty produkcyjne i w trybie półautomatycznym, łącząc ludzi z maszynami, wykonała plan. Według prezesa CBRTP uzyskała przy tym lepszą jakość i wydajność niż proces w pełni zrobotyzowany, a rozwiązanie stało się standardem powielanym w zakładach Tesli na świecie.
Kilkaset tysięcy detali dla jednego pęknięcia włosowatego
Najbardziej konkretny fragment rozmowy dotyczy kontroli jakości drewna. W drewnie występują dziesiątki rodzajów wad. Zwykła kamera części z nich nie zauważy albo odrzuci razem z wadliwymi także dobre elementy, co jest kosztowne w drugą stronę.
W jednym z projektów CBRTP trzeba było przeskanować kilkaset tysięcy detali i półwyrobów, analizując jednocześnie geometrię w trzech wymiarach i obraz. Wady mniejsze niż 0,1 milimetra, poza zasięgiem detekcji geometrycznej, rozpoznawano po zaburzeniach kolorystycznych i różnicach tonalnych między pikselami. Tak wyłapywano pęknięcia włosowate, które przy klasycznym profilowaniu 3D pozostają niewidoczne, a w lakierowaniu potrafią wywrócić do góry nogami całą partię mebli.
I tu pada zdanie, które powinno ostudzić entuzjazm każdego, kto liczy na gotowe rozwiązanie z półki: raz zbudowanej bazy wad nie da się po prostu przenieść do innej firmy. Partnerzy przemysłowi pilnują know-how, a same zbiory danych są przewagą konkurencyjną. Nie ma też gwarancji, że ten sam zbiór w innej sieci neuronowej da identyczny efekt.
Arytmetyka, która przekonuje zarządy
Putynkowski rozkłada strukturę kosztów w przemyśle produktowym w sposób, który tłumaczy, dlaczego inwestycje w AI przechodzą przez komitety inwestycyjne:
- materiał: od 50 do 70 procent kosztu wytworzenia
- ludzie: od 15 do 25 procent
- energia: pozostała część
Jeżeli z kosztów pracy udaje się wyciągnąć dodatkowe 5 do 7 procent, przy miliardowych obrotach robi się z tego pozycja, o której rozmawia zarząd. W małej i średniej skali też, tylko rzędy wielkości są inne. Prezes CBRTP twierdzi, że sensowna inwestycja w mniejszym zakładzie może zamknąć się w kilkudziesięciu tysiącach złotych, choć bywają też projekty wielomilionowe.
Ten wywiad czytałem dwa razy i za drugim razem zatrzymałem się na czymś, czego autor rozmowy chyba nie planował jako głównego wątku. Putynkowski mówi, że algorytmy nie zredukowały kadr na niskim i średnim szczeblu, ale dobrały się do menedżerów. To brzmi jak sprawiedliwość dziejowa i pewnie część czytelników przyjmie to z satysfakcją. Tylko że warstwa średniego kierownictwa nie jest wyłącznie warstwą raportowania. To także miejsce, w którym ludzie uczą się zarządzać, zanim trafią wyżej. Jeśli ją wycinamy, bo elektroniczny asystent szybciej złoży raport dla zarządu, to za kilka lat możemy nie mieć kim obsadzić stanowisk, na które ten asystent nikogo nie przygotował.
Druga rzecz, przy której się zatrzymałem, to spokojne stwierdzenie, że firmy nie mają czasu. Zgadzam się z diagnozą i nie zgadzam z wnioskiem, że wdrażanie w trybie przymusu jest neutralne. Wdrożenie robione pod presją konkurencji wygląda inaczej niż wdrożenie zaplanowane. Częściej kończy się kupieniem cudzego modelu razem z cudzymi ograniczeniami i bez praw do tego, co powstanie po drodze.
Pytanie, które postawiłbym każdemu zarządowi przed podpisaniem takiej umowy: kto po wdrożeniu jest właścicielem danych i modelu, i co się stanie, gdy dostawca w trzecim roku zmieni cennik.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Polska ma 81 robotów na 10 tysięcy pracowników, Czechy 113
Tu wchodzi kontekst, którego w wywiadzie nie ma, a bez którego trudno ocenić skalę wyzwania. Według raportu World Robotics 2025 Międzynarodowej Federacji Robotyki (IFR) gęstość robotyzacji w polskim przemyśle ogólnym wynosi 81 robotów na 10 tysięcy zatrudnionych, przy 113 w Czechach, 88 na Węgrzech i 71 na Słowacji. W motoryzacji wskaźnik sięga 247, w pozostałych gałęziach przemysłu 62. W 2024 roku w Polsce zainstalowano 2344 nowe roboty, mniej niż rok wcześniej, co dało 20. miejsce na świecie i 8. w Europie. Średnia światowa to 177 robotów na 10 tysięcy pracowników, a globalnie zainstalowano w 2024 roku 542 tysiące maszyn, z czego 295 tysięcy w Chinach.
Jest też druga strona tej statystyki, o której rzadko się mówi. W latach 2020 do 2024 gęstość robotyzacji w Polsce wzrosła o 56 procent, podczas gdy w Czechach o 33 procent, na Węgrzech o 43, a na Słowacji o 20. Nadrabiamy szybciej niż region, tylko z niższego poziomu i przy krótszym dystansie do końca wyścigu.
Putynkowski uważa, że polski przemysł jest na ten skok gotowy technicznie, bo jesteśmy ważnym producentem OEM dla Europy i mamy kulturę inżynierską oraz zaplecze programistyczne. Największą barierą, poza kapitałem, nazywa brak edukacji i wiedzy o skutecznym wykorzystaniu AI, i to zarówno wewnątrz zakładów, jak i w szkolnictwie. Dodaje przy tym zdanie, które zapamiętałem: „Polska zaradność, interdyscyplinarne spojrzenie i umiejętność łączenia wielu wątków są dużą wartością. Nie powinniśmy ich oddawać algorytmom”.
Spłaszczanie struktur nie jest polską specjalnością
Teza o menedżerach nie wisi w powietrzu. Gartner prognozował, że do końca 2026 roku jedna na pięć organizacji wykorzysta AI do spłaszczenia struktury, likwidując ponad połowę obecnych stanowisk średniego kierownictwa. Według Korn Ferry 41 procent pracowników na świecie i 44 procent w Stanach Zjednoczonych mówi, że ich organizacja usunęła szczeble kierownicze, a z analizy Live Data Technologies dla Bloomberga wynika, że stanowiska średniego szczebla odpowiadały za niemal trzecią część zwolnień w 2023 roku, wobec 20 procent w 2018.
Najbardziej dosłownie ujął to Matthew Prince, prezes Cloudflare, tłumacząc publicznie, kogo objęła redukcja w jego firmie:
„Zdecydowana większość osób, które zwolniliśmy w ostatnim tygodniu, to byli mierzący” / „the vast majority of those we laid off last week were measurers”
Prince wymienił średnie kierownictwo, finanse, dział prawny, audyt wewnętrzny i rozliczanie przychodów. Polski przemysł nie jest Cloudflare, ale mechanizm jest ten sam. Dotąd raport szedł od brygadzisty przez kierownika i dyrektora do zarządu. Dziś członek zarządu może sięgnąć po dane ekonomiczne, technologiczne i procesowe bez tej drabiny.
Humanoid wejdzie tam, gdzie precyzja przeszkadza
Najmniej oczywisty fragment rozmowy dotyczy miejsc, w których klasyczna automatyzacja przegrywa. CBRTP pracowało nad zrobotyzowaną maszyną do murowania i tynkowania, a wniosek był taki, że murowanie, wygładzanie i precyzyjne układanie płytek są operacjami manualnymi zbyt złożonymi, by robot zastąpił człowieka.
Podobny problem występuje na ostatniej mili produkcji, czyli przy pakowaniu. Zakład może mieć setki albo tysiące indeksów produktowych w jednym strumieniu, a rodzaj opakowania i sposób pakowania zmieniają się co chwilę. I właśnie tam, zdaniem Putynkowskiego, roboty humanoidalne mogą zrobić różnicę: nie dorównują dokładnością klasycznym robotom przemysłowym, ale szybko zmieniają pozycję i adaptacyjnie sięgają po inny element. W budownictwie mogłyby odciążać ludzi od czynności niszczących zdrowie, a w przyszłości uczyć się ruchów od rzemieślnika.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Pięć lat i zahamowane dotacje
Na pytanie, ile czasu mają przedsiębiorstwa, prezes CBRTP odpowiada krótko: „Nie mają czasu”. Rynki azjatycki i amerykański rozwijają mechanizmy AI tak szybko, że w ciągu pięciu lat zagraniczny przemysł może zbudować przewagi niedoścignione w konwencjonalny sposób.
Etap, na którym jesteśmy, nazywa „niechcianą demonstracją na żywym organizmie”. Firmy są do wdrożeń przymuszane presją kosztową i tempem zmian, a nie planują ich spokojnie. Motoryzacja i branża drzewna, a za chwilę logistyka i transport, muszą według niego wprowadzać AI natychmiast.
Osobno pojawia się zarzut, który w polskich realiach jest poważny: lepszego wykorzystania programów dotacyjnych takich jak STEP, SMART czy Horizon Europe, co, jak mówi Putynkowski, „aktualnie zostało niemal całkowicie zahamowane i zapewne będzie miało negatywne skutki w przyszłości”. Bez publicznych środków finansujących ryzyka wdrożeń krajowy przemysł, jego zdaniem, straci szansę na zbudowanie trwałej wartości dodanej.
A na koniec chyba najlepszy obraz z całej rozmowy. Algorytmy w rodzaju ChatGPT, nawet najnowsze i w wersji korporacyjnej, są dla prezesa CBRTP jak „gigantyczne dziesięcioletnie dziecko, które wprawdzie wszystko zapamiętuje i przetwarza informacje w niewyobrażalnym tempie, ale potrzebuje precyzyjnych instrukcji i ograniczeń”. Człowiek zachowa decydujący wpływ jeszcze kilkanaście, może kilkadziesiąt lat. Chyba że wcześniej rozwiną się technologie kwantowe, a wtedy, jak przyznaje, dopiero poznamy rzeczywiste możliwości tych systemów.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz wywiadu Elżbiety Rutkowskiej z Grzegorzem Putynkowskim, prezesem Centrum Badań i Rozwoju Technologii dla Przemysłu, opublikowanego w WNP.pl z dnia 23.08.2026, a także danych z raportu World Robotics 2025 Międzynarodowej Federacji Robotyki (IFR), prognoz Gartnera, badań Korn Ferry oraz analizy Live Data Technologies dla Bloomberga. Kontekst globalnej redukcji kadr menedżerskich oparto na materiałach Forbes i TechCrunch. Wypowiedzi Grzegorza Putynkowskiego zostały zweryfikowane z oryginalnym polskim materiałem źródłowym, cytat Matthew Prince’a, prezesa Cloudflare, z materiałem anglojęzycznym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych o robotyzacji polskiego przemysłu i wpływie AI na strukturę zatrudnienia w produkcji.
