| REKLAMA |
 |
W badaniu przeprowadzonym przez Deloitte wyraźnie widać, że biznes dostrzega korzyści płynące z zastosowania generatywnej Sztucznej Inteligencji (Gen AI). Aż 67 proc. badanych firm, które podjęły pierwsze próby wdrożenia tej technologii, odnotowało namacalne korzyści. Te sukcesy, które poprawiły jakość produktów i usług oraz zwiększyły efektywność operacyjną, były zachętą do dalszych inwestycji. Mikołaj Garbarek z PSI Polska uważa, że w tym podejściu nie ma nic dziwnego.
Jesteś tym, co jesz
„Jesteś tym, co jesz” – to powiedzenie doskonale oddaje rzeczywistość w świecie technologii. Nawet najnowocześniejsze rozwiązania technologiczne nie mogą osiągnąć pełni swojego potencjału bez odpowiedniego „odżywienia”. Tak jak zdrowa dieta wpływa na nasze samopoczucie, tak dane wpływają na efektywność sztucznej inteligencji. Firmy coraz lepiej to rozumieją. W efekcie 75 proc. przedsiębiorstw intensyfikuje działania związane z zarządzaniem cyklem życia danych, a prawie połowa w poprawę ich jakości, aby zbudować solidne podstawy pod strategię wykorzystania generatywnej sztucznej inteligencji.
Zarządzanie danymi to jednak nie tylko wyzwanie techniczne, ale również strategiczne. Aż 55 proc. firm unika wdrażania pewnych rozwiązań Gen AI z powodu problemów z danymi, co pokazuje, jak kluczowe jest właściwe zarządzanie informacjami. Firmy muszą zmierzyć się z wyzwaniami związanymi z jakością danych, dostępnością odpowiednich zbiorów oraz zagadnieniami prywatności i bezpieczeństwa. Zrozumienie i skuteczne zarządzanie tymi wyzwaniami jest niezbędne do pomyślnego wdrożenia Gen AI.
Skalowanie to wyzwanie
Mimo intensywnych wysiłków wiele firm nadal napotyka trudności w przekształcaniu eksperymentów z Gen AI w działające rozwiązania. Aż 68 proc. firm przyznaje, że udało im się przenieść do produkcji jedynie 30 proc. lub mniej projektów z Gen AI, co wskazuje na wyzwania związane z przejściem od fazy testowej do realnego zastosowania tej technologii w codziennych operacjach. Kluczowym problemem jest skalowanie tych projektów, które wymaga nie tylko dobrze zdefiniowanej strategii, ale także solidnych fundamentów technologicznych i danych.
Co więcej, trudności te często wynikają z obaw firm związanych z przygotowaniem do zarządzania ryzykiem i wyzwaniami regulacyjnymi, które towarzyszą wdrażaniu Gen AI. Tylko 23 proc. firm czuje się dobrze przygotowanych w tym zakresie, co sugeruje, że obawy te mogą dodatkowo utrudniać wdrażanie projektów na szerszą skalę. W odpowiedzi na te wyzwania, 51 proc. firm wprowadza nowe ramy zarządzania ryzykiem, a 49 proc. monitoruje wymagania regulacyjne. Przykładem takiej regulacji jest unijne rozporządzenie AI Act, obejmujące m.in wymogi dotyczące transparentności algorytmów.
Źródło: PSI Polska
Generatywna AI szybko ewoluuje z nowinki technologicznej do kluczowego aktywa, które wspiera strategiczny rozwój firm. Wyniki pokazują, że wdrożenie tej technologii nie tylko poprawia operacje, ale także otwiera nowe ścieżki wzrostu. To wyraźny sygnał, że AI staje się ważnym elementem w budowaniu długoterminowej wartości i przewagi na rynku — pokreśla ekspert z poznańskiej spółki IT, która dostarcza systemy bazujące na AI, z których korzysta m.in. LPP.
Jesteś tym, co jesz
„Jesteś tym, co jesz” – to powiedzenie doskonale oddaje rzeczywistość w świecie technologii. Nawet najnowocześniejsze rozwiązania technologiczne nie mogą osiągnąć pełni swojego potencjału bez odpowiedniego „odżywienia”. Tak jak zdrowa dieta wpływa na nasze samopoczucie, tak dane wpływają na efektywność sztucznej inteligencji. Firmy coraz lepiej to rozumieją. W efekcie 75 proc. przedsiębiorstw intensyfikuje działania związane z zarządzaniem cyklem życia danych, a prawie połowa w poprawę ich jakości, aby zbudować solidne podstawy pod strategię wykorzystania generatywnej sztucznej inteligencji.
Świadomość, że technologia to jedno, a jakość danych to drugie, staje się coraz bardziej powszechna. Poprawa dokładności i bezpieczeństwa danych nie tylko ułatwia pracę, ale także znacząco zwiększa efektywność sztucznej inteligencji – wyjaśnia Mikołaj Garbarek, Dyrektor Działu Systemy dla Logistyki, PSI Polska.
Zarządzanie danymi to jednak nie tylko wyzwanie techniczne, ale również strategiczne. Aż 55 proc. firm unika wdrażania pewnych rozwiązań Gen AI z powodu problemów z danymi, co pokazuje, jak kluczowe jest właściwe zarządzanie informacjami. Firmy muszą zmierzyć się z wyzwaniami związanymi z jakością danych, dostępnością odpowiednich zbiorów oraz zagadnieniami prywatności i bezpieczeństwa. Zrozumienie i skuteczne zarządzanie tymi wyzwaniami jest niezbędne do pomyślnego wdrożenia Gen AI.
Skalowanie to wyzwanie
Mimo intensywnych wysiłków wiele firm nadal napotyka trudności w przekształcaniu eksperymentów z Gen AI w działające rozwiązania. Aż 68 proc. firm przyznaje, że udało im się przenieść do produkcji jedynie 30 proc. lub mniej projektów z Gen AI, co wskazuje na wyzwania związane z przejściem od fazy testowej do realnego zastosowania tej technologii w codziennych operacjach. Kluczowym problemem jest skalowanie tych projektów, które wymaga nie tylko dobrze zdefiniowanej strategii, ale także solidnych fundamentów technologicznych i danych.
Wiele firm napotyka trudności w przenoszeniu projektów AI z fazy testów do realnego zastosowania, co pokazuje, jak skomplikowane może być włączenie tej technologii do codziennych operacji. Aby przełamać te bariery, należy postawić na stopniowe wdrażanie, przy jednoczesnym podnoszeniu kompetencji pracowników oraz ściśle współpracować z ekspertami. Taka strategia znacznie zwiększa szanse na efektywne wykorzystanie AI w praktyce, przekształcając innowacje w rzeczywiste korzyści biznesowe – tłumaczy Mikołaj Garbarek z PSI Polska.
Co więcej, trudności te często wynikają z obaw firm związanych z przygotowaniem do zarządzania ryzykiem i wyzwaniami regulacyjnymi, które towarzyszą wdrażaniu Gen AI. Tylko 23 proc. firm czuje się dobrze przygotowanych w tym zakresie, co sugeruje, że obawy te mogą dodatkowo utrudniać wdrażanie projektów na szerszą skalę. W odpowiedzi na te wyzwania, 51 proc. firm wprowadza nowe ramy zarządzania ryzykiem, a 49 proc. monitoruje wymagania regulacyjne. Przykładem takiej regulacji jest unijne rozporządzenie AI Act, obejmujące m.in wymogi dotyczące transparentności algorytmów.
Źródło: PSI Polska
Najnowsze wiadomości
Customer-specific AI: dlaczego w 2026 roku to ona przesądza o realnym wpływie AI na biznes
W 2026 roku sztuczna inteligencja przestaje być ciekawostką technologiczną, a zaczyna być rozliczana z realnego wpływu na biznes. Organizacje oczekują dziś decyzji, którym można zaufać, procesów działających przewidywalnie oraz doświadczeń klientów, które są spójne w skali. W tym kontekście coraz większe znaczenie zyskuje customer-specific AI - podejście, w którym inteligencja jest osadzona w danych, procesach i regułach konkretnej firmy, a nie oparta na generycznych, uśrednionych modelach.
PROMAG S.A. rozpoczyna wdrożenie systemu ERP IFS Cloud we współpracy z L-Systems
PROMAG S.A., lider w obszarze intralogistyki, rozpoczął wdrożenie systemu ERP IFS Cloud, który ma wesprzeć dalszy rozwój firmy oraz integrację kluczowych procesów biznesowych. Projekt realizowany jest we współpracy z firmą L-Systems i obejmuje m.in. obszary finansów, produkcji, logistyki, projektów oraz serwisu, odpowiadając na rosnącą skalę i złożoność realizowanych przedsięwzięć.
SkyAlyne stawia na IFS dla utrzymania floty RCAF
SkyAlyne, główny wykonawca programu Future Aircrew Training (FAcT), wybrał IFS Cloud for Aviation Maintenance jako cyfrową platformę do obsługi technicznej lotnictwa i zarządzania majątkiem. Wdrożenie ma zapewnić wgląd w czasie rzeczywistym w utrzymanie floty, zasoby i zgodność, ograniczyć przestoje oraz zwiększyć dostępność samolotów szkoleniowych RCAF w skali całego kraju. To ważny krok w modernizacji kanadyjskiego systemu szkolenia załóg lotniczych.
Wykorzystanie AI w firmach rośnie, ale wolniej, niż oczekiwano. Towarzyszy temu sporo rozczarowań
Wykorzystanie sztucznej inteligencji w firmach rośnie, ale tempo realnych wdrożeń pozostaje znacznie wolniejsze od wcześniejszych oczekiwań rynku. Dane pokazują, że z rozwiązań AI korzysta dziś wciąż niewiele przedsiębiorstw, a menedżerowie coraz częściej wskazują na bariery regulacyjne, koszty oraz brak powtarzalnych efektów biznesowych. W praktyce technologia jest testowana głównie w wybranych obszarach, a kluczowe decyzje nadal pozostają po stronie człowieka. Również w firmach, które wdrożyły AI, nierzadko towarzyszą temu rozczarowania.
Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Najnowsze artykuły
5 pułapek zarządzania zmianą, które mogą wykoleić transformację cyfrową i wdrożenie ERP
Dlaczego jedne wdrożenia ERP dowożą korzyści, a inne kończą się frustracją, obejściami w Excelu i spadkiem zaufania do systemu? Najczęściej decyduje nie technologia, lecz to, jak organizacja prowadzi zmianę: czy liderzy biorą odpowiedzialność za decyzje czy tempo jest dopasowane do zdolności absorpcji oraz czy ludzie dostają klarowność ról i realne kompetencje. Do tego dochodzi pytanie: co po go-live - stabilizacja czy chaos w firmie? Poniżej znajdziesz 5 pułapek, które najczęściej wykolejają transformację i praktyczne sposoby, jak im zapobiec.
SAP vs Oracle vs Microsoft: jak naprawdę wygląda chmura i sztuczna inteligencja w ERP
Wybór systemu ERP w erze chmury i sztucznej inteligencji to decyzja, która determinuje sposób działania organizacji na lata- a często także jej zdolność do skalowania, adaptacji i realnej transformacji cyfrowej. SAP, Oracle i Microsoft oferują dziś rozwiązania, które na pierwszy rzut oka wyglądają podobnie, lecz w praktyce reprezentują zupełnie odmienne podejścia do chmury, AI i zarządzania zmianą. Ten artykuł pokazuje, gdzie kończą się deklaracje, a zaczynają realne konsekwencje biznesowe wyboru ERP.
Transformacja cyfrowa z perspektywy CFO: 5 rzeczy, które przesądzają o sukcesie (albo o kosztownej porażce)
Transformacja cyfrowa w finansach często zaczyna się od pytania o ERP, ale w praktyce rzadko sprowadza się wyłącznie do wyboru systemu. Dla CFO kluczowe jest nie tylko „czy robimy pełną wymianę ERP”, lecz także jak policzyć ryzyko operacyjne po uruchomieniu, ocenić wpływ modelu chmurowego na koszty OPEX oraz utrzymać audytowalność i kontrolę wewnętrzną w nowym modelu działania firmy.
Agentic AI rewolucjonizuje HR i doświadczenia pracowników
Agentic AI zmienia HR: zamiast odpowiadać na pytania, samodzielnie realizuje zadania, koordynuje procesy i podejmuje decyzje zgodnie z polityką firmy. To przełom porównywalny z transformacją CRM – teraz dotyczy doświadczenia pracownika. Zyskują HR managerowie, CIO i CEO: mniej operacji, więcej strategii. W artykule wyjaśniamy, jak ta technologia redefiniuje rolę HR i daje organizacjom przewagę, której nie da się łatwo nadrobić.
Composable ERP: Przewodnik po nowoczesnej architekturze biznesowej
Czy Twój system ERP nadąża za tempem zmian rynkowych, czy stał się cyfrową kotwicą hamującą rozwój? W dobie nieciągłości biznesowej tradycyjne monolity ustępują miejsca elastycznej architekturze Composable ERP. To rewolucyjne podejście pozwala budować środowisko IT z niezależnych modułów (PBC) niczym z klocków, zapewniając zwinność nieosiągalną dla systemów z przeszłości. W tym raporcie odkryjesz, jak uniknąć pułapki długu technologicznego, poznasz strategie liderów rynku (od SAP po MACH Alliance) i wyciągniesz lekcje z kosztownych błędów gigantów takich jak Ulta Beauty. To Twój strategiczny przewodnik po transformacji z cyfrowego "betonu" w adaptacyjną "plastelinę".
Customer-specific AI: dlaczego w 2026 roku to ona przesądza o realnym wpływie AI na biznes
W 2026 roku o wartości sztucznej inteligencji decyduje nie jej „nowość”, ale zdolność do dostarczan… / Czytaj więcej
Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością
Ponad 60% średnich przedsiębiorstw przemysłowych w Europie uważa, że tempo ich transformacji cyfrow… / Czytaj więcej
Nowa era komunikacji biznesowej, KSeF stał się faktem
Od 1 lutego 2026 roku, w Polsce z sukcesem rozpoczęła się nowa era elektronicznej komunikacji w biz… / Czytaj więcej
Co dziś decyduje o sukcesie projektów IT?
Według danych z analizy rynku IT w 2025 roku, 59% projektów jest ukończonych w ramach budżetu, 47%… / Czytaj więcej
Przemysł w 2026 roku: od eksperymentów do zdyscyplinowanego wdrażania AI
Rok 2026 będzie momentem przejścia firm produkcyjnych od pilotaży technologicznych do konsekwentnyc… / Czytaj więcej
Hakerzy nie kradną już tylko haseł. Oni kradną Twój czas i przyszłość. Jak chronić ERP przed paraliżem?
Hakerzy coraz rzadziej koncentrują się wyłącznie na kradzieży haseł. Ich prawdziwym celem jest dziś… / Czytaj więcej
