AI w przemyśle, AI w produkcji i sztuczna inteligencja w produkcji z kosztami wdrożenia

AI w produkcji zaczyna się od policzenia strat, nie od wyboru narzędzia

Większość nieudanych projektów AI w zakładach ma ten sam początek: ktoś zobaczył prezentację systemu wizyjnego albo platformy do predykcji i kupił technologię, zanim policzył, ile kosztuje problem, który ma rozwiązać. Kamera za 100 000 zł na linii, która ma 0,2 procent braków i żadnych reklamacji, nigdy się nie zwróci.

Dlatego pierwszy krok to trzy liczby z ostatniego roku. Ile godzin trwały nieplanowane postoje i ile kosztowała godzina postoju na danej linii. Ile kosztowały braki, poprawki i reklamacje od klientów. Ile godzin tygodniowo biuro spędza na wycenach, raportach i dokumentach. Ta z liczb, która jest największa, wskazuje, gdzie AI w przemyśle ma u ciebie sens.

Drugi krok to sprawdzenie danych. Kontrola jakości potrzebuje zdjęć wad, czyli setek dobrze oświetlonych przykładów, a nie dziesięciu. Predykcja awarii potrzebuje historii pracy maszyn i zapisu awarii, a jeśli zakład nie zbiera danych z czujników, pierwsze miesiące projektu to montaż czujników i zbieranie danych. Agent do ofert potrzebuje archiwum zapytań i wycen. Brak danych nie zamyka projektu, ale wydłuża go i podnosi koszt.

Wizyjna kontrola jakości z AI i jej koszt

Klasyczny system wizyjny sprawdza rzeczy, które da się opisać regułą: obecność elementu, wymiar, odczyt kodu DataMatrix. Model uczenia głębokiego jest potrzebny wtedy, gdy wada jest nieregularna, na przykład rysa na lakierze, pęcherz w odlewie, przebarwienie tkaniny albo uszkodzenie opakowania, a produkt ma naturalną zmienność wyglądu.

Według widełek integratora Execode z maja 2026 roku prosta kontrola obecności z jedną kamerą kosztuje od 8 000 do 20 000 zł, system z kilkoma kamerami do kontroli wymiarowej od 25 000 do 80 000 zł, system AI do wykrywania wad nieregularnych od 40 000 do 150 000 zł, a pełna linia inspekcyjna z odczytem kodów i archiwizacją wyników od 60 000 do 250 000 zł. Wdrożenie trwa zwykle od 4 do 12 tygodni, a najdłuższym etapem jest dobór oświetlenia i kalibracja, nie montaż.

Poważny integrator zaczyna od testu na twoich próbkach, zanim przedstawi wycenę. Jeśli wykonawca podaje cenę bez obejrzenia wad, wycenia sprzęt, a nie wynik. Szczegółowe porównanie kosztów, w tym tego, ile kosztuje utrzymanie modelu po wdrożeniu, opisujemy we wpisie wizyjna kontrola jakości, cena systemu i wdrożenia.

Predykcyjne utrzymanie ruchu, ile kosztuje pilotaż

Predykcyjne utrzymanie ruchu opłaca się na maszynach, których awaria zatrzymuje całą linię albo niszczy partię materiału: sprężarkach, pompach, wentylatorach, wrzecionach, przekładniach. Na maszynie, którą w razie awarii zastępuje druga stojąca obok, czujnik zwykle się nie zwróci.

Koszt zależy od skali. Pilotaż na kilku krytycznych maszynach to wydatek rzędu kilkudziesięciu tysięcy złotych, a system obejmujący cały zakład może kosztować kilka milionów, bo składa się z czujników i ich montażu, sieci, integracji z SCADA i systemem utrzymania ruchu, licencji oraz pracy analityka. Typowy zwrot podawany przez wykonawców to od 6 do 18 miesięcy.

Część dostawców sprzedaje oprogramowanie osobno od czujników. Przykładowo system do zarządzania utrzymaniem ruchu Tractian kosztuje 60 USD miesięcznie za użytkownika w planie Standard przy płatności rocznej i minimum 5 użytkownikach, a czujniki do monitorowania stanu maszyn wycenia indywidualnie. Przy porównywaniu ofert sprawdź, czy w cenie jest analityk, który interpretuje alarmy, bo bez niego dział utrzymania ruchu szybko zaczyna ignorować powiadomienia.

AI w biurze zakładu, najszybszy zwrot przy najmniejszym ryzyku

Najtańsze i najszybsze wdrożenie AI w firmie produkcyjnej zwykle nie dotyczy hali, tylko biura. Zakład, który dostaje kilkadziesiąt zapytań ofertowych tygodniowo, często odpowiada po kilku dniach, bo handlowiec ręcznie przepisuje specyfikację z maila i rysunku do kalkulatora. Agent AI robi to w kilka minut i oddaje handlowcowi gotowy szkic.

Wdrożenie takiego agenta wyceniane jest zwykle od 3 000 do 15 000 zł, zależnie od liczby procesów i integracji, plus abonament od kilkuset złotych miesięcznie. Pierwszy działający agent jest gotowy po 7 do 14 dniach, a pełna integracja z ERP przez API trwa od 4 do 6 tygodni. Takie przepływy buduje się najczęściej na n8n albo Make, a dokumenty od dostawców, faktury i atesty przechodzą przez elektroniczny obieg faktur z odczytem danych przez AI.

Ten kierunek ma jeszcze jedną zaletę: nie dotyka maszyn, więc nie wymaga zatrzymania linii, zmian w sterownikach ani oceny bezpieczeństwa. Dobrze nadaje się na pierwszy projekt, który przekona zarząd, zanim zakład wyda sześciocyfrową kwotę na kamery albo czujniki.

Monitoring, dane pracowników i przepisy o maszynach

Kamera nad linią prawie zawsze nagrywa też ludzi. Art. 22² Kodeksu pracy pozwala na monitoring wizyjny w celu kontroli produkcji, ale pracowników trzeba poinformować o celu, zakresie i sposobie monitoringu co najmniej dwa tygodnie przed jego uruchomieniem, a nagrania mogą służyć tylko do celu, w którym je zebrano. Najprościej ustawić kamerę inspekcyjną tak, żeby widziała produkt, a nie stanowisko pracy.

Dane z czujników maszyn zwykle nie są danymi osobowymi, ale dane z MES z przypisanym operatorem już tak. Zasady opisujemy we wpisie RODO a sztuczna inteligencja w firmie. Osobna kwestia to system AI, który steruje funkcją bezpieczeństwa maszyny, na przykład zatrzymuje ją, gdy wykryje człowieka w strefie. Taki system może zostać uznany za system wysokiego ryzyka w rozumieniu AI Act, a od 20 stycznia 2027 roku stosuje się nowe rozporządzenie maszynowe (UE) 2023/1230. Kontrola jakości i predykcja awarii zwykle tych wymagań nie uruchamiają, ale warto to potwierdzić z wykonawcą na początku. Obowiązki z AI Act zebraliśmy na stronie AI Act dla firm.

Jak wybrać wykonawcę wdrożenia AI w zakładzie

Wdrożenie AI w produkcji to praca na styku automatyki, IT i procesu. Zanim podpiszesz umowę, zadaj wykonawcy te pytania.

• Czy zrobi test na naszych próbkach albo danych przed przedstawieniem wyceny, i ile ten test kosztuje?
• Z jakimi sterownikami, systemami MES, SCADA i ERP pracował, i czy pokaże działające wdrożenie u podobnego producenta?
• Jaka skuteczność wykrywania wad albo awarii trafi do umowy jako warunek odbioru, i na jakim zbiorze zostanie zmierzona?
• Kto i za ile douczy model, gdy zmieni się produkt, dostawca materiału albo oświetlenie na hali?
• Gdzie będą przetwarzane obrazy i dane z maszyn: lokalnie na hali, w chmurze, w jakim kraju?
• W jakiej formie odbierzemy model, dane treningowe i konfigurację, jeśli zmienimy wykonawcę?