AI

Sektor logistyczny w Polsce zbliża się do granicy, której nie da się przesunąć narzędziami HR. Skala odpływu pracowników z transportu, spedycji i magazynowania szacowana na 150 tys. osób w perspektywie dekady oraz blisko 12 tys. nieobsadzonych wakatów w TSL na koniec III kwartału 2025 r. nie są zjawiskiem koniunkturalnym. To strukturalna zmiana podaży pracy, która wymusza zmianę modelu działania całej branży. Sama rekrutacja przestaje być rozwiązaniem. Decydują o tym trzy nakładające się trendy. Po pierwsze – demografia: liczba osób w wieku produkcyjnym spadła w skali roku o 128 tys., a według prognoz GUS do 2060 r. zmniejszy się o kolejne 6,7 mln. Po drugie – atrakcyjność stanowisk operacyjnych w magazynie systematycznie maleje. Po trzecie – kanał migracyjny przestał kompensować lukę: liczba kierowców-cudzoziemców obniżyła się ze 162 tys. w 2023 r. do około 145 tys. obecnie. Rachunek ekonomiczny przemawia za automatyzacją W tych warunkach jedynym skalowalnym kierunkiem pozostaje podnoszenie efektywności operacyjnej poprzez automatyzację i sztuczną inteligencję. To nie jest wybór ideologiczny – to rachunek ekonomiczny. Robot Stretch wdrożony przez DHL rozładowuje 700 kartonów na godzinę, czyli dwu- do trzykrotnie szybciej od człowieka, pracując w ciągłym cyklu. DHL zakontraktował dostawę kolejnego 1 000 jednostek do 2030 r. Cena humanoida Unitree G1 wynosi obecnie ok. 5 900 USD, podczas gdy trzy lata temu porównywalna konstrukcja kosztowała ćwierć miliona dolarów. Klasyczna automatyka magazynowa wymaga przebudowy obiektu i kapitałochłonnych inwestycji w infrastrukturę. Roboty humanoidalne działają w przestrzeni zaprojektowanej dla człowieka, bez zmiany layoutu. Pozwala to skalować zatrudnienie hybrydowo – do dziesięcioosobowego zespołu można dołączyć kilka jednostek bez przerywania pracy magazynu, co obniża barierę wejścia i skraca czas zwrotu z inwestycji. Polska – niska baza robotyzacji jako przewaga Skala robotyzacji w Polsce pozostaje niska. Według raportu IFR World Robotics 2025 gęstość robotyzacji w polskim przemyśle wynosi 81 robotów na 10 tys. pracowników, przy średniej europejskiej 148 i światowej 177. Korea Południowa osiąga 1 012, Niemcy ok. 415. Paradoksalnie ta niska baza staje się przewagą – rynki, które wcześniej zainwestowały w automatykę pierwszej generacji, posiadają dziś bazę technologiczną wymagającą wymiany. Polskie firmy mogą wejść od razu w rozwiązania najnowszej generacji. Warunki skutecznego wdrożenia Skuteczne wdrożenie wymaga trzech warunków: uporządkowania procesów i organizacji magazynu, wysokiej jakości danych w systemach WMS oraz decyzji inwestycyjnych podejmowanych z wyprzedzeniem. W ciągu najbliższych pięciu lat zdolność do efektywnego łączenia pracy ludzi, systemów WMS opartych na AI i robotów stanie się jedną z kluczowych przewag konkurencyjnych w logistyce. Firmy, które zaczną budować te kompetencje dziś, w 2030 r. będą operować na zupełnie innym poziomie kosztów jednostkowych niż te, które potraktują temat jako odległą perspektywę.

Za nami intensywne road show w ramach Kongresu Biur Rachunkowych Comarch. Podczas tegorocznej edycji szczególnie wybrzmiała jedna teza: branża księgowa się zmienia, aktywnie wspierając się technologią, w tym sztuczną inteligencją. Wspólnie z setkami właścicieli biur i ekspertów rozmawialiśmy o tym, jak narzędzia technologiczne realnie zmieniają codzienną pracę z dokumentami i klientem.  Program tegorocznej edycji, która ze względu na duże zainteresowanie odbyła się w trzech miastach: Krakowie, Warszawie, Poznaniu, był intensywny i skupiony na praktycznych aspektach prowadzenia nowoczesnego biura rachunkowego.  Eksperci dyskutowali m.in. o ewolucji modelu biznesowego biura, zmianach związanych z KSeF oraz cyfrowych procesach organizujących pracę. Rozmawiano o tym, jak zautomatyzować obieg dokumentów, by zyskać czas na budowanie relacji z klientem, oraz jak AI działa w obszarze księgowości. Ciekawe dyskusje – podczas prelekcji czy debaty eksperckiej z udziałem specjalistów od księgowości – toczyły się wokół cyfryzacji biur i użycia sztucznej inteligencji, która wspiera procesy i decyzje księgowego. Biura rachunkowe są strategiczną branżą dla Comarch – z firmą współpracuje 13 tys. biur, z których wiele korzysta z jej oprogramowania od lat. Dlatego spółka priorytetowo rozwija narzędzia i systemy przeznaczone dla segmentu księgowości. W zeszłym roku na rynku z przytupem zadebiutował program dla jednoosobowych działalności gospodarczych i małych firm Comarch Betterfly, z którego już teraz korzystają dziesiątki tysięcy klientów. Firma modernizuje też swój flagowy program Comarch ERP Optima, dostępny również w wersji webowej.  Wszystkie te produkty integruje sztuczna inteligencja – Comarch, zgodnie z filozofią “AI first”, mocno stawia na budowę agentów AI, którzy automatyzują księgowanie faktur w KSeF. Firma wprowadzi w tym roku około 20 cyfrowych asystentów, m.in. weryfikujących faktury, dokonujących klasyfikacji kosztowej czy dobierających właściwy schemat księgowy, co usprawnia proces obsługi klientów. Kongres był także okazją do wyróżnienia cyfrowych liderów księgowości, wyznaczających standardy w branży. Nagrody “Best in Class by Comarch” trafiły do biur, które nie tylko wdrażają innowacje i aktywnie korzystają ze sztucznej inteligencji, ale robią to z myślą o realnej wartości dla swoich klientów i komforcie pracy własnych zespołów.  W kategorii Lider Cyfrowej Księgowości Comarch Betterfly nagrody otrzymały biura, które poprawnie założyły najwięcej kont Comarch Betterfly. Laureaci: Lider Ogólnopolski – ETL POLSKA S.A. I Księgowanie.pl Sp. z o.o. Lider Regionu Południowego – Biuro Rachunkowe DECREE Monika Chronowska Lider Regionu Zachodniego – Biuro Biegłego Rewidenta Krzysztof Powąska Poza tym nagrodzono też Lidera Efektywności w Programie Partnerskim – zostało nim Biuro Rachunkowe K-LEX Kowalska Krystyna – oraz Lidera Automatyzacji i AI; tytuł ten powędrował do Tax Medica sp. z o.o. Comarch ma w planach cykliczną organizację Konkursu, by docenić biura aktywnie cyfryzujące pracę swoją i klientów. Block Quote Autor zdjęcia głównego: Łukasz Korab

26 i 27 maja Poznań stał się centrum technologicznym. Podczas gdy w sąsiednich pawilonach trwały targi MODERNLOG i ITM, zespół portalu myERP wziął udział w konferencji Smart Warehouse 2026.   Smart Warehouse to wydarzenie, które przez lata ugruntowało swoją pozycję jednego z największych eventów logistycznych w Polsce. Pierwotna rada programowa, którą utworzono w 2019 r., zdążyła rozrosnąć się do dziesięciu ekspertów w zakresie logistyki, e-commerce i nowych technologii.   Ta edycja Smart Warehouse była wyjątkowa – między innymi ze względu na obecność Platynowego Partnera, Toyota Automated Logistics. To był jednocześnie moment dla marki, by zadebiutować na polskim rynku w wielkim stylu. Katarzyna Błaszkiewicz, Business Development Manager CEE w Toyota Automated Logistics, była zatem istotną twarzą konferencji. W trakcie pierwszego dnia poprowadziła Keynote speech u boku Jamesa Osborna (Director of Customer Engagement). Opowiedzieli więcej o strategicznej wizji marki i nadchodzących projektach oraz celach biznesowych.   Dyskusje bez tabu  Panelem otwarcia była poprowadzona przez Monikę Dudę-Tulejko (M4 Real Estate) i Jarosława Dąbrowskiego (Hardis Supply Chain) debata o roli partnerstw w branży logistycznej. Wraz z prelegentami – Jamesem Osbornem (Toyota Automated Logistics), Łukaszem Wolskim (GXO), Kamilem Bebenkiem (Beko) i Grzegorzem Szatanem (Allegro) – pochylili się nad kompleksową rolą bezpieczeństwa. Trudno je jednak zapewnić bez odpowiedniej współpracy między producentami, retailerami, operatorami logistycznymi czy integratorami.   Źródło: Paweł Miecznik Miecznik Studio Sporą część programu zajęły panele dotyczące automatyzacji magazynowej. Kluczowy wyróżnik? Fakt, że w żadnym nie dało się wyczuć sprzedażowych frazesów. Wszystkie dyskusje podejmowały kwestie trudne i często niewygodne dla kierowników i dyrektorów firm logistycznych. Eksperci nie bali się mówić również o tych wdrożeniach, z których trudno być dumnym. To jednocześnie była okazja dla słuchaczy, by nauczyć się na błędach prelegentów. Wynikały one m.in. z nieprawidłowości w projektach czy problemach z realizacją założonych KPI. Więcej szczegółów uczestnicy mogli poznać na panelach “#warehouse_automation” i “F*ck up case study”.   Inne panele, takie jak “#AI_IoT_digitalization”, podejmowały zagadnienia związane ze sztuczną inteligencją czy Internetem rzeczy. To rozwiązania, które dziś zdecydowanie prowadzą rewolucję w branży technologicznej, a także w logistyce. Nie zabrakło również robotyki. Przez całe dwa dni po pawilonie 3A poruszały się roboty – zarówno na kołach, jak i na własnych nogach. Temat dopełniał panel “#robotics_future_technology”. Obok prelegentów pojawił się humanoid ALF z Politechniki Rzeszowskiej.   Quo vadis, technologio?  Drugi dzień konferencji, choć krótszy, nie był mniej intensywny. Zespół Manpower Group przedstawił wyniki ogólnopolskiego badania “Dokąd zmierzasz logistyko?”. Raport dogłębnie analizuje poziom cyfryzacji polskich przedsiębiorstw oraz różnorodność inwestycji w nowe technologie. Panel był również okazją do dyskusji nad cyberbezpieczeństwem i zagrożeniami, którym branża logistyczna powinna sprostać.   Po południu w Sali Niebieskiej odbyły się warsztaty Sente dotyczące wykorzystania AI w systemie WMS. Wojciech Nowak (Partner zarządzający) oraz Marcin Smereka (CTO) zaprezentowali praktyczne zastosowanie sztucznej inteligencji w Teneum. To pozwala na szybkie diagnozowanie problemów i reagowanie na zmiany w czasie rzeczywistym. Po tej prezentacji na sali pojawiły się pytania ze strony słuchaczy.  Na zakończenie dnia uczestnicy konferencji zostali zaproszeni do centrum logistyki zwrotów GXO w Poznaniu. Celem wizyty studyjnej było pokazanie autorskich rozwiązań ESG w praktyce. Dzięki nim towary zwrócone w ramach zakupów online mogą stać się wartością.   Źródło: Paweł Miecznik Miecznik Studio Świetlista przyszłość Smart Warehouse  Jak poinformowała jedna z organizatorów i pomysłodawczyni wydarzenia, Ilona Miziewicz-Groszczyk, “Smart” dokona pewnej ekspansji. Już na starcie pojawiła się zapowiedź współpracy z innymi, europejskimi firmami. Dzięki temu następna konferencja najpewniej zostanie poprowadzona w języku angielskim. Te słowa zdecydowanie chodziły mi po głowie aż do końca wydarzenia.   Społeczność Smart Warehouse z roku na rok rośnie w siłę, o czym świadczy aktywne uczestnictwo w konferencji. Warto obserwować, jak to wydarzenie się rozwinie w nadchodzących latach.  

Model działa… dopóki nie spotka realnych danych W projektach AI w finansach i controllingu, bardzo szybko wychodzi na jaw jedna dość niewygodna prawda: największym wyzwaniem wcale nie jest sam model ani jego architektura, tylko dane, na których ma pracować. Na etapie pilotażu wszystko zwykle wygląda obiecująco — dane są często „oczyszczone”, zakres ograniczony, a środowisko kontrolowane. Model potrafi wtedy dawać wyniki, które są spójne i biznesowo sensowne, co buduje początkowy entuzjazm. Zderzenie z rzeczywistością następuje dopiero wtedy, gdy podłączamy go do pełnych, produkcyjnych strumieni danych. Wtedy okazuje się, że te same pojęcia są różnie interpretowane w zależności od systemu, dane historyczne mają luki, a ich struktura zmieniała się w czasie. I w tym momencie dyskusja bardzo szybko przestaje dotyczyć strojenia modelu, a zaczyna dotyczyć tego, czy w ogóle mamy jedną, spójną wersję danych wejściowych. Rozproszone definicje rzeczywistości w organizacji W finansach często dane są naturalnie rozproszone pomiędzy wiele obszarów: zarządzanie ryzykiem, sprzedaż, operacje, księgowość czy raportowanie regulacyjne. Każdy z tych obszarów przez lata budował własne systemy i własne definicje kluczowych pojęć. W efekcie to samo pojęcie, na przykład „aktywny klient” czy „przychód netto”, może być liczone w kilku różnych wariantach, zależnie od tego, kto je definiuje i w jakim kontekście. Dopóki te różnice nie zostaną ujednolicone, sztuczna inteligencja nie ma szans nauczyć się jednej rzeczywistości biznesowej. Zamiast tego uczy się kilku równoległych wersji prawdy, które nakładają się na siebie w sposób trudny do wychwycenia. To z kolei prowadzi do sytuacji, w której model działa poprawnie statystycznie, ale jego decyzje w praktyce są niespójne lub trudne do obrony biznesowo. Zarządzanie danymi w praktyce, a nie w teorii Data governance w praktyce bardzo rzadko wygląda jak elegancki dokument czy formalna polityka. Znacznie częściej sprowadza się do bardzo konkretnych i momentami niewygodnych pytań: skąd dokładnie pochodzi dana wartość, kto jest odpowiedzialny za jej definicję, jak została policzona i czy jesteśmy w stanie odtworzyć ją w czasie w identyczny sposób. Dopiero wtedy pojawiają się realne mechanizmy, które pozwalają to uporządkować: katalog danych, śledzenie ich pochodzenia, wersjonowanie definicji biznesowych czy kontrola dostępu oparta na rolach. To wszystko przestaje być „ładną architekturą”, a staje się warunkiem koniecznym tego, żeby w ogóle móc ufać wynikom modeli analitycznych i wykorzystywać je w procesach decyzyjnych. Problem rzadko polega na braku danych Wbrew częstemu przekonaniu, w finansach rzadko mamy do czynienia z realnym brakiem danych. Problemem nie jest ich ilość, tylko jakość, spójność i kontekst. Dane często są niepełne, opóźnione, albo zmieniały sposób wyliczania w czasie bez pełnej dokumentacji tych zmian. Zdarza się też, że pochodzą z różnych systemów, które nigdy nie były projektowane z myślą o wspólnym wykorzystaniu analitycznym. Modele sztucznej inteligencji nie „rozumieją” tych niuansów. Dla nich dane są po prostu wejściem liczbowym, na którym uczą się wzorców. Jeśli te dane są niespójne, to wzorce również będą przypadkowe, nawet jeśli na pierwszy rzut oka wyniki wyglądają wiarygodnie. To właśnie dlatego wiele modeli dobrze wypada w testach, a zawodzi dopiero w środowisku produkcyjnym. AI zaczyna się tam, gdzie kończy się chaos danych W praktyce wdrożeniowej bardzo szybko dochodzi się do momentu, w którym staje się jasne, że bez uporządkowania danych nie da się nawet ocenić, czy model działa poprawnie. Brakuje punktu odniesienia, bo nie istnieje jedna, spójna definicja tego, co jest „prawdą” w danych. Każdy wynik można zakwestionować, bo jego źródło i sposób powstania nie są w pełni przejrzyste. W finansach ten problem jest dodatkowo wzmocniony przez regulacje i wymagania audytowe. Nie wystarczy, że model działa — trzeba jeszcze umieć wyjaśnić, skąd wziął się wynik, jakie dane go wygenerowały i czy można go w pełni odtworzyć. Bez tego sztuczna inteligencja nie jest narzędziem decyzyjnym, tylko czarną skrzynką, której nie da się używać w procesach o wysokiej odpowiedzialności. Rola osoby wdrażającej: łączenie trzech światów Osoba wdrażająca rozwiązania AI w finansach bardzo często znajduje się w roli pośrednika między trzema różnymi perspektywami. Biznes oczekuje szybkich efektów i wartości, zespoły technologiczne koncentrują się na stabilności i architekturze, a obszary ryzyka oraz zgodności z regulacjami wymagają pełnej przejrzystości i możliwości audytu. Bez wspólnego języka te trzy światy bardzo łatwo się rozjeżdżają. Data governance staje się wtedy nie tyle zestawem zasad, co sposobem na doprowadzenie do sytuacji, w której wszyscy mówią o tych samych danych i w ten sam sposób je rozumieją. Dopiero wtedy możliwe jest sensowne skalowanie rozwiązań opartych na sztucznej inteligencji. Wniosek… Z doświadczenia projektowego wynika dość jednoznaczny wniosek: modele sztucznej inteligencji można doskonalić iteracyjnie, ale jeśli dane wejściowe są niespójne, każda kolejna iteracja tylko utrwala istniejące problemy. W efekcie zamiast poprawy jakości decyzji otrzymujemy coraz bardziej skomplikowany system, który nadal opiera się na niepewnych fundamentach. Dlatego w finansach (ale nie tylko!) realne wdrożenia AI rzadko zaczynają się od modeli. Zaczynają się od porządkowania danych, ujednolicania definicji i budowania odpowiedzialności za informacje. Dopiero na takim fundamencie sztuczna inteligencja staje się narzędziem, które rzeczywiście wspiera decyzje biznesowe, a nie tylko je symuluje.

Sztuczna inteligencja coraz szybciej przestaje być eksperymentem, a staje się realnym narzędziem transformacji w branży budowy maszyn i urządzeń. Wykorzystywana do analizy danych produkcyjnych w czasie rzeczywistym, predykcyjnego utrzymania ruchu czy automatycznej kontroli jakości, AI pomaga firmom zwiększać efektywność, ograniczać przestoje i lepiej reagować na rosnącą presję kosztową oraz braki kadrowe. Jak pokazują doświadczenia rynkowe, jej zastosowanie obejmuje dziś cały cykl życia maszyny – od projektowania po serwis i eksploatację. Jak wskazują eksperci Proalpha Polska, AI przestaje być technologią przyszłości, a staje się praktycznym narzędziem wykorzystywanym na wszystkich etapach cyklu życia maszyny: od projektowania, przez produkcję i serwis, aż po eksploatację u klienta końcowego. AI w praktyce: jakość, utrzymanie ruchu i elastyczna produkcja Jednym z najczęstszych zastosowań sztucznej inteligencji w budowie maszyn jest kontrola jakości. Systemy wizyjne oparte na AI wykrywają wady powierzchni i niezgodności szybciej oraz dokładniej niż tradycyjne kontrole manualne, zapewniając stały, powtarzalny poziom jakości. Równie istotną rolę odgrywa predykcyjne utrzymanie ruchu (Predictive Maintenance). Analiza danych z czujników pozwala przewidywać zużycie komponentów i planować serwis w optymalnym momencie, czyli zanim dojdzie do awarii. Przekłada się to na ograniczenie przestojów, dłuższą żywotność maszyn oraz niższe koszty utrzymania. AI wspiera także optymalizację procesów produkcyjnych, m.in. poprzez adaptacyjne sterowanie parametrami pracy maszyn, inteligentne harmonogramowanie obciążeń czy redukcję zużycia energii i materiałów. Cyfrowe bliźniaki i inteligentne planowanie W obszarze projektowania i inżynierii instalacji coraz większe znaczenie mają cyfrowe bliźniaki. To wirtualne modele maszyn i linii produkcyjnych, które wiernie odwzorowują procesy fizyczne. Umożliwiają one symulację pracy zakładu jeszcze przed jego uruchomieniem, co skraca czas wdrożenia, pozwala wykryć błędy na wczesnym etapie i ograniczyć kosztowne zmiany już w trakcie realizacji projektu. AI zintegrowana z systemami ERP Kluczowym elementem skutecznego wykorzystania sztucznej inteligencji jest jej integracja z systemami ERP. Analiza procesów, prognozowanie zapotrzebowania czy automatyczne wykrywanie odchyleń stają się naturalnym rozszerzeniem codziennego zarządzania przedsiębiorstwem. Według ekspertów Proalpha Polska AI pełni tutaj rolę „wzmocnienia” sprawdzonych systemów – dostarczając dodatkowej transparencji, przewidywalności i bezpieczeństwa operacyjnego. Konkretny efekt biznesowy Zastosowanie sztucznej inteligencji przynosi wymierne korzyści zarówno producentom maszyn, jak i ich użytkownikom. Producenci zyskują nowe modele biznesowe oparte na danych i usługach cyfrowych, a operatorzy maszyn – wyższą dostępność, niższe koszty operacyjne oraz lepsze wsparcie dla pracowników w warunkach rosnącego niedoboru wykwalifikowanej kadry. W efekcie AI pozwala firmom z sektora budowy maszyn szybciej podejmować decyzje, lepiej zarządzać ryzykiem i budować długofalową przewagę konkurencyjną. Więcej informacji o zastosowaniu sztucznej inteligencji w procesach biznesowych znajduje się w bazie wiedzy AI Hub na stronie Proalpha Polska pod linkiem: AI Hub – Sztuczna inteligencja dla MŚP | Proalpha

„Informatyka w Produkcji” to cykl warsztatów organizowany przez firmę Streamsoft od ponad 15 lat. Dwa razy w roku eksperci ruszają w trasę po Polsce, pokazując w praktyce, jak ERP wspiera produkcję. W wydarzeniach regularnie biorą udział także partnerzy technologiczni. Tym razem spotkanie odbyło się w poznańskim hotelu Andersia. Już od wejścia było jasne, że temat trafia w potrzeby rynku — sala była wypełniona. Wśród uczestników dominowali dyrektorzy produkcji, kierownicy operacyjni oraz osoby odpowiedzialne za rozwój technologii w firmach. Poznań był trzecim przystankiem na trasie. Przed organizatorami jeszcze spotkania w Warszawie (21.04), Rzeszowie (22.04) i Katowicach (23.04). Rejestracja nadal jest otwarta: https://www.informatykawprodukcji.pl/#formularz. Naprawdę warto się zapisać, bo prelegenci prezentują materiał z dużą swobodą i pewnością siebie. Wystąpienia są przygotowane z dbałością o merytorykę, skutecznie łącząc wiedzę teoretyczną z produkcyjną praktyką.  Od modelu 3D do gotowego wyrobu – bez ręcznego przepisywania danych Jednym z najmocniejszych punktów warsztatów była część poświęcona technologii produktu. Zamiast prezentacji „na slajdach” uczestnicy zobaczyli realny scenariusz krok po kroku. Konfiguracja produktu rozpoczęła się w przeglądarce, trafiła do systemu CAD, gdzie przygotowana została technologia, a następnie wróciła do ERP jako podstawa do uruchomienia produkcji. Ten blok był przygotowany we współpracy z partnerem technologicznym – firmą TopSolution, specjalizującą się w oprogramowaniu do konfiguracji produktu oraz CAD/CAM. Sercem warsztatów pozostała kwestia planowania i harmonogramowania produkcji. Eksperci pokazali, w jaki sposób zaawansowane algorytmy optymalizują kolejność zleceń, biorąc pod uwagę dostępność maszyn oraz zasobów ludzkich w czasie rzeczywistym. Poruszano poza tym m.in. tematy związane z optymalizacją przyjęć i wydań magazynowych na urządzeniach mobilnych oraz rozliczeniem procesu produkcji z wykorzystaniem paneli dotykowych. AI wkracza do produkcji W tej edycji „Informatyki w Produkcji” pojawił się też panel poświęcony nowym technologiom w systemach ERP. Streamsoft nie mówi o sztucznej inteligencji w czasie przyszłym. Już teraz wdraża rozwiązania generatywne, pracując nad połączeniem ERP z dostępnymi agentami AI za pomocą protokołu wymiany danych MCP. Docelowo może to wpłynąć np. na szybsze przeliczanie harmonogramów produkcji, wykonywanie analiz sprzedaży. To podejście, w którym AI nie zastępuje użytkownika, ale skraca drogę do trafnych decyzji. Dyskusje, które szybko schodzą na konkrety Mimo intensywnego programu organizatorzy zadbali o przestrzeń na merytoryczną dyskusję i możliwość rozwiania wszelkich wątpliwości. Z każdym kolejnym blokiem uczestnicy coraz chętniej dzielili się swoimi wyzwaniami. W kuluarach dużą uwagę przykuł temat harmonogramowania zleceń, kontroli jakości oraz raportowania z hali produkcyjnej. Dyskusje w Poznaniu pokazały, że produkcja potrzebuje dziś nie kolejnych narzędzi, ale spójnego systemu IT, który łączy dane, planowanie i wykonanie. Podsumowanie Po części o możliwościach pozyskania finansowania na cyfryzację, uczestnicy udali się na wspólny obiad, który był okazją do ostatniej wymiany doświadczeń. Goście opuszczali hotel Andersia z solidną dawką wiedzy i gotowymi pomysłami na usprawnienia w swoich zakładach. Warsztaty „Informatyka w Produkcji” to dowód na to, że polski przemysł nie boi się cyfrowej transformacji, lecz szuka sprawdzonych, konkretnych rozwiązań. Streamsoft po raz kolejny udowodnił, że potrafi mówić o skomplikowanej technologii językiem korzyści biznesowych, budując tym samym fundamenty pod nowoczesny Przemysł 4.0.

Obecnie AI nie jest wyłącznie trendem, lecz narzędziem, z którego przedsiębiorcy chcą czerpać wymierne korzyści. Dlatego dziś menedżerowie nie pytają już, czy system ERP posiada funkcje AI, ale jakiego typu są to rozwiązania. W poniższym artykule porządkujemy rynek i pokazujemy różnice istotne dla decydentów.   Jeszcze 2–3 lata temu sztuczna inteligencja w systemach biznesowych bywała traktowana jako „dodatek” do prezentacji sprzedażowej. Dziś – szczególnie z perspektywy dyrektorów finansowych i menedżerów IT – jest to obszar twardo weryfikowany. Widać to także w wynikach raportu “Cyfrowy Menedżer”, przygotowanego przez portal myERP, które podkreśliły wyraźne przejście w tryb “sprawdzam”. AI ma działać dopiero wtedy, gdy firma zapewni solidne fundamenty w postaci jakościowych danych i jasno zdefiniowanych KPI.   Jak porównywać rozwiązania AI w ERP?  Największa pułapka wdrożeń AI w ERP polega na założeniu, że model LLM zastąpi brak porządku w danych i procesach. Z perspektywy zakupowej lepiej przyjąć, że AI jest warstwą produktywności. Sztuczna inteligencja skraca czas pracy, wspiera decyzje, automatyzuje rutynę – ale jednocześnie wymaga wysokiej jakości danych wejściowych.   Działy zajmujące się IT oraz finansami w firmach powinny zwrócić uwagę na trzy kluczowe kwestie:  Zakres ingerencji w proces. Niektóre rozwiązania AI pełnią wyłącznie funkcję asystenta informacyjnego, dając podsumowania lub streszczenia konkretnych raportów. Inne natomiast wykonują konkretne akcje w systemie. Przykładowo, ustawiają limit kredytowy lub wystawiają dokumenty.   Źródła generowanych odpowiedzi. Część rozwiązań bazuje wyłącznie na danych firmy, co ogranicza ryzyko “halucynacji” AI. Inne – zwłaszcza generatywne – wymagają sprecyzowania ze strony użytkownika odnośnie do źródeł, z jakich model LLM może korzystać.   Koszty i warunki techniczne. Część modeli jest wdrażana bezpłatnie w ramach systemu ERP. Niektóre jednak zawierają alternatywne opcje, które są udostępniane za opłatą.   Asystenci AI w systemach ERP   Najbardziej widoczną dla użytkownika formą AI są asystenci konwersacyjni. To rozwiązania umożliwiające komunikację z systemem w języku naturalnym, inspirowane narzędziami takimi jak ChatGPT czy Gemini. Pozwalają także na przyspieszenie onboardingu nowych pracowników.   ChatERP od Comarch ERP  ChatERP to wbudowany asystent w formie czatu, który umożliwia rozmowę z ERP w języku naturalnym – również po polsku. Docelowo rozwiązanie ma obejmować zarówno wersje stacjonarne, jak i chmurowe wszystkich programów Comarch ERP. Obecnie dostępne jest w wersji BETA.   Zakres funkcjonalności ChataERP jest szeroki:  Przegląd danych firmowych udostępnionych w systemie,   Analiza i wnioskowanie danych,  Podpowiadanie funkcji systemowych,  Wykonywanie zadań na żądanie użytkownika.   Istotnym aspektem jest możliwość wykonywania operacji biznesowych, takich jak ustawianie limitów kredytowych czy wystawianie faktur. W praktyce oznacza to konieczność wdrożenia rygorystycznych mechanizmów uprawnień i audytu. Bez takiego zabezpieczenia, ryzyko błędnych poleceń będzie się zwiększać.  Warto jednak zaznaczyć, że Comarch zapewnia bezpieczeństwo danych osobowych i wrażliwych w ChacieERP. Treści pytań i odpowiedzi mają być przesyłane do podwykonawców technologicznych, a samo AI nie powinno przekazywać tajemnic przedsiębiorstwa. Niemniej jednak firmy z wysokimi wymaganiami powinny przed wdrożeniem formalnie ustalić zasady dotyczące przekazywanych danych.   Genius od Asseco Business Solutions  Na poziomie deklarowanych funkcji Genius jest bliżej koncepcji współpracownika, który pilnuje zadań i decyzji oraz podpowiada konkretne działania. Zgodnie z oficjalnym opisem Asseco BS, Genius ma powiadamiać o sprawach czekających na decyzję i zadaniach do wykonania. Potrafi także odpowiadać na pytania o obszary typowo ERP-owe. Rozwiązuje kwestie związane z zamówieniami, fakturami czy dokumentami magazynowymi. Oprócz tego, na bazie dostarczonego przez użytkownika kontekstu, Asystent jest w stanie dostarczać konkretne podpowiedzi.   Ten kierunek jest rozwijany o dwa ważne elementy dla decydentów:  Adaptacyjny interfejs – AI analizuje sposób pracy i proponuje zmiany w układzie, menu czy elementach ekranu. Co kluczowe, wprowadza je dopiero po akceptacji użytkownika.   Warstwa analityczna – Genius nie tylko daje podpowiedzi w zakresie procesów biznesowych, ale także oferuje inteligentne analizy w oparciu o aktualne dane w systemie ERP.   MAiA w Monitor ERP System  Monitor ERP posiada własnego asystenta AI, który “strukturyzuje, kompiluje i analizuje dane”. Główny cel jest oczywisty: zająć się wszystkim, co czasochłonne. W praktyce MAiA to nie tylko czat – tryb konwersacyjny to wyłącznie jeden z interfejsów. Częściowo działa to w formie automatycznych podsumowań i analiz osadzonych w istniejących procedurach. W podobnym stylu Gemini w wersji Pro streszcza dokumenty dostępne w Dysku Google.   Co istotne, wsparcie AI od Monitora opiera się wyłącznie na własnych danych biznesowych. Tym samym producent zapewnia integralność danych i kontrolę. Dodatkowo MAiA obejmuje nie tylko pytania o dane transakcyjne, ale też wsparcie “tekstowe”. Podsumowuje bowiem notatki, tłumaczy e-maile i koryguje ton komunikacji.   MAiA posiada dwa poziomy:  Basic – dołączony dla każdego klienta,   Pro – z miesięczną opłatą za użytkownika.  Początkowo wersja MAiA Pro jest dostępna bezpłatnie na okres próbny, by użytkownik mógł przetestować jej pełną funkcjonalność. Sztuczna inteligencja wciąż się rozwija – Monitor ERP czeka na pomysły i wskazówki od swoich klientów. Komentarze można przesyłać za pośrednictwem Forum Pomysłów.   Katalog aplikacji AI zamiast jednej funkcji   Ciekawe jest podejście firmy Proalpha, która w 2025 roku ogłosiła powstanie swojej platformy Industrial AI. To katalog ponad 30 aplikacji AI dla procesów podstawowych – od zakupów i produkcji, aż po kwestie serwisowe. Obejmuje ona rozwiązania AI firmy Empolis i Nemo. Jest budowana w architekturze SaaS, co usprawnia integrację zarówno z ekosystemem Proalpha, jak i systemami innych dostawców.   Funkcjonalności AI od Nemo umożliwiają identyfikację korelacji i anomalii w procesach. Oprócz tego, definiują zalecane działania i oceniają potencjał optymalizacji w kategoriach pieniężnych. Tym samym, w podejściu platformowym sztuczna inteligencja staje się “silnikiem” integracji danych i analityki.   Dla decydentów istotne są dwie praktyczne konsekwencje:   Sposób przetwarzania danych. Industrial AI przetwarza zarówno dane uporządkowane w tabelach, jak i nieuporządkowane (dokumenty, notatki). Następnie zamienia tę “ukrytą” wiedzę w informacje decyzyjne.   Automatyczne zalecenia, które mogą być wdrażane przez platformę po odpowiedniej diagnozie i prognozowaniu trendów.   Ekosystem Microsoft a wykorzystanie AI  Szczególną pozycję na rynku zajmuje system Microsoft Dynamics 365. To rozwiązanie będące skalowalną platformą ERP/CRM, która mocno integruje się z innymi usługami Microsoft.   Wdrożeniami Dynamics 365 zajmuje się wielu partnerów portalu myERP, w tym m.in.:  7F Technology Partners,  Companial,  Integris,   MS POS Poland,   xalution Group,   IT.integro,   Solemis.  Copilot  W warstwie ERP Microsoft osadził Copilota na dwa różne sposoby. AI pełni funkcję konwersacyjną jako czat, a także jest wbudowany bezpośrednio w konkretne funkcje systemu.   O praktycznych możliwościach tego narzędzia opowiedział Robert Jachowicz, Senior D365 F&O & Power Platform Consultant w MS POS Poland, w podcaście “CYFRYZACJA w BIZNESIE”.   Rzeczywiste funkcjonalności Copilota w Dynamics 365 Business Central są następujące:  Podpowiadanie funkcjonalności systemu w trybie konwersacyjnym,   Analizowanie danych przy dodatkowym korzystaniu z filtrów czy opcji sortowania,   Tworzenie dokumentów sprzedaży (oferty, zamówienia, faktury),   Pisanie tekstów marketingowych,   Mapowanie e-dokumentów,   Uzgadnianie wyciągów bankowych,   Generowanie serii numeracji dokumentów,   Proponowanie produktów zamiennych przy niedostępności towaru,   Automatyzacja procesu obsługi zamówień.   Power BI  Wielu firmom zależy na tym, by dane w systemie ERP były konsumowane w analityce w sposób samoobsługowy. W tym kontekście Copilot w Power BI przynosi wymierne korzyści dla decydentów. Połączenie tego rozwiązania AI z analityką umożliwia m.in.:  Szybkie tworzenie oraz modyfikację wizualizacji i raportów,   Automatyczne podsumowania raportów,  Pracę z danymi w trybie konwersacyjnym.   Jednocześnie, Copilot w Power BI jest płatny. Możliwe jest wykupienie pakietu Fabric lub Premium. Oprócz tego, sama organizacja musi zadbać o poprawną jakość danych, by mogły być odpowiednio sczytane przez AI.   Rozwiązania AI w ERP – co wybrać?  Poniższe zestawienie nie zakłada, że istnieje “najlepsze AI” dla wszystkich. W rzeczywistości nie ma jednego uniwersalnego rozwiązania. Najlepiej wybrać takie, które odpowiada na dominujący problem w danej organizacji. To może być niższa produktywność użytkowników, potrzeba zwiększa kontroli finansowej czy optymalizacja produkcji w czasie rzeczywistym.  

31 marca 2026 roku Rada Ministrów przyjęła długo zapowiadany projekt ustawy o sztucznej inteligencji. Dokument, który trafił już do prac w Sejmie, stanowi krajowy fundament pod unijny AI Act. Dla sektora IT, a zwłaszcza producentów systemów ERP i platform e-commerce, oznacza to początek ery certyfikacji i pełnej transparentności algorytmów.   Nowy organ nadzorczy – czym jest KRiBSI?  Kluczowym elementem nadchodzących zmian jest powołanie Komisji Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI). W przeciwieństwie do organów doradczych, KRiBSI zyska realne uprawnienia władcze:  Prowadzenie postępowań administracyjnych – Komisja będzie kontrolować, czy wdrażane rozwiązania AI są zgodne z prawem,   Wydawanie wiążących opinii – dzięki czemu dyrektorzy IT będą mogli konsultować wątpliwe moduły AI, aby uniknąć ryzyka prawnego przed wdrożeniem,   Nakładanie kar finansowych – zgodnie z unijnym AI Act, sankcje za naruszenia mogą sięgać nawet milionów euro.   Dla przedsiębiorców istotne jest, że Komisja ma również pełnić funkcję edukacyjną. Planowana jest coroczna publikacja wytycznych dotyczących bezpiecznego wdrażania i stosowania systemów AI.    ERP, e-commerce i WMS pod lupą  Kluczem do zrozumienia nowych obowiązków jest klasyfikacja systemów według stopnia ryzyka, zgodna z założeniami AI Act. W kontekście systemów biznesowych, granica między „minimalnym” a „wysokim” ryzykiem jest cieńsza niż mogłoby się wydawać.   W rozumieniu opartym na podstawie przykładów dostępnych na rządowej stronie internetowej, warto przyjrzeć się następującym kwestiom:  Moduły HR i systemy rekrutacyjne. Jeśli system ERP posiada algorytmy automatycznie selekcjonujące CV lub oceniające efektywność pracowników na podstawie danych historycznych, wchodzi on w kategorię wysokiego ryzyka. Wymaga to prowadzenia szczegółowej dokumentacji technicznej i zapewnienia stałego nadzoru ludzkiego nad decyzjami maszyny.  E-commerce i scoring kredytowy. Systemy analizujące zdolność płatniczą klientów w modelach takich jak „kup teraz, zapłać później” (BNPL) podlegają surowszym rygorom. Algorytmy te muszą być wolne od uprzedzeń i w pełni wyjaśnialne.   WMS i optymalizacja logistyki. Większość rozwiązań optymalizujących ścieżki zbiórki towarów pozostanie w sferze niskiego ryzyka. Wyjątkiem będzie sytuacja, w której AI zarządza autonomicznie bezpieczeństwem fizycznym robotów lub ludzi w magazynie. W takim przypadku wymogi dotyczące cyberbezpieczeństwa drastycznie rosną.  Nowe obowiązki dostawców i użytkowników systemów IT  Jak wynika z powyższych przykładów, już nie tylko RODO będzie “zmartwieniem”. Ustawa może nałożyć na firmy trzy konkretne filary odpowiedzialności:   System zarządzania ryzykiem – każde rozwiązanie AI wysokiego ryzyka musi mieć wdrożony proces ciągłej oceny zagrożeń.  Jakość danych – czyli koniec z „karmieniem” AI niezweryfikowanymi zbiorami danych. Dane muszą być reprezentatywne i wolne od błędów prowadzących do dyskryminacji.  Rejestrowanie zdarzeń – systemy muszą automatycznie zapisywać logi z procesów decyzyjnych, aby w razie błędu (np. niesłusznego odrzucenia zamówienia) można było odtworzyć proces decyzyjny.  Większość kluczowych przepisów zacznie obowiązywać już 2 sierpnia 2026 roku. To oznacza, że projekty AI, które są uruchamiane dzisiaj, będą musiały być zgodne z nowym prawem w momencie ich pełnego wdrożenia.  Czy będzie można uniknąć kar?  Ministerstwo Cyfryzacji, świadome obciążeń, zapowiedziało uruchomienie tzw. piaskownic regulacyjnych. To kontrolowane środowiska, w których polskie firmy (szczególnie MŚP) będą mogły testować innowacyjne moduły ERP pod okiem regulatora bez ryzyka kar. To ogromna szansa dla rodzimego sektora IT. Uzyskanie pieczątki państwowej z takiej piaskownicy może stać się argumentem sprzedażowym w przetargach.   Czy branża ERP ma się czego obawiać?  Polska ustawa o AI nie ma na celu hamowania innowacji, lecz ich ucywilizowanie. Dla branży ERP oznacza to konieczność ściślejszej współpracy działów IT z działami prawnymi.  Przejście z fazy eksperymentów do fazy technologii regulowanej to dowód dojrzałości rynku. Zarówno dostawcy, jak i użytkownicy systemów powinni być już tego świadomi. Ci, którzy pierwsi dostosują swoje procesy do wymagań KRiBSI, zyskają nie tylko spokój prawny. Przede wszystkim mogą zdobyć przewagę konkurencyjną opartą na zaufaniu do bezpieczeństwa danych.   Czy Wasz obecny dostawca ERP jest już gotowy na audyt zgodności z AI Act i nadchodzącą ustawą? To pytanie warto zadać już na najbliższym spotkaniu statusowym.  Źródło: https://www.gov.pl/web/cyfryzacja/koniec-ery-nieuchwytnych-algorytmow–projekt-ustawy-o-systemach-sztucznej-inteligencji-przyjety-przez-rade-ministrow

Copilot w Dynamics 365 Business Central pokazał, że sztuczna inteligencja może skutecznie pracować z danymi ERP. Tworzy opisy produktów, pomaga uzgadniać konta, analizuje trendy sprzedażowe. Działa jednak w zamkniętym ekosystemie, wewnątrz Business Central. Model Context Protocol (MCP) idzie o krok dalej. To otwarty standard, który pozwala różnym aplikacjom AI sięgać po dane z Business Central. Własny chatbot firmowy, agent AI zbudowany w Copilot Studio, zewnętrzne narzędzie AI: wszystkie mogą korzystać z tego samego, ustandaryzowanego dostępu do systemu ERP. Microsoft wprowadził obsługę Model Context Protocol do Business Central, co otwiera drzwi do budowania własnych rozwiązań opartych na sztucznej inteligencji, dopasowanych do specyfiki firmy. Czym właściwie jest MCP Copilot w Business Central świetnie sprawdza się w codziennej pracy, ale działa tylko wewnątrz systemu. Co jeśli chcesz zbudować własnego agenta, chatbota na stronie firmowej albo połączyć AI z kilkoma systemami naraz? Tu wchodzi MCP: uniwersalny system wydawania przepustek do Business Central. Możesz w kontrolowany sposób wpuścić różnych agentów lub asystentów AI do swojego systemu ERP. Każdy dostaje przepustkę z określonymi uprawnieniami: jeden może tylko czytać dane, inny może też je tworzyć. Ty decydujesz, kto i co może robić. W praktyce MCP to protokół komunikacji między aplikacjami AI a systemami biznesowymi. Został stworzony przez firmę Anthropic i ogłoszony pod koniec 2024 roku jako otwarty standard. Microsoft szybko go zaadoptował, dzięki temu Business Central może współpracować nie tylko z Copilotem, ale z dowolnym narzędziem AI, które obsługuje ten protokół. Dlaczego powstał MCP Zanim pojawił się MCP, integracja AI z systemami biznesowymi wyglądała chaotycznie. Każdy dostawca modelu AI (Anthropic, OpenAI, Google) tworzył własne mechanizmy łączenia z zewnętrznymi narzędziami. Każdy dostawca oprogramowania (Microsoft, Atlassian, Slack) musiał budować osobne połączenia dla każdego modelu. Wyobraź sobie: masz 5 modeli AI i 10 systemów biznesowych. Bez wspólnego standardu potrzebujesz 50 różnych integracji. Każda aktualizacja wymaga zmian w wielu miejscach. Rozwiązanie napisane dla jednego modelu nie działa z innym. MCP rozwiązuje ten problem przez standaryzację. Zamiast dziesiątek osobnych integracji, wystarczy że: każdy model AI obsługuje protokół MCP każdy system biznesowy udostępnia serwer MCP Business Central z serwerem MCP może współpracować z dowolnym narzędziem AI obsługującym ten protokół, bez pisania osobnego kodu dla każdej kombinacji. Jak to wygląda w codziennej pracy Copilot w Business Central już dziś pozwala zadawać pytania w języku naturalnym. Możesz zapytać o stany magazynowe, poprosić o analizę sprzedaży, zlecić utworzenie opisu produktu. To duży krok naprzód w porównaniu z ręczną nawigacją po menu. MCP rozszerza te możliwości poza granice Business Central. Wyobraź sobie asystenta, który na jedno pytanie sprawdza dane klienta w BC, weryfikuje historię kontaktów w CRM i znajduje powiązane dokumenty w SharePoint. Albo chatbota na firmowej stronie, który odpowiada klientom na pytania o status zamówienia, sięgając bezpośrednio do systemu ERP. Co ważne, każdy agent bądź asystent podłączony przez MCP działa w imieniu konkretnego użytkownika. Widzi tylko to, do czego ten użytkownik ma uprawnienia. Jeśli ktoś nie ma dostępu do danych finansowych, agent też ich nie pokaże, niezależnie od tego, czy to Copilot, czy własne narzędzie firmy. Co MCP dodaje ponad Copilota Integracja danych z wielu systemów Copilot widzi tylko Business Central. MCP pozwala zbudować agenta, który w jednym zapytaniu sięga do ERP, CRM, SharePoint i innych źródeł. Zamiast przeskakiwać między aplikacjami, użytkownik zadaje jedno pytanie i otrzymuje pełny obraz sytuacji. Własne narzędzia AI dopasowane do firmy Copilot działa według reguł Microsoftu. MCP pozwala budować własnych agentów w Copilot Studio, dopasowanych do procesów i słownictwa konkretnej firmy. Agent dla działu sprzedaży może działać inaczej niż agent dla księgowości. Integracja z zewnętrznymi aplikacjami Chatbot na stronie internetowej odpowiadający klientom o status zamówienia. Aplikacja mobilna dla handlowców sprawdzająca dane w terenie. Automatyczny system powiadomień reagujący na zmiany w BC. Serwer MCP otwiera Business Central na scenariusze, które wykraczają poza standardowy interfejs. Elastyczna automatyzacja Tradycyjna automatyzacja działa według sztywnych reguł: jeśli X, to Y. Własny agent AI może realizować zadania, które są trochę inne za każdym razem: “Przejrzyj nowe zamówienia i oznacz te, które wymagają weryfikacji kredytowej na podstawie historii klienta i wartości zamówienia”. To nie jest prosty filtr, to zadanie wymagające oceny kontekstu. Co to oznacza dla firmy Otwarty standard, więcej możliwości Copilot to gotowe rozwiązanie, które działa od razu po włączeniu, idealne dla firm, które chcą szybko korzystać z AI bez dodatkowej konfiguracji. MCP to coś innego: otwarty standard, który pozwala budować własne narzędzia i integrować Business Central z dowolnymi platformami AI. To nie konkurencja, lecz rozszerzenie możliwości: Copilot dla codziennej pracy, MCP dla projektów wymagających elastyczności. Jeden agent, wiele systemów Firma rzadko korzysta tylko z jednego systemu. Jest ERP, jest CRM, są dokumenty w SharePoint, dane w Excelu. MCP pozwala zbudować agenta, który łączy te źródła. Zamiast pięciu różnych narzędzi, użytkownik ma jedno miejsce, gdzie zadaje pytania. Rozwiązania szyte na miarę Każda firma ma swoje procesy, słownictwo, sposoby pracy. Copilot oferuje uniwersalne funkcje, które sprawdzają się w większości scenariuszy biznesowych. Gdy potrzebujesz czegoś więcej, agenta znającego specyfikę Twojej branży, rozumiejącego wewnętrzne procedury, mówiącego językiem Twojej firmy, MCP daje narzędzia do jego zbudowania. Jak działa serwer MCP w Business Central Model Context Protocol opiera się na prostym modelu: jest aplikacja AI (własny chatbot, agent w Copilot Studio, zewnętrzne narzędzie), jest serwer MCP wbudowany w Dynamics 365 Business Central i jest protokół, który pozwala im się komunikować. Gdy użytkownik zadaje pytanie, aplikacja AI rozpoznaje, że potrzebuje danych z ERP. Wysyła zapytanie do serwera MCP w Business Central. Serwer MCP sprawdza uprawnienia użytkownika, pobiera dane i zwraca je do aplikacji AI. Ta formułuje odpowiedź i prezentuje ją użytkownikowi. Kluczowa różnica w porównaniu z Copilotem: ten sam mechanizm działa dla dowolnej aplikacji obsługującej protokół MCP. Business Central nie musi “wiedzieć”, z jakim narzędziem rozmawia. Wystarczy, że narzędzie mówi w języku MCP. Bezpieczeństwo integracji MCP Jedną z pierwszych rzeczy, o które pytają szefowie IT, jest bezpieczeństwo. Czy sztuczna inteligencja może zrobić coś, czego nie powinna? Czy dane są chronione? Microsoft zaprojektował serwer MCP w Business Central z myślą o bezpieczeństwie: Domyślnie tylko odczyt. Po włączeniu MCP agent może jedynie czytać dane. Nie może niczego tworzyć, zmieniać ani usuwać. Żeby dać mu takie możliwości, administrator musi to jawnie włączyć. Uprawnienia użytkownika. Agent lub asystent działa w kontekście konkretnego użytkownika i ma dokładnie takie same uprawnienia jak on. Jeśli użytkownik nie widzi cen zakupu, agent też ich nie zobaczy. Konfiguracja przez administratora. Można precyzyjnie określić, do których danych agent ma dostęp i jakie operacje może wykonywać. Różni z nich mogą mieć różne poziomy dostępu. Ochrona przed manipulacją (Prompt Injection). Jednym z ryzyk w systemach AI jest próba manipulacji: użytkownik może spróbować nakłonić agenta do wykonania nieautoryzowanych działań. W Business Central zabezpieczeniem jest model uprawnień: agent nigdy nie ma większych uprawnień niż użytkownik, który z nim rozmawia. Nawet jeśli ktoś spróbuje “oszukać” AI, system odmówi dostępu do danych, do których użytkownik nie ma uprawnień. Czym MCP nie jest MCP nie zastępuje Copilota. To dwa różne narzędzia do różnych celów. Copilot to gotowy asystent od Microsoftu, działający od razu po włączeniu i błyskawicznie gromadzący dane w odpowiedzi na zapytanie użytkownika. MCP to infrastruktura do wykorzystywania własnych rozwiązań – w tym agentów AI zdolnych do samodzielnego podejmowania akcji w oparciu o kontekst biznesowy i reguły ustalone przez użytkowników. Wiele firm będzie korzystać jednocześnie z Copliota oraz z MCP. MCP nie zastępuje systemu ERP. Dane nadal są przechowywane i przetwarzane w Business Central. MCP to tylko dodatkowy sposób dostępu do nich. MCP nie zastępuje automatyzacji procesów, to zupełnie inne podejście. Power Automate to automatyzacja deterministyczna: definiujesz reguły (jeśli X, to Y), a system je wykonuje zawsze tak samo. MCP z agentami AI to automatyzacja kognitywna: opisujesz cel, a agent sam znajduje sposób jego realizacji. Kiedy co stosować? Power Automate sprawdza się w powtarzalnych, przewidywalnych procesach: akceptacja faktury, wysyłka powiadomień, synchronizacja danych. MCP i agenci AI są lepsze dla zadań nieustrukturyzowanych, jak “przeanalizuj dlaczego spadła sprzedaż w tym regionie” albo “znajdź klientów, którzy mogą być zainteresowani nowym produktem”. Wiele firm będzie używać obu narzędzi równolegle, każdego do tego, w czym jest najlepszy. MCP nie jest też magicznym rozwiązaniem wszystkich problemów. Asystent AI może się mylić, może źle zrozumieć pytanie, może nie znaleźć właściwych danych. To narzędzie, które wymaga nauki i dostosowania do potrzeb firmy. Status i dostępność Serwer MCP w Dynamics 365 Business Central jest dostępny od wersji 27.1 (2025 Release Wave 2) w wersji Public Preview. Oznacza to, że funkcja jest gotowa do testowania, ale Microsoft może jeszcze wprowadzać zmiany przed oficjalnym wydaniem. Żeby zacząć korzystać z integracji MCP, potrzebne są: Dynamics 365 Business Central w wersji 27.1 lub nowszej Włączona funkcja MCP w ustawieniach systemu Microsoft Copilot Studio do tworzenia i zarządzania asystentami Od czego zacząć MCP to nowa technologia, która wymaga przemyślanego podejścia do wdrożenia. Zanim zaczniesz budować własnych agentów AI, warto odpowiedzieć na kilka pytań: Jakie procesy w firmie mogłyby skorzystać z integracji AI? Które dane powinny być dostępne dla asystentów, a które nie? Jak MCP wpisuje się w istniejącą strategię automatyzacji? Jako partner Microsoft pomagamy firmom ocenić możliwości MCP i zaplanować pierwsze kroki. Podsumowanie Copilot pokazał, że sztuczna inteligencja może skutecznie pracować z danymi Dynamics 365 Business Central. Model Context Protocol idzie dalej: otwiera system ERP na cały ekosystem narzędzi AI i umożliwia budowanie własnych integracji. Dla firm oznacza to możliwość budowania własnych asystentów, łączenia danych z wielu systemów i tworzenia rozwiązań dopasowanych do swoich procesów. Nie zamiast Copilota, ale obok niego, jako dodatkowa warstwa elastyczności. Serwer MCP jest dostępny w wersji testowej. To dobry moment, żeby sprawdzić, czy własne narzędzia AI mogą usprawnić pracę w Twojej firmie.

Tegoroczna edycja raportu “Cyfrowy Menedżer” zaskakuje nie tym, co “rosło”, lecz wyraźnym ostygnięciem części trendów. Sztuczna inteligencja (AI), jeszcze niedawno traktowana jak obowiązkowy kierunek dla rozwiązań IT, dziś jest poddawana surowej ocenie.   W najnowszym badaniu, którego premiera nastąpi już w marcu 2026, zweryfikowano oczekiwania użytkowników systemów wobec zastosowania AI. Na pytanie o konkretne korzyści wynikające z implementacji rozwiązań opartych na sztucznej inteligencji lub uczeniu maszynowym, 62% respondentów odpowiedziało, że ich nie dostrzega.   Czy to zmierzch trendu AI?  Z komentarzy ekspertów wynika, że sztuczna inteligencja nadal pozostanie ważnym elementem rynku, mimo mniejszego entuzjazmu wokół jej zastosowań. Jak wskazuje Tomasz Mamys, Ekspert ds. Cyfryzacji w Symfonii, spadek deklarowanych korzyści nie świadczy o wadliwej technologii. Częściej oznacza brak odpowiednich warunków w firmie, aby tę wartość zauważyć lub zmierzyć. Barierą bywa jakość danych, brak zdefiniowanych przypadków użycia oraz brak sposobu mierzenia efektów.   Block Quote W praktyce AI przestała być “tematem do testów”, lecz stała się inwestycją, którą trzeba uzasadnić procesowo i finansowo. Ten wniosek pokazuje dojrzalszy obraz organizacji, które pochodzą do wdrożeń ostrożniej i bardziej metodycznie.   Co dodatkowo osłabia efekt AI w biznesie?  Tegoroczny “Cyfrowy Menedżer” wskazuje, że wąskim gardłem nadal bywają szkolenia. Odpowiedzi dotyczące ich poziomu są niemal równo podzielone: 54% ankietowanych uznało je za wystarczające, a 46% temu zaprzecza. To ważne, bo nawet najlepsze funkcje AI nie dowiozą wartości, jeśli użytkownicy nie rozumieją nowych zasad pracy i nie mają czasu przećwiczyć ich w codziennych procesach.   Marcin Smereka, CTO w Sente S.A., dodaje, że rewolucja AI w systemach ERP jest dopiero przed nami, co wynika z różnicy tempa rozwoju. Podczas gdy sztuczna inteligencja przechodzi przez wyjątkowo intensywną ewolucję, “ERP-y to ciężkie, wolno ewoluujące konstrukcje, w których cykl od pomysłu do wdrożenia trwa czasem latami”.   Block Quote Jak może wyglądać proces wdrożenia w 2026?  „Cyfrowy Menedżer 2026” wskazuje na rosnącą dojrzałość cyfrową organizacji, które coraz częściej podchodzą do wdrożenia lepiej przygotowane i z większą potrzebą uporządkowania procesów. Firmy coraz rzadziej kupują „nową technologię” dla samej technologii. Coraz częściej priorytetem stają się kontrola, przewidywalność i odporność na ryzyko. AI nie zniknie z biznesu, natomiast przestaje być traktowana jak magiczna zabawka. Staje się narzędziem, które działa dopiero wtedy, gdy firma zadba o odpowiednie fundamenty.   Tegoroczny raport pokazuje więcej informacji odnośnie kluczowych aspektów wdrożeń nowych rozwiązań, ujawniając perspektywę dostawców technologii, użytkowników systemów biznesowych oraz firmy rozwijające sprzedaż online. Zachęcamy do porównania wniosków dotyczących rozwoju cyfryzacji w Polsce z wynikami z poprzedniej edycji. Pobierając “Cyfrowy Menedżer 2025”, otrzymasz przedpremierowy dostęp do tegorocznej wersji tydzień wcześniej.