AlphaEvolve od Google trafia do wszystkich klientów Google Cloud, BASF zgłasza 80 procent poprawy dokładności

Google Cloud udostępnił AlphaEvolve wszystkim swoim klientom biznesowym. Narzędzie, które zamiast pisać kod od zera uczy się ulepszać już istniejące algorytmy, wychodzi z fazy testów zamkniętych i trafia na platformę Gemini Enterprise Agent Platform jako produkt ogólnodostępny.

AlphaEvolve to technologia wywodząca się z Google DeepMind, zbudowana na modelach Gemini. Zamiast generować oprogramowanie od podstaw, narzędzie działa jak ewolucyjny współpracownik: użytkownik podaje bazowy algorytm i cel, jaki chce osiągnąć, a system iteracyjnie testuje warianty rozwiązania, aż znajdzie wersję lepszą od punktu wyjścia. Wynikiem jest czytelny dla człowieka kod, a nie czarna skrzynka.

Od prywatnych testów do produktu

Google zaczął udostępniać AlphaEvolve wybranym partnerom w grudniu 2025 roku. Po kilku miesiącach testów w warunkach produkcyjnych firma zdecydowała się na pełne wdrożenie w ramach Gemini Enterprise Agent Platform, czyli zestawu narzędzi do budowy i uruchamiania agentów AI dla biznesu. Za rozwój produktu odpowiada między innymi Tom Beyer, Group AI Product Manager w Google Cloud.

Zastosowania, które Google wskazuje jako docelowe, obejmują projektowanie mikroczipów, optymalizację tras w sieciach logistycznych oraz przyspieszanie badań medycznych. To obszary, w których nawet niewielka poprawa algorytmu przekłada się na realne oszczędności liczone w milionach dolarów albo tygodniach czasu obliczeniowego.

Przypadek BASF

Najbardziej konkretny opisany dotąd przypadek użycia dotyczy niemieckiego koncernu chemicznego BASF. Firma zarządza siecią 180 zakładów produkcyjnych na świecie, a pojedynczy produkt potrafi mieć listę materiałową sięgającą 30 poziomów głębokości. Realizacja zamówienia, od surowców aktywnych po gotowy wyrób, trwa czasem do dwóch lat, a planiści podejmują tysiące lokalnych decyzji dziennie.

BASF od dawna próbował zbudować cyfrowego bliźniaka swojej sieci dostaw przy pomocy modeli deterministycznych. Według firmy wszystkie wcześniejsze podejścia zawiodły, bo nie potrafiły uchwycić sposobu, w jaki ludzie faktycznie podejmują decyzje na styku setek zmiennych.

Mieliśmy kilka prób zbudowania cyfrowego bliźniaka naszej złożonej sieci dostaw przy użyciu modeli deterministycznych i wszystkie zakończyły się niepowodzeniem. Dzięki AlphaEvolve możemy nie tylko odwzorować złożoną sieć na podstawie danych systemowych, ale jednocześnie zrozumieć i odtworzyć ludzkie decyzje, które napędzają nasze codzienne operacje - dr Goetz Krabbe, wiceprezes ds. globalnego łańcucha dostaw, BASF

System wytrenowany na trzech latach danych historycznych sam wykrył reguły, których BASF nie miał wcześniej jawnie zapisanych, między innymi wzorce konsolidacji produkcji między zakładami, dynamiczne poziomy zapasów bezpieczeństwa reagujące na sezonowość popytu oraz zależności koordynacyjne między poszczególnymi szczeblami sieci. Efekt to ponad 80-procentowa poprawa dokładności modelu względem wersji wyjściowej.

Co to znaczy dla firm w Polsce

Dla polskich przedsiębiorstw produkcyjnych i logistycznych, które od lat mierzą się z planowaniem łańcuchów dostaw w Excelu albo w systemach klasy ERP bez elementów uczenia maszynowego, przykład BASF pokazuje inny sposób myślenia o optymalizacji. Zamiast budować sztywny model matematyczny sieci, firma może pozwolić agentowi AI szukać reguł samodzielnie na podstawie danych historycznych.

Bariera wejścia pozostaje jednak wysoka. Wdrożenie wymaga dostępu do platformy Google Cloud, wystarczająco dużych i uporządkowanych zbiorów danych historycznych oraz zespołu, który potrafi zdefiniować cel optymalizacji w sposób, jaki agent może zrozumieć. To narzędzie dla dużych organizacji z rozbudowaną infrastrukturą danych, a nie gotowy produkt dla małej firmy.

Konkurencja w optymalizacji algorytmów

AlphaEvolve wpisuje się w szerszy trend, w którym duzi dostawcy chmurowi próbują sprzedać nie tyle generatywną AI do pisania nowego kodu, co agentów wyspecjalizowanych w ulepszaniu istniejących systemów. To inny segment rynku niż popularne asystenty programistyczne, bliższy tradycyjnym narzędziom optymalizacyjnym używanym w inżynierii operacyjnej, ale wzbogacony o zdolność uczenia się z danych historycznych zamiast tylko z reguł zapisanych przez człowieka.

Google nie ujawnił cennika usługi ani liczby klientów korzystających z niej od momentu pełnego udostępnienia. Firma zapowiada jednak dalsze studia przypadków z innych branż w najbliższych miesiącach, w miarę jak kolejni klienci Google Cloud zaczną testować narzędzie na własnych problemach optymalizacyjnych.

Źródła: Google Cloud Blog (cloud.google.com), blog.google (blog.google), TechBuzz AI (techbuzz.ai)