Prawie połowa unijnych startupów AI stawia na przemysł, Polska liczy na szansę

Europa przegrała wyścig o budowę własnego odpowiednika ChataGPT, ale znalazła inną niszę, w której ma realną przewagę liczbową nad Stanami Zjednoczonymi. Według raportu "European AI Competitiveness: Beyond Frontier Models" aż 45 procent unijnych startupów zajmujących się sztuczną inteligencją rozwija rozwiązania dla przemysłu i łańcuchów dostaw, wobec 39 procent w USA. Eksperci cytowani przez Forsal.pl przekonują, że to szansa także dla Polski.

Nisza zamiast wyścigu o modele

Autorzy raportu wskazują, że Europa nie ma szans dogonić USA i Chin w budowie dużych modeli językowych wymagających gigantycznych nakładów na moc obliczeniową i dane treningowe. Zamiast tego kontynent stawia na obszar, w którym ma naturalne zaplecze: rozbudowany przemysł, kompetencje inżynieryjne i dostęp do ogromnych ilości danych generowanych codziennie przez zakłady produkcyjne.

Konkretnym przykładem takiego podejścia jest projekt zrealizowany dla Enel Green Power we Włoszech, gdzie analitykę i uczenie maszynowe wykorzystano w 33 elektrowniach wodnych do monitorowania turbin, pomp, silników i generatorów. System wykrywa nieprawidłowości wcześniej niż tradycyjne metody i pozwala przewidywać awarie, zanim dojdzie do kosztownego przestoju.

Polska luka automatyzacji

Dla Polski przemysł ma szczególne znaczenie gospodarcze, bo odpowiada za ponad jedną piątą krajowej wartości dodanej brutto. Jednocześnie stopień automatyzacji polskich zakładów pozostaje niski: 90 procent przedsiębiorstw produkcyjnych ma znaczną część procesów niezautomatyzowanych, a tylko 14 procent ocenia swój poziom automatyzacji jako wysoki.

Predykcyjne utrzymanie ruchu, czyli przewidywanie awarii maszyn zanim do nich dojdzie, stosuje w Polsce 28 procent przedsiębiorstw. Przemysłowy internet rzeczy wykorzystuje 18 procent firm, a roboty i coboty wdrożyło zaledwie 14 procent organizacji. To pokazuje, że zanim algorytmy zaczną optymalizować produkcję, wiele zakładów musi najpierw uporządkować dane, połączyć rozproszone systemy i unowocześnić infrastrukturę.

Dla większości przedsiębiorstw AI nie będzie pierwszym etapem transformacji - Michał Żelichowski, dyrektor ds. Rozwoju Biznesu i Zarządzania Produktami, PSI Polska

Mimo tej luki nastroje wśród polskich firm są ostrożnie optymistyczne. 35 procent przedsiębiorstw planuje zwiększyć inwestycje w AI w ciągu najbliższych dwóch lat, a 12 procent zapowiada wzrost nakładów powyżej 20 procent. To sygnał, że przemysłowa AI zaczyna być traktowana jako inwestycja, a nie tylko modny dodatek do strategii cyfrowej.

Pieniądze z Brukseli

Skalę unijnych ambicji w tym obszarze pokazują liczby budżetowe. Komisja Europejska uruchomiła program Invest AI wart 200 miliardów euro, który ma finansować między innymi rozwój infrastruktury obliczeniowej i wdrożenia AI w kluczowych sektorach gospodarki. Osobno działa EIC Accelerator, którego budżet na 2026 rok wynosi 634 miliony euro i jest skierowany bezpośrednio do startupów oraz małych i średnich firm.

Łukasz Radosz, ekspert ds. ulg badawczo-rozwojowych z Euro-Funding Polska, zwraca uwagę, że tego typu programy mają realne znaczenie dla firm, które dopiero szukają drogi od pomysłu do wdrożenia gotowego produktu na rynku.

Programy takie jak EIC Accelerator pomagają w komercjalizacji obiecujących rozwiązań - Łukasz Radosz, ekspert ds. ulg B+R, Global PMO, Euro-Funding Polska

Co to oznacza dla polskich firm

Piotr Szkoda, dyrektor biznesu Automatyki ABB w Polsce, podkreśla, że w przemysłowej AI liczy się nie tylko sam algorytm, ale połączenie go z wiedzą inżynieryjną i doświadczeniem operacyjnym zdobytym na hali produkcyjnej. To odróżnia ten segment od modeli językowych, gdzie przewagę budują przede wszystkim skala danych i moc obliczeniowa.

AI dla przemysłu to obszar, w którym przewagę konkurencyjną buduje się poprzez połączenie wiedzy inżynieryjnej i doświadczenia operacyjnego - Piotr Szkoda, dyrektor biznesu Automatyki ABB w Polsce

Dla Polski oznacza to, że o pozycję w tym wyścigu może zdecydować nie liczba wytrenowanych modeli, lecz zdolność do zbierania i udostępniania danych z fabryk, łączenia systemów IT z maszynami na hali produkcyjnej oraz kształcenia inżynierów, którzy rozumieją jednocześnie procesy przemysłowe i uczenie maszynowe.

Atutami, które eksperci wymieniają po stronie Polski, są zdywersyfikowana baza branż przemysłowych, wieloletnie doświadczenie w nadrabianiu luk technologicznych względem Europy Zachodniej oraz dostęp do dużej ilości danych generowanych przez krajowe zakłady produkcyjne. Bez inwestycji w infrastrukturę i jakość danych ta przewaga pozostanie jednak wyłącznie teoretyczna.