IFS Unleashed 2026: Cyfrowi pracownicy zaczynają zmieniać przemysł

W Orlando sztuczna inteligencja nie ograniczała się już do odpowiadania na pytania. Otrzymywała konkretne zadania, planowała ich wykonanie i włączała człowieka dopiero wtedy, gdy było to potrzebne. Podczas trzech dni IFS Unleashed 2026 przyglądałem się tej wizji z bliska, sprawdzając w rozmowach z klientami i partnerami, jak wiele z konferencyjnych zapowiedzi działa już w przedsiębiorstwach.

Moduł zasilania ma dotrzeć do odbiorcy 3 listopada, ale choć zamówienie zostało przyjęte i produkcja zaplanowana, po drodze pojawiają się komplikacje, których nie uwzględniono w pierwotnym harmonogramie. Pogoda utrudnia transport, dostawa wymaga ponownego przeliczenia, a korekta jednego terminu wpływa na następne etapy realizacji. W zwykłym przedsiębiorstwie sytuacja taka oznaczałaby wymianę wiadomości między działami, telefony do logistyków i kolejne wersje planu produkcji. Tutaj większą część tej pracy bierze na siebie ktoś, kto nie zajmuje miejsca przy biurku, nie ma służbowego telefonu i nie widnieje na liście płac.

Jestem w największej sali Orlando World Center Marriott i obserwuję, jak na wielkim ekranie cyfrowy pracownik porządkuje informacje, sprawdza dostępne warianty i przekazuje kolejne czynności do wykonania. Kiedy brakuje mu wiedzy o specyfice klienta, zwraca się do człowieka, a otrzymaną odpowiedź uwzględnia w dalszym działaniu. Wszystko pozostawia ślad w systemie, więc można odtworzyć nie tylko wynik, ale też drogę, która do niego doprowadziła. Scenariusz został oczywiście przygotowany na potrzeby premiery IFS Intelligence, a nie zarejestrowany w prawdziwym centrum dyspozytorskim. Mimo to dobrze pokazuje zmianę, o której przez następne trzy dni będzie mówić niemal cała konferencja: oprogramowanie przestaje tylko informować, a zaczyna wykonywać powierzoną mu pracę.

Do Orlando przyjechałem na IFS Unleashed 2026, odbywające się od 13 do 15 października. Spodziewałem się premier, wystąpień największych firm technologicznych i kolejnej porcji obietnic związanych z AI. Wszystkie te elementy znalazły się w programie, ale najwięcej o rzeczywistej dojrzałości cyfrowych pracowników dowiedziałem się nie podczas efektownych prezentacji, lecz w rozmowach z klientami i w niewielkiej sali przeznaczonej dla dziennikarzy oraz analityków. Wracały tam pytania o czas pracy, pomyłki, dostęp do danych i rzeczywisty zwrot z inwestycji, bez których nawet najbardziej udana demonstracja pozostaje jedynie pokazem możliwości.

Czterdzieści procent do odzyskania

Pierwszy dzień wydarzenia. Poranek. Na scenie pojawił się Mark Moffat, CEO IFS, który skierował uwagę słuchaczy na rezerwy ukryte w codziennym funkcjonowaniu przedsiębiorstw. W jego wystąpieniu wielokrotnie pojawiała się liczba 40%, mająca obrazować niewykorzystany potencjał operacyjny przemysłu według diagnozy prezentowanej przez IFS. Nie była to miara, którą można bez zastrzeżeń zastosować do każdej fabryki, lecz punkt wyjścia do opowieści o przestojach, ręcznej dokumentacji i brakach kadrowych. Moffat przywoływał sytuacje, w których wykwalifikowany pracownik zamiast naprawiać urządzenie szuka danych w kilku systemach, a sprzęt pozostaje nieużywany, choć technicznie jest gotowy do pracy.

Najbardziej zapamiętałem jednak jego uwagę o zasobie, którego nie znajdziemy w żadnym firmowym repozytorium. „Najcenniejszy zbiór danych w waszym przedsiębiorstwie nigdy nie został przesłany do systemu” – powiedział, mając na myśli wiedzę ludzi obsługujących maszyny, sieci energetyczne i urządzenia przemysłowe. Doświadczony technik potrafi rozpoznać problem po dźwięku silnika, zna odstępstwa od procedury i pamięta, które rozwiązania zawiodły w przeszłości, ale większości tych obserwacji nie zapisuje w dokumentacji. Kiedy odchodzi, firma często traci znacznie więcej, niż wynikałoby z samego wakatu. IFS chce tę wiedzę łączyć z danymi zgromadzonymi w systemach, aby można ją było wykorzystać nie tylko do udzielenia odpowiedzi, lecz również przy wykonywaniu kolejnych zadań.

Temu ma służyć IFS Intelligence, najważniejsza premiera pierwszego dnia eventu. W założeniu użytkownik nie musi przeszukiwać wielu ekranów aplikacji, aby sprawdzić sytuację i samodzielnie przeprowadzić odpowiednią operację. Może opisać problem językiem naturalnym, otrzymać propozycję rozwiązania, zaakceptować plan i powierzyć część czynności agentom, którzy korzystają z danych oraz funkcji istniejących systemów biznesowych. W scenariuszu z modułem zasilania analiza pogody, możliwości transportowych i harmonogramu produkcji tworzyła jeden ciąg działań, mimo że w rzeczywistej organizacji zadania te często należą do kilku niezależnych zespołów. Właśnie w przekraczaniu tych granic IFS widzi potencjał nowego modelu pracy.

Nie chodzi przy tym o usunięcie człowieka z procesu. Pokazująca rozwiązanie Lisa musiała dostarczyć informacji, których cyfrowy pracownik nie znał, i zaakceptować określone decyzje, ale nie była zmuszona ręcznie przechodzić przez każdy etap realizacji. Przygotowany scenariusz pozwalał dokładnie zaplanować współpracę, więc trudno na jego podstawie ocenić, jak agent zareagowałby na nieprzewidzianą awarię lub sprzeczne dane. Było jednak widać, do czego zmierza producent: zadanie ma przepływać między systemami, a człowiek powinien zajmować się przede wszystkim sytuacjami wymagającymi jego doświadczenia i odpowiedzialności.

Na scenie pojawił się również robot wykorzystywany w demonstracji diagnostyki urządzenia przemysłowego, współpracujący z narzędziami analizującymi dokumentację, historię eksploatacji i bieżące informacje techniczne. Widowiskowość takiego pokazu jest oczywista, ale znacznie ważniejsza wydała mi się warstwa Industrial AI Harness, zaprezentowana jako mechanizm nadzorowania pracy agentów. Ma ona egzekwować uprawnienia, stosować reguły biznesowe i zachowywać zapis podejmowanych działań, także gdy w procesie uczestniczą rozwiązania pochodzące od innych dostawców. W przemysłowym środowisku błędna odpowiedź nie zawsze kończy się na ekranie; może doprowadzić do zamówienia niewłaściwych części, zmiany harmonogramu remontu albo kosztownego przestoju, dlatego kontrola nie może być dodatkiem wdrażanym dopiero po wystąpieniu problemu.

Przedstawione tego dnia przykłady z różnych branż rozszerzały perspektywę poza pojedynczą aplikację. Współpraca z Siemensem ma połączyć wiedzę wykorzystywaną podczas projektowania urządzeń z informacjami gromadzonymi w czasie ich eksploatacji i serwisowania. Southwest Airlines wniósł perspektywę branży lotniczej, w której niezawodność nie jest po prostu kolejnym wskaźnikiem wydajności, a William Grant & Sons przypominał, jak dużą część wartości przedsiębiorstwa buduje doświadczenie przekazywane przez kolejne pokolenia pracowników. Za tym zestawem przykładów kryła się wspólna myśl: samo gromadzenie coraz większej ilości danych nie wystarczy, jeżeli nie potrafimy ich wykorzystać w codziennej pracy.

Najpierw zamówienia, później autonomia

Nazajutrz na głównej scenie pojawił się Tom Brady, który w rozmowie z Jake’em Humphreyem opowiadał o treningu, konsekwencji i umiejętności wyciągania wniosków z porażek. Nieoczekiwanie dobrze pasowało to do opowieści o cyfrowych pracownikach, choć nie w sposób, jaki można byłoby przewidzieć po programie konferencji. W kolejnych prezentacjach, poświęconych między innymi energetyce, cyfrowym bliźniakom i rozwiązaniom Microsoftu, Siemensa oraz AVEVA, wielokrotnie powracała bowiem kwestia uczenia się na doświadczeniu. W przypadku agentów AI doświadczenie to oznacza nie lata pracy przy maszynie, lecz kolejne przypadki, decyzje i wyjątki, które system potrafi poprawnie rozpoznać.

Znacznie bliżej ziemi znalazłem się podczas sesji z klientami IFS Loops. Zamiast robota przy urządzeniu przemysłowym pojawiły się historie o zamówieniach wpływających pocztą elektroniczną, dokumentach zakupowych i potwierdzeniach, które ktoś musi wprowadzić do systemu. Cyfrowy pracownik potrafi odczytać dane, przygotować odpowiedni dokument, sprawdzić odpowiedź dostawcy, a w razie jej braku wysłać przypomnienie. Inny pomaga w uzupełnianiu materiałów potrzebnych technikom terenowym. Żaden z tych procesów nie wygląda szczególnie efektownie, ale każdy pochłania godziny pracy, dlatego łatwiej oszacować, ile przedsiębiorstwo może dzięki automatyzacji zyskać.

Przedstawiciel KLN Family Brands mówił o spodziewanej oszczędności około 80 godzin tygodniowo, natomiast Kodiak Gas Services opowiadał o wdrożeniu cyfrowego pracownika wspierającego zaopatrzenie i o planach rozszerzania automatyzacji. Nie wszystkie firmy mogły już jednak przedstawić twarde wyniki. Jeden z uczestników dyskusji przyznał, że jego rozwiązanie działa produkcyjnie dopiero od tygodnia, więc na rzetelną ocenę zwrotu z inwestycji trzeba poczekać, mimo że przedsiębiorstwo ma dane porównawcze dotyczące wcześniejszej obsługi zamówień. To była cenna uwaga pośród deklaracji o wielkich oszczędnościach, bo przypominała o różnicy między uruchomieniem technologii a potwierdzeniem jej ekonomicznego efektu.

W pamięć zapadła mi także historia awarii silnika w Kodiak Gas Services. Po modernizacji urządzenia zmieniła się specyfikacja części, ale pracownicy korzystali z wieloletniego doświadczenia i zastosowali elementy odpowiadające wcześniejszej konfiguracji, co doprowadziło do uszkodzenia. Przedstawiciel firmy uważał, że agent korzystający z aktualnych instrukcji mógłby takiego błędu uniknąć. Nie byłoby to potwierdzenie nieomylności AI, lecz bardzo konkretny przykład tego, jak łatwo praktyczna wiedza może zderzyć się ze zmianą, której nie wszyscy zdążyli się nauczyć. Dobrze skonfigurowany system mógłby przypomnieć o nowej specyfikacji w momencie zamawiania części, zanim trafiłaby ona na halę produkcyjną.

Stażysta z coraz większymi uprawnieniami

Do kwestii uczenia się wróciłem podczas rozmowy z Ravim Bulusu z Nexus Black. Wspólnie zastanawialiśmy się, co właściwie zmieniło się w 2026 roku, że cyfrowi pracownicy zaczęli trafiać do rzeczywistych procesów, zamiast pozostawać kolejnymi projektami pilotażowymi. Bulusu odróżniał AI współpracującą z człowiekiem, której zadaje się pytania i wydaje polecenia, od rozwiązania autonomicznego, które samodzielnie wykonuje powierzony proces i angażuje pracownika dopiero w określonych sytuacjach. W jego ocenie właśnie ten drugi model daje największe możliwości uzyskania wymiernego zwrotu z inwestycji.

„Nie zaczynasz od autonomii większej niż 30%” – wyjaśniał, wskazując, że nowe rozwiązanie musi najpierw nauczyć się reguł i wyjątków występujących w danym przedsiębiorstwie. Porównał ten etap do szkolenia stażysty, któremu daje się sześć do ośmiu tygodni na zdobycie praktycznego doświadczenia. Początkowo agent prosi o pomoc przy wielu czynnościach, ale z czasem zapamiętuje decyzje i coraz lepiej rozpoznaje podobne sytuacje. Według Bulusu część klientów osiąga już około 70% autonomii w wybranych procesach i chce dojść do 90%, choć nie należy mylić tych wartości z udziałem AI w całej pracy organizacji. Chodzi o określone zadania, w których można wskazać przypadki obsłużone bez udziału człowieka.

Przykład jest prosty: pracownik kilka razy akceptuje podobne zamówienie od konkretnego dostawcy, po czym może zezwolić agentowi na wykonanie tej czynności bez ponownego pytania. W ten sposób system buduje pamięć procesu i stopniowo ogranicza liczbę interwencji, ale równocześnie musi pozostawać pod kontrolą, żeby nie utrwalił błędnego sposobu postępowania. Bulusu podkreślał, że człowiek powinien uczestniczyć w procesie nadawania nowych uprawnień, bo autonomia zwiększona zbyt wcześnie nie daje prawdziwej korzyści biznesowej. Z drugiej strony ciągła potrzeba akceptowania każdego kroku odbiera automatyzacji znaczną część sensu, dlatego kluczowe staje się stopniowe budowanie zaufania do poprawnie wykonanych zadań.

Zapytałem też o przyszłość integratorów, dla których rozwój autonomicznych agentów może oznaczać nie tylko nowe projekty, lecz także automatyzację części własnej pracy. Bulusu wskazał, że systemy wdrażane przez lata są pełne indywidualnych zmian, o których producent nie zawsze ma szczegółową wiedzę. Partner znający klienta, jego procesy i historię wdrożeń może więc odgrywać ważną rolę przy przygotowywaniu cyfrowych pracowników. Nie próbował jednak przewidywać, co wydarzy się później, gdy również zadania konfiguracji czy integrowania aplikacji zaczną przejmować autonomiczne narzędzia. Przyznał, że na takie pytanie cała branża dopiero będzie musiała odpowiedzieć.

Dwie strony oszczędności

Inną, ale niemniej ciekawą perspektywę przyniosło spotkanie z Sophie Graham, Chief Sustainability Officer IFS. Rozmawiałem z nią o tym, jak uzasadniać projekty zrównoważonego rozwoju, skoro zarządy często koncentrują się na kosztach, odporności operacyjnej i samej AI. Graham przekonywała, że te cele nie muszą ze sobą konkurować, i przywołała optymalizację tras oraz harmonogramów serwisantów, która według danych IFS ogranicza pokonywane odległości średnio o 37%. Mniejsza liczba kilometrów to zarówno oszczędność paliwa i czasu, jak i niższe emisje, a więc efekt, który można pokazać w kategoriach finansowych oraz środowiskowych.

Jeszcze ciekawszy przykład dotyczył jej własnego zespołu, w którym agenci opracowani wewnętrznie pozwolili ograniczyć ręczną pracę związaną z raportowaniem zrównoważonego rozwoju o 70%. Zamiast poświęcać czas na zestawianie danych, korespondencję i dopasowywanie informacji do wymogów sprawozdawczych, pracownicy mogli przygotowywać materiały przedstawiające osoby i przedsięwzięcia stojące za wynikami. „Produktywność nigdy nie może być celem samym w sobie” – podkreśliła Graham. To ważne zastrzeżenie w czasie, gdy niemal każda prezentacja nowych narzędzi AI zaczyna się od procentów zaoszczędzonego czasu, a znacznie rzadziej pokazuje, jakie zadania firma rzeczywiście wykona dzięki uzyskanym w ten sposób zasobom.

Graham zwracała również uwagę na koszty samej infrastruktury AI, wymagającej coraz większych ilości energii i wody. Jeżeli algorytm pomaga ograniczać emisje w przedsiębiorstwie, warto ocenić zarówno korzyści jego zastosowania, jak i zasoby potrzebne do działania centrów danych. Rozmowa nie sprowadzała się więc do zapewnienia, że technologia automatycznie poprawia każdy wskaźnik środowiskowy; chodziło raczej o umiejętność liczenia pełnego bilansu i powiązania projektu z realnymi potrzebami klientów. W tej dziedzinie duże znaczenie mogą mieć partnerzy lokalni, którzy znają krajowe regulacje i potrafią dostosować rozwiązanie do warunków działania konkretnej firmy.

Od pokazu do rachunku zysków i strat

Ostatniego dnia IFS Unleashed program prowadził już wprost do kwestii kontroli i biznesowych wyników. Dean Ball z OpenAI mówił o tym, kto powinien nadzorować sztuczną inteligencję, kiedy ta zaczyna oddziaływać na maszyny, a w kolejnych sesjach przedstawiciele między innymi Nestlé i Coca-Cola Company opowiadali o wykorzystywaniu wiedzy gromadzonej w organizacjach. W pokazach IFS Intelligence pojawił się również IMAX, a rozmowy o finansowych efektach Industrial AI pozwalały spojrzeć na premiery z pierwszego dnia z bardziej praktycznej strony. W krótkim czasie od koncepcji cyfrowego pracownika, który potrafi przyjąć zadanie, konferencja przeszła do pytania, kiedy takie rozwiązanie zaczyna przynosić wymierne korzyści.

Szczególnie ważne było w tym kontekście stanowisko Marka Moffata, które wybrzmiało podczas spotkania z dziennikarzami i analitykami. Szef IFS wskazywał, że sztuczna inteligencja może ograniczać nakłady potrzebne na tradycyjne wdrożenia oprogramowania, zmieniając zarazem sposób pracy partnerów. Jeżeli konfiguracja, testowanie i przygotowywanie części integracji stają się szybsze, trudniej będzie opierać ofertę głównie na sprzedaży dużej liczby godzin konsultantów. Rosnąć powinno natomiast znaczenie analizy procesów, porządkowania danych, projektowania zakresu autonomii i odpowiadania za konkretny rezultat biznesowy.

Nie oznacza to, że integratorzy stracą rację bytu, ale ich rozmowa z klientem będzie musiała wyglądać inaczej. Zamiast wyłącznie omawiać zakres prac technicznych, warto będzie ustalić, ile trwa obsługa zamówienia, ile kosztuje błąd w doborze części albo jakie oszczędności przyniesie usprawnienie pracy zespołu serwisowego. Sam producent może dostarczyć gotowego agenta, lecz ktoś musi sprawdzić, czy ma on dostęp do właściwych danych, rozumie obowiązujące wyjątki i działa zgodnie z procedurami organizacji. To zadanie dla firm łączących kompetencje technologiczne z wiedzą o biznesie, a nie tylko dla osób sprawnie obsługujących kolejny interfejs.

W Orlando obecni byli również polscy partnerzy IFS, w tym Delegate IT i InfoConsulting, co przypominało, że ta zmiana nie dotyczy wyłącznie globalnych integratorów. Firmy działające na naszym rynku będą musiały mierzyć się z podobnymi pytaniami o wartość usług i nowe oczekiwania klientów. Z jednej strony otwierają się projekty związane z agentami, automatyzacją i porządkowaniem procesów, z drugiej część czynności technicznych może stopniowo tracić na znaczeniu. W takim otoczeniu przewagą staje się doświadczenie pozwalające przełożyć możliwości oprogramowania na problemy konkretnego przedsiębiorstwa.

Najważniejszy wniosek płynący z konferencji IFS Unleashed to nie obietnica kolejnych funkcji IFS Intelligence, lecz zmiana sposobu myślenia o wartości oprogramowania. Producent i jego partnerzy nie będą mogli poprzestać na zapewnieniu, że system posiada określone możliwości; klienci chcą dziś wiedzieć, jaki proces zostanie usprawniony, o ile zmniejszy się koszt jego obsługi i kiedy inwestycja zacznie się zwracać. Dla branży wdrożeniowej to zarazem szansa na nowe usługi i ostrzeżenie, że dotychczasowy model sprzedaży pracy specjalistów może nie wystarczyć. Najbliższe miesiące pokażą, ilu uczestników rynku potrafi przełożyć efektowne prezentacje na przekonujące wyniki biznesowe.