Koniec z "pilotami", czas na zyski. Andre Bechtold (SAP) obnaża błędy firm wdrażających AI

Maj 2026 roku przyniósł jedno z najważniejszych wydarzeń technologicznych na mapie Europy – konferencję SAP Sapphire Madrid 2026. To właśnie tutaj, w sercu Hiszpanii, tysiące menedżerów, deweloperów i liderów opinii spotkało się, by dyskutować o rzeczywistym, a nie tylko marketingowym wdrożeniu technologii Business AI w strukturach największych światowych przedsiębiorstw.

Za kulisami tego gigantycznego wydarzenia spotkaliśmy się z Andre Bechtoldem – człowiekiem, który w SAP odpowiada za strategię branżową i bezpośrednie przekładanie skomplikowanych algorytmów na operacyjny język 25 różnych sektorów gospodarki.

Konrad Bagiński: Andre, kierujesz strategią produktową SAP dla 25 różnych branż. Jak udaje Ci się pogodzić szybkie innowacje technologiczne z powolnymi cyklami produkcyjnymi tradycyjnych sektorów, takich jak przemysł ciężki czy górnictwo? Kto musi się do kogo dostosować – technologia do branży, czy branża do technologii?

Andre Bechtold: Na początek małe sprostowanie: nie kieruję strategią produktową SAP w ścisłym tego słowa znaczeniu. Prowadzę naszą strategię branżową i wspieram branżowe jednostki biznesowe od strony klienckiej i sprzedażowej. Patrzę więc na to przez pryzmat biznesu.

W przemyśle ciężkim, górnictwie czy energetyce test jest bardzo prosty: czy technologia poprawia czas sprawnego działania (uptime), planowanie, bezpieczeństwo, kontrolę kosztów lub zgodność z przepisami (compliance)? Jeśli tak, firmy ją wdrożą. Jeśli nie, nie powinny tego robić.

Dlatego sztuczna inteligencja musi znajdować się wewnątrz realnych procesów biznesowych, a nie obok nich. Technologia musi pasować do realiów operacyjnych danej branży. Jednak branże również muszą działać, gdy pojawia się jasne uzasadnienie biznesowe. Odpowiednie tempo to takie, które poprawia wydajność bez generowania ryzyka operacyjnego.

Kiedy klient pyta: "Świetnie, macie AI, ale co to konkretnie daje mojej sieci handlowej albo fabryce samochodów?", jaka jest twoja odpowiedź?

Jeśli sztuczna inteligencja nie poprawia wskaźników biznesowych, to nie jest istotna. Głównym problemem jest dziś to, że zbyt wiele firm wciąż skacze od pilotażu do pilotażu. To jeden z powodów, dla których średni zwrot z inwestycji (ROI) w przypadku wielu wdrożeń AI wynosi zaledwie 16 proc.

Moja rada jest prosta: zacznij od jednego realnego problemu biznesowego, a nie od AI jako ogólnej koncepcji. W handlu detalicznym może to być dokładność prognoz, braki magazynowe, przeceny lub szybkość obsługi. W produkcji – przestoje, obsługa przetargów, zarządzanie częściami zamiennymi czy jakość planowania.

Firmy, które robią realne postępy, to nie te, które prowadzą najwięcej programów pilotażowych. To te, które wybierają kluczowy przypadek użycia, łączą go z rzeczywistym procesem oraz stojącymi za nim danymi, mierzą efekty, a następnie skalują to, co działa.

Polska jest globalnym liderem w sektorze nowoczesnych usług dla biznesu (BSS). Finanse, HR i zakupy dla globalnych marek. To idealni kandydaci do automatyzacji. Czy widzisz polskie centra usług wspólnych na czele fali wdrażania rozwiązań Joule (asystent AI stworzony przez SAP – przyp. red.) i Business AI, czy raczej obawiają się one, że technologia zastąpi ich pracowników?

Tak, uważam, że Polska ma doskonałą pozycję, by objąć przywództwo. Centra usług wspólnych działają tutaj na wielką skalę i cechują się silną dyscypliną procesową, a to niezwykle ważne. AI działa najlepiej tam, gdzie procesy są jasne, dane ustrukturyzowane, a model operacyjny spójny. Innymi słowy – tam, gdzie za procesem stoi realny kontekst biznesowy.

Kwestia zatrudnienia jest oczywiście realna. Jednak w ujęciu biznesowym pierwszym efektem jest zazwyczaj wzrost produktywności, a nie natychmiastowa redukcja etatów. Firmy wykorzystują AI do ograniczania pracy manualnej, skracania czasu cykli, poprawy jakości i uwalniania doświadczonych ludzi, by mogli zajmować się wyjątkami oraz zadaniami o wyższej wartości. W ten sposób sztuczna inteligencja zaczyna się wiarygodnie skalować wewnątrz przedsiębiorstwa.

Jeśli sztuczna inteligencja nie poprawia konkretnych wskaźników biznesowych, to z punktu widzenia menadżera jest po prostu nieistotna.

Historycznie rzecz biorąc, wiele dużych polskich przedsiębiorstw, zwłaszcza w tradycyjnych sektorach lub w spółkach Skarbu Państwa, z rezerwą podchodziło do przenoszenia swoich kluczowych danych z systemów lokalnych (on-premise) do chmury. Jak dostosowujesz swoją strategię do rynków takich jak Polska, gdzie talent technologiczny jest na najwyższym światowym poziomie, ale tempo migracji do chmury wciąż ma przestrzeń do wzrostu?

Nie można zarządzać tym procesem jak ideologią. Na rynkach takich jak Polska problemem zazwyczaj nie jest brak talentu. Chodzi o ryzyko wokół kluczowych systemów. Odpowiedzią musi być więc ścieżka migracji, która jest wiarygodna zarówno pod względem ekonomicznym, jak i operacyjnym. To oznacza konieczność przedstawienia jasnych argumentów dotyczących kosztów, odporności, bezpieczeństwa i przyszłych nakładów na wprowadzanie zmian.

Oznacza to również unikanie niepotrzebnych zakłóceń w trakcie przenosin. Prostsze środowisko chmurowe zapewnia lepszą spójność danych, łatwiejsze zarządzanie i szybszy dostęp do funkcji, których biznes realnie potrzebuje. Chmura nie jest celem samym w sobie. Celem jest zbudowanie czystszego fundamentu, na którym firma może stabilnie działać i wprowadzać innowacje na dużą skalę.

Które branże są obecnie liderami we wdrażaniu Business AI, a które stawiają największy opór i dlaczego?

Liderami bywają zazwyczaj te sektory, w których wskaźniki ekonomiczne już teraz znajdują się pod presją: handel detaliczny, dobra konsumpcyjne, produkcja oraz branże oparte na zaawansowanej logistyce. Mogą one powiązać AI z bardzo konkretnymi dźwigniami: dokładnością prognoz, redukcją strat, wydajnością obsługi, zapasami czy przepustowością.

Wolniej wdrażające branże zazwyczaj zmagają się z fragmentarycznymi, przestarzałymi systemami, surowszymi regulacjami prawnymi lub po prostu brakiem sił na kolejny, potężny program transformacji. Ale nawet tam dyskusja staje się coraz bardziej praktyczna. Pytanie nie brzmi już, kto wdraża najwięcej rozwiązań. Chodzi o to, kto koncentruje się na realnym problemie biznesowym, potrafi połączyć go z procesem oraz danymi i potrafi go wyskalować, gdy wartość zostanie udowodniona.

Branże takie jak motoryzacyjna i modowa przez dekady polegały na potężnych, unikalnych modyfikacjach systemów. Jak przekonujesz dyrektorów generalnych wielkich korporacji, że mogą zachować swoją przewagę konkurencyjną przechodząc na standaryzowaną architekturę chmurową?

Zazwyczaj powtarzam jedno: złożoność jest droga. Jeśli twoja przewaga konkurencyjna zależy od starego, zmodyfikowanego kodu, to nie jest to silna pozycja. Przewaga powinna wynikać z produktu, usługi, marki, modelu operacyjnego czy bliskości klienta.

Standaryzacja rdzenia systemu zmniejsza koszty, ogranicza punkty krytyczne i ułatwia wprowadzanie zmian. Tworzy również spójność procesów i danych, której AI potrzebuje, by być użyteczną na dużą skalę. To daje firmom więcej przestrzeni na inwestowanie tam, gdzie wyróżnienie się na rynku naprawdę przynosi zyski. Większość CEO doskonale rozumie ten kompromis. Oni nie próbują bronić złożoności. Oni próbują bronić wydajności.

Na SAP Sapphire widzieliśmy zupełnie nowe podejście do relacji z klientem końcowym. Jak AI przekształca nowoczesny handel? Czy zmierzamy w kierunku świata, w którym systemy ERP i CX będą automatycznie negocjować ceny i składać zamówienia między sobą, całkowicie eliminując człowieka?

AI przekształca handel poprzez poprawę szybkości i jakości podejmowania decyzji wewnątrz samego procesu. Zobaczymy więcej automatyzacji w wycenie, uzupełnianiu zapasów i obsłudze zamówień, zwłaszcza tam, gdzie wolumeny są duże, a czas ma kluczowe znaczenie.

Nie oznacza to jednak usunięcia ludzi z tego równania. W wielu sytuacjach handlowych ludzki osąd wciąż ma znaczenie – w negocjacjach, w sytuacjach wyjątkowych, w relacjach z klientami i w zarządzaniu ryzykiem. Prawdziwą wartością nie jest zastąpienie każdej ludzkiej decyzji. Chodzi o wykorzystanie AI tam, gdzie pewność danych jest wysoka, i angażowanie ludzi w miejscach, gdzie wciąż liczą się osąd, odpowiedzialność lub kontekst.

Zarządzasz globalnym portfolio. Jak potrzeby branżowe w Europie, z uwzględnieniem unijnego AI Act i surowych regulacji ESG, różnią się od rynków w USA czy Azji? Czy musicie budować zupełnie inne modele AI dla różnych regionów?

Tak, otoczenie biznesowe różni się w zależności od regionu i to wpływa na sposób wdrażania AI. W Europie wymagania dotyczące zarządzania, przejrzystości, zgodności i zrównoważonego rozwoju bywają bardziej dosłowne. W USA dyskusja częściej koncentruje się na szybkości, skali i krótkoterminowym zwrocie z inwestycji. Z kolei w części Azji widać większą gotowość do szybkiego działania, jeśli przypadek użycia jest jasny.

Nie zawsze oznacza to budowanie osobnych modeli dla każdego regionu. Oznacza to jednak inne mechanizmy kontroli, opcje wdrażania i reguły procesowe. AI działa skutecznie na dużą skalę tylko wtedy, gdy ład korporacyjny jest zaprojektowany tak, by technologia działała odpowiedzialnie w środowisku biznesowym, w którym operuje.

Polska stała się kluczowym hubem produkcyjnym i logistycznym w Europie, szczególnie w obliczu trwającego trendu nearshoringu. Jak dedykowane branżom narzędzia AI od SAP pomagają łańcuchom dostaw w Europie Środkowej zachować odporność i konkurencyjność w obliczu globalnych wstrząsów?

Europa Środkowa zyskała na znaczeniu w produkcji i logistyce, a to sprawia, że odporność stała się twardym problemem biznesowym, a nie teorią. Rolą AI jest poprawa widoczności, wcześniejsze wykrywanie ryzyk i wspieranie szybszych decyzji dotyczących dostaw, zapasów oraz realizacji zadań.

Właśnie w tych obszarach klienci oczekują konkretnych rezultatów: bardziej odpornych łańcuchów dostaw, mniejszego ryzyka i lepszej wydajności pod presją. Jeśli firma potrafi wcześniej dostrzec zakłócenia i zareagować z większą precyzją, chroni poziom obsługi, kapitał obrotowy i koszty. W środowisku nearshoringu odporność nie jest czymś odrębnym od konkurencyjności. Ona jest jej kluczową częścią.