Cyfrowe sprzątanie albo rynkowa śmierć. Jan Bungert demaskuje błędy menedżerów

Madryt, maj 2026 roku. Światowa konferencja SAP Sapphire 2026 stała się globalnym poligonem, na którym liderzy opinii i szefowie największych korporacji dyskutują o przejściu biznesu w tzw. "erę agentową" (Agentic Age). Czas teoretycznych zachwytów nad generatywną sztuczną inteligencją już minął – dziś liczy się wyłącznie twardy zwrot z inwestycji (ROI) i stabilność operacyjna.

W kuluarach tego wydarzenia spotkaliśmy się z Janem Bungertem – chief revenue officerem pionu SAP Business Data Cloud & AI. Bungert to kluczowa postać w strukturach giganta z Walldorf, człowiek odpowiedzialny za globalną strategię komercyjną oraz wdrażanie rozwiązań chmurowych i sztucznej inteligencji w architekturę procesową tysięcy przedsiębiorstw na całym świecie.

SAP niemiecki gigant technologiczny, który tworzy najważniejsze na świecie oprogramowanie do zarządzania biznesem (tzw. systemy ERP). Spina wszystkie działy firmy – finanse, magazyn, kadry (HR), produkcję i sprzedaż – w jeden wspólny, gigantyczny program. Dzięki temu wielka korporacja nie tonie w chaosie i tysiącach osobnych tabel w Excelu. Gdy klient kupuje produkt, system SAP automatycznie daje znać magazynowi, by spakował paczkę, księgowości, by wystawiła fakturę, a działowi zaopatrzenia, że kończą się zapasy i trzeba dokupić surowce. Wszystko dzieje się w jednym miejscu i w czasie rzeczywistym.

Przedstawiciel niemieckiego giganta demaskuje błędy menedżerów, tłumaczy, dlaczego licencje na stanowiska odchodzą do lamusa i zdradza, jak sztuczna inteligencja w kilka minut potrafi zoptymalizować finanse globalnych korporacji.

Konrad Bagiński (InnPoland.pl): Janie, jesteśmy po prezentacji otwierającej na SAP Sapphire 2026. Wasza firma rzuca wszystkie siły na odcinek sztucznej inteligencji i ogłasza wejście w "erę agentową". Co ten strategiczny zwrot oznacza dla nowoczesnego biznesu?

Jan Bungert: Przeszliśmy w ostatnich latach intensywną drogę. AI rozwija się w niewiarygodnym tempie, a dane stały się kluczowym aktywem każdej firmy. Nasza nowa strategia wprowadza biznes w erę, w której przedsiębiorstwa będą stawać się coraz bardziej autonomiczne we wszystkich swoich procesach. Ta autonomia będzie napędzana przez inteligentnych agentów (AI Agents) oraz posiadanie właściwych danych w odpowiednim miejscu i kontekście.

Całość opiera się na pięciu filarach, które podsumowałem podczas keynote’u: wizji autonomicznego przedsiębiorstwa, podziale na autonomiczne domeny, zintegrowanej platformie biznesowej AI, rozwiązaniach Industry AI oraz zupełnie nowej architekturze technologicznej, która tę transformację umożliwia.

Mówisz o autonomii, ale przecież firmy nie zrezygnują z dnia na dzień z systemów, które budowały przez lata. Jak chcecie połączyć ten nowy świat z istniejącym backendem w finansach, HR czy logistyce?

To kluczowa kwestia. Stabilne procesy backendowe stanowią kręgosłup, na którym agenci AI mogą w ogóle budować automatyzację. Dlatego podzieliliśmy system na tzw. "autonomiczne domeny" – osobno dla finansów, osobiście dla łańcucha dostaw itd.

Świadomie dopasowaliśmy te domeny do obecnych ról, jakie nasi klienci mają w swoich strukturach. Gdybyśmy przyszli do firmy i rzucili na stół 500 niezależnych botów, mówiąc: "Wymyślcie sobie, co z nimi zrobić", byłaby to operacja skazana na porażkę.

Biznes wciąż myśli kategoriami konkretnych funkcji operacyjnych. Dlatego w ramach danej domeny i konkretnego stanowiska dostarczamy inteligentnego asystenta, w którego wbudowani są dedykowani agenci. Pracownik aktywuje je w systemie i z miejsca wykonuje swoją pracę o 40-50 proc. efektywniej. To nasz pierwszy punkt wejścia: uwalniamy ludzi od rutynowych zadań.

Idąc dalej, w ujęciu horyzontalnym, czyli w ramach Industry AI, wybieramy najbardziej generujące wartość procesy ze strategicznych branż. Łączymy asystenty i procesy agentowe, wchodząc na poziom pełnej autonomii. Udział człowieka w pętli decyzyjnej (human-in-the-loop) zostanie tam drastycznie ograniczony, a w niektórych funkcjach obecność człowieka nie będzie już w ogóle wymagana. Tam rodzą się największe oszczędności i zyski.

Brzmi efektownie, ale menedżerowie cenią stabilność. Jak sprawić, żeby taki autonomiczny agent, który podejmuje decyzje finansowe, był bezpieczny i zgodny z rygorystycznymi przepisami korporacyjnymi?

Do tego służy nasza skonsolidowana platforma Business AI Platform. Połączyliśmy w nią naszą platformę technologiczną (BTP), aplikacje, integracje, Business Data Cloud oraz AI Core dający dostęp do modeli LLM.

Dzięki nowemu narzędziu Studio 2.0, które właśnie ogłosiliśmy, klient zyskuje kontrolę nad pełnym cyklem życia agenta AI. Budując własnego bota, ma on natychmiastowy dostęp do bogatych semantycznie struktur danych biznesowych. Możesz zdefiniować dla niego sztywne bariery ochronne, monitorować jego zachowanie w czasie rzeczywistym i upewnić się, że jego działanie jest w pełni zgodne np. z audytorskimi wymogami SOX (ustawy Sarbanesa-Oxleya).

Jeśli agent zacznie robić coś niepokojącego, system pozwala go zoptymalizować lub wygasić. To sprawia, że agenci są gotowi do pracy w skali wielkich korporacji.

Szybkie tempo wdrożeń AI to jedno, ale wiele tradycyjnych firm posiada ogromny dług technologiczny. Ich systemy to często skomplikowana architektura z lat ubiegłych. Jak sztuczna inteligencja ma działać w takim środowisku?

Systemy muszą przejść do środowiska czystego rdzenia (clean core), aby AI mogła działać z pełną mocą. Wiemy, że to boli i kosztuje, dlatego wprowadzamy na rynek 7 specjalistycznych agentów AI dedykowanych samej transformacji systemowej. Odpowiadają oni za automatyczną optymalizację danych, czyszczenie kodu i zaawansowane testy. Dzięki temu proces migracji i unowocześniania infrastruktury przebiega o 35 proc. szybciej, przy znacznie niższych kosztach.

Mało tego: zmieniamy zasady gry dla firm, które obawiają się, że transformacja chmurowa zajmie im lata, a wartość z AI chcą czerpać już teraz. Wprowadzamy dedykowany konektor on-premise dla klientów decydujących się na program RISE z SAP.

Pozwala on naszym agentom uzyskiwać bezpieczny dostęp do systemów lokalnych, zanim te fizycznie trafią do chmury. Nigdy wcześniej na to nie pozwalaliśmy. To fundamentalna zmiana naszej filozofii.

Porozmawiajmy o paliwie dla AI, czyli o danych. Zmorą menedżerów są tzw. "brudne dane" – nieustrukturyzowane informacje rozproszone po różnych systemach, w których panuje chaos. Co SAP potrafi z tym zrobić?

Nasza Business Data Cloud tworzy jednolitą, czystą warstwę danych end-to-end. Pobieramy dane ze standardowych systemów SAP, gdzie surowy przepływ procesów przekształca się w gotowe produkty danych (data products) zachowujące pełen kontekst. Możemy też integrować i współdzielić dane z platform i systemów innych niż SAP.

Ta zunifikowana warstwa jest fundamentem dla Grafu Wiedzy (knowledge graph). To absolutnie kluczowy element, z którego korzystają agenci AI. Dzięki niemu rozumieją oni pełny kontekst biznesowy od początku do końca: widzą zależności i na tej podstawie podejmują trafne decyzje.

W ten sposób łączymy dane ustrukturyzowane i nieustrukturyzowane, wprowadzając je w erę agentową.

Christian Klein, prezes SAP, wspomniał podczas wystąpienia, że SAP Business Data Cloud to jeden z waszych najszybciej rosnących produktów w historii. Skąd taki nagły boom na rynku?

Rynek od dekad zmagał się z potężnym problemem: jak efektywnie zarządzać danymi z systemów SAP. W przeszłości klienci na własną rękę budowali skomplikowane skrypty do eksportu danych na zewnętrzne platformy. Przy takim eksporcie kontekst biznesowy bezpowrotnie ginął, pojawiały się opóźnienia, a bazy SAP mają niezwykle złożone struktury tabelaryczne. Utrzymanie zależności semantycznych było koszmarem.

Business Data Cloud eliminuje ten błąd u źródła. Dzięki Grafowi Wiedzy sprowadzamy dane operacyjne do jednej, czystej struktury dostępnej dla AI. Co najważniejsze: nie musisz bez przerwy kopiować ani fizycznie przenosić tych danych, po prostu udostępniasz do nich wgląd (data sharing).

To rewolucja, która pozwoliła nam zdobyć znacznie ponad 2000 klientów korporacyjnych już w pierwszym roku od premiery. To także idealna ścieżka do bezbolesnej modernizacji starszych systemów BW (Business Warehouse).

Nowy, autonomiczny świat AI brzmi rewolucyjnie, ale czy jako spółka technologiczna nie obawiacie się luki w przychodach? Tradycyjne firmy nie rzucą się na nowe rozwiązania z dnia na dzień, transformacja potrwa lata. Czy wasz biznes to wytrzyma?

Nasz klasyczny model oparty na subskrypcjach oprogramowania (SaaS) ma się doskonale. Cały czas notujemy stabilne wzrosty, wbrew niektórym głosom analityków rynkowych, którzy twierdzili, że dynamika SaaS wygasa. Nasze wyniki finansowe tego nie potwierdzają.

Nasza rozszerzona strategia AI nie zastępuje ani nie odcina dotychczasowych systemów backendowych. One będą absolutnie niezbędne w przewidywalnej przyszłości, by zapewniać stabilność operacyjną i pełną audytowalność procesów.

Oba te światy będą współistnieć. Jednak era autonomii procesowej przyniesie tak gigantyczny skok efektywności, że firmy, które będą zwlekać z jej wdrożeniem, po prostu stracą konkurencyjność na rynku. Prognozy finansowe jasno pokazują, że popyt na autonomiczną automatyzację rośnie lawinowo.

A jak wygląda realna adopcja tych narzędzi na świecie? Czy widzisz różnice geograficzne, na przykład, że Azja wdraża AI szybciej niż ostrożna Europa czy nastawiona na zysk Ameryka?

Szczerze mówiąc nie dostrzegam drastycznych różnic o charakterze czysto geograficznym. Większość globalnych firm rozpoczęła już eksperymenty i wdrożenia prostszych przepływów agentowych.

Widzimy natomiast ogromne różnice w tym, jakie rozwiązania generują realną wartość. Rynek szybko weryfikuje projekty. Przykładowo: prości asystenci pisania tekstu wbudowani w oprogramowanie to miły gadżet, klienci chętnie go aktywują, ale prawda jest taka, że nie generuje on wysokiej wartości i nie ma realnego wpływu na rachunek zysków i strat w dużej skali.

Z drugiej strony, nasze specjalistyczne narzędzie AI dla konsultantów, które automatycznie analizuje infrastrukturę SAP, pisze kod i prowadzi użytkownika za rękę przy modernizacji systemu, stało się absolutnym hitem. Pozwala ono błyskawicznie wejść z poziomu juniora na poziom seniora. Z tego rozwiązania korzysta już niemal 1000 wielkich klientów, w tym praktycznie wszystkie globalne firmy doradcze, wdrażając je dla tysięcy pracowników.

Wniosek? Jeśli narzędzie daje precyzyjną wartość biznesową, adopcja na rynku jest błyskawiczna. Hamulcem bywa jedynie wspomniany wcześniej dług technologiczny i nieuporządkowane środowisko u klienta.

Czy widać już jakieś wyraźne wzorce branżowe? Kto jest liderem wdrożeń, a kto zostaje w tyle?

Poza firmami konsultingowymi, technologia agentowa rozwija się najszybciej we wszystkich jednostkach odpowiedzialnych za bezpośredni kontakt z klientem. Automatyczne zarządzanie sporami handlowymi, obsługa reklamacji na pierwszej linii czy systemy wsparcia sprzedaży – tam agenci AI radzą sobie doskonale, bo zwrot z inwestycji jest natychmiastowy.

W ujęciu makro: branże zaawansowanych technologii i detaliczne, znajdujące się pod stałą presją marżową, wdrażają AI najszybciej. Tradycyjny przemysł ciężki robi to nieco wolniej. Kluczowy wzorzec nie dotyczy jednak branży, ale kultury organizacyjnej – sukces wdrożenia zależy bezpośrednio od tego, czy projekt jest osobiście prowadzony i wspierany przez kadrę zarządzającą najwyższego szczebla (C-level).

Na koniec muszę zapytać o model biznesowy. W dobie AI, gdzie operacje wykonują autonomiczne roboty, tradycyjne licencje na stanowisko użytkownika (seat-based) tracą sens. W którą stronę pójdzie SAP? Słyszy się głosy o rozliczeniach za efekt (outcome-based).

Rynek nieuchronnie zmierza w kierunku modeli opartych na realnym zużyciu zasobów (consumption-based). Liczenie stanowisk ludzkich w autonomicznym procesie nie ma już racji bytu, ponieważ to agenci stają się użytkownikami systemu. Dlatego licencjonowanie agentów SAP opiera się na konsumpcji.

Jeśli chodzi o model czysto oparty na efekcie (outcome-based), jest on niezwykle trudny do zrealizowania w praktyce. Każdy klient ma inne czynniki zewnętrzne i definicję sukcesu, trudno precyzyjnie udowodnić i rozliczyć taki wynik. Wiele firm na tym poległo.

Nasza filozofia opiera się na wycenie wartości (value-based pricing). Działa to tak: jeśli nasza sztuczna inteligencja optymalizuje i usprawnia proces konserwacji maszyn w fabryce, generując dla klienta mierzalną wartość ekonomiczną "X", to system rozliczeniowy pobiera ułamek tej wygenerowanej wartości, skorelowany z liczbą procesów, które przeszły przez platformę. Zaszywamy to bezpośrednio w naszym standardowym cenniku, głównie w obszarze Industry AI.

Model staje się maksymalnie zbliżony do efektu biznesowego, ale pozostaje prosty, przejrzysty i w pełni audytowalny. Prace nad matematycznym wdrożeniem tego systemu są już na ukończeniu.