AI ve výrobní firmě: Kde začít, co dává smysl a co je jen hype

AI ve výrobní firmě není science fiction, ale zároveň to není ani zázračné řešení, které samo od sebe sníží náklady o desítky procent. Firmy, které jsou úspěšné v digitální transformaci a adaptaci AI, mají jedno společné: nejdřív stabilizovaly procesy, pak přidaly digitalizaci a automatizaci.

Firmy, které začnou od AI nebo jiného nástroje, typicky zautomatizují chaos, ve kterém své procesy mají. Taiichi Ohno to řekl už v roce 1988: TPS a počítačové systémy mohou spolupracovat v harmonii, ale bez funkčního lidského systému žádná technologie nepomůže.

---

Co AI ve výrobní firmě skutečně umí (a co ne)?

AI ve výrobní firmě je soubor technologií, které zpracovávají data, rozpoznávají vzory a automatizují rozhodování v opakujících se úlohách. Nejčastěji tam, kde jde o rychlost, objem nebo přesnost, která by byla nad lidské možnosti anebo pro člověka velmi náročná na čas a dovednosti.

Klíčové je myslet v souvislosti s umělou inteligencí na opakující se úlohy s velkým objemem dat. AI exceluje tam, kde existuje velké množství strukturovaných dat a jasná pravidla nebo historické vzory jejich zpracování. Naopak selhává tam, kde je potřeba úsudek, kreativita nebo kontextové rozhodování v nové situaci.

Co AI ve výrobě zvládá spolehlivě:

• Prediktivní údržba – rozpozná anomálie v datech ze senzorů strojů dřív, než vznikne porucha
• Detekce vad na výstupu – na základě tréninku odhalí opakující se vady spolehlivěji než člověk
• Optimalizace plánování výroby – vyhodnotí kapacity, termíny i priority v reálném čase
• Analýza dat z provozu – vyhodnotí OEE, zmetkovitost, prostoje a to automaticky, bez manuálního sběru dat a jejich procesování v Excelu nebo ERP
• Automatizace administrativy – zpracuje objednávky, fakturaci, reporty anebo navrhne emaily
• Asistence manažerů – připraví pro vedoucí reporty a podklady pro rozhodnutí anebo shrne porady

Co AI ve výrobě nezvládne (nebo zvládne špatně):

• Rozhodnutí v nové, nepředvídané situaci
• Moderace Kaizen workshopu nebo řízení změny s lidmi
• Kreativní redesign layoutu s ohledem na specifické podmínky závodu
• Vedení lidí a zvládání konfliktů v týmu
• Pochopení neformální kultury firmy a jejích neviditelných procesů

Nejčastější chybou je pak tradiční „systém nás zachrání“: firma koupí AI nástroje a čeká, že problémy zmizí mávnutím kouzelného proutku. AI ale neřeší špatné procesy, naopak je může mnohonásobně zesílit a prodražit. Pokud je například plánování výroby chaotické, AI naplánuje výrobu opět chaoticky, jenom mnohem rychleji.

Proč platí: nejdřív LEAN, pak AI?

Digitalizace nestabilního procesu je drahý způsob, jak zakonzervovat problém. Proto je LEAN transformace anebo obdobná optimalizace procesů podmínkou, ne alternativou k AI.

Taiichi Ohno napsal v roce 1988, tedy dávno před érou AI: „TPS a počítačové systémy mohou spolupracovat v harmonii.“ Ale zároveň varoval: „Je ekonomické poskytovat takové množství informací rychleji, než je potřebujeme?„

Přeloženo do dnešního jazyka: AI vám dá víc dat rychleji. Ale pokud nevíte, co s daty dělat, nebo pokud jsou vaše procesy nestabilní, rychlejší získání dat problém neodstraní, naopak ho zhorší, protože jej částečné schová z lidského dohledu. AI ve firmách často souvisí s automatizací a to i různých rozhodnutí, pokud tedy není dobře ukotven proces, může se taková adaptace velmi prodražit.

Konkrétní příklad: Firma zavede AI systém pro prediktivní údržbu. Systém správně identifikuje, že stroj pravidelně selhává každých 14 dní. Příčina je přitom prostá, operátor přeskakuje jeden krok při seřízení stroje, protože postup není standardizován a on si myslí, že tento krok není potřeba. AI odhalila symptom, ale ne příčinu. Pokud tato firma bude AI využívat k identifikaci abnormalit, skvělé, právě našla nestabilní proces a může jej optimalizovat a standardizovat. Pokud ale firma využívá AI k tvorbě reportu a rozhodnutí o nákupu nového stroje, někdo by mohl nevědomky rozhodnout o nákupu a poté být velmi překvapen, že problém nezmizel. Standardizace práce by přitom takový problém mohla eliminovat za pár dní.

7 konkrétních způsobů, jak výrobní firmy využívají AI dnes

AI ve výrobní firmě není jedna technologie, naopak je to ekosystém nástrojů pro řešení různých problémů. Níže se můžete podívat na ty nejpraktičtější aplikace pro české malé a střední podniky.

1. Prediktivní údržba

Senzory na strojích sbírají data o teplotě, vibracích, spotřebě proudu a dalších parametrech. AI algoritmus rozpozná odchylky od normálu a upozorní techniky ještě před poruchou. Výsledkem je méně neplánovaných prostojů, nižší náklady na opravy a delší životnost zařízení. Firmy s aktivní prediktivní údržbou reportují snížení neplánovaných prostojů o 25 – 40 % a snížení nákladů na údržbu o 10 – 25 %.

2. Vizuální kontrola kvality

Kamery skenují výrobky a AI skeny porovnává je se vzorem. Detekuje trhliny, škrábance, rozměrové odchylky nebo chybějící komponenty a to rychleji a konzistentněji než člověk. Toto využití umělé inteligence je vhodné zejména pro sériovou výrobu s jasně definovaným katalogem vad. Naopak nevyužitelné je v zakázkové výrobě s vysokou variabilitou nebo při subjektivním posuzování kvality (například posuzování kvality pomocí chuti a vůně).

3. Optimalizace plánování a rozvrhování výroby

AI plánuje výrobu s ohledem na kapacity strojů, dostupnost materiálu, priority zakázek a termíny dodávek. Umí plánovat v reálném čase a s ohledem na stovky proměnných najednou. Klasické ERP systémy takové plány vytváří zatím staticky. AI umí reagovat na změny okamžitě. Podmínkou je ale opět standardizovaný a stabilizovaný proces a čistá data z výroby či logistiky relativně vysoké kvality.

4. Automatizace administrativy a back-office

Generativní AI (jako ChatGPT nebo Copilot) dokáže automatizovat nebo výrazně urychlit například zpracování emailů a odpovědí na ně, přípravu reportů, shrnutí porad a dokumentace z nich, překlady technické dokumentace, tvorbu SOP a instrukcí. Typická úspora pak může činit 2 až 5 hodin týdně na manažera, pokud nástroje využije přesně dle svých potřeb a podmínek práce. Výhodou je, že zde není potřeba žádná technická infrastruktura, stačí využít existující aplikace.

5. Chatbot pro interní znalostní bázi

AI chatbot na firemní intranet nebo pro interní výrobní dokumentaci. Operátor u stroje nebo technik se prostě systému zeptá na to, co potřebuje a chatbot zobrazí informace, aktuální dokumentaci, výrobní příkaz, standard práce, či cokoli jiného je umožněno. Znamená to méně času na hledání, anebo méně chyb z neznalosti postupu. Studie IBM z roku 2024 uvádí, že zaměstnanci tráví průměrně 2,5 hodiny denně hledáním informací. Využití AI v tomto ohledu tedy může přinést značné úspory.

6. Analýza dat z výroby v reálném čase

Propojení strojů, MES systémů a ERP s AI vrstvou umožňuje automatický výpočet OEE, sledování trendů zmetkovitosti, identifikaci opakujících se problémů a anomálií. Manažer tak vidí aktuální stav výroby na dashboardu. Je dnes běžné, že ve výrobě sledujeme reálná data, AI vrstva umožňuje nastavit další parametry vyhodnocení dat, pomůže s odpovědí na různé otázky, které vyhledá přímo ve zdrojích, které má k dispozici, na počkání vygeneruje specifické grafy a tabulky. Opět ji lze chápat jako úsporu času, který sám o sobě dnes není produktivní.

7. AI asistent pro vedoucí a manažery

Generativní AI jako osobní asistent pro přípravu prezentací, analýzu dat, drafting komunikace, generování variant rozhodnutí nebo shrnutí reportů. Obvykle jde o věci, na které manažeři využívají své asistenty(tky) anebo jim ubírají čas od produktivní práce. Je zde tedy nízká vstupní bariéra nechuti a zároveň okamžitý efekt. Toto je dnes nejrychlejší způsob, jak zavést AI ve firmě bez IT infrastruktury. Mimochodem, pokud vás tenhle odstavec zaujal – víte, že přesně tohle učíme v tréninku AI šampionů? Protože AI není soubor generovaných pouček a použití, každý si může přijít sám na to, v čem mu nejvíce AI pomůže.

Kdo je AI šampion a proč ho vaše firma potřebuje?

AI šampion je interní expert, který prakticky zavádí AI nástroje pro optimalizaci procesů, automatizaci a digitalizaci a propojuje technologické možnosti s reálnými potřebami firmy.

Není to IT specialista ani datový vědec. Je to člověk, který rozumí výrobě nebo logistice a naučil se prakticky pracovat s AI nástroji. Ví, kde AI pomůže a kde je zbytečná. Umí prompt engineering, tedy to, jak správně komunikovat s AI, aby vytvářela užitečné výsledky. A umí nové postupy zavést do praxe společně s lidmi, ne přes jejich odpor.

Firmy, které mají AI šampiona, zavádějí AI až 5× rychleji než firmy, které se spoléhají na externího dodavatele. Důvod je jednoduchý: interní člověk zná kontext, lidi a specifika firmy. Žádný konzultant toto nedohoní. A pokud jste přečetli celý článek, určitě už moc dobře chápete, jak je znalost kontextu a prostředí důležitá.

Nejčastější otázky o AI ve výrobních firmách

---

Chcete se stát expertem na AI v oblasti vlastní práce? Nebo chcete, aby vaši lidé uměli AI využít ve prospěch firmy?

EDUNETT nabízí Studium AI šampionů – praktický trénink pro výrobní firmy, který z vašich lidí vychová interní experty na zavádění AI. Žádná teorie, jen nástroje a postupy, které fungují. Zarezervujte si místo ještě dnes.