Mentionsy

Nawigacja w świecie logistyki
Nawigacja w świecie logistyki
10.02.2026 11:07

Produkcyjna implementacja AI w logistyce | Vibe Coding kontra stare IT

AI w logistyce przestało być marketingowym ornamentem. Jeśli jeszcze rok temu wielu dostawców próbowało sprzedawać „AI” jako ładną etykietę na proste reguły (typu „wybór lokalizacji”), to w 2026 realnie wchodzimy w etap produkcyjnej implementacji AI w logistyce – takiej, która daje efekt tu i teraz: skraca czas, redukuje tarcie operacyjne, odcina kolejki w ticketingu, pozwala budować narzędzia wewnętrzne bez proszenia software house’u o łaskę i… zmienia układ sił między biznesem a „starym IT”.W tym materiale pokazuję konflikt, który widać dziś na LinkedIn i w kuluarach konferencji: „stare IT” kontra vibe coding, czyli budowanie rozwiązań z użyciem języka naturalnego (promptów). Nie chodzi o to, żeby negować rolę inżynierii. Chodzi o rozróżnienie dwóch światów:
– „systemy krytyczne” (ERP/WMS/OMS w sensie core) wymagające rygoru, utrzymania, SLA, certyfikacji, bezpieczeństwa i odpowiedzialności,
– oraz narzędzia wspierające (wewnętrzne aplikacje, analityka, automaty, integracje punktowe, warstwy UX/raportowania), które do tej pory ginęły w kolejce „zróbcie ticket, wrócimy do tematu” – a dzisiaj mogą powstać w godziny lub dni. Poruszam też temat guardrails (zabezpieczeń) i odpowiedzialności: AI w operacjach działa tylko wtedy, gdy nie odklejamy się od realiów danych, NDA i ryzyk. Co innego narzędzie „dla siebie” z pozamykanymi portami i kontrolą dostępu, a co innego produkt komercyjny, gdzie wchodzą standardy serwisu, niezawodność, model incydentów, audyt i pełna odpowiedzialność za dane klienta. Daję dwa konkretne przykłady rozwiązań, które pokazują, że produkcyjna implementacja AI w logistyce to nie slajdy, tylko mechanika działania:
Open Mercato – otwarty (open source) system ERP/RP rozwijany przez doświadczonych praktyków, z modelem biznesowym opartym o usługi i rozszerzenia.Blueclip.ai – „szyna” łącząca systemy (WMS/ERP/CRM/OMS/TMS/YMS), która pozwala zadawać pytania językiem naturalnym i budować warstwy analityczno-decyzyjne ponad istniejącym IT, np. mapy ciepła magazynu, rekomendacje optymalizacyjne, taski i automaty.Jeśli zarządzasz logistyką, IT, operacjami lub wdrażasz WMS/ERP i masz dość: vendor lock-in, braku elastyczności, sprintów bez końca i przepychanek o priorytety – ten materiał jest po to, żebyś zobaczył praktyczny kierunek: „cebula” warstw narzędzi, gdzie core zostaje stabilny, a nad nim rośnie szybka warstwa AI, automatyzacji i aplikacji budowanych promptami. Na końcu zostawiam też ważną tezę o rynku pracy: „klepanie w klawiaturę” jako jedyna wartość będzie znikało. Zostaną ci, którzy rozumieją biznes, ryzyko, architekturę i potrafią zarządzać agentami, jakością, bezpieczeństwem i efektem operacyjnym.

Timeline:

Wstęp i kontekst: konflikt „stare IT” vs nowe narzędzia
Dlaczego nie czytam slajdów: slajdy jako tło do tez
Narzędzia wewnętrzne vs systemy core (WMS/ERP)
„Cebula” ekosystemów: warstwy rozwiązań w firmie
Koniec „AI-washingu”: 2026 i realna produkcyjna implementacja AI w logistyce
Wirtualne rady nadzorcze (CTO/CFO/COO jako agenci)
Ticketing, kolejki, brak elastyczności i vendor lock-in
Prezentacje z AI (GemaApp) i kompresja pracy marketingowej
Vibe coding: kodowanie promptami i jego konsekwencje
Guardrails: bezpieczeństwo, NDA, odpowiedzialność i granice
POC vs produkt: różnica, o której biznes zapomina
Case 1: Open Mercato (open source ERP/RP)
Jak kodują top programiści: narzucone ramy i „smycz” dla modeli
Case 2: Blueclip.ai jako „mózg” nad systemami
Przykład: mapa ciepła magazynu z danych WMS
Optymalizacja kosztów: capex/opex rozbite na taski
„Drugie życie” dla słabego WMS dzięki warstwie AI
Taski dla ludzi vs taski automatyczne (agentowe wykonywanie)

Szukaj w treści odcinka

Znaleziono 20 wyników dla "AI"

Przejdziemy sobie teraz do produkcyjnej implementacji AI w logistyce.

Chodzi o to, że stare IT, jeżeli sobie przypomnimy, ja pamiętam, że na którejś z konferencji parę miesięcy temu, jeszcze w tamtym roku, powiedziałem, że sam zrobiłem aplikację w Google AI Studio, która była wyceniana przez software house'y na 100 tysięcy złotych, no i rozpętało jakby się piekło, że to gówno, że nie umiem kodować, że to nie będzie działać, że kto to będzie rozwijał i tak dalej.

Ale uważam, że to są case, które odpowiadają na pytanie postawione w tytule, czyli w jaki sposób AI jest wykorzystywane produkcyjnie w logistyce.

W sensie, że dodaje się AI do prostej algorytmiki.

Natomiast jeszcze trzymając się oczywiście całej tej estetyki AI i tego o czym jest dzisiejsza konferencja, to nie wiem czy Wam znana czy nie, oczywiście cała ta prezentacja to jest GemaUp AI w wersji oczywiście płatnej, w wersji bezpłatnej 10 slajdów, w wersji płatnej pierwszej Pro 20 i w jakiejś tam dużej za chyba 40 dolarów miesięcznie nieograniczona ilość slajdów.

Google AI Studio to wygląda w ten sam sposób.

Produkcyjna implementacja AI w logistyce Vibe Coding.

Produkcyjna implementacja AI w logistyce Vibe Coding.

To, co jest ważne, to oczywiście guardrails, zabezpieczenia.

I oto troszkę tutaj racji mają starozakonni rycerze IT, ale tylko troszkę, że to nie jest zabawa, no bo czymś innym jest zrobienie modelów AI Studio, tak jak ja mam swoje narzędzia porobione, które są udostępnione na serwerach Googla, czyli mam kilka narzędzi, które jestem w stanie włączyć sobie z iPada, z iPhone'u, z czegokolwiek, czy z jakiegokolwiek Androida, peceta.

Czyli jeżeli my przygotowujemy proof of concept i chcemy komuś pokazać, to nawet nie ma wpływu z narzędziami AI, bo zawsze tak było, że my sprzedajemy marzenia.

Jeżeli wy macie kontakty w biznesie czy w przemyśle i rzeczywiście te problemy macie zidentyfikowane, to ludzie na tym etapie są w stanie to o tyle kupić, niekoniecznie w to zainwestować pieniądze, to jest często tak, że inwestujemy swoje pieniądze czy czas,

Natomiast jesteśmy w stanie kupić, kupić atencję i zainteresowanie.

Świat przed AI był zbudowany jakby na w miarę solidnych fundamentach, które się tam konstytuują przez 20 czy 30 lat, czyli oprogramowanie nie może się wywalić, to ma być taka i taka skuteczność, serwery się nie mogą wyłączyć, SLA określa w ile minut czy w ile godzin ma nastąpić naprawa i teraz jeżeli Wy chcecie wejść z Vibe Codingiem, czyli z jakąś taką lekką nakładeczką, którą robicie w domu, to musicie zapewnić taki sam serwis.

I mamy pierwszy temat wykorzystania takiego szeroko AI, bliski mojemu sercu o tyle, że nie wiem czy kojarzycie Karwatków, braci Piotra, Piotra, Tomka.

On co prawda nie korzysta z Vibe Codingu, bo Vibe Coding to tak jak sobie powiedzieliśmy wcześniej, to jest model dla kompletnych laików tak jak ja, czyli ja gadam, on coś robi, ja nie czytam tego kodu, bo nie jestem w stanie sprawdzić jego jakości, ewentualnie sprawdzam, czy jak mi pisze, że będzie robił coś tam w TypeScriptcie, to czy TypeScript to jest akurat dobry język do tej konkretnej aplikacji.

Natomiast Piotr czy inni informatycy oczywiście robią to w trochę inny sposób, czyli używają narzędzi tak zwanych wspieranych inżynierią AI, czyli oni wiedzą co piszą, wiedzą czego użyć i narzucają modelom pewne ramy technologiczne.

Czyli jeżeli on korzysta ze wspomagania jakiegoś AI, to znowu jest tak, jak ja mówiłem w przykładzie o BPMN-ie, czyli na takiej smyczy tego konkretnego codera.

Tutaj patrząc na taki projekt, to trudno, żeby świat nie przyjął zainteresowaniem otwartego systemu ERP, który z samej natury, właściwie jak go pobierzecie, oczywiście jest cała dokumentacja na Githubie, są rozpisane wszystkie kolejne iteracje, jest plan na pierwszy, drugi, trzeci kwartał, 2.6.

Wyobraźcie sobie, to jest taka aplikacja, jak wpiszecie sobie, te linki będą później, ale jak wpiszecie blueclip.ai to będziecie mieli stronę.