Przejdź do treści

Blog · Opublikowano · Zaktualizowano

Agent AI do predictive maintenance: kiedy naprawdę ogranicza koszt awarii na produkcji

Krótka odpowiedź

Predictive maintenance z agentem AI ma sens, gdy zakład łączy sygnały z maszyn, historię utrzymania ruchu i decyzję człowieka. Agent zbiera dane, porównuje je z historią, proponuje inspekcję i czeka na akceptację. Nie steruje linią. System od 12 500 zł netto zwraca się po uniknięciu 2,5 godziny postoju, jeśli godzina kosztuje 5 000 zł.

Jak pracujemySzczegóły ↓

  1. 01Rozmowa30 min z inżynierem, 0 zł
  2. 02Prototypdziałający system na Twoim procesie i Twoich danych, 0 zł
  3. 03Wdrożeniecel i stała cena w umowie, 50% przy podpisaniu
  4. 04Odbiór50% po osiągnięciu celu
netto za agenta dla jednego procesu, budowa płatna raz
od 12 500 zł
od podpisania umowy do odbioru
6–16 tygodni
darmowy prototyp na Twoich sprawach
0 zł

Należymy do programów partnerskich OpenAI i Anthropic, twórców ChatGPT i Claude, i uczymy się z ich oficjalnych kursów. Co to znaczy ↓

Autor: Syntalith · 3 min czytania

Przykład: poranna skrzynka zgłoszeń
Agent · gotowy do pracy

Statystyki

AI w produkcji: statystyki 2026

2,5 h

postoju linii wystarczy uniknąć, żeby system za 12 500 zł się zwrócił, przy koszcie postoju 5 000 zł za godzinę. Scenariusz.

Dane sprawdzone: 22 października 2026

Kiedy predictive maintenance ma sens

Utrzymanie predykcyjne nie zastępuje przeglądów, diagnostyki drganiowej, dobrego CMMS ani wiedzy mechaników. To dodatkowa warstwa obserwacji i ustalania priorytetów.

Warunki dobrego pilota
  • Maszyna albo linia jest krytyczna dla przepustowości, jakości albo bezpieczeństwa
  • Koszt godziny postoju jest znany przynajmniej w przybliżeniu
  • Awarie mają sygnały poprzedzające: wibracje, temperatura, prąd, ciśnienie, czas cyklu
  • Dane da się zebrać w jakości wystarczającej do porównania trendów
  • Utrzymanie ruchu ma okna na inspekcję i ktoś podejmie decyzję po alercie

Jeśli awarie są rzadkie, maszyna nie jest wąskim gardłem albo nikt nie ma czasu reagować na alerty, zacznij od uporządkowania danych i historii awarii.

Kiedy system się zwraca

Najprostszy rachunek to liczba godzin postoju, których trzeba uniknąć, żeby system się zwrócił.

Koszt godziny postojuGodziny do zwrotu 12 500 złGodziny do zwrotu 30 000 zł
2 000 zł6,3 godz.15 godz.
5 000 zł2,5 godz.6 godz.
10 000 zł1,3 godz.3 godz.
Koszt fałszywych alarmów, scenariusz
Alerty w miesiącu
20
Inspekcja jednego alertu
30 min
Czas utrzymania ruchu
20 × 30 min = 10 godz.

Koszt inspekcji

664 zł/mies.

Liczba alertów i czas inspekcji to założenia scenariusza. Godzina pracy 66,45 zł to przeciętne wynagrodzenie według GUS z września 2026 r. z kosztami pracodawcy, 168 godz. w miesiącu. Dlatego pilot mierzy trafność alertów.

Co robi agent

Agent nie zastępuje diagnosty ani kierownika utrzymania ruchu. Zamiast „łożysko padnie we wtorek o 14:20” pisze: profil wibracji i temperatura odbiegają od dwóch tygodni pracy przy podobnym obciążeniu, podobny wzorzec poprzedzał dwie interwencje, proponowana kontrola przy planowym postoju.

Przepływ pracy w pilocie
  1. 01SygnałyPobiera dane z uzgodnionych czujników.
  2. 02PorównanieZestawia trend z normalną pracą przy podobnym obciążeniu.
  3. 03KontekstŁączy odchylenie z historią alarmów, CMMS i ostatnimi naprawami.
  4. 04PriorytetObserwuj, sprawdź przy planowym postoju albo eskaluj natychmiast.
  5. 05PropozycjaTworzy szkic zadania z uzasadnieniem i wykresami.
  6. 06AkceptacjaCzeka na decyzję człowieka przed działaniem kosztownym albo ryzykownym.
  7. 07ZapisZapisuje decyzję, wynik inspekcji i korektę alertu.

Według Komisji Europejskiej 90% firm używających AI deklaruje, że decyzje podejmują ludzie. W utrzymaniu ruchu to warunek konieczny.

Dane z maszyn: gdzie zaczynają się ograniczenia

Pytanie przed pilotemDlaczego ważne
Czy czujnik mierzy właściwy element?Czujnik „gdzieś w pobliżu” nie pokaże zużycia
Jaka jest częstotliwość próbkowania?Zbyt rzadka nie uchwyci zjawiska
Czy znaczniki czasu są spójne między systemami?Bez tego nie połączysz alarmu z naprawą
Czy system wie o serwisie i zmianie receptury?Inaczej uzna nową normę za anomalię
Czy historia awarii ma etykiety techniczne?„Maszyna nie działa” nie uczy niczego

Ślad decyzji

Jeśli po trzech miesiącach nie da się odtworzyć, dlaczego agent wysłał alert, pilot jest słaby niezależnie od wyglądu wykresów. W historii musi być widać źródła danych, okno czasowe, wersję reguł albo modelu, próg, który uruchomił alert, decyzję człowieka i wynik inspekcji.

Narzędzia: gdzie pasują

Które narzędzie do czego
  • Proste powiadomienia i szkic zadania po alercie

    n8n

    od 12 500 zł

  • Przepływ z akceptacją człowieka i wznowieniem

    LangGraph

    od 12 500 zł

  • Instrukcje i historia podobnych zgłoszeń

    wyszukiwanie w dokumentach

    w cenie systemu

  • Wykrywanie odchyleń na danych z czujników

    reguły i modele anomalii

    w cenie systemu

Sam model językowy nie powinien być jedynym mechanizmem wykrywania odchyleń na danych z czujników. Najlepszy prosty projekt łączy reguły albo modele anomalii z agentem, który sortuje alerty i prowadzi przepływ pracy. Typowe zakresy pokazujemy na stronie AI w utrzymaniu ruchu.

Przykład z liczbami · Scenariusz

Tak liczymy zwrot: utrzymanie ruchu

Ten sam rachunek robimy na bezpłatnej analizie dla Twojej linii.

6 645 zł

miesięcznie kosztuje napisanie raportów z 400 zleceń

Zwrot: 2,2 mies.

15 min na napisanie raportu z prac i sprawdzanie w 15% dawnego czasu to nasze założenia. Godzina pracy 66,45 zł to nasze wyliczenie z przeciętnego wynagrodzenia według GUS z września 2026 r. (9 266,48 zł) z kosztami pracodawcy, 168 h w miesiącu. Koszt modelu: odczyt zdjęcia 0,004734 USD zmierzony w naszym systemie dokumentowania prac w terenie plus opis (Claude Sonnet 5.5, około 2 000 + 400 tokenów), kurs NBP 3,8889 zł z 21 października 2026 r.

Zobacz pełny rachunek →

Tak wdrażamy to w firmach

Wszystkie wdrożenia →

Wyniki u klientów.

Wszystkie realizacje →
foap.comobsługa klienta

Obsługa klienta foap.com: 95% odpowiedzi wychodzi automatycznie.

Do foap.com piszą użytkownicy z kilku krajów, w kilku językach. System czyta całą rozmowę i warunki tej osoby, a potem sam wysyła odpowiedź w jej języku. Pytania o pieniądze i wyjątki trafiają do zespołu z gotowym szkicem, więc zostaje je sprawdzić i wysłać.

odpowiedzi wysyła system sam, bez pisania przez człowieka
95%
mija od nadejścia maila do gotowej odpowiedzi (mediana)
30 s
maili, które wymagają odpowiedzi, dostaje gotowy szkic
100%
pracy mniej na każde 1000 odpowiedzi (szacunek)
47 h

Dane z produkcji foap.com, 20–21 października 2026. Szacunek: 3 minuty na ręcznie pisaną odpowiedź.

Jak działa obsługa klienta foap.com →
Przykładowe wiadomości. Sprawy o pieniądze zawsze trafiają do człowieka.

Inne wdrożenia

jakotako.design

studio projektowe

−87%

Czas na szukanie nowych klientów, dziennie

4 h → 30 min

ok. 73 h mniej w miesiącu (21 dni pracy)

według studia

Jak działa pętla agentowa →
Signature Estates

nieruchomości

ok. −90%

Czas operatora na przeglądanie portali, dziennie

2–3 h → 20 min

ok. 45 h mniej w miesiącu (21 dni pracy)

szacunek · kontakt ze sprzedającym 5 min po ogłoszeniu

Jak agent łapie ogłoszenia →
Kuba Koziej, CEO i współzałożyciel MoreGrowth oraz członek zarządu Natu.Care

Kuba Koziej

CEO i współzałożyciel MoreGrowth

„Zaczęliśmy od mojego własnego agenta AI. Później podczas szkolenia nauczyłem się samodzielnie budować kolejne aplikacje. Dziś wdrażam ten sposób pracy z AI w swojej firmie. Współpraca z Syntalith dała mi dokładnie taki zestaw umiejętności i narzędzi, jakiego potrzebowałem.”

Zobacz pierwotną opinię po szkoleniu na LinkedIn ↗

Zanim kupisz agenta, zobacz go na swoich sprawach.Umów bezpłatną analizę (30 min) →

Jak budujemy automatyzacje i agentów

Od rozmowy do działającego systemu w czterech krokach.

  1. 01 · 30 min

    Bezpłatna analiza

    0 zł

    Rozmawiasz z inżynierem. Plan na piśmie dostajesz w 2 dni robocze.

  2. 02 · 5 dni

    Darmowy prototyp

    0 zł

    System pracuje na 20–100 sprawach, które Twój zespół już obsłużył. Widzisz każdy wynik.

  3. 03 · 2–16 tygodni

    Wdrożenie

    50%

    Stała cena i cel zapisane w umowie. Pierwsza rata przy podpisaniu.

  4. 04 · po osiągnięciu celu

    Odbiór

    50%

    Drugą ratę płacisz, gdy system osiągnie cel na Twoich sprawach.

Jak powstaje darmowy prototyp

pon.

Ustalamy cel

Jaki wynik uznajesz za dobry.

wt.–śr.

System pracuje

Przechodzi przez Twoje sprawy, jedna po drugiej.

czw.

Porównujemy

Każdą różnicę sprawdzamy z pracą zespołu.

pt.

Wynik i cena

Lista błędów i stała cena wdrożenia.

Sprawy wybierasz Ty. Na życzenie je anonimizujemy, zostają w UE i usuwamy je po zakończeniu prac.

Na rynku taki prototyp kosztuje zwykle od 3 000 do 8 000 zł.

Umów bezpłatną analizę (30 min)

Prototyp ustalamy podczas bezpłatnej analizy.

Dane sprawdzone 25 października 2026.

„Czy moje dane są bezpieczne?”

Tak. Ty wybierasz, gdzie trafiają: od konta firmowego po model na Twoim serwerze.

  1. 00Prywatne konto pracownika

    Dane klientów i firmy lądują na koncie, którego firma nie widzi i nie kontroluje. Nie ma umowy powierzenia, więc to naruszenie RODO. Gdy pracownik odchodzi, historia czatów odchodzi razem z nim.

  2. 01Konto firmowe ChatGPT lub Claude

    Dostawca nie używa Twoich danych do uczenia modeli. Kopia zapytań zostaje w jego logach do 30 dni.

  3. 02API z zerową retencją (ZDR)

    Dostawca przetwarza zapytanie i niczego nie zapisuje. Wymaga jego zgody, wniosek przygotowujemy razem.

  4. 03Przetwarzanie w UE

    Zapytania są liczone i przechowywane w Europie: OpenAI w regionie UE, Claude przez chmury z regionem w UE.

  5. 04Model u Ciebie

    Otwarty model działa na Twoim serwerze albo w Twojej chmurze w UE. Dane nie wychodzą poza firmę.

Co robimy przy każdym wdrożeniu

  • Umowa o poufności i umowa powierzenia, zanim dostaniemy jakiekolwiek dane.
  • Sprawy do prototypu wybierasz Ty. Na życzenie je anonimizujemy.
  • Dane zostają w UE i usuwamy je po zakończeniu prac.
  • Konta firmowe z administratorem po Twojej stronie.

Gdy dane nie mogą wyjść z firmy

Otwarty model działa na Twoim serwerze albo w Twojej chmurze w UE. Do wyboru:

Bielik
polski model, SpeakLeash i ACK Cyfronet AGH
PLLuM
polski model, konsorcjum HIVE na zlecenie Ministerstwa Cyfryzacji
Qwen
Alibaba
GLM
Zhipu AI
DeepSeek
DeepSeek

Model dobieramy do zadania i sprawdzamy na Twoich sprawach. Uruchamiamy go, dostrajamy i utrzymujemy.

Źródło: Bielik i PLLuM, ACK Cyfronet AGH ↗ · PLLuM, Ministerstwo Cyfryzacji ↗

Masz dużo własnych danych? Dostroimy mały model.

  1. 1 Twoje przykłady
  2. 2 dostrajanie
  3. 3 test na nowych sprawach
  4. 4 model w Twojej firmie

Gdy masz tysiące podobnych maili, dokumentów albo zgłoszeń, uczymy mały otwarty model na tych przykładach. Działa w Twojej firmie, odpowiada szybko i kosztuje mniej w utrzymaniu niż duży model. Jakość mierzymy na sprawach, których model nie widział w trakcie nauki.

Przemysław i Piotr robili to w dużych firmach programistycznych i doradczych. Artem robił to wcześniej i robi dziś w Syntalith. Chodzi o modele na własnej infrastrukturze, dostrajanie i test jakości.

Poziom ochrony wybierasz na rozmowie. Umowę powierzenia podpisujemy, zanim zobaczymy jakiekolwiek dane.Umów bezpłatną analizę (30 min) →

Agenci AI

Zanim kupisz agenta, zobacz go na swoich sprawach.

Agent prowadzi sprawę przez kolejne kroki w Twoich systemach, a działania ze skutkiem czekają na zgodę wskazanej osoby. Prototyp na 20⁠–⁠100 sprawach, które Twój zespół już obsłużył, kosztuje 0 zł. Cel i zestaw testowy zapisujemy w umowie.

Zobacz agentów AI →
netto za agenta dla jednego procesu, budowa płatna raz
od 12 500 zł
od podpisania umowy do odbioru
6–16 tygodni
darmowy prototyp na Twoich sprawach
0 zł

Pytania

  • Kiedy predictive maintenance ma sens?

    Gdy maszyna jest krytyczna dla przepustowości albo jakości, koszt godziny postoju jest znany, awarie mają sygnały poprzedzające, dane są wystarczającej jakości, a utrzymanie ruchu ma czas reagować na alerty.

  • Co robi agent AI w utrzymaniu ruchu?

    Zbiera sygnały z czujników, alarmów i CMMS, porównuje je z historią, proponuje działanie, na przykład inspekcję przy planowym postoju, czeka na akceptację człowieka i zapisuje decyzję oraz wynik inspekcji.

  • Ile kosztuje agent do utrzymania ruchu?

    W Syntalith system dla jednego procesu kosztuje od 12 500 zł netto, a większe wdrożenia zwykle do 75 000 zł. Zaczynamy od jednej linii albo 1 do 3 krytycznych maszyn.

  • Czego agent nie powinien robić w pilocie?

    Sterować PLC, zatrzymywać linii, zmieniać parametrów procesu, usuwać alarmów, zamawiać drogich części ani nadpisywać decyzji kierownika.

Porozmawiajmy

Po prostu napisz, zadzwoń albo wybierz termin.

Pracujemy szybko, bo nie znosimy korporacyjnej waty. Nie mamy handlowców ani kierowników od pilnowania kierowników. Rozmawiasz od razu z inżynierami, którzy potem budują Twój system. Szanujemy swój czas i Twój też.

Do końca roku przyjmiemy jeszcze 3 firmy.

pon.–pt. 9–17

Co Ci daje, że jesteśmy partnerem OpenAI i Anthropic?

OpenAI robi ChatGPT, a Anthropic robi Claude. Należymy do programów partnerskich obu firm, więc pracujemy z ich narzędziami na co dzień i uczymy się od samych twórców.

OpenAI Select PartnerClaude Partner Network
01Dobierzemy narzędzie do zadania
Wdrażamy i ChatGPT, i Claude. Oba sprawdzamy na Twoich dokumentach, a Ty wybierasz to, które robi mniej poprawek i oszczędza więcej czasu.
02Wiedza prosto od twórców
Uczymy się z oficjalnych kursów i materiałów OpenAI i Anthropic. Twój zespół poznaje funkcje i ustawienia, które działają dziś.
03Licencje bez naszej marży
Przy wdrożeniu ChatGPT, Claude albo Copilota licencje kupujesz bezpośrednio u OpenAI, Anthropic albo Microsoftu i od nich dostajesz fakturę. Do licencji nic nie doliczamy.
04Certyfikowani inżynierowie
W zespole mamy certyfikat AWS z uczenia maszynowego i certyfikat Anthropic z architektury systemów na Claude.

Udział w programach nie oznacza, że OpenAI albo Anthropic polecają nasze usługi.