| REKLAMA |
 |
Mimo opóźnienia względem innych sektorów w wykorzystywaniu GenAI o 10 proc. (44 vs. 54 proc.), pozytywne wrażenia użytkowników wskazują na ogromny potencjał tej technologii. Korzyści mogą pojawić się szybko, ponieważ 84 proc. decydentów w agencjach rządowych na świecie twierdzi, że ich organizacje planują zainwestować w GenAI w nadchodzącym roku budżetowym, a 91 proc. z nich już deklaruje posiadanie zaplanowanego budżetu na tę technologię.
Lepsze zarządzanie, komunikacja i praktyki pomogą przezwyciężyć przeszkody organizacyjne Obawy dotyczące prywatności danych, ich bezpieczeństwa i zarządzania AI wyrazili respondenci z wszystkich ujętych w badaniu SAS branż. Jednak przedstawiciele sektora publicznego wyrażali większe zaniepokojenie kulturowym oporem wobec zmian w stosunku do innych sektorów (odpowiednio 52 i 46 proc.) i są przekonani, że wyzwaniem może być również kompatybilność ze starszymi systemami.
Dodatkowym zagrożeniem dla rozwoju generatywnej AI w sektorze publicznym może być nieodpowiednie dostosowanie przepisów i brak zrozumienia tej technologii. Chociaż wiele podmiotów szybko wdraża wytyczne dotyczące generatywnej sztucznej inteligencji, tylko 52 proc. organizacji rządowych posiada politykę określającą, w jaki sposób pracownicy mogą lub nie mogą korzystać z GenAI w pracy, w porównaniu do średniej wynoszącej 61 proc. dla wszystkich branż.
Badanie wykazało również, że sektor publiczny wydaje mniej niż inne branże na zarządzanie i monitorowanie GenAI. 64 proc. respondentów przeznaczyło na ten cel 10 lub mniej procent swojego budżetu na tę technologię. Dodatkowo, połowa badanych z sektora publicznego stwierdziła, że albo nie ma ram prawnych, albo są one nieformalne lub tworzone doraźnie, podczas gdy we wszystkich innych obszarach odsetek ten wyniósł 39 proc.
Regulacje dotyczące GenAI rozwijają się szybko, więc nadążanie za nimi jest wyzwaniem. Dla sektora publicznego wyzwanie to może być jeszcze trudniejsze – tylko 51 proc. jego przedstawicieli oceniło poziom zgodności swoich organizacji z obecnymi i nadchodzącymi regulacjami dotyczącymi generatywnej sztucznej inteligencji jako pełny lub umiarkowany, podczas gdy średnia dla wszystkich sektorów wynosi 58 proc.
Problemem jest też wiedza na temat tej technologii – tylko 35 proc. pracowników sektora publicznego jest zaznajomionych z wdrażaniem GenAI w swoich organizacjach, co jest wynikiem znacznie poniżej średniej dla wszystkich badanych, która wynosi 46 proc. Owe braki czy opóźnienia mogą wynikać z problemu na poziomie zarządzania, ponieważ tylko 38 proc. wyższych rangą decydentów rządowych twierdzi, że dobrze lub całkowicie rozumie GenAI i jej wpływ na procesy biznesowe. Dla porównania, średnia uwzględniająca wszystkie badane podmioty wynosi w tym zakresie 48 proc.
Są też jednak i dobre wiadomości. Organizacje rządowe, które już wdrażają GenAI, zauważają szereg korzyści, w wielu przypadkach przewyższających inne sektory. Większy od średniej odsetek decydentów rządowych uważa, że wdrożenie GenAI poprawiło doświadczenie i satysfakcję pracowników (94 proc.) lub przyniosło oszczędności kosztów i czasu (84 proc.).
Niskie zainteresowanie danymi syntetycznymi może hamować innowacje
Dane syntetyczne to wygenerowane przez AI dane, które precyzyjnie naśladują te prawdziwe. Odtwarzają te same właściwości statystyczne, prawdopodobieństwa, wzorce i cechy rzeczywistego zestawu danych, na którym zostały wytrenowane. Co istotne, są one uznawane za statystycznie poprawne nawet w 99 proc.
Przykładowo, dane syntetyczne symulujące przepływy ruchu drogowego mogą pomóc departamentom transportu w testach optymalizacji za pomocą scenariuszy „co, jeżeli?”, nawet gdy zasób danych o ruchu był gromadzony tylko przez kilka miesięcy. Ponieważ dane syntetyczne mogą naśladować dane wrażliwe, można je tworzyć w celu trenowania i testowania systemu przetwarzającego katalogi danych medycznych, dane dot. edukacji lub dane podatkowe.
Badanie SAS wykazało jednak, że 32 proc. decydentów administracji publicznej nie rozważyłoby użycia danych syntetycznych. Tymczasem średni odsetek respondentów ze wszystkich sektorów, którzy są przeciwni ich stosowaniu, wyniósł zaledwie 23 proc.
Źródło: SAS Institute
Chociaż agencje rządowe nie były pionierami w przyjmowaniu generatywnej sztucznej inteligencji, dzięki tej technologii są na dobrej drodze do zwiększenia produktywności i transformacji usług publicznych” – powiedział Grant Brooks, wiceprezes ds. sektora publicznego i opieki zdrowotnej w SAS. „Wdrażanie AI w sposób przemyślany i odpowiedzialny jest kluczowe, ale przy odpowiednim planowaniu i zarządzaniu możemy być pewni, że GenAI przyniesie znaczącą wartość obywatelom i społecznościom. Współpracowaliśmy z agencjami rządowymi w USA przy każdym dużym przełomie technologicznym w ciągu ostatniego półwiecza i z niecierpliwością czekamy na efekty, które możemy razem osiągnąć dzięki GenAI.
Lepsze zarządzanie, komunikacja i praktyki pomogą przezwyciężyć przeszkody organizacyjne Obawy dotyczące prywatności danych, ich bezpieczeństwa i zarządzania AI wyrazili respondenci z wszystkich ujętych w badaniu SAS branż. Jednak przedstawiciele sektora publicznego wyrażali większe zaniepokojenie kulturowym oporem wobec zmian w stosunku do innych sektorów (odpowiednio 52 i 46 proc.) i są przekonani, że wyzwaniem może być również kompatybilność ze starszymi systemami.
Dodatkowym zagrożeniem dla rozwoju generatywnej AI w sektorze publicznym może być nieodpowiednie dostosowanie przepisów i brak zrozumienia tej technologii. Chociaż wiele podmiotów szybko wdraża wytyczne dotyczące generatywnej sztucznej inteligencji, tylko 52 proc. organizacji rządowych posiada politykę określającą, w jaki sposób pracownicy mogą lub nie mogą korzystać z GenAI w pracy, w porównaniu do średniej wynoszącej 61 proc. dla wszystkich branż.
Badanie wykazało również, że sektor publiczny wydaje mniej niż inne branże na zarządzanie i monitorowanie GenAI. 64 proc. respondentów przeznaczyło na ten cel 10 lub mniej procent swojego budżetu na tę technologię. Dodatkowo, połowa badanych z sektora publicznego stwierdziła, że albo nie ma ram prawnych, albo są one nieformalne lub tworzone doraźnie, podczas gdy we wszystkich innych obszarach odsetek ten wyniósł 39 proc.
Regulacje dotyczące GenAI rozwijają się szybko, więc nadążanie za nimi jest wyzwaniem. Dla sektora publicznego wyzwanie to może być jeszcze trudniejsze – tylko 51 proc. jego przedstawicieli oceniło poziom zgodności swoich organizacji z obecnymi i nadchodzącymi regulacjami dotyczącymi generatywnej sztucznej inteligencji jako pełny lub umiarkowany, podczas gdy średnia dla wszystkich sektorów wynosi 58 proc.
Problemem jest też wiedza na temat tej technologii – tylko 35 proc. pracowników sektora publicznego jest zaznajomionych z wdrażaniem GenAI w swoich organizacjach, co jest wynikiem znacznie poniżej średniej dla wszystkich badanych, która wynosi 46 proc. Owe braki czy opóźnienia mogą wynikać z problemu na poziomie zarządzania, ponieważ tylko 38 proc. wyższych rangą decydentów rządowych twierdzi, że dobrze lub całkowicie rozumie GenAI i jej wpływ na procesy biznesowe. Dla porównania, średnia uwzględniająca wszystkie badane podmioty wynosi w tym zakresie 48 proc.
Są też jednak i dobre wiadomości. Organizacje rządowe, które już wdrażają GenAI, zauważają szereg korzyści, w wielu przypadkach przewyższających inne sektory. Większy od średniej odsetek decydentów rządowych uważa, że wdrożenie GenAI poprawiło doświadczenie i satysfakcję pracowników (94 proc.) lub przyniosło oszczędności kosztów i czasu (84 proc.).
To naturalne, że sektor publiczny może mieć pewne obawy przed przyjęciem generatywnej sztucznej inteligencji, ale pionierzy już pokazują, że im bardziej jest ona wykorzystywana, tym bardziej rośnie zaufanie i przyśpieszają innowacje” – powiedziała Jennifer Robinson, globalny doradca strategiczny ds. sektora publicznego w SAS. „Duże modele językowe, cyfrowe bliźniaki i dane syntetyczne niosą ogromne możliwości dla agencji rządowych, gdy te będą już miały procesy i polityki pozwalające na ich szerokie zastosowanie.
Niskie zainteresowanie danymi syntetycznymi może hamować innowacje
Dane syntetyczne to wygenerowane przez AI dane, które precyzyjnie naśladują te prawdziwe. Odtwarzają te same właściwości statystyczne, prawdopodobieństwa, wzorce i cechy rzeczywistego zestawu danych, na którym zostały wytrenowane. Co istotne, są one uznawane za statystycznie poprawne nawet w 99 proc.
Przykładowo, dane syntetyczne symulujące przepływy ruchu drogowego mogą pomóc departamentom transportu w testach optymalizacji za pomocą scenariuszy „co, jeżeli?”, nawet gdy zasób danych o ruchu był gromadzony tylko przez kilka miesięcy. Ponieważ dane syntetyczne mogą naśladować dane wrażliwe, można je tworzyć w celu trenowania i testowania systemu przetwarzającego katalogi danych medycznych, dane dot. edukacji lub dane podatkowe.
Badanie SAS wykazało jednak, że 32 proc. decydentów administracji publicznej nie rozważyłoby użycia danych syntetycznych. Tymczasem średni odsetek respondentów ze wszystkich sektorów, którzy są przeciwni ich stosowaniu, wyniósł zaledwie 23 proc.
Dane syntetyczne są szczególnie istotne dla agencji rządowych, które muszą przestrzegać rygorystycznych przepisów dotyczących ochrony danych” – powiedziała Jennifer Robinson. „Rządy mogą używać danych syntetycznych do różnych celów, w tym do badań, testów i analiz, minimalizując jednocześnie ryzyko naruszenia przepisów dotyczących prywatności lub ujawnienia wrażliwych informacji.
Źródło: SAS Institute
Najnowsze wiadomości
Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Nowa era komunikacji biznesowej, KSeF stał się faktem
Od 1 lutego 2026 roku, w Polsce z sukcesem rozpoczęła się nowa era elektronicznej komunikacji w biznesie. Od tego dnia przedsiębiorcy zaczynają posługiwać się wspólnym standardem we wzajemnej wymianie dokumentów – fakturą ustrukturyzowaną, znaną jako FA(3) lub po prostu faktura KSeF.
Od 1 lutego 2026 roku, w Polsce z sukcesem rozpoczęła się nowa era elektronicznej komunikacji w biznesie. Od tego dnia przedsiębiorcy zaczynają posługiwać się wspólnym standardem we wzajemnej wymianie dokumentów – fakturą ustrukturyzowaną, znaną jako FA(3) lub po prostu faktura KSeF.
Smart Factory w skali globalnej: jak MOWI porządkuje produkcję dzięki danym w czasie rzeczywistym
Cyfryzacja produkcji w skali globalnej wymaga dziś spójnych danych, jednolitych standardów i decyzji podejmowanych w czasie rzeczywistym. W środowisku rozproszonych zakładów produkcyjnych tradycyjne raportowanie i lokalne narzędzia IT przestają wystarczać. Przykład MOWI pokazuje, jak wdrożenie rozwiązań Smart Factory i systemu MES może uporządkować zarządzanie produkcją w wielu lokalizacjach jednocześnie, zwiększając przejrzystość procesów, efektywność operacyjną oraz stabilność jakości.
Cyfryzacja produkcji w skali globalnej wymaga dziś spójnych danych, jednolitych standardów i decyzji podejmowanych w czasie rzeczywistym. W środowisku rozproszonych zakładów produkcyjnych tradycyjne raportowanie i lokalne narzędzia IT przestają wystarczać. Przykład MOWI pokazuje, jak wdrożenie rozwiązań Smart Factory i systemu MES może uporządkować zarządzanie produkcją w wielu lokalizacjach jednocześnie, zwiększając przejrzystość procesów, efektywność operacyjną oraz stabilność jakości.
Hakerzy nie kradną już tylko haseł. Oni kradną Twój czas i przyszłość. Jak chronić ERP przed paraliżem?
Hakerzy coraz rzadziej koncentrują się wyłącznie na kradzieży haseł. Ich prawdziwym celem jest dziś sparaliżowanie kluczowych systemów biznesowych, przejęcie kontroli nad danymi i wymuszenie kosztownych decyzji pod presją czasu. System ERP, jako centralny punkt zarządzania finansami, produkcją i logistyką, stał się dla cyberprzestępców najbardziej atrakcyjnym celem. Ten artykuł pokazuje, dlaczego tradycyjne zabezpieczenia przestają wystarczać i jak realnie chronić ERP przed atakami, które mogą zatrzymać firmę z dnia na dzień.
PSI automatyzuje logistykę Rossmanna: Wdrożenie WMS i MFC w Czechach
Nowoczesne centrum logistyczne Rossmann w Czechach to przykład, jak strategiczne inwestycje w automatykę i systemy IT wspierają skalowanie biznesu w handlu detalicznym. Projekt realizowany przez PSI Polska obejmuje wdrożenie zaawansowanego systemu WMS oraz sterowania przepływem materiałów, tworząc w pełni zintegrowane środowisko dla obsługi rosnących wolumenów sprzedaży i dynamicznego rozwoju e-commerce. To wdrożenie pokazuje, jak technologia staje się fundamentem efektywnej, przyszłościowej logistyki.
Nowoczesne centrum logistyczne Rossmann w Czechach to przykład, jak strategiczne inwestycje w automatykę i systemy IT wspierają skalowanie biznesu w handlu detalicznym. Projekt realizowany przez PSI Polska obejmuje wdrożenie zaawansowanego systemu WMS oraz sterowania przepływem materiałów, tworząc w pełni zintegrowane środowisko dla obsługi rosnących wolumenów sprzedaży i dynamicznego rozwoju e-commerce. To wdrożenie pokazuje, jak technologia staje się fundamentem efektywnej, przyszłościowej logistyki.
Najnowsze artykuły
Magazyn bez błędów? Sprawdź, jak system WMS zmienia codzienność logistyki
Współczesna logistyka wymaga nie tylko szybkości działania, lecz także maksymalnej precyzji – to właśnie te czynniki coraz częściej decydują o przewadze konkurencyjnej firm. Nawet drobne pomyłki w ewidencji stanów magazynowych, błędy przy przyjmowaniu dostaw czy nieprawidłowe rozmieszczenie towarów, mogą skutkować poważnymi stratami finansowymi i opóźnieniami w realizacji zamówień. W jaki sposób nowoczesne rozwiązania do zarządzania pomagają unikać takich sytuacji? Czym właściwie różni się tradycyjny system magazynowy od zaawansowanych rozwiązań klasy WMS (ang. Warehouse Management System)? I w jaki sposób inteligentne zarządzanie procesami magazynowymi realnie usprawnia codzienną pracę setek firm?
Współczesna logistyka wymaga nie tylko szybkości działania, lecz także maksymalnej precyzji – to właśnie te czynniki coraz częściej decydują o przewadze konkurencyjnej firm. Nawet drobne pomyłki w ewidencji stanów magazynowych, błędy przy przyjmowaniu dostaw czy nieprawidłowe rozmieszczenie towarów, mogą skutkować poważnymi stratami finansowymi i opóźnieniami w realizacji zamówień. W jaki sposób nowoczesne rozwiązania do zarządzania pomagają unikać takich sytuacji? Czym właściwie różni się tradycyjny system magazynowy od zaawansowanych rozwiązań klasy WMS (ang. Warehouse Management System)? I w jaki sposób inteligentne zarządzanie procesami magazynowymi realnie usprawnia codzienną pracę setek firm?
Jak maksymalizować zyski z MTO i MTS dzięki BPSC ERP?
Zysk przedsiębiorstwa produkcyjnego zależy nie tylko od wydajności maszyn, ale przede wszystkim od precyzyjnego planowania, realnych danych i umiejętnego zarządzania procesami. Dlatego firmy, które chcą skutecznie działać zarówno w modelu Make to Stock (MTS), jak i Make to Order (MTO), coraz częściej sięgają po rozwiązania klasy ERP, takie jak BPSC ERP.
Zysk przedsiębiorstwa produkcyjnego zależy nie tylko od wydajności maszyn, ale przede wszystkim od precyzyjnego planowania, realnych danych i umiejętnego zarządzania procesami. Dlatego firmy, które chcą skutecznie działać zarówno w modelu Make to Stock (MTS), jak i Make to Order (MTO), coraz częściej sięgają po rozwiązania klasy ERP, takie jak BPSC ERP.
Warsztaty analityczne i sesja discovery. Jak wygląda pierwszy etap współpracy z partnerem wdrożeniowym ERP
Wdrożenie systemu ERP to jedna z najważniejszych strategicznych decyzji, jakie może podjąć firma. To inwestycja, która ma zrewolucjonizować procesy, zwiększyć efektywność i dać przewagę konkurencyjną. Jednak droga do sukcesu jest pełna potencjalnych pułapek. Wielu menedżerów obawia się nieprzewidzianych kosztów, oporu zespołu czy niedopasowania systemu do realnych potrzeb. Jak zminimalizować to ryzyko? Kluczem jest solidne przygotowanie. Zanim padnie słowo „wdrażamy”, konieczne jest przeprowadzenie trzech fundamentalnych etapów: warsztatów analitycznych, sesji discovery oraz analizy przedwdrożeniowej ERP. To nie są zbędne formalności, ale fundament, na którym zbudujesz sukces całego projektu.
Wdrożenie systemu ERP to jedna z najważniejszych strategicznych decyzji, jakie może podjąć firma. To inwestycja, która ma zrewolucjonizować procesy, zwiększyć efektywność i dać przewagę konkurencyjną. Jednak droga do sukcesu jest pełna potencjalnych pułapek. Wielu menedżerów obawia się nieprzewidzianych kosztów, oporu zespołu czy niedopasowania systemu do realnych potrzeb. Jak zminimalizować to ryzyko? Kluczem jest solidne przygotowanie. Zanim padnie słowo „wdrażamy”, konieczne jest przeprowadzenie trzech fundamentalnych etapów: warsztatów analitycznych, sesji discovery oraz analizy przedwdrożeniowej ERP. To nie są zbędne formalności, ale fundament, na którym zbudujesz sukces całego projektu.
Strategia migracji danych do nowego systemu ERP. Metody, ryzyka i najlepsze praktyki
Wdrożenie nowego systemu ERP to dla wielu firm nie tylko krok w stronę unowocześnienia procesów biznesowych, ale także ogromne przedsięwzięcie logistyczne i technologiczne. Aby nowy system ERP zaczął efektywnie wspierać działalność organizacji, kluczowe jest odpowiednie przygotowanie danych, które muszą zostać bezpiecznie i precyzyjnie przeniesione ze starego systemu. Migracja danych ERP to skomplikowany proces, wymagający zarówno zaawansowanej wiedzy technologicznej, jak i dokładnego planowania na poziomie strategicznym. W tym artykule przybliżymy najlepsze metody, wskażemy najczęstsze ryzyka oraz podpowiemy, jak przeprowadzić migrację krok po kroku.
Wdrożenie nowego systemu ERP to dla wielu firm nie tylko krok w stronę unowocześnienia procesów biznesowych, ale także ogromne przedsięwzięcie logistyczne i technologiczne. Aby nowy system ERP zaczął efektywnie wspierać działalność organizacji, kluczowe jest odpowiednie przygotowanie danych, które muszą zostać bezpiecznie i precyzyjnie przeniesione ze starego systemu. Migracja danych ERP to skomplikowany proces, wymagający zarówno zaawansowanej wiedzy technologicznej, jak i dokładnego planowania na poziomie strategicznym. W tym artykule przybliżymy najlepsze metody, wskażemy najczęstsze ryzyka oraz podpowiemy, jak przeprowadzić migrację krok po kroku.
Strategiczna przewaga czy kosztowny mit? Kto wygrywa dzięki chmurze?
Chmura miała być odpowiedzią na wyzwania sektora finansowego: przestarzałą infrastrukturę, rozproszone dane, rosnące oczekiwania klientów i klientek. Dziś korzysta z niej już 91% instytucji, a mimo to tylko nieliczne mówią o realnych efektach. Zaledwie 12% firm maksymalizuje potencjał chmury – tworzy skalowalne platformy, wdraża GenAI, monetyzuje dane. Reszta? Często grzęźnie w kosztach, integracjach i braku kompetencji. Różnica nie tkwi w technologii, ale w strategii – i to ona może zadecydować o miejscu w sektorze, który właśnie wchodzi w kolejną fazę transformacji.
Nowa era komunikacji biznesowej, KSeF stał się faktem
Od 1 lutego 2026 roku, w Polsce z sukcesem rozpoczęła się nowa era elektronicznej komunikacji w biz… / Czytaj więcej
Hakerzy nie kradną już tylko haseł. Oni kradną Twój czas i przyszłość. Jak chronić ERP przed paraliżem?
Hakerzy coraz rzadziej koncentrują się wyłącznie na kradzieży haseł. Ich prawdziwym celem jest dziś… / Czytaj więcej
AI bez hype’u – od eksperymentów do infrastruktury decyzji
Sektory IT oraz logistyka stoją u progu fundamentalnej zmiany w podejściu do sztucznej inteligencji… / Czytaj więcej
AI na hali produkcyjnej: od „excelowej” analizy do Predictive Maintenance z Prodaso
Cyfrowa transformacja w produkcji nie musi oznaczać wymiany całego parku maszynowego ani wieloletni… / Czytaj więcej
Legislacyjny maraton 2026: Jak zamienić wymogi compliance w przewagę operacyjną?
Nadchodzi legislacyjny maraton 2025–2026. Od rewolucji w stażu pracy i jawności płac, po obowiązkow… / Czytaj więcej
Jak AI zmieni nasze miejsca i sposoby pracy w 2026 roku?
Choć w ostatnich latach zaszły istotne zmiany dotyczące miejsca i sposobu w jaki pracujemy oraz mod… / Czytaj więcej
