Streszczenie: Francuski koncern Schneider Electric mierzy się bezpośrednio z jednym z najważniejszych wyzwań współczesnego biznesu: jak zasilać rewolucję AI w sposób przyjazny dla środowiska. Aby sprostać zarówno własnym celom operacyjnym, jak i potrzebom klientów, firma wdraża sztuczną inteligencję na szeroką skalę i akceptuje podejmowanie decyzji w oparciu o wystarczający poziom pewności, zamiast czekać na pełną przewidywalność zwrotu z inwestycji. Jej ambicją jest zajmowanie silnych pozycji, także na rynkach, na których rozwiązania oparte na AI w obszarze zarządzania energią dopiero się rozwijają.
Francuski koncern unika ugrzęźnięcia innowacji w „czyśćcu pilotaży”, stawiając na działanie oparte na racjonalnej pewności zamiast odkładania decyzji do momentu pełnej przewidywalności efektów.
Podczas dorocznego spotkania World Economic Forum Annual Meeting w Davos w styczniu 2026 roku prezes Schneider Electric, Olivier Blum, odebrał wyróżnienia dla rozwiązań AI firmy w ramach programu World Economic Forum MINDS program. Był to już drugi raz, gdy spółka została doceniona w tym konkursie. Nagrody przyznano dwóm aplikacjom wykorzystującym sztuczną inteligencję: EcoStruxure Microgrid Advisor oraz SpaceLogic Touchscreen Room Controller za wymierny wpływ na zarządzanie energią. Schneider Electric pozostaje jedyną firmą wyróżnioną w programie dwukrotnie.
„To jasne, że weszliśmy w nową erę, w której sztuczna inteligencja i energia są nierozerwalnie powiązane i wspólnie będą kształtować każdy biznes” – powiedział Blum w Davos. „AI wymaga mocy obliczeniowej, a ta wymaga energii. Dlatego świat potrzebuje dziś większej inteligencji energetycznej”.
Ta współzależność między sztuczną inteligencją a energią stawia Schneider Electric, globalnego lidera w obszarze technologii zarządzania energią, w centrum jednego z kluczowych wyzwań współczesnego biznesu: jak napędzać rewolucję AI, jednocześnie realizując cele zrównoważonego rozwoju. Aby sprostać zarówno oczekiwaniom klientów, jak i własnym celom operacyjnym, firma stworzyła model organizacyjny umożliwiający wdrażanie AI na dużą skalę, świadomie pomijając etap pilotaży, który w wielu organizacjach pochłania zasoby, nie przynosząc realnej wartości biznesowej. (Do tego wątku jeszcze wrócimy.)
Na czele tych działań stoi Philippe Rambach, który pełni funkcję chief AI officera w Schneider Electric od 2021 roku. Obecnie firma ma blisko 100 zastosowań AI działających w środowisku produkcyjnym, w przybliżeniu po równo podzielonych między rozwiązania dla klientów i zastosowania wewnętrzne. To pokazuje, że sztuczna inteligencja może tworzyć wartość w praktycznie każdym obszarze działalności przedsiębiorstwa, od hal produkcyjnych, przez centra obsługi klienta, po zaawansowane systemy optymalizacji zużycia energii.
Uznanie dla spółki wykracza poza same rozwiązania technologiczne. W styczniu 2026 roku World Economic Forum Global Lighthouse Network przyznało fabryce Schneider Electric w Wuhan w Chinach tytuł Lighthouse. Było to dziewiąte takie wyróżnienie dla firmy, tym razem w nowej kategorii, która docenia rozwój talentów i modele organizacji pracy skoncentrowane na pracownikach.
Rambach opisuje strategię firmy jako zakorzenioną w wartości biznesowej, a nie w eksperymentowaniu z technologią dla niej samej. „Zawsze zaczynamy od potrzeb biznesowych i potrzeb klientów, od problemów pracowników, które AI może pomóc rozwiązać” powiedział. Każda inicjatywa musi od początku wykazywać jasną wartość biznesową oraz mieć plan skalowania. Rambach i jego współpracownicy z najwyższego kierownictwa przywiązują dużą wagę także do ładu korporacyjnego i etyki AI, jednak, jak zauważył w raporcie z 2025 roku przygotowanym przez MIT Sloan Management Review i Tata Consultancy Services, „wyjaśnialność jest ważna, ale w sali zarządu jeszcze większe znaczenie mają konsekwencje”.
Równoważenie dwóch portfeli AI: wewnętrznego i skierowanego do klientów
Schneider Electric rozwija inicjatywy AI równolegle w dwóch odrębnych obszarach, z których każdy rządzi się inną logiką strategiczną, innymi miarami sukcesu i innym horyzontem czasowym realizacji wartości.
Zastosowania wewnętrzne przynoszą szybsze efekty finansowe. Pomagają pracownikom działać sprawniej i skuteczniej, a jednocześnie poprawiają jakość obsługi klientów. Z kolei rozwiązania skierowane do klientów to inwestycja o bardziej długoterminowym charakterze, nastawiona na zdobywanie udziałów w nowych i dopiero kształtujących się rynkach. „W przypadku klientów chcemy być pierwsi na rynku i zajmować silne pozycje, nawet tam, gdzie zarządzanie energią wspierane przez AI nie jest jeszcze w pełni rozwinięte” podkreśla Rambach.
Każdy kraj, w którym działa firma, charakteryzuje się innym poziomem wykorzystania odnawialnych źródeł energii oraz innymi wyzwaniami związanymi z rosnącym zapotrzebowaniem na energię elektryczną. To wymusza dostosowywanie rozwiązań AI do lokalnych warunków rynkowych.
Choć wiele firm koncentruje się dziś na generatywnej sztucznej inteligencji, Schneider Electric utrzymuje zrównoważony portfel technologii AI. Analityczna sztuczna inteligencja, czyli klasyczne metody uczenia maszynowego oparte na danych ustrukturyzowanych, nadal odpowiada za około 60% wszystkich zastosowań AI w firmie, szczególnie w rozwiązaniach dla klientów. „Analityczna AI jest bardzo ważna i dostarcza ogromnej wartości” podkreśla Rambach. „Nie zamierzamy z niej rezygnować.”
Generatywna sztuczna inteligencja odpowiada za około 40% rozwiązań skierowanych do klientów oraz blisko 70% narzędzi wykorzystywanych wewnętrznie przez pracowników w Schneider Electric. Technologia ta szczególnie dobrze sprawdza się w upraszczaniu obsługi systemów, wspieraniu użytkowników oraz generowaniu kodu. Rambach podkreśla jednak, że znaczący udział człowieka w procesie tworzenia systemów nadal pozostaje niezbędny. Firma wykorzystuje generatywną AI również w rozwiązaniach dla inteligentnych sieci energetycznych, a także bada możliwości zastosowania modeli transformatorowych do analizy danych z internetu rzeczy oraz szeregów czasowych, jak również do budowy modeli wielozadaniowych.
Jedno z najważniejszych zastosowań generatywnej AI w Schneider Electric dotyczy wyzwania dobrze znanego dużym organizacjom: jak uczynić wiedzę organizacyjną łatwo dostępną i użyteczną. Firma potrzebowała systemów zapewniających wysoki poziom bezpieczeństwa, przejrzyste pochodzenie informacji oraz możliwość wskazywania źródeł. W praktyce oznaczało to konieczność budowy wyspecjalizowanych baz wiedzy dopasowanych do konkretnych funkcji, zamiast wdrażania jednego uniwersalnego rozwiązania.
Proces porządkowania nieustrukturyzowanych danych okazał się cenną lekcją. „Proszenie ludzi, by porządkowali dane wyłącznie dla poprawy ich jakości, nie działa” zauważył Rambach. Pracownicy naturalnie opierają się zadaniom, które mogą wydawać się sztuczne i oderwane od realnej wartości. „Ale jeśli pokażesz im, co można dzięki temu osiągnąć w kontekście AI, ich nastawienie się zmienia” dodał. Gdy pracownicy widzieli bezpośredni efekt lepszej jakości danych, chętniej angażowali się w ich przygotowanie.
To spostrzeżenie odzwierciedla szerszą zasadę obowiązującą w Schneider Electric: pracownicy muszą być integralną częścią procesu tworzenia rozwiązań AI. „To osoby na pierwszej linii wykonują realną pracę i stanowią fundament naszego podejścia do sztucznej inteligencji” podkreślił Rambach. „Zaczynamy od konkretnego obszaru biznesowego i dopiero potem angażujemy pozostałych ekspertów. Centralne zespoły nie mają tej wiedzy domenowej.”
Integruj AI zamiast tworzyć odrębne produkty
Schneider Electric konsekwentnie unika tworzenia osobnych produktów AI, zarówno dla użytkowników wewnętrznych, jak i klientów. Zamiast tego integruje możliwości sztucznej inteligencji z istniejącymi systemami i procesami, takimi jak aplikacje do zarządzania energią, narzędzia dla serwisu terenowego, platformy obsługi klienta czy wsparcie sprzedaży.
Dobrym przykładem jest narzędzie oparte na AI dla zespołów sprzedaży, które muszą poruszać się w wyjątkowo złożonym katalogu produktów. Zamiast wprowadzać nową, niezależną aplikację, firma wbudowała mechanizmy rekomendacyjne w rozwiązanie Sales Copilot. Jednocześnie stosuje podejście znane z zarządzania produktami do wszystkich inicjatyw AI, nadzorując je od etapu koncepcji, przez wdrożenie, aż po moment wycofania.
Strategia integracji obejmuje również nowe obszary, takie jak agentowa sztuczna inteligencja. Mimo że technologia ta wciąż jest na wczesnym etapie rozwoju, firma już dziś widzi jej praktyczne zastosowania. Schneider Electric stworzył system agentowy wspierający obsługę zapytań ofertowych, który potrafi wydobywać kluczowe informacje, przekształcać je i przedstawiać w formie podsumowań dla handlowców. System nie jest doskonały, ale wyraźnie zwiększa produktywność sprzedaży.
„W wielu sytuacjach biznesowych dokładność na poziomie 80–90% jest wystarczająca, o ile zapewniona jest kontrola człowieka” zauważył Rambach. Kluczowe pozostaje jednak przygotowanie użytkowników do krytycznej oceny i doskonalenia wyników generowanych przez AI, zamiast bezrefleksyjnego ich akceptowania. Firma stopniowo rozwija podejście oparte na agentowej automatyzacji procesów, odchodząc od tradycyjnej automatyzacji RPA i traktując AI raczej jako doradcę i system rekomendacyjny niż w pełni autonomicznego decydenta.
Schneider Electric dużą wagę przywiązuje także do zrozumienia technologii przez pracowników i zmiany ich sposobu pracy. W tym celu wdrożył wielopoziomowy model szkoleń, dostosowany do różnych grup w organizacji. Szkolenia z zakresu AI są obowiązkowe dla wszystkich, ale ich zakres różni się w zależności od roli.
Pierwsza grupa obejmuje wszystkich pracowników, w tym osoby pracujące na liniach produkcyjnych, którzy przechodzą szkolenia podstawowe. Druga to kadra menedżerska, przygotowywana do prowadzenia inicjatyw AI i zarządzania zespołami wspieranymi przez tę technologię. Trzecią grupę stanowią eksperci AI z zespołu Rambacha, którzy otrzymują zaawansowane szkolenia techniczne. Wreszcie czwarta, najbardziej nietypowa grupa, to menedżerowie produktów, właściciele procesów i systemów IT, dla których przygotowano programy pokazujące, w jaki sposób AI może wspierać transformację ich obszarów odpowiedzialności.
Skalowanie AI bez pilotaży
Być może najbardziej wyróżniającą cechą Schneider Electric jest jej model organizacyjny, zaprojektowany nie po to, by generować pilotaże i eksperymenty, lecz by szybko osiągać realny wpływ w całej organizacji. „Naszym celem nie jest prowadzenie pilotaży i eksperymentów. Przypadki użycia wdrażamy od razu na dużą skalę” podkreśla Philippe Rambach.
Model ten opiera się na trzech filarach: zespole ponad 350 specjalistów zajmujących się AI, rozbudowanej platformie technologicznej obejmującej rozwiązania takie jak Microsoft Azure, Amazon Web Services, Databricks, operacje na dużych modelach językowych z wykorzystaniem podejścia retrieval-augmented generation, LangChain oraz różnorodnych API, a także na ustrukturyzowanym procesie prowadzącym inicjatywy od wizji, przez ideację i inkubację, aż po wdrożenie na szeroką skalę.
Na każdym etapie tego procesu firma weryfikuje zarówno plan biznesowy, jak i uzasadnienie inwestycji. Kluczowe znaczenie ma połączenie wiedzy domenowej z kompetencjami AI, co wymaga ścisłej współpracy właścicieli produktów, specjalistów IT, ekspertów danych, trenerów oraz zespołów marketingowych. Choć część organizacji stosuje podobne podejście etapowe w inicjatywach AI, nadal częściej spotyka się je w klasycznych procesach rozwoju nowych produktów.
Jak mierzyć wartość, nie czekając na pełną pewność
Ocena ekonomicznej wartości AI pozostaje wyzwaniem, szczególnie w przypadku produktów skierowanych do klientów, gdzie trudno jednoznacznie wyizolować wpływ technologii. „W obszarze produktów dla klientów trudno czasem wykazać wartość wynikającą z ulepszeń technologicznych” zauważa Rambach. „Jaki jest zwrot z przejścia z komputerów stacjonarnych na laptopy? Jaka jest wartość dodania nowego protokołu komunikacyjnego do produktu?”
Mimo to Schneider Electric monitoruje zarówno poziom wykorzystania, jak i efekty wdrożeń AI, na przykład oszczędności energii osiągane przez klientów.
W przypadku zastosowań wewnętrznych firma zaczyna od jasno zdefiniowanej propozycji wartości biznesowej i śledzi dwa kluczowe wskaźniki: poziom adopcji oraz wskaźnik efektywności. Ten drugi różni się w zależności od przypadku użycia i może obejmować dokładność, poziom satysfakcji klientów czy spadek liczby niespłacanych zobowiązań. „Po jednym KPI dla każdego obszaru. Sprawdzamy, czy rozwiązanie działa” wyjaśnia Rambach.
Za definiowanie wartości odpowiadają liderzy biznesowi, którzy współtworzą odpowiednie wskaźniki dla swoich inicjatyw. Firma szacuje łączną roczną wartość generowaną przez AI i raportuje ją zarządowi, prognozując wpływ technologii w perspektywie czterech lat, choć szczegółowe dane pozostają poufne.
Rambach przestrzega jednak przed czekaniem na idealne metody pomiaru. „Jeśli będziesz czekać na precyzyjne wyliczenie wartości, przegapisz wiele szans” podkreśla. To właśnie gotowość do działania w oparciu o wystarczający poziom pewności, zamiast dążenia do absolutnej precyzji, pozwala Schneider Electric skutecznie skalować rozwiązania AI, podczas gdy konkurenci często pozostają na etapie pilotaży.
Jak inne organizacje mogą skutecznie zarządzać AI
Podejście Schneider Electric do sztucznej inteligencji dostarcza kilku istotnych lekcji dla firm, które chcą wyjść poza fazę eksperymentów i przejść do realnej skali działania:
Zaczynaj od wartości biznesowej, nie od technologii. Każda inicjatywa AI w Schneider Electric bierze początek w potrzebach biznesowych i problemach klientów, a nie w pytaniu o możliwości najnowszych modeli.
Angażuj pracowników pierwszej linii w rozwój rozwiązań. To oni posiadają kluczową wiedzę domenową, której często brakuje centralnym zespołom AI. Skuteczne wdrożenia wymagają połączenia tych perspektyw od samego początku.
Zaimplementuj AI w istniejące procesy. Zamiast zmuszać użytkowników do korzystania z nowych, odrębnych narzędzi, firma integruje funkcje AI z systemami, które pracownicy i klienci już znają i wykorzystują na co dzień.
Projektuj z myślą o skali od pierwszego dnia. Model organizacyjny, infrastruktura technologiczna i procesy zarządcze są podporządkowane wdrażaniu rozwiązań produkcyjnych, a nie tworzeniu pilotaży.
Inwestuj w zróżnicowane szkolenia. Różne role wymagają różnych kompetencji w zakresie AI. Uniwersalne programy szkoleniowe nie są w stanie zbudować zdolności potrzebnych w całej organizacji.
Równoważ AI analityczną i generatywną. Mimo rosnącego zainteresowania generatywną AI, klasyczne metody uczenia maszynowego oparte na danych ustrukturyzowanych nadal dostarczają znaczącą wartość w wielu zastosowaniach.
W miarę jak możliwości sztucznej inteligencji rozwijają się w szybkim tempie, zdyscyplinowane i ukierunkowane biznesowo podejście Schneider Electric stanowi punkt odniesienia dla organizacji, które chcą przejść od eksperymentów do realnego wpływu operacyjnego. Projektując rozwiązania z myślą o skali, angażując pracowników pierwszej linii i konsekwentnie koncentrując się na mierzalnej wartości biznesowej, firma stworzyła program AI odpowiadający zarówno na potrzeby klientów, jak i pracowników.
