Kiedy sztuczna inteligencja sprawdza się najlepiej? Jaka powinna być jej relacja z człowiekiem? Czy pewnego dnia AI „zajmie się wszystkim”? O sztucznej inteligencji jej roli w transporcie i logistyce mówi Iwo Kamińśki, ekspert sektora TSL w Cartrack Polska.
Czy dla branży TSL sztuczna inteligencja to wciąż nowinka, czy rozwiązanie, które sprawdziło się już w praktyce?
W TSL sztuczna inteligencja nie jest już dodatkiem, tylko warstwą operacyjną nad danymi. AI najlepiej działa tam, gdzie strumień danych jest ciągły. W planowaniu tras, przewidywaniu opóźnień, wykrywaniu anomalii, analizie stylu jazdy, bezpieczeństwie i kontroli kosztów. OECD wskazuje, że AI w transporcie obniża zużycie energii przez optymalizację efektywności paliwowej i wspiera decyzje operacyjne. Eurostat pokazuje, że w 2025 r. z AI korzystało 19,95% firm w UE.
W praktyce rynek nie zmierza dziś do pełnej autonomii, tylko do szybszego i trafniejszego wspierania decyzji człowieka. To w jaki sposób adaptuje się AI do codziennych zadań operacyjnych pokazujemy już od dawna w Cartrack Polska. Kamery AI, cyfrowy tachograf oraz telematyka OEM adaptują to, co sztuczna inteligencja oferuje najlepszego: bezpieczeństwo, zgodność z wymaganiami użytkowymi i legislacyjnymi oraz produktywność.
Jakie bariery stoją obecnie przed szerokim zastosowaniem sztucznej inteligencji z technicznego puntu widzenia?
Największą barierą nie jest dziś sam model AI, tylko słaba architektura danych. Jeśli firma ma osobno TMS, osobno telematykę, osobno tachograf, osobno paliwo i osobno dane z pojazdu, to AI nie porządkuje procesu, tylko pokazuje jego niespójność.
Eurostat podaje, że w Polsce z AI korzystało w 2025 r. 8,36% przedsiębiorstw, a wśród firm, które rozważały wdrożenie i z niego zrezygnowały, najczęściej wskazywano brak kompetencji, niejasność skutków prawnych i obawy o prywatność. Do tego dochodzi cyberbezpieczeństwo. ENISA podkreśla, że transport jest sektorem krytycznym, coraz mocniej połączonym z systemami zewnętrznymi, a więc bardziej narażonym na incydenty. Dlatego przewagę zyskują rozwiązania, które spinają dane w jednym środowisku: API, integracje z CRM, telematykę OEM, cyfrowy tachograf i warstwę analityczną.
Jak do sztucznej inteligencji podchodzą potencjalni użytkownicy? Jak silne są obawy, że AI może być omylna lub wymknąć się spod kontroli?
Użytkownicy podchodzą do AI coraz bardziej rzeczowo. Nie oczekują już efektu „wow”, tylko przewidywalności, kontroli i sensownego wpływu na wynik operacyjny. Komisja Europejska podała w 2025 r., że ponad 60% Europejczyków pozytywnie ocenia AI w pracy. Natomiast ponad 70% widzi wzrost produktywności, ale 84% uważa, że wymaga ona ostrożnego zarządzania i przejrzystości. W transporcie tę ostrożność dobrze tłumaczy badanie cytowane przez ETSC. Wynika z niego, że 59% kierowców ciężarówek nie używa systemów wsparcia stale, a niemal co piąty wyłącza je często.
To nie jest bunt przeciw technologii, tylko reakcja na źle wdrożone systemy, nadmiar alarmów i brak zaufania do logiki działania. Dlatego AI najlepiej przyjmuje się tam, gdzie daje czytelny efekt: kamera wychwytuje rozproszenie uwagi, tachograf pokazuje realny status pracy, a telematyka porządkuje dane zamiast generować kolejne ekrany.
Jak pracować ze sztuczną inteligencją? Jak równoważyć zaufanie i nadzór?
Najrozsądniejszy model pracy z AI w TSL to „human-in-command” (ang. pod nadzorem człowieka). Algorytm ma przyspieszać analizę, dawać priorytet wyjątkom i wychwytywać ryzyko, ale odpowiedzialność za decyzję operacyjną musi zostać po stronie człowieka.
Z wnikliwej obserwacji rynku wynika, że algorytmiczne zarządzanie dobrze sprawdza się w krótkoterminowym planowaniu, monitoringu i alokacji zadań. Nie zastępuje jednak osądu w sprawach strategicznych i niestandardowych. W praktyce oznacza to wdrażanie AI od procesów o wysokiej powtarzalności i mierzalnym efekcie. Czyli bezpieczeństwo jazdy, czas pracy, odstępstwa od polityki paliwowej, przewidywanie wykorzystania floty. Taki kierunek widać w ekosystemie Cartrack Polska. Kamery AI wykrywają zmęczenie, telefon i ryzyko kolizji, a cyfrowy tachograf porządkuje czas pracy i analitykę przejazdów. Natomiast integracje przez API i OEM sprawiają, że dane nadają się do realnego zarządzania, a nie tylko do archiwizacji.
Jakie zadania AI może wykonywać w przyszłości? Gdzie najszybciej może się rozprzestrzeniać?
Wiemy, że najbliższe lata będą należały do AI, która nie zastępuje transportu, tylko go uszczelnia. Najszybciej urosną obszary zarządzania mobilnością, dynamicznego ETA (określanie czasu przybycia), optymalizacji tras i załadunków, wykrywania nadużyć, automatyzacji dokumentów oraz modeli bezpieczeństwa łączących obraz, telematykę i dane z pojazdu.
Jako dostawca rozwiązań wykorzystujących AI jesteśmy doradcami i wsparciem dla przewoźników. Po rozmowach z setkami naszych klientów uważam, że AI w mobilności będzie coraz mocniej wspierała efektywność, zużycie energii i decyzje operacyjne. Data Act obowiązujący od 12 września 2025 r. wzmacnia rynek usług opartych na danych z urządzeń połączonych, w tym samochodów. To oznacza szybszy rozwój telematyki OEM, usług budowanych na API i analityki opartej na danych pojazdu. Z perspektywy rynku przewagę zbudują ci, którzy już dziś mają spięte bezpieczeństwo, tachograf, dane flotowe i integracje systemowe w jednym ekosystemie. Właśnie dlatego nasze rozwiązania dobrze wpisują się w realny kierunek cyfryzacji transportu, a nie tylko w modę na AI.
Dziękuję za rozmowę.
Rozmawiał Michał Kij
