Przejdź do treści

AI w magazynie: od prognoz po wizję komputerową

Adam Marzec
AI w magazynie: drony inwentaryzacyjne Verity, roboty LPP, dane Eurostat

Autouzupełnianie Google przy frazie „ai w magazynie” dopowiada głównie „wykorzystanie ai w magazynie”, a forma „ai w magazynach” otwiera dwa różne światy: „magazyny logistyczne” i „magazyny energii”, czyli baterie, które zostają tu poza tekstem. Za „ai w gospodarce magazynowej” stoi ten sam czytelnik: ktoś, kto prowadzi operacje w konkretnym budynku i pyta, co sztuczna inteligencja robi przy jego procesach. Ta mapa idzie po procesach: od prognoz, przez slotting i kompletację, po dokumenty, drony i roboty mobilne. Magazynu nie zawężamy do logistyki: to osobny obszar z własną decyzją zakupową o systemie WMS, a magazyn produkcyjny opisujemy na marginesie osobnego tekstu o AI w produkcji. Liczby pochodzą z publicznych odczytów z datą (stan na 1.11.2026); żadnego WMS-a ani robota nie testowaliśmy.

Najważniejsze informacje

CoSzczegóły (odczyty 1.11.2026)
Adopcja AI19,95% firm UE używa AI, Polska 8,36%, duże 55,03%, małe 17% (Eurostat, dane za 2025)
Sektor transport i magazyny10,28% firm UE „rozważyło” AI, przedostatni wynik przed budownictwem 9,74% (Eurostat 2025)
AI poruszająca maszynami1,39% firm UE; w dużych firmach 8,55% (Eurostat 2025)
Drony inwentaryzacyjneVerity: ok. 200 magazynów na świecie, ok. 500 tys. zdjęć na dobę, IERA Award 2026 (IFR, 16.06.2026)
Polska: robotyzacjaLPP pod Bydgoszczą: 100 tys. m², pilotaż 555 robotów, do 5 tys. zamówień/h, docelowo 1400+ robotów (log24.pl, 31.01.2025)
AMR: lider rynkuLocus Robotics: nr 1 w Ameryce wg przychodu po raz drugi (Interact Analysis, 06.10.2026), model RaaS
Dokumenty: próg projektowyOCR z modelem językowym: Rossum Starter od 18 000 USD rocznie (odczyt 1.11.2026); przejęcie przez Coupa 12.05.2026

Prognozy zapotrzebowania i poziomy zapasów: model liczy na historii

Prognoza zapotrzebowania to pierwszy proces, przy którym AI ma twarde wyniki, i pierwszy weryfikujący porządek w danych. Model uczy się na historii przyjęć, wydań i sprzedaży, łapie sezonowość, efekt promocji i powtarzalne cykle, po czym podaje przewidywane zużycie na tygodnie do przodu. Decyzja o poziomie zapasu bezpieczeństwa zostaje człowiekowi; przesuwa się tylko z arkusza na porównanie scenariuszy: co stanie się ze stanami, gdy popyt pójdzie o 20% wyżej. Warunkiem jest historia ruchów zebrana w jednym miejscu, najczęściej w WMS albo ERP; bez niej prognoza odda średnią, a firma zapłaci za projekt, który nic nie wyliczył. Prognoza naturalnie prowadzi do zamówień u dostawców: ten krok procesu opisuje osobny tekst o AI w zakupach i procurement.

Publiczny precedens skali pochodzi z produkcji: Finsbury Food Group na platformie RELEX obniżyła netto kapitał obrotowy o 1,6 mln GBP i podniosła poziom obsługi zamówień o 5% rok do roku, co rozpisaliśmy w tekście o AI w produkcji. Dla magazynu wnioski są te same, choć liczą się stany, nie partie produkcyjne. Zanim padnie pytanie o system, czat zrobi z eksportu z WMS analizę rotacji i wskaże pozycje z rosnącym zapasem; nie zastąpi modelu planistycznego, ale pokaże, gdzie dane kłamią.

Rozmieszczenie towaru i ścieżki: slotting na historii pobrań

Slotting to decyzja, co stoi gdzie: pozycje o częstych pobraniach siedzą blisko stacji pakowania, ciężkie nisko, drobne w strefach drobnicy. W klasycznej wersji robi się to raz na kwartał na analizie ABC, po czym układ starzeje się od pierwszego dnia. Warstwa analityczna przelicza układ na bieżących częstotliwościach pobrań i sugeruje przemeblowanie, zanim operatorzy poczują wydłużające się trasy. Manhattan w opisie ActiveWarehouse wymienia slotting obok pracy sił roboczych i automatyzacji (odczyt 1.11.2026): slotting staje się modułem systemu prowadzącego ruchy towaru.

Drugą połową tego procesu są ścieżki kompletacji. Kolejność pobierań na liście decyduje o kilometrach przebytych dziennie, a algorytm grupujący zamówienia w partie (batching) skraca trasy bez fizycznej zmiany w hali. To optymalizacja z tej samej rodziny co planowanie tras w transporcie, tylko wewnątrz budynku: przy kilku pobraniach dziennie liczy się zdrowy rozsądek, przy tysiącach linii optymalizator siedzący na danych z WMS-a.

Kompletacja: głos, światła i roboty dowożące regały

Kompletacja (picking) to zwykle najliczniejsza grupa pracowników w magazynie, więc tu skraca się najwięcej kroków na zmianie. Kompletacja głosowa, osobna fraza w autouzupełnianiu, polega na tym, że pracownik dostaje polecenia przez słuchawki, a wykonanie potwierdza komendami rozpoznawanymi przez system; ręce i wzrok zostają wolne. Pick-to-light działa ciszej: wyświetlacze na miejscach składowania wskazują lokalizację i ilość, potwierdzeniem jest przycisk. Warstwa AI dorabia się na poziomie decyzyjnym: komu jaka praca trafia i w jakiej kolejności, na podstawie stanów i priorytetów zamówień.

Trzecia droga przenosi sam ruch towaru na roboty. Fulfillment center LPP Logistics w Białych Błotach pod Bydgoszczą (100 tys. m², od lipca 2024) opisał pierwszy etap robotyzacji na log24.pl (31.01.2025): w fazie pilotażowej 555 robotów zasiliło kompletację i sortowanie, a obiekt obsłuży do 5 tys. zamówień na godzinę. AMR-y poruszają się zgodnie z wytycznymi generowanymi przez algorytmy AI i dowożą mobilne regały do stacji Shelf-to-Person, gdzie urządzenie robotyczne przekazuje pojemnik operatorowi. Prezes LPP Logistics Sebastian Sołtys mówił tam o możliwym wzroście produktywności procesów aż do 60%; to zapowiedź zarządu, nie pomiar audytu.

Wizja komputerowa na taśmie: ilość, uszkodzenia, kompletność

Kamera nad taśmą przenosi na maszynę trzy sprawdzenia robione wcześniej wzrokiem. Pierwsze to liczenie: ile sztuk realnie spłynęło z sortowni, porównanie ze stanem deklarowanym. Drugie to stan opakowań: przecięte kartony, wgniecione palety i przesyłki z odsłoniętą zawartością zanim polecą dalej. Trzecie to kompletność zamówienia przed pakowaniem, porównanie zawartości z dokumentem. Zebra publikuje u siebie taką kategorię zadań na stronie machine vision i skanerów przemysłowych (odczyt 1.11.2026), ale twardych publicznych liczb w stylu „minus tyle procent błędów” jest niewiele i takich liczb tu nie cytujemy.

Wdrożenie takiej stacji zaczyna się od zdjęć z oznaczonymi przypadkami: model uczy się, co lokalnie wygląda jak wada, a co jest normalnym widokiem w tej hali; oświetlenie i kąty kamer wyznaczają limit rozróżnień. To samo rozumowanie opisaliśmy przy kontroli jakości linii w tekście o AI w produkcji; w magazynie obiekty są ustandaryzowane (kartony, palety, etykiety), co ułatwia wykrywanie odchyleń.

Dokumenty magazynowe: OCR plus model językowy

Magazyn generuje papier i skany codziennie: wydania WZ, przyjęcia PZ, listy przewozowe między lokalizacjami, kwity paletowe, awizacje. OCR czyta znaki z dokumentu, a model językowy dorabia część, której OCR nie umie: łączy pozycje z różnych formatów, wypełnia pola w systemie, dopasowuje „ilość” z kwitu do „sztuk” na awizacji. E-faktury po KSeF stają się danymi ustrukturyzowanymi z definicji, ale dokumenty operacyjne hali pozostają poza tym systemem, więc ich odczyt zostaje zadaniem dla OCR wspartego modelem.

Punkt cenowy tej klasy narzędzi pokazuje cennik Rossuma: plan Starter od 18 000 USD rocznie, wyższe plany na wyceny indywidualne (odczyt 1.11.2026), z modelem transakcyjnym trenowanym na dziesiątkach milionów dokumentów. Rynek dokumentowej automatyki skonsolidował się w tym roku: Coupa ogłosiła przejęcie Rossuma 12 maja 2026 w Las Vegas, uzasadniając domknięcie procesu source-to-pay na agencji AI. Dla magazynu to tło; granica: kilkanaście dokumentów dziennie obsłuży czat i arkusz, automatyzacja przepływu wymaga integracji z systemem.

Inwentaryzacja dronem i robotem: liczenie zamiast zatrzymywania hali

Inwentaryzacja to proces, w którym drony i autonomiczne roboty mają już skalę komercyjną. Międzynarodowa Federacja Robotyki (IFR) przyznała 16 czerwca 2026 nagrodę IERA 2026 szwajcarskiej firmie Verity za w pełni autonomiczne drony magazynowe; wg komunikatu IFR flota tego dostawcy działa w ok. 200 magazynach, zbiera łącznie ok. 500 tys. zdjęć dziennie, skanuje kody kreskowe z półek i wysyła dane do WMS-a, a rozbieżności raportuje bez udziału człowieka. Drony pracują autonomicznie miesiącami, wymagając dwóch-trzech wymian baterii w roku. Datowane wdrożenia z tego pola: IKEA w USA (The Verge, 16.08.2024), Maersk (DC Velocity, 30.01.2023) i Kroger w dystrybucji chłodniczej (Supply Chain Dive, 03.03.2026) latają dronami do liczenia stanów.

Polski przykład pochodzi od ID Logistics: komunikat na log24.pl z 18.07.2022 przedstawia ASTRID, autonomicznego robota inwentaryzacyjnego opracowanego z Wyca Robotics (platforma) i E-Dentic (interfejs i analiza zdjęć przez AI). Robot ma inwentaryzować palety autonomicznie i podawać stany w czasie rzeczywistym; plan zakładał 11 robotów we Francji w latach 2022/2023 i komercjalizację od września 2022. Skala Verity pokazuje, że takie urządzenia przestały być nowością, ale w polskich halach to wciąż projekt wdrożeniowy, nie zakup z katalogu.

AMR i AGV: gdzie robotyzacja się spina, a gdzie nie

AGV jedzie po trasie zdefiniowanej fizycznie: magnetyczne paski, prowadnice, stałe punkty. AMR buduje mapę hali i omija przeszkody sam, więc zmiana układu regałów nie unieruchamia floty; jest tańszy w rekonfiguracji, droższy w zakupie. Lidera rynku wg przychodu w Ameryce wskazuje Interact Analysis w komunikacie Locus Robotics z 6.10.2026: nr 1 drugi rok z rzędu. Karta faktów Locus (odczyt 1.11.2026) podaje model abonamentowy Robots-as-a-Service, ponad 8 mld pobranych sztuk, 150+ klientów i 360+ lokalizacji; tę samą logikę w polskiej skali pokazuje flota LPP, docelowo ponad 1400 robotów.

Ile to kosztuje, nie da się podać z odczytu: dostawcy AMR-ów nie publikują cenników, więc fraza „robot magazynowy cena” zostaje bez liczby, wprost. Punktem odniesienia jest model płatności: RaaS przenosi wydatek na abonament powiązany z wolumenem, zakup na własność rozkłada koszt na lata i wymaga serwisu. Decyzja spina się, gdy trzy warunki są spełnione naraz: wolumen zadań jest powtarzalny i mierzalny, układ hali i procesy ustabilizowane, a system (WMS/ERP) może przekazywać robotom zadania. Nie spina się przy zmiennych procesach, małej skali albo braku WMS-a, bo robot bez systemu nadrzędnego dowozi regały nie wiadomo po co. Eurostat: 1,39% firm UE stosuje AI poruszającą maszynami autonomicznie, w dużych 8,55% (dane za 2025).

WMS z modułami AI: agent czytający ten sam stan magazynu

Fraza „wms ai agent” z autouzupełniania trafia w kierunek, w którym idą duzi dostawcy systemów. Manhattan opisuje ActiveWarehouse jako system chmurowy aktualizowany kwartalnie bez wersji, w którym agenci AI działają na tym samym modelu danych i API co operatorzy, ze śladem w dziennikach audytu (odczyt 1.11.2026). Firma wprost przyznaje, że część dostawców deklaruje agentów wbudowanych w system, a ci w rzeczywistości rozumują po danych wyeksportowanych z WMS-a; rozgraniczenie przydaje się przy każdej ofercie. Skale wdrożeń z tej strony: BESTSELLER ma w Europie największy system shuttle (1,4 mln pojemników, 1400 robotów), DHL prowadzi na tym WMS-ie ponad 14 mln m² operacji, a Foot Locker podniosło pojemność obiektu o 40%.

Decyzja o WMS to osobna decyzja zakupowa, często jeszcze przed tematem AI, i dlatego ten tekst nie zawęża magazynu do logistyki transportowej. Przy ofertach pod tę frazę pytaniem jest, na jakich danych agent rozumuje. Ofertę SAP sprawdzaliśmy bezpośrednio: strona produktu zwróciła Access Denied w odczycie 1.11.2026, więc opisujemy tylko to, co dało się odczytać.

Mały magazyn i centrum dystrybucyjne: dwie różne ścieżki

Ścieżka małego magazynu nie wymaga żadnego projektu. Czat ogólnego przeznaczenia załatwia analizę arkusza stanów i szkice instrukcji, transkrypcja zamienia nagrania rozmów operacyjnych w notatki, a czat z odczytem plików zestawi PDF-y przyjęć. Warunkiem jest polityka danych: stany, kontrahenci i ceny wklejane do zewnętrznego narzędzia to decyzja świadoma, nie domyślna, o czym piszemy w tekście o polityce AI w firmie. Ta ścieżka mieści się w abonamentach znanych z hubu AI w firmie.

Ścieżka centrum dystrybucyjnego zaczyna się od danych, nie od narzędzia: historia ruchów połączona w jednym systemie, integracje WMS z ERP i automatyką, a dopiero potem prognozy, slotting i roboty. To projekty w skali miesięcy, tak jak wdrożenie LPP, które przeszło najpierw fazę pilotażową. Etapy takiej decyzji rozpisujemy w tekście o wdrożeniu AI w firmie; kolejność jest ta sama: najpierw proces i dane, potem technologia.

Bariery: historia danych, integracje, ludzie

Pierwsza bariera jest widoczna w liczbach Eurostatu. Sekcja transport i magazyny ma 10,28% firm, które rozważyły użycie AI, przedostatni wynik w UE przed budownictwem (9,74%), przy średniej 19,95%. To koszt wejścia: model prognozujący i agenci potrzebują uporządkowanej historii, a integracje między WMS, ERP i sterownikami automatyki to praca informatyczna na miesiące. Trzecia bariera jest ludzka: system zmieniający rytm pracy kompletacji musi zostać przyjęty przez załogę, inaczej wróci papier. Ten sam zestaw barier wyszedł w polskich badaniach firm logistycznych, które przytaczaliśmy w tekście o AI w logistyce; tam siedzi też druga połowa tej mapy: trasy, TMS i dokumenty przewozowe.

Najczęstsze pytania

Jakie jest wykorzystanie AI w magazynie?

Prognozy zapotrzebowania i zapasów na historii ruchów, sugestie slottingu i ścieżek kompletacji, wizja komputerowa na taśmie (ilość, uszkodzenia, kompletność), odczyt dokumentów (OCR plus model językowy), inwentaryzacje dronami i robotami oraz floty AMR. Skala: 1,39% firm UE stosuje AI autonomicznie poruszającą maszynami (Eurostat, dane za 2025).

Na czym polega kompletacja głosowa?

Pracownik dostaje polecenia przez słuchawkę i potwierdza wykonanie komendami rozpoznawanymi przez system; ma wolne ręce i wzrok, a każdy krok jest zapisany. O kolejności zadań decyduje osobna, analityczna warstwa.

Na czym polega inwentaryzacja magazynu dronem?

Dron lata autonomicznie między alejkami, skanuje kody kreskowe z półek i wysyła odczyty do WMS-a, który raportuje rozbieżności ze stanami. Według IFR (16.06.2026) flota Verity działa w ok. 200 magazynach i zbiera ok. 500 tys. zdjęć dziennie; hala nie zatrzymuje się na liczenie.

Czym różni się AGV od AMR w magazynie?

AGV jeździ po trasie zdefiniowanej fizycznie (paski magnetyczne, prowadnice), więc jest tańszy, ale zmiana układu hali oznacza przeróbkę trasy. AMR buduje mapę i omija przeszkody sam, jest droższy, ale toleruje rekonfigurację; wybór zależy od stabilności procesu i układu hali.

Ile kosztuje robot magazynowy?

Publicznych cenników nie ma w odczytach z 1.11.2026, więc liczby tu nie podamy, wprost. Część dostawców sprzedaje w modelu abonamentowym RaaS powiązanym z wolumenem zadań, jak Locus Robotics; zakup na własność rozkłada koszt na lata. Realna wycena wychodzi po opisaniu hali i procesów, nie z katalogu.

Czym jest agent AI w WMS?

To funkcja WMS-a, w której model czyta bieżący stan operacji i wykonuje zadania przez te same API co operatorzy. Manhattan opisuje takich agentów w ActiveWarehouse ze śladem w dziennikach audytu (odczyt 1.11.2026); przy innych dostawcach pytanie brzmi: żywy stan czy eksport.

Źródła

Powiązane artykuły