1. AI w logistyce przestało być marketingowym ornamentem. Jeśli jeszcze rok temu wielu dostawców próbowało sprzedawać „AI” jako ładną etykietę na proste reguły (typu „wybór lokalizacji”), to w 2026 realnie wchodzimy w etap produkcyjnej implementacji AI w logistyce – takiej, która daje efekt tu i teraz: skraca czas, redukuje tarcie operacyjne, odcina kolejki w ticketingu, pozwala budować narzędzia wewnętrzne bez proszenia software house’u o łaskę i… zmienia układ sił między biznesem a „starym IT”.

W tym materiale pokazuję konflikt, który widać dziś na LinkedIn i w kuluarach konferencji: „stare IT” kontra vibe coding, czyli budowanie rozwiązań z użyciem języka naturalnego (promptów). Nie chodzi o to, żeby negować rolę inżynierii. Chodzi o rozróżnienie dwóch światów:
– „systemy krytyczne” (ERP/WMS/OMS w sensie core) wymagające rygoru, utrzymania, SLA, certyfikacji, bezpieczeństwa i odpowiedzialności,
– oraz narzędzia wspierające (wewnętrzne aplikacje, analityka, automaty, integracje punktowe, warstwy UX/raportowania), które do tej pory ginęły w kolejce „zróbcie ticket, wrócimy do tematu” – a dzisiaj mogą powstać w godziny lub dni. Poruszam też temat guardrails (zabezpieczeń) i odpowiedzialności: AI w operacjach działa tylko wtedy, gdy nie odklejamy się od realiów danych, NDA i ryzyk. Co innego narzędzie „dla siebie” z pozamykanymi portami i kontrolą dostępu, a co innego produkt komercyjny, gdzie wchodzą standardy serwisu, niezawodność, model incydentów, audyt i pełna odpowiedzialność za dane klienta. Daję dwa konkretne przykłady rozwiązań, które pokazują, że produkcyjna implementacja AI w logistyce to nie slajdy, tylko mechanika działania:

1. Open Mercato – otwarty (open source) system ERP/RP rozwijany przez doświadczonych praktyków, z modelem biznesowym opartym o usługi i rozszerzenia.
2. Blueclip.ai – „szyna” łącząca systemy (WMS/ERP/CRM/OMS/TMS/YMS), która pozwala zadawać pytania językiem naturalnym i budować warstwy analityczno-decyzyjne ponad istniejącym IT, np. mapy ciepła magazynu, rekomendacje optymalizacyjne, taski i automaty.

Jeśli zarządzasz logistyką, IT, operacjami lub wdrażasz WMS/ERP i masz dość: vendor lock-in, braku elastyczności, sprintów bez końca i przepychanek o priorytety – ten materiał jest po to, żebyś zobaczył praktyczny kierunek: „cebula” warstw narzędzi, gdzie core zostaje stabilny, a nad nim rośnie szybka warstwa AI, automatyzacji i aplikacji budowanych promptami. Na końcu zostawiam też ważną tezę o rynku pracy: „klepanie w klawiaturę” jako jedyna wartość będzie znikało. Zostaną ci, którzy rozumieją biznes, ryzyko, architekturę i potrafią zarządzać agentami, jakością, bezpieczeństwem i efektem operacyjnym.

Timeline:

0:00 Wstęp i kontekst: konflikt „stare IT” vs nowe narzędzia
0:53 Dlaczego nie czytam slajdów: slajdy jako tło do tez
1:31 Narzędzia wewnętrzne vs systemy core (WMS/ERP)
1:43 „Cebula” ekosystemów: warstwy rozwiązań w firmie
2:06 Koniec „AI-washingu”: 2026 i realna produkcyjna implementacja AI w logistyce
3:13 Wirtualne rady nadzorcze (CTO/CFO/COO jako agenci)
5:35 Ticketing, kolejki, brak elastyczności i vendor lock-in
6:22 Prezentacje z AI (GemaApp) i kompresja pracy marketingowej
7:13 Vibe coding: kodowanie promptami i jego konsekwencje
9:28 Guardrails: bezpieczeństwo, NDA, odpowiedzialność i granice
11:21 POC vs produkt: różnica, o której biznes zapomina
14:52 Case 1: Open Mercato (open source ERP/RP)
16:20 Jak kodują top programiści: narzucone ramy i „smycz” dla modeli
20:17 Case 2: Blueclip.ai jako „mózg” nad systemami
21:35 Przykład: mapa ciepła magazynu z danych WMS
24:12 Optymalizacja kosztów: capex/opex rozbite na taski
25:09 „Drugie życie” dla słabego WMS dzięki warstwie AI
26:19 Taski dla ludzi vs taski automatyczne (agentowe wykonywanie)