Automatyzacja i open source – tak firmy wdrażają AI w praktyce

Automatyzacja i optymalizacja procesów to dziś główne powody, dla których organizacje sięgają po sztuczną inteligencję. Według badania Linux Foundation z 2025 roku, co czwarta firma wskazuje właśnie ten obszar jako priorytetowy przy wdrażaniu AI[1]. Co ciekawe, aż 71% przedsiębiorstw korzystających z AI zwraca uwagę na to, czy narzędzia są dostępne na licencji open source[2]. Eksperci Linux Polska tłumaczą, dlaczego to takie ważne i pokazują, jak praktyczne wdrożenia AI realnie zmieniają codzienną pracę.

Automatyzacja procesów – realne oszczędności czasu i energii

Firmy coraz częściej wykorzystują AI do automatyzacji powtarzalnych, czasochłonnych zadań. Wśród najważniejszych zastosowań, poza automatyzacją, znalazło się generowanie treści (17%) i kodu (14%)[3]. Jak podkreśla Kacper Szczepaniuk, Observability Specialist w Linux Polska, automatyzacja z użyciem AI pozwala znacząco skrócić czas realizacji zadań i odciążyć pracowników.

– Przykładem jest wdrożenie w jednej z agencji rządowych, gdzie pracownicy ręcznie przeszukiwali dokumenty i interpretowali zapisy prawne bez wsparcia kontekstowego. To generowało duże obciążenie i wydłużało czas rozpatrywania spraw. Stworzyliśmy rozwiązanie łączące Agenta AI z modelem LLM, wzbogaciliśmy kontekst zapytań i przekształciliśmy bazę wiedzy na formę wektorową. Efekt? Czas wyszukiwania skrócił się o 65%, 70% zapytań zostało zautomatyzowanych, a liczba eskalacji interpretacyjnych spadła o 40%. Przeniesienie procesu na system agentów AI przełożyło się na standaryzację pracy i większą satysfakcję zespołu – mówi Kacper Szczepaniuk.

AI w codziennej pracy – nie tylko dla specjalistów IT

AI coraz częściej wspiera także obsługę klienta (11%), research (6%) czy klasyfikowanie danych (5%)[4]. Celem jest przede wszystkim usprawnienie codziennej pracy i odciążenie zespołów technicznych. Maciej Wawrzyniak, Senior Solutions Architect w Linux Polska, opisuje wdrożenie, które rozwiązało problem dostępu nietechnicznych użytkowników do hurtowni danych.

– Klient zgłosił się do nas, bo brak znajomości SQL utrudniał pracę osobom spoza IT. Nawet proste pytania wymagały zaangażowania specjalistów BI, co wydłużało procesy i obciążało zespoły. Opracowaliśmy chatbota AI, który pozwala zadawać pytania w języku naturalnym, a następnie automatycznie tłumaczy je na zapytania SQL. Wdrożenie poprawiło satysfakcję zespołów i usprawniło podejmowanie decyzji biznesowych. W projekcie wykorzystaliśmy m.in. PGVector, Confluence, Podman i lekką wersję Kubernetesa – k3s – wyjaśnia Maciej Wawrzyniak.

Open source – bezpieczeństwo, elastyczność i rozwój

Dla wielu organizacji kluczowe jest, by narzędzia AI były open source. 29% firm traktuje to jako priorytet, a kolejne 42% preferuje takie rozwiązania. Tylko 6% przedsiębiorstw deklaruje negatywne nastawienie do open source AI, wybierając rozwiązania komercyjne[5]. Jak zauważa Radosław Żak-Brodalko, Enterprise Architect w Linux Polska, za tymi wyborami stoją głównie kwestie bezpieczeństwa IT.

– Część organizacji obawia się ryzyka związanego z open source, inne wręcz przeciwnie – uważają je za bezpieczniejsze od rozwiązań komercyjnych. Warto pamiętać, że bezpieczeństwo to nie tylko luki w kodzie, ale także rodzaj licencji, obciążenie projektów, strefa czasowa czy ryzyko geopolityczne. Ważne są też dokumentacja i aktywność społeczności. W Linux Polska korzystamy z narzędzia SourceMation, które analizuje ryzyko i prezentuje wyniki w przystępnej formie. To pozwala lepiej ocenić, czy dane rozwiązanie jest bezpieczne dla organizacji – tłumaczy Radosław Żak-Brodalko.

Open source to nie tylko oszczędności

Przykłady wdrożeń pokazują, że wybór open source AI to nie tylko kwestia finansowa. To także szansa na tworzenie narzędzi idealnie dopasowanych do potrzeb organizacji i realny wkład w rozwój sztucznej inteligencji.