10 procesów AI dla komunikacji miejskiej, które wdrożysz w 90 dni

Na konferencji „AI w komunikacji miejskiej. Od danych do decyzji” w Wejherowie (IGKM, wrzesień 2026) pokazałem dziesięć procesów, które przedsiębiorstwo komunikacyjne może zautomatyzować w ciągu 90 dni. Bez wymiany systemów, bez wielkiego budżetu i bez obietnic „rewolucji”. Ten artykuł rozwija tamto wystąpienie.

Dlaczego właśnie teraz?

Przedsiębiorstwa komunikacji miejskiej działają pod presją kosztów, a jednocześnie rosną oczekiwania pasażerów. Procedury i dane są rozproszone w mailach, arkuszach i głowach doświadczonych pracowników. Do tego dochodzi zjawisko, które widzę niemal wszędzie: pracownicy już korzystają z narzędzi AI – często nieformalnie, bez zasad i bez wiedzy organizacji.

Wniosek jest prosty: lepiej uporządkować to świadomie, zaczynając od procesów, w których AI daje szybki i mierzalny efekt.

Mapa 10 procesów

Procesy dzielę na trzy obszary: pasażer, eksploatacja i organizacja. Wspólny mianownik? Mniej przepisywania, mniej opóźnień, lepsza kontrola terminów i jeden standard danych.

Pasażer

1. Zgłoszenia pasażerskie. AI klasyfikuje sprawę, przygotowuje projekt odpowiedzi i przypisuje ją do działu z kontrolą terminu. Pracownik czyta, poprawia i zatwierdza.
2. Awaria, objazd, opóźnienie. Dyspozytor wpisuje jedno zdanie, a AI przygotowuje spójne wersje komunikatu: dla pasażerów (tablice, zapowiedź głosowa), dla kierowców, na stronę WWW i do mediów społecznościowych.

Eksploatacja

3. Usterki taboru. Mobilny formularz (pojazd, objaw, zdjęcie) tworzy zadanie dla warsztatu, a historia usterek pozwala ustalać priorytety.
4. Magazyn części i zamówienia. Raport części schodzących najczęściej, stany minimalne z alertami i powiązanie awarii z zapotrzebowaniem.
5. Grafiki i rozliczanie pracy. Wykrywanie konfliktów, braków obsady i skutków absencji – bez automatycznych decyzji personalnych.

Organizacja

6. Pisma, notatki, protokoły. Asystent AI przygotowuje pierwszą wersję dokumentu, streszcza korespondencję i wyciąga decyzje.
7. Faktury i obieg akceptacji. Automatyzacja pilnuje ścieżki, terminu, przypisania do działu i przypomnień.
8. HR i onboarding. Checklisty, dostępy, szkolenia i instrukcje w jednym przepływie. Nowy pracownik nie szuka procedur – procedury prowadzą jego.
9. Raport zarządczy. Punktualność, awarie, energia, zgłoszenia pasażerów i finanse w cotygodniowym podsumowaniu: co się zmieniło, co może być przyczyną i co wymaga uwagi.
10. Bezpieczeństwo i zgodność AI. Rejestr użycia AI, lista dopuszczonych narzędzi, checklisty danych, akceptacje i szkolenie użytkowników.

Model 90 dni

Wdrożenie nie zaczyna się od technologii. Zaczyna się od wyboru procesu, który jest powtarzalny, czasochłonny i mierzalny.

Etap	Dni	Co się dzieje
Diagnoza	0–30	wybór 2–3 procesów, mapa danych i ryzyk, mierniki „przed”
Prototyp	31–60	formularz i przepływ, pierwsze szablony AI, testy z użytkownikami
Pilotaż	61–90	pomiar efektu i decyzja: skalować czy poprawić

Przykład: poniedziałek rano

Najlepiej widać to na jednym procesie. Mail pasażera trafia do skrzynki. AI rozpoznaje temat (np. punktualność), proponuje dział i termin, a następnie przygotowuje szkic odpowiedzi. Pracownik akceptuje lub poprawia, odpowiedź wychodzi, a raport zarządczy aktualizuje się sam. To nie jest futurystyczny projekt – to prosty przepływ: klasyfikacja, szkic, akceptacja, wysyłka i aktualizacja danych.

Na stronie głównej możesz przetestować uproszczoną wersję tego procesu.

Zacznij od tego, co już masz

Wiele organizacji ma już licencje na narzędzia, które pozwalają zbudować takie procesy: asystenta AI w pakiecie biurowym, narzędzia do formularzy, obiegu dokumentów i prostych aplikacji mobilnych. Pierwszym krokiem nie jest zakup kolejnego systemu, tylko sprawdzenie, co obejmują posiadane licencje i jakie procesy można uruchomić bezpiecznie. Tam, gdzie dane są wrażliwe, rozważam modele AI uruchamiane lokalnie.

Jak wybrać pierwszy pilotaż?

Dobry proces pilotażowy spełnia cztery warunki:

• powtarzalny – dzieje się często,
• czasochłonny – zabiera czas lub generuje błędy,
• mierzalny – da się policzyć efekt,
• bezpieczny – ryzyko związane z danymi jest pod kontrolą.

Po 90 dniach mierzymy: czas obsługi, liczbę błędów, sprawy po terminie, satysfakcję pracowników i jakość danych.

Najbliższe 90 dni nie musi być projektem AI. Może być projektem odzyskania czasu. Zacznij od jednego procesu, zmierz efekt, potem skaluj.