Rok 2025 przyniósł rewolucję w podejściu do sztucznej inteligencji w środowiskach korporacyjnych. Ale co z organizacjami, które nie mogą lub nie chcą przenieść swoich danych do chmury? Dla wielu polskich firm i instytucji publicznych odpowiedź brzmiała: zbudujmy własną infrastrukturę AI, która będzie działać tam, gdzie działają nasze systemy SAP . Ta historia opowiada o tym, jak to się udało.

Kiedy pod koniec 2024 roku pojawiły się pierwsze zapowiedzi agentycznych możliwości w ekosystemie SAP, wielu specjalistów IT zadawało sobie pytanie: czy to dotyczy tylko tych, którzy przeszli do chmury? Odpowiedź, jak się okazało, była znacznie bardziej złożona i zarazem obiecująca dla organizacji pracujących w środowiskach lokalnych.

Punkt wyjścia: SAP on-premise i potrzeba inteligencji

Zacznijmy od faktów. Według różnych szacunków, zdecydowana większość instalacji SAP na świecie nadal działa w trybie on-premise. To nie jest kwestia opóźnienia technologicznego czy braku wizji. To często świadoma decyzja podyktowana regulacjami branżowymi, wymogami bezpieczeństwa, specyfiką procesów biznesowych lub po prostu ekonomiką konkretnej organizacji.

W Polsce sytuacja jest szczególnie interesująca. Instytucje publiczne często muszą utrzymywać dane na własnej infrastrukturze ze względu na przepisy o ochronie danych i wymogi regulatorów. Sektor finansowy i ochrona zdrowia również działają w ściśle regulowanym środowisku, gdzie pytanie o to, gdzie fizycznie znajdują się dane, ma fundamentalne znaczenie.

Jednocześnie presja na wdrożenie rozwiązań opartych na sztucznej inteligencji rośnie z miesiąca na miesiąc. Konkurencja wykorzystuje chatboty do obsługi klienta, automatyzuje procesy decyzyjne, generuje raporty i analizy w ułamku czasu, który kiedyś był potrzebny. Organizacje pracujące wyłącznie w środowiskach lokalnych zaczęły zadawać fundamentalne pytanie: czy możemy mieć i jedno, i drugie?

Architektura możliwości: Model Context Protocol zmienia zasady gry

Przełomem roku 2025 okazał się Model Context Protocol, w skrócie MCP. To otwarty standard, który można porównać do uniwersalnego portu USB dla świata sztucznej inteligencji. MCP definiuje wspólny język, którym mogą posługiwać się duże modele językowe komunikując się z zewnętrznymi systemami i narzędziami.

Zanim MCP zyskał na popularności, każda integracja AI wymagała budowania dedykowanych rozwiązań. Chcesz połączyć model językowy z SAP? Zbuduj własny interfejs. Chcesz dodać kolejne źródło danych? Kolejny dedykowany kod. MCP zmienił tę dynamikę, oferując standaryzowany sposób, w jaki agenci AI mogą odkrywać i wykorzystywać zewnętrzne narzędzia.

Co szczególnie istotne dla środowisk on-premise, MCP działa zarówno w chmurze, jak i na infrastrukturze lokalnej. Serwery MCP mogą być wdrażane jako konteneryzowane aplikacje w dowolnym środowisku, co otwiera drzwi dla organizacji, które z różnych powodów nie mogą korzystać z publicznych usług chmurowych.

Serwery MCP dla SAP: od koncepcji do rzeczywistości

Rok 2025 przyniósł eksplozję rozwiązań MCP dedykowanych środowiskom SAP. Społeczność deweloperów, wspierana przez oficjalne inicjatywy SAP, stworzyła całe spektrum serwerów obsługujących różne scenariusze użycia.

Szczególną uwagę zwraca rozwiązanie pozwalające na uruchomienie serwera MCP bezpośrednio w warstwie ABAP systemów SAP ECC i S/4HANA. Co istotne, wspiera ono wersje ABAP sięgające nawet 7.01, co oznacza możliwość integracji z naprawdę dojrzałymi instalacjami. Architektura jest przemyślana pod kątem unikania middleware, dając organizacjom pełną kontrolę nad definicjami narzędzi, udostępnianymi danymi oraz mechanizmami tworzenia i aktualizacji.

Brzmi to technicznie, ale implikacje praktyczne są ogromne. Agent AI może teraz komunikować się z systemem SAP używając języka naturalnego. Może odpytywać tabele, widoki CDS, wywoływać moduły funkcyjne BAPI, a nawet uruchamiać transakcje. Wszystko to bez konieczności instalacji klienta SAP GUI i bez wychodzenia poza sieć organizacji.

Wyzwanie mocy obliczeniowej: gdzie wchodzi NVIDIA

Integracja to jedno, ale żeby uruchomić lokalne modele językowe potrzebna jest odpowiednia moc obliczeniowa. I tu pojawia się NVIDIA ze swoją wizją Enterprise AI Factory, czyli pełnostosowej, walidowanej architektury pozwalającej organizacjom budować własne fabryki AI na infrastrukturze lokalnej.

Koncepcja fabryki AI, którą Jensen Huang konsekwentnie promuje od kilku lat, nabiera nowego znaczenia w kontekście środowisk korporacyjnych. Centrum danych przestaje być miejscem przechowywania i przetwarzania danych. Staje się fabryką produkującą inteligencję. Podobnie jak fabryki produkujące samochody czy elektronikę, fabryka AI pobiera surowce, przetwarza je i dostarcza gotowy produkt. Tyle że surowcem są dane, a produktem są wnioski, decyzje i automatyzacje.

W roku 2025 NVIDIA wprowadziła na rynek serwery RTX PRO z kartami opartymi na architekturze Blackwell, które pozwalają organizacjom przekształcić istniejące centra danych w infrastrukturę gotową na AI bez całkowitej przebudowy. To nie jest drobna zmiana. Disney, SAP, Hitachi, Hyundai Motor Group to tylko niektóre z firm, które już adoptowały te rozwiązania.

Dla średnich przedsiębiorstw i instytucji publicznych kluczowa jest możliwość uruchomienia otwartych modeli językowych na stosunkowo przystępnym sprzęcie. Instytut Fraunhofera rekomenduje modele oparte na architekturze Mistral 7B, które działają na sprzęcie o możliwościach porównywalnych z zaawansowanym komputerem do gier, dostępnym już od około dziesięciu tysięcy euro. Model Mixtral 8x22B, najpotężniejszy europejski model typu open source, płynnie operuje w pięciu językach i został wytrenowany na ponad stu czterdziestu miliardach parametrów.

„Rok temu rozmowa o uruchomieniu lokalnego modelu językowego zintegrowanego z SAP brzmiała jak science fiction. Dziś to kwestia doboru właściwych komponentów i architektury. NVIDIA pokazała, że transformacja centrum danych w fabrykę AI nie wymaga rewolucji, tylko ewolucji.” – Michal Korzen, CTO SNOK

Orkiestracja: UiPath Maestro jako dyrygent agentów

Mając infrastrukturę obliczeniową i możliwość komunikacji z SAP, pozostaje pytanie o orkiestrację. Jak zarządzać wieloma agentami AI? Jak zapewnić, że roboty RPA, modele językowe i pracownicy współpracują w spójny sposób? Tu na scenę wchodzi UiPath.

UiPath , znany przede wszystkim z rozwiązań do robotycznej automatyzacji procesów, w roku 2025 dokonał fundamentalnej transformacji. Firma przestała być dostawcą narzędzi RPA i stała się platformą agentycznej automatyzacji. Kluczowym elementem tej transformacji jest Maestro, warstwa orkiestracyjna łącząca agentów AI, roboty, narzędzia i ludzi w jeden zintegrowany system.

Co szczególnie istotne, Maestro obsługuje Model Context Protocol, co oznacza możliwość zarządzania agentami z różnych platform, w tym Google Vertex, Microsoft Copilot, Databricks czy właśnie NVIDIA. Organizacja może wykorzystać różnych agentów do różnych zadań. Dział finansowy może uruchomić agenta specjalizującego się w raportowaniu, podczas gdy dział operacyjny korzysta z innego agenta do prognozowania popytu. Maestro koordynuje ich pracę w ramach jednego procesu.

Dla środowisk on-premise kluczowa jest możliwość wdrożenia UiPath w trybie self-hosted. Platform można uruchomić na własnej infrastrukturze, zachowując pełną kontrolę nad danymi i procesami. Daniel Dines, założyciel i dyrektor generalny UiPath, określa tę filozofię jako „ludzie w roli dyrygentów, podczas gdy większość pracy operacyjnej wykonują agenci i roboty”.

TIME umieścił platformę UiPath na liście najlepszych wynalazków roku 2025, doceniając zdolność do zarządzania rozproszonymi agentami AI i zapewniania odpowiedniego nadzoru ludzkiego. To ostatnie jest szczególnie istotne w kontekście instytucji publicznych i sektorów regulowanych, gdzie każda decyzja podejmowana przez AI musi być audytowalna i wyjaśnialna.

Polski kontekst: dlaczego on-premise to nie zaściankowość

W dyskusjach o transformacji cyfrowej często pojawia się narracja, że organizacje pozostające przy rozwiązaniach on-premise to dinozaury broniące się przed nieuniknionym wyginięciem. Rzeczywistość, przynajmniej w polskim kontekście, jest znacznie bardziej zniuansowana.

Instytucje sektora publicznego działają w ramach ściśle określonych regulacji dotyczących przetwarzania danych. Standardy Cyberbezpieczeństwa Chmur Obliczeniowych, Chmura Rządowa, wymogi RODO, wszystko to tworzy środowisko, w którym decyzja o lokalizacji danych nie jest kaprysem działu IT, ale koniecznością wynikającą z przepisów.

Według badań przeprowadzonych przez Centralny Ośrodek Informatyki, większość instytucji publicznych korzystających z rozwiązań chmurowych preferuje chmury prywatne. Powody są zrozumiałe: pełna kontrola nad infrastrukturą, możliwość dostosowania do specyficznych wymagań regulacyjnych i lepsze zarządzanie ryzykiem. Podobne tendencje obserwujemy w sektorze finansowym i ochronie zdrowia.

To nie oznacza, że te organizacje muszą pozostać w tyle w wyścigu o sztuczną inteligencję. Wręcz przeciwnie. Rok 2025 pokazał, że można zbudować zaawansowaną infrastrukturę AI całkowicie na własnej infrastrukturze, zachowując wszystkie zalety kontroli nad danymi i jednocześnie uzyskując dostęp do najnowszych możliwości technologicznych.

„Nasi klienci z sektora publicznego i finansowego nie pytają już czy wdrożyć AI, tylko jak to zrobić bez kompromisów w zakresie bezpieczeństwa. Odpowiedź brzmi: można mieć i jedno, i drugie. Platforma agentyczna on-premise to nie kompromis, to świadomy wybór architektury odpowiadającej na realne potrzeby biznesu.” – Jacek Bugajski, CEO SNOK

Praktyka wdrożenia: od teorii do działającego rozwiązania

Jak wygląda rzeczywiste wdrożenie platformy AI dla środowiska SAP on-premise? Proces można podzielić na kilka kluczowych etapów, z których każdy niesie ze sobą specyficzne wyzwania i decyzje do podjęcia.

Pierwszym krokiem jest wybór i wdrożenie lokalnego modelu językowego. Dla organizacji przetwarzających dane w języku polskim warto rozważyć modele zoptymalizowane pod kątem języków europejskich. Mixtral, rozwijany przez francuską firmę Mistral AI, oferuje doskonałe wyniki przy rozsądnych wymaganiach sprzętowych. Model można uruchomić przy użyciu narzędzi takich jak Ollama, które upraszczają proces wdrożenia do minimum.

Jednak dla organizacji wymagających najlepszego możliwego zrozumienia polskiego kontekstu językowego i kulturowego, rok 2025 przyniósł przełomowe rozwiązania rodzimej produkcji. Bielik, stworzony przez Fundację SpeakLeash we współpracy z Akademickim Centrum Komputerowym Cyfronet AGH, to pierwszy polski otwarty model językowy dostępny na licencji Apache 2.0. W maju 2025 roku zaprezentowano wersję 3.0 podczas konferencji GOSIM AI Spotlight w Paryżu, a w czerwcu model trafił do katalogu NVIDIA NIM APIs, zyskując globalne uznanie. Bielik, trenowany na superkomputerach Helios i Athena, doskonale radzi sobie z niuansami polszczyzny i jest dostępny w wersjach od 1,5 do 11 miliardów parametrów. Co istotne, InPost uruchomił akcję „Nakarm Bielika”, angażując piętnaście milionów użytkowników aplikacji w rozwój modelu.

Równolegle Ministerstwo Cyfryzacji rozwijało projekt PLLuM, czyli Polish Large Language Universal Model. To inicjatywa konsorcjum sześciu wiodących polskich instytucji naukowych pod przewodnictwem Politechniki Wrocławskiej, z udziałem NASK, Instytutu Podstaw Informatyki PAN, Ośrodka Przetwarzania Informacji, Uniwersytetu Łódzkiego i Instytutu Slawistyki PAN. PLLuM wyróżnia się szczególnym dostosowaniem do terminologii administracji publicznej i został zaprojektowany z myślą o zastosowaniach w sektorze państwowym. Rodzina osiemnastu modeli, wykorzystujących od 8 do 70 miliardów parametrów, jest już dostępna publicznie. Co kluczowe dla środowisk on-premise, PLLuM można wdrożyć lokalnie, na własnej infrastrukturze, bez zależności od zagranicznych dostawców chmurowych.

Kolejnym elementem jest infrastruktura obliczeniowa. NVIDIA AI Enterprise oferuje walidowany stos technologiczny łączący sprzęt, oprogramowanie i sieć w zoptymalizowane środowisko gotowe do pracy z AI. Dla mniejszych organizacji alternatywą są serwery z kartami RTX, które przy odpowiedniej konfiguracji obsługują modele o rozmiarach pozwalających na praktyczne zastosowania biznesowe.

Integracja z SAP wymaga wdrożenia serwera MCP. Dla systemów ABAP dostępne są dodatki pozwalające na uruchomienie serwera bezpośrednio w warstwie aplikacyjnej SAP. Oznacza to, że agent AI może komunikować się z systemem bez pośrednictwa dodatkowych komponentów middleware, co upraszcza architekturę i zmniejsza powierzchnię potencjalnych problemów.

Wreszcie warstwa orkiestracyjna. UiPath w trybie self-hosted pozwala na zarządzanie całym ekosystemem z jednego miejsca. Definicje procesów, harmonogramy uruchomień, monitorowanie wydajności i audyt wszystkich operacji odbywają się w kontrolowanym środowisku organizacji.

Przypadki użycia: gdzie AI zmienia codzienność

Teoria to jedno, ale gdzie platformy agentyczne faktycznie przynoszą wartość w środowiskach SAP on-premise? Praktyka pokazuje kilka szczególnie obiecujących obszarów zastosowań.

Konwersacyjne interfejsy do danych biznesowych to pierwszy i najbardziej oczywisty przypadek. Zamiast nawigować przez skomplikowane transakcje SAP, użytkownik może zadać pytanie w języku naturalnym: „Pokaż zamówienia sprzedaży z ostatniego kwartału dla klienta X z opóźnieniem płatności powyżej 30 dni”. Agent AI przetwarza zapytanie, odpytuje odpowiednie tabele i widoki CDS, a następnie prezentuje wyniki w czytelnej formie.

Drugi obszar to wsparcie procesów decyzyjnych. Agent może analizować dane o należnościach, wykrywać wzorce opóźnień płatności, identyfikować klientów wymagających szczególnej uwagi i sugerować działania. Według badań UiPath, takie rozwiązania mogą skrócić czas procesowania sporów o należności i poprawić płynność finansową organizacji.

Trzeci przypadek to automatyzacja tworzenia dokumentacji i raportów. Agent może wygenerować raport miesięczny pobierając dane z wielu źródeł, przeprowadzając analizę trendów i formatując wyniki zgodnie ze standardami organizacji. Co istotne, cały proces odbywa się w środowisku lokalnym, bez przesyłania wrażliwych danych biznesowych do zewnętrznych usług.

Czwartym obszarem jest wsparcie deweloperów ABAP. Nowe SDK AI dla ABAP, wprowadzone przez SAP, pozwala na integrację możliwości generatywnych bezpośrednio w kodzie. Deweloper może poprosić agenta o wygenerowanie kodu testowego, wyjaśnienie działania istniejącego programu czy zasugerowanie optymalizacji. Według danych SAP, takie podejście może skrócić czas pisania kodu nawet o dwadzieścia procent.

Doświadczenie SNOK: łączenie światów z powodzeniem

SNOK od ponad dwudziestu pięciu lat specjalizuje się w ekosystemie SAP, łącząc głęboką wiedzę techniczną z praktycznym zrozumieniem potrzeb biznesowych klientów. Kiedy pojawiły się pierwsze możliwości integracji AI z systemami SAP, naturalnym krokiem było zbadanie, jak te technologie mogą służyć organizacjom działającym w środowiskach on-premise.

Nasza praktyka pokazuje, że sukces wdrożenia platformy agentycznej zależy od kilku kluczowych czynników. Po pierwsze, głęboka znajomość specyfiki systemów SAP klienta. Nie ma dwóch identycznych instalacji SAP, każda organizacja przez lata dostosowywała system do swoich procesów, tworząc unikalne rozszerzenia i modyfikacje. Skuteczna integracja AI musi uwzględniać tę specyfikę.

Po drugie, realistyczne podejście do oczekiwań. AI nie jest magiczną różdżką, która rozwiąże wszystkie problemy organizacji. To narzędzie, które właściwie wdrożone może znacząco usprawnić konkretne procesy. Nasza metodologia zaczyna się od identyfikacji przypadków użycia, gdzie AI przyniesie mierzalną wartość, a następnie buduje rozwiązanie iteracyjnie, ucząc się na każdym etapie.

Po trzecie, bezpieczeństwo jako fundament, nie dodatek. W środowiskach on-premise kwestia bezpieczeństwa danych jest często głównym powodem wyboru tej architektury. Każde rozwiązanie AI musi respektować istniejące polityki bezpieczeństwa, integrować się z mechanizmami autoryzacji i zapewniać pełną audytowalność działań.

Dzięki partnerstwom z SAP , UiPath , NVIDIA i innymi liderami technologicznymi, SNOK jest w stanie dostarczyć kompleksowe rozwiązania łączące najlepsze elementy każdej platformy. Nasze doświadczenie w projektach konwersji do S/4HANA, wdrożeniach automatyzacji i budowie bezpiecznych architektur IT pozwala nam skutecznie przeprowadzić klientów przez transformację w kierunku inteligentnej automatyzacji.

„Kluczem do sukcesu nie jest technologia sama w sobie, ale zrozumienie jak ta technologia wpisuje się w istniejący ekosystem klienta. Podłączenie modelu AI do SAP to kwestia techniczna. Sprawienie, żeby to połączenie przynosiło realną wartość biznesową, to już zupełnie inna historia.” – Michał Korzeń, CTO SNOK

Wyzwania i pułapki: o czym warto pamiętać

Optymizm związany z możliwościami platform agentycznych nie powinien przesłaniać realnych wyzwań, jakie stoją przed organizacjami planującymi takie wdrożenia.

Pierwszym i często niedocenianym wyzwaniem jest jakość danych. Model AI jest tak dobry, jak dane na których pracuje. Jeśli dane w systemie SAP są niekompletne, niespójne lub nieaktualne, żadna ilość sztucznej inteligencji tego nie naprawi. Wdrożenie platformy agentycznej często wymusza wcześniejsze uporządkowanie danych podstawowych, co samo w sobie jest istotnym projektem.

Drugie wyzwanie dotyczy kompetencji. Utrzymanie lokalnej infrastruktury AI wymaga specjalistycznej wiedzy wykraczającej poza tradycyjne umiejętności administratorów SAP. Organizacja musi albo zbudować wewnętrzne kompetencje, albo zapewnić sobie wsparcie partnera technologicznego. Eksperci z Bloor Research ostrzegają, że nakładanie inteligentnych agentów na przestarzałe struktury może przyspieszyć dysfunkcję zamiast ją rozwiązywać.

Trzecie wyzwanie to kwestia modelu operacyjnego. Wprowadzenie agentów AI zmienia sposób pracy ludzi. Procesy, które dotychczas wymagały bezpośredniej interwencji człowieka, mogą być teraz częściowo lub całkowicie zautomatyzowane. To wymaga przemyślenia ról, odpowiedzialności i ścieżek eskalacji. Nie chodzi o zastąpienie ludzi, ale o zmianę sposobu, w jaki ludzie i maszyny współpracują.

Czwartym wyzwaniem jest koszt. Infrastruktura AI, nawet w wariancie on-premise, wymaga znaczących inwestycji. Karty graficzne, serwery, oprogramowanie, licencje, szkolenia, wszystko to składa się na budżet, który musi być uzasadniony zwrotem z inwestycji. Dobra wiadomość jest taka, że model chmurowy zamienia wydatki kapitałowe na operacyjne, ale całkowita suma nie znika, tylko rozkłada się w czasie.

Perspektywy: co przyniesie rok 2026

Patrząc na dynamikę rozwoju technologii agentycznych, można pokusić się o kilka przewidywań dotyczących najbliższej przyszłości.

SAP zapowiedział pełne wsparcie MCP w SAP HANA Cloud od pierwszego kwartału 2026 roku. Oznacza to, że agenci Joule będą mieli bezpośredni dostęp do silnika bazodanowego, mogąc odpowiadać na złożone pytania korzystając z szerokiego kontekstu danych. Dla środowisk on-premise można spodziewać się analogicznych możliwości poprzez rozwiązania partnerskie i społecznościowe.

NVIDIA kontynuuje rozwój architektury Blackwell i zapowiada kolejne generacje platform. Platformy Vera Rubin, które mają pojawić się w niedalekiej przyszłości, oferują jeszcze większą wydajność przy niższym zużyciu energii. Dla organizacji planujących inwestycje w infrastrukturę AI to istotna informacja przy budowaniu strategii wieloletniej.

UiPath rozwija funkcjonalności Maestro, dodając coraz bardziej zaawansowane możliwości zarządzania przypadkami, aplikacje procesowe dla użytkowników biznesowych i głębszą integrację z platformami AI zewnętrznych dostawców. Kierunek jest jasny: od automatyzacji pojedynczych zadań do orkiestracji całych procesów biznesowych łączących ludzi, roboty i agentów AI.

SAP wprowadza SAP-RPT-1, nowy model AI zoptymalizowany specjalnie dla predykcji na danych tabelarycznych. W przeciwieństwie do klasycznych modeli językowych przewidujących kolejne słowo w sekwencji, SAP-RPT-1 prognozuje kolejne pole w wierszu tabeli. To fundamentalnie inne podejście, które może lepiej odpowiadać na potrzeby pracy z danymi biznesowymi strukturalnymi.

„Najważniejszą lekcją roku 2025 jest to, że przyszłość AI w przedsiębiorstwach nie jest binarna. To nie jest wybór między chmurą a on-premise, między SAP a konkurencją, między automatyzacją a ludźmi. Przyszłość należy do tych, którzy potrafią połączyć te światy w spójną całość.” – Jacek Bugajski, CEO SNOK

Rewolucja, która nie wymaga rewolucji

Rok 2025 pokazał, że transformacja w kierunku inteligentnej automatyzacji nie wymaga porzucenia istniejących inwestycji i kompetencji. Organizacje pracujące z systemami SAP on-premise mają dziś dostęp do narzędzi i architektur pozwalających na budowę zaawansowanych platform agentycznych bez wychodzenia do chmury publicznej.

Model Context Protocol demokratyzuje integrację AI z systemami korporacyjnymi. NVIDIA dostarcza infrastrukturę obliczeniową gotową do pracy z lokalnymi modelami językowymi. UiPath oferuje warstwę orkiestracyjną łączącą wszystkie elementy w spójny system. SAP rozwija natywne możliwości AI w swoich produktach.

Dla polskich organizacji, szczególnie tych działających w sektorach regulowanych, ta kombinacja otwiera drogę do korzyści płynących z AI bez kompromisów w zakresie bezpieczeństwa i zgodności regulacyjnej. To nie jest łatwa droga, wymaga inwestycji, kompetencji i przemyślanej strategii. Ale to droga możliwa do przejścia już dziś.

Pytanie nie brzmi już czy zbudować lokalną fabrykę AI. Pytanie brzmi: kiedy zacząć i z kim to zrobić.

—

SNOK Sp. z o.o. | Partner SAP Silver | Partner UiPath Platinum | www.snok.pl

Technologiczny Czwartek ze SNOK | Styczeń 2026