Przemysłowe cyfrowe bliźniaki przez lata służyły przede wszystkim inżynierom. Pozwalały odwzorować maszynę, linię produkcyjną albo cały zakład i sprawdzić, jak zachowa się rzeczywisty obiekt po zmianie parametrów, konfiguracji czy sposobu eksploatacji. Siemens i Salesforce chcą teraz przenieść tę wiedzę znacznie dalej - bezpośrednio do serwisantów, sprzedawców i klientów. 15 września 2026 roku firmy ogłosiły rozszerzenie współpracy polegające na połączeniu platformy agentowej Agentforce z Siemens Teamcenter Service Lifecycle Management. W praktyce agent AI ma otrzymać dostęp do aktualnej wiedzy o konkretnym produkcie i jego cyfrowym bliźniaku, dzięki czemu będzie mógł odpowiadać nie tylko na pytania ogólne, ale również ustalać, jaka część pasuje do konkretnego numeru seryjnego, które modernizacje są technicznie możliwe albo jak skonfigurować ofertę, aby można ją było rzeczywiście wyprodukować.
Siemens i Salesforce twierdzą, że dzięki takiemu połączeniu część skomplikowanych procesów przemysłowych może skrócić się z tygodni do godzin. Nie chodzi przy tym o samo szybsze generowanie odpowiedzi przez model językowy. Największym problemem przemysłu jest często rozdzielenie informacji pomiędzy systemami inżynieryjnymi, serwisowymi, sprzedażowymi i bazami klientów. Handlowiec musi czekać na odpowiedź konstruktora, serwisant kontaktuje się z centralą, a klient nie wie, czy znaleziony w katalogu komponent pasuje dokładnie do jego maszyny. Agent ma połączyć dane z CRM z techniczną „prawdą o produkcie” znajdującą się w Teamcenter. Firmy określają ten model jako krok w kierunku „agentic enterprise”, czyli przedsiębiorstwa, w którym agenci AI potrafią samodzielnie wykonywać część pracy pomiędzy systemami.
Jak agent AI ma korzystać z cyfrowego bliźniaka maszyny przemysłowej?
Cyfrowy bliźniak nie jest zwykłą wizualizacją urządzenia w 3D. W systemach przemysłowych może obejmować strukturę produktu, konfigurację komponentów, warianty konstrukcyjne, informacje o częściach zamiennych, dokumentację serwisową i relacje pomiędzy poszczególnymi elementami. Teamcenter pełni rolę środowiska zarządzającego taką „prawdą produktową”, czyli aktualnymi informacjami o tym, jak konkretny produkt został zaprojektowany i skonfigurowany. Połączenie z Agentforce ma pozwolić agentowi AI zadawać pytania do tego źródła i wykorzystywać odpowiedzi bez konieczności angażowania inżyniera za każdym razem, gdy serwis lub sprzedaż potrzebuje technicznego potwierdzenia. Z perspektywy użytkownika efekt ma przypominać dostęp do wirtualnego specjalisty, który zna strukturę urządzenia i potrafi natychmiast powiązać ją z konkretnym klientem.
Najważniejsze jest jednak to, że agent nie ma ograniczać się do odpowiadania tekstem. Salesforce rozwija Agentforce jako platformę zdolną do wykonywania działań w systemach biznesowych, planowania kolejnych kroków i współpracy z innymi agentami. Jeśli serwisant poda numer seryjny maszyny, system może najpierw pobrać jej konfigurację z Teamcenter, następnie sprawdzić historię klienta w Salesforce, zidentyfikować kompatybilne części i przygotować kolejne działanie w procesie serwisowym. To właśnie możliwość przejścia od pytania do wykonania pracy odróżnia nową architekturę od klasycznego chatbota podłączonego do dokumentacji. Salesforce podkreśla, że najnowsze agenty mają być zdolne realizować bardziej złożone cele przez wiele godzin, dni, a nawet tygodni, zamiast kończyć działanie po pojedynczej odpowiedzi.
Dlaczego przemysłowe procesy sprzedaży i serwisu trwają dziś nawet kilka tygodni?
Sprzedaż przemysłowa wygląda zupełnie inaczej niż zamówienie standardowego produktu ze sklepu internetowego. Maszyna może występować w wielu konfiguracjach, mieć indywidualnie dobrane komponenty i być modernizowana przez kilkanaście lat eksploatacji. Kiedy klient pyta o nowy moduł, część zamienną lub rozbudowę urządzenia, handlowiec często nie może samodzielnie potwierdzić kompatybilności. Pytanie trafia do działu technicznego, inżynier sprawdza dokumentację, czasem konsultuje się z produkcją, a odpowiedź wraca dopiero po kilku dniach. Jeżeli pojawiają się dodatkowe warianty lub wymagania klienta, cały proces powtarza się. Siemens i Salesforce wskazują właśnie ten przepływ informacji jako jedno z głównych miejsc, w których agent AI może skrócić czas realizacji z tygodni do godzin.
Podobna sytuacja występuje w serwisie. Technik jadący do zakładu klienta musi wiedzieć, jaki dokładnie wariant maszyny znajduje się na miejscu, które komponenty były wcześniej wymieniane i jaka część będzie zgodna z konkretną konfiguracją. Jeżeli zabierze niewłaściwy element, potrzebna może być druga wizyta, co oznacza dodatkowy przestój urządzenia i koszty po obu stronach. W nowym modelu agent ma być w stanie jeszcze przed wyjazdem powiązać numer seryjny z cyfrowym bliźniakiem i wskazać prawidłowy komponent. Roland Busch, prezes Siemensa, opisuje tę koncepcję jako umieszczenie „wirtualnego inżyniera” w rękach serwisantów i sprzedawców. Kluczowym celem jest więc nie zastąpienie wiedzy technicznej, ale udostępnienie jej tam, gdzie dotąd docierała z dużym opóźnieniem.
Czy agent AI będzie mógł sam wybrać właściwą część zamienną do konkretnej maszyny?
To jeden z najważniejszych przykładów przedstawianych przez Siemens i Salesforce. Agent ma korzystać z informacji związanych z konkretnym numerem seryjnym, a nie jedynie przeszukiwać ogólny katalog produktów. W przemyśle ta różnica jest ogromna. Dwa urządzenia wyglądające identycznie z zewnątrz mogą różnić się rokiem produkcji, wersją sterownika, rodzajem napędu czy elementami wymienionymi podczas wcześniejszego remontu. Dobór części wyłącznie na podstawie modelu może więc prowadzić do błędów. Jeżeli system posiada aktualny cyfrowy zapis konfiguracji konkretnego egzemplarza, agent może odpytać Teamcenter i ustalić, które podzespoły są zgodne właśnie z nim. Siemens wskazuje, że serwisant powinien dzięki temu wiedzieć przed pierwszą wizytą, jaki komponent zabrać do klienta.
Taki mechanizm może również zmienić sposób, w jaki klienci samodzielnie zamawiają części. Dzisiaj katalog przemysłowy często wymaga znajomości numerów produktów lub kontaktu z pomocą techniczną. Agent połączony jednocześnie z informacjami o kliencie i z cyfrowym bliźniakiem mógłby prowadzić rozmowę typu: „potrzebuję nowego modułu do maszyny z hali numer trzy”, następnie zidentyfikować urządzenie, sprawdzić jego konfigurację i pokazać wyłącznie kompatybilne części. Siemens rozwija już wspólnie z Salesforce środowisko handlowe SiePortal, które obsługuje około 165 tys. wizyt w każdy dzień roboczy i 1,4 mln zarejestrowanych użytkowników. Włączenie agentów do takiej skali handlu B2B pokazuje, że firmy celują w procesy produkcyjne działające znacznie szerzej niż pojedyncze demonstracje AI.
Jak agent AI ma pomagać handlowcom przygotowywać poprawne technicznie oferty?
W sprzedaży przemysłowej atrakcyjna oferta nie wystarczy, jeśli proponowanego rozwiązania nie można rzeczywiście zbudować albo zainstalować u klienta. Handlowiec może znać potrzeby przedsiębiorstwa i jego budżet, ale nie musi znać wszystkich ograniczeń konstrukcyjnych konkretnej generacji maszyny. Dlatego przygotowanie większej modernizacji często wymaga konsultacji z inżynierią. Nowe połączenie Agentforce z Teamcenter ma pozwolić sprawdzać takie ograniczenia bezpośrednio podczas procesu sprzedażowego. Salesforce podaje przykład sprzedawcy, który może oferować wyłącznie modernizacje technicznie prawidłowe i możliwe do wykonania. Agent ma więc działać nie tylko jak wyszukiwarka produktów, lecz również jako warstwa sprawdzająca, czy proponowana konfiguracja jest zgodna z rzeczywistymi danymi inżynieryjnymi.
Może to ograniczyć jeden z kosztownych problemów sprzedaży B2B: tworzenie propozycji, które później muszą być poprawiane przez dział techniczny. Jeśli cyfrowy bliźniak zawiera informacje o dopuszczalnych wariantach i zależnościach pomiędzy podzespołami, agent może weryfikować ofertę na bieżąco. Jednocześnie Salesforce zapewnia kontekst dotyczący klienta - jego wcześniejszych zakupów, zgłoszeń serwisowych czy istniejących możliwości sprzedażowych. Połączenie tych dwóch warstw daje systemowi zarówno wiedzę o tym, czego klient potrzebuje, jak i o tym, co można technicznie dostarczyć. Siemens i Salesforce liczą, że pozwoli to nie tylko skrócić czas przygotowania ofert, ale również rozwijać sprzedaż usług posprzedażowych i modernizacji, które w przypadku producentów przemysłowych należą do najbardziej rentownych obszarów działalności.
Czy połączenie cyfrowego bliźniaka z AI może zmienić przemysłowy serwis?
Tradycyjny serwis często działa reaktywnie. Maszyna zgłasza problem, klient kontaktuje się z producentem, powstaje zgłoszenie, a następnie rozpoczyna się diagnoza. Cyfrowy bliźniak może zmienić ten schemat, ponieważ pozwala analizować stan rzeczywistego obiektu na podstawie danych i modeli technicznych. Siemens rozwija również tak zwane Executable Digital Twins, czyli modele mogące działać równolegle z fizycznym urządzeniem i przewidywać parametry, których nie da się bezpośrednio zmierzyć pojedynczym czujnikiem. Jeśli do takiego środowiska zostanie podłączony agent zdolny do wykonywania działań w systemie serwisowym, granica pomiędzy diagnozą techniczną a organizacją naprawy może zacząć zanikać.
W przyszłości system może więc nie tylko poinformować, że określony element zaczyna pracować poza typowym zakresem, ale również sprawdzić konfigurację maszyny, znaleźć właściwą część, zweryfikować jej dostępność oraz przygotować proces serwisowy. Obecne ogłoszenie Siemensa i Salesforce koncentruje się przede wszystkim na połączeniu Teamcenter SLM z procesami sprzedaży i obsługi klienta, więc pełna autonomiczna obsługa awarii pozostaje szerszą wizją, a nie funkcją, której należy oczekiwać natychmiast w każdym wdrożeniu. Kierunek jest jednak czytelny: dane inżynieryjne przestają być końcowym raportem dla specjalisty, a zaczynają stawać się kontekstem, na podstawie którego agent może uruchamiać kolejne działania biznesowe.
Co oznacza komunikacja agent-to-agent w rozwiązaniu Siemensa i Salesforce?
Jednym z ciekawszych elementów współpracy jest koncepcja agent-to-agent, czyli sytuacji, w której jeden agent nie musi wykonywać całej pracy samodzielnie. Agent Salesforce może odpowiadać za proces klienta, a specjalizowany komponent związany z Siemensem za dostęp do technicznych informacji o produkcie. Zamiast kopiowania danych między systemami agenci mogą wymieniać zapytania i wyniki w trakcie wykonywania zadania. Siemens opisuje tę możliwość jako sposób na bezpośrednie udostępnienie „product truth” z Teamcenter agentom Salesforce bez konieczności każdorazowego angażowania inżyniera. Taka architektura ma szczególne znaczenie w dużych przedsiębiorstwach, gdzie informacje znajdują się w dziesiątkach wyspecjalizowanych systemów.
Nie oznacza to, że agenci powinni mieć nieograniczony dostęp do wszystkich danych. Wręcz przeciwnie - wraz ze wzrostem autonomii coraz ważniejsze stają się uprawnienia, rejestrowanie operacji i możliwość kontrolowania, dlaczego agent wykonał dane działanie. Salesforce rozwija w tym celu architekturę Enterprise AI Harness, która ma zapewniać wspólną warstwę danych, kontekstu, zasad bezpieczeństwa i zarządzania działaniami agentów. W przemyśle ma to szczególne znaczenie, ponieważ błędna rekomendacja może prowadzić nie tylko do źle przygotowanego e-maila, ale do zamówienia niewłaściwej części, błędnej konfiguracji maszyny czy kosztownego przestoju produkcji. Im więcej procesów przejmują agenci, tym istotniejsze staje się więc połączenie autonomii z techniczną kontrolą i jasno zdefiniowanymi granicami działania.
Dlaczego Siemens i Salesforce tak mocno stawiają na usługi posprzedażowe i aftermarket?
Producent przemysłowy zarabia nie tylko wtedy, gdy sprzedaje nową maszynę. Urządzenia pracują często przez kilkanaście albo kilkadziesiąt lat i w tym czasie wymagają części zamiennych, modernizacji, przeglądów, aktualizacji oraz usług technicznych. Według danych przywoływanych przez Siemens i Salesforce rynek aftermarket może rosnąć około sześciokrotnie szybciej niż sprzedaż nowych urządzeń i zapewniać około czterokrotnie wyższe marże. Nic więc dziwnego, że właśnie tutaj firmy chcą zastosować agentową AI. Im szybciej producent odpowie na pytanie dotyczące kompatybilnej części lub możliwej modernizacji, tym większa szansa, że klient zamówi usługę bez szukania alternatywy u zewnętrznego dostawcy.
Połączenie CRM z cyfrowym bliźniakiem może dodatkowo umożliwić przejście od jednorazowej sprzedaży części do bardziej zaawansowanych modeli usługowych. Jeżeli producent posiada aktualną wiedzę o konfiguracji urządzenia, jego historii i potrzebach klienta, może wcześniej proponować modernizacje, pakiety serwisowe lub rozwiązania oparte na wynikach pracy maszyny. Siemens i Salesforce mówią wprost o tworzeniu podstaw dla predykcyjnych i performance-based service models, czyli usług, w których klient płaci nie tylko za sam produkt, ale za określony poziom jego dostępności lub wydajności. Agent AI może stać się warstwą organizującą taki model: łączyć dane techniczne z historią klienta i uruchamiać proces biznesowy zanim problem przerodzi się w kosztowny przestój.
Czy agenci AI naprawdę mogą skrócić procesy przemysłowe z tygodni do godzin?
Deklaracja Siemensa i Salesforce brzmi imponująco, ale należy interpretować ją właściwie. Firmy nie twierdzą, że każda modernizacja linii produkcyjnej albo naprawa maszyny nagle będzie trwała kilka godzin. Skróceniu mają ulec przede wszystkim procesy informacyjne i decyzyjne: identyfikacja właściwej części, weryfikacja konfiguracji, przygotowanie technicznie poprawnej oferty czy uzyskanie informacji, która wcześniej wymagała kontaktu z działem inżynieryjnym. W takich przypadkach rzeczywiście można wyeliminować wielodniowe oczekiwanie na odpowiedź, ponieważ agent uzyskuje bezpośredni dostęp do danych źródłowych. Fizyczna produkcja części, transport czy naprawa nadal pozostają ograniczone rzeczywistym światem i nie przyspieszą tylko dlatego, że odpowiedź wygenerowała AI.
Pierwsze zastosowania Agentforce w samym Siemensie pokazują jednak, że automatyzacja może znacząco skracać procesy biznesowe. Firma wykorzystuje już dwóch agentów do obsługi i kwalifikowania około 2500 przychodzących leadów miesięcznie w 132 krajach. Salesforce podaje, że system został doprowadzony od prototypu do produkcji w sześć tygodni, a agenci obsługują wstępny kontakt, zanim najlepsze możliwości sprzedażowe trafią do pracowników. Nowa integracja z Teamcenter idzie o krok dalej, ponieważ agent nie ma już pracować wyłącznie na danych sprzedażowych, lecz również sięgać do złożonej wiedzy inżynieryjnej. Jeśli rozwiązanie sprawdzi się w rzeczywistych zakładach, może to być jeden z ważniejszych przykładów przejścia agentowej AI z biurowych chatbotów do procesów decydujących o działaniu przemysłowych maszyn.
