Adam Beniowski: „Nasza polska technologia AI działa już w 30 krajach”. PRO.display rozwija się na światowych rynkach [WYWIAD]

My Company Polska: Półtora roku temu PRO.display działał w sześciu krajach. Co zmieniło się przez ten czas?

Adam Beniowski, PRO Business Solutions: Z naszej perspektywy to przepaść czasowa. Wtedy rozmawialiśmy o obecności w sześciu krajach, a teraz jesteśmy łącznie w 30 i obsługujemy 33 kategorie produktów dla naszych klientów. Współpracujemy m.in. z Mondelez, Johnson & Johnson, L’Oréal, Lindt, CEDC, Sandoz, Maspex i Pepco. Zrealizowaliśmy już ponad 64 projekty. Z polskiej Kompanii Piwowarskiej zrobiło się całe Asahi w Europie.

Mamy też partnerstwo z Coca-Cola HBC w Bułgarii. To pierwszy kraj, o którym możemy mówić bardziej oficjalnie, ale za nim potencjalnie jest kilkadziesiąt kolejnych. W W ramach przeglądu technologii z całego świata to my zostaliśmy wybrani. To dla nas potwierdzenie, że lata pracy w sklepach dały nam pozycję sprawdzonego dostawcy.

Rośniemy szybko, a w przyszłym roku wzrost jeszcze przyspieszy. Większość z tego jest zabezpieczone kontraktami.

Jak działa wasza technologia i co konkretnie zmienia w pracy w sklepie?

Badamy rzeczywistość w sklepach przy użyciu naszego AI. W handlu bardzo ważne jest, żeby produkty były ułożone na półkach w sposób optymalny, wygodny dla kupujących. Wspólnie z producentami i sieciami detalicznymi wierzymy, że dobrze ułożone produkty poprawiają doświadczenie zakupowe.

Zajmujemy się weryfikacją, czy standardy wypracowane przez producenta lub detalistę są zachowane w sklepie, i pomagamy je utrzymywać. Robimy to za pomocą aplikacji wykorzystującej nasze modele AI, które przygotowujemy na potrzeby konkretnych projektów.

Osoba obsługująca aplikację skanuje półkę telefonem jak przy nagrywaniu wideo, bez robienia zdjęć, i od razu, nawet bez internetu, dostaje wskazówki, co powinna poprawić. To wpływa na wyniki sprzedaży, utrzymanie standardów i zadowolenie klientów. Jednocześnie przyspieszamy raportowanie co najmniej sześcio-, siedmiokrotnie.

Czy AI PRO.display mogłoby pomagać także samym konsumentom?

Silnik AI potrafi rozpoznawać produkty bardzo szybko. Mamy projekt, w którym model rozpoznaje tysiąc produktów. Wykrycie ich w sklepie zajmuje średnio niespełna minutę. Żadne ludzkie oko nie jest w stanie zrobić tego tak szybko.

Obecnie korzystają z tego producenci i detaliści. Sam silnik może służyć innym celom, ale na razie skupiamy się na naszym biznesie. Planujemy dołożyć wokół niego kolejne rozwiązania i być może wtedy pojawi się przestrzeń do innych zastosowań. Pracujemy też nad tym, żeby klient mógł sam nauczyć system rozpoznawania nowego produktu w kilka minut.

 Co dziś najbardziej hamuje wdrażanie AI w firmach?

Ipsos przeprowadził w 2026 r. badanie w 32 krajach, w którym wzięło udział ponad 23,5 tys. osób. Pytano m.in. o ekscytację AI. W Chinach i Indiach około 80 proc. respondentów deklarowało zainteresowanie tą technologią. W Polsce było to 44 proc., w Niemczech 37 proc., a we Francji 33 proc.

Widać to również u naszych klientów. Z perspektywy zarządu przekonanie do AI jest coraz większe, ale niżej pojawiają się obawy, że technologia zabierze pracę albo zastąpi ludzi w obszarach, w których czują się ekspertami.

W Polsce AI często ma przede wszystkim oszczędzać. Tymczasem świat, szczególnie Stany Zjednoczone i Azja, patrzy na to również jako na narzędzie do generowania dodatkowego przychodu. W naszej branży AI przyspiesza raportowanie i podnosi jakość danych, ale te procesy służą też temu, żeby optymalizować półki i zwiększać sprzedaż. O tym często się zapomina. Nasz klient Mondelez mówi publicznie, że w sklepach objętych programem Perfect Store sprzedaż jego marek rośnie średnio o 20 proc.

Skąd tak duża różnica w podejściu do AI między Europą a Azją?

Wiele firm wdraża AI tylko po to, żeby mieć to odhaczone, i nie patrzy, co dzieje się z nim dalej. W Europie bardzo dużo mówi się o tym, że powinniśmy rozwijać AI, ale jeśli porównamy to, co faktycznie dzieje się w Stanach czy w Azji, tam wdrożeń jest więcej. Mamy też sporo wyzwań jako spółka rozwijająca AI w Europie. Gdybyśmy byli taką samą firmą w Stanach czy Azji, prawdopodobnie bylibyśmy już w innym miejscu. Mimo to skutecznie konkurujemy przede wszystkim z firmami ze Stanów i z Indii, a nie tylko z Europy.

Myślę, że znaczenie ma również demografia. W Europie wiele osób jest przyzwyczajonych do określonego sposobu pracy i obawia się, że AI coś im zabierze. W innych krajach częściej patrzy się na to, że dzięki technologii można pracować efektywniej, nauczyć się czegoś nowego i przestać wykonywać nudne, żmudne zadania.

Mówicie o ambicji bycia AI-native. Jak przekładacie ją na codzienną pracę?

Bardzo mocno rozwijamy u siebie ideę second brain. Każdy z nas ma asystenta AI, który zna kontekst firmy, wie, kto w niej pracuje, i potrafi korzystać z odpowiednich informacji. Nie trzeba za każdym razem tłumaczyć mu, kim jest dana osoba czy jaki jest kontekst zadania.

Myślimy też o metabrainie i asystentach dla poszczególnych działów. Wartość jest ogromna. Po rozmowie mogę powiedzieć asystentowi w dwóch zdaniach, żeby przygotował prezentację dla firmy we Francji, uwzględnił odpowiednie KPI i nasze case studies. Po trzech minutach mam gotową prezentację.

Jak przekonaliście do AI nawet doświadczonych programistów?

Starałem się ich przekonywać, żeby zaczęli korzystać z AI, bo początkowo mówili, że kod napisany przez AI jest brzydki albo że sami zrobiliby to inaczej. Wypracowanie odpowiedniego rozwiązania zajęło nam prawie osiem miesięcy rzetelnych testów, żeby przejść tę rewolucję.

Nie mamy pomysłów, żeby ich zwalniać. Chcemy, żeby byli bardziej produktywni dzięki AI. To nie byli wcale starsi wiekiem ludzie, ale programiści z 10–15-letnim doświadczeniem. Musieli przejść ścieżkę, na której zrozumieli, że AI jest ułatwieniem, a nie zagrożeniem.

Podobnie jest u klientów. Duże firmy są przyzwyczajone do określonych sposobów pracy. My przychodzimy i pokazujemy, że można inaczej, bardziej produktywnie, a ludzie mogą mieć więcej przestrzeni na zadania, które rzeczywiście wymagają ich pracy.

Dlaczego duże sieci wybierają PRO.display, a nie konkurencyjne rozwiązania?

Coraz częściej rozmawiamy nie o Polsce, ale o całych regionach, i mamy coraz więcej partnerów, którzy sprzedają nasze rozwiązanie na świecie. Mamy dwa rodzaje klientów: tych, którzy jeszcze nie mają technologii do badania rzeczywistości w sklepach, i tych, którzy już z czegoś korzystają. W pierwszym przypadku przyspieszamy pracę i obiektywizujemy dane. W drugim klienci widzą różnicę między naszym rozwiązaniem a tym, co mają.

Nie robimy zdjęć w sklepach, działamy offline, a nasza technologia jest odporna na różne warunki oświetleniowe. Rozpoznajemy produkty nawet przez szklane drzwi lodówek, ze skutecznością od 95 do 99 proc., a czasem wyższą. W konkurencyjnych rozwiązaniach trzeba wykonywać zdjęcia, pilnować, żeby się nakładały, i czekać na wynik. Zdarza się, że klienci mają uruchomione dwa systemy jednocześnie, bo wiedzą, że ten pierwszy nie działa, ale muszą zbierać dane.

Dyrektor sprzedaży Asahi powiedział podczas Retail Summit, po dwóch nieudanych próbach wdrożenia technologii: nieważne, jak tanio zapłacimy za coś, co nie działa. I to jest w skrócie odpowiedź na pytanie, dlaczego wybierają nas. Bo działamy. To, co pokazujemy na slajdach, dostarczamy w sklepach. A gdy klient porównuje nas z innymi dostawcami w pilotażu, jeszcze nie zdarzyło nam się przegrać.

Jak duży jest rynek, na którym chcecie rosnąć?

Mamy jedną konkurencyjną firmę w Polsce, która zajmuje się również wieloma innymi rzeczami. Na świecie są dwie liczące się firmy: ze Stanów Zjednoczonych i z Indii. Indyjska konkurencja konkuruje przede wszystkim ceną, a my w wielu przypadkach dorównujemy jej cenowo i mamy przewagę technologiczną.

Potencjał rynku rozpoznawania obrazu w sklepach stacjonarnych jest oceniany na ponad 12 mld dolarów w 2030 r. Obecnie to około 5 mld dolarów. Ten rynek rośnie o ponad 20 proc. rocznie.

Czy AI w handlu jest już dostępne także dla mniejszych sklepów?

Tak. Mocno obniżyliśmy próg wejścia, bo nie chcieliśmy zajmować się wyłącznie największymi klientami. Mamy wdrożenia w pojedynczych krajach i dla relatywnie niewielkiej liczby sklepów.

Dziesięć sklepów to może być trochę za mało, ale przy 50–100 sklepach rozwiązanie jest już opłacalne. Mamy też przypadki lokalnych producentów, którzy działają tylko w jednym kraju. Od początku konstruowaliśmy model współpracy i biznesowy tak, żeby sięgać również po mniejszych klientów i zapewnić im szybki zwrot z inwestycji.

Jak AI może zmienić tradycyjny sklep w najbliższych latach?

Za trzy, cztery czy pięć lat pytanie, czy ktoś używa AI, będzie trochę tak, jakby dzisiaj zapytać, czy używa e-maila. To będzie oczywiste. Jeśli ktoś dziś się zastanawia, czy używać AI, to znaczy, że już jest spóźniony.

Pracowaliśmy również z małymi sklepami, nawet o powierzchni 50 metrów kwadratowych, często prowadzonymi przez rodzinę. One mają szansę być mądrzej zarządzane dzięki AI i innym narzędziom analitycznym.

Widziałem przypadki, w których ktoś kupował karton czekolady, bo sąsiadka powiedziała, że powinien go mieć. Okazywało się, że tylko ta sąsiadka kupowała tę czekoladę i to raz w miesiącu, więc karton się przeterminował. Takie sklepy często zarządzają asortymentem instynktownie i są przeładowane produktami.

Wiedza dostępna wcześniej przede wszystkim dla dużych, zorganizowanych sieci ma szansę trafić również do mniejszych sklepów. Dzięki temu będą mogły efektywniej zarządzać swoim punktem sprzedaży. Moim zdaniem przetrwają tylko te sklepy, które będą z AI mądrze korzystać.

Gdyby mógł pan dziś wrócić do początku, co zrobiłby pan inaczej?

Jeszcze więcej energii położyłbym na szybsze wdrażanie AI u nas i przekonywanie programistów oraz innych działów do jego używania. Na obecnym etapie jestem zadowolony na czwórkę z plusem, ale chciałbym, żeby ten wynik był pół roku temu, a nie teraz.

To nam buduje przewagę technologiczną i pozwala lepiej optymalizować firmę oraz podejmować trafniejsze decyzje.

Patrzę na konkurencję, której odbijamy klientów. To firmy, które doszły do pewnego etapu rozwoju image recognition, uznały, że mają już technologię, i przestały ją rozwijać. My mamy plan, żeby nigdy nie kończyć. Jeśli skończymy, staniemy się jedną z tych firm, którym ktoś odbije klientów.

W rozwoju AI lepiej ryzykować błędy niż czekać na pewność?

Zdajemy sobie sprawę, że możemy się pomylić, przeinwestować czy niepotrzebnie zużyć tokeny. Ale wolę zaryzykować i spróbować czegoś więcej niż później powiedzieć, że nie spróbowaliśmy.

Wolimy iść do przodu i mylić się, niż stać w miejscu i czekać, aż inni się pomylą, a my się z tego nauczymy. Namawiam wszystkich, którzy będą czytać ten artykuł, żeby dali sobie pozwolenie na popełnianie błędów przy wdrażaniu AI. Lepiej nauczyć się czegoś na błędzie niż biernie obserwować, bo wtedy może być już za późno.

Jaką skalę chcecie osiągnąć — i bez zwiększania zespołu?

Mamy około 60 osób na pokładzie, ale w tej branży liczba ludzi nie świadczy o wielkości, bo to bardzo skalowalny biznes. Jeszcze niedawno, żeby nauczyć model nowego produktu, potrzebowaliśmy około 200 ujęć ze sklepów. Pierwszy klient zbierał je prawie cztery miesiące, a my budowaliśmy model kolejne dwa. Od marca wystarczą nam 3–4 zdjęcia samego produktu: pierwsza wersja modelu powstaje w kilka minut, a gotowy model w 48 godzin. AI przygotowuje, a człowiek zatwierdza. Dziś z naszej aplikacji korzysta ponad 9 tys. osób po stronie klientów. W przyszłym roku przekroczymy 15 tys.

W tym roku obsługujemy mniej niż 5 mln wizyt handlowych, a w przyszłym planujemy przekroczyć 10 mln wizyt na całym świecie. I nie zwiększam zatrudnienia. Zależy mi na jakości zespołu, na osobach, które lepiej rozumieją AI, mają znajomość języków i doświadczenie międzynarodowe. Ludziom, którzy są z nami od lat, dajemy narzędzia do rozwoju: coaching, szkolenia i naukę języków.

Rozpoznawanie cenówek wdrożyliście w czerwcu. Jakie są pierwsze wyniki?

To nasze nowe rozwiązanie. Od czerwca dostarczyliśmy dwóm pierwszym klientom informacje z ponad 3 mln odczytanych cenówek. Jesteśmy w stanie rozpoznawać nie tylko dobrze wydrukowane etykiety w supermarketach, ale również te ręcznie napisane.

Aplikacja działa trochę jak człowiek: widzi produkt, szuka najbliższej cenówki i ocenia, czy to właśnie jego cena. Wykorzystujemy do tego dwa AI – jedno rozpoznaje produkty, drugie cenówki.

Jesteśmy z tego bardzo dumni. Jakość rozpoznawania cen na pierwszych statystykach przekracza 98 proc. I to na trzech milionach cenówek, a nie na stu.