Rozmowa z Mateuszem Klimowiczem, robotic process automation managerem w FM Logistic.
Tomasz Janiak: Przede wszystkim chciałbym pogratulować Panu udziału w prestiżowej konferencji Google Cloud Next w Las Vegas, która odbyła się 22–24 kwietnia. Wystąpił Pan w sesji „Accelerate R&D with Gemini-based agents Co-Scientist and AlphaEvolve”. Jakie było tło całego wydarzenia, a w szczególności Pana prezentacja?
Mateusz Klimowicz: Dziękuję. Fakt, że zostaliśmy zaproszeni do zaprezentowania tak innowacyjnego rozwiązania na największej corocznej konferencji Google Cloud, jest czymś wyjątkowym. Było to zwieńczenie bardzo ciekawego projektu. Google Cloud udostępniło nam do bardzo wczesnych testów swoje najnowsze narzędzie – AlphaEvolve – stworzone do optymalizacji algorytmów, także tych służących logistyce. Możemy śmiało powiedzieć, że jesteśmy pierwszą firmą logistyczną na świecie, która z powodzeniem wykorzystała to rozwiązanie w praktyce.
T.J.: Wspólne przedsięwzięcie globalnego operatora logistycznego (FM Logistic) i lidera technologicznego (Google) jest interesujące również z punktu widzenia pracy projektowej – w rozumieniu zarządzania projektem logistyczno-informatycznym, czyli m.in. doboru ekspertów, kompetencji etc. Czy może Pan przybliżyć kulisy współpracy interdyscyplinarnego, międzynarodowego zespołu?
M.K.: Współpraca z zespołem Google była czystą przyjemnością. Otrzymaliśmy z ich strony wsparcie inżynierów z Polski, Niemiec, Wielkiej Brytanii i USA, natomiast po stronie FM Logistic projekt realizował zespół polsko-francuski. Co ciekawe, przy tak zaawansowanym temacie nie było między nami żadnych barier kompetencyjnych. Największą – i właściwie jedyną – trudnością organizacyjną było po prostu znalezienie odpowiedniego slotu czasowego na wspólne spotkania, ze względu na różnicę stref czasowych z USA. Sam projekt zamknęliśmy w zaledwie dwa miesiące, osiągając od razu bardzo dobre wyniki. Było to możliwe dzięki temu, że nie startowaliśmy od zera. Mieliśmy już wcześniejsze, solidne doświadczenia z wykorzystaniem modeli uczenia maszynowego w operacjach magazynowych, wdrażaniem modeli językowych oraz ewaluacją algorytmów. To pozwoliło nam od pierwszego dnia mówić tym samym językiem co inżynierowie z Google.
T.J.: O cyfrowym bliźniaku w magazynie i jego potencjale wykorzystania mówimy od kilku lat. Dziś mamy coraz więcej doświadczeń, a także – udanych wdrożeń i pilotaży. Jak Pan ze swojej perspektywy ocenia możliwości dalszej ewolucji digital twins, zwłaszcza w intralogistyce?
M.K.: To bardzo ważny temat i zdecydowanie przyszłościowy kierunek, ale diabeł tkwi w szczegółach. W logistyce magazynowej wyróżniłbym trzy rodzaje cyfrowych bliźniaków, zależnie od celu, jaki mają realizować. Po pierwsze, mamy duże symulacje systemowe. W FM Logistic już od pewnego czasu wykorzystujemy np. oprogramowanie Flexsim do projektowania oraz badania przepustowości procesów i linii automatycznych, m.in. w operacjach e-commerce. Po drugie, na potrzeby tworzenia i optymalizacji algorytmów programuję mniejsze, dedykowane symulacje. Dzięki swojej „lekkości” są one w stanie w bardzo krótkim czasie przeanalizować tysiące wariantów operacji – tak jak to miało miejsce w projekcie AlphaEvolve. Pozwalają też zasymulować miesiące pracy magazynu w rozsądnym czasie. Taka symulacja pozwala szybko sprawdzić, jak np. wdrożenie danej strategii wpłynie na konkretną aktywność w dłuższym terminie. Po trzecie – i to jest kierunek dalszej ewolucji – coraz ważniejsze będą platformy takie jak Nvidia Omniverse. Już teraz służą one do zaawansowanego trenowania modeli sztucznej inteligencji, które sterują robotami autonomicznymi poruszającymi się i pracującymi w przestrzeni intralogistycznej. W tym kierunku będzie zmierzał rynek.
T.J.: Z tego, co wiem, opracowane przez Google AlphaEvolve, jako narzędzie samodzielnego tworzenia i optymalizowania algorytmów do zarządzania różnymi procesami, ma bardzo uniwersalne zastosowanie, więc wpisuje się również w „logikę” magazynu, rozwiązując problem komiwojażera i zastępując (lub może rozwijając) „klasyczny” – leanowy diagram spaghetti.
M.K.: To prawda – zastosowanie AlphaEvolve jest niezwykle szerokie: od klasycznej matematyki, przez medycynę i bankowość, aż po logistykę. To narzędzie potrafi usprawnić niemal każdy algorytm, o ile da się go zapisać w kodzie programistycznym i poddać ocenie (ewaluacji). W przypadku wdrożenia, o którym rozmawiamy, wykorzystaliśmy AlphaEvolve do optymalizacji procesu grupowania zamówień w większe zestawy, które tworzą tzw. misję kompletacyjną dla pojedynczego pracownika. W realiach magazynowych nawet jedno zamówienie z zaledwie dwoma przedmiotami potrafi rozciągnąć trasę pickingu na dużą część obiektu. Kiedy połączymy grupę kilkunastu takich zamówień, ścieżki pracownika zaczynają tworzyć bardzo skomplikowany, wręcz podręcznikowy diagram spaghetti. W momencie gdy do wykonania mamy setki zamówień jednocześnie, liczbę możliwych kombinacji i tras można podawać w milionach. Klasyczne podejście leanowe pozwala wyrysować i ręcznie skrócić taki diagram spaghetti, aleprzy tej skali problemu człowiek nie jest w stanie znaleźć optymalnego rozwiązania. I tu wchodzi AlphaEvolve. Zasililiśmy je naszym rozwiązaniem początkowym, które już wcześniej dało nam znaczącą poprawę względem stanu początkowego, wspomnianą wcześniej „lekką” symulacją do oceny wyników oraz odpowiednim kontekstem biznesowym. Narzędzie, na bazie wspomnianych elementów, zaczęło samodzielnie tworzyć, oceniać i mutować tysiące algorytmów, szukając najlepszego sposobu na pogrupowanie zamówień. W efekcie otrzymaliśmy nową wersję algorytmu, która pozwoliła nam skrócić dystans pokonywany przez pracowników o ponad 10% względem rozwiązania początkowego.
T.J.: Dlaczego na pilotaż rozwiązania wybraliście akurat obiekt w Polsce?
M.K.: Wybór padł na Polskę z kilku kluczowych powodów. Magazyn, w którym przeprowadziliśmy pilotaż, to jedna z największych operacji e-commerce, jakie prowadzimy w całym globalnym FM Logistic. To idealny poligon doświadczalny – przy tak ogromnej skali nawet procentowo mała optymalizacja przynosi bardzo duże, realne oszczędności i korzyści operacyjne. Dodatkowo kadra tego obiektu jest niezwykle sprawna organizacyjnie i otwarta na innowacje. Realizowaliśmy już z nimi podobne projekty w przeszłości. Z jednej strony ułatwiło to współpracę, ale z drugiej – postawiło poprzeczkę bardzo wysoko. Proces kompletacji i tworzenia misji był tam już wcześniej wielokrotnie optymalizowany różnymi metodami i w naszej opinii był bliski optimum, z minimalnym polem do dalszej poprawy. Chcieliśmy więc przetestować AlphaEvolve w najtrudniejszych możliwych warunkach. Ostatnim, ale niezwykle ważnym argumentem jest fakt, że to właśnie w Polsce – będącej hubem usług wspólnych dla operacji FM Logistic w Europie Centralnej – zbudowaliśmy bardzo dobry zespół i know-how, jak pracować z takimi technologiami jak uczenie maszynowe, modele językowe i w końcu AlphaEvolve.
T.J.: AlphaEvolve przyniósł ponad 10-procentową poprawę procesu, który wcześniej był już bardzo mocno zoptymalizowany. Czy większą wartością tego projektu były konkretne oszczędności operacyjne, czy raczej zdobycie nowej metody rozwiązywania problemów optymalizacyjnych, którą można wykorzystać w kolejnych procesach?
M.K.: Obie te wartości są dla nas kluczowe. Z perspektywy stricte operacyjnej odnieśliśmy potężny sukces – udało nam się znacznie zwiększyć przepustowość całej operacji e-commerce, i to bez żadnych dodatkowych inwestycji w infrastrukturę magazynową, flotę wózków czy czasochłonne szkolenia personelu. Po prostu lepiej wykorzystaliśmy dostępne zasoby dzięki bardziej zaawansowanemu algorytmowi. Z drugiej strony, zdobyte know-how i nowa metoda rozwiązywania problemów są nie do przecenienia. Już teraz zaczęliśmy wykorzystywać te doświadczenia do skalowania rozwiązania na kolejne magazyny w grupie FM Logistic oraz do optymalizacji zupełnie innych procesów. Tak jak wspomniałem wcześniej: z pomocą AlphaEvolve możemy usprawnić każdy proces, którego logikę da się opisać algorytmem zapisanym kodem programistycznym, a wynik poddać jednoznacznej ocenie. Współczesna logistyka i jej powtarzalne, mierzalne operacje to wręcz idealne środowisko do powszechnego wdrażania tej metodologii i technologii.
T.J.: Czy będzie możliwa transpozycja wyników projektu także na transport drogowy (również w sensie synchronizacji z pracą magazynu)?
M.K.: Zdecydowanie tak. W transporcie drogowym dostrzegamy ogromny potencjał do wykorzystania tej technologii. Tutaj – podobnie jak w magazynie – operuje się na konkretnych algorytmach planowania tras, oknach czasowych czy załadunków, więc matematycznie to bardzo zbliżone środowisko. Patrząc na proces czysto pragmatycznie: nawet gdyby w transporcie udało się osiągnąć tylko połowę sukcesu, jaki osiągnęliśmy w magazynie, a więc nasze działania przełożyłyby się na skrócenie tras ciężarówek o zaledwie 5%, to przy skali operacji takiego operatora jak FM Logistic mówimy o potencjalnych oszczędnościach sięgających dziesiątek tysięcy kilometrów i setek godzin. To pokazuje, jak duży drzemie w tym potencjał, zarówno pod kątem finansowym, jak i środowiskowym.
Wywiad ukazał się pierwotnie w czasopiśmie Logistyka nr 4/2026.