Aktualności
Wróć do listy

Od przełomu naukowego do przełomu użytecznego?

Wnioski dla projektów przygotowywanych w programie SMART na tle pilotażu EIC Advanced Innovation Challenges

Przed kolejnym naborem w programie SMART dla pojedynczych MŚP, planowanym na 26 lutego br., wielu przedsiębiorców ponownie staje przed tym samym pytaniem: jak napisać projekt, aby uzyskał pozytywną ocenę ekspercką?

Jak dotąd oceniano projekty B+R?

Przez lata odpowiedź była dość przewidywalna. Kluczowe było wykazanie nowości naukowej, solidnej metodologii badań oraz jasno opisanych hipotez i ryzyk badawczych. W praktyce oznaczało to, że im bardziej projekt był „akademicki” w sposobie opisu prac B+R, tym bezpieczniej wypadał w ocenie.

Co istotne, nie chodziło o brak orientacji na praktykę. Raczej o to, że system ocen premiował przede wszystkim przełom poznawczy, a dopiero w drugiej kolejności użyteczność i gotowość do wdrożenia. Skutkiem ubocznym bywało to, że część projektów kończyła się na interesujących demonstratorach laboratoryjnych, które nie zawsze miały jasno zarysowaną ścieżkę komercjalizacji.

Pilotaż EIC AIC jako sygnał zmiany

Na poziomie unijnym trwa obecnie pilotaż EIC Advanced Innovation Challenges (AIC). Szczególnie w obszarze „Accelerating Physical AI” wysyła on wyraźny sygnał możliwej zmiany akcentów w ocenie innowacji.

Nie chodzi tu o redefinicję badań przemysłowych czy prac rozwojowych. Zmienia się natomiast sposób rozumienia tego, co stanowi realną wartość projektu B+R.

Ten pilotaż jest interesujący nie dlatego, że rewolucjonizuje system dotacji. Jest interesujący, ponieważ stawia inne pytania niż te, do których wielu wnioskodawców przywykło.

Dotychczas dominowało pytanie:
„Czy to jest wystarczająco nowe naukowo?”

W EIC AIC coraz wyraźniej pojawia się natomiast inne:
„Czy to będzie działać w realnym świecie i czy potrafisz to pokazać już teraz?”

To różnica subtelna, ale bardzo istotna.

Od deklaracji do dowodów

EIC AIC nie neguje potrzeby solidnych badań. Przesuwa jednak punkt ciężkości z pytania jak nowatorskie są badania na pytanie jak szybko można zweryfikować ich działanie w praktyce.

W pilotażu szczególnie wymowne są następujące elementy:

  • Realny użytkownik od pierwszego dnia – wymagany list intencyjny od odbiorcy technologii lub integratora już na etapie aplikacji.
  • Prototyp na wejściu (minimum TRL 4) – sama koncepcja nie wystarcza; potrzebny jest działający zalążek rozwiązania.
  • Co najmniej dwa cykle pilotażowe w realnym środowisku – iteracyjne testowanie i doskonalenie.
  • Dowody zamiast deklaracji – mierzalne KPI, benchmarki oraz dane z testów.

W praktyce oznacza to, że użyteczność operacyjna nie jest już efektem końcowym projektu, lecz jego punktem wyjścia.

Zmieniająca się rola AI w projektach B+R

Od kilku lat wiele wniosków grantowych zawierało narrację: „zastosujemy algorytmy AI, co podniesie innowacyjność rozwiązania”. W efekcie sztuczna inteligencja często pełniła rolę dodatku, a nie fundamentu projektu.

Najczęściej AI była traktowana jako:

  • element zwiększający atrakcyjność projektu,
  • narzędzie optymalizujące istniejące funkcje,
  • warstwa analityczna „nałożona” na klasyczny system.

Problem nie polegał na bezużyteczności AI, lecz na jej drugorzędnej roli.

Pilotaż EIC AIC sygnalizuje zmianę: AI nie ma już tylko wspierać rozwiązania – ma być jego rdzeniem.

Już dziś, również w konkursach krajowych, eksperci coraz częściej pytają nie tylko czy w projekcie występuje AI, ale przede wszystkim:

  • jakie kluczowe funkcjonalności powstają dzięki AI,
  • jak będą one mierzone,
  • jak zostaną zweryfikowane w praktyce,
  • jakie KPI potwierdzą realną wartość rozwiązania.

AI jako zdolność działania w świecie fizycznym

EIC AIC idzie krok dalej, definiując AI nie jako narzędzie analityczne, lecz jako zdolność systemu do funkcjonowania w świecie fizycznym. W praktyce oznacza to:

  • percepcję otoczenia przez sensory,
  • interpretację sytuacji w czasie rzeczywistym,
  • adaptację do zmiennych warunków,
  • autonomiczne podejmowanie decyzji,
  • współpracę człowiek–maszyna,
  • ciągłe uczenie się na danych z otoczenia.

Jest to wizja AI ucieleśnionej w maszynie, a nie wyłącznie „AI w chmurze” czy „AI w arkuszu danych”.

Dwa kluczowe wnioski dla projektów B+R (i dla programu SMART)

  1. Zmiana akcentów w ocenie innowacji

Na poziomie unijnym coraz wyraźniej widać odejście od premiowania projektów wyłącznie za:

  • przełom naukowy,
  • oryginalność metodologiczną,
  • potencjał publikacyjny.

Coraz większe znaczenie zyskują natomiast:

  • realna przydatność rozwiązania,
  • gotowość do testów u użytkownika końcowego,
  • mierzalne efekty,
  • iteracyjny rozwój oparty na danych z pilotaży.

Wymóg wejścia do konkursu z prototypem na poziomie TRL 4 jest tu bardzo czytelny. Grantodawca oczekuje nie tylko pomysłów, lecz działających zalążków technologii. Nie oznacza to końca badań, lecz ich silniejsze powiązanie z praktyką przemysłową.

  1. Nowe rozumienie roli AI w innowacji

EIC AIC pokazuje, że przełomowa AI to nie tylko analiza danych. To przede wszystkim zdolność systemów do:

  • postrzegania świata,
  • rozumienia sytuacji,
  • reagowania na zmiany,
  • autonomicznego działania.

Dla wielu firm oznacza to konieczność ponownego przemyślenia projektów „z AI”. Warto zadać sobie pytanie, czy projekt rzeczywiście buduje inteligentny system, czy jedynie rozbudowane narzędzie informatyczne.

Co to oznacza w praktyce?

Budżet pierwszego etapu EIC AIC wynosi około 6 mln euro. Oznacza to finansowanie zaledwie kilkunastu projektów w całej UE, więc nie jest to instrument masowy. Jednak jako pilotaż kierunku polityki innowacyjnej stanowi bardzo wyraźny sygnał.

Unia Europejska testuje model, w którym:

  • innowacja musi być sprawdzona w realnym środowisku,
  • współpraca z przemysłem zaczyna się od pierwszego dnia,
  • liczą się dane i dowody, a nie tylko obietnice,
  • AI jest definiowana jako zdolność działania w świecie fizycznym.

Nie oznacza to, że wszystkie konkursy natychmiast przyjmą formułę EIC AIC. Bardziej prawdopodobne jest stopniowe przenikanie tych akcentów do programów krajowych, w tym do SMART.

Dwie praktyczne refleksje przed naborem SMART

Po pierwsze: sam „stempel AI” już nie wystarczy.
Warto jasno wskazać, jakie konkretne funkcjonalności są oparte na AI i w jaki sposób będą mierzone.

Po drugie: realny użytkownik powinien pojawić się już na etapie koncepcji.
Projekty z komponentem AI oderwanym od praktyki mogą mieć coraz trudniej, nawet jeśli są naukowo interesujące.

Newsletter
Zainteresowany współpracą? Masz pytania?

Napisz do nas lub zadzwoń: +48 (22) 308 06 07