Narzędzie do zarządzania zasobami AI-first dla SPIE Belgium

SPIE Belgium przerosło już zestaw gotowych narzędzi, na których opierało zarządzanie personelem. Rozproszone systemy, ręczne uzgadnianie danych i brak wglądu w czasie rzeczywistym w dostępność pracowników terenowych powodowały stałe trudności operacyjne. Monterail dostarczył dedykowaną platformę internetową AI-first w 7-tygodniowej współpracy w modelu fixed price. Zastąpiliśmy rozproszony zestaw narzędzi SaaS jednym rozwiązaniem należącym do SPIE, zintegrowanym bezpośrednio z wewnętrznymi systemami firmy.

Firma i produkt

Od wąskich gardeł SaaS do efektywności napędzanej przez AI

SPIE Belgium jest spółką zależną SPIE Group, niezależnego europejskiego lidera usług multitechnicznych dla sektorów energetyki i komunikacji. Belgijski oddział zatrudnia około 1 550 osób w 13 jednostkach biznesowych i 14 lokalizacjach (w Belgii i Luksemburgu), realizując duże projekty infrastrukturalne, w tym rozbudowę sieci elektroenergetycznych i obiektów przemysłowych. Działając w sektorach budownictwa i energetyki, gdzie stawka jest wysoka, SPIE potrzebowało maksymalnej precyzji w alokacji zasobów, zgodności z przepisami i planowaniu pracy zespołów.

Jednostka Division Industry, która zainicjowała ten projekt, zarządza zespołami techników terenowych pracujących równolegle w złożonym środowisku wielu projektów. Aby odpowiedzieć na te potrzeby, dostarczyliśmy platformę do zarządzania zasobami klasy enterprise, stawiającą prywatność na pierwszym miejscu. Zastąpiła ona rozproszone procesy oparte na SaaS scentralizowanym systemem napędzanym przez AI i zautomatyzowała synchronizację danych dla setek pracowników.

Kluczowe wyzwania projektu

Brak jednego źródła prawdy
w zakresie dostępności pracowników między projektami.
Ręczne uzgadnianie danych
Pracownicy co tydzień poświęcali dużo czasu na porównywanie niespójnych plików, żeby ustalić, kto, gdzie i kiedy pracuje.
Niesprawny proces obsługi urlopów
Wnioski urlopowe były obsługiwane w łańcuchach mailowych, bez integracji z harmonogramowaniem ani wewnętrznym ERP.
Brak wykrywania konfliktów
Kolizje w harmonogramach i niedopasowanie kompetencji wykrywano dopiero wtedy, gdy powodowały już problemy
Luki integracyjne
Używane narzędzia SaaS nie potrafiły synchronizować się z Microsoft Dataverse, gdzie przechowywano dane projektowe i kontaktowe.
Wymagania dotyczące skali
System musiał obsłużyć 600 aktywnych pracowników i 250 użytkowników platformy bez spadku wydajności.
Fragmentacja danych
Brak wglądu w czasie rzeczywistym w dostępność 600 aktywnych pracowników prowadził do reaktywnego planowania i częstych błędów operacyjnych.

Nasze podejście

Od jednodniowego prototypu do bezpieczeństwa klasy enterprise

We współpracy strategicznej z Lutasin, zewnętrzną firmą konsultingową specjalizującą się w branży produkcyjnej, wzmocniliśmy naszą wiarygodność operacyjną.

Ze względu na złożoność tego sektora wiedza domenowa Lutasin i specjalistyczne spojrzenie na branżę sprawiły, że narzędzie uwzględniało niuanse planowania prac budowlanych, prawa pracy i wykrywania konfliktów w czasie rzeczywistym

Pominęliśmy tradycyjny, długi cykl tworzenia oprogramowania, stosując podejście Accelerated Iterative Design, by w rekordowym czasie przejść od razu do narzędzia gotowego do wdrożenia produkcyjnego.

Discovery i szybkie prototypowanie

Projekt rozpoczął się od jednodniowego prototypu. To szybkie POC powstało po to, by potwierdzić, że proponowana architektura oparta na Supabase poradzi sobie ze złożoną logiką zasobów i wolumenem danych wymaganym przez ekspertów domenowych SPIE.

MVP w modelu fixed price

Monterail od razu przeszedł do 7-tygodniowego MVP w modelu fixed price. Przez cały czas zespół ściśle współpracował z Bramem Verstraetenem (Senior Project Manager, SPIE Division Industry), który pełnił rolę eksperta domenowego i product ownera.

Rozwój iteracyjny

Po POC weszliśmy w fazę iteracyjną, w której dopracowywaliśmy bardziej rozbudowaną wersję produktu. Zrezygnowaliśmy z tradycyjnego, długiego cyklu tworzenia oprogramowania i przyjęliśmy uporządkowane, sześcioetapowe podejście iteracyjne, żeby systematycznie przeprowadzić warstwę AI od zweryfikowanej koncepcji do modułu gotowego do wdrożenia produkcyjnego.

Strategia AI-first

Zamiast budować standardową aplikację CRUD, przyjęliśmy podejście AI-first. Architekturę od początku zaprojektowaliśmy tak, by wspierała proaktywne decyzje oparte na danych, porządkując dane w sposób, który umożliwi później takie funkcje jak wykrywanie luk kompetencyjnych i przewidywanie konfliktów.

Prywatność i bezpieczeństwo

Ze względu na działalność SPIE w wrażliwych sektorach, takich jak energetyka jądrowa, architekturę zbudowaliśmy tak, by bezpieczeństwo klasy enterprise i odpowiedzialność za dane były jej podstawowymi wymaganiami. Odchodząc od zewnętrznych narzędzi SaaS i budując rozwiązanie na Supabase (PostgreSQL + Auth + Real-time), SPIE zachowuje kontrolę nad własnymi danymi, zamiast rozpraszać je między systemami dostawców.

Iteracje

W ciągu 4 miesięcy wdrożyliśmy 13 wydań, w tym: Microsoft SSO przez Azure AD, moduł Training Planner, rozdzielenie jednostek biznesowych ze wsparciem dla multi-tenant, licznik dni urlopowych z importem CSV, widok wykresu Gantta, oznaczanie harmonogramów projektów kolorami oraz optymalizację wydruku A3.

Funkcjonalności aplikacji

Technologie, których użyliśmy

Warstwa	Stos technologiczny
Frontend	Next.js 14, shadcn / Radix UI, dla wydajnego, responsywnego interfejsu użytkownika
Backend i baza danych	Supabase (PostgreSQL + Auth + Real-time), plan Pro, ze względu na możliwość zapewnienia skalowalnego, stabilnego i gotowego do uruchomienia produkcyjnego backendu (PostgreSQL + Auth + Real-time) przy ułamku kosztów rozwiązań klasy enterprise typu legacy.
Podejście do AI / ML	Architektura AI-first, z priorytetem dla struktur danych wspierających przyszłe możliwości modelowania predykcyjnego, takie jak wykrywanie luk kompetencyjnych, alerty o niedopasowaniu stanu nawierzchni dróg, prognozowanie konfliktów i ich wykrywanie
Bezpieczeństwo / prywatność	Własny backend Supabase należący do SPIE, Supabase Pro wybrano ze względu na bezpieczeństwo klasy enterprise, SSO Microsoftu przez Azure AD wykorzystano, aby dostosować się do korporacyjnych standardów uwierzytelniania w SPIE

Rezultaty

Od koncepcji do prototypu klasy enterprise w 24 godziny

Gotowe narzędzie SPIE do planowania nie radziło sobie ze złożonością zarządzania zasobami na skalę projektów budowlanych. Zastąpiliśmy platformę Rework.nl dedykowanym rozwiązaniem, dzięki czemu SPIE Belgium przeszło od manualnego chaosu do zautomatyzowanej precyzji. Platforma zastąpiła zestaw kilku narzędzi jednym systemem należącym do SPIE i zlikwidowała silosy danych, które uniemożliwiały wgląd w czasie rzeczywistym. System działa w oparciu o jedno źródło prawdy, zintegrowane bezpośrednio z wewnętrznym ERP SPIE.

1-dniowy prototyp: od koncepcji do działającego prototypu klasy enterprise w 24 godziny, co znacząco obniżyło początkowe koszty R&D
7 tygodni i MVP w modelu fixed price
13 wydań w 4 miesiące
100 odzyskanych godzin tygodniowo, czyli tyle, ile zajmował pełny tydzień ręcznego uzgadniania danych i śledzenia plików
Ponad 600 zarządzanych zasobów, wgląd w czasie rzeczywistym i wykrywanie konfliktów dla całej belgijskiej kadry
100% dokładności synchronizacji danych w czasie rzeczywistym dzięki usunięciu „opóźnienia danych”, które wcześniej powodowało konflikty w harmonogramach
Nowe funkcje, takie jak zautomatyzowane procesy obsługi urlopów i nieobecności ze wsparciem dla części dni oraz inteligentne wykrywanie konfliktów
Niższe koszty i roczne oszczędności dzięki zastąpieniu drogich subskrypcji SaaS jednym dedykowanym rozwiązaniem należącym do SPIE

Opinia klienta

Bram Verstraeten

Senior Project Manager / Project Lead, SPIE Belgium

Proaktywne, skalowalne zarządzanie zasobami

Przeszliśmy od reaktywnego planowania do proaktywnych decyzji opartych na danych. To, że mogliśmy zobaczyć prototyp już po jednym dniu, a potem tak szybko rozwinąć go do rozwiązania gotowego dla organizacji klasy enterprise, było prawdziwym przełomem w zarządzaniu naszymi zasobami.

Najważniejsze wnioski

Dedykowane oprogramowanie staje się opłacalne, gdy obejścia zaczynają pochłaniać pełny etat
Duże organizacje często dochodzą do momentu, w którym koszt zarządzania rozproszonymi narzędziami SaaS przewyższa koszt zbudowania jednego spójnego rozwiązania. ProSPIE zastąpiło pięć osobnych narzędzi i związane z nimi ręczne procesy jedną platformą należącą do firmy.
MVP w modelu fixed price ogranicza ryzyko inwestycji
Siedmiotygodniowa współpraca dała SPIE działający system wdrożony produkcyjnie, zanim firma zdecydowała się na dalszy rozwój bez sztywno określonego zakresu. Interesariusze mogli zweryfikować podstawową logikę planowania na rzeczywistych danych operacyjnych, zanim zdefiniowano zakres fazy 2.
Na taką skalę wiedza domenowa jest bezwzględnie konieczna
Logiki planowania pracy na skalę dużych projektów budowlanych, obejmującej wykrywanie konfliktów, alokację między projektami i zgodność z przepisami, nie da się odwzorować samym zespołem technologicznym. Nasze strategiczne partnerstwo z Lutasin zapewniło głęboką wiedzę domenową z obszaru produkcji. Ścisła współpraca oparta na specjalistycznej wiedzy branżowej pozwoliła nam skutecznie dostarczyć rozwiązanie, które sprawdziło się w praktyce.
Architektura AI-first to decyzja strukturalna, a nie funkcja
Jeśli od początku zakładasz funkcje predykcyjne, wykrywanie luk kompetencyjnych i prognozowanie konfliktów, musisz od pierwszego dnia projektować struktury danych tak, by wspierały te zastosowania, a nie dopasowywać je do nich później.

Zespół projektowy

Monterail i Lutasin

Monterail i Lutasin stworzyły zwinny, interdyscyplinarny zespół zaprojektowany specjalnie pod 7-tygodniową realizację w modelu fixed price. W jego skład wchodzili PM, około 1,5 etatu deweloperskiego oraz inżynier QA. Lutasin pełnił rolę naszego strategicznego partnera konsultingowego, wnosząc wiedzę domenową z obszaru produkcji i branżowe doświadczenie, które okazały się nieocenione przy koordynowaniu złożonej pracy zespołów.

Przeczytaj więcej podobnych case studies

pokaż wszystkiepokaż wszystkie

AI Cost Intelligence Platform for Construction Finance

A UK-based construction industry founder needed to replace decades of fragmented, spreadsheet-based cost management with a single, enterprise-grade AI platform designed to earn the trust of CFOs and board-level stakeholders. The development team delivered an interactive AI-powered prototype in two weeks and a fully functional MVP in three months, across 500 hours of focused development, with zero rework and no scope collapse.

MŚP

Fintech

Tworzenie MVP

Transformacja strategii HR dzięki innowacjom AI

Zespół ekspertów Monterail zmienił podejście do analityki HR w firmach z listy Fortune 500, integrując rozwiązanie oparte na AI do analizy opinii i informacji zwrotnych od pracowników. Nowy system wskazuje najważniejsze tematy i sentyment w ankietach pracowniczych, zwiększa efektywność działów HR i pozwala zespołom skupić się na inicjatywach strategicznych zamiast na ręcznej analizie danych.