Wiedza

AI w produkcji żywności: niezgodność i sprawdzenie CAPA

Autor: Piotr AdamskiOpublikowano: 2026-10-02Aktualizacja: 2026-10-10

W zakładzie spożywczym pierwsza automatyzacja powinna skracać drogę od zapisu do sprawdzenia. Dobrym początkiem jest zebranie dokumentów dotyczących jednej partii, wskazanie braków albo przygotowanie materiału szkoleniowego po zmianie instrukcji. Granica musi być jasna: model nie ustala samodzielnie bezpieczeństwa produktu i nie zwalnia partii do obrotu.

Zgrabne podsumowanie nie zastąpi brakującego wyniku pomiaru. Jeśli system dopisze prawdopodobną wartość lub połączy podobne numery partii, może stworzyć pozór kompletnej dokumentacji. Właśnie dlatego projekt zaczynamy od danych, odpowiedzialności i sposobu sprawdzenia. Ten poradnik przedstawia rekomendacje Brillnet dla kierowników jakości oraz operacji. Obowiązki prawne wskazujemy oddzielnie, na podstawie źródeł unijnych.

Co wynika z prawa, a co jest wyborem organizacji

Artykuł 5 rozporządzenia 852/2004 ustanawia obowiązek procedur opartych na zasadach HACCP dla objętych nim przedsiębiorstw. Zakres trzeba odnosić do rzeczywistej działalności, w tym odrębności produkcji podstawowej. Samo posiadanie aplikacji nie dowodzi wykonania tego obowiązku. [1]

Komisja Europejska wyjaśnia, że odpowiedzialność za bezpieczeństwo żywności spoczywa przede wszystkim na przedsiębiorcy. Wskazuje również identyfikowalność bezpośredniego dostawcy i kolejnego odbiorcy, z wyjątkiem sprzedaży detalicznej konsumentowi końcowemu oraz z uwzględnieniem szczególnych wymagań sektorowych. [2] Dostawca automatyzacji nie przejmuje tej odpowiedzialności przez napisanie raportu.

Zawiadomienie Komisji 2022/C 355/01 opisuje stosowanie dobrych praktyk higienicznych i procedur opartych na HACCP. Publiczny wykaz Codex Alimentarius obejmuje General Principles of Food Hygiene, CXC 1-1969. Są to istotne punkty odniesienia, ale nie zastępują ustalenia właściwych przepisów i warunków konkretnego procesu. [3][4]

Naszą rekomendacją jest wykorzystanie AI do przygotowania informacji pod kontrolą zespołu. Nie przypisujemy prawu obowiązku korzystania z AI, konkretnej chmury ani jednego produktu. Wdrożenie ma wspierać istniejący system bezpieczeństwa żywności, z zachowaniem zatwierdzonych metod i odpowiedzialności.

Wybierz proces, którego błąd można zatrzymać

Pierwszym kandydatem jest sprawdzenie kompletności pakietu partii. System odczytuje ustaloną listę wymaganych dokumentów, wyszukuje powiązane zapisy i wskazuje braki. Wynikiem jest lista do przeglądu. Nie jest nim stwierdzenie, że żywność jest bezpieczna, ani automatyczna decyzja o wysyłce.

Drugim kandydatem jest przygotowanie szkolenia po zmianie instrukcji mycia lub obsługi zmiany asortymentu. AI może pomóc uprościć język, ułożyć pytania i wskazać fragment źródłowy. Technolog albo osoba odpowiedzialna za higienę sprawdza, czy materiał opisuje rzeczywiste wyposażenie, czynności i zasady zakładu.

Nie zaczynaj od generowania całego planu HACCP z opisu produktu. Taki dokument może pominąć realny przebieg linii, sposób przechowywania, warunki pracy albo zagrożenie specyficzne dla surowca. Przygotowanie analizy wymaga wiedzy o procesie. Model może porządkować zatwierdzone materiały, lecz nie powinien zastępować zespołu oceniającego zagrożenia.

Minimalny pakiet danych dla jednej partii

Wybierz jeden rodzaj produktu i jeden etap. Ustal, skąd pochodzi numer partii oraz jak wiąże się z surowcami, opakowaniami i zapisami procesu. Potrzebujesz potwierdzonych identyfikatorów. Podobna nazwa pliku albo zbliżona godzina nie wystarczają do powiązania dokumentu z produktem.

Pole	Co zapisujemy	Reakcja na brak lub konflikt
Produkt i partia	Potwierdzony kod oraz identyfikator partii	Wyjaśnienie przed dalszą oceną
Etap procesu	Linia, operacja i okres objęty zapisem	Sprawdzenie zakresu dokumentu
Dokument źródłowy	Formularz, wersja i miejsce przechowywania	Wskazanie brakującego źródła
Wynik	Odczyt z jednostką i czasem; bez dopisywania	Zadanie do osoby odpowiedzialnej
Kryterium	Zatwierdzona podstawa oceny	Brak automatycznej oceny
Odchylenie	Oryginalny opis i powiązany zapis	Przegląd oraz ustalenie działania
Decyzja	Osoba, data i zakres zatwierdzenia	Zachowanie statusu oczekującego

Nie wszystkie zapisy dotyczą krytycznego punktu kontroli. Rodzaj środka kontrolnego i sposób oceny wynikają z przyjętego systemu oraz konkretnej analizy. Narzędzie nie może nadawać wszystkim pomiarom etykiety CCP, bo uprości to ekran. Najpierw odtwarza właściwą klasyfikację ze sprawdzonych dokumentów.

Dla opakowania zachowaj także identyfikator zatwierdzonego wzoru. Dwa podobne pliki graficzne mogą dotyczyć różnych wersji produktu. Właściciel musi móc sprawdzić, który wzór obowiązywał przy danym zleceniu. Odczyt treści ze zdjęcia pomaga znaleźć różnicę, ale nie ustala samodzielnie zakresu etykiety ani poprawności deklaracji. Jeżeli nie wiadomo, skąd pochodzi wzór, pakiet powinien ujawnić ten brak przed przeglądem pozostałych zapisów.

Fikcyjny przykład: zmiana produktu w piekarni

Przykład jest fikcyjny i nie opisuje klienta Brillnet. Piekarnia wytwarza dwa wyroby na jednej linii. Kolejne zlecenie wymaga innego zestawu składników i etykiety. Zespół jakości chce szybciej zebrać zapisy dotyczące przygotowania linii, wydania materiałów i sprawdzenia oznakowania.

Automatyzacja otrzymuje zatwierdzoną listę potrzebnych zapisów i numer zlecenia. Odnajduje formularz przygotowania, lecz widzi, że w polu identyfikatora użyto numeru poprzedniego zlecenia. Zamiast uznać dokument za wystarczający, wskazuje konflikt i kieruje go do wyjaśnienia. Nie dopisuje właściwego numeru na podstawie harmonogramu.

W pakiecie znajduje się zdjęcie etykiety. Model może przygotować roboczy odczyt treści, ale weryfikacja z zatwierdzoną specyfikacją wymaga sprawdzenia poprawności odczytu i właściwej wersji. Szczególnie niebezpieczny byłby pominięty składnik albo znak niewidoczny na fotografii. Gdy obraz jest nieczytelny, system ma zgłosić ograniczenie.

Osoba upoważniona ocenia zebrane dowody i rozstrzyga dalsze postępowanie według zasad zakładu. Nasza propozycja automatyzacji kończy się na uporządkowanym pakiecie i wskazaniu braków. Parametry mycia, zasady zarządzania alergenami i kryteria oceny pozostają zatwierdzonymi ustaleniami zakładu. Nie są tworzone z ogólnej odpowiedzi modelu.

Identyfikowalność wymaga sprawdzenia relacji

W drugim, odrębnym scenariuszu dostawca informuje o problemie dotyczącym wskazanej partii surowca. Zespół musi ustalić, w których zleceniach użyto tego surowca i jakie dostawy wiążą się z produktami objętymi analizą. Pierwsze zadanie automatyzacji to przygotowanie danych do tej oceny, z widocznym źródłem każdej relacji.

Nie łącz numerów wyłącznie na podstawie podobieństwa tekstu. „A-102” i „A102” mogą oznaczać tę samą partię albo dwa różne identyfikatory. Regułę potwierdza właściciel danych. Trzeba też uwzględnić przepakowanie, podział partii, zwroty oraz materiał dodany ponownie do procesu, jeśli takie operacje występują w zakładzie.

Wycofanie, powiadomienie organu i komunikacja do odbiorców wymagają zastosowania właściwych obowiązków oraz ustalonego procesu. [2] Na pierwszym etapie nie dajemy modelowi możliwości samodzielnej wysyłki komunikatów. Zespół powinien móc sprawdzić zakres, oryginalne dokumenty i listę adresatów przed podjęciem działania.

Zapisy odchyleń bez wygładzania problemu

Opis odchylenia powinien zachować to, co naprawdę zaobserwowano. Jeżeli operator zanotował brak odczytu, nie zamieniamy tego na „pomiar w normie”. Jeśli zapis został uzupełniony później, przechowujemy informację o tym fakcie. Estetycznie wypełniony formularz nie może usuwać różnicy między pomiarem wykonanym na czas a odtworzeniem danych.

AI może zaproponować uporządkowanie opisu: miejsce, czas, produkt, obserwacja, podjęta czynność, brakujący dowód. Powinno jednak pozostawić widoczną treść oryginalną. Osoba prowadząca sprawę zatwierdza poprawiony zapis i wskazuje, które informacje potwierdzono. Warto ograniczyć generowanie szerokich list przyczyn bez związku z rzeczywistymi danymi.

Tak samo traktujemy działanie korygujące. „Przeszkolono pracownika” opisuje wykonanie czynności, lecz nie dowodzi usunięcia przyczyny problemu. W naszej rekomendacji każda zatwierdzona propozycja ma sposób późniejszego sprawdzenia skuteczności. Termin zamknięcia zadania i wynik sprawdzenia są osobnymi informacjami.

Szkolenie stanowiskowe ma prowadzić do zachowania

Przy zmianie instrukcji wybierz sytuacje, które pracownik napotka na swojej zmianie. Może to być brak zatwierdzonej etykiety, nieczytelny numer partii, pominięty zapis albo niezgodność pomiędzy zleceniem a wydanym surowcem. Pytanie powinno sprawdzać właściwe działanie: co zatrzymać, kogo poinformować i gdzie zapisać zdarzenie.

Przetłumaczony materiał wymaga sprawdzenia terminów używanych na stanowisku. Dosłowne tłumaczenie nazwy urządzenia może być niezrozumiałe dla operatora. Wersja językowa musi zachować znaczenie zatwierdzonej instrukcji oraz jej identyfikator. Jeśli zmienia się źródło, właściciel ocenia potrzebę aktualizacji każdej używanej wersji szkolenia.

Zmianowo, znane po angielsku jako CrewShift, rozwija we wczesnym dostępie przygotowanie szkoleń i testów z dokumentów wewnętrznych, z zatwierdzeniem przez człowieka. To potencjalne wsparcie pracy nad materiałem. Ukończenie testu nie potwierdza automatycznie kwalifikacji, praktycznej umiejętności ani dopuszczenia do samodzielnej pracy.

Zabezpiecz dane i zakres integracji

Projekt powinien wykorzystywać dokumenty dopuszczone do przetwarzania oraz konta o ograniczonych uprawnieniach. Informacje o dostawcach, recepturach i klientach mogą wymagać ochrony niezależnie od tego, czy zawierają dane osobowe. Ustal dostawcę usługi, miejsca przetwarzania, zasady retencji i usuwania, zanim zacznie się regularny przepływ danych.

OWASP opisuje prompt injection, czyli możliwość wpływania na zachowanie modelu przez treść wejściową. [6] W tym procesie wiadomość dostawcy i załącznik są danymi. Nie mogą nadawać narzędziu polecenia usunięcia rejestru, pobrania innych receptur albo wysłania dokumentów na wskazany adres.

Rekomendujemy zamkniętą listę operacji API lub MCP, sprawdzaną przez aplikację. Odczyt dokumentów i zapis roboczego pakietu to inny zakres niż zmiana receptury czy decyzja o zwolnieniu partii. Początkowa integracja nie potrzebuje tych szerszych uprawnień. Awaria usługi powinna pozwalać kontynuować obowiązujący proces ręczny.

Mierniki, które pokażą rzeczywistą wartość

Policz czas od wskazania partii do przygotowania kompletnego pakietu wraz z przeglądem. Osobno policz brakujące zapisy wykryte przed decyzją oraz błędne przypisania dokumentów. Nie traktuj liczby automatycznych podsumowań jako miary bezpieczeństwa żywności. Im więcej tekstu wygenerowano, tym więcej tekstu ktoś może musieć sprawdzić.

W krótkim pilotażu wykorzystaj sprawy zakończone i dopuszczone do takiego użycia. Umieść w próbce dokument nieczytelny, brak jednostki, konflikt identyfikatorów i zapis dotyczący poprzedniego zlecenia. Oczekiwanym wynikiem może być poprawne odmówienie oceny. Zdolność wskazania braku danych bywa bardziej wartościowa od dodatkowego akapitu.

NIST AI RMF stanowi dobrowolną podstawę zarządzania ryzykiem AI. [5] W praktyce rekomendujemy zapisanie możliwej szkody, warunku przerwania i właściciela reakcji. Jeśli narzędzie przypisuje obce zapisy do partii lub ukrywa odchylenia, pilotaż wstrzymujemy do wyjaśnienia. Oszczędność czasu nie wyrównuje takiej utraty wiarygodności.

Zachowaj historię korekty i awarii

Dokument może zostać sprostowany po przygotowaniu pakietu. W takiej sytuacji zapisz nową wersję, datę oraz powód zmiany. Osoba, która wcześniej przeglądała wynik, powinna wiedzieć, że jego podstawa została zmieniona. Ciche podmienienie załącznika utrudnia wyjaśnienie wcześniejszej decyzji, nawet jeśli aktualny zapis jest już poprawny.

Ustal również, co dzieje się przy częściowym pobraniu danych. Jeśli jeden system odpowiada, a drugi jest niedostępny, pakiet nie może wyglądać jak pełny. Powinien wskazywać brakujące źródło i zakres, którego nie sprawdzono. Numer sprawy oraz status pozwalają zespołowi wrócić do zadania bez rozpoczynania analizy od początku.

Koszt utrzymania obejmuje aktualizację listy zapisów po zmianie procesu, przegląd nowych formatów formularzy i opiekę nad integracją. Wyznacz właściciela tej pracy. Jeżeli nikt nie aktualizuje podstawy oceny, automatyzacja będzie sprawdzać wczorajsze wymagania wobec dzisiejszej produkcji. Przed poszerzeniem zakresu sprawdź też, czy czas poprawiania pakietu nie pochłania zakładanej korzyści. Pilot ma dostarczyć tę odpowiedź, bez obietnicy ustalonego z góry procentu oszczędności.

Co przygotować do rozmowy o wdrożeniu

Pakiet startowy obejmuje jeden proces, anonimowy przykład dokumentów, listę potrzebnych zapisów i osobę zatwierdzającą wynik. Opisz również źródło numerów partii, wyjątkowe operacje oraz sposób ręcznej obsługi. Do tego dodaj obecny czas wykonania zadania i problem, który chcesz usunąć. Dzięki temu można wycenić konkretną pracę.

Pulsar GRC rozwija we wczesnym dostępie porządkowanie wymagań, kontroli, ryzyka, działań korygujących i dowodów na podstawie dokumentów klienta. Może być rozważany w rozmowie o organizacji tych zależności, po potwierdzeniu potrzebnego zakresu. Nie przedstawiamy go jako gwarancji HACCP ani narzędzia samodzielnie oceniającego bezpieczeństwo produktu.

Brillnet buduje wąskie narzędzia i usługi z kontrolowanymi integracjami. Pierwszy użyteczny rezultat może obejmować pakiet partii z listą braków, widocznymi źródłami i zatwierdzeniem po stronie jakości. Dopiero ocena takiego wyniku uzasadnia poszerzanie pracy.

Opisz proces w zakładzie spożywczym. Na początku wystarczy podać czynność, rodzaj danych i właściciela decyzji. Sposób wymiany dokumentów ustalimy przed przekazaniem receptur lub informacji klienta. Zobacz także kierunek rozwoju Pulsar GRC i Zmianowo.

Prześledź jedną fikcyjną niezgodność CAPA

Przygotuj fikcyjny zapis produkcyjny opisujący pominiętą kontrolę. Nie używaj prawdziwych danych partii ani klientów. Zapisz wymaganie, odchylenie i natychmiastową reakcję w ćwiczeniu. Ograniczenie bieżącego skutku, ustalenie przyczyny oraz działanie korygujące mają różne wyniki i wymagają odpowiednich dowodów. Nie zamykaj całego przypadku po wykonaniu pierwszej czynności.

Wyznacz osobę badającą przyczynę i informacje potrzebne do oceny. Projekt opisu przygotowany przez AI może porządkować materiał, ale nie ustala faktów. Porównaj go z fikcyjnymi zapisami i usuń wnioski bez podstawy. Uprawniona osoba podejmuje decyzję o działaniu pasującym do ustalonej przyczyny.

Przed zamknięciem CAPA określ kryterium skuteczności. W ćwiczeniu może nim być przegląd poprawionej instrukcji kontroli i wskazanego zapisu z późniejszego sprawdzenia. To metoda przykładowa. Nie stanowi uniwersalnej reguły bezpieczeństwa żywności ani zwolnienia partii. Rzeczywisty zakład ustala kryteria dla własnego procesu i wymagań.

W Pulsarze powiąż działanie, właściciela, termin, wersję źródła i dowody. Odczytaj zapis oraz stan przeglądu. Załączony dokument nie dowodzi automatycznie zapobiegania ponownemu wystąpieniu niezgodności. Pozostaw brakującą ocenę skuteczności widoczną z odpowiedzialną osobą i następną czynnością.

Czternastodniowa próba pozwala sprawdzić zarejestrowany proces. Nie zastępuje obowiązków HACCP, badań laboratoryjnych ani decyzji o dopuszczeniu rzeczywistego produktu. Przeczytaj warunki metody płatności, ceny po próbie i anulowania. Odtwórz fikcyjny przypadek i oceń, czy druga osoba łatwo znajduje źródło, decyzję oraz pozostały brak.

Źródła

Stan weryfikacji: 2 października 2026 r. Schemat danych, przebieg automatyzacji, mierniki i fikcyjny przykład są rekomendacjami Brillnet. Artykuł nie jest kompletnym wykazem przepisów dla każdego zakładu ani walidacją planu HACCP.

Unia Europejska, rozporządzenie (WE) nr 852/2004, zwłaszcza art. 5: https://eur-lex.europa.eu/eli/reg/2004/852. Dostęp: 2026-10-02. Obowiązki dotyczące procedur opartych na HACCP; zakres odnosi się do prowadzonej działalności.
Komisja Europejska, Food law general requirements: https://food.ec.europa.eu/horizontal-topics/general-food-law/food-law-general-requirements_en. Dostęp: 2026-10-02. Oficjalne objaśnienie odpowiedzialności przedsiębiorców, identyfikowalności oraz działań przy niebezpiecznej żywności, wynikających z rozporządzenia 178/2002.
Komisja Europejska, Guidance platform, zawiadomienie 2022/C 355/01: https://food.ec.europa.eu/food-safety/biological-safety/food-hygiene/guidance-platform_en; tekst zawiadomienia: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=OJ%3AJOC_2022_355_R_0001. Dostęp: 2026-10-02. Wytyczne wdrażania GHP oraz procedur opartych na HACCP.
FAO/WHO Codex Alimentarius, Codes of Practice, CXC 1-1969 General Principles of Food Hygiene: https://www.fao.org/fao-who-codexalimentarius/codex-texts/codes-of-practice/en/. Dostęp: 2026-10-02. Publiczny wykaz kodeksów postępowania.
NIST, AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework. Dostęp: 2026-10-02. Dobrowolne ramy zarządzania ryzykiem AI.
OWASP Gen AI Security Project, LLM01:2025 Prompt Injection: https://genai.owasp.org/llmrisk/llm01-prompt-injection/. Dostęp: 2026-10-02. Ryzyko instrukcji w treści wejściowej modelu. Źródła sprawdzone: 2026-10-10.