Różnica pomiędzy efektownym filmem w mediach społecznościowych a robotem, który naprawdę może pracować obok człowieka, pozostaje jednak ogromna. Maszyna musi być niezawodna przez tysiące powtórzeń, bezpieczna, wystarczająco szybka i ekonomicznie uzasadniona. Musi radzić sobie ze zmieniającym się otoczeniem, nieidealnie ułożonym przedmiotem czy człowiekiem przechodzącym przez jej stanowisko. Najnowsze dane pokazują, że roboty zaczynają spełniać część tych warunków, ale nadal przede wszystkim w ściśle określonych zadaniach. Reuters zwracał pod koniec sierpnia 2026 roku uwagę, że nawet bardzo dynamicznie rozwijający się chiński sektor humanoidów wciąż mierzy się z ograniczoną inteligencją robotów, kosztami i problemem niezawodnego wykonywania pracy przemysłowej. 
Najlepszym przykładem przejścia od demonstracji do realnej produkcji jest współpraca Figure AI z BMW. Figure 02 pracował w fabryce BMW w Spartanburgu w Stanach Zjednoczonych przy produkcji samochodów. Według danych BMW w ciągu dziesięciu miesięcy robot wspierał produkcję ponad 30 tys. egzemplarzy BMW X3, przeniósł ponad 90 tys. elementów, przepracował około 1250 godzin i wykonał około 1,2 mln kroków. Jego zadaniem było między innymi precyzyjne pobieranie i ustawianie elementów z blachy przed kolejnymi etapami procesu. Nie był to więc kilkuminutowy pokaz przygotowany dla mediów, lecz test prowadzony w rzeczywistych warunkach produkcyjnych. W 2026 roku do zakładu trafił już następca - Figure 03 - testowany przy bardziej złożonych zadaniach logistycznych wymagających jednoczesnego manipulowania przedmiotami, poruszania się oraz zmiany pozycji całego ciała.
Podobne projekty rozwijają inni producenci. Agility Robotics informuje, że Digit przekroczył granicę 100 tys. przeniesionych pojemników podczas komercyjnej pracy w centrum logistycznym GXO. BMW rozpoczęło także w Niemczech testy robota AEON przy produkcji baterii i komponentów. Boston Dynamics ogłosiło natomiast w styczniu 2026 roku produkcyjną wersję Atlasa i zapowiedziało pierwsze wdrożenia w Hyundai Motor Group oraz Google DeepMind jeszcze w tym samym roku. Oznacza to, że pytanie "czy humanoidy będą kiedyś pracować z ludźmi?" częściowo straciło aktualność. One już to robią. Znacznie ważniejsze jest dzisiaj pytanie, czy uda się zwiększyć skalę takich wdrożeń z pojedynczych zakładów i niewielkich flot do tysięcy fabryk, magazynów i centrów logistycznych.
Humanoidalna budowa może na pierwszy rzut oka wydawać się niepotrzebnie skomplikowana. Robot poruszający się na dwóch nogach jest trudniejszy do zaprojektowania niż platforma na kołach, a mechaniczne dłonie są znacznie bardziej wymagające niż prosty chwytak przemysłowy. Problem polega jednak na tym, że niemal cała współczesna infrastruktura została zaprojektowana dla ludzi. Schody, drzwi, regały, stanowiska produkcyjne, narzędzia, skrzynki, uchwyty i przejścia mają rozmiary odpowiadające ludzkiej sylwetce. Robot z dwiema rękami i możliwością przemieszczania się w podobny sposób może potencjalnie wejść do istniejącej fabryki bez konieczności przebudowania całego obiektu. To właśnie jest jednym z najważniejszych argumentów ekonomicznych stojących za humanoidami.
Nie oznacza to, że humanoid jest najlepszym rozwiązaniem do każdego zadania. Jeśli trzeba przez dziesięć lat wykonywać dokładnie ten sam ruch w jednym miejscu, klasyczne ramię przemysłowe prawdopodobnie będzie tańsze, szybsze i bardziej niezawodne. Jeżeli trzeba jedynie przewozić towary po płaskiej hali, autonomiczny robot mobilny na kołach również może okazać się bardziej efektywny. Przewaga humanoida ma pojawić się tam, gdzie zestaw czynności często się zmienia, otoczenie jest dostosowane do człowieka i potrzebna jest możliwość używania różnych narzędzi oraz chwytania wielu rodzajów przedmiotów. Financial Times zwraca uwagę, że specjalistyczne roboty nadal wykonują większość realnej pracy przemysłowej, a humanoidalna forma nie zawsze jest najbardziej efektywnym rozwiązaniem.
Pierwsze zastosowania pokazują wyraźny schemat. Firmy nie próbują od razu zastępować najbardziej doświadczonych pracowników wykonujących złożone zadania. Roboty trafiają przede wszystkim tam, gdzie praca jest monotonna, powtarzalna, fizycznie obciążająca albo wymaga wielokrotnego przenoszenia przedmiotów. Może to być dostarczanie komponentów na stanowiska produkcyjne, przenoszenie pojemników, pobieranie elementów z regałów, obsługa niektórych maszyn czy przygotowywanie części w odpowiedniej kolejności. Boston Dynamics wskazuje wśród rozwijanych zastosowań Atlasa między innymi sekwencjonowanie części, obsługę maszyn oraz kompletowanie zamówień. Figure 03 w BMW wykonuje z kolei zadanie logistyczne obejmujące manipulowanie częściami oraz przemieszczanie wózka.
Taki wybór ma sens zarówno ekonomiczny, jak i technologiczny. Powtarzalne zadanie można łatwiej zmierzyć, określić oczekiwane tempo, przeanalizować liczbę błędów i nauczyć robota właściwego sposobu działania. Jednocześnie firma może przenieść człowieka do pracy wymagającej oceny sytuacji, komunikacji, doświadczenia albo większej precyzji. W dłuższej perspektywie zakres zadań może się rozszerzać. Robot, który dzisiaj potrafi jedynie przenosić pojemniki, może w przyszłości otrzymać oprogramowanie pozwalające wykorzystywać ten sam sprzęt do kilku różnych czynności. To właśnie możliwość uczenia nowych umiejętności bez projektowania całej maszyny od początku ma być jedną z największych przewag humanoidalnych platform nad tradycyjną automatyzacją.
Największym problemem pozostaje niezawodność. Film przedstawiający robota wykonującego zadanie dziesięć razy z rzędu może wyglądać imponująco, ale przemysł oczekuje tysięcy albo milionów poprawnych powtórzeń. Nawet bardzo niski odsetek błędów może oznaczać regularne zatrzymywanie produkcji. Robot musi radzić sobie również z sytuacjami, których wcześniej nie widział - elementem przesuniętym o kilka centymetrów, przeszkodą na trasie, innym oświetleniem czy człowiekiem wykonującym nieprzewidziany ruch. Właśnie dlatego dane zbierane podczas prawdziwych wdrożeń są dla producentów tak cenne. Pozwalają trenować systemy na problemach, które trudno przewidzieć w laboratorium. Apptronik w 2026 roku uruchomił nawet sieć Robot Park, w której floty Apollo 2 wykonują zadania właśnie w celu gromadzenia danych potrzebnych do dalszego rozwoju inteligencji robotów.
Drugim problemem są koszty, serwis, czas pracy na baterii, bezpieczeństwo oraz integracja z już działającą fabryką. Robot nie może być oceniany wyłącznie na podstawie ceny zakupu. Jeśli wymaga częstych napraw, pomocy człowieka albo długiego ładowania, jego rzeczywisty koszt pracy może okazać się bardzo wysoki. Dlatego przedsiębiorstwa analizują nie tylko to, czy robot potrafi wykonać dane zadanie, ale również jak długo wykonuje je bez interwencji i ile kosztuje utrzymanie całego systemu. Na ograniczenia zwracają uwagę także sami liderzy branży. Podczas prezentacji wyników Tesli za drugi kwartał 2026 roku Elon Musk przyznał, że wiele efektownych demonstracji robotów dostępnych w internecie jest zaprogramowanych wcześniej lub wspomaganych zdalnym sterowaniem, a robot naprawdę zdolny do wykonywania szerokiego zakresu ogólnych zadań pozostaje celem rozwoju, a nie standardem dostępnej obecnie technologii.
Poszczególne firmy znajdują się na różnych etapach. Figure ma jeden z najbardziej konkretnych przykładów wykorzystania humanoida w działającej fabryce samochodowej i w 2026 roku rozpoczęło kolejne testy Figure 03 w BMW. Agility Robotics posiada natomiast komercyjne wdrożenie Digita w logistyce, gdzie robot osiągnął już sześciocyfrową liczbę przeniesionych pojemników. Boston Dynamics określa nowego Atlasa jako wersję produkcyjną i rozpoczęło jego wytwarzanie, ale pierwsze egzemplarze w 2026 roku trafiają do wybranych partnerów, przede wszystkim Hyundai i Google DeepMind. Apptronik dysponuje Apollo 2 i rozbudowuje zaplecze potrzebne do uczenia robotów oraz przyszłego skalowania produkcji.
Tesla znajduje się w jeszcze innej sytuacji. Firma buduje w Fremont pierwszą linię produkcyjną Optimusa w miejscu wcześniej wykorzystywanym do produkcji Modelu S i Modelu X. W raporcie za drugi kwartał 2026 roku Tesla informowała, że początkowe egzemplarze mają służyć przede wszystkim do zbierania danych treningowych i rozwijania możliwości systemu. To istotne rozróżnienie, ponieważ zapowiedź dużych możliwości produkcyjnych nie jest równoznaczna z posiadaniem tysięcy robotów zdolnych do samodzielnej pracy. Wyścig humanoidów w 2026 roku nie ma więc jeszcze oczywistego zwycięzcy. Jedne firmy są bardziej zaawansowane w realnych wdrożeniach, inne w produkcji sprzętu, a jeszcze inne inwestują ogromne środki w sztuczną inteligencję potrzebną do sterowania robotem.
Najbardziej prawdopodobny scenariusz na najbliższe kilka lat nie przypomina nagłej wymiany całych załóg na roboty. Automatyzowane będą raczej poszczególne zadania. Jeden pracownik może wykonywać podczas zmiany kilkanaście różnych czynności, z których część jest łatwa do zautomatyzowania, a część wymaga doświadczenia, reagowania na nietypowe sytuacje czy współpracy z innymi osobami. Humanoid może przejąć przenoszenie ciężkich elementów albo monotonny transport części, podczas gdy człowiek nadal będzie kontrolował jakość, usuwał problemy i organizował pracę. To model znany już z wcześniejszych fal automatyzacji przemysłowej. Maszyna przejmuje część procesu, ale jednocześnie wokół niej powstają nowe zadania związane z programowaniem, obsługą, serwisem i nadzorem.
Nie oznacza to jednak, że wpływ na zatrudnienie będzie zerowy. Jeżeli robot będzie mógł pracować przez wiele godzin, wykonywać kilka różnych zadań i kosztować mniej niż zatrudnienie człowieka na określonym stanowisku, przedsiębiorstwa będą miały silną motywację do automatyzacji. Najbardziej podatne mogą być zawody składające się głównie z powtarzalnych czynności fizycznych wykonywanych w przewidywalnym środowisku. Znacznie trudniej zastąpić pracę wymagającą ciągłej komunikacji, odpowiedzialności, improwizacji, kontaktu z klientem czy radzenia sobie z nieprzewidywalnym otoczeniem. Dlatego bardziej trafne od pytania "jaki zawód zniknie?" może być pytanie "które zadania w tym zawodzie będzie można przekazać maszynie?". W pierwszym etapie właśnie taki podział pracy pomiędzy człowiekiem i robotem wydaje się najbardziej prawdopodobny.
Bezpieczeństwo jest jednym z warunków, bez których masowe wdrożenie humanoidów nie będzie możliwe. Klasyczne roboty przemysłowe przez dziesięciolecia często pracowały za ogrodzeniami właśnie dlatego, że szybki ruch ciężkiego ramienia mógł być niebezpieczny dla znajdującego się obok człowieka. Humanoidy mają działać inaczej. Powinny poruszać się po tej samej przestrzeni co pracownicy, rozpoznawać ich obecność, ograniczać siłę ruchu i natychmiast reagować na niebezpieczną sytuację. Jednocześnie muszą pozostawać wystarczająco silne, aby przenosić rzeczy, których transport ma być dla przedsiębiorstwa ekonomicznie opłacalny. Pogodzenie bezpieczeństwa, szybkości oraz siły jest jednym z kluczowych problemów konstrukcyjnych.
Dochodzą do tego kwestie mniej widoczne na pokazach. Firma musi ustalić, co stanie się po utracie łączności, awarii czujnika albo nieprawidłowej interpretacji otoczenia. Potrzebne są procedury zatrzymania robota, jasno określone strefy działania i możliwość natychmiastowego przejęcia kontroli. Konieczne jest również szkolenie pracowników, którzy będą funkcjonować w jednej przestrzeni z autonomicznymi maszynami. Agility Robotics podkreśla, że właśnie długoterminowa praca Digita w rzeczywistych centrach logistycznych ma pozwolić sprawdzać nie tylko wydajność, ale również bezpieczną współpracę człowieka i robota. Im więcej humanoidów będzie trafiało do zakładów, tym ważniejsze będą również standardy techniczne i regulacje dotyczące ich działania.
Jeżeli obecne tempo rozwoju się utrzyma, druga połowa lat 20. może być okresem przejścia od pilotaży do pierwszych większych flot robotów pracujących w przemyśle i logistyce. Nie oznacza to jednak, że za trzy czy cztery lata humanoid będzie stał przy każdym stanowisku produkcyjnym. Bardziej prawdopodobne jest stopniowe pojawianie się robotów w miejscach, w których ich zastosowanie daje wyraźny zwrot ekonomiczny - dużych zakładach samochodowych, centrach logistycznych, magazynach i przedsiębiorstwach mających problemy ze znalezieniem pracowników do powtarzalnych zadań. Boston Dynamics już określa Atlasa jako produkt przemysłowy, Figure rozwija kolejne zadania w BMW, a Agility rozszerza komercyjne zastosowania Digita. To znacznie więcej niż laboratoryjne prototypy, ale nadal początek całego rynku.
Największą niewiadomą pozostaje tempo rozwoju inteligencji robotów. Mechanika zrobiła w ostatnich latach ogromny postęp - maszyny chodzą coraz stabilniej, podnoszą ciężary, chwytają różne przedmioty i wykonują bardzo dynamiczne ruchy. Nadal trudniejsze jest sprawienie, aby robot niezawodnie rozumiał zmienny świat i podejmował właściwe decyzje przez wiele godzin bez pomocy operatora. Najnowsza sytuacja w Chinach dobrze pokazuje tę różnicę: kraj ma ponad 150 firm rozwijających humanoidy i imponujące możliwości produkcji sprzętu, ale realna użyteczność wielu maszyn nadal pozostaje ograniczona. Dlatego za kilka lat robot pracujący obok człowieka w dużej fabryce może być czymś zupełnie normalnym. Humanoid wykonujący dowolną pracę w dowolnym miejscu wciąż jest jednak znacznie bardziej odległą wizją. Najbliższa rewolucja prawdopodobnie nie będzie polegała na zastąpieniu człowieka, lecz na pojawieniu się nowego rodzaju współpracownika, któremu stopniowo będziemy przekazywać najbardziej powtarzalne, ciężkie i niewygodne zadania.
