Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

PIAST AI Factory

Descripción del proyecto

Desarrollo del ecosistema de inteligencia artificial de Polonia para la innovación y la transformación digital

Muchas organizaciones en Polonia, especialmente las pymes y los sectores con recursos limitados, se enfrentan a obstáculos al implementar de forma eficaz soluciones de inteligencia artificial (IA), debido principalmente al acceso limitado a la infraestructura, las capacidades y las herramientas de vanguardia necesarias. El proyecto PIAST-AIF, financiado con fondos europeos, abordará estos retos mediante la creación de un ecosistema integral de IA que estimule la innovación y acelere la adopción de la IA entre las empresas emergentes, las entidades públicas y las instituciones de investigación y educación. A través de una plataforma específica, ofrecerá asesoramiento técnico, cursos de formación y soluciones SaaS, facilitando la integración de sistemas de IA en diversos sectores, como la sanidad, la agricultura, la industria y la administración pública. Además de organizar eventos y conferencias, el proyecto también involucrará a las partes interesadas a través de grupos de discusión y consultas. Así, el proyecto PIAST-AIF resulta fundamental para promover la innovación digital en Polonia.

Objetivo

The PIAST AI Platform (PIAST AIF) is a national initiative aimed at building a specialised artificial intelligence ecosystem in Poland. It will offer state-of-the-art AI-optimized hardware infrastructure alongside a comprehensive suite of complementary services to support effective and widespread AI adoption across various sectors. Designed to serve a diverse range of users—including small startups, public institutions, and research and educational organizations—PIAST AIF will ensure that AI capabilities are accessible regardless of an entity’s current expertise or resources. Key services will include sector-specific AI applications, technical consulting, specialised training, and Software as a Service (SaaS). These offerings are essential in helping users integrate AI into their operations, especially for SMEs and resource-constrained sectors that often face technical and skills-related challenges. PIAST AIF will support a variety of applications, such as medical image analytics, real-time production monitoring in industry, and AI-based tools for data analysis and document management in public administration. It will also promote the use of AI in agriculture (e.g. satellite data analysis and crop forecasting) and transportation (e.g. traffic optimisation and fleet management), fostering digital transformation and sustainable growth across sectors. In addition, the platform will provide access to testing environments, algorithm libraries, and pre-built datasets, enabling users to prototype and validate AI solutions efficiently and cost-effectively. This will greatly support innovation, particularly among start-ups and research centres. PIAST AIF is also dedicated to community-building through initiatives such as hackathons, conferences, and peer networks that encourage knowledge-sharing and collaboration. All these efforts will help cultivate high-tech job opportunities and strengthen Poland’s AI ecosystem.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

HORIZON-JU-RIA - HORIZON JU Research and Innovation Actions

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-JU-EUROHPC-2025-AI-01-IBA

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

INSTYTUT CHEMII BIOORGANICZNEJ POLSKIEJ AKADEMII NAUK
Aportación neta de la UEn
€ 4 300 000,00
Dirección
NOSKOWSKIEGO 12-14
61-704 Poznan
Polonia
Región
Makroregion północno-zachodni Wielkopolskie Miasto Poznań
Tipo de actividad
Research Organisations
Enlaces
Coste total
€ 8 600 000,00

Participantes (3)