# 5 poziomów dojrzałości w firmie

https://www.youtube.com/watch?v=t8NTb5ZUUGM
Translation: en

[00:06] Po tym jak przyjrzeliśmy się przyczynom wrażenia AI, naturalne pytanie brzmi: Jak właściwie wygląda ta droga?
  After we looked at the reasons for the AI impression, the natural question is: What does this path actually look like?

[00:11] Jak firmy przechodzą od pierwszych eksperymentów do zaawansowanych wdrożeń?
  How do companies move from initial experiments to advanced implementations?

[00:19] Eksperci z Gartnera stworzyli model dojrzałości AI, który świetnie pokazuje tę drogę.
  Gartner experts have created an AI maturity model that perfectly illustrates this path.

[00:23] Wyobraźcie sobie to jako mapę rozwoju, gdzie mamy pięć wyraźnych poziomów.
  Imagine it as a development map, where we have five distinct levels.

[00:28] Przyjrzyjmy się każdemu z nich.
  Let's look at each of them.

[00:30] Poziom pierwszy to pierwsze kroki.
  The first level is the first steps.

[00:34] To jak nauka jazdy na rowerze z bocznymi kółkami.
  It's like learning to ride a bike with training wheels.

[00:36] Firma zaczyna dostrzegać potencjał AI w kontekście biznesowym.
  The company begins to see the potential of AI in a business context.

[00:41] Pojawiają się pierwsze weekendowe projekty.
  The first weekend projects appear.

[00:42] Dokładnie jak ten sklep meblowy z Poznania, o którym mówiliśmy wcześniej.
  Exactly like that furniture store from Poznań we talked about earlier.

[00:48] Jeden prompt, jedna automatyzacja, pierwszy sukces.
  One prompt, one automation, the first success.

[00:53] Poziom drugi, podstawowa automatyzacja.
  The second level, basic automation.

[00:56] Tutaj firma zaczyna świadomie wykorzystywać AI do konkretnych pojedynczych procesów.
  Here, the company begins to consciously use AI for specific individual processes.

[00:59] To już nie są eksperymenty weekendowe, ale przemyślane projekty.
  These are no longer weekend experiments, but well-thought-out projects.

[01:04] Przykład bank automatyzujący
  Example of a bank automating

[01:07] kategoryzację przelewów albo e-commerce
  categorization of transfers or e-commerce

[01:09] wykorzystujący AI do tagowania
  using AI for tagging

[01:11] produktów. Proste, ale efektywne
  products. Simple, but effective

[01:14] zastosowania.
  applications.

[01:16] Poziom trzeci to integracja AI. Tu
  Level three is AI integration. Here

[01:19] zaczyna się prawdziwa zabawa. Firmy nie
  the real fun begins. Companies not only

[01:22] tylko automatyzują poyjcze procesy, ale
  automate existing processes, but

[01:25] zaczynają wbudowywać AI w istniejące
  begin to embed AI into existing

[01:27] produkty i narzędzia. Pojawiają się
  products and tools. The first appear

[01:29] pierwsze end to end zautomatyzowane
  end-to-end automated

[01:31] procesy. To jak przejście od
  processes. It's like moving from

[01:34] automatycznych świateł w domu do
  automatic lights at home to

[01:35] prawdziwego smart homeu, gdzie wszystkie
  a real smart home, where all

[01:37] systemy ze sobą współpracują.
  systems cooperate with each other.

[01:40] Poziom czwarty. Zaawansowane wdrożenia.
  Level four. Advanced implementations.

[01:44] AI staje się kluczowym elementem wielu
  AI becomes a key element of many

[01:46] procesów w firmie. To nie tylko
  processes in the company. It's not just

[01:48] automatyzacja czy usprawnienia. to
  automation or improvements. it's

[01:50] budowanie całych produktów opartych o
  building entire products based on

[01:52] sztuczną inteligencję. Pomyślcie o
  artificial intelligence. Think about

[01:55] Allegro i ich systemie rekomendacji,
  Allegro and their recommendation system,

[01:57] który łączy dane o zachowaniach
  which combines data on user behavior,

[01:59] użytkowników, historię zakupów oraz
  purchase history, and

[02:02] trendy rynkowe. I wreszcie poziom piąty,
  market trends. And finally, level five,

[02:05] AI First, to najwyższy poziom
  AI First, is the highest level

[02:08] dojrzałości, gdzie cały model biznesowy jest zbudowany wokół AI.
  maturity, where the entire business model is built around AI.

[02:13] Przykład Netflix, o którym mówiliśmy, gdzie każdy aspekt doświadczenia użytkownika jest personalizowany przez AI.
  An example is Netflix, which we discussed, where every aspect of the user experience is personalized by AI.

[02:17] od doboru treści po miniaturki filmów.
  from content selection to movie thumbnails.

[02:23] Co ciekawe, te poziomy nie są jak schody, po których musicie wspinać się krok po kroku.
  Interestingly, these levels are not like stairs that you have to climb step by step.

[02:27] Możecie mieć różne części organizacji na różnych poziomach.
  You can have different parts of the organization at different levels.

[02:32] Wasz dział obsługi klienta może być na poziomie drugim z prostym chatbotem, podczas gdy dział produktowy już eksperymentuje z zaawansowanymi rozwiązaniami z poziomu czwartego.
  Your customer service department might be at level two with a simple chatbot, while the product department is already experimenting with advanced solutions from level four.

[02:43] Kluczowe jest zrozumienie, gdzie jesteście teraz i jaki powinien być wasz następny krok.
  The key is to understand where you are now and what your next step should be.

[02:49] Bo wiecie co jest najgorsze w AI? Próba przeskoczenia zbyt wielu poziomów na raz.
  Because you know what's the worst thing about AI? Trying to skip too many levels at once.

[02:55] To jak próba nauczenia się jazdy przez wejście na tor wyścigowy może skończyć się boleśnie.
  It's like trying to learn to drive by entering a race track can end painfully.

[03:03] Na potrzebę naszego kursu skupimy się szczególnie na poziomach pierwszym i drugim.
  For the purpose of our course, we will focus particularly on the first and second levels.

[03:07] Dlaczego? Bo to właśnie te
  Why? Because it is precisely these

[03:10] Poziomy mają najbardziej praktyczne zastosowanie dla większości organizacji.
  The levels have the most practical application for most organizations.

[03:14] Nie każda firma musi czy nawet powinna dążyć do bycia drugim Netflixem.
  Not every company has to or even should strive to be the next Netflix.

[03:20] Dla wielu z was największą wartość biznesową przyniosą właśnie te pierwsze poziomy dojrzałości AI.
  For many of you, the greatest business value will be brought by these first levels of AI maturity.

[03:24] Pomyślcie o tym tak.
  Think of it this way.

[03:27] Te pierwsze dwa poziomy to jak złote żniwa efektywności.
  These first two levels are like golden harvests of efficiency.

[03:30] To tutaj często znajdziecie najszybszy zwrot z inwestycji i najmniej skomplikowane wdrożenia.
  It is here that you will often find the fastest return on investment and the least complicated implementations.

[03:35] To właśnie na tych poziomach pojedynczy prompt może zaoszczędzić 60% czasu pracy, a prosty model AI może zautomatyzować żmudne zadania, które dotychczas zajmowały godzinę.
  It is at these levels that a single prompt can save 60% of work time, and a simple AI model can automate tedious tasks that previously took an hour.

[03:48] Dlatego w kolejnych częściach naszego kursu zgłębimy się szczególnie w te dwa pierwsze poziomy.
  Therefore, in the following parts of our course, we will delve particularly into these first two levels.

[03:53] Pokażę wam konkretne przykłady, narzędzia i strategie, które możecie zastosować już teraz w swoich organizacjach bez potrzeby wielomilionowych inwestycji czy w zespołu data scientistów.
  I will show you specific examples, tools, and strategies that you can apply right now in your organizations without the need for multi-million dollar investments or a team of data scientists.

[04:07] Przejdźmy teraz do bardzo konkretnego przykładu, który świetnie pokazuje jak
  Let's now move on to a very specific example that perfectly illustrates how

[04:11] wygląda poziom pierwszy w praktyce.
  The first level looks like in practice.

[04:14] Weźmy mały sklep odzieżowy online.
  Let's take a small online clothing store.

[04:17] Biznes, który prawdopodobnie jest bliski z wielu z was.
  A business that is probably close to many of you.

[04:19] Jakie jest wdrożenie?
  What is the implementation?

[04:22] Proste.
  Simple.

[04:22] Wykorzystanie AI do szybkiej odpowiedzi na typowe pytania klientów.
  Using AI to quickly answer common customer questions.

[04:26] Technologia, gotowe narzędzie takie jak Gemini.
  Technology, a ready-made tool like Gemini.

[04:29] Inwestycja sama subskrypcja Gemini.
  The investment is just the Gemini subscription.

[04:32] A rezultat: redukcja czasu pracy działu obsługi klienta od 30 do 50%.
  And the result: a reduction in customer service department working time by 30 to 50%.

[04:39] Imponujące, prawda?
  Impressive, right?

[04:39] Ale najważniejsze pytanie, jak to zrobić?
  But the most important question, how to do it?

[04:42] Przeprowadzę was przez to krok po kroku.
  I will guide you through it step by step.

[04:47] Krok pierwszy.
  First step.

[04:47] Stwórzcie plik z najczęstszymi pytaniami klientów.
  Create a file with the most common customer questions.

[04:49] Co warto tam umieścić?
  What is worth putting there?

[04:52] Czas i opcje dostawy, politykę zwrotów, informacje o rozmiarówce, wszystko o co klienci pytają regularnie.
  Delivery times and options, return policy, sizing information, everything customers ask about regularly.

[04:59] I tutaj mała wskazówka.
  And here's a little tip.

[05:01] Możecie użyć Google Docs, Worda albo nawet zwykłego notatnika.
  You can use Google Docs, Word, or even a simple notepad.

[05:03] AI jest na tyle sprytne, że poradzi sobie z dowolnym formatem.
  AI is smart enough to handle any format.

[05:06] Krok drugi.
  Second step.

[05:06] Stwórzcie prompt dla AI.
  Create a prompt for the AI.

[05:11] To
  It

[05:14] Kluczowy element.
  A key element.

[05:17] Musicie opisać, czym zajmuje się wasz biznes, jaką rolę ma odgrywać AI i w jakim formacie ma zwracać odpowiedzi.
  You need to describe what your business does, what role AI is to play, and in what format it should return answers.

[05:25] Do tego wklejacie plik z najczęstszymi pytaniami jako element kontekstu prompta.
  To do this, paste a file with frequently asked questions as part of the prompt's context.

[05:30] Struktura dobrego prompta jest prosta.
  The structure of a good prompt is simple.

[05:33] Cel, format odpowiedzi od AI, ostrzeżenia i kontekst.
  Goal, AI response format, warnings, and context.

[05:39] Krok trzeci.
  Third step.

[05:39] Przetestujcie odpowiedzi AI na kilku przypadkach.
  Test the AI's responses in a few cases.

[05:45] To ważne, bo czasem AI może źle zrozumieć kontekst albo jak to mówimy w branży, halucynować.
  This is important because sometimes AI can misunderstand the context or, as we say in the industry, hallucinate.

[05:51] W takich sytuacjach warto doprecyzować prompt, żeby uniknąć takich sytuacji w przyszłości.
  In such situations, it is worth clarifying the prompt to avoid such situations in the future.

[05:56] I wreszcie krok czwarty.
  And finally, the fourth step.

[05:56] Po prostu wklejajcie maile od klientów bezpośrednio do AI i kopiujcie jego odpowiedzi.
  Simply paste emails from clients directly into the AI and copy its responses.

[06:04] A po tygodniu policzcie ile czasu zaoszczędziliście.
  And after a week, count how much time you saved.

[06:06] Gwarantuję, że będziecie pozytywnie zaskoczeni.
  I guarantee you will be pleasantly surprised.

[06:09] To właśnie jest piękno poziomu pierwszego.
  This is the beauty of the first level.

[06:11] Jego prostota.
  Its simplicity.

[06:13] Nie potrzebujecie tu zespołu programistów, miesięcy
  You don't need a team of programmers here, months

[06:15] przygotowań czy skomplikowanych integracji.
  preparations or complicated integrations.

[06:19] Potrzebujecie tylko systematycznego podejścia i chęci do eksperymentowania.
  You only need a systematic approach and a willingness to experiment.

[06:21] I pamiętajcie, te 30 do 50% oszczędności czasu to nie jest magia.
  And remember, these 30 to 50% time savings are not magic.

[06:27] To rezultat przemyślanego krok po kroku procesu wdrożenia AI do konkretnego powtarzalnego zadania w firmie.
  It is the result of a thoughtful step-by-step process of implementing AI for a specific repetitive task in the company.

[06:37] Teraz zobaczmy jak to działa w praktyce.
  Now let's see how it works in practice.

[06:40] Więc otwieram Gemili.
  So I open Gemili.

[06:43] To jest jej podstawowy widok, w którym komunikuję się z llmem.
  This is its basic view, in which I communicate with the LLM.

[06:45] Mam już przygotowany prompt naszego sklepu odzieżowego, o którym wspominałem wcześniej.
  I already have a prepared prompt for our clothing store, which I mentioned earlier.

[06:52] Wklejam ten prompt.
  I paste this prompt.

[06:54] Możemy sobie przez niego przejść w szczegółach.
  We can go through it in detail.

[06:57] Jak widzicie jest on w specyficzny sposób sformatowany.
  As you can see, it is formatted in a specific way.

[06:59] Zaczynamy od nagłówka.
  We start with a header.

[07:00] Jakby o co chodzi?
  Like, what is it about?

[07:02] To będzie asystent obsługi klienta Urban Vibes.
  This will be the Urban Vibes customer service assistant.

[07:04] To jest nazwa naszej firmy.
  This is the name of our company.

[07:08] Opisuje rolę asystenta.
  It describes the assistant's role.

[07:09] Tak, w tym wypadku jesteś asystentem obsługi klienta Urban Vibes modnego sklepu odzieżowego w Warszawie.
  Yes, in this case, you are the customer service assistant for Urban Vibes, a fashionable clothing store in Warsaw.

[07:13] Odpowiadasz na maile klientów w sposób
  You respond to customer emails in a way

[07:15] pomocny i przyjazny zgodny z głosem marki.
  Helpful and friendly, consistent with the brand's voice.

[07:17] Tak?
  Yes?

[07:17] Czyli widzicie jakby tutaj zwracamy uwagę na to w jaki sposób mają te odpowiedzi wyglądać w kierunku klienta.
  So you see, we pay attention here to how these responses should look towards the customer.

[07:23] Następnie opisujemy w promcie zachowanie.
  Next, we describe the behavior in the prompt.

[07:26] Odpowiadaj w swobodnym, ale profesjonalnym tonie.
  Respond in a casual but professional tone.

[07:28] Bądź pomocny i szukaj rozwiązań.
  Be helpful and look for solutions.

[07:30] Trzymaj się ścisłej polityki sklepu.
  Adhere strictly to the store's policy.

[07:31] Okazuj zrozumienie dla sytuacji klienta.
  Show understanding for the customer's situation.

[07:34] Tak, czyli chcemy, żeby ten asystent empatyzował z naszymi klientami.
  Yes, so we want this assistant to empathize with our clients.

[07:38] Podajemy dane naszego sklepu.
  We provide our store's data.

[07:41] Oczywiście są to zmyślone dane, ten sklep nie istnieje.
  Of course, this is made-up data, this store doesn't exist.

[07:42] No i wklejamy zasady naszego sklepu, tak?
  And we paste our store's rules, right?

[07:45] Czyli jak jest, jaka jest polityka zwrotów, dostawa, czy jest możliwa wymiana rozmiaru, jakie płatności obsługujemy i tak dalej.
  So how it is, what is the return policy, delivery, is size exchange possible, what payments do we support, and so on.

[07:55] No i teraz tak, to co jest super tutaj kluczowe, zobaczcie aktualne promocje.
  And now, what is super key here, look at current promotions.

[07:57] Dajmy mu informację, nie wymyślaj, czekaj na informacje.
  Let's give it information, don't make things up, wait for information.

[07:59] Tak jest to super ważne, żeby uniknąć tego o czym wspominałem, czyli właśnie tego halucynowania.
  Yes, it's super important to avoid what I mentioned, which is this hallucination.

[08:05] Nie chcemy, żeby asystent sam wymyślał promocje, które później przekaże klientom.
  We don't want the assistant to invent promotions itself, which it will later pass on to customers.

[08:10] Był taki przypadek linii lotniczej, która jakby
  There was such a case with an airline, which, like,

[08:16] wykorzystała chatbota AIowego do tego żeby komunikować się ze swoimi klientami
  She used an AI chatbot to communicate with her clients.

[08:21] i on wymyślał różnego rodzaju promocje
  And it came up with various types of promotions.

[08:24] które później sąd w Stanach Zjednoczonych uznał, że no skoro tak przedstawiciel firmy zwrócił się do klienta i taką przekazał informację, to firma musi ten tą promocję uhonorować i tą zniżkę temu klientowi dać.
  Which a court in the United States later ruled that if a company representative approached the client and provided such information, the company must honor that promotion and give that discount to the client.

[08:38] Więc pilnujemy, żeby te aktualne promocje yyy czy inne informacje kluczowe, takie wrażliwe, żeby asystent dopytał yyy nas czy agenta obsługi klienta, w którym będzie współpracował.
  So we make sure that current promotions or other key, sensitive information is clarified by the assistant with us or the customer service agent they will be working with.

[08:50] Następnie pokazujemy mu format odpowiedzi, jaki chcemy, żeby był.
  Next, we show it the format of the response we want.

[08:53] Przywitanie z imieniem klienta, jasna odpowiedź na główne pytanie, informacje o zasadach i tak dalej, i tak dalej.
  Greeting with the client's name, a clear answer to the main question, information about the rules, and so on, and so on.

[08:59] Styl i ton, przyjazny i przystępny, młodzieżowy i na czasie.
  Style and tone: friendly and accessible, youthful and current.

[09:02] Sklep nazywa się Urban Vibes.
  The store is called Urban Vibes.

[09:04] Profesjonalny, ale nieformalny, empatyczny i wyrozumiały.
  Professional but informal, empathetic and understanding.

[09:07] I właśnie te ostrzeżenia, o których wspominałem, czego nie robić, nie wymyślać promocji ani zniżek, nie obiecywać konkretnych dat dostawy, nie zmieniać zasad sklepu, nie podawać informacji spoza tej listy.
  And precisely these warnings, which I mentioned, what not to do: do not invent promotions or discounts, do not promise specific delivery dates, do not change store rules, do not provide information outside this list.

[09:16] I można dać
  And you can give

[09:19] również przykład dobrych odpowiedzi,
  also an example of good answers,

[09:20] jakieś takie szczególne frazy, które chcemy, żeby ten sklep wykorzystywał,
  some such special phrases that we want this store to use,

[09:25] dać przykłady odpowiedzi z przeszłości, które nasi pracownicy udzielili, które uznajemy, że są wyjątkowo dobre.
  give examples of past answers that our employees have given, which we consider to be exceptionally good.

[09:32] No i dodatkowy kontekst, wszystko co może być dla niego ważne.
  And additional context, everything that might be important to him.

[09:34] Więc tak, skonstruowany prąd, jak widzicie jest on dość długi, ale dzięki temu daje pełen kontekst sytuacji naszemu asystentowi.
  So yes, the constructed current, as you can see, is quite long, but thanks to this, it provides full context of the situation to our assistant.

[09:42] Wysyłamy do Gemini, on to go przetwarza.
  We send it to Gemini, it processes it.

[09:46] No i właśnie super.
  And that's great.

[09:49] Jestem gotowy, aby wcielić się w rolę asystenta obsługi klienta Urban Vibes i odpowiadać na maile klientów zgodnie z swoimi wytycznymi.
  I am ready to take on the role of Urban Vibes customer service assistant and respond to customer emails according to my guidelines.

[09:53] Postaram się być pomocny, przyjazny i postępować zgodnie z zasadami sklepu.
  I will try to be helpful, friendly, and act according to the store's rules.

[09:57] Mam tu przygotowany mail od od klienta, który przykleję właśnie teraz do do asystenta i zobaczymy w jaki sposób udzieli on odpowiedzi.
  I have prepared an email from a customer here, which I will paste to the assistant right now and we will see how it responds.

[10:08] Mamy tutaj proszę bardzo mail od pani Anny Kowalskiej.
  Here we have, please, an email from Ms. Anna Kowalska.

[10:13] Dzień dobry.
  Good morning.

[10:15] Kupiłam wczoraj u was Blueto Street Vibes w rozmiarze M,
  I bought from you yesterday the Blueto Street Vibes in size M,

[10:19] ale chyba będzie za mała.
  but I think it will be too small.

[10:22] Nie oderwałem jeszcze metki.
  I haven't taken the tag off yet.

[10:23] Czy mogę ją wymienić na rozmiar L?
  Can I exchange it for a size L?

[10:25] Albo najlepiej czy mogę najpierw zamówić L, przymierzyć obie i te niedopasowaną zwrócić.
  Or preferably, can I first order L, try both on, and return the ill-fitting one.

[10:30] Wolałabym nie zostać bez bluzy, bo jest super.
  I would prefer not to be without the sweatshirt, because it's great.

[10:32] Dodam, że mieszkam w Warszawie, więc mogę podjechać do sklepu, jak będzie taka możliwość.
  I'll add that I live in Warsaw, so I can go to the store if there's an opportunity.

[10:34] Jak widzimy, jest to dość złożony request, złożona prośba od klienta.
  As we can see, this is quite a complex request, a complex request from the client.

[10:38] Tak jakby ona chce wymienić tą bluzę na jakąś inną, ale tak naprawdę najpierw chc zamówić, przymierzyć obie i jedną zwrócić.
  It's like she wants to exchange this sweatshirt for another one, but really she wants to order first, try both on, and return one.

[10:49] Czyli jest to request od klienta wymagający kilku różnych kilku różnych akcji od agenta obsługi klienta.
  So it's a request from the client requiring several different, several different actions from the customer service agent.

[10:53] Zobaczymy czy Mini sobie z nim poradzi.
  We'll see if Mini can handle it.

[10:56] Przesyłamy tego maila, proszę.
  We are sending this email, please.

[10:59] i od razu odpowiada: "Cześć Anno, dzięki za wiadomość i super, że bluza Street Vibes ci się spodobała.
  and immediately replies: "Hi Anna, thanks for the message and great that you liked the Street Vibes sweatshirt.

[11:05] Jasne, że możesz ją wymienić na rozmiar L.
  Of course, you can exchange it for a size L.

[11:06] W naszym sklepie stacjonarnym wymiara rozmiaru to bułka z masłem.
  In our physical store, changing sizes is a piece of cake.

[11:08] Możesz śmiało wpaść do nas na 1 59 z bluzą i paragonem, a pomożemy ci dobrać idealny rozmiar".
  Feel free to come to us at 1 59 with the sweatshirt and receipt, and we will help you choose the perfect size."

[11:15] Imiana w sklepie jest najszybszą opcją, więc od razu wyjdzie z odpowiednią bluzą.
  Changing in the store is the fastest option, so you'll leave with the right sweatshirt immediately.

[11:18] Jeśli wolisz najpierw
  If you prefer first

[11:19] zamówić rozmiar R L i porównać obie bluzy w domu, to też nie ma problemu.
  order size R L and compare both sweatshirts at home, that's also not a problem.

[11:24] Pamiętaj tylko, że na zwrot masz 30 dni od daty zakupu.
  Just remember that you have 30 days for returns from the date of purchase.

[11:26] Jak widzimy, ton jest nieformalny, przyjazny, tak jak poprosiliśmy yyy asystenta.
  As we can see, the tone is informal, friendly, just as we asked the assistant.

[11:30] Jeżeli sprawdzimy sobie z oryginalnym promptem y właśnie jego zachowanie, on on powiedział faktycznie w swobodnym, ale profesjonalnym tonie.
  If we check his behavior with the original prompt, he actually spoke in a casual but professional tone.

[11:38] Jest pomocny i szuka rozwiązań.
  He is helpful and looks for solutions.

[11:40] I teraz pytanie najważniejsze, czy ściśle trzyma się polityki sklepu?
  And now the most important question, does he strictly adhere to the store's policy?

[11:44] Zasady sklepu były takie: zwroty 30 dni z paragonem, wymiana rozmiaru możliwa w sklepie.
  The store's rules were: returns within 30 days with a receipt, size exchange possible in the store.

[11:53] Zobaczmy, co on tutaj odpowiedział.
  Let's see what he answered here.

[11:54] Faktycznie jasne, że możesz ją wymienić, czyli zgadza się z polityką sklepu.
  Indeed, it's clear that you can exchange it, so it aligns with the store's policy.

[11:58] W naszym sklepie stacjonarnym wymiana rozmiaru to bułka z masłem.
  In our physical store, exchanging a size is a piece of cake.

[12:00] Faktycznie wspomina o tym, że musi się odbyć w sklepie stacjonarnym.
  He actually mentions that it must take place in a physical store.

[12:03] Wspomina adres, adres jest prawidłowy, że też wymiana następuje z paragonem.
  He mentions the address, the address is correct, that the exchange also happens with a receipt.

[12:10] No i ogólnie jakby ton jest dość pomocny, tak?
  And generally, the tone is quite helpful, right?

[12:12] Wymiana w sklepie jest najszybszą opcją i tak dalej.
  Exchange in the store is the fastest option and so on.

[12:15] Także widzicie, jest to zamiast napisanie takiego maila prawdopodobnie jakiemuś agentowi obsługi klienta
  So you see, it's instead of writing such an email, probably to some customer service agent.

[12:21] zajęłoby chwilkę czasu, żeby się zastanowić, ją skomponować.
  It would take a moment to think about it and compose it.

[12:26] Też kwestia jest taka, czy odpowiadając na 10, 20, 50 tego typu maili dziennie, jak jaka jest pojemność tego agenta obsługi klienta do tego, żeby za każdym razem odpowiadać w tak angażujący i przyjazny sposób?
  The question is also, when responding to 10, 20, 50 such emails a day, what is the capacity of this customer service agent to respond in such an engaging and friendly way each time?

[12:41] AI się nie męczy.
  AI doesn't get tired.

[12:43] Tak, za każdym razem robi to w ułamek sekundy.
  Yes, it does it in a fraction of a second every time.

[12:44] Za każdym razem będzie tak samo przyjazny.
  It will be just as friendly every time.

[12:46] Oczywiście poziom jego stylu i tonu możemy sobie konfigurować zadając mu dodatkowe prompty na zasadzie odpowiedź bardziej formalnie, mniej formalnie yyy w bullet pointach czy w paragrafach.
  Of course, we can configure the level of its style and tone by giving it additional prompts, such as respond more formally, less formally, in bullet points, or in paragraphs.

[12:58] Wszystko tutaj to się da zrobić.
  Everything here can be done.

[13:00] Najważniejsze tak naprawdę w tym wszystkim jest to, że zajmuje to tak naprawdę ułamek sekundy, żeby wygenerować takiego maila.
  The most important thing really in all of this is that it really takes a fraction of a second to generate such an email.

[13:05] No i dosłownie 30 sekund na to, żeby przekleić go do maila i wysłać do do klienta.
  And literally 30 seconds to copy it into an email and send it to the client.

[13:11] Jest to gigantyczna oszczędność czasu, która y dla takiej firmy jak właśnie Street Vibes, czyli jakiś mały butik sklepowy, no zwalnia tak naprawdę prawdopodobnie dużą część ich etatu na
  It is a gigantic time saving, which for a company like Street Vibes, meaning a small boutique shop, frees up, really, probably a large part of their employment for

[13:24] robienie innej, bardziej kreatywnej, bardziej twórczej, bardziej przychodowej pracy.
  doing other, more creative, more inventive, more revenue-generating work.

[13:32] Jest jeszcze drugi sposób wykorzystania AI w firmie.
  There is another way to use AI in the company.

[13:35] który nazywam tak naprawdę asystentem CO, tak?
  which I actually call a CO assistant, right?

[13:39] Czyli asystentem prezesa firmy.
  Meaning, the company president's assistant.

[13:41] Jest to sposób, z którego ja osobiście najczęściej korzystam z AIa.
  This is a method that I personally use AI for most often.

[13:43] Ja osobiście jestem Head of Product w firmie GOCOM.
  I personally am the Head of Product at GOCOM.

[13:49] Yyy, jest to sklep, w którym sprzedajemy gry komputerowe i wykorzystuję wykorzystuję AI jako asystenta do mojej pracy jako head of product.
  Uh, it's a store where we sell computer games, and I use, I use AI as an assistant for my work as head of product.

[14:00] I w tym celu wykorzystuję na przykład Gemini, który ma coś takiego jak menagżer gemów.
  And for this purpose, I use, for example, Gemini, which has something like a gem manager.

[14:09] Kiedy wejdziecie sobie w dema, możecie skonfigurować sobie swój własny dem, czyli taki rodzaj asystenta, który pozwoli wam yyy odbijać pomysły z nim yyy na bardzo konkretny zadany temat.
  When you go into the demos, you can configure your own demo, which is a type of assistant that will allow you to, uh, bounce ideas off of it, uh, on a very specific given topic.

[14:23] Jak to działa?
  How does it work?

[14:23] Jeżeli tworzycie sobie
  If you create for yourself

[14:25] takiego dema, tak jak tutaj w moim wypadku head of product, nadajecie mu nazwę, oczywiście w tym wypadku Head of Product, no i dajecie mu instrukcję, tak?
  Such a demo, just like in my case here, Head of Product, you give it a name, of course in this case Head of Product, and you give it instructions, right?

[14:32] Czyli co konkretnie chcecie, żeby ten gem dla was robił.
  So what specifically do you want this gem to do for you.

[14:37] W tym wypadku ja tutaj wpisałem mu kontekst tak naprawdę tego, w jaki sposób ja pracuję jako head of product, co jest dla mnie ważne, jakie wyznaję wartości w pracy, kontekst mojej firmy i jakby moich zadań codzienny.
  In this case, I have actually entered the context for it, of how I work as a Head of Product, what is important to me, what values I hold in my work, the context of my company and my daily tasks.

[14:50] Pracuję nad strategią, pracuję z zespołem, muszę ich motywować, muszę wymyślać nowe nowe projekty.
  I work on strategy, I work with the team, I have to motivate them, I have to come up with new new projects.

[14:57] No i ostatecznie kontekst całej firmy, tak?
  And ultimately the context of the entire company, right?

[14:59] Czyli czyli jaką firmą jest Gocom, ile mamy przychodów, jak mamy konkurencję i tak dalej.
  So, what kind of company is Gocom, how much revenue do we have, what is our competition like, and so on.

[15:07] jakby tutaj opisujemy sobie tak naprawdę co my od tego gema chcemy, tak?
  Here we are actually describing what we want from this gem, right?

[15:09] Czyli właśnie ten konkretne konkretne instrukcje.
  So, precisely these specific instructions.

[15:14] Przykładowo tutaj: help me operate as leader by challenging conventional thinking, suesting ways to get deeper customer insights, helping craft clear product vision and strategy i tak dalej, i tak dalej.
  For example, here: help me operate as leader by challenging conventional thinking, suggesting ways to get deeper customer insights, helping craft clear product vision and strategy, and so on, and so on.

[15:25] Jak widać jakby daj mu konkretne instrukcje do
  As you can see, give it specific instructions to

[15:26] tego i w jaki sposób chcę żeby on mnie challengeował, w jaki sposób chcę żeby on ze mną wchodził w interakcję, żeby pomóc mi w mojej pracy.
  And how I want him to challenge me, how I want him to interact with me, to help me in my work.

[15:31] Więc wejźmy sobie tutaj na ten nasz gem head of product, który sobie przygotowałem.
  So let's go here to this head of product gem that I prepared.

[15:35] No i wcześniej miałem z nim taką rozmowę, w którym zapytałem go o ceny umiejętności product managera.
  And earlier I had such a conversation with him, in which I asked him about the prices of product manager skills.

[15:40] W sumie możemy odklikać i zobaczyć.
  In total, we can click through and see.

[15:42] W tej dyskusji tutaj zadałem mu pytanie: "Pgotuj listę kluczowych umiejętności dla product managera.
  In this discussion here, I asked him the question: "Prepare a list of key skills for a product manager.

[15:48] Są to pracownicy, którzy do mnie raportują.
  These are employees who report to me.

[15:51] Oni zajmują się pracą z zespołami deweloperskimi nad wdrażaniem nowych produktów digitalowych na poziomie meet, którą wykorzystam w ewaluacji moich pracowników.
  They work with development teams on implementing new digital products at the meet level, which I will use in the evaluation of my employees.

[15:59] Więc zadałem mu takie pytanie.
  So I asked him such a question.

[16:00] No i on jakby tutaj na podstawie tych wartości, które są dla mnie ważne, zaprezentował listę umiejętności i wartości takich product managerów, które oni powinni posiadać, żeby spełniać moje oczekiwania.
  And he, based on these values that are important to me, presented a list of skills and values of such product managers that they should possess to meet my expectations.

[16:14] Więc obsesja na punkcie klienta, głębokie zrozumienie klienta, empatia i aduwokatura klienta, prototypowanie i walidacja, tworzenie prototypów o wysokiej wierności, myślenie strategiczne i wizja produktu,
  So customer obsession, deep customer understanding, customer empathy and advocacy, prototyping and validation, creating high-fidelity prototypes, strategic thinking and product vision,

[16:27] zarządzanie produktem i zespołem i tak dalej, i tak dalej.
  Product and team management, and so on, and so on.

[16:31] Więc on tutaj mi wygenerował taki powiedzmy małe wypracowanie odnośnie tego, jakie są te cechy, które ja, które ja cenię w product managerach.
  So he generated here for me, let's say, a small essay regarding what are the traits that I, that I value in product managers.

[16:41] Natomiast jakby okej, to jest dobre jako powiedzmy dokument, którym ja się mogę z nimi podzielić teraz i powiedzieć im: "Słuchajcie, takie są moje wymagania względem was".
  However, like, okay, this is good as, let's say, a document that I can share with them now and tell them: "Listen, these are my requirements towards you."

[16:50] Ale chciałem tutaj troszeczkę zrefajnować tą odpowiedź i poprosiłem go, żeby opracował je w formie tabeli, gdzie PM musi sam siebie ocenić w każdym z tych wymiarów, tak?
  But I wanted to refine this answer a bit and asked him to develop it in the form of a table, where the PM has to evaluate themselves in each of these dimensions, right?

[16:58] Czyli chcę wykorzystać to do samooceny moich pracowników, przekazując im jakby tą tabelę z tymi wartościami, umiejętnościami, które od nich wygada, wymagam i proszę ich o to, żeby sami się ocenili w jakiejś skali.
  So I want to use this for self-assessment of my employees, giving them, like, this table with these values, skills that I expect from them, require, and ask them to evaluate themselves on some scale.

[17:08] No zostawiłem to do Gemini do zaprezentowania jakby do wymyślenia w jaki sposób ma to wyglądać.
  Well, I left it to Gemini to present, like, to come up with how it should look.

[17:15] Jak widzicie, on zaprezentował tutaj taką tabelę, tak?
  As you can see, he presented a table like this here, right?

[17:17] Mamy obszar, obsesja na punkcie klienta, lista umiejętności, głębokie zrozumienie klienta, empatia, no i konkretny opis, tak jakby taki z perspektywy pierwszej osoby tego PMA.
  We have an area, customer obsession, list of skills, deep customer understanding, empathy, and a concrete description, like, from the first-person perspective of this PM.

[17:28] Potrafię przeprowadzać badania użytkowników, analizować dane behawioralne i wyciągać wnioski z feedbacku, aby identyfikować potrzeby i problemy klientów.
  I can conduct user research, analyze behavioral data, and draw conclusions from feedback to identify customer needs and problems.

[17:34] skala oceny, samoocena pracownika, ocena przełożonego, czyli moja uwagi.
  Rating scale, employee self-assessment, supervisor assessment, meaning my comments.

[17:41] No i on to zrobił dla całego, całej tej listy tych wszystkich umiejętności, jak widzicie oraz dodał tutaj kilka różnych sugestii.
  And he did it for the whole, this entire list of all these skills, as you can see, and also added a few different suggestions here.

[17:47] Jak widzicie tutaj to, w czym mi to najbardziej pomaga tak naprawdę to jeżeli się nad tym głębiej zastanowić, przygotowanie takiej tabelki tutaj od zera to jest prawdopodobnie godzina mojej pracy, a o ile nie więcej, być może nawet pół dnia mojej pracy.
  As you can see here, what it really helps me with the most, if you think about it more deeply, preparing such a table here from scratch is probably an hour of my work, if not more, maybe even half a day of my work.

[18:03] muszę usiąść, zastanowić się jakie są te konkretne umiejętności, które ja chciałbym w nich widzieć, w jaki sposób one powinny być opisane z perspektywy pierwszej osoby, żeby oni mogli dokonać tej samooceny, przyznać im temu jakąś skalę, no i oczywiście to wszystko edytować, pouewnić się, że stylistyka jest odpowiednia i tak dalej.
  I have to sit down, think about what the specific skills are that I would like to see in them, how they should be described from a first-person perspective, so that they can perform this self-assessment, assign them some scale, and of course edit all of this, ensure that the style is appropriate, and so on.

[18:21] Dzięki AIowi jestem w stanie tak naprawdę ten pierwszy etap, czyli stworzenie tej pierwszej wersji tego dokumentu zrobić tak naprawdę w ułamek sekund.
  Thanks to AI, I am actually able to do this first stage, that is, creating this first version of this document, in a fraction of a second.

[18:26] Tak, on to przygotował dosłownie w mniej niż
  Yes, he prepared it literally in less than

[18:29] sekundę i już mam jakiś materiał, nad którym mogę pracować.
  a second and I already have some material that I can work with.

[18:33] Już mogę to odbić ze swoimi współpracownikami, już mogę sobie to sczytać, zacząć sobie edytować.
  I can already bounce it off my colleagues, I can already read it, start editing it.

[18:38] To jest właśnie ten zero shot prompting, tak?
  This is exactly this zero shot prompting, right?

[18:42] Czyli jakby to przejście od poziomu zero tak naprawdę do już jakiegoś poziomu pierwszej pierwszej pierwszego kontentu wygenerowanego przez przez AI.
  So it's like this transition from the zero level, really, to already some level of the first, first, first content generated by AI.

[18:50] w takiej pracy jak moja właśnie menedżera dużego zespołu ludzi, którzy pracują nad produktem digitalowym jest to niesamowite ułatwianie w mojej pracy i sprawia, że jestem w stanie tak naprawdę zrobić 10 razy więcej tego typu pracy w tym samym jednym ciągu, w ciągu tego samego dnia.
  in a job like mine, as a manager of a large team of people working on a digital product, it's an incredible facilitation in my work and it makes me able to actually do 10 times more of this type of work in the same single stretch, within the same day.

[19:09] Więc jakby dla was moim zdaniem tutaj taki główny takeaway jest, że jesteście w stanie takiego asystenta przygotować tak naprawdę do kontekstu każdej waszej osobnej firmy.
  So, in my opinion, the main takeaway for you here is that you are able to prepare such an assistant, really, for the context of each of your separate companies.

[19:17] I nie ma znaczenia czy jesteście freelancerem, który zajmuje się graphic design, tak?
  And it doesn't matter if you are a freelancer who does graphic design, right?

[19:25] Czy jesteście prezesem boutiku, właścicielem boutiku odzieżowego, czy
  Whether you are the CEO of a boutique, the owner of a clothing boutique, or

[19:30] prezesem jakiejś małej, średniej firmy.
  CEO of some small, medium-sized company.

[19:32] Jeżeli dacie temu AIowi odpowiednią odpowiedni kontekst do tego, czym się zajmujecie, jakie są wasze cele i co chcecie osiągnąć, on może być dla was takim właśnie lustrem czy soundboardem do tego, żeby odbijać was, od was, od niego wasze myśli i generować dla was pomysły w sytuacjach i w momentach, w których nie wiem, czujecie blokadę albo macie bardzo mało czasu, albo po prostu nie macie pomysłu, co dalej.
  If you give this AI the right context about what you do, what your goals are, and what you want to achieve, it can be a mirror or a soundboard for you to reflect your thoughts back to you, and generate ideas for you in situations and moments where you feel blocked, or have very little time, or simply don't have an idea what to do next.

[19:54] Także bardzo polecam.
  So I highly recommend it.

[19:56] To jest najbardziej jakby chyba prosty i najbardziej efektywny sposób współpracy takiej jeden na jeden z AIEM, jeżeli chcecie pracować nad sobą jako menedżerem, czy właścicielem firmy, czy właścicielem swojej jednoosobowej działalności.
  This is probably the simplest and most effective way of one-on-one cooperation with AI, if you want to work on yourself as a manager, or a company owner, or the owner of your sole proprietorship.

[20:11] Kiedy już oswoicie się z pierwszym poziomem i zaczniecie dostrzegać realne korzyści z AI w codziennej pracy, naturalnie pojawi się pytanie o kolejny krok.
  Once you get used to the first level and start to see real benefits from AI in your daily work, the question of the next step will naturally arise.

[20:18] I tu dochodzimy do ważnego rozróżnienia w świecie AI, narzędzi konsumenckich i firmowych.
  And here we come to an important distinction in the world of AI, consumer and business tools.

[20:21] Wyobraźmy sobie to jako dwie ścieżki rozwoju.
  Let's imagine it as two paths of development.

[20:25] Na jednej mamy
  On one, we have

[20:30] popularne narzędzie jak Chat GPT Plus,

[20:32] Gemini Advance czy Cloud Pro. Każ za

[20:34] około 20$ arów miesięcznie. To właśnie

[20:36] te rozwiązania, które świetnie

[20:38] sprawdzają się na poziomie pierwszym

[20:39] przy pojedynczych eksperymentach i

[20:41] osobistych projektach. Ale jest też

[20:44] druga ścieżka, profesjonalne rozwiązania

[20:46] biznesowe.

[20:48] Spójrzmy na to z trzech kluczowych

[20:50] perspektyw. Pierwsza perspektywa

[20:52] absolutnie kluczowa dla firm,

[20:54] bezpieczeństwo. W wersjach konsumenckich

[20:57] wszystkie prompty są widoczne dla

[20:58] dostawcy. Macie tylko standardowe

[21:00] warunki użycia i ograniczoną kontrolę

[21:03] nad swoimi danymi. W wersjach firmowych

[21:06] pełna integracja z polityką

[21:07] bezpieczeństwa waszej firmy, możliwość

[21:09] podpisania NDA, a przede wszystkim

[21:11] kontrola nad danymi firmowymi. To nie

[21:13] jest tylko wygoda, to kwestia compliance

[21:15] i bezpieczeństwa danych. Druga różnica

[21:18] to integracja. W wersjach konsumenckich

[21:21] musicie korzystać z osobnej strony czy

[21:23] aplikacji, ręcznie kopiować treści. Nie

[21:26] macie dostępu do dokumentów firmowych.

[21:28] Wersje biznesowe działają bezpośrednio w

[21:31] waszych dokumentach firmowych. Są

[21:32] zintegrowane z mailem służbowym, mają

[21:34] dostęp do firmowych danych. To ogromna

[21:37] różnica w codziennej pracy. I wreszcie

[21:40] trzecia różnica zastosowanie. Wersje

[21:43] konsumenckie są świetne do testów,

[21:45] osobistych projektów, nauki, możliwości

[21:47] AI, ale wersje firmowe są stworzone do

[21:50] pracy zespołowej i pracy z dokumentami

[21:52] firmowymi. Kiedy więc warto przejść na

[21:55] rozwiązania firmowe? Gdy spełniacie choć

[21:58] jeden z tych warunków. Po pierwsze,

[22:00] pracujecie z wrażliwymi danimi

[22:02] firmowymi.

[22:04] Po drugie potrzebujecie integracji z

[22:06] istniejącymi narzędziami.

[22:08] Po trzecie, wasza praca wymaga

[22:10] współpracy zespołowej nad dokumentami.

[22:14] Po czwarte, chcecie mieć kontrolę nad

[22:16] tym, jak AI jest używane w organizacji.

[22:19] To trochę jak przyjście z osobistego

[22:20] konta email na firmowe. Tak, Gmail za

[22:23] darmo działa, ale czy chcielibyście

[22:25] prowadzić całą komunikację biznesową

[22:27] przez prywatne skrzynki? Pamiętajcie

[22:29] jednak, nie ma tu złych wyborów. Wersje

[22:32] konsumenckie są świetne na początek do

[22:34] testów i pierwszych wdrożeń. To

[22:37] naturalny pierwszy krok, ale gdy AI

[22:40] staje się istotnym elementem waszych

[22:42] procesów biznesowych, warto rozważyć

[22:44] przejście na rozwiązanie firmowe, takie

[22:47] jak Google Workspace AI. to inwestycja w

[22:50] bezpieczeństwo, efektywność i

[22:52] profesjonalizm waszej organizacji.

[22:55] Po opanowaniu pierwszego poziomu i

[22:57] zobaczeniu jak AI może wspierać

[22:59] pojedyncze zadania naturalnie pojawia

[23:01] się pytanie co dalej? I tu wkraczamy na

[23:04] poziom drugi. Podstawową automatyzację.

[23:07] To poziom, gdzie przechodzimy od

[23:09] manualnych eksperymentów do

[23:11] systematycznych zautomatyzowanych

[23:13] procesów.

[23:15] Najlepiej zobrazuję to na konkretnym

[23:17] przykładzie, który prawdopodobnie będzie

[23:19] bliski wielu z was. Weźmy średniej

[23:22] wielkości sklep internetowy z

[23:23] różnorodnym asortymentem.

[23:26] Na poziomie pierwszym moglibyście używać

[23:28] chata GPT do opisywania produktów,

[23:31] kopiować, wklejać, poprawiać. działało,

[23:34] ale było czasochłonne, szczególnie gdy

[23:37] liczba produktów rosła. Przy 10

[23:39] produktach to nie problem, ale co gdy

[23:42] mamy ich 1000 albo 10 000? Na poziomie

[23:46] drugim przechodzimy do prawdziwej

[23:48] automatyzacji. Co to oznacza w praktyce?

[23:52] Automatyczne tagowanie i kategoryzację

[23:54] produktów za pomocą AI. System

[23:57] samodzielnie analizuje zdjęcia

[23:59] produktów, ich nazwy i opisy, a

[24:01] następnie przypisuje je do odpowiednich

[24:03] kategorii. Wykorzystujemy do tego API

[24:06] dostępnych modeli takie jak Vision API

[24:08] czy Gemini.

[24:11] Zatrzymajmy się na moment przy kosztach

[24:12] i rezultatach.

[24:14] Inwestycja ta to zazwyczaj od 500 do

[24:16] 1000 zł miesięcznie na same API plus

[24:19] minimalne koszty infrastruktury. Może

[24:21] się to wydawać w porównaniu może się to

[24:23] wydawać sporo w porównaniu z 20 dolarami

[24:26] za czat GPT, ale spójrzmy na rezultaty.

[24:29] Redukcja czasu kategoryzacji o 7080%

[24:33] i znacząca poprawa jakości wyszukiwania

[24:35] w sklepie.

[24:36] przy setkach czy tysiącach produktów ROI

[24:39] staje się oczywiste.

[24:43] Ale czym właściwie jest to API?

[24:46] Wyobraźcie sobie kelnera w restauracji.

[24:49] Wy, czyli wasza aplikacja składacie

[24:51] zamówienie. Jaki jest kolor i krój tego

[24:54] produktu? Kelner, czyli API przekazuje

[24:58] je do kuchni, czyli do modelu AI w

[25:00] odpowiednim formacie.

[25:02] Kuchnia przetwarza zamówienie i

[25:04] przygotowuje odpowiedź, a kelner

[25:06] przynosi nam wam gotowe danie. W tym

[25:08] wypadku informacje czerwony koktajlowy.

[25:12] To jest właśnie API. Zbiór reguł, w jaki

[25:14] aplikacje komunikują się ze sobą.

[25:18] Proces wdrożenia takiej automatyzacji

[25:20] zazwyczaj wygląda tak. Krok pierwszy to

[25:23] dokumentacja techniczna. Co to właściwie

[25:25] znaczy? Weźmy przykład. Macie sklep na

[25:28] Shopify i chcecie użyć Vertex AI od

[25:30] Google Cloud. Musicie znaleźć dwa

[25:32] dokumenty. Jeden opisujący jak Shopify

[25:35] pozwala na komunikację z zewnętrznymi

[25:37] systemami, drugi mówiący jak używać AI

[25:40] od Google. To jak zbieranie instrukcji

[25:43] obsługi dla dwóch urządzeń, które chcemy

[25:45] ze sobą połączyć. Krok drugi jest

[25:47] fascynujący. Wykorzystujemy AI do

[25:50] wdrażania AI. Bierzecie te dokumentacje

[25:53] techniczne i wklejacie je do swojego

[25:55] ulubionego modelu językowego, na

[25:57] przykład chata GPT czy cloud.

[26:00] Prosicie go o przygotowanie instrukcji,

[26:02] jak połączyć te systemy. To jakby

[26:04] poprosić eksperta o przetłumaczenie

[26:06] dwóch instrukcji obsługi na jeden spójny

[26:09] przewodnik działania.

[26:11] Krok trzeci to rozbicie problemu na

[26:13] mikroskopijne części. Dlaczego to takie

[26:16] ważne? Bo przy każdym appie płaczycie za

[26:18] użycie, za tokeny, za zapytania. Im

[26:21] bardziej precyzyjnie określicie każdy

[26:23] krok, tym mniej będziecie płacić i tym

[26:24] mniejsze ryzyko błędu. Na przykład

[26:27] zamiast prosić e o analizę całego

[26:28] produktu na raz, możecie osobno pytać o

[26:30] kolor, osobno o kategorię, osobno o

[26:32] styl. I wreszcie krok czwarty, czyli

[26:35] testowanie. Tu złota zasada brzmi:

[26:37] testujcie na każdym możliwym etapie.

[26:40] Wysłaliście zapytanie do API, sprawdźcie

[26:43] czy odpowiedź przyszła. Dosta:

[26:46] sprawdźcie czy są w odpowiednim

[26:47] formacie. Zapisaliście w bazie.

[26:50] Sprawdźcie czy można je odczytać. To nie

[26:53] jest oczywiście już tak proste jak

[26:54] skopiowanie tekstu z czata GPT, ale

[26:57] wciąż jest w zasięgu możliwości

[26:58] większości firm. Potrzebujecie albo

[27:01] podstawowej znajomości programowania,

[27:03] albo i to dobra wiadomość, możecie użyć

[27:05] narzędzi no code jak repliit, które

[27:07] znacząco upraszczają ten proces. Co

[27:10] ważne, nie musicie robić wszystkiego na

[27:12] raz. Zacznijcie od jednej prostej

[27:14] automatyzacji. Może to być na przykład

[27:16] automatyczne tagowanie nowych produktów.

[27:19] Kiedy to zadziała, możecie dodać

[27:21] automatyczne generowanie opisów, potem

[27:23] może system rekomendacji. Krok po kroku

[27:26] budujecie coraz bardziej zaawansowany

[27:28] system. Pokażę wam jak to wygląda w

[27:31] praktyce.

[27:34] Tak jak wspominałem dla sklepu

[27:36] internetowego opartego Shopify

[27:38] spróbujemy wykorzystać Gemini do tego,

[27:41] żeby zintegrować jakby

[27:44] AI Googlea do tagowania produktów razem

[27:47] z naszym sklepem. Czyli tak naprawdę

[27:49] próbujemy wykorzystać AI do wdrożenia

[27:51] AI. Zobaczymy jak nam pójdzie. To co

[27:53] potrzebujemy to dwa dokumenty tak jak

[27:55] wspominałem. Pierwszy to jest

[27:56] dokumentacja platformy sklepowej na

[27:59] której się znajdujemy. W tym wypadku

[28:01] jest to Shopify. Jeżeli macie swoją

[28:03] własną platformę sklepową bądź swoją

[28:04] własną aplikację, poproście waszego

[28:06] programistę czy twórcę tej platformy,

[28:08] żeby wam taką dokumentację przedstawił.

[28:10] A druga dokumentacja to jest

[28:12] dokumentacja tej konkretnej usługi

[28:15] cloudowej, z którą w tym wypadku z którą

[28:16] chcecie się połączyć. Tak, ja tutaj

[28:18] wybrałem sobie

[28:20] vertex AI od Google, który pozwala

[28:23] tagować i opisywać obrazki na podstawie

[28:25] na podstawie tekstu. Jak spojrzycie

[28:27] tutaj w dokumentacji, nawet oni pokazują

[28:29] przykłady jak to działa. Tak że wysyłamy

[28:31] na przykład mu zdjęcie łódki

[28:33] na rzece i on jakby oddaj tak naprawdę

[28:36] tego zdjęcia. Oczywiście jest to

[28:39] funkcjonalność, którą większość modeli

[28:40] językowych jest w stanie zrobić, jeżeli

[28:42] wkleimy ten obraz i on nam zwróci tą

[28:44] odpowiedź. Ale właśnie na poziomie

[28:46] drugim próbujemy zbudować te pierwsze

[28:48] podstawowe automatyzacje. Chcemy, żeby

[28:50] to wszystko się działo bez naszego

[28:52] udziału. Więc co robimy? Opisujemy tak

[28:55] naprawdę do Gemini jaki mamy problem.

[28:57] Tak, czyli y chcę y chcę zintegropy

[29:08] z vertex, a i do tagowania produktów.

[29:18] przedstawię,

[29:26] czyli dokumentację

[29:29] obu platform

[29:33] i na tej podstawie

[29:36] przygotuj

[29:38] instrukcje dla mnie.

[29:40] I to co teraz robimy może się wydawać

[29:42] dość prymitywne, ale zapewniam was, że

[29:46] tak to się robi. Czyli to co robimy tak

[29:47] naprawdę kopiujemy tą całą stronę

[29:49] internetową, czyli dokumentację

[29:51] Shopifya, która nas interesuje

[29:54] od początku do końca.

[29:57] Jest to ważne, ponieważ musimy zadać

[29:59] kontekst temu lmowi, tak? Czyli on musi

[30:02] jakby wiedzieć z czym pracuje. Yyy,

[30:05] oczywiście można go zapytać, żeby on się

[30:06] połączył z internetem i sprawdził to

[30:08] sam, ale najlepsze efekty oczywiście

[30:10] przynosi skopiowanie całości tej tej

[30:13] strony z dokumentacją i wklejenie

[30:15] bezpośrednio jako prompt do czata. Więc

[30:18] jak widzimy, bierzemy tutaj sobie tą

[30:20] stronę ze Shopifya, klejamy ją po prostu

[30:24] tutaj

[30:26] do do naszego Gemini. jest wklejona

[30:30] i to co robimy to wrzucamy od razu

[30:32] bezpośrednio dokumentację też wertek

[30:36] vertex AI, czyli po prostu też ją sobie

[30:38] możemy możemy ją sobie całą skopiować. W

[30:42] zasadzie mogę to zrobić ctrol A i też ją

[30:45] sobie wklejam tutaj

[30:48] do Gemini. Więc jak widzicie wyszedł z

[30:50] tego mega długi prompt, który jakby

[30:52] opisuje w jaki sposób działają obie te

[30:56] obie te aplikacje i w jaki sposób

[30:59] pozwala im się ze sobą łączyć. Wysyłamy

[31:01] tak zadany prom do Gemini i patrzymy co

[31:04] się dzieje. On to oczywiście chwilę

[31:06] przetwarza i pyk zwraca nam instrukcję.

[31:09] Czyli on mówi nam teraz konkretnie co

[31:10] musi jaką jakby co musi konkretnie

[31:13] wydarzyć po naszej stronie, żeby ta

[31:14] integracja zadziałała. Czyli daj nam

[31:16] konkretną informację. Create webhook

[31:18] subscription in Shopify, czyli prosi

[31:20] nas, żebyśmy stworzyli subskrypcję na

[31:22] webhooki Shopify. Wchodzimy, jakby on

[31:24] konkretnie też mówi, gdzie w jaki sposób

[31:26] to zrobić. E, po stronie Googlea jakby

[31:30] uruchomienie tego modelu y vertex,

[31:33] wysyłanie konkretnych product data to to

[31:35] vertex i tak dalej, i tak dalej. Jakieś

[31:37] additional tips. To jest jakby zaczyna,

[31:38] to jest pierwsza instrukcja, którą na

[31:40] bardzo wysokopoziomowo on nam daje

[31:42] odnośnie tego, co zrobić, nie? Więc

[31:45] możemy go zapytać dokładnie, nie? Czyli

[31:47] jakby możemy zapytać go please give more

[31:51] detailed

[31:56] on idź step provide

[32:00] code examples. Czyli teraz prosimy go,

[32:03] żeby on nam podał bardziej dokładne

[32:04] instrukcje na każdym kroku i dał

[32:07] przykłady właśnie w kodzie jak to zrobić

[32:09] konkretnie. Więc jak widzicie tutaj on

[32:11] rozbudowuje tak naprawdę tą tą

[32:15] instrukcję o dodatkowe informacje, tak?

[32:17] Czyli właśnie jakie eventy wykorzystać

[32:18] do tego, żeby te dwie platformy

[32:21] porozumiewały się ze sobą, jaki format

[32:23] powinien tego być,

[32:25] jakby co to, który jaki URL powinien być

[32:27] dla tych produktów i tak dalej i tak

[32:29] dalej. Podając nawet fragmenty kodu

[32:32] konkretne dla konkretnego etapu tak

[32:35] naprawdę wdrażenia tej integracji, tak

[32:36] jak widzicie, on to dzieli na takie

[32:38] mniejsze zadania, tak? Pierwszy to jest

[32:40] create webhook subscription Spotify,

[32:41] czyli stworzenie tego webhooka. Drugi to

[32:43] jest jakby włączenie tego modelu vertex

[32:46] AI i dla każdego tutaj daje przykłady

[32:48] kodu.

[32:50] I teraz jakby w jaki sposób z tym

[32:52] pracować? No w taki, że faktycznie

[32:54] idziemy po tych jego instrukcjach i

[32:55] zadajemy mu konkretne pytania. Dobra,

[32:57] jestem na tym etapie. Co dalej? Tak

[32:58] jakby tutaj Shopify mi zwraca taką

[33:01] informację, co mam z tym zrobić. Tutaj

[33:03] wertx jakby daje mi taki komunikat, co

[33:06] mam z tym zrobić.

[33:08] W ten sposób możemy tak naprawdę wejść w

[33:10] dialog z Gemini czy nie wiem z czatem

[33:12] GPT i zacząć zadawać mu pytanie odnośnie

[33:14] tego, w jaki sposób te dwie platformy ze

[33:16] sobą połączyć. Wspominałem też o tym

[33:18] narzędziu właśnie repliit, nie? Ono jest

[33:20] jakby stworzone specyficznie jakby pod

[33:22] ten pod ten use case. Czyli replic jest

[33:26] jakby narzędziem do generowania kodu na

[33:30] podstawie promptów w języku naturalnym i

[33:33] jest dość skutecznym narzędziem. ma

[33:35] nawet oficjalną integrację z Google

[33:37] Cloudem, więc jeżeli chcecie spróbować

[33:38] sobie sami w ten sposób dokonać takiej

[33:41] integracji, to możecie to zrobić w ten

[33:43] sposób. Jeśli chodzi o samo wdrożenie,

[33:45] macie przed sobą dwie ścieżki. Pierwsza

[33:48] to współpraca z programistą, który

[33:50] stworzy bezpośrednią integrację między

[33:52] waszym systemem a API. Oznacza to pełną

[33:55] kontrolę nad rozwiązaniem, możliwość

[33:57] dostosowania każdego elementu i lepsze

[34:00] zabezpieczenie, ale też wyższy koszt

[34:02] początkowy i dłuższy czas wdrożenia.

[34:05] Druga to właśnie wykorzystanie narzędzi

[34:07] no cod, tak jak wspomniany replit w

[34:09] połączeniu z Gemini. To rozwiązanie

[34:11] działa trochę jak klocki Lego. Łączycie

[34:13] ze sobą gotowe elementy bez pisania

[34:15] kodu. Daje to od znacznie niższy próg

[34:18] wejścia, szybsze wdrożenie i niższy

[34:20] koszt początkowy, choć kosztem mniejszej

[34:22] kontroli i ograniczonych możliwości

[34:24] customizacji.

[34:25] Wybór między tymi ścieżkami zależy

[34:27] głównie od waszego budżetu, skali

[34:29] działania i dostępnych kompetencji

[34:31] technicznych w zespole.

[34:33] Co ciekawe, możecie też zacząć od

[34:35] rozwiązania Nocode, przetestować

[34:37] koncept, a gdy się sprawdzi, przejść do

[34:38] własnego rozwiązania.

[34:42] Ale pamiętajcie o kilku kluczowych

[34:43] zasadach przy przechodzeniu na poziom

[34:45] drugi z poziomu pierwszego. Po pierwsze,

[34:48] zacznijcie od jednego dobrze

[34:49] zdefiniowanego procesu. Nie próbujcie

[34:52] zautomatyzować wszystkiego na raz.

[34:54] Wybierzcie proces, który jest

[34:55] powtarzalny, czasochłonny, a

[34:57] jednocześnie ma duży wpływ na waszą

[34:59] organizację. To może być obsługa

[35:01] klienta, kategoryzacja produktów czy

[35:04] analiza danych sprzedażowych. Kluczem

[35:06] jest precyzyjne określenie zakresu

[35:08] projektu i kryteriów sukcesu. Po drugie,

[35:11] upewnijcie się, że macie dostęp do

[35:13] odpowiedniej jakości danych.

[35:15] Automatyzacja oparta na AI jest tak

[35:17] dobra jak dane, na których jest

[35:18] trenowana. Zanim zaczniecie integrować

[35:20] AI z waszymi procesami, zweryfikujcie

[35:23] jakość, kompletność i spójność waszych

[35:25] danych. Jeśli to konieczne, poświęczcie

[35:27] czas na oczyszczenie i ustrukturyzowanie

[35:29] danych. To fundament, na którym

[35:31] zbudujecie wasze rozwiązanie AI.

[35:34] Po trzecie, zainwestujcie w monitoring i

[35:37] system alertów. Wraz z automatyzacją

[35:39] procesów musicie mieć pewność, że

[35:40] wszystko zadziała jak należy. Wdruszcie

[35:42] system monitoringu, który będzie śledzić

[35:44] kluczowe metryki i alarmować was w

[35:46] przypadku anomalii. Może to być na

[35:48] przykład nagły spadek accuracy modelu

[35:50] AI, wzrost liczby błędów czy wydłużony

[35:53] czas odpowiedzi. Wczesne wykrywanie

[35:56] problemów pozwoli wam szybko reagować i

[35:58] minimalizować ryzyka.

[36:01] Po czwarte, zachowajcie możliwość

[36:03] ludzkiej interwencji. Nawet najlepsze

[36:05] systemy AI nie są doskonałe. Zawsze będą

[36:08] przypadki, których AI nie będzie w

[36:10] stanie obsłużyć lub decyzje, które

[36:12] wymagają ludzkiej weryfikacji.

[36:14] Projektując proces, uwzględnijcie

[36:16] możliwość eskalacji do człowieka. Może

[36:19] to być opcja porozmawiać z konsultantem

[36:21] w chatbocie czy ścieżka akceptacji dla

[36:23] automatycznie wygenerowanych opisów

[36:25] produktów. Balans między automatyzacją a

[36:28] kontrolą człowieka to klucz do

[36:30] efektywnego wdrożenia AI. Po piąte,

[36:34] systematycznie mierzcie ROI. Wdrożenie

[36:36] AI na poziomie drugim to inwestycja

[36:38] czasu i zasobów. Aby ocenić jej

[36:40] sensowność, musicie mierzyć zwrot z

[36:42] inwestycji. Zdefiniujcie kluczowe

[36:44] metryki, takie jak oszczędność czasu,

[36:47] poprawa obsługi klienta, wzrost

[36:48] konwersji i monitorujcie je regularnie.

[36:52] Porównujcie wyniki przed i po wdrożeniu

[36:54] AI. To pomoże wam uzasadnić dalsze

[36:57] inwestycje i zidentyfikować obszary do

[36:59] optymalizacji.

[37:01] Poziom drugi to nie rewolucja, to

[37:04] ewolucja. To naturalne rozwinięcie

[37:07] waszych pierwszych eksperymentów z AI w

[37:09] kierunku systematycznych, skalowalnych

[37:11] rozwiązań.

[37:13] To krok, który pozwala wam przejść od

[37:15] pojedynczych sukcesów do systematycznej

[37:18] transformacji procesów waszej

[37:19] organizacji.

[37:21] Wymaga to strategicznego podejścia,

[37:23] inwestycji w dane, infrastrukturę oraz

[37:25] ciągłego monitorowania i dostrajania,

[37:28] ale korzyści w postaci oszczędności

[37:30] czasu, poprawy jakości i skalowalności

[37:33] są warte tego wysiłku.

[37:35] Poziom drugi to moment, w którym AI

[37:37] przestaje być ciekawostką, a staje się

[37:39] integralną częścią waszego biznesu.

[37:42] Poziom trzeci to moment, kiedy AI

[37:44] przestaje być dodatkiem, a staje się

[37:46] nieodłączną częścią naszych produktów i

[37:48] procesów. Na tym etapie wdrażamy AI do

[37:50] istniejących systemów. Automatyzujemy

[37:53] całe ścieżki obsługi klienta.

[37:55] Personalizujemy komunikację na

[37:56] niespotykaną dotąd skalę.

[37:59] Wyobraźmy sobie dużą sieć hoteli, która

[38:01] postanowiła zintegrować AI ze swoim

[38:04] systemem obsługi klienta. AI stało się

[38:07] niezmordowanym wsparciem dla

[38:08] pracowników, przyjmując część

[38:10] konwersacji i dając im więcej czasu na

[38:12] bardziej złożone zadania. Modele

[38:15] predykcyjne zaczęły wspierać decyzje, na

[38:17] przykład o zwrotach, optymalizując

[38:19] zarówno czas, jak i satysfakcję gości. A

[38:22] wszystko to dzięki zaawansowanym modelom

[38:24] przetwarzania języka naturalnego i

[38:26] uczenia maszynowego, które potrafią

[38:28] zrozumieć potrzeby gości lepiej niż

[38:30] niejeden recepcjonista.

[38:32] Oczywiście taka zmiana wymaga inwestycji

[38:36] od tworzenia własnych modeli AI

[38:37] dopasowanych do specyfiki firmy przez

[38:40] budowę zespołu Data Science aż po

[38:42] zapewnienie odpowiedniej infrastruktury

[38:44] IT.

[38:46] Łączny koszt takiego projektu może

[38:48] sięgać dziesiątek tysięcy złoty

[38:50] miesięcznie. Ale korzyści są tego warte.

[38:53] Dzięki AI można poprawić wydajność

[38:55] obsługi klienta nawet o 15-20%.

[38:58] Jeden pracownik ze wsparciem AI jest w

[39:00] stanie obsłużyć kilku gości jednocześnie

[39:03] bez obniżania jakości. Procesy decyzyjne

[39:06] na przykład przy zwrotach stają się

[39:08] szybsze, a typowe zapytania gości mogą

[39:11] być załatwiane automatycznie bez

[39:13] angażowania człowieka. To są realne

[39:16] korzyści, które usprawniają działanie

[39:17] firmy i przekładają się na zadowolenie

[39:19] klientów.

[39:21] Poziom trzeci to duży krok naprzód,

[39:23] wymagający pewnych nakładów i dobrego

[39:25] planowania, ale dla firm, które się na

[39:27] to zdecydują korzyści mogą być znaczące.

[39:30] A zaczyna odgrywać kluczową rolę w

[39:32] działaniu firmy, optymalizując procesy i

[39:35] poprawiając obsługę klienta na nowym

[39:37] poziomie. To etap, na którym firma może

[39:40] zyskać przewagę konkurencyjną w swojej

[39:42] branży. Przenieśmy się teraz na poziom,

[39:44] gdzie AI przestaje być tylko dodatkiem,

[39:46] a staje się fundamentem kluczowych

[39:48] procesów w firmie. Poziom czwarty, czyli

[39:51] zaawansowane wdrożenia, to etap, w

[39:53] którym sztuczna inteligencja przestaje

[39:55] być narzędziem używanym w jednym dziale

[39:57] czy dla jednego procesu. Tutaj AI jest

[40:00] wplecione w strategię organizacji,

[40:02] wspierając jej kluczowe działania. Co to

[40:04] właściwie oznacza? To moment, w którym

[40:07] sztuczna inteligencja nie tylko

[40:09] usprawnia istniejące procesy, ale

[40:11] wręcznie przeprojektowuje.

[40:13] Firmy na tym poziomie używają AI do

[40:14] tworzenia przewagi rynkowej. Przewagi,

[40:17] którą trudno skopiować. To nie tylko

[40:19] optymalizacja kosztów, ale także

[40:22] zupełnie nowe możliwości personalizacji,

[40:25] skalowalności i automatyzacji.

[40:28] W praktyce oznacza to, że każdy element

[40:30] działalności firmy od obsługi klienta

[40:32] przez zarządzanie produktami aż po

[40:34] podejmowanie decyzji strategicznych może

[40:37] być wspierany lub napędzany przez AI.

[40:40] Spójrzmy na przykład Allegro,

[40:41] największej platformy e-commerce w

[40:43] Polsce. Na pierwszy rzut oka wygląda to

[40:45] jak zwykła strona zakupowa, ale kryje

[40:48] się za nią zaawansowany ekosystem oparty

[40:50] na AI. Zacznijmy od wyników

[40:52] wyszukiwania. Wydaje się proste,

[40:54] wpisujesz frazę i otrzymujesz wynik.

[40:56] Jednak sprawia, że te wyniki są po

[40:59] pierwsze dopasowane do twoich

[41:01] preferencji. Algorytmy analizują

[41:03] historię twoich wyszukiwań i zakupów,

[41:06] aby przewidzieć, co może cię

[41:07] zainteresować.

[41:09] Po drugie, jest w nich korekta błędów.

[41:11] Gdy wpisujesz nazwę produktu z

[41:13] literówką, AI automatycznie rozpozna

[41:15] intencje i wyświetli właściwe wyniki. I

[41:18] po trzecie, zawiera dynamiczne

[41:20] sortowanie potrafności. Na przykład

[41:22] jeśli wcześniej oglądałeś konkretną

[41:24] kategorię produktów, algorytmy sortują

[41:26] oferty w taki sposób, były one bardziej

[41:28] widoczne. To jednak nie wszystko.

[41:30] Kolejnym elementem są grupowanie ofert i

[41:33] moderacja treści. Wyobraźmy sobie, że

[41:35] użytkownik wstawia zdjęcie produktu,

[41:37] który nie spełnia regulaminu. AI

[41:39] automatycznie wychwytuje te

[41:40] niezgodności, oszczędzając pracę ludzi i

[41:42] przyspieszając proces. Podobnie działa

[41:45] grupowanie. Podobne produkty są

[41:47] automatycznie łączone, co ułatwia

[41:49] porównywanie i wybór klientom. I

[41:51] wreszcie reklamy na Allegro. System

[41:53] reklamowy jest napędzany przez AI, która

[41:56] na podstawie przewidywanych wyników

[41:58] decyduje, które reklamy są najbardziej

[42:00] efektywne. To AI w czasie rzeczywistym

[42:02] ocenia, które oferty powinny znaleźć się

[42:04] na górze wyników wyszukiwania.

[42:07] Oczywiście Allegro to tylko jeden

[42:09] przykład. Na poziomie czwartym firmy

[42:11] mogą wdrażać AI na wiele sposobów, a

[42:14] możliwości są niemal nieograniczone.

[42:16] Pierwszym przykładem są systemy

[42:18] rekomendacyjne.

[42:19] Wyobraźmy sobie, że wchodzisz na stronę

[42:21] główną sklepu internetowego, a każda

[42:24] rekomendacja jest idealnie dopasowana do

[42:25] twoich potrzeb. To efekt pracy

[42:27] zaawansowanych algorytmów. Takie systemy

[42:30] są odpowiedzialne za rekomendacje typu

[42:33] klienci, którzy kupili ten produkt,

[42:34] wybrali też.

[42:36] Ale to nie wszystko. AI może przewidywać

[42:39] twoje zainteresowania, a nawet na

[42:41] podstawie niewielkiej ilości danych,

[42:43] sugerując produkty, o których nawet nie

[42:45] pomyślałeś.

[42:46] Drugim zastosowaniem jest analityka

[42:48] sprzedażowa. Dzięki AI firmy mogą

[42:51] przewidywać popyt na konkretne produkty,

[42:53] co pozwala lepiej zarządzać zapasami.

[42:56] Algorytmy analizują dane historyczne,

[42:58] trendy sezonowe i zachowania klientów,

[43:01] pomagając podejmować decyzje, które

[43:03] wcześniej wymagałyby wielu godzin pracy

[43:05] analityków. Przykład, supermarkety,

[43:08] które mogą zoptymalizować ceny na

[43:10] podstawie przewidywalnego popytu w

[43:12] weekendy czy święta.

[43:14] Ale na tym się nie kończy. AI na

[43:16] poziomie czwartym wspiera także

[43:18] moderację treści. Dzięki AI firm mogą

[43:21] automatycznie sprawdzać tysiące nowych

[43:23] ofert, zdjęć czy opisów dziennie.

[43:25] Systemy wychwytują niezgodności z

[43:27] regulaminem, co oszczędza czas i

[43:29] minimalizuje ryzyko. Również obsługuje

[43:32] klienta. Wyobraźcie sobie, że AI

[43:34] analizuje ton wiadomości klienta,

[43:36] wychwytując frustracje i proponując

[43:38] rozwiązanie, zanim klient zdąży poprosić

[43:40] o pomoc. To nie tylko zwiększa

[43:42] zadowolenie klientów, ale także znacząco

[43:45] zmniejsza obciążenie działu obsługi.

[43:47] Oczywiście takie zaawansowane wdrożenia

[43:49] wymagają większych inwestycji i to

[43:52] zarówno w technologię jak i ludzi.

[43:55] Przyjrzyjmy się kosztom. Zespół

[43:57] badawczy. Potrzebujecie od 10 do 15

[43:59] osób, które będą tworzyć i optymalizować

[44:01] modele AI. Koszt od 250 do 500 000 zł

[44:06] miesięcznie. Data science. Kolejne 1520

[44:10] osób, które zajmują się analizą danych i

[44:12] ich przygotowaniem. Koszt od 300 do 600

[44:15] 000 miesięcznie. Infrastruktura.

[44:18] Wdrożenie AI wymaga potężnej mocy

[44:20] obliczeniowej, co oznacza koszty rzędu

[44:21] 100 300 000 miesięcznie na

[44:23] infrastrukturę chmurową. Razem z

[44:25] licencjami i szkoleniami całkowity koszt

[44:28] wdrożenia może wynosić od 900 000 do 2

[44:31] milionów złot miesięcznie. Pamiętajmy,

[44:33] te inwestycje zwracają się wielokrotnie.

[44:36] Firmy, które wdrażają AI na takim

[44:38] poziomie uzyskują przewagę rynkową,

[44:40] której trudno dorównać. Podsumowując,

[44:44] poziom czwarty to nie tylko kolejne

[44:46] usprawnienia, to transformacja, która

[44:48] zmienia sposób działania firmy na

[44:50] fundamentalnym poziomie. Takie wdrożenia

[44:53] wymagają zasobów, wiedzy i strategii,

[44:56] ale jednocześnie otwierają drzwi do

[44:58] niespotykanych możliwości. Dla firm,

[45:01] które są gotowe na ten krok, AI staje

[45:03] się prawdziwym game changerem

[45:05] umożliwiającym skalowanie działań,

[45:07] tworzenie personalizowanych doświadczeń

[45:09] dla klientów i budowanie przewagi

[45:11] konkurencyjnej. Przechodzimy teraz do

[45:13] ostatniego poziomu dojrzałości AI w

[45:15] firmach. AI First. Co oznacza bycie

[45:18] firmą AI First? Są to organizacje, które

[45:20] oparły cały swój model biznesowy na

[45:23] wykorzystaniu sztucznej inteligencji. W

[45:25] przypadku tych firm AI nie jest już

[45:27] narzędziem wspomagającym procesy, ani

[45:29] nawet kluczowym elementem niektórych

[45:31] działań. Jest to fundament, na którym

[45:33] opiera się cała ich działalność. Te

[45:35] firmy posiadają gigantyczne zbiory

[45:37] danych, które są przetwarzane w czasie

[45:39] rzeczywistym, aby spersonalizować,

[45:41] zoptymalizować i zautomatyzować

[45:44] każdy aspekt interakcji z klientem.

[45:47] Możemy powiedzieć, że gdyby nie AI, te

[45:50] firmy nie mogłyby istnieć w swojej

[45:51] obecnej formie.

[45:53] Przykłady: Netflix, TikTok, Cleo, AI.

[45:57] Każda z tych firm działa na innym rynku,

[46:00] ale wszystkie łączy to, że AI jest ich

[46:02] mózgiem, napędza ich produkty, usługi i

[46:06] sposób, w jaki wchodzą w interakcje z

[46:07] użytkownikami.

[46:09] Omówmy to na konkretnych przypadkach,

[46:11] zaczynając od Netflixa.

[46:14] Netflix to doskonały przykład firmy AI

[46:16] First, ponieważ każdy aspekt tej

[46:18] platformy, który widzimy jako

[46:19] użytkownicy, jest sterowany przez

[46:21] zaawansowane algorytmy sztucznej

[46:23] inteligencji. Weźmy chociażby miniaturki

[46:25] filmów i seriali, które widzimy na

[46:27] stronie głównej. Wydaje się, że są one

[46:30] wybrane losowo lub przez człowieka. W

[46:32] rzeczywistości za wyborem każdego

[46:34] obrazka stoi skomplikowany proces.

[46:36] Netflix analizuje dane o użytkownikach,

[46:39] o filmach i o tym, jak użytkownicy

[46:41] reagują na określone treści. Na tej

[46:44] podstawie dobiera miniaturki, które mają

[46:47] największą szansę przyciągnąć waszą

[46:49] uwagę. Spójrzmy na konkretny przykład.

[46:52] Serial Stranger Things. Różni

[46:55] użytkownicy zobaczą różne wersje

[46:57] miniaturki. Na jed na jednej znajdzie

[46:59] się kadr mroczny z krwią i tajemniczym

[47:01] klimatem, a na innej wesoła scena z

[47:04] bohaterami. Dlaczego? Bo Netflix wie, że

[47:07] użytkownicy mają różne preferencje.

[47:10] Jeśli preferujesz horrory, zobaczysz

[47:12] mroczny kadr. Jeśli interesują cię

[47:14] relacje między postaciami, dostaniesz

[47:15] obrazek przedstawiający interakcję

[47:17] bohaterów.

[47:18] Wszystko to jest zoptymalizowane w

[47:20] czasie rzeczywistym. Kolejny przykład,

[47:22] film Goodwill Hunting. Tutaj Netflix

[47:25] stosuje podejście jeszcze bardziej

[47:26] precyzyjne. Film może być pokazany jako

[47:30] romantyczny lub komediowy w zależności

[47:33] od preferencji użytkownika. Jeśli ktoś

[47:35] ogląda głównie filmy romantyczne,

[47:38] zobaczy miniaturkę z Matem Damonem i

[47:40] jego partnerką w scenie miłosnej. Jeśli

[47:42] natomiast preferuje komedię, zobaczę

[47:44] Robina Williamsa, który odgrywa kluczową

[47:46] rolę komediową w filmie. Te decyzje nie

[47:49] są przypadkowe. Netflix analizuje setki

[47:52] atrybutów filmów i preferencji

[47:54] użytkownika, aby wybrać najlepszy

[47:56] obrazek.

[47:58] Ale miniaturki to tylko jedna część

[48:00] personalizacji. Netflix poszedł jeszcze

[48:02] dalej, automatyzując proces wyboru

[48:04] najlepszych kadrów. Za pomocą AI

[48:07] platforma analizuje każdy film i serial,

[48:09] wybiera najciekawsze sceny, a następnie

[48:12] przypisuje im atrybuty takie jak emocje

[48:14] bohaterów, atmosfera czy tematyka. Na

[48:17] przykład scena z Willem Smithem może

[48:19] zostać opisana jako emocjonalna,

[48:21] dynamiczna lub mroczna. Algorytmy

[48:24] automatycznie przetwarzają cały kontent

[48:27] przypisując te atrybuty, które później

[48:29] są używane do personalizacji. To

[48:31] wszystko dzieje się na ogromną skalę.

[48:34] Wyobraźcie sobie, każda scena każdego

[48:36] filmu i serialu musi być przetworzona i

[48:39] opisana. AI robi to w sposób ciągły, co

[48:42] pozwala Netflixowi dynamicznie

[48:43] dostosowywać swoją ofertę do

[48:45] zmieniających się preferencji

[48:47] użytkowników.

[48:48] Jak duża jest ta skala? Netflix

[48:51] obsługuje ponad 280 milionów

[48:53] użytkowników na całym świecie. Każdego

[48:56] dnia przetwarza miliardy interakcji od

[48:58] kliknić w miniaturki przez wybory filmów

[49:01] aż po informacje o tym, kiedy użytkownik

[49:03] przestał oglądać dany odcinek. Te dane

[49:06] są stale analizowane i wykorzystywane do

[49:09] udoskonalenia rekomendacji,

[49:11] personalizowania treści i optymalizacji

[49:14] doświadczenia użytkownika. I to wszystko

[49:17] dzieje się w czasie rzeczywistym.

[49:19] Algorytmy uczą się na bieżąco, co

[49:21] oznacza, że każdy wybór użytkownika,

[49:24] każdy klik, każda sekunda spędzona na

[49:26] oglądaniu wpływa na to, co zobaczysz

[49:29] następnym razem. bez AI taki poziom

[49:32] personalizacji i efektywności byłby

[49:34] niemożliwy do osiągnięcia. Przenieśmy

[49:36] się teraz do innego przykładu Cleo AI,

[49:39] czyli inteligentnego asystenta

[49:41] finansowego, który również należy do

[49:43] firm AI First. AI to aplikacja, która

[49:46] pomaga użytkownikom zarządzać ich

[49:48] finansami w nowoczesny sposób. Jest to

[49:50] usługa oparta o AI, która działa jak

[49:52] konwersacyjny doradca finansowy.

[49:55] Użytkownicy mogą w naturalnym języku

[49:57] pytać CLEO o swój stan konta. analizę

[50:00] wydatków czy prognozy finansowe. Na

[50:02] przykład ile wydałem w tym miesiącu na

[50:05] jedzenie, czy mogę zaoszczędzić na

[50:07] wakacje, jeśli będę odkładać 200 zł

[50:10] miesięcznie.

[50:11] Ale Cleo nie ogranicza się tylko do

[50:13] odpowiadania na pytania. Na podstawie

[50:15] analizy wzorców wydatków użytkownika

[50:18] potrafi stworzyć prognozy i sugestie. Na

[50:20] przykład jeśli Kleo zauważy, że wydajesz

[50:22] zbyt dużo na jedzenie na mieście,

[50:24] zasugerujesz, żebyś spróbował gotować w

[50:26] domu. Jeśli zbyt dużo pieniędzy idzie na

[50:28] niepotrzebne zakupy, Cleo może pomóc

[50:30] stworzyć plan oszczędnościowy.

[50:33] Cleo wyróżnia się także swoim nietypowym

[50:35] podejściem do interakcji z

[50:36] użytkownikiem. Jedną z najbardziej

[50:38] unikalnych funkcji jest tak zwany roast

[50:40] mode, w którym Cleo żartobliwie

[50:42] komentuje twoje wydatki. Na przykład:

[50:45] Czy naprawdę potrzebujesz kupować

[50:46] codziennie kawę na mieście? Twoja karta

[50:48] kredytowa płacze. McDonald znowu może

[50:51] warto spróbować czegoś innego? To

[50:54] podejście jest szczególnie atrakcyjne

[50:55] dla młodszych użytkowników, którzy

[50:56] doceniają luz i humor w komunikacji.

[50:59] Dzięki temu Cleo stał się bardzo

[51:00] popularny wśród generacji Z, która szuka

[51:03] prostych, ale interaktywnych narzędzi do

[51:05] zarządzania finansami.

[51:07] W przypadku Cleo AI kluczowym elementem

[51:09] sukcesu była nie tylko sama technologia,

[51:11] ale również ogromne inwestycje, które

[51:12] firma poczyniła, aby osiągnąć obecny

[51:15] poziom zaawansowania.

[51:17] Cleo musiało zbudować swój model AI od

[51:19] podstaw, wykorzystując między innymi

[51:20] zaawansowane technologie oparte na

[51:22] przetwarzaniu języka naturalnego oraz

[51:25] modele uczenia maszynowego, takie jak te

[51:27] rozwijane w oparciu o GPT. Ale to nie

[51:30] wszystko. Budowa aplikacji Cleo wymagała

[51:32] powołania całego zespołu Data Science,

[51:34] który stał się centralnym punktem firmy.

[51:37] To właśnie ci specjaliści zajmują się

[51:38] analizą danych użytkowników, rozwijaniem

[51:41] modeli predykcyjnych i optymalizacją

[51:42] systemu pod kątem doświadczeń

[51:44] użytkowników.

[51:46] W praktyce w takich firmach jak Cleo

[51:48] zespół Data Science spełni rolę silnika,

[51:50] który napędza całą organizację.

[51:53] Żeby obsłużyć miliony zapytań

[51:54] użytkowników w czasie rzeczywistym, CLEO

[51:56] musiało zainwestować również w

[51:58] odpowiednią infrastrukturę obliczeniową.

[52:00] To obejmuje serwery chmurowe, które

[52:02] umożliwiają przetwarzanie dużej ilości

[52:04] danych na bieżąco. Narzędzia analityczne

[52:07] i programistyczne, które wspierają

[52:09] rozwój i wdrażanie modeli AI, mechanizmy

[52:11] zabezpieczające dane, co jest

[52:13] szczególnie istotne w kontekście

[52:14] finansów osobistych użytkowników.

[52:17] Dzięki tym inwestycjom Cleo jest w

[52:18] stanie nie tylko odpowiadać na pytania w

[52:20] czasie rzeczywistym, ale również

[52:22] dostarczać użytkownikom analizy ich

[52:23] wydatków i prognozy finansowe.

[52:27] Cleo wiedziało, że aby konkurować z

[52:28] tradycyjnymi bankami i fintechami

[52:30] potrzebuje stworzyć coś więcej niż tylko

[52:32] narzędzie do zarządzania finansami.

[52:34] Dlatego ogromna część inwestycji została

[52:36] skierowana na stworzenie unikalnego

[52:38] interfejsu użytkownika, który jest w

[52:40] pełni napędzany przez AI. Kluczowym

[52:42] aspektem było tutaj wdrożenie

[52:44] personalizacji na poziomie, który

[52:45] sprawia, że każdy użytkownik ma

[52:47] wrażenie, że aplikacja jest dostosowana

[52:49] wyłącznie do jego potrzeb. Na przykład

[52:51] funkcja Rose mode, o której wspominałem

[52:53] wcześniej, została stworzona po to, aby

[52:55] wyróżnić Kleo na tle konkurencji. Takie

[52:58] elementy nie powstałyby bez odpowiednich

[52:59] nakładów na badania, testy z

[53:01] użytkownikami i rozwój modeli

[53:02] językowych. Przeszliśmy właśnie przez

[53:06] wszystkie poziomy dojrzałości w

[53:07] wykorzystaniu sztucznej inteligencji, od

[53:09] prostych eksperymentów przez

[53:11] systematyczne automatyzacje aż po firmy,

[53:13] które oparły cały swój model biznesowy

[53:15] na AI. I teraz pytanie do was, na jakim

[53:18] etapie znajduje się wasza organizacja?

[53:21] Czy bliżej wam do sklepu meblowego z

[53:23] Poznania, który w weekend wdrożył prostą

[53:25] automatyzację dzięki Gemini? Czy może

[53:28] widzicie w swoim podejściu elementy

[53:30] bardziej zaawansowane, na przykład

[53:31] integrację AI w kluczowych procesach?

[53:33] jak w przypadku Allegro. A może

[53:36] aspirujecie do poziomu Cleo? AI first,

[53:38] gdzie każda decyzja opiera się na

[53:40] analizie danych i personalizacji. W

[53:42] następnej lekcji omówimy sobie jak

[53:44] praktycznie określić na którym jesteście

[53:46] poziomie wdrożenia AI i jakie powinny

[53:48] być wasze następne kroki. Przejdźmy

[53:51] teraz do bardzo konkretnej części. Jak

[53:53] zaplanować konkretny krok w rozwoju AI w

[53:55] waszej organizacji. Przygotowałem

[53:57] checklistę, która pomoże wam określić

[53:59] gdzie jesteście i co powinno być waszym

[54:01] następnym krokiem.

[54:04] Spójrzmy najpierw na typowe cechy firm,

[54:06] dla których poziom pierwszy będzie

[54:07] idealnym startem. Mniej niż 50 zapytań

[54:10] dziennie. To może być mały sklep

[54:12] internetowy, gdzie większość komunikacji

[54:14] z klientami to proste pytanie o

[54:16] dostępność produktów czy czas dostawy.

[54:19] Odpowiedzi nie muszą być natychmiastowe.

[54:21] Klient może poczekać kilka minut, co

[54:22] daje wam przestrzeń na weryfikacji

[54:24] odpowiedzi AI. Mały zespół, brak

[54:27] programisty na pokładzie, dokładnie jak

[54:29] ten sklep meblowy z Poznania, o którym

[54:30] mówiliśmy wcześniej. Co szczególnie

[54:33] ważne na tym poziomie, treść zapytań

[54:35] często się zmienia i wymaga ludzkiej

[54:37] weryfikacji. To może być branża modowa,

[54:39] gdzie klienci pytają detale produktów

[54:41] albo firma szkoleniowa, gdzie każde

[54:43] zapytanie jest nieco inne. Budżet

[54:46] poniżej 1000 zł miesięcznie pozwala na

[54:48] eksperymentowanie z narzędziami takimi

[54:50] jak Gemini czy Cloud bez dużego ryzyka

[54:52] finansowego.

[54:54] Jeśli większość z powyższych punktów

[54:55] dotyczy twojej firmy, poziom pierwszy

[54:57] będzie dla ciebie odpowiedni.

[55:00] Z drugiej strony, kiedy warto pomyśleć o

[55:02] poziomie drugim? Wyobraźcie sobie firmę

[55:05] logistyczną obsługującą ponad 50 zapytań

[55:08] dziennie o status przesyłek. Tu

[55:10] odpowiedzi muszą być natychmiastowe.

[55:12] Klient czeka na informacje o swojej

[55:13] paczce. Macie dostęp do programistów,

[55:16] którzy mogą zintegrować AI z waszym

[55:17] systemem CRM czy platformą e-commerce.

[55:20] Pytania i odpowiedzi mają stały format.

[55:22] Gdzie jest moja paczka? Kiedy będzie

[55:24] dostawa? Czy mogę zmienić adres?

[55:27] Na tym poziomie kluczowa staje się

[55:29] skalowalność rozwiązania i możliwość

[55:31] monitorowania wyników. Jeśli prowadzicie

[55:34] sklep internetowy z tysiącami produktów,

[55:36] potrzebujecie systemu, który

[55:38] automatycznie kategoryzuje nowe produkty

[55:40] i aktualizuje opisy. Ale jeśli macie

[55:43] call center, gdzie te same pytania

[55:45] pojawiają się setki razy dziennie,

[55:47] automatyzacja staje się nie tylko opcją,

[55:49] ale też koniecznością. Jeśli większość z

[55:52] powyższych punktów dotyczy twojej firmy,

[55:54] powinieneś rozważyć poziom drugi.

[55:58] Ale uwaga, są też wyraźne czerwone

[56:00] flagi, które mówią stop. Pierwsza

[56:03] czerwona flaga to brak konkretnego

[56:05] problemu do rozwiązania. Nie wystarczy

[56:07] powiedzieć: "Chcemy wdrożyć chatbota".

[56:10] Kluczowe pytanie brzmi: Co konkretnie

[56:12] ten chatbot ma rozwiązać? Ile czasu

[56:14] obecnie zajmuje ten proces? Ilu

[56:16] pracowników jest w niego zaangażowanych.

[56:18] Jeśli nie potraficie odpowiedzieć na te

[56:20] pytania, zatrzymajcie się. Druga

[56:23] kwestia, brak zdefiniowanych procesów w

[56:25] firmie. Zanim pomyślicie o AI, musicie

[56:28] dokładnie wiedzieć, jak działają wasze

[56:30] procesy biznesowe. Jaką ścieżkę

[56:32] przechodzi zapytanie od klienta? Kto

[56:35] podejmuje jakie decyzje? Gdzie są wąskie

[56:38] gardła? AI nie naprawi chaotycznej

[56:40] organizacji. Wręcz przeciwnie, może

[56:42] tylko pogłębić problemy. W przypadku

[56:44] małej firmy albo jednoosobowej

[56:46] działalności nie będzie z tym problemu.

[56:48] Jednak schody zaczynają się przy

[56:49] większych organizacjach.

[56:52] Trzecia sprawa, odpowiedzialność za

[56:54] projekt. AI to nie jest narzędzie, które

[56:56] można po prostu włączyć i zapomnieć.

[56:58] Potrzebujecie konkretnej osoby, która

[57:00] będzie odpowiedzialna za monitorowanie

[57:02] jakości odpowiedzi, aktualizację wiedzy

[57:04] systemu, zbieranie feedbacku od

[57:06] użytkowników.

[57:07] bez tego nawet najlepsze rozwiązanie

[57:09] zacznie z czasem działać coraz gorzej.

[57:12] Dzięki naszemu kursowi to właśnie ty

[57:14] możesz być taką osobą w swojej firmie. I

[57:16] wreszcie kwestia danych. Jeśli

[57:19] pracujecie z danymi medycznymi

[57:20] informacjami o transakcjach finansowych

[57:22] czy danymi osobowymi, standardowe,

[57:25] publiczne dostępne wersje AI nie

[57:27] wystarczą. Potrzebujecie

[57:29] specjalistycznych rozwiązań z

[57:30] odpowiednimi certyfikatami

[57:31] bezpieczeństwa i zgodnością z

[57:33] regulacjami. To nie jest obszar na

[57:35] eksperymenty czy oszczędności. A kiedy

[57:38] właściwie wiemy, że czas przejść z

[57:39] poziomu pierwszego na poziom drugi?

[57:41] Pozwólcie, że podam wam kilka bardzo

[57:43] konkretnych sygnałów. Pierwszy,

[57:45] zaczynacie tracić za dużo czasu na

[57:46] ręczną pracę. Przykład z życia. Jeśli

[57:49] wasz zespół spędza kilka godzin dziennie

[57:51] na kopiowaniu tych samych odpowiedzi do

[57:52] klientów albo ręcznik kategoryzuje setki

[57:55] produktów, to wyraźny sygnał, że pora na

[57:57] automatyzację. Drugi, klienci zaczynają

[58:00] narzekać na czas odpowiedzi. Jeśli

[58:03] słyszycie coraz częściej: "Czekałem za

[58:05] długo na odpowiedź albo konkurencja

[58:07] odpowiada szybciej", to moment, żeby

[58:10] pomyśleć o bardziej zaawansowanych

[58:12] rozwiązaniach.

[58:13] Trzeci sygnał. Zauważacie, że te same

[58:16] procesy powtarzają się każdego dnia. To

[58:18] może być analiza dokumentów,

[58:20] odpowiadanie na maile, kategoryzacja

[58:22] zgłoszeń. Jeśli widzicie wzorce, które

[58:25] się regularnie powtarzają, to świetny

[58:27] kandydat do automatyzacji. I wreszcie

[58:30] wasza skala działania rośnie. Jeśli z 50

[58:33] zapytań dziennie robią się setki, jeśli

[58:35] z dziesiątek produktów robią się

[58:37] tysiące, ręczne zarządzanie przestaje

[58:40] być opcją. Ale jest coś, o czym

[58:42] koniecznie muszę wspomnieć. Nie musicie

[58:45] przechodzić na poziom drugi ze wszystkim

[58:47] na raz. Możecie zacząć od jednego działu

[58:49] czy procesu, podczas gdy reszta

[58:51] organizacji działa nadal na poziomie

[58:53] pierwszym. To nie jest wyścig, to raczej

[58:56] stopniowa ewolucja tam, gdzie przyniesie

[58:58] najwięcej korzyści. Mając już jasność co

[59:01] do poziomu waszej organizacji,

[59:03] porozmawiajmy o tym, jak konkretnie

[59:05] zaplanować kolejne kroki. To proces,

[59:07] który zawsze zaczyna się od solidnego

[59:09] audytu tego, co już macie. Najpierw

[59:12] musicie znaleźć wszystkie powtarzalne

[59:14] procesy w firmie. te codzienne rutynowe

[59:16] zadania, które pochłaniają czas waszego

[59:18] zespołu. Równolegle trzeba

[59:20] przeanalizować dane, które już

[59:22] zbieracie. Może macie skarb w postaci

[59:24] historii, interakcji z klientami czy

[59:26] logów systemowych, których jeszcze nie

[59:28] wykorzystujecie. Przy wyborze pierwszego

[59:31] projektu kierujcie się zasadą

[59:33] minimalnego ryzyka i maksymalnego

[59:35] zwrotu. Zacznijcie od czegoś prostego i

[59:38] niskobudżetowego. Świetnym przykładem

[59:40] jest właśnie Gemini, który za 20 dolarów

[59:42] miesięcznie może zautomatyzować

[59:44] podstawową komunikację z klientami.

[59:47] Kluczowy element to budowa kompetencji w

[59:49] zespole. I tu mam dla was dobrą

[59:51] wiadomość. Po ukończeniu tego kursu to

[59:53] właśnie wy możecie stać się pierwszymi

[59:55] ekspertami od AI w waszej organizacji.

[59:58] Możecie przeprowadzić podobne szkolenia

[59:59] dla swoich zespołów przekazując wiedzę o

[01:00:01] tym jak praktycznie wykorzystać AI w

[01:00:03] codziennej pracy. To często lepsze

[01:00:05] rozwiązanie niż szukanie zewnętrznych

[01:00:07] ekspertów, bo znacie specyfikę swojej

[01:00:09] firmy i jej realne potrzeby. Wdrożenie

[01:00:12] powinno być stopniowe. Zacznijcie od

[01:00:15] małego projektu pilotażowego. Dokładnie

[01:00:17] mierzcie rezultaty. Wprowadzajcie

[01:00:19] poprawki. To podejście iteracyjne, gdzie

[01:00:22] każdy kolejny krok bazuje na wnioskach z

[01:00:24] poprzedniego. I wreszcie myślcie

[01:00:27] długoterminowo. Określcie dokąd

[01:00:29] zmierzacie z AI w swojej organizacji.

[01:00:31] Stwórzcie mapę drogową kolejnych

[01:00:33] projektów. Technologia rozwija się

[01:00:36] błyskawicznie. To, co dziś wydaje się

[01:00:38] zaawansowane za rok może być standardem

[01:00:41] rynkowym.