5 poziomów dojrzałości w firmie — Transcript

Po tym, jak przyjrzeliśmy się przyczynom wrażenia AI, naturalne pytanie brzmi: jak właściwie wygląda ta droga? Jak firmy przechodzą od pierwszych eksperymentów do zaawansowanych wdrożeń?

Eksperci z Gartnera stworzyli model dojrzałości AI, który świetnie pokazuje tę drogę. Wyobraźcie sobie to jako mapę rozwoju, gdzie mamy pięć wyraźnych poziomów. Przyjrzyjmy się każdemu z nich. Poziom pierwszy to pierwsze kroki.

To jak nauka jazdy na rowerze z bocznymi kółkami. Firma zaczyna dostrzegać potencjał AI w kontekście biznesowym.

Pojawiają się pierwsze weekendowe projekty. Dokładnie jak ten sklep meblowy z Poznania, o którym mówiliśmy wcześniej.

Jeden prompt, jedna automatyzacja, pierwszy sukces. Poziom drugi, podstawowa automatyzacja. Tutaj firma zaczyna świadomie wykorzystywać AI do konkretnych pojedynczych procesów. To już nie są eksperymenty weekendowe, ale przemyślane projekty. Przykład: bank automatyzujący kategoryzację przelewów albo e-commerce wykorzystujący AI do tagowania

produktów. Proste, ale efektywne zastosowania. Poziom trzeci to integracja AI. Tu zaczyna się prawdziwa zabawa. Firmy nie tylko automatyzują pojedyncze procesy, ale zaczynają wbudowywać AI w istniejące produkty i narzędzia. Pojawiają się pierwsze end to end zautomatyzowane procesy. To jak przejście od

automatycznych świateł w domu do prawdziwego smart home’u, gdzie wszystkie systemy ze sobą współpracują. Poziom czwarty. Zaawansowane wdrożenia.

AI staje się kluczowym elementem wielu procesów w firmie. To nie tylko automatyzacja czy usprawnienia, to budowanie całych produktów opartych o sztuczną inteligencję. Pomyślcie o Allegro i ich systemie rekomendacji, który łączy dane o zachowaniach użytkowników, historię zakupów oraz trendy rynkowe. I wreszcie poziom piąty,

AI First, to najwyższy poziom dojrzałości, gdzie cały model biznesowy jest zbudowany wokół AI. Przykład Netflix, o którym mówiliśmy, gdzie każdy aspekt doświadczenia użytkownika jest personalizowany przez AI, od doboru treści po miniaturki filmów. Co ciekawe, te poziomy nie są jak schody, po których

musicie wspinać się krok po kroku. Możecie mieć różne części organizacji na różnych poziomach. Wasz dział obsługi klienta może być na poziomie drugim z prostym chatbotem, podczas gdy dział produktowy już eksperymentuje z zaawansowanymi rozwiązaniami z poziomu czwartego.

Kluczowe jest zrozumienie, gdzie jesteście teraz i jaki powinien być wasz następny krok. Bo wiecie, co jest najgorsze w AI? Próba przeskoczenia zbyt wielu poziomów na raz. To jak próba nauczenia się jazdy przez wejście na tor wyścigowy może skończyć się boleśnie.

Na potrzeby naszego kursu skupimy się szczególnie na poziomach pierwszym i drugim. Dlaczego? Bo to właśnie te poziomy mają najbardziej praktyczne zastosowanie dla większości organizacji.

Nie każda firma musi czy nawet powinna dążyć do bycia drugim Netflixem. Dla wielu z was największą wartość biznesową przyniosą właśnie te pierwsze poziomy dojrzałości AI. Pomyślcie o tym tak. Te pierwsze dwa poziomy to jak złote żniwa efektywności. To tutaj często

znajdziecie najszybszy zwrot z inwestycji i najmniej skomplikowane wdrożenia. To właśnie na tych poziomach pojedynczy prompt może zaoszczędzić 60% czasu pracy, a prosty model AI może zautomatyzować żmudne zadania, które dotychczas zajmowały godzinę.

Dlatego w kolejnych częściach naszego kursu zgłębimy się szczególnie w te dwa pierwsze poziomy. Pokażę wam konkretne przykłady, narzędzia i strategie, które możecie zastosować już teraz w swoich organizacjach bez potrzeby wielomilionowych inwestycji czy zespołu data scientistów.

Przejdźmy teraz do bardzo konkretnego przykładu, który świetnie pokazuje, jak wygląda poziom pierwszy w praktyce.

Weźmy mały sklep odzieżowy online. Biznes, który prawdopodobnie jest bliski wielu z was. Jakie jest wdrożenie?

Proste. Wykorzystanie AI do szybkiej odpowiedzi na typowe pytania klientów. Technologia, gotowe narzędzie takie jak Gemini. Inwestycja sama subskrypcja Gemini. A rezultat: redukcja czasu pracy działu obsługi klienta od 30 do 50%.

Imponujące, prawda? Ale najważniejsze pytanie, jak to zrobić? Przeprowadzę was przez to krok po kroku.

Krok pierwszy. Stwórzcie plik z najczęstszymi pytaniami klientów. Co warto tam umieścić? Czas i opcje dostawy, politykę zwrotów, informacje o rozmiarówce, wszystko, o co klienci pytają regularnie. I tutaj mała wskazówka. Możecie użyć Google Docs, Worda albo nawet zwykłego notatnika. AI

jest na tyle sprytne, że poradzi sobie z dowolnym formatem. Krok drugi. Stwórzcie prompt dla AI. To kluczowy element. Musicie opisać, czym zajmuje się wasz biznes, jaką rolę ma odgrywać AI i w jakim formacie ma zwracać odpowiedzi. Do tego wklejacie

plik z najczęstszymi pytaniami jako element kontekstu prompta. Struktura dobrego prompta jest prosta. Cel, format odpowiedzi od AI, ostrzeżenia i kontekst.

Krok trzeci. Przetestujcie odpowiedzi AI na kilku przypadkach. To ważne, bo czasem AI może źle zrozumieć kontekst albo, jak to mówimy w branży, halucynować. W takich sytuacjach warto doprecyzować prompt, żeby uniknąć takich sytuacji w przyszłości. I wreszcie krok czwarty. Po prostu wklejajcie maile od

klientów bezpośrednio do AI i kopiujcie jego odpowiedzi. A po tygodniu policzcie, ile czasu zaoszczędziliście. Gwarantuję, że będziecie pozytywnie zaskoczeni. To właśnie jest piękno poziomu pierwszego.

Jego prostota. Nie potrzebujecie tu zespołu programistów, miesięcy przygotowań czy skomplikowanych integracji. Potrzebujecie tylko systematycznego podejścia i chęci do eksperymentowania. I pamiętajcie, te 30 do 50% oszczędności czasu to nie jest magia. To rezultat przemyślanego krok po kroku procesu wdrożenia AI do

konkretnego powtarzalnego zadania w firmie. Teraz zobaczmy, jak to działa w praktyce. Więc otwieram Gemini. To jest jej podstawowy widok, w którym komunikuję się z llmem. Mam już przygotowany prompt naszego sklepu odzieżowego, o którym wspominałem wcześniej. Wklejam ten prompt. Możemy sobie przez niego przejść

w szczegółach. Jak widzicie, jest on w specyficzny sposób sformatowany. Zaczynamy od nagłówka. Jakby o co chodzi? To będzie asystent obsługi klienta Urban Vibes. To jest nazwa naszej firmy. Opisuje rolę asystenta.

Tak, w tym wypadku jesteś asystentem obsługi klienta Urban Vibes, modnego sklepu odzieżowego w Warszawie.

Odpowiadasz na maile klientów w sposób pomocny i przyjazny, zgodny z głosem marki. Tak? Czyli widzicie, jakby tutaj zwracamy uwagę na to, w jaki sposób mają te odpowiedzi wyglądać w kierunku klienta. Następnie opisujemy w promcie zachowanie. Odpowiadaj w swobodnym, ale

profesjonalnym tonie. Bądź pomocny i szukaj rozwiązań. Trzymaj się ścisłej polityki sklepu. Okazuj zrozumienie dla sytuacji klienta. Tak, czyli chcemy, żeby ten asystent empatetyzował z naszymi klientami. Podajemy dane naszego sklepu. Oczywiście są to zmyślone dane, ten sklep nie istnieje. No i wklejamy

zasady naszego sklepu, tak? Czyli jak jest, jaka jest polityka zwrotów, dostawa, czy jest możliwa wymiana rozmiaru, jakie płatności obsługujemy i tak dalej. No i teraz tak, to co jest super tutaj kluczowe, zobaczcie aktualne promocje. Dajmy mu informację, nie

wymyślaj, czekaj na informacje. Tak jest, to super ważne, żeby uniknąć tego, o czym wspominałem, czyli właśnie tego halucynowania. Nie chcemy, żeby asystent sam wymyślał promocje, które później przekaże klientom. Był taki przypadek linii lotniczej, która jakby wykorzystała chatbota AI-owego do tego,

żeby komunikować się ze swoimi klientami i on wymyślał różnego rodzaju promocje, które później sąd w Stanach Zjednoczonych uznał, że no skoro tak przedstawiciel firmy zwrócił się do klienta i taką przekazał informację, to firma musi tę promocję uhonorować i tę zniżkę temu klientowi dać. 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.

Następnie pokazujemy mu format odpowiedzi, jaki chcemy, żeby był. Przywitanie z imieniem klienta, jasna odpowiedź na głów...

Następnie pokazujemy mu format odpowiedzi, jaki chcemy, żeby był. Przywitanie z imieniem klienta, jasna odpowiedź na główne pytanie, informacje o zasadach i tak dalej, i tak dalej.

Styl i ton, przyjazny i przystępny, młodzieżowy i na czasie. Sklep nazywa się Urban Vibes. Profesjonalny, ale nieformalny, empatyczny i wyrozumiały. 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. I można dać również przykład dobrych odpowiedzi, jakieś takie szczególne frazy, które chcemy, żeby ten sklep wykorzystywał, dać przykłady odpowiedzi z przeszłości, które nasi pracownicy udzielili, które uznajemy, że są wyjątkowo dobre.

No i dodatkowy kontekst, wszystko co może być dla niego ważne. Więc tak, skonstruowany prąd, jak widzicie jest on dość długi, ale dzięki temu daje pełen kontekst sytuacji naszemu asystentowi. Wysyłamy do Gemini, on to go przetwarza. No i właśnie super.

Jestem gotowy, aby wcielić się w rolę asystenta obsługi klienta Urban Vibes i odpowiadać na maile klientów zgodnie z swoimi wytycznymi. Postaram się być pomocny, przyjazny i postępować zgodnie z zasadami sklepu. Mam tu przygotowany mail od od klienta, który przykleję

właśnie teraz do do asystenta i zobaczymy w jaki sposób udzieli on odpowiedzi. Mamy tutaj proszę bardzo mail od pani Anny Kowalskiej. Dzień dobry. Kupiłam wczoraj u was Blueto Street Vibes w rozmiarze M, ale chyba będzie za mała. Nie oderwałem

jeszcze metki. Czy mogę ją wymienić na rozmiar L? Albo najlepiej czy mogę najpierw zamówić L, przymierzyć obie i te niedopasowaną zwrócić. Wolałabym nie zostać bez bluzy, bo jest super. Dodam, że mieszkam w Warszawie, więc mogę podjechać do sklepu, jak będzie taka

możliwość. Jak widzimy, jest to dość złożony request, złożona prośba od klienta. Tak jakby ona chce wymienić tą bluzę na jakąś inną, ale tak naprawdę najpierw chc zamówić, przymierzyć obie i jedną zwrócić. Czyli jest to request od klienta wymagający kilku różnych kilku

różnych akcji od agenta obsługi klienta. Zobaczymy czy Mini sobie z nim poradzi. Przesyłamy tego maila, proszę. i od razu odpowiada: "Cześć Anno, dzięki za wiadomość i super, że bluza Street Vibes ci się spodobała.

Jasne, że możesz ją wymienić na rozmiar L. W naszym sklepie stacjonarnym wymiara rozmiaru to bułka z masłem. Możesz śmiało wpaść do nas na 1 59 z bluzą i paragonem, a pomożemy ci dobrać idealny rozmiar". Imiana w sklepie jest

najszybszą opcją, więc od razu wyjdzie z odpowiednią bluzą. Jeśli wolisz najpierw zamówić rozmiar R L i porównać obie bluzy w domu, to też nie ma problemu.

Pamiętaj tylko, że na zwrot masz 30 dni od daty zakupu. Jak widzimy, ton jest nieformalny, przyjazny, tak jak poprosiliśmy yyy asystenta. Jeżeli sprawdzimy sobie z oryginalnym promptem y właśnie jego zachowanie, on on powiedział faktycznie w swobodnym, ale profesjonalnym tonie. Jest pomocny i

szuka rozwiązań. I teraz pytanie najważniejsze, czy ściśle trzyma się polityki sklepu? Zasady sklepu były takie: zwroty 30 dni z paragonem, wymiana rozmiaru możliwa w sklepie.

Zobaczmy, co on tutaj odpowiedział. Faktycznie jasne, że możesz ją wymienić, czyli zgadza się z polityką sklepu. W naszym sklepie stacjonarnym wymiana rozmiaru to bułka z masem. Faktycznie wspomina o tym, że musi się odbyć w sklepie stacjonarnym. Wspomina adres,

adres jest prawidłowy, że też wymiana następuje z paragonem. No i ogólnie jakby ton jest dość pomocny, tak? Wymiana w sklepie jest najszybszą opcją i tak dalej.

Także widzicie, jest to zamiast napisanie takiego maila prawdopodobnie jakiemuś agentowi obsługi klienta zajęłoby chwilkę czasu, żeby się zastanowić, ją skomponować.

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? AI się nie męczy. Tak,

za każdym razem robi to w ułamek sekundy. Za każdym razem będzie tak samo przyjazny. 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. Wszystko tutaj to się da zrobić. Najważniejsze tak naprawdę w tym wszystkim jest to, że zajmuje to tak naprawdę ułamek sekundy, żeby wygenerować takiego maila. No i dosłownie 30 sekund na to, żeby przekleić go do maila i wysłać do do

klienta. 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 robienie innej, bardziej kreatywnej, bardziej twórczej, bardziej przychodowej pracy.

Jest jeszcze drugi sposób wykorzystania AI w firmie. który nazywam tak naprawdę asystentem CO, tak? Czyli asystentem prezesa firmy. Jest to sposób, z którego ja osobiście najczęściej korzystam z AIa. Ja osobiście jestem Head of Product w firmie GOCOM. Yyy, jest to sklep, w

którym sprzedajemy gry komputerowe i wykorzystuję wykorzystuję AI jako asystenta do mojej pracy jako head of product. I w tym celu wykorzystuję na przykład Gemini, który ma coś takiego jak menagżer gemów. 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.

Jak to działa? Jeżeli tworzycie sobie 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? Czyli co konkretnie chcecie, żeby ten gem dla was robił. 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. Pracuję nad strategią, pracuję z zespołem, muszę ich motywować,

muszę wymyślać nowe nowe projekty. No i ostatecznie kontekst całej firmy, tak? Czyli czyli jaką firmą jest Gocom, ile mamy przychodów, jak mamy konkurencję i tak dalej. jakby tutaj opisujemy sobie tak naprawdę co my od tego gema chcemy, tak? Czyli właśnie ten konkretne

konkretne instrukcje. 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. Jak widać jakby daj mu konkretne instrukcje do

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. Więc wejźmy sobie tutaj na ten nasz gem head of product, który sobie przygotowałem. No i

wcześniej miałem z nim taką rozmowę, w którym zapytałem go o ceny umiejętności product managera. W sumie możemy odklikać i zobaczyć. W tej dyskusji tutaj zadałem mu pytanie: "Pgotuj listę kluczowych umiejętności dla product managera. Są to pracownicy, którzy do

mnie raportują. Oni zajmują się pracą z zespołami deweloperskimi nad wdrażaniem nowych produktów digitalowych na poziomie meet, którą wykorzystam w ewaluacji moich pracowników. Więc zadałem mu takie pytanie. 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. 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, zarządzanie produktem i zespołem i tak

dalej, i tak dalej. Więc on tutaj mi wygenerował taki powiedzmy małe wypracowanie odnośnie tego, jakie są te cechy, które ja, które ja cenię w product managerach. 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". 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?

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. No zostawiłem to do Gemini do zaprezentowania jakby do

wymyślenia w jaki sposób ma to wyglądać. Jak widzicie, on zaprezentował tutaj taką tabelę, tak? 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.

Potrafię przeprowadzać badania użytkowników, analizować dane behawioralne i wyciągać wnioski z feedbacku, aby identyfikować potrzeby i problemy klientów. skala oceny, samoocena pracownika, ocena przełożonego, czyli moja uwagi. No i on to zrobił dla całego, całej tej listy tych wszystkich umiejętności, jak

widzicie oraz dodał tutaj kilka różnych sugestii. 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. 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 zedytować, pouewnić się, że stylistyka jest odpowiednia i tak dalej. Dzięki AIowi jestem w stanie tak naprawdę ten pierwszy etap, czyli stworzenie tej pierwszej wersji tego dokumentu zrobić tak naprawdę w ułamek sekund. Tak, on to

przygotował dosłownie w mniej niż sekundę i już mam jakiś materiał, nad którym mogę pracować. Już mogę to odbić ze swoimi współpracownikami, już mogę sobie to sczytać, zacząć sobie edytować.

To jest właśnie ten zero shot prompting, tak? Czyli jakby to przejście od poziomu zero tak naprawdę do już jakiegoś poziomu pierwszej pierwszej pierwszego kontentu wygenerowanego przez przez AI.

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. 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. I nie ma znaczenia czy jesteście freelancerem, który zajmuje się graphic design, tak? Czy jesteście

prezesem boutiku, właścicielem boutiku odzieżowego, czy prezesem jakiejś małej, średniej firmy. 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. Także

bardzo polecam. 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. Kiedy już oswoicie się z pierwszym poziomem i

zaczniecie dostrzegać realne korzyści z AI w codziennej pracy, naturalnie pojawi się pytanie o kolejny krok. I tu dochodzimy do ważnego rozróżnienia w świecie AI, narzędzi konsumenckich i firmowych. Wyobraźmy sobie to jako dwie ścieżki rozwoju. Na jednej mamy popularne narzędzie jak Chat GPT Plus,

Gemini Advance czy Cloud Pro. Każ za około 20$ arów miesięcznie. To właśnie te rozwiązania, które świetnie sprawdzają się na poziomie pierwszym przy pojedynczych eksperymentach i osobistych projektach. Ale jest też druga ścieżka, profesjonalne rozwiązania biznesowe.

Spójrzmy na to z trzech kluczowych perspektyw. Pierwsza perspektywa absolutnie kluczowa dla firm, bezpieczeństwo. W wersjach konsumenckich wszystkie prompty są widoczne dla dostawcy. Macie tylko standardowe warunki użycia i ograniczoną kontrolę nad swoimi danymi. W wersjach firmowych pełna integracja z polityką

bezpieczeństwa waszej firmy, możliwość podpisania NDA, a przede wszystkim kontrola nad danymi firmowymi. To nie jest tylko wygoda, to kwestia compliance i bezpieczeństwa danych. Druga różnica to integracja. W wersjach konsumenckich musicie korzystać z osobnej strony czy aplikacji, ręcznie kopiować treści. Nie

macie dostępu do dokumentów firmowych. Wersje biznesowe działają bezpośrednio w waszych dokumentach firmowych. Są zintegrowane z mailem służbowym, mają dostęp do firmowych danych. To ogromna różnica w codziennej pracy. I wreszcie trzecia różnica zastosowanie. Wersje konsumenckie są świetne do testów,

osobistych projektów, nauki, możliwości AI, ale wersje firmowe są stworzone do pracy zespołowej i pracy z dokumentami firmowymi. Kiedy więc warto przejść na rozwiązania firmowe? Gdy spełniacie choć jeden z tych warunków. Po pierwsze, pracujecie z wrażliwymi danimi firmowymi.

Po drugie potrzebujecie integracji z istniejącymi narzędziami. Po trzecie, wasza praca wymaga współpracy zespołowej nad dokumentami.

Po czwarte, chcecie mieć kontrolę nad tym, jak AI jest używane w organizacji. To trochę jak przyjście z osobistego konta email na firmowe. Tak, Gmail za darmo działa, ale czy chcielibyście prowadzić całą komunikację biznesową przez prywatne skrzynki? Pamiętajcie jednak, nie ma tu złych wyborów. Wersje

konsumenckie są świetne na początek do testów i pierwszych wdrożeń. To naturalny pierwszy krok, ale gdy AI staje się istotnym elementem waszych procesów biznesowych, warto rozważyć przejście na rozwiązanie firmowe, takie jak Google Workspace AI. to inwestycja w bezpieczeństwo, efektywność i

profesjonalizm waszej organizacji. Po opanowaniu pierwszego poziomu i zobaczeniu jak AI może wspierać pojedyncze zadania naturalnie pojawia się pytanie co dalej? I tu wkraczamy na poziom drugi. Podstawową automatyzację.

To poziom, gdzie przechodzimy od manualnych eksperymentów do systematycznych zautomatyzowanych procesów. Najlepiej zobrazuję to na konkretnym przykładzie, który prawdopodobnie będzie bliski wielu z was. Weźmy średniej wielkości sklep internetowy z różnorodnym asortymentem.

Na poziomie pierwszym moglibyście używać chata GPT do opisywania produktów, kopiować, wklejać, poprawiać. działało, ale było czasochłonne, szczególnie gdy liczba produktów rosła. Przy 10 produktach to nie problem, ale co gdy mamy ich 1000 albo 10 000? Na poziomie drugim przechodzimy do prawdziwej

automatyzacji. Co to oznacza w praktyce? Automatyczne tagowanie i kategoryzację produktów za pomocą AI. System samodzielnie analizuje zdjęcia produktów, ich nazwy i opisy, a następnie przypisuje je do odpowiednich kategorii. Wykorzystujemy do tego API dostępnych modeli takie jak Vision API

czy Gemini. Zatrzymajmy się na moment przy kosztach i rezultatach. Inwestycja ta to zazwyczaj od 500 do 1000 zł miesięcznie na same API plus minimalne koszty infrastruktury. Może się to wydawać w porównaniu może się to wydawać sporo w porównaniu z 20 dolarami

za czat GPT, ale spójrzmy na rezultaty. Redukcja czasu kategoryzacji o 7080% i znacząca poprawa jakości wyszukiwania w sklepie.

przy setkach czy tysiącach produktów ROI staje się oczywiste. Ale czym właściwie jest to API?

Wyobraźcie sobie kelnera w restauracji. Wy, czyli wasza aplikacja składacie zamówienie. Jaki jest kolor i krój tego produktu? Kelner, czyli API przekazuje je do kuchni, czyli do modelu AI w odpowiednim formacie.

Kuchnia przetwarza zamówienie i przygotowuje odpowiedź, a kelner przynosi nam wam gotowe danie. W tym wypadku informacje czerwony koktajlowy.

To jest właśnie API. Zbiór reguł, w jaki aplikacje komunikują się ze sobą. Proces wdrożenia takiej automatyzacji zazwyczaj wygląda tak. Krok pierwszy to dokumentacja techniczna. Co to właściwie znaczy? Weźmy przykład. Macie sklep na Shopify i chcecie użyć Vertex AI od

Google Cloud. Musicie znaleźć dwa dokumenty. Jeden opisujący jak Shopify pozwala na komunikację z zewnętrznymi systemami, drugi mówiący jak używać AI od Google. To jak zbieranie instrukcji obsługi dla dwóch urządzeń, które chcemy ze sobą połączyć. Krok drugi jest fascynujący. Wykorzystujemy AI do

wdrażania AI. Bierzecie te dokumentacje techniczne i wklejacie je do swojego ulubionego modelu językowego, na przykład chata GPT czy cloud.

Prosicie go o przygotowanie instrukcji, jak połączyć te systemy. To jakby poprosić eksperta o przetłumaczenie dwóch instrukcji obsługi na jeden spójny przewodnik działania.

Krok trzeci to rozbicie problemu na mikroskopijne części. Dlaczego to takie ważne? Bo przy każdym appie płaczycie za użycie, za tokeny, za zapytania. Im bardziej precyzyjnie określicie każdy krok, tym mniej będziecie płacić i tym mniejsze ryzyko błędu. Na przykład

zamiast prosić e o analizę całego produktu na raz, możecie osobno pytać o kolor, osobno o kategorię, osobno o styl. I wreszcie krok czwarty, czyli testowanie. Tu złota zasada brzmi: testujcie na każdym możliwym etapie.

Wysłaliście zapytanie do API, sprawdźcie czy odpowiedź przyszła. Dosta: sprawdźcie czy są w odpowiednim formacie. Zapisaliście w bazie.

Sprawdźcie czy można je odczytać. To nie jest oczywiście już tak proste jak skopiowanie tekstu z czata GPT, ale wciąż jest w zasięgu możliwości większości firm. Potrzebujecie albo podstawowej znajomości programowania, albo i to dobra wiadomość, możecie użyć narzędzi no code jak repliit, które

znacząco upraszczają ten proces. Co ważne, nie musicie robić wszystkiego na raz. Zacznijcie od jednej prostej automatyzacji. Może to być na przykład automatyczne tagowanie nowych produktów.

Kiedy to zadziała, możecie dodać automatyczne generowanie opisów, potem może system rekomendacji. Krok po kroku budujecie coraz bardziej zaawansowany system. Pokażę wam jak to wygląda w praktyce.

Tak jak wspominałem dla sklepu internetowego opartego Shopify spróbujemy wykorzystać Gemini do tego, żeby zintegrować jakby AI Googlea do tagowania produktów razem z naszym sklepem. Czyli tak naprawdę próbujemy wykorzystać AI do wdrożenia AI. Zobaczymy jak nam pójdzie. To co

potrzebujemy to dwa dokumenty tak jak wspominałem. Pierwszy to jest dokumentacja platformy sklepowej na której się znajdujemy. W tym wypadku jest to Shopify. Jeżeli macie swoją własną platformę sklepową bądź swoją własną aplikację, poproście waszego programistę czy twórcę tej platformy,

żeby wam taką dokumentację przedstawił. A druga dokumentacja to jest dokumentacja tej konkretnej usługi cloudowej, z którą w tym wypadku z którą chcecie się połączyć. Tak, ja tutaj wybrałem sobie vertex AI od Google, który pozwala tagować i opisywać obrazki na podstawie

na podstawie tekstu. Jak spojrzycie tutaj w dokumentacji, nawet oni pokazują przykłady jak to działa. Tak że wysyłamy na przykład mu zdjęcie łódki na rzece i on jakby oddaj tak naprawdę tego zdjęcia. Oczywiście jest to funkcjonalność, którą większość modeli

językowych jest w stanie zrobić, jeżeli wkleimy ten obraz i on nam zwróci tą odpowiedź. Ale właśnie na poziomie drugim próbujemy zbudować te pierwsze podstawowe automatyzacje. Chcemy, żeby to wszystko się działo bez naszego udziału. Więc co robimy? Opisujemy tak

naprawdę do Gemini jaki mamy problem. Tak, czyli y chcę y chcę zintegropy z vertex, a i do tagowania produktów.

przedstawię, czyli dokumentację obu platform i na tej podstawie przygotuj instrukcje dla mnie. I to co teraz robimy może się wydawać dość prymitywne, ale zapewniam was, że tak to się robi. Czyli to co robimy tak naprawdę kopiujemy tą całą stronę

internetową, czyli dokumentację Shopifya, która nas interesuje od początku do końca. Jest to ważne, ponieważ musimy zadać kontekst temu lmowi, tak? Czyli on musi jakby wiedzieć z czym pracuje. Yyy, oczywiście można go zapytać, żeby on się połączył z internetem i sprawdził to

sam, ale najlepsze efekty oczywiście przynosi skopiowanie całości tej tej strony z dokumentacją i wklejenie bezpośrednio jako prompt do czata. Więc jak widzimy, bierzemy tutaj sobie tą stronę ze Shopifya, klejamy ją po prostu tutaj do do naszego Gemini. jest wklejona

i to co robimy to wrzucamy od razu bezpośrednio dokumentację też wertek vertex AI, czyli po prostu też ją sobie możemy możemy ją sobie całą skopiować. W zasadzie mogę to zrobić ctrol A i też ją sobie wklejam tutaj do Gemini. Więc jak widzicie wyszedł z

tego mega długi prompt, który jakby opisuje w jaki sposób działają obie te obie te aplikacje i w jaki sposób pozwala im się ze sobą łączyć. Wysyłamy tak zadany prom do Gemini i patrzymy co się dzieje. On to oczywiście chwilę

przetwarza i pyk zwraca nam instrukcję. Czyli on mówi nam teraz konkretnie co musi jaką jakby co musi konkretnie wydarzyć po naszej stronie, żeby ta integracja zadziałała. Czyli daj nam konkretną informację. Create webhook subscription in Shopify, czyli prosi nas, żebyśmy stworzyli subskrypcję na

webhooki Shopify. Wchodzimy, jakby on konkretnie też mówi, gdzie w jaki sposób to zrobić. E, po stronie Googlea jakby uruchomienie tego modelu y vertex, wysyłanie konkretnych product data to to vertex i tak dalej, i tak dalej. Jakieś additional tips. To jest jakby zaczyna,

to jest pierwsza instrukcja, którą na bardzo wysokopoziomowo on nam daje odnośnie tego, co zrobić, nie? Więc możemy go zapytać dokładnie, nie? Czyli jakby możemy zapytać go please give more detailed on idź step provide code examples. Czyli teraz prosimy go,

żeby on nam podał bardziej dokładne instrukcje na każdym kroku i dał przykłady właśnie w kodzie jak to zrobić konkretnie. Więc jak widzicie tutaj on rozbudowuje tak naprawdę tą tą instrukcję o dodatkowe informacje, tak?

Czyli właśnie jakie eventy wykorzystać do tego, żeby te dwie platformy porozumiewały się ze sobą, jaki format powinien tego być, jakby co to, który jaki URL powinien być dla tych produktów i tak dalej i tak dalej. Podając nawet fragmenty kodu

konkretne dla konkretnego etapu tak naprawdę wdrażenia tej integracji, tak jak widzicie, on to dzieli na takie mniejsze zadania, tak? Pierwszy to jest create webhook subscription Spotify, czyli stworzenie tego webhooka. Drugi to jest jakby włączenie tego modelu vertex AI i dla każdego tutaj daje przykłady

kodu. I teraz jakby w jaki sposób z tym pracować? No w taki, że faktycznie idziemy po tych jego instrukcjach i zadajemy mu konkretne pytania. Dobra, jestem na tym etapie. Co dalej? Tak jakby tutaj Shopify mi zwraca taką informację, co mam z tym zrobić. Tutaj

wertx jakby daje mi taki komunikat, co mam z tym zrobić. W ten sposób możemy tak naprawdę wejść w dialog z Gemini czy nie wiem z czatem GPT i zacząć zadawać mu pytanie odnośnie tego, w jaki sposób te dwie platformy ze

sobą połączyć. Wspominałem też o tym narzędziu właśnie repliit, nie? Ono jest jakby stworzone specyficznie jakby pod ten pod ten use case. Czyli replic jest jakby narzędziem do generowania kodu na podstawie promptów w języku naturalnym i jest dość skutecznym narzędziem. ma

nawet oficjalną integrację z Google Cloudem, więc jeżeli chcecie spróbować sobie sami w ten sposób dokonać takiej integracji, to możecie to zrobić w ten sposób. Jeśli chodzi o samo wdrożenie, macie przed sobą dwie ścieżki. Pierwsza to współpraca z programistą, który

stworzy bezpośrednią integrację między waszym systemem a API. Oznacza to pełną kontrolę nad rozwiązaniem, możliwość dostosowania każdego elementu i lepsze zabezpieczenie, ale też wyższy koszt początkowy i dłuższy czas wdrożenia.

Druga to właśnie wykorzystanie narzędzi no cod, tak jak wspomniany replit w połączeniu z Gemini. To rozwiązanie działa trochę jak klocki Lego. Łączycie ze sobą gotowe elementy bez pisania kodu. Daje to od znacznie niższy próg wejścia, szybsze wdrożenie i niższy

koszt początkowy, choć kosztem mniejszej kontroli i ograniczonych możliwości customizacji. Wybór między tymi ścieżkami zależy głównie od waszego budżetu, skali działania i dostępnych kompetencji technicznych w zespole.

Co ciekawe, możecie też zacząć od rozwiązania Nocode, przetestować koncept, a gdy się sprawdzi, przejść do własnego rozwiązania.

Ale pamiętajcie o kilku kluczowych zasadach przy przechodzeniu na poziom drugi z poziomu pierwszego. Po pierwsze, zacznijcie od jednego dobrze zdefiniowanego procesu. Nie próbujcie zautomatyzować wszystkiego na raz.

Wybierzcie proces, który jest powtarzalny czasochłonny a jednocześnie ma duży wpływ na waszą organizację. To może być obsługa klienta, kategoryzacja produktów czy analiza danych sprzedażowych. Kluczem jest precyzyjne określenie zakresu projektu i kryteriów sukcesu. Po drugie, upewnijcie się, że macie dostęp do

odpowiedniej jakości danych. Automatyzacja oparta na AI jest tak dobra jak dane, na których jest trenowana. Zanim zaczniecie integrować AI z waszymi procesami, zweryfikujcie jakość, kompletność i spójność waszych danych. Jeśli to konieczne, poświęczcie czas na oczyszczenie i ustrukturyzowanie danych. To fundament, na którym

zbudujecie wasze rozwiązanie AI. Po trzecie, zainwestujcie w monitoring i system alertów. Wraz z automatyzacją procesów musicie mieć pewność, że wszystko zadziała jak należy. Wdruszcie system monitoringu, który będzie śledzić kluczowe metryki i alarmować was w przypadku anomalii. Może to być na

przykład nagły spadek accuracy modelu AI, wzrost liczby błędów czy wydłużony czas odpowiedzi. Wczesne wykrywanie problemów pozwoli wam szybko reagować i minimalizować ryzyka.

Po czwarte, zachowajcie możliwość ludzkiej interwencji. Nawet najlepsze systemy AI nie są doskonałe. Zawsze będą przypadki, których AI nie będzie w stanie obsłużyć lub decyzje, które wymagają ludzkiej weryfikacji.

Projektując proces, uwzględnijcie możliwość eskalacji do człowieka. Może to być opcja porozmawiać z konsultantem w chatbocie czy ścieżka akceptacji dla automatycznie wygenerowanych opisów produktów. Balans między automatyzacją a kontrolą człowieka to klucz do efektywnego wdrożenia AI. Po piąte, systematycznie mierzcie ROI. Wdrożenie

AI na poziomie drugim to inwestycja czasu i zasobów. Aby ocenić jej sensowność, musicie mierzyć zwrot z inwestycji. Zdefiniujcie kluczowe metryki, takie jak oszczędność czasu, poprawa obsługi klienta, wzrost konwersji i monitorujcie je regularnie.

Porównujcie wyniki przed i po wdrożeniu AI. To pomoże wam uzasadnić dalsze inwestycje i zidentyfikować obszary do optymalizacji.

Poziom drugi to nie rewolucja, to ewolucja. To naturalne rozwinięcie waszych pierwszych eksperymentów z AI w kierunku systematycznych, skalowalnych rozwiązań.

To krok, który pozwala wam przejść od pojedynczych sukcesów do systematycznej transformacji procesów waszej organizacji.

Wymaga to strategicznego podejścia, inwestycji w dane, infrastrukturę oraz ciągłego monitorowania i dostrajania, ale korzyści w postaci oszczędności czasu, poprawy jakości i skalowalności są warte tego wysiłku.

Poziom drugi to moment, w którym AI przestaje być ciekawostką, a staje się integralną częścią waszego biznesu.

Poziom trzeci to moment, kiedy AI przestaje być dodatkiem, a staje się nieodłączną częścią naszych produktów i procesów. Na tym etapie wdrażamy AI do istniejących systemów. Automatyzujemy całe ścieżki obsługi klienta.

Personalizujemy komunikację na niespotykaną dotąd skalę. Wyobraźmy sobie dużą sieć hoteli, która postanowiła zintegrować AI ze swoim systemem obsługi klienta. AI stało się niezmordowanym wsparciem dla pracowników, przyjmując część konwersacji i dając im więcej czasu na bardziej złożone zadania. Modele

predykcyjne zaczęły wspierać decyzje, na przykład o zwrotach, optymalizując zarówno czas, jak i satysfakcję gości. A wszystko to dzięki zaawansowanym modelom przetwarzania języka naturalnego i uczenia maszynowego, które potrafią zrozumieć potrzeby gości lepiej niż niejeden recepcjonista.

Oczywiście taka zmiana wymaga inwestycji od tworzenia własnych modeli AI dopasowanych do specyfiki firmy przez budowę zespołu Data Science aż po zapewnienie odpowiedniej infrastruktury IT.

Łączny koszt takiego projektu może sięgać dziesiątek tysięcy złoty miesięcznie. Ale korzyści są tego warte.

Dzięki AI można poprawić wydajność obsługi klienta nawet o 15-20%. Jeden pracownik ze wsparciem AI jest w stanie obsłużyć kilku gości jednocześnie bez obniżania jakości. Procesy decyzyjne na przykład przy zwrotach stają się szybsze, a typowe zapytania gości mogą być załatwiane automatycznie bez

angażowania człowieka. To są realne korzyści, które usprawniają działanie firmy i przekładają się na zadowolenie klientów.

Poziom trzeci to duży krok naprzód, wymagający pewnych nakładów i dobrego planowania, ale dla firm, które się na to zdecydują korzyści mogą być znaczące.

A zaczyna odgrywać kluczową rolę w działaniu firmy, optymalizując procesy i poprawiając obsługę klienta na nowym poziomie. To etap, na którym firma może zyskać przewagę konkurencyjną w swojej branży. Przenieśmy się teraz na poziom, gdzie AI przestaje być tylko dodatkiem,

a staje się fundamentem kluczowych procesów w firmie. Poziom czwarty, czyli zaawansowane wdrożenia, to etap, w którym sztuczna inteligencja przestaje być narzędziem używanym w jednym dziale czy dla jednego procesu. Tutaj AI jest wplecione w strategię organizacji, wspierając jej kluczowe działania. Co to

właściwie oznacza? To moment, w którym sztuczna inteligencja nie tylko usprawnia istniejące procesy, ale wręcznie przeprojektowuje.

Firmy na tym poziomie używają AI do tworzenia przewagi rynkowej. Przewagi, którą trudno skopiować. To nie tylko optymalizacja kosztów, ale także zupełnie nowe możliwości personalizacji, skalowalności i automatyzacji.

W praktyce oznacza to, że każdy element działalności firmy od obsługi klienta przez zarządzanie produktami aż po podejmowanie decyzji strategicznych może być wspierany lub napędzany przez AI.

Spójrzmy na przykład Allegro, największej platformy e-commerce w Polsce. Na pierwszy rzut oka wygląda to jak zwykła strona zakupowa, ale kryje się za nią zaawansowany ekosystem oparty na AI. Zacznijmy od wyników wyszukiwania. Wydaje się proste, wpisujesz frazę i otrzymujesz wynik.

Jednak sprawia, że te wyniki są po pierwsze dopasowane do twoich preferencji. Algorytmy analizują historię twoich wyszukiwań i zakupów, aby przewidzieć, co może cię zainteresować.

Po drugie, jest w nich korekta błędów. Gdy wpisujesz nazwę produktu z literówką, AI automatycznie rozpozna intencje i wyświetli właściwe wyniki. I po trzecie, zawiera dynamiczne sortowanie potrafności. Na przykład jeśli wcześniej oglądałeś konkretną kategorię produktów, algorytmy sortują oferty w taki sposób, były one bardziej

widoczne. To jednak nie wszystko. Kolejnym elementem są grupowanie ofert i moderacja treści. Wyobraźmy sobie, że użytkownik wstawia zdjęcie produktu, który nie spełnia regulaminu. AI automatycznie wychwytuje te niezgodności, oszczędzając pracę ludzi i przyspieszając proces. Podobnie działa grupowanie. Podobne produkty są

automatycznie łączone, co ułatwia porównywanie i wybór klientom. I wreszcie reklamy na Allegro. System reklamowy jest napędzany przez AI, która na podstawie przewidywanych wyników decyduje, które reklamy są najbardziej efektywne. To AI w czasie rzeczywistym ocenia, które oferty powinny znaleźć się

na górze wyników wyszukiwania. Oczywiście Allegro to tylko jeden przykład. Na poziomie czwartym firmy mogą wdrażać AI na wiele sposobów, a możliwości są niemal nieograniczone.

Pierwszym przykładem są systemy rekomendacyjne. Wyobraźmy sobie, że wchodzisz na stronę główną sklepu internetowego, a każda rekomendacja jest idealnie dopasowana do twoich potrzeb. To efekt pracy zaawansowanych algorytmów. Takie systemy są odpowiedzialne za rekomendacje typu klienci, którzy kupili ten produkt,

wybrali też. Ale to nie wszystko. AI może przewidywać twoje zainteresowania, a nawet na podstawie niewielkiej ilości danych, sugerując produkty, o których nawet nie pomyślałeś.

Drugim zastosowaniem jest analityka sprzedażowa. Dzięki AI firmy mogą przewidywać popyt na konkretne produkty, co pozwala lepiej zarządzać zapasami.

Algorytmy analizują dane historyczne, trendy sezonowe i zachowania klientów, pomagając podejmować decyzje, które wcześniej wymagałyby wielu godzin pracy analityków. Przykład, supermarkety, które mogą zoptymalizować ceny na podstawie przewidywalnego popytu w weekendy czy święta.

Ale na tym się nie kończy. AI na poziomie czwartym wspiera także moderację treści. Dzięki AI firm mogą automatycznie sprawdzać tysiące nowych ofert, zdjęć czy opisów dziennie.

Systemy wychwytują niezgodności z regulaminem, co oszczędza czas i minimalizuje ryzyko. Również obsługuje klienta. Wyobraźcie sobie, że AI analizuje ton wiadomości klienta, wychwytując frustracje i proponując rozwiązanie, zanim klient zdąży poprosić o pomoc. To nie tylko zwiększa zadowolenie klientów, ale także znacząco

zmniejsza obciążenie działu obsługi. Oczywiście takie zaawansowane wdrożenia wymagają większych inwestycji i to zarówno w technologię jak i ludzi.

Przyjrzyjmy się kosztom. Zespół badawczy. Potrzebujecie od 10 do 15 osób, które będą tworzyć i optymalizować modele AI. Koszt od 250 do 500 000 zł miesięcznie. Data science. Kolejne 1520 osób, które zajmują się analizą danych i ich przygotowaniem. Koszt od 300 do 600

000 miesięcznie. Infrastruktura. Wdrożenie AI wymaga potężnej mocy obliczeniowej, co oznacza koszty rzędu 100 300 000 miesięcznie na infrastrukturę chmurową. Razem z licencjami i szkoleniami całkowity koszt wdrożenia może wynosić od 900 000 do 2 milionów złot miesięcznie. Pamiętajmy, te inwestycje zwracają się wielokrotnie.

Firmy, które wdrażają AI na takim poziomie uzyskują przewagę rynkową, której trudno dorównać. Podsumowując, poziom czwarty to nie tylko kolejne usprawnienia, to transformacja, która zmienia sposób działania firmy na fundamentalnym poziomie. Takie wdrożenia wymagają zasobów, wiedzy i strategii, ale jednocześnie otwierają drzwi do

niespotykanych możliwości. Dla firm, które są gotowe na ten krok, AI staje się prawdziwym game changerem umożliwiającym skalowanie działań, tworzenie personalizowanych doświadczeń dla klientów i budowanie przewagi konkurencyjnej. Przechodzimy teraz do ostatniego poziomu dojrzałości AI w firmach. AI First. Co oznacza bycie

firmą AI First? Są to organizacje, które oparły cały swój model biznesowy na wykorzystaniu sztucznej inteligencji. W przypadku tych firm AI nie jest już narzędziem wspomagającym procesy, ani nawet kluczowym elementem niektórych działań. Jest to fundament, na którym opiera się cała ich działalność. Te

firmy posiadają gigantyczne zbiory danych, które są przetwarzane w czasie rzeczywistym, aby spersonalizować, zoptymalizować i zautomatyzować każdy aspekt interakcji z klientem.

Możemy powiedzieć, że gdyby nie AI, te firmy nie mogłyby istnieć w swojej obecnej formie.

Przykłady: Netflix, TikTok, Cleo, AI. Każda z tych firm działa na innym rynku, ale wszystkie łączy to, że AI jest ich mózgiem, napędza ich produkty, usługi i sposób, w jaki wchodzą w interakcje z użytkownikami.

Omówmy to na konkretnych przypadkach, zaczynając od Netflixa. Netflix to doskonały przykład firmy AI First, ponieważ każdy aspekt tej platformy, który widzimy jako użytkownicy, jest sterowany przez zaawansowane algorytmy sztucznej inteligencji. Weźmy chociażby miniaturki filmów i seriali, które widzimy na

stronie głównej. Wydaje się, że są one wybrane losowo lub przez człowieka. W rzeczywistości za wyborem każdego obrazka stoi skomplikowany proces.

Netflix analizuje dane o użytkownikach, o filmach i o tym, jak użytkownicy reagują na określone treści. Na tej podstawie dobiera miniaturki, które mają największą szansę przyciągnąć waszą uwagę. Spójrzmy na konkretny przykład.

Serial Stranger Things. Różni użytkownicy zobaczą różne wersje miniaturki. Na jed na jednej znajdzie się kadr mroczny z krwią i tajemniczym klimatem, a na innej wesoła scena z bohaterami. Dlaczego? Bo Netflix wie, że użytkownicy mają różne preferencje.

Jeśli preferujesz horrory, zobaczysz mroczny kadr. Jeśli interesują cię relacje między postaciami, dostaniesz obrazek przedstawiający interakcję bohaterów.

Wszystko to jest zoptymalizowane w czasie rzeczywistym. Kolejny przykład, film Goodwill Hunting. Tutaj Netflix stosuje podejście jeszcze bardziej precyzyjne. Film może być pokazany jako romantyczny lub komediowy w zależności od preferencji użytkownika. Jeśli ktoś ogląda głównie filmy romantyczne, zobaczy miniaturkę z Matem Damonem i

jego partnerką w scenie miłosnej. Jeśli natomiast preferuje komedię, zobaczę Robina Williamsa, który odgrywa kluczową rolę komediową w filmie. Te decyzje nie są przypadkowe. Netflix analizuje setki atrybutów filmów i preferencji użytkownika, aby wybrać najlepszy obrazek.

Ale miniaturki to tylko jedna część personalizacji. Netflix poszedł jeszcze dalej, automatyzując proces wyboru najlepszych kadrów. Za pomocą AI platforma analizuje każdy film i serial, wybiera najciekawsze sceny, a następnie przypisuje im atrybuty takie jak emocje bohaterów, atmosfera czy tematyka. Na

przykład scena z Willem Smithem może zostać opisana jako emocjonalna, dynamiczna lub mroczna. Algorytmy automatycznie przetwarzają cały kontent przypisując te atrybuty, które później są używane do personalizacji. To wszystko dzieje się na ogromną skalę.

Wyobraźcie sobie, każda scena każdego filmu i serialu musi być przetworzona i opisana. AI robi to w sposób ciągły, co pozwala Netflixowi dynamicznie dostosowywać swoją ofertę do zmieniających się preferencji użytkowników.

Jak duża jest ta skala? Netflix obsługuje ponad 280 milionów użytkowników na całym świecie. Każdego dnia przetwarza miliardy interakcji od kliknić w miniaturki przez wybory filmów aż po informacje o tym, kiedy użytkownik przestał oglądać dany odcinek. Te dane są stale analizowane i wykorzystywane do

udoskonalenia rekomendacji, personalizowania treści i optymalizacji doświadczenia użytkownika. I to wszystko dzieje się w czasie rzeczywistym.

Algorytmy uczą się na bieżąco, co oznacza, że każdy wybór użytkownika, każdy klik, każda sekunda spędzona na oglądaniu wpływa na to, co zobaczysz następnym razem. bez AI taki poziom personalizacji i efektywności byłby niemożliwy do osiągnięcia. Przenieśmy się teraz do innego przykładu Cleo AI,

czyli inteligentnego asystenta finansowego, który również należy do firm AI First. AI to aplikacja, która pomaga użytkownikom zarządzać ich finansami w nowoczesny sposób. Jest to usługa oparta o AI, która działa jak konwersacyjny doradca finansowy.

Użytkownicy mogą w naturalnym języku pytać CLEO o swój stan konta. analizę wydatków czy prognozy finansowe. Na przykład ile wydałem w tym miesiącu na jedzenie, czy mogę zaoszczędzić na wakacje, jeśli będę odkładać 200 zł miesięcznie.

Ale Cleo nie ogranicza się tylko do odpowiadania na pytania. Na podstawie analizy wzorców wydatków użytkownika potrafi stworzyć prognozy i sugestie. Na przykład jeśli Kleo zauważy, że wydajesz zbyt dużo na jedzenie na mieście, zasugerujesz, żebyś spróbował gotować w domu. Jeśli zbyt dużo pieniędzy idzie na

niepotrzebne zakupy, Cleo może pomóc stworzyć plan oszczędnościowy. Cleo wyróżnia się także swoim nietypowym podejściem do interakcji z użytkownikiem. Jedną z najbardziej unikalnych funkcji jest tak zwany roast mode, w którym Cleo żartobliwie komentuje twoje wydatki. Na przykład: Czy naprawdę potrzebujesz kupować

codziennie kawę na mieście? Twoja karta kredytowa płacze. McDonald znowu może warto spróbować czegoś innego? To podejście jest szczególnie atrakcyjne dla młodszych użytkowników, którzy doceniają luz i humor w komunikacji.

Dzięki temu Cleo stał się bardzo popularny wśród generacji Z, która szuka prostych, ale interaktywnych narzędzi do zarządzania finansami.

W przypadku Cleo AI kluczowym elementem sukcesu była nie tylko sama technologia, ale również ogromne inwestycje, które firma poczyniła, aby osiągnąć obecny poziom zaawansowania.

Cleo musiało zbudować swój model AI od podstaw, wykorzystując między innymi zaawansowane technologie oparte na przetwarzaniu języka naturalnego oraz modele uczenia maszynowego, takie jak te rozwijane w oparciu o GPT. Ale to nie wszystko. Budowa aplikacji Cleo wymagała powołania całego zespołu Data Science,

który stał się centralnym punktem firmy. To właśnie ci specjaliści zajmują się analizą danych użytkowników, rozwijaniem modeli predykcyjnych i optymalizacją systemu pod kątem doświadczeń użytkowników.

W praktyce w takich firmach jak Cleo zespół Data Science spełni rolę silnika, który napędza całą organizację.

Żeby obsłużyć miliony zapytań użytkowników w czasie rzeczywistym, CLEO musiało zainwestować również w odpowiednią infrastrukturę obliczeniową.

To obejmuje serwery chmurowe, które umożliwiają przetwarzanie dużej ilości danych na bieżąco. Narzędzia analityczne i programistyczne, które wspierają rozwój i wdrażanie modeli AI, mechanizmy zabezpieczające dane, co jest szczególnie istotne w kontekście finansów osobistych użytkowników.

Dzięki tym inwestycjom Cleo jest w stanie nie tylko odpowiadać na pytania w czasie rzeczywistym, ale również dostarczać użytkownikom analizy ich wydatków i prognozy finansowe.

Cleo wiedziało, że aby konkurować z tradycyjnymi bankami i fintechami potrzebuje stworzyć coś więcej niż tylko narzędzie do zarządzania finansami.

Dlatego ogromna część inwestycji została skierowana na stworzenie unikalnego interfejsu użytkownika, który jest w pełni napędzany przez AI. Kluczowym aspektem było tutaj wdrożenie personalizacji na poziomie, który sprawia, że każdy użytkownik ma wrażenie, że aplikacja jest dostosowana wyłącznie do jego potrzeb. Na przykład

funkcja Rose mode, o której wspominałem wcześniej, została stworzona po to, aby wyróżnić Kleo na tle konkurencji. Takie elementy nie powstałyby bez odpowiednich nakładów na badania, testy z użytkownikami i rozwój modeli językowych. Przeszliśmy właśnie przez wszystkie poziomy dojrzałości w

wykorzystaniu sztucznej inteligencji, od prostych eksperymentów przez systematyczne automatyzacje aż po firmy, które oparły cały swój model biznesowy na AI. I teraz pytanie do was, na jakim etapie znajduje się wasza organizacja?

Czy bliżej wam do sklepu meblowego z Poznania, który w weekend wdrożył prostą automatyzację dzięki Gemini? Czy może widzicie w swoim podejściu elementy bardziej zaawansowane, na przykład integrację AI w kluczowych procesach?

jak w przypadku Allegro. A może aspirujecie do poziomu Cleo? AI first, gdzie każda decyzja opiera się na analizie danych i personalizacji. W następnej lekcji omówimy sobie jak praktycznie określić na którym jesteście poziomie wdrożenia AI i jakie powinny być wasze następne kroki. Przejdźmy

teraz do bardzo konkretnej części. Jak zaplanować konkretny krok w rozwoju AI w waszej organizacji. Przygotowałem checklistę, która pomoże wam określić gdzie jesteście i co powinno być waszym następnym krokiem.

Spójrzmy najpierw na typowe cechy firm, dla których poziom pierwszy będzie idealnym startem. Mniej niż 50 zapytań dziennie. To może być mały sklep internetowy, gdzie większość komunikacji z klientami to proste pytanie o dostępność produktów czy czas dostawy.

Odpowiedzi nie muszą być natychmiastowe. Klient może poczekać kilka minut, co daje wam przestrzeń na weryfikacji odpowiedzi AI. Mały zespół, brak programisty na pokładzie, dokładnie jak ten sklep meblowy z Poznania, o którym mówiliśmy wcześniej. Co szczególnie ważne na tym poziomie, treść zapytań

często się zmienia i wymaga ludzkiej weryfikacji. To może być branża modowa, gdzie klienci pytają detale produktów albo firma szkoleniowa, gdzie każde zapytanie jest nieco inne. Budżet poniżej 1000 zł miesięcznie pozwala na eksperymentowanie z narzędziami takimi jak Gemini czy Cloud bez dużego ryzyka

finansowego. Jeśli większość z powyższych punktów dotyczy twojej firmy, poziom pierwszy będzie dla ciebie odpowiedni.

Z drugiej strony, kiedy warto pomyśleć o poziomie drugim? Wyobraźcie sobie firmę logistyczną obsługującą ponad 50 zapytań dziennie o status przesyłek. Tu odpowiedzi muszą być natychmiastowe.

Klient czeka na informacje o swojej paczce. Macie dostęp do programistów, którzy mogą zintegrować AI z waszym systemem CRM czy platformą e-commerce.

Pytania i odpowiedzi mają stały format. Gdzie jest moja paczka? Kiedy będzie dostawa? Czy mogę zmienić adres?

Na tym poziomie kluczowa staje się skalowalność rozwiązania i możliwość monitorowania wyników. Jeśli prowadzicie sklep internetowy z tysiącami produktów, potrzebujecie systemu, który automatycznie kategoryzuje nowe produkty i aktualizuje opisy. Ale jeśli macie call center, gdzie te same pytania pojawiają się setki razy dziennie,

automatyzacja staje się nie tylko opcją, ale też koniecznością. Jeśli większość z powyższych punktów dotyczy twojej firmy, powinieneś rozważyć poziom drugi.

Ale uwaga, są też wyraźne czerwone flagi, które mówią stop. Pierwsza czerwona flaga to brak konkretnego problemu do rozwiązania. Nie wystarczy powiedzieć: "Chcemy wdrożyć chatbota".

Kluczowe pytanie brzmi: Co konkretnie ten chatbot ma rozwiązać? Ile czasu obecnie zajmuje ten proces? Ilu pracowników jest w niego zaangażowanych.

Jeśli nie potraficie odpowiedzieć na te pytania, zatrzymajcie się. Druga kwestia, brak zdefiniowanych procesów w firmie. Zanim pomyślicie o AI, musicie dokładnie wiedzieć, jak działają wasze procesy biznesowe. Jaką ścieżkę przechodzi zapytanie od klienta? Kto podejmuje jakie decyzje? Gdzie są wąskie

gardła? AI nie naprawi chaotycznej organizacji. Wręcz przeciwnie, może tylko pogłębić problemy. W przypadku małej firmy albo jednoosobowej działalności nie będzie z tym problemu.

Jednak schody zaczynają się przy większych organizacjach. Trzecia sprawa, odpowiedzialność za projekt. AI to nie jest narzędzie, które można po prostu włączyć i zapomnieć.

Potrzebujecie konkretnej osoby, która będzie odpowiedzialna za monitorowanie jakości odpowiedzi, aktualizację wiedzy systemu, zbieranie feedbacku od użytkowników.

bez tego nawet najlepsze rozwiązanie zacznie z czasem działać coraz gorzej. Dzięki naszemu kursowi to właśnie ty możesz być taką osobą w swojej firmie. I wreszcie kwestia danych. Jeśli pracujecie z danymi medycznymi informacjami o transakcjach finansowych czy danymi osobowymi, standardowe,

publiczne dostępne wersje AI nie wystarczą. Potrzebujecie specjalistycznych rozwiązań z odpowiednimi certyfikatami bezpieczeństwa i zgodnością z regulacjami. To nie jest obszar na eksperymenty czy oszczędności. A kiedy właściwie wiemy, że czas przejść z poziomu pierwszego na poziom drugi?

Pozwólcie, że podam wam kilka bardzo konkretnych sygnałów. Pierwszy, zaczynacie tracić za dużo czasu na ręczną pracę. Przykład z życia. Jeśli wasz zespół spędza kilka godzin dziennie na kopiowaniu tych samych odpowiedzi do klientów albo ręcznik kategoryzuje setki produktów, to wyraźny sygnał, że pora na

automatyzację. Drugi, klienci zaczynają narzekać na czas odpowiedzi. Jeśli słyszycie coraz częściej: "Czekałem za długo na odpowiedź albo konkurencja odpowiada szybciej", to moment, żeby pomyśleć o bardziej zaawansowanych rozwiązaniach.

Trzeci sygnał. Zauważacie, że te same procesy powtarzają się każdego dnia. To może być analiza dokumentów, odpowiadanie na maile, kategoryzacja zgłoszeń. Jeśli widzicie wzorce, które się regularnie powtarzają, to świetny kandydat do automatyzacji. I wreszcie wasza skala działania rośnie. Jeśli z 50

zapytań dziennie robią się setki, jeśli z dziesiątek produktów robią się tysiące, ręczne zarządzanie przestaje być opcją. Ale jest coś, o czym koniecznie muszę wspomnieć. Nie musicie przechodzić na poziom drugi ze wszystkim na raz. Możecie zacząć od jednego działu

czy procesu, podczas gdy reszta organizacji działa nadal na poziomie pierwszym. To nie jest wyścig, to raczej stopniowa ewolucja tam, gdzie przyniesie najwięcej korzyści. Mając już jasność co do poziomu waszej organizacji, porozmawiajmy o tym, jak konkretnie zaplanować kolejne kroki. To proces,

który zawsze zaczyna się od solidnego audytu tego, co już macie. Najpierw musicie znaleźć wszystkie powtarzalne procesy w firmie. te codzienne rutynowe zadania, które pochłaniają czas waszego zespołu. Równolegle trzeba przeanalizować dane, które już zbieracie. Może macie skarb w postaci

historii, interakcji z klientami czy logów systemowych, których jeszcze nie wykorzystujecie. Przy wyborze pierwszego projektu kierujcie się zasadą minimalnego ryzyka i maksymalnego zwrotu. Zacznijcie od czegoś prostego i niskobudżetowego. Świetnym przykładem jest właśnie Gemini, który za 20 dolarów miesięcznie może zautomatyzować

podstawową komunikację z klientami. Kluczowy element to budowa kompetencji w zespole. I tu mam dla was dobrą wiadomość. Po ukończeniu tego kursu to właśnie wy możecie stać się pierwszymi ekspertami od AI w waszej organizacji.

Możecie przeprowadzić podobne szkolenia dla swoich zespołów przekazując wiedzę o tym jak praktycznie wykorzystać AI w codziennej pracy. To często lepsze rozwiązanie niż szukanie zewnętrznych ekspertów, bo znacie specyfikę swojej firmy i jej realne potrzeby. Wdrożenie powinno być stopniowe. Zacznijcie od

małego projektu pilotażowego. Dokładnie mierzcie rezultaty. Wprowadzajcie poprawki. To podejście iteracyjne, gdzie każdy kolejny krok bazuje na wnioskach z poprzedniego. I wreszcie myślcie długoterminowo. Określcie dokąd zmierzacie z AI w swojej organizacji.

Stwórzcie mapę drogową kolejnych projektów. Technologia rozwija się błyskawicznie. To, co dziś wydaje się zaawansowane za rok może być standardem rynkowym.