Jedna apka, która zastępuje 15 innych narzędzi AI.

Prezentacja Apto – aplikacji zastępującej 15 narzędzi AI, ułatwiającej wdrożenie i zarządzanie AI w firmach.

Ask about this video. Answers come from its transcript only — with the timestamp, so you can check them.

Generated from the transcript and can be wrong — check the timestamp.

Key Takeaways

Wdrożenie AI w firmie wymaga ujednoliconego systemu zarządzania kontekstem i narzędziami.
Apto umożliwia elastyczne korzystanie z różnych modeli AI i integrację z firmowymi aplikacjami.
Aktualizacja i centralizacja kontekstu to klucz do efektywnego działania AI w zespołach.
System powinien być niezależny od jednego dostawcy AI, by móc szybko adaptować się do zmian rynkowych.
Praktyczne wdrożenia AI wymagają uwzględnienia specyfiki różnych zespołów i ich potrzeb.

What the video covers

Szymon Negacz przedstawia aplikację Apto stworzoną przez Wise Group do ustandaryzowanego wdrażania AI w firmach.
Omówienie problemów związanych z różnorodnością zespołów i ich specyficznymi potrzebami w kontekście AI.
Wskazanie na konieczność zarządzania kontekstem organizacyjnym i zespołowym, który wpływa na jakość odpowiedzi AI.
Apto działa jako warstwa łącząca różne modele AI i narzędzia wykorzystywane w firmie, zapewniając elastyczność i bezpieczeństwo.
System umożliwia integrację z popularnymi aplikacjami firmowymi, takimi jak Pipedrive czy Slack.
Prezentacja funkcji zarządzania uprawnieniami i wyboru modeli AI przez użytkowników w zależności od potrzeb zespołu.
Pokazanie praktycznych zastosowań Apto w automatyzacji procesów sprzedaży, konsultingu i zarządzania projektami.
Podkreślenie znaczenia aktualizacji kontekstu i elastyczności systemu w dynamicznie zmieniającym się rynku AI.
Apto ma już ponad 1000 użytkowników w różnych firmach w Polsce i jest gotowe na dalszy rozwój.
Szymon dzieli się refleksjami na temat wyzwań i przyszłości narzędzi AI w biznesie.

Chapters

Czym jest aplikacja Apto i do czego służy?

Apto to system stworzony przez Wise Group, który ułatwia wdrażanie i zarządzanie sztuczną inteligencją w firmach, integrując różne modele AI i narzędzia w jednej platformie.

Jakie problemy rozwiązuje Apto w kontekście AI w firmach?

Apto rozwiązuje problemy związane z różnorodnością zespołów, zarządzaniem kontekstem organizacyjnym i zespołowym oraz integracją różnych modeli AI i narzędzi, zapewniając elastyczność i aktualność danych.

Dlaczego ważne jest zarządzanie kontekstem w systemach AI?

Zarządzanie kontekstem jest kluczowe, ponieważ modele AI działają znacznie lepiej, gdy mają dostęp do aktualnych i specyficznych informacji o firmie oraz jej procesach, co wpływa na jakość i trafność generowanych odpowiedzi.

Full Transcript — Download SRT & Markdown

Speaker A

Dzień dobry. Dzień dobry, dzień dobry. Witam was gorąco i serdecznie. Piąta Aleja, Manhattan, Nowy Jork, Stany Zjednoczone Ameryki. I teraz chciałbym mieć zajebistą historię o tym, że przyjechałem tu dla biznesu, zebrać jakąś rundę, spotkać się z inwestorami, ale

Speaker A

niestety nie jestem na wakacjach. A dzień przed moimi wakacjami wyszedł nasz nowy produkt ATO i to odcinek o nim. Po co powstał, co nas motywowało, jak działa, do czego konkretnie służy. I teraz mówię o tym wprost i uczciwie, bo

Speaker A

dla osób, które są wrażliwe na komunikację produktową, to dobry moment, żeby zamknąć ten materiał. Dla wszystkich innych wydaje mi się, że przy okazji pokażemy, jak myśleć o takim ustandaryzowanym wdrażaniu AI w firmie.

Speaker A

Może zostawi to u was część inspiracji, nawet jeżeli klientem Apto nigdy nie będziecie. Śmiało wydaje mi się, że te wskazówki można zastosować w bardzo wielu różnych uniwersalnych miejscach.

Speaker A

Więc chyba tyle. 7:00 rano, słuchajcie, dlatego tak pusto. Normalnie tu jest harmider i pomimo prawnego zakazu trąbienia, no to wtrąbią nawet sami policjanci. Nic, słuchajcie, idę do Central Parku, tam się gdzieś rozłożę i zaraz wam wszystko pokażę. Tu jest,

Speaker A

słuchajcie, Hotel Plaza, ten sławny hotel, który moje dzieci kojarzą tylko i wyłącznie z tym, że spał w nim Kevin sam w Nowym Jorku. A tu przy okazji, a propos biznesu, widzicie ten taki ołówek, który wspaniale wystaje przy Central Parku.

Speaker A

Ten ołówek i pozostałe dookoła to bardzo ciekawy eksperyment o tym, że przecież ultra bogatych ludzi na świecie jest tylu, że jak zrobimy dla nich ultra drogie mieszkania tuż przy Central Parku, to chyba kupią. No i wydaje się, że część z nich się przeliczyła, że w

Speaker A

momencie, kiedy podaż przekroczyła popyt tych ultra bogatych na mieszkania w tej okolicy, to niektóre z nich stoją puste do dziś. To jest, słuchajcie, ciekawy kontrast, bo z jednej strony park, tutaj biegają wiewiórki, żaby, a z drugiej strony ogromne wieżowce. I teraz

Speaker A

niektórzy ludzie mówią o tym, że przecież jak można było tak ogromną przestrzeń, bo to jest ponad 300 hektarów chyba zabudowanych parkiem, zabudować parkiem, bo to można byłoby tutaj postawić nieruchomości ogromnej wartości. To wielu zapomina o tym, że te

Speaker A

nieruchomości dookoła Central Parku mają wartość między innymi dzięki temu, że właśnie jest on niezabudowany. To taka ciekawostka. No i słuchajcie, tutaj dokładnie za tym pięknym parawanem było miejsce, w którym chciałem usiąść. Live is life. Idę dalej.

Speaker A

No dobrze, chyba udało mi się znaleźć dobre miejsce w parku. E, są tu jacyś ludzie dookoła, ale sądzę, że to nie będzie dla nich szczególny problem.

Speaker A

Na początku ogólnie opowiem, co to jest to Apto. Apto to jest system, który stworzyliśmy jako Wise Group. Ogólnie rzecz mówiąc, po to, żeby wdrażać w firmach AI. Natomiast zanim wejdę w głębsze szczegóły, to chciałbym powiedzieć, jaki był problem w ogóle, co

Speaker A

my próbowaliśmy rozwiązać jako grupa. My tak naprawdę gdzieś w okolicach zeszłego roku zaczęliśmy bardzo poważnie zajmować się wdrożeniem AI i też byliśmy już na etapie, na którym widzieliśmy bardzo dużo problemów z nim związanych, nie tylko u nas, ale też u naszych klientów.

Speaker A

No i też wlec Automate, do którego wówczas, zresztą do dziś, firm, które są zainteresowane różnym sposobem wpraszania AI, przychodzi cała masa. No i słuchajcie, my jako Wise Group już się nauczyliśmy, że mamy tak naprawdę w Wise Group całą masę różnych zespołów z

Speaker A

bardzo różnymi potrzebami. Jest zespół jeden, na przykład zespół konsultantów, potem jest zespół drugi, zespół trenerów, zespół trzeci, zespół handlowców, potem zespół marketerów, potem zespół Higherwise’u, potem zespół Adwise’u i tak dalej, i tak dalej. Można byłoby tych zespołów mnożyć aż do X.

Speaker A

To był pierwszy problem, że tych zespołów i ich specyfika jest bardzo dużo. Do tego okazało się, że ci tutaj to wolą pracować na GPT-4, ci tutaj wolą na Anthropic’u, ci tutaj wolą jeszcze na czymś innym, jeszcze na czymś innym i jeszcze na

Speaker A

czymś innym. Potem się okazało, że to już pewnie wiecie, jak o AI się uczycie, że odpowiedź modelu, który ma dobry kontekst o waszej firmie, o waszych procesach, o wszystkim, co was dotyczy, jest nie trochę lepsza, tylko nieskończenie lepsza od odpowiedzi,

Speaker A

która jest taka, która po prostu pochodzi z zasobów modelu. W związku z tym jeszcze była taka warstwa kontekstu, kontekst, która powinna dotyczyć ich wszystkich, a mianowicie kontekst Wise Group, na przykład kim my jesteśmy jako grupa, po co jesteśmy jako grupa, co my robimy

Speaker A

jako grupa. Potem się okazało, że jest druga warstwa kontekstu pofragmentaryzowanego na te poszczególne zespoły. I to był kontekst na przykład o tym, jakie są procesy w sprzedaży, jakie są procesy w konsultingu,

Speaker A

kontekst mówiący o poszczególnych specyficznych działaniach tego jednego konkretnego pionu. No i tak naprawdę okazało się, że kontekst był jedną z tych rzeczy, która rozwaliła nas najmocniej. Dlatego, że jeżeli kontekst ten się zmieniał, to ja go musiałem wysłać do wszystkich tych zespołów i liczyć, że oni to podmienią w

Speaker A

systemie, z którego akurat korzystają, nie? No i panowanie i pewność moja organizacyjna, pewność, że każdy korzysta z najbardziej aktualnego kontekstu, no nie była taka pewna. No i teraz co do zasady rozwiązania, które rozwiązują ten problem już powstały. Natomiast tam się

Speaker A

pojawił kolejny problem. Mianowicie byliśmy za małym bączkiem, dalej zresztą jesteśmy, żeby wielcy gracze chcieli z nami jakoś szczególnie rozmawiać. To znaczy, my wówczas chcieliśmy objąć dwa zespoły takim wdrożeniem pilotażowym. To jest około 40 osób, to jest około 10

Speaker A

osób, czyli powiedzmy około 50 osób i byliśmy po prostu na to za mali. Mało tego, nikt z nami nie chciał pogadać, nikt nie rozumiał naszej specyfiki. No i ostatecznie doszło do tego, że na nasze potrzeby i na potrzeby związane z

Speaker A

o wiewiórka. Generalnie chcieliśmy stworzyć własne oprogramowanie, które stanie się warstwą łączącą wszystko po naszej stronie.

Speaker A

Warstwa przede wszystkim, co jest na zewnątrz organizacji. Czyli oprócz tego, że był to kontekst, oprócz tego, że był to kontekst poszczególnych zespołów, oprócz tego, że oczywiście byli to poszczególni agenci, którzy sterują danymi działaniami, to jeszcze do tego musiały

Speaker A

być specyficzne narzędzia. Tak naprawdę tutaj dorysuję narzędzia, narzędzia, z których korzysta ten zespół, ten zespół, ten zespół i ten zespół. Czyli jakieś aplikacje, na przykład PipDrive, Lifespace, cokolwiek innego też musiało być połączone w tej warstwie, no bo przecież tam są dane, które efektywnie

Speaker A

dalej są kontekstem, nie? No i ja w tej warstwie chciałem sobie zapewnić wszystko. Bezpieczeństwo, zarządzanie uprawnieniami, zarządzanie na przykład tym, no właśnie, z którego modelu korzysta dany zespół. No bo nie chciałem wdrażać rozwiązania, które wiąże mnie na przykład tylko i wyłącznie z OpenAI-em

Speaker A

albo tylko i wyłącznie z Anthropic’iem. To znaczy, ta rzeczywistość dookoła modeli tak szybko się zmienia. Nie wiem, czy jesteście świadomi, ale rok temu wszyscy siedzieli na GPT-4 i byli zachwyceni. Minął rok i tak naprawdę całość się pozmieniała, więc dla mnie

Speaker A

najważniejsze było wybudowanie warstwy, która stanie się drzwiami do tego wszystkiego, co jest na zewnątrz. Czyli na przykład będę w stanie się spiąć po API z dowolną listą modeli i tym samym doprowadzić do tego, że jeżeli wdrożę ludzi w to narzędzie, w tę warstwę i za

Speaker A

rok, za pół się coś pozmienia, to obojętnie, które rozwiązanie wyjdzie, to ja je po prostu podłączę do tego rozwiązania, które ludzie znają i będą mogli dalej z niego korzystać. To znaczy, widzę, jak dużym problemem jest wdrożenie takiego systemu. Do tego jeszcze wrócę

Speaker A

swoją drogą. Więc jak już chcę go wdrożyć, to chcę wdrożyć taki, z którego się kurka nie przesiądę i który na dodatek rozwiąże mi problemy specyfiki poszczególnych zespołów, rozwiąże mi problem ogólnoorganizacyjnego kontekstu, kontekstu jeszcze zespołowego, potem warstwę narzędziową

Speaker A

danego zespołu i w sumie tu można byłoby dopisać jeszcze kilka kontekstów, bo na przykład kontekst prywatny każdego z userów, co kt...

Speaker A

którzy zgłaszali się do leców na dzisiaj. To jest też ciekawe, system dopiero ma swoją publiczną premierę, korzysta z niego grubo powyżej 1000 userów. w różnych firmach rozsianych po Polsce. Ale już za dużo gadania, to było o problemach. Przejdźmy do samego

Speaker A

narzędzia. No dobrze, patrzycie właśnie na Appto i Apto oczywiście ma tradycyjny czat, taki czat, z którego może korzystać każdy użytkownik. Tutaj może wywoływać handlowców, których ma dostępnych. To ważne, jesteśmy też w systemie demo. Yyy, chciałem wam pokazać to na naszym produkcyjnym systemie, ale

Speaker A

jak zacząłem to robić, to się okazało, że liczba rzeczy, których nie mogę pokazać, jest tam za duża, na przykład rzeczy o naszych procesach. Y, więc postawiliśmy wersję demu. No i co tu jest? Jest oczywiście czat. Jesteśmy teraz w panelu menagżera, to jest bardzo

Speaker A

ważne. Są asystenci, to znaczy zaraz do nich przejdę, asystenci, których mogę tworzyć. To było kolejne założenie, kolejny nasz problem. Chciałem, żeby każdy nasz menadżer mógł stworzyć asystenta najlepiej w 15 minut. Jeżeli ma pełny kontekst i narzędzia, które są

Speaker A

dostępne, to niech to po prostu zrobi. E, co ważne jest kontekst właśnie, czyli nasz organizacyjny kontekst. Na przykład wiedza o sprzedaży. Tutaj mamy wiedzę o ofertowaniu, o kwalifikacji, o naszych case studies w tej wersji demo. I co ważne, ja jako menadżer w momencie,

Speaker A

kiedy zmienię kontekst, to wszyscy asystenci, którzy z niego korzystają w organizacji będą pracowali inaczej. Jest oczywiście prywatna pamięć, czyli pamięć o mnie, o użytkowniku. Jak poproszę apto, żeby coś zapamiętał, to zapamięta.

Speaker A

I co bardzo ważne, co się okazało dla nas bardzo potrzebne, są projekty. Do nich też zaraz przejdę. Czyli sposób na to, żeby nie tylko jeden użytkownik pracował z AIem nad czymś, tylko żeby grupa ludzi pracowała wspólnie nad jakąś inicjatywą.

Speaker A

rutyny. Ekstremalnie ważna rzecz, która którą zbudowaliśmy, która dla nas okazała się bardzo istotna i tak naprawdę też ważna rzecz pod kątem takim, że wiele tematów, które d trzy lata temu LEDs Automate robilibyśmy jako zlecenie na automatyzację, to dzisiaj

Speaker A

możemy wyklikać w minuty, zamiast robić to w dziesiątki godzin. Mamy tutaj rutyny, są szablony rutyn, też wam je dzisiaj pokażę. No i na koniec szanowni, słuchajcie, integrację, znaczy możemy połączyć się z tymi narzędziami, z których korzystamy wewnętrznie w firmie.

Speaker A

Możemy też połączyć się z naszym własnym slakiem. Możemy też poustawiać chociażby na przykład domyślny model Wise. Jest cały panel analityki na przykład, którego nam cholernie brakowało. A mianowicie mogę sobie spojrzeć jak wygląda aktywność w mojej firmie. Mogę przeanalizować co się

Speaker A

dokładnie dzieje, ilu mam aktywnych użytkowników, ile wysłali wiadomości, jak często wywołali narzędzia, ile wykorzystaliśmy kredytów w dniach, ile ich wykorzystaliśmy, ile te wiadomości, gdzie te wiadomości zapadały, ile było zużycia kredytów dziennie, który użytkownik to zrobił, który był najbardziej aktywny, które

Speaker A

integracje były najbardziej popularne, z których asystentów korzystali, które modele były najbardziej popularne i z których umiejętności, do umiejętności zaraz wrócę, ludzie korzystali Więc tak naprawdę zbudowaliśmy sobie system, który wypełnia wszystkie te rzeczy, które chcieliśmy. No bo mamy warstwę

Speaker A

kontekstu organizacyjnego, mamy warstwę kontekstu dla poszczególnego zespołu. Mamy tutaj też zespoły, mamy mamy podpięte narzędzia, z których korzystają dane zespoły i mamy po API podpięte wszystkie modele, które były do nas potrzebne. I teraz tak naprawdę po co to zrobiliśmy? To

Speaker A

zobaczycie. Teraz jestem menadżerem na przykład w zespole sprzedaży. Zespół sprzedaży do mnie przyszedł, że kurczę oni by chcieli takiego asystenta, który robi coś tam, bo tam tracą kupę czasu. I ja klikam, słuchajcie, nowy asystent utwórz od podstaw i słuchajcie, wybieram nazwę testowy.

Speaker A

Opisuję co to za asystent i w tym momencie najważniejsza informacja. Wybieram, czy to jest dla mnie asystent, czy to jest widoczny dla zespołu, na przykład dla zespołu sprzedaży w tym przypadku. I teraz uwaga. Wybieram model, na którym pracuje ten asystent i

Speaker A

to jest cholernie ważne. To znaczy zużycie tokenów już dzisiaj jest na tyle istotne, że zarządzanie tym organizacyjnie stało się bardzo ważne. I teraz ja tworząc asystenta mogę wybrać albo tylko i wyłącznie jeden model.

Speaker A

Proste zadanie, więc wybiorę sobie na przykład Gemini flasha albo mogę wybrać modele do przełączania, czyli dać moim handlowcom możliwość wybierania sobie modelu. Zwróće uwagę, że to jest nawet proste założenie organizacyjne, które pomaga zapanować nad zużyciem tokenów.

Speaker A

Ale wróćmy. Wezmę model domyślny tylko Gemy Flasha. I teraz które narzędzia widzi ten asystent? No widzi pipedria na przykład, coś tam będzie z nim robił.

Speaker A

Jaki kontekst widzi? No to słuchajcie piękna rzecz, bo on tu widzi na przykład kwalifikacje i mogę mu przypisać cały folder o kwalifikacji, zasady i tak dalej. Dajmy mu całą wiedzę o sprzedaży, całą wiedzę o ofertowaniu i gotowe. I

Speaker A

teraz czy korzysta z prywatnej pamięci? Niech nie korzysta. W tym przypadku nie chcę, żeby prywatna pamięć użytkownika zmieniała sposób pracy tego asystenta.

Speaker A

On jest zbyt ważny dla organizacji. I na koniec umiejętność. Co musi potrafić ten asystent? To na przykład organizacyjna umiejętność, kwalifikacja szansy sprzedaży. Ciach. On musi potrafić kwalifikować, żeby to dobrze zrobić.

Speaker A

Słuchajcie i to jest to jest proste, co ja teraz zrobiłem i wyklikałem, ale ale dla nas organizacyjnie.

Speaker A

Sam fakt tego, że menadżer zespołu może to zrobić. I oczywiście tutaj trzeba zrobić rola kim jesteś i tak dalej. Można to stworzyć asystentem. On to za was napisze w tej wersji z kreatorem.

Speaker A

Natomiast co do zasady w momencie kiedy zapiszę sobie tego asystenta, on się staje dostępny dla tego zespołu sprzedaży i mogę na nim pracować już teraz zaraz. I to jest wspaniałe po prostu. No dobrze i teraz zobaczmy sobie to na przykładzie.

Speaker A

Ja się, słuchajcie, zaloguję do demowego Pipedrivea. Jestem, jestem. I teraz spójrzcie, jestem na stronie internetowej, zamawiam konsultację z LEDs Automate. No bo czemu by nie. I teraz zobaczcie, co się stanie. Mimo tego, że zamawiam ją w narzędziu, mimo

Speaker A

tego, że Apto jest tą warstwą stojącą z boku, to wydarzy się cała masa ciekawych rzeczy. No dobrze, słuchajcie. Teraz patrzymy na Slaka, który pokazuje rezultat pracy Apto. Apto jest też zintegrowany ze Slakiem. Można z nim rozmawiać na Slaku, można go wywoływać

Speaker A

na Slaku, można na Slaku wywoływać wszystkich asystentów, którzy są w Aptorzeni. Można też różnicować ich w zależności od kanału, na którym z APto rozmawiamy. Główny asystent w Apto nazywa się WIE. Jakżeby inaczej. Ale tu jest informacja o tym, że ten LD został

Speaker A

zakwalifikowany, spełnia wszystkie kryteria, działa w Polsce. Branża to agencja marketingowa B2B. i na rynku od 2021. Przy okazji Apto wykonało akcję w pipedriveie, dodano notatkę, zmieniono etap, nadano etykietę i teraz jak sobie spojrzymy w pipeie, to wszystkie te

Speaker A

informacje, które apto de facto wykonało już tutaj będą łącznie, że etap zmieniony był, to już pewnie przed momentem widzieliście, łącznie z tymi notatkami o kwalifikacji. To wszystko trochę trwa, bo ja jestem na hotspocie w środku parku, więc muszę być cierpliwy. Ale jest,

Speaker A

patrzcie. kwalifikacja, wszystkie te informacje, które też były podane na Slaku, tutaj się znalazły. Yyy, jest dodany tag agencja marketingowa i to jest tak naprawdę dla nas dealbreaker, to znaczy to, że jesteśmy w stanie wykreować te działania z poziomu Upto. I teraz pokażę wam jak

Speaker A

to wygląda w samym UPTO. Jak wejdę sobie w rutyny i wejdę sobie we wszystkie rutyny, kwalifikacja leidów, to tutaj dokładnie jest wyzwalacz, czy jeżeli utworzono nową transakcję w pippie, pojawiła się szansa sprzedaży, tutaj się pojawia instrukcja. Dokonaj kwalifikacji

Speaker A

lida pobierając z zasady kwalifikacji. Tutaj bardzo łatwo można wywołać kontekst. Zwróćcie uwagę, mogę tutaj wywołać umiejętność, kontekst, dowolną rzecz. Następnie rozpisz wynik kwalifikacji. Jeśli nie zakwalifikujesz, oznacz jako straconą. się zakwalifikujesz, przenieś do etapu ID7 oraz oznacz jako odpowiednią etykietę z

Speaker A

branży i wyślij powiadomienie na Slaku. Wszystko jest włączone. I teraz zwróćcie uwagę, że jak zmienię zasady kwalifikacji, czyli przejdę do bazy wiedzy, w mojej organizacji coś się zmieniło, nie wiem, zmieniliśmy zasady kwalifikacji na przykład i teraz wejdę sobie do kwalifikacji i te zasady

Speaker A

zmienię. na przykład wyedytuję i powiem: "Nigdy nie kwalifikuj firmy Adwise." No tak się zdarza czasami, że takie kwalifikacje ktoś może mieć i zapiszę, to w tym momencie cała ta rutyna u wszystkich agentów zmieni się, czyli obojętnie jaki asystent korzysta z zasad

Speaker A

kwalifikacji, obojętnie który zespół korzysta, to w tym momencie od tego momentu, kiedy zapisałem ten konkretny ten konkretny element, to całość będzie działała już inaczej. I teraz zwróćcie uwagę, wypełniłem formularz ponownie, tym razem jako Szymon 2. No i zobaczymy,

Speaker A

co APTO zrobi teraz. No i spójrzcie na wynik. Tym razem jest niezakwalifikowany. Firma Adwise spełnia formalnie kryteria, ale jest objęta jednoznacznym wykluczeniem. Nigdy nie kwalifikuj firmy Adwise. Kluczowe fakty.

Speaker A

Firma Adwise. Siedziba, kontakt. Akcja w pipeedriveie, notatka z pełną kwalifikacją, szansa sprzedaży jest już stracona, reguła wykluczenia Adwise.

Speaker A

Nawet nie ma jej teraz w lejku, ale jak sobie przefiltruję, zakładam przez stracone szanse, wszystkie stracone szanse sprzedaży, to ona tutaj powinna wisieć. I jest de facto apto wykonało robotę.

Speaker A

zakwalifikowało w tym momencie yyy Adwise jako no nie jest kwalifikowana niestety. I to co teraz wam pokazałem, to jest bardzo prosty przykład, ale to zarządzanie centralne kontekstem, to że ja jako właściciel organizacji mogę teraz sterować zasadami kwalifikacji, nie muszę ich wysyłać wszystkim ludziom

Speaker A

na maila, nie muszę im wysyłać swoim, nie wiem, 15 handlowcom i prosić ich, żeby zastosowali to w swoich asystentach, czy żeby zmodyfikowali, nie daj Boże, agenty, które gdzieś tam w organizacji powstały. Absurd absolutny.

Speaker A

W tym momencie centralnie zmieniam kontekst i praca wszystkich asystentów, którzy z tej kwalifikacji korzystają się zmieni. I to był dla mnie absolutny dealbreaker.

Speaker A

Idźmy dalej. No dobrze, potestujmy sobie dalej kontekst. Wszedłem teraz do głównego czata i zapytam go na przykład, jakie mamy udane realizacje dla klientów.

Speaker A

W tym momencie asystent handlowca, który jest moim domyślnym asystentem w tym miejscu, zacznie przeszukiwać kontekst i najprawdopodobniej odkopie dla mnie informację, bo jest ona w kontekście, jest w bazie wiedzy właśnie na ten temat. Mamy sześć udanych realizacji.

Speaker A

Case studies, głównie dla firm doradczych i agencji, automatyzacja obiegu lidów ofertowania, agencja marketingowa performance, asystent AI do researchu i draftów, automatyzacja raportowania klienckiego.

Speaker A

To ja poproszę go dodaj pasujące case studies do szansy sprzedaży dla Adwise w Pipedrive. W tym momencie Apto z uwagi na to, że ma podłączonego i pipea i kontekst i tą szansę sprzedaży, która w nim jest, jest w stanie wykonać

Speaker A

to konkretne działanie, o które poproszę tutaj wewnętrznie w czacie. wypisał zadania, szuka szansy sprzedaży Adice w pipedriveie wyszukał, sprawdza zasady kwalifikacji, które mieliśmy już określone w naszym kontekście, a on teraz przeczyta, że nie można kwalifikować Adwise. Ciekawe co

Speaker A

zrobi, bo tamta wcześniej była zakwalifikowana według starych zasad. Znalazłem dwie szanse zakwalifikowano i lost. Problem.

Speaker A

Nasze zasady zawierają jednoznaczny zapis. Deal 18 poprawnie to uwzględnił zostało oznaczone. Zanim dodam case studies, czy wiesz o tym wyjątku? Mimo wszystko chcesz kontynuować pracę nad Deal 17?

Speaker A

Chcę kontynuować. Kontynuować pracę. Szansa została dodana przed zmianą zasad. Ciekawe co zrobi. Zaakceptował to rozwiązanie.

Speaker A

Dobiera pasujące case studies. Teraz, czyli tak naprawdę obojętnie, czy poprosiłbym go o to tutaj, czy poprosiłbym go o to w na slaku, po prostu wywołując go e jako wise, jakie mamy udane case studies pasujące do adwise, to również na slaku będę mógł z Apto

Speaker A

porozmawiać, czy wolę tu, czy wolę tam. A to zostawi oczka i już się tutaj organizuje, szuka dla mnie odpowiedzi.

Speaker A

Jak wrócę tutaj, gotowe, dobrałem. notatkę z pasującymi szansami. Ja już sobie on dobrał, ale chyba jeszcze jej nie dodał. Wrócimy do szansy sprzedaży.

Speaker A

Wygrane czy wygrane będące w toku i jest pasujące case studies zostały tutaj dodane zgodnie z tym, o co poprosiłem tam na czacie. Czyli tak naprawdę to, co było dla nas drugą rzeczą, która była kluczowa, to możliwość takiego nazwijmy to takiego

Speaker A

action based AI. To znaczy w momencie kiedy o coś go poproszę, to on fizycznie wykonuje to w narzędziach, z których korzystamy, no bo wtedy realnie jest w stanie zaoszczędzić czas naszego zespołu. Czyli w starym świecie ktoś musiałby przyklejać te notatki z

Speaker A

narzędzia, którego korzysta, wklejacie je tam. Dzisiaj w naszym przypadku po prostu zwyczajnie nie trzeba tego robić.

Speaker A

Idźmy dalej. Rzecz, którą chciałem wam pokazać jeszcze, to były projekty. To znaczy w momencie, w którym w każdej naszej linii biznesowej są jakieś projekty i teraz jesteśmy w stanie porozmawiać tutaj na przykład mamy projekt sprzedaży do jakiegoś klienta.

Speaker A

Czy widzisz jakieś ryzyka na podstawie rozmów z klientem? Ryzyka znalezione. Zapisz wszystkie ryzyka w sekcji analizy na karcie projektu. Proszę bardzo. Te ryzyka tutaj są.

Speaker A

Asystent handlowca, zapisz wszystkie ryzyka. Ciach. Przygotuj mi proszę brief na podstawie wszystkich danych, które mamy. Brief został przygotowany. Kto jest decydentem? W jaki sposób się kontaktować? Pomijmy kontakt i twarde widełki, bo nie mamy danych. Lecimy od razu z pełną koncepcją. Czyli tak

Speaker A

naprawdę wszystkie procesy sprzedażowe, które jesteśmy w stanie stworzyć i opisać w formie skili, mogą się tutaj znaleźć. Ja nawet mogę poprosić tutaj teraz utwórz ofertę dla tego klienta i asystent handlowca ma podpiętą ma podpiętego skilla, który stworzonego de facto skilla, który

Speaker A

pomaga te oferty tworzyć. Widzicie, że teraz go znalazł i zobaczymy co stworzy. Link do oferty.

Speaker A

Proszę bardzo. Pełna koncepcja i wycena automatyzacji raportowania oraz onboardingu klientów dla zespołu pięciu account menagżerów Adwise obsługujących 40 klientów abonamentowych. My z reguły jak widzicie ostatnio tworzymy oferty w postaci takich stron WW. Jest to szybsze, prostsze dla AIA też bardzo optymalne

Speaker A

rozwiązanie. Dla klienta zazwyczaj jest to pewne zaskoczenie, to znaczy to są oferty, które są nietypowe. Czasem dodajemy tutaj taką ikonkę drukarki po to, żeby ktoś mógł sobie to zapisać w formacie PDF. Natomiast oczywiście można byłoby to zrobić w inny sposób. My

Speaker A

aktualnie testujemy taki i projekty. To jest to miejsce, w którym ja mogę poprosić asystenta o to, żeby wykonał jakieś działanie na podstawie wszystkich wszystkich plików, które w tym projekcie są. I teraz obojętnie, czy to są projekty doradcze, czy to są projekty

Speaker A

jakiekolwiek inne, możemy tutaj razem pracować z AIem po to, żeby wytworzyć jakiś rezultat. Możemy sobie zlecać zadania, możemy trzymać analizy, decyzje do podjęcia, założenia, wnioski, ryzyka, możemy trzymać wszystkie pliki, możemy trzymać to w postaci folderów, możemy tutaj w ogóle wrzucić wszystkie

Speaker A

informacje, które mamy na temat klienta i mieć na przykład skilla, który rozpisze ten projekt, tak żeby cały zespół mógł na nim pracować.

Speaker A

Niesamowite. I teraz gdybym miał to podsumować to tak naprawdę mamy warstwę, która pośredniczy między nami a AIem i która gromadzi wewnętrznie cały kontekst. Czy to pochodzący z narzędzi, czy to pochodzący z pracy ludzi, czy to na temat naszej organizacji, czy na

Speaker A

temat naszych procesów. Wszystko jest tutaj. I dzięki temu, że ja jako menadżer mogę sobie to zmodyfikować, to dzięki temu zawsze praca wszystkich asystentów w naszym zespole jest aktualna. I i znowuż dzięki temu mogę tworzyć asystentów ASAP. Dzięki temu mogę

Speaker A

tworzyć rutyny, które albo są albo są rutynami, gdy coś się wydarzy, albo są rutynami, które działają według harmonogramu. Na przykład czytają jakieś maile z rana i następnie robią jakieś działanie południu. Albo gdy na przykład przyjdzie mail na jakąś skrzynkę, ap to

Speaker A

coś wykona. I i oczywiście wydaje się to proste. Natomiast jest tutaj bardzo dużo rzeczy, które musieliśmy opracować. To znaczy to w jaki sposób działa apto na slaku jest ciekawe. to w jaki sposób na przykład angażujemy kontekst. To znaczy,

Speaker A

żeby nie zużywać tokenów, to nie jest tak, że do AI wysyłamy całą wiedzę, tylko wysyłamy listę kontekstu, który dla danego asystenta może być przydatny, tak zwanych briefów o tym kontekście i asystent sięga po nie dopiero wtedy, kiedy uzna, że jest to

Speaker A

ważne dla działania danego asystenta, żeby nie zużywać tokenów bez sensu i żeby nie zarzucać wiedzą danego danego asystenta.

Speaker A

Oczywiście mamy coś takiego jak wiedza podstawowa, czyli coś co zostanie wysłane zawsze, bo zawsze jest kontekstem, który jest po prostu istotny, żeby dany asystent zadziałał. I teraz na koniec warto byłoby pogadać, bo powiedziałem jaki był problem. Pokazałem parę funkcji. Warto byłoby pokazć o tym,

Speaker A

że przecież wojna na featery to w sumie nie ma wielkiego sensu. No bo teraz większość featerów, które my sobie wymyślimy, jesteśmy w stanie dodać do apto pewnie w kilka dni. Więc jeżeli my jesteśmy w stanie, no to każdy jest w

Speaker A

stanie. Więc tak naprawdę featery zakładam, że przestają być wyróżnikiem. Pokazuje je głównie po to, żeby w ogóle osobom nie aż tak AI friendly pokazać jakie są możliwości, kiedy postawi się taką warstwę jak apto między firmą a AIem. To znaczy, że możemy yyy wykonywać

Speaker A

działania w tle. To znaczy, że możemy mieć wspólny kontekst. To znaczy, że możemy zarządzać tym w jakiś sposób jako organizacja. Swoją drogą, bo tego nie powiedziałem wcześniej, uważam, że odseparowanie się od dostawców AI, to znaczy posiadanie warstwy, która nas od

Speaker A

nich uniezależnia jest kluczowe, dlatego że ceny tokenów przejdą taką samą transformację jak wszystko inne w historii. Znaczy w końcu wyjdzie gracz, który będzie te tokeny sprzedawał taniej, w końcu wejdzie jeszcze inny i jeszcze inny i na bieżąco jako

Speaker A

organizacja możemy podejmować decyzję o optymalizacji zużyciu tych zużycia tych tokenów poprzez na przykład zamianę asystenta, przepraszam, zamianę lmów w konkretnym asystencie i to centralnie jako organizacja możemy tym zarządzać.

Speaker A

Więc tak naprawdę zużycie tokenów możemy optymalizować w czasie i nie jesteśmy uzależnieni od jednego dostawcy.

Speaker A

Oczywiście wtedy jesteśmy uzależnieni od takiego systemu jak apto. Natomiast to jest kwestia znowuż wyboru. Nie ma idealnych decyzji. Są decyzje, które pasują do naszej firmy. No i teraz skoro wojna na fitery nie ma sensu, no to gdzie jest ta wartość dzisiaj?

Speaker A

Słuchajcie, no i wydaje mi się, my narzędzi różnych setki widzieliśmy w firmach naprawdę masę i większość z nich jest niewdrożona. To znaczy te zespoły korzystają z tego losowo, randomowo.

Speaker A

Jedni korzystają, inni nie. Jedni grali kontekst, inni sobie nie wgrali. Czyli dzisiaj przyjmuję taką hipotezę, że kluczowe jest wdrożenie. I jeżeli tak jest, to zakładam, że lokalne firmy, takie jak my na przykład w Polsce, chociaż mamy też ambicje spróbowania

Speaker A

wyjścia na zagranicę, będą miały swoją przestrzeń. To znaczy, jeżeli my jako polska firma jesteśmy w stanie pogadać z dostawcą po polsku i on jest w stanie nam to wdrożyć, a nie tylko dać samoobsługę, masz tam sobie skonfiguruj, to uważam, że będzie miało to ogromną

Speaker A

wartość. To po prostu druga rzecz, słuchajcie, którą y która jest naszym wyróżnikiem, to to, że Apto jest tylko jedną z aplikacji. Znaczy jeżeli rozbudowujemy system dla klienta, to jesteśmy w stanie stworzyć mu aplikacje, które na przykład obsługują jakiś proces. aplikacje, które

Speaker A

w pewien sposób są natywnie zintegrowane z Appo. Czy jesteśmy w stanie rozbudować to na zamówienie? Jesteśmy w stanie do Apto, to jest też ciekawa rzecz w polskich firmach, powodzenia z integracją na przykład z Optimą albo z Komarchem wszelakiego rodzaju.

Speaker A

Okazuje się, że te integracje lokalne mają bardzo duże znaczenie dla bardzo wielu firm. Y, no bo jest tam cała masa kontekstu i wiedzy.

Speaker A

Potem kolejna rzecz to na przykład anonimizacja i i wiele firm może mieć, my mamy na przykład na naszej instancji w grupowej mamy wdrożoną anonimizację danych. Wiele firm może mieć tutaj bardzo dużo wymagań, a apto dla nas jest platformą, która zakładamy, że spełnia

Speaker A

około 80% wymogów, które mają wszyscy, czyli to zarządzanie rolami, zespołami, kontekstem skillami integrację, narzędzia, czat tekstowy, czat w slaku, projekty, nie projekty i następnie dalej można można to rozwijać wewnętrznie w firmie. Więc y więc to i poza tym jeszcze jest jedna rzecz, bo

Speaker A

tak naprawdę dopiero przy wdrożeniu tego na poważnie wychodzi bardzo wiele luk, jak na przykład chociażby to, że y wiele systemów wysyła ten cały kontekst do AI i ja wtedy nadpłacam, wchodzę sobie i mówię: "Boże drogi, zużyliśmy wczoraj x000 zł na to, że ktoś pracował z

Speaker A

czterema skillami, a na drugi dzień po optymalizacji okazuje się, że zużyliśmy 10% z tego, co zużyliśmy wczoraj, bo zrobiliśmy to lepiej. i inaczej. To jest ciekawe, słuchajcie, w którą stronę ten rynek narzędzi aiowych skręci i jak to dokładnie będzie działać.

Speaker A

Kropka. Zachęcam was do komentarzy, zachęcam was do dyskusji. Jak tylko apto się pokazało, to zaczęli za mną biegać różni pasjonaci AIA, że to przecież bez sensu. I być może to jest bez sensu. To nie jest tak, że ja się upieram, że to

Speaker A

koniecznie ma sens. To ma sens dla nas. To ma sens dla tych klientów, którzy już do nas trafili i którzy nad tym pracują.

Speaker A

A teraz sprawdzimy, czy ma sens szerzej i dla ilu firm może być to znowu wiewiórkami chodzi po bucie. Może być to duże ułatwienie w życiu i w pracy. Tyle.

Speaker A

Słuchajcie, pozdrawiam was serdecznie z Nowego Jorku. Jestem dumny, że Apto powstało. Jestem dumny, że możemy pracować na nim my, nasi klienci i że taka firemka mała z Polski może w jakiś sposób uczestniczyć w rewolucji, która aktualnie dzieje się na rynku. Tyle ode

Speaker A

mnie. Do zobaczenia w kolejnym odcinku. Mam nadzieję, że ten nie był zbyt chaotyczny, nie miał scenariusza. Po prostu starałem się pokazać, co system potrafi. Do zobaczenia w kolejnym materiale. Cześć. M.

Topics:AptoWise Groupwdrożenie AIsztuczna inteligencjaautomatyzacjaintegracja narzędzizarządzanie kontekstemGPT-4PipedriveAI w firmie

Get More with the SozAI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play

Or transcribe another YouTube video here →

Free tools: TXT to SRT · SRT Validator · Merge SRT · Subtitle to Text · All tools