Matryca Decyzyjna jako kompas we wdrożeniach AI – kiedy… — Transcript

Matryca decyzyjna pomaga wybrać odpowiedni poziom wsparcia AI w pracy, od prostych promptów po zaawansowanych agentów AI.

Key Takeaways

Zacznij od najprostszego poziomu wsparcia AI i przechodź wyżej tylko gdy to konieczne.
Większość tzw. agentów AI to w rzeczywistości dobrze zaprojektowane automatyzacje z modelem językowym.
Agent AI charakteryzuje się planowaniem, samodzielnym wykonaniem, adaptacją i raportowaniem.
Minimalizacja złożoności oszczędza czas i pieniądze w implementacji AI.
Człowiek powinien pozostawać w pętli decyzyjnej nawet przy zaawansowanych agentach AI.

Summary

Wideo przedstawia matrycę decyzyjną jako narzędzie do wyboru odpowiedniego poziomu wsparcia AI w różnych zadaniach.
Matryca składa się z czterech poziomów: prompt, assistant AI, automatyzacja workflow i agent AI.
Poziom pierwszy to pojedyncze zapytanie do AI, idealne do jednorazowych zadań.
Poziom drugi to asystent AI, który można skonfigurować raz i używać wielokrotnie do powtarzalnych zadań.
Poziom trzeci to automatyzacja procesów z użyciem narzędzi takich jak Make.com, łącząca wiele aplikacji i AI jako routera działań.
Poziom czwarty to prawdziwy agent AI, który sam planuje, wykonuje, adaptuje się i raportuje działania.
Autor podkreśla zasadę minimalnej złożoności – wybieraj najprostsze rozwiązanie, które działa.
Wiele rozwiązań sprzedawanych jako agent AI to w rzeczywistości zaawansowane automatyzacje z LLM w środku.
Przykłady z życia pokazują zastosowanie każdego poziomu na realistycznych zadaniach.
Agent AI wymaga ciągłej kontroli człowieka i jest kosztowny w konfiguracji, mimo że może działać autonomicznie.

Full Transcript — Download SRT & Markdown

Speaker A

Cześć. Mam do was szybkie pytanie na rozgrzewkę. Ile narzędzi AI poznaliście w ostatnim półroczu? Gemini, ChatGPT, Notebook LM, Gems, Custom GPT, Lovable, Make, Agenty, Nocod, platformy i pewnie sami znaleźliście jeszcze parę po drodze i bardzo wielu z was czuje teraz coś

Speaker A

takiego jak paraliż, bo jest tego za dużo. Macie konkretne zadanie do zrobienia w pracy i nagle musicie zdecydować. Napisać prompt, skonfigurować dema, budować automatyzację w Make. A może to już zadanie dla agenta? Skąd mam to wiedzieć?

Speaker A

To jest najczęstszy problem, jaki widzimy u ludzi po szkoleniach z AI. Wychodzą z wiedzą o narzędziach, umieją wymienić, czym się różni demo od custom GPT, ale nie mają czasem kompasu, który mówi: "W tej sytuacji użyj tego". A bez tego

Speaker A

kompasu są czasem dwie typowe wpadki. Albo robicie wszystko ręcznie w ChatGPT, bo to znacie, albo skaczecie od razu do agenta, bo brzmi to najpoważniej. Jedno i drugie kosztuje czas i pieniądze. Dzisiaj w kilkanaście minut dostaniecie ten kompas. My go

Speaker A

nazywamy matrycą decyzyjną. Są to cztery poziomy, pięć pytań i jedna zasada. Lecimy. A oto wasza matryca. Wyobraźcie sobie drabinkę z czterema szczeblami.

Speaker A

Każdy szczebel to inny poziom wsparcia AI. Od najprostszego do najbardziej złożonego. Poziom pierwszy to prompt.

Speaker A

Zwykła rozmowa z AI Gemini, Clotch, ChatGPT. I to jest wasz domyślny punkt startowy. Macie jednorazowe zadanie, potrzebujecie AI do jednego konkretnego problemu. Prompt, koniec, nie ma co komplikować. Poziom drugi to assistant AI. Na przykład Gems w Gemini albo

Speaker A

custom GPT w ChatGPT. Konfigurujecie raz, używacie wielokrotnie. Wchodzicie tu, kiedy powtarzacie ten sam typ zadania, ale za każdym razem z innymi danymi. Klasyczne przykłady to na przykład podsumowanie spotkań, analiza CV pod konkretną rolę, generowanie briefów kreatywnych, zawsze ta sama

Speaker A

struktura, inne wejście. Poziom trzeci, automatyzacja workflow Make.com na Zapier. Tu wskakujecie, kiedy macie wieloetapowy proces, który łączy kilka narzędzi i jest w miarę przewidywalny.

Speaker A

Czyli na przykład, gdy ktoś wypełni formularz, automatycznie wyślij maila, dodaj wpis do arkusza i powiadom mnie na Slacku. Możecie wpleść AI w środek, na przykład, żeby spersonalizować maila, ale rdzeń to przepływ danych między narzędziami. I na szczycie może być

Speaker A

agent AI, system, który sam planuje, sam podejmuje decyzję, sam się adaptuje. Brzmi potężnie, prawda? I jest potężny.

Speaker A

Ale jest też kluczowa prawda, którą chcę, żebyście zapamiętali z dzisiejszej lekcji. W 90% większość rozwiązań sprzedawanych dziś jako agent AI to tak naprawdę dobrze zaprojektowany poziom 3 z modelem językowym wepchniętym w jeden z kroków.

Speaker A

Zanim wskoczycie na czwarty szczebel, upewnijcie się, że naprawdę wyczerpaliście możliwości trzeciego. Nazywamy to zasadą minimalnej złożoności.

Speaker A

Najlepsze rozwiązanie to najprostsze, które działa. Zaczynacie od dołu drabinki i wspinacie się wyżej tylko wtedy, gdy niższy poziom realnie nie wystarcza. Nie dlatego, że wyżej brzmi sexy, nie dlatego, że ktoś na LinkedIn napisał, że teraz wszyscy budują agentów, tylko dlatego, że problem tego

Speaker A

wymaga. No dobra, teoria za nami. Pokażę wam to teraz w akcji po jednym przykładzie z każdego poziomu na realistycznych zadaniach zbiórka menadżera. Więc sytuacja pierwsza. Mam przed sobą na przykład trzystronicowy raport sprzedażowy.

Speaker A

Szef czy szefowa pyta na popołudniowym kole o najważniejsze wnioski. No więc sprawdźmy. Jednorazowe zadanie wymaga mojego osądu. Co tu jest naprawdę istotne? Raczej tak. Jedno narzędzie wystarczy chyba. Tak. Więc jest to poziom pierwszy. No i gotowe. 30 sekund.

Speaker A

Mamy wnioski. Mam zaznaczone ryzyko. Gdybym pod takie zadanie budował automatyzację, pewnie byłoby to jak strzelanie z armaty do muchy.

Speaker A

Sytuacja druga. Prowadzę trzy spotkania w tygodniu z zespołem, z klientem, z zarządem. Po każdym muszę zrobić podsumowanie w stałym formacie, czyli kto był, co ustaliliśmy, jakieś action item z deadline’ami.

Speaker A

Powtarzam to dziesiątki razy w miesiącu. To jest prawdopodobnie poziom drugi. Patrzcie, mogę sobie skonfigurować gema, czyli raz wpisałem instrukcję, format, ton, listę rzeczy do wyciągnięcia. I teraz wrzucam tylko surowe notatki. Dostaję spójne podsumowanie w ustalonym formacie. Nie muszę za każdym razem pisać promptu od

Speaker A

zera. Nie muszę pamiętać, jak ja to ostatnio formatowałem. Asystent po prostu pamięta za mnie. I teraz sytuacja trzecia.

Speaker A

Mamy magazyn. Ekipa operacyjna pisze do mnie cały dzień na Slacku. Ile mamy jeszcze na stanie? Na przykład SK 1234.

Speaker A

Dopisz 20 sztuk po dostawie. Zarejestruj zamówienie dla klienta X. Każde takie pytanie to dla mnie wejście w arkusz, znalezienie rekordu, edycja, zwrot odpowiedzi.

Speaker A

Robi się tego 100 razy dziennie. Spójrzcie na taki template, który Make oferuje w katalogu. Na przykład Inventory and Order Management Agent.

Speaker A

I popatrzmy na schemat. Na wejściu Slack monitoruje konkretny kanał. Wiadomość trafia do modułu w środku, który ma pod sobą trzy narzędzia podpięte do tego samego arkusza Google Sheets. Jedno do wyszukiwania stanu, drugie do aktualizacji, trzecie na przykład do

Speaker A

zakładania nowego zamówienia. I na końcu odpowiedź wraca na Slacka do tego samego wątku. Co tu się dzieje od strony decyzyjnej?

Speaker A

Ktoś, kto pisze na Slacku, mówi po ludzku, czyli sprawdź ile mamy na przykład aspiryn 500. A moduł w środku decyduje, którego z trzech narzędzi użyć. I to jest LLM jako router, czyli czyta intencje, wybiera akcję, wykonuje, raportuje. Cztery narzędzia połączone w

Speaker A

jeden przepływ. Zero mojej obecności w trakcie. Pełni przewidywalna przestrzeń decyzji, bo opcji są tylko trzy.

Speaker A

No i tu może mały komentarz, że Make sprzedaje czy oferuje ten klocek pod nazwą AI agents. Spójrzcie na nagłówek.

Speaker A

No ale my jako pewnie trochę bardziej już świadomi możemy popatrzeć na to w chłodno, że to jest bardziej klasyczna automatyzacja, taki workflow Slack-Google Sheets, oczywiście z dodatkową warstwą, w której LLM pełni rolę routera, czyli rozdzielacza między trzema z góry

Speaker A

zdefiniowanymi narzędziami. Czy pamiętacie zdanie sprzed paru minut? 90% tego, co firmy nazywają agentami, to najczęściej dobrze zaprojektowane automatyzacje z LLM w środku. No i to myślę, że jest jeden z przykładów pokazywany pod hasłem agent.

Speaker A

Architektonicznie bardziej bliżej mu jest do poziomu trzeciego. I to jest super rozwiązanie. Nie krytykujemy go, sami byśmy go używali, tylko nazywajmy te rzeczy tym, czym są naprawdę i to wam się przyda za chwilę w naszym detektorze buzzów.

Speaker A

No i sytuacja czwarta, czyli poziom czwarty, prawdziwy agent. Spójrzmy na coś, co najlepiej oddaje, czym agent różni się od trzech poprzednich poziomów. To jest Kursor, środowisko deweloperskie z trybem agentowym.

Speaker A

W takim środowisku mogę wpisać jedną specyfikację. I co się wtedy stanie? Możemy spojrzeć na cztery rzeczy. Po pierwsze, agent planuje, czyli z jednego zdania wymyśla 10 kroków, w jakiej kolejności je zrobić. Drugie, sam wykonuje, pisze pliki, klika w terminalu, uruchamia

Speaker A

komendy, których ja go nie nauczyłem. Trzecie, sam adaptuje się. Jak coś się sypie, czyta błąd, decyduje co zmienić, próbuje jeszcze raz. No i czwarte, sam raportuje. Na końcu mówi mi, co zrobił i co warto sprawdzić. No i te cztery

Speaker A

cechy: planowanie, wykonanie, adaptacja, raportowanie, one są bliżej definicji agenta. Tego nie ma w żadnym z poziomów 1 do 3. W Make AI agent z poprzedniego przykładu LLM wybiera spośród trzech zdefiniowanych narzędzi. Tutaj LLM sam wymyśla, jakie narzędzia mu są potrzebne i sam ich

Speaker A

używa. Dwa zastrzeżenia bardzo ważne. Pierwsze, nawet w tym agencie ja jako człowiek jestem cały czas w pętli decyzyjnej.

Speaker A

Kursor pokazuje mi propozycję zmian. Ja akceptuję albo odrzucam. Ja czytam kod. Ja decyduję, czy to wdrażamy. Pełna autonomia bez pętli z człowiekiem na produkcji dla biznesu prawie nie istnieje. A tam, gdzie istnieje, no cóż, może generować historie, których nie chcecie być

Speaker A

bohaterami. Druga rzecz, Kursor jest tani jak na to, co robi, 20 kilka dolarów miesięcznie, ale agent dla biznesu do procesu klienckiego to zwykle tygodnie konfiguracji, integracji przez IT i regularne koszty.

Speaker A

Dlatego zanim zechcecie zbudować własnego agenta do firmy, uczciwie sprawdźcie czy poziom 1 do 3 na razie nie wystarczą.

Speaker A

Często wystarczą, ale warto to sprawdzić. Okej, mamy drabinę i mamy też intuicję. Teraz chcemy wam dać narzędzie, którym każde zadanie z waszej pracy potraficie sklasyfikować w 30 sekund. Pięć pytań, każde od jednego do czterech punktów i suma wskazuje powiedzmy poziom matrycy.

Speaker A

Spytanie pierwsze. Jak często to robisz? Aden punkt. Miesięcznie dwa, tygodniowo trzy. codziennie 4. Pytanie drugie. Czy struktura jest powtarzalna?

Speaker A

Za każdym razem inaczej. Jeden. Częściowo dwa. Prawie identyczne, trzy. Zawsze identyczne cztery. Pytanie trzecie. Ile czasu ci to zajmuje za jednym razem? Jeśli to są minuty, możemy wpisać jeden pół godziny, dwa godzina, trzy kilka godzin, najmniej już cztery. No i pytanie czwarte i to jest

Speaker A

wydaje mi się, że jedno z najważniejszych pytań z całej piątki. Czy wymaga twojego osądu w trakcie?

Speaker A

Nie na początku, kiedy decydujesz, że robisz, nie na końcu, kiedy zatwierdzasz, tylko w trakcie przy każdym kroku. Im więcej osądów w trakcie, tym mniej punktów, bo tym mniej da się to oddać maszynie. Dużo osądu, jeden trochę dwa minimalne trzy

Speaker A

mechaniczne, cztery. No i pytanie piąte. Ile narzędzi i aplikacji jest zaangażowanych? Jeśli jest jedno, przyjmijmy jeden punkt. 2 2 3 3 C i więcej. Możemy już zbiorczo ująć cztery.

Speaker A

Co możecie zrobić? Możemy zsumować i odczytać 5 do ośmiu punktów. Być może jest to poziom pierwszy, czyli prawdopodobnie wystarczy nam prąd. 9 do 12. Możemy przyjąć, że to jest poziom drugi. To jest być może materiał na asystent 13 do 16 poziom trzeci, czyli

Speaker A

prawdopodobnie materiał na automatyzację powyżej 17. Niewykluczone, że jest to poziom czwarty, czyli agent. Zastrzeżeniem, że nawet przy 20 punktach najpierw zadajcie sobie pytanie, czy naprawdę nie wystarczy mi dobrze zaprojektowany poziom trzeci. Zróbmy to teraz na żywo na dwóch zadaniach.

Speaker A

Jeden z takich klasyków to menagżer operacyjny, czyli mamy zadanie a tygodniowy raport dla zarządu, częstotliwość tygodniową, więc dajemy trzy punkty. Powtarzalność zawsze identyczna. Te same metryki, ten sam szablon cztery. Czas godzina, więc dajmy sobie trzy punkty. Osąd w trakcie raczej

Speaker A

minimalny. Dane mówią same za siebie. Ja głównie kompiluję trzy. No i narzędzia arkusz, mail do zarządu, slag zespołu, czyli mamy trzy. No i suma daje nam to 16 punktów. Być może kwalifikuje się to właśnie na poziom trzeci, czyli

Speaker A

rekomendacja byłaby: "Idźmy w scenariusz w Me." Pobierz dane z arkusza, przepuść przez AI, który napisze podsumowanie po ludzku. Wyślij do zarządu mailem. Daj zespołowi powiadomienie na slaku. Raz konfigurujesz, w trzy godziny oszczędzasz godzinę tygodniowo do końca świata.

Speaker A

No i zadanie B. Odpowiedzi na FAQ zespołu. Pewnie znacie to. Co tydzień te same pytania o procedury, deadliney, dostępy. Częstotliwość codziennie, więc cztery punkty. Powtarzalność prawie identycznie. W kółko te same 20 pytań.

Speaker A

Trzy. Czas pół godziny dziennie. Sumarycznie dwa. Osą w trakcie trochę. Czasem trafia się nietypowe pytanie. Dwa narzędzia jedno slagjemy jeden punkt. No i suma 12 punktów.

Speaker A

Prawdopodobnie klasyfikowałoby się to pod poziom drugi. I tutaj pojawia się rekomendacje. Skonfigurujmy w takim razie gema albo custom GPT zasilonego procedurami i FAQ. Dajmy zespołowi link, niech pytają jego zamiast was.

Speaker A

Wy natomiast interwenujecie tylko przy nietypowych przypadkach. No i zauważcie, tu ktoś powiedziałby: "Hm, zbudujmy agenta, który sam odpowiada na maile." A matryca mówi: "Może nie potrzebujesz agenta, wystarczy ci dobrze skonfigurowany asystent". Myślę, że widzicie już ten schemat. Pięć pytań, 30

Speaker A

sekund, jasna decyzja, a przynajmniej jaśniejsza. bez paraliżu, bez przerzucania się między narzędziami, no i bez angażowania armaty na muchę.

Speaker A

I teraz ostatnia rzecz, zanim podsumujemy, matryca świetnie służy do klasyfikacji waszych zadań, ale ma też drugie zastosowanie, równie ważne.

Speaker A

Pomaga ocenić propozycje, które dostajecie z zewnątrz od konsultantów, agencji, software houseów, vendorów AI, bo dziś każdy sprzedaje agenta AI. To słowo stało się kontenerem na wszystko i to jest szczerze mówiąc trochę problem, bo agendi w 2026 roku ma w sobie tyle

Speaker A

samo treści co synergia z 2010 roku. Trzy pytania, które warto zadać kiedy przychodzi z propozycją agenta ktoś z zewnątrz. To pierwsze, czy mogę osiągnąć to samo prostszym podejściem? Mówimy tu o tej zasadzie minimalnej złożoności.

Speaker A

Jeśli Wendor nie umie odpowiedzieć, dlaczego nie wystarczy poziom 3, może być znak, że albo nie wiem, albo nie chcę wiedzieć, bo poziom 3 sprzedaje się drożej jako poziom 4.

Speaker A

Drugie, gdzie na matrycy realnie leży mój problem? Zróbcie pięć pytań na zadaniu, które ten wendor ma dla was rozwiązać. Jeśli wam wyszło 12 punktów, czyli poziom 2, a oferta opiewa na sześciocyfrowego agenta, to może być czerwona flaga.

Speaker A

Niekoniecznie oszustwo, ale może być to przepłacenie. No i trzecie, to utrzymuje to rozwiązanie, kiedy się zepsuje? A zepsuje się, bo modele się zmieniają, API się zmienia, dane się zmieniają.

Speaker A

Pamiętajcie, że im wyżej drabinki, tym większe ryzyko operacyjne i tym droższe może być utrzymanie. Czasem poziom 3, który wasz zespół umie sam serwisować, jest realnie lepszy od poziomu 4, który zna tylko Wendor.

Speaker A

Podsumujmy to, co dzisiaj omówiliśmy. Po pierwsze, matryca decyzyjna. Cztery poziomy, prompt, asystent, automatyzacja agent.

Speaker A

Ponadto drabinka, po której wspynacie się tylko wtedy, kiedy musicie. No i pięć pytań diagnostycznych, które każde zadanie z waszej pracy zamieniają w jasną liczbę i jasną rekomendację, a przynajmniej jaśniejszą.

Speaker A

I po trzecie, detektor Buzwordów do oceny tego, co sprzedają wam z zewnątrz. Ponad tym wszystkim jedna zasada, którą chcę, żebyście zapamiętali, nawet jeśli zapomnicie wszystko inne z tej lekcji.

Speaker A

Najlepsze rozwiązanie to najprostsze, które działa. Nie najnowsze, nie najmodniejsze, czasem najprostsze. Prompt zamiast asystenta, jeśli prompt wystarcza. Asystent zamiast automatyzacji, jeśli asystent wystarcza.

Speaker A

Automatyzacja zamiast agenta, często. Jeden konkret na koniec. Weźcie dziś jedno zadanie, które robicie regularnie i które was uwieram. Takie, o którym myślicie, zajmuje mi godzinę tygodniowo, się dać szybciej. Spróbujcie przepuścić je przez te pięć pytań.

Speaker A

Zobaczcie na jakim poziomie matrycy ląduje. Porównajcie z tym jakie dzisiaj faktycznie robicie. Jeśli robicie ręcznie zadanie, które matryca klasyfikuje jako poziom drugi albo trzeci, cóż, macie swój pierwszy projekt na ten tydzień. Trzymajcie się. Dziękuję i powodzenia.

Topics:matryca decyzyjnawsparcie AIpromptassistant AIautomatyzacja workflowagent AIMake.comLLMminimalna złożonośćwdrożenia AI

Frequently Asked Questions

Czym jest matryca decyzyjna w kontekście wdrożeń AI?

Matryca decyzyjna to narzędzie pomagające wybrać odpowiedni poziom wsparcia AI dla konkretnego zadania, od prostych promptów po zaawansowanych agentów AI.

Jakie są cztery poziomy wsparcia AI według prezentowanej matrycy?

Poziomy to: 1) prompt – pojedyncze zapytanie, 2) assistant AI – konfigurowalny asystent do powtarzalnych zadań, 3) automatyzacja workflow – łączenie narzędzi i AI, 4) agent AI – samodzielny system planujący i wykonujący zadania.

Dlaczego warto stosować zasadę minimalnej złożoności przy wdrożeniach AI?

Zasada minimalnej złożoności polega na wyborze najprostszego rozwiązania, które efektywnie działa, co pozwala zaoszczędzić czas i pieniądze oraz uniknąć niepotrzebnych komplikacji.

Get More with the Söz AI 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 →