Mentionsy
Skills On Podcast
Skills On Podcast
23.05.2026 08:10

#7 Czy Analityk powinien bać się AI? | Vladimir Alekseichenko

Czy AI zastąpi analityków danych? Vladimir Alekseichenko wyjaśnia, jak Agentic AI i Software 3.0 rewolucjonizują rynek. Poznaj kompetencje przyszłości!Polecane materiały:

🎁 Software 3.0 od Vladimira — wejdź na inżynierski poziom AI: zbuduj produkcyjne systemy z RAG i naucz się tworzyć autonomicznych Agentów🔗 Podcast Biznes Myśli — tu znajdziesz podcast Vladimira🎁 Analityk Danych 10x od Piotra — bezpłatny plan rozwoju dla Analityków oparty na analizie 2000 ofert pracy🔗 LinkedIn Piotra — chętnie pogadam o tematach związanych z Analizą Danych

🔗 Claude Code — narzędzie od Anthropica, dzięki któremu zautomatyzujesz swoją pracę dzięki agentom

🔗 OpenClaw — podcast w którym twórca tego narzędzia zdradza kulisy jego powstawania

🔗 Linear — system do zarządzania zadaniami, który świetnie się integruje z agentami AI

Znikają stanowiska skupione na pracy odtwórczej. Jedna osoba generuje dziś tyle co 50-osobowy zespół. Vladimir Alekseichenko — CEO Data Workshop, 10+ lat w ML, podcast Biznes Myśli (500k pobrań) — tłumaczy, co to znaczy dla Twojej kariery w danych i jak nie tylko przetrwać, ale wygrać w erze AI.


Dowiesz się:

👉 Czy junior w 2026 ma przewagę nad seniorem, i dlaczego Vladimir twierdzi, że tak?

👉 Które umiejętności tracą wartość, a które stają się ważniejsze?

👉 Czym Software 3.0 różni się od "używania ChatGPT"?

Kluczowe momenty:

— Prawda czy halucynacja? Cyfrowe alter ego Vladimira

— Czy analitycy i programiści stracą pracę przez AI?

— "Ownership": Jedyna umiejętność, która uchroni Cię przed AI

— Co Vladimir w pełni zautomatyzował, a czego NIGDY nie odda AI?

— Paradoks rynku: Dlaczego juniorzy z AI mogą wygryźć seniorów?

— Autorytety? Jak naprawdę uczyć się sztucznej inteligencji?

— Ciemna strona agentów AI: Bezpieczeństwo i utrata kontroli

— Software 3.0: Dlaczego Vladimir przestał używać frameworków i pisze od zera?

— 7 poziomów autonomii AI. Kiedy powstanie prawdziwe AGI?

— Gdybyś zaczynał od zera w 2026 — co Vladimir zrobiłby inaczej?

Więcej materiałów znajdziesz tutaj:

- Instagram - https://www.instagram.com/piotr.menclewicz/

- LinkedIn - https://www.linkedin.com/in/piotr-menclewicz/

- Facebook - https://www.facebook.com/piotr.menclewicz/

- Tik Tok - https://www.tiktok.com/@piotr.menclewicz

Alekseichenko LLM AI Alekseichenko Cloud LM RAC Andrii Karpaciego Code'zie API CLO Jan Likun Confluence ETH Uniwersytet CEO

Rozdziały (20)

1. Wprowadzenie i przedstawienie gościa

Wprowadzenie do tematu i przedstawienie gościa, Vladimir Alekseichenko, założyciela firmy Data Workshop.

2. Rekrutacja i wpływy AI w branży

Diskussja o rekrutacji i wpływie AI na branżę, w tym nauczanie ML i data science.

3. Cyfrowe alterego i aplikacje

Przedstawienie cyfrowego alterego i aplikacji, takich jak Day One, używanych przez gościa.

4. Zmiany w zawodach i roli analityka danych

Analiza zmian w zawodach, w tym roli analityka danych, i wpływy AI na te zmiany.

5. Wartość kodu i umiejętności analityka

Diskussja o wartości kodu w obecnych warunkach i kluczowych umiejętnościach analityka danych.

6. Podsumowanie i przyszłość

Podsumowanie rozmowy i omówienie przyszłości zawodowej analityka danych.

7. Responsabilidade i ownership

Rozmowa o konsekwencjach odpowiedzialności w karierze analityka, w tym ownership i priorytety. Aleksyichenko podkreśla istotność podejmowania decyzji wewnętrznie i przyjmowania odpowiedzialności.

8. Przykłady zastosowania ownership

Przykłady zastosowania ownership w codziennej pracy, w tym testowanie Open Cloud przez żonę Aleksyichenkowa.

9. Introwertyzm i ownership

Rozmowa o osobistych doświadczeniach Aleksyichenkowa z introwertyzmem i przyjmowaniu ownership w różnych sytuacjach.

10. Automatyzacja w machine learning

Przebieg pracy w machine learningie 5 lat temu w porównaniu do obecnej sytuacji, z podkreśleniem automatyzacji i brainstormingu.

11. AI w strategii i decyzjach

Rozmowa o roli AI w strategii i decyzjach, z podkreśleniem konieczności osobistego podejmowania decyzji i brania odpowiedzialności.

12. Ochrona prywatności i AI

Ważność ochrony prywatności danych w interakcjach z AI, z podkreśleniem konieczności aktywnego myślenia i działania.

13. Nowa perspektywa na pracę juniorskich i seniorskich roli

Podróżnik omawia nową perspektywę na pracę juniorskich i seniorskich roli, podkreślając przewagę juniorskich pracowników ze względu na ich otwartość umysłu i zdolność do szybkiego nauczenia się.

14. Edukacja i nauka w nowym świecie

Podróżnik omawia proces edukacji i nauki w nowym świecie, podkreślając ważność eksperymentowania i odwagi do przekroczenia komfortu.

15. Software 1.0, 2.0 i 3.0

Rozmowa o zastosowaniach Software 3.0, w tym Cloud Code i Open Cloud, oraz jego korzyści w analizie danych.

16. AI i jego ograniczenia

Analiza możliwości i ograniczeń AI, w tym halucynacje i konsekwencje ich wdrożenia, oraz przyszłość architektury AI.

17. Perspektywy przyszłości i nauka

Pytania o przyszłość nauki i technologii, w tym zmiany w pracy i życiu w 2026 roku.

18. Fundamenty i eksperymentowanie

Vladimir omawia, jak powinien się zacząć nauka o LLM, podkreślając znaczenie zrozumienia fundamentów i eksperymentowania z narzędziami.

19. Adaptacja do zmian i krytyczne myślenie

Rozmowa o adaptacji do zmian i krytycznym myśleniu, szczególnie w kontekście analizy informacji i osi czasu.

20. Edukacja i Agentic AI

Wspomnienie o firmie Data Workshop i jej programie edukacyjnym, skupiającym się na Agentic AI.

Szukaj w treści odcinka

Wyczyść
Znaleziono 18 wyników dla "Cloud"

Ale kojarzę też przypadki np. twórca Open Cloud, który mówi, że on nawet nie czyta kodu, który produkuje.

Open Cloud, takie Polarno po nim będziemy rozmawiać, taki agent, który możesz zainstalować i my go testujemy.

I też na przykład u mnie w zespole każdy ma Open Cloud, też żona ma.

Na przykład teraz jest Open Cloud popularny.

To na przykład spróbuj takiego Open Cloud sobie zainstalować tylko nie na swoim komputerze.

Open Cloud prawdopodobnie nie przeżyje jak to zwykle było.

Open Cloud teraz jest najszybciej rosnący projekt na GitHubie, ale to naprawdę robi wrażenie.

Na przykład React, który ma 10 lat, ma mniej gwiazdek, albo Linux ma mniej gwiazdek niż Open Cloud.

To akurat nie zawsze teraz jest prawdą, bo właśnie open cloud czasem robi różne dziwne rzeczy,

Taki Cloud Code, który generuje kod, to jest Software 3.0.

Open Cloud to jest też Software 3.0.

De facto nawet Cloud Code jest w stanie takie rzeczy już generować, jeżeli chodzi o proste projekty, ale możemy też sobie wyobrazić, że możemy stworzyć swój własny taki silnik, swój własny taki kawałek oprogramowania systemu, w którym w środku jest LLM,

I na przykład Cloud Code, on ma te plany, jak ktoś tam pięknie sobie patrzy, generuje kod, on generuje te plany, te plany mogą zmieniać się, te plany można sobie redefiniować,

Ja by na pewno, ja by na pewno zrozumiałbym nie tyle, że zacząłbym wprost od narzędzi typu Cloud Code lub inne, bo ja widzę ograniczenia, które mają ludzie.

Jak programujesz tą Cloud Codem albo jakimś innym, to tam pojawiają się takie pliczki, na przykład cloud.md albo w kodeksie odopiniowałeś takie agents.md, markdown to jest skrót,

A druga rzecz, to dużo eksperymentować potem z tymi narzędziami typu Cloud, Kotl i podobne.

Na przykład w tym Cloud Code'zie, czy podobnych, masz różne tam takie skills możesz definiować, albo takich agentów, subagentów sobie definiować.

Na przykład z LLM, my teraz działamy, tworzymy Cloud Code.

Ostatnie odcinki