#9 - Vibe-coding, UX Pilot oraz inteligentny agent mailowy

Cześć wszystkim! Witajcie w podcaście EjAj. Miejscu, w którym dzielimy się praktycznymi wskazówkami i radami, jak bezboleśnie wdrażać sztuczną inteligencję w biznesie. Waszymi gospodarzami są założyciele Arfex. Jakub Wujek, który zdobył doświadczenie w projektowaniu w takich firmach jak Billenium czy STX Next, a także prowadzi zajęcia na Politechnice Łódzkiej oraz Jakub Chojnacki, który pracował przy wdrożeniach rozwiązań EjAj dla Digica, Billenium oraz DeepSense EjAj. Wierzymy, że nasze doświadczenie pozwoli nam podzielić się unikalną perspektywą na temat wdrażania sztucznej inteligencji w polskich przedsiębiorstwach w sposób praktyczny, skuteczny i co najważniejsze bez zbędnego bólu. Zapraszamy do odcinka. No dobra, myślę, że możemy zaczynać.

Cześć Jakub. Siemka. Super. Także jesteśmy w komplecie, zawsze jest nas dwóch. Dzisiaj mamy dla Was przygotowane dwa tematy, trochę bardziej związane z IT, bo przykuły ostatnio naszą uwagę. Jedno dotyczące projektowania, drugie nadal w motywie programowania. Ostatnio pojawiło się na rynku bardzo intrygujące pojęcie, które szybko stało się viralem. Nazywa się ono Vibe-coding. Nie wiem, czy o nim słyszeliście, ale jest pełno teraz TikToków, memów na ten temat i jest to nic innego jak używanie EjAj do programowania. My w IT trochę się z tego podśmiewamy, że wiadomo, dużo teraz będzie fuck-upów z tym związanych, bo security, bo to, bo tamto, ale jestem ciekawy, Kuba, co tam u Was słychać na temat Vibe-codingu?

Już bym powiedział następująco. Jeżeli zastanowisz się, dlaczego te wcześniejsze modele EjAjowe tak kiepsko radziły sobie z generalnie z codingiem i nawet teraz te wszechmogące modele EjAjowe radzą sobie lepiej, radzą sobie gorzej z pisaniem kodu, ale często jest tak, że to, co musisz się instruować bardzo mocno i często ten kod nie jest jakiś piękny, często czegoś nie rozumieją. No i argument jest taki, że my jako ludzie generalnie przyjmujemy bardzo kiepski kod, co powoduje, że większość dostępnego kodu na internecie jest po prostu kiepskiej jakości, jakby nie patrzeć. I to wynika tylko i wyłącznie z tego, że taką mamy naturę ludzką, Nie jesteśmy mocnymi matematykami by design, nie jesteśmy mocnymi programistami by design.

Sam Dribbble, czyli strona, z której czerpiemy często inspiracje, ma pełno designów, które są piękne, fantastyczne i nieprzemyślane, oderwane od kontekstu. Biorąc pod uwagę, jakie problemy rozwiązują UX-owcy, załóżmy, nie wiem, musicie coś abstrakcyjnego, certyfikować kopalnię i zrozumienie tego kontekstu i wprowadzenie jednej zmiany do systemu, która nie wywali, intelektualnie jest gigantycznym wyzwaniem, żeby zrozumieć te powiązania. Stąd EjAj ma w tym momencie olbrzymi problem, bo to nie jest tylko przesunięcie przycisku, ale każda zmiana funkcjonalna wpływa na działanie całego systemu. I pytałeś mnie o te dane. No, ja wierzę, że tak jak i w programowaniu, mamy jakieś tam UX principles, czyli zasady, które powodują, że coś projektujemy dobrze.

Wiemy, jakie są przyciski, jakie są elementy, jak działają komponenty i to jest cool. Jakby te wszystkie EjAjki świetnie sobie z tym radzą, czyli one wiedzą, Jak zrobić ładny przycisk, w sensie ładny, dobry, który nie ma złych odległości między sobą, że ten tekst jest poprawnej wielkości. Wie jak zrobić być może tabelkę, jak zrobić input field, w którym możemy sobie coś wpisać, albo na przykład z listy wybrać elementy. To wszystko jest opisane, to działa. Ale złożenie tego w całość, żeby to było spójne, sensowne, z ekranu na ekran, to to jest największe wyzwanie. Czyli sprowadzamy się do tego samego case'u, który macie w programowaniu. Jeżeli poprosisz go o wyklepanie jakiejś metody, czyli czegoś, co robi daną określoną małą rzecz, to taki algorytm pewnie sobie z tym poradzi.

Bo im bardziej precyzyjny prompt, tym lepsza instrukcja, więc spodziewam się, że za tym stoi jakiś duży model językowy, który też interpretuje te zadania krok po kroku, bo to nie jest generowanie jednego obrazu, wyciąganie go z naszego promptu, tylko budowanie kawałek po kawałku każdego elementu. Z reguły jest tak, że masz gdzieś po drodze ten cały step takiego dekompozycji taska, czyli zakładając, że Ty wysyłasz jakąś instrukcję, no to ona nie idzie bezpośrednio do tego systemu, tylko raczej istnieje wiele albo szereg agentów bądź dedykowanych takich EjAj to istot, która przykładem jest dosłownie dekompozycja twojego datka na najpierw tam first principle i dopiero wtedy przebudowanie tego w jakąś nową wizję na przykład, tak?

I im więcej mamy takich mikropracowników, tym lepiej po prostu to wszystko działa. Im bardziej to jest granularne, szczegółowe, oparte o małe mikrozadania, o coś, co pozwoli opisać architekturę, Tym lepiej się to sprawdza, ale pamiętajcie, to wciąż niedoskonałe EjAj i może się okazać, że jeżeli poprosicie go o napisanie bezbłędnego kodu, to on go po prostu Wam usunie, bo nieistniejący kod jest bezbłędny. I nie takie fikołki już się działy, więc pamiętajcie, technologia się rozwija, bądźcie rozsądni, zapisujcie wersje. Wszystkie te dobre praktyki bezpieczeństwa w programowaniu są bardzo ważne, jeżeli chcielibyście iść w tym kierunku. I przechodzimy do naszego przypadku użycia sztucznej inteligencji, który ostatnio nas, myślę, zaskoczył trochę.

Ale powiedz mi, Kuba, czy ty miałeś okazję zderzyć się właśnie z jakimiś takimi tematami, gdzie ta decyzyjność i ilość tych przypadków brzegowych, czyli takich dodatkowych, które powodują, że to EjAj nie będzie działało idealnie, bardzo cię zaskoczyła? Tak, był taki przypadek i ten przypadek też wydawał się na początku trialarny, więc jest to firma, która dosłownie zajmuje się przetwarzaniem danych i informacji z lotnisk. No i z tego powodu też oczywiście ma umowę z wieloma znanymi firmami, które stwórzują i nadstwórzują noty, takie jak Los Hansa, jak Ryanair, itd., itd. No i oni oczywiście, tak jak wspomniałem wcześniej, obsługują notniskę, obsługujące boarding, itd.

Ile z nich otwierasz? Z iloma w ogóle wchodzisz w interakcje? Ile z nich czytasz do końca? Ile z nich zamieniasz na zadanie, które trzeba wykonać? Ile z nich może przekazujesz komuś innemu jako zadanie? A interesuje Cię cała treść tego maila, czy interesuje Cię tylko ostatni mail? Ale jeżeli ostatni mail w tym wątku, to może to dotyczy tematu, który już rozpocząłeś. I zwróćcie uwagę, jak dużo decyzji my jako ludzie musimy podjąć i niestety w przypadku sztucznej inteligencji zazwyczaj musimy przemyśleć te wszystkie tematy. Bo zobaczcie, jeżeli potraktujemy EjAj teraz jako magiczną różdżkę i powiemy, wykonuj zadania z maili. On zrobi wszystko, żeby te zadania nam przygotować z tych maili.

Jasne, pewnie 70% załóżmy wykona dobrze. Tylko, że co z tego, jeżeli 30% pominie lub wykona nieprawidłowo? Jeżeli takie EjAj będzie podłączone do kluczowej infrastruktury Waszej firmy, czyli kluczowa mam na myśli komunikacji z klientem, niech to będzie mail biuro-firma.pl, czyli nie chcecie olać żadnego klienta. 100% nie chcecie olać żadnego klienta. Więc tam jeszcze powinno się na przykład wydarzyć dodatkowe EjAj, które będzie przekierowywało nam tych klientów, którzy są nieklasyfikowalni. I nagle jak sobie rozbijemy ten temat na części pierwsze, tak żeby to naprawdę działało.

To robi się to bardzo skomplikowane. I to jest ta lekcja, którą chciałbym, żebyście wynieśli z dzisiejszego odcinka, że czynności z pozoru łatwe dla sztucznej inteligencji wcale może się okazać, że wcale takie nie są. Przypadek Kuby, który opisał, nałożył nam jeszcze do tego warstwę techniczną, czyli zakładam, że ja jako twórca jakiejś tam Ejajki, która ma coś robić, wiem, jak to ogarnąć. Ale na koniec może się okazać, że nie mogę się podłączyć do tego systemu. Albo, że trzeba wykonać 5 czynności i przeformatować dane 3-5 razy, żeby ten system w ogóle przyjął te dane. Lub sformatować je w jakiś dziwny sposób. I ja myślę, że to jest, to dobrze pokazuje, jak te kwoty, estymaty w ogóle tworzenia takich systemów mogą nas bardzo zaskoczyć.