Czy AI zmieni każdego w programistę?

Cześć moi drodzy, witajcie w kolejnym odcinku Rozmów na Autopilocie, czyli w podcaście, w którym co tydzień rozmawiamy o nowych technologiach, o rzeczach, które nas interesują, o rzeczach, które tworzymy, o naszych produktach również. I dzisiaj mamy temat bardzo ciekawy, ponieważ jak wiecie AI zmienia się bardzo mocno i zmienia ono również biznes, a ten rok Jest raczej przełomowy w kontekście inwestycji biznesu w AI. Chcielibyśmy porozmawiać o tym, jak AI można wykorzystać w biznesie, dlaczego w tym biznesie może się przydać, jakie są ryzyka i czy w ogóle warto. To jest dzisiejszy temat i jak zwykle widzimy się z uczestnikami naszego live'a, który mamy na społeczności w piątki o 13. Zapraszamy Was na ahoy.edweb.pl. Po nagraniu podcastu zawsze zostajemy i jeszcze trochę sobie gadamy o jakichś różnych fajnych, ciekawych rzeczach, także proszę dołączajcie do nas na ahojedweb.pl i dołączajcie do nas na żywo w piątki.

To co, lecimy. Adam, czy możesz nakreślić ekosystem trochę tego, z czym w ogóle biznes obecnie ma do czynienia, jaki jest główny problem, teraz wszyscy Myślą sobie, dobra, AI, muszę coś z tym zrobić, muszę je wdrożyć jakoś w firmie, bo jak nie, to pewnie wypadnę z biznesu za jakiś czas. Czy to faktycznie tak jest i na czym ten problem w ogóle polega? Jak w ogóle zacząć? Tak, no to jest dość szeroki temat, natomiast wydaje mi się, że najlepiej spojrzeć przez pryzmat nowych możliwości, które się pojawiły, które jeszcze tak naprawdę rok, prawie dwa lata temu dostępne nie były, zmniejszyła się bariera wejścia.

W obszar AI i możliwość wykorzystania tych możliwości w biznesie. Natomiast dalej jest dość wcześnie. Ok, technologia rozwija się super szybko, pojawiają się nowe narzędzia, nowe rozwiązania, nowe metody i jesteśmy w stanie, tak jak mówię, robić rzeczy, które jeszcze niedawno nie były, albo były bardzo trudne, albo były po prostu poza naszym technologicznym zasięgiem. No i teraz rzecz w tym, że technologia rozwija się szybciej niż biznes, a w zasadzie niż biznes jest w stanie tą technologię przyjmować, adaptować i wykorzystywać z powodzeniem. Nie oznacza to jednak, że to się nie dzieje, tylko powiedzmy tak jak rok 2023 był

No i z tego powodu lista oczekujących jest bardzo przyjazna, ze względu na to, że możemy pracować z małą listą użytkowników, czy jakąś pewną grupą, od której zbieramy feedback i jesteśmy w stanie iterować sobie produkt w miarę takiej bezpiecznej, bezpiecznym środowisku. I dopiero teraz w 2024 coraz więcej produktów pojawia się, które oferują konkretne rozwiązania i są dostępne w zasadzie od zaraz. Nierzadko też w ogóle nie są związane bezpośrednio z AI, ale są narzędziami dla AI. Czyli na przykład rozwiązania typu ExaAI, która oferuje metody wczytywania treści stron internetowych, czyli zasadniczo webscrapping.

W kontekście, czy w sposób dostosowany do dużych modeli językowych. Czyli pojawiają się szanse w związku z AI, czyli nawet nie szanse, tylko po prostu konkretne potrzeby, które biznes może adresować, niekoniecznie projektując rozwiązanie AI-owe, czyli wykorzystujące duże modele językowe, Ale po prostu integrujące się z nimi. No i druga rzecz to jest po prostu API, czyli Interface Programistyczny, którym do tej pory byli w stanie posługiwać się wyłącznie programiści. Natomiast teraz mogą się nim posługiwać także duże modele językowe i powiedzmy nasz biznes, nasza usługa czy jakiś serwis może stać się narzędziem wykorzystywanym właśnie przez duże modele językowe.

Zamykając to w taką klamrę, przeszliśmy przez taki etap, w którym technologia zmienia się bardzo szybko, pojawiają się nowe narzędzia, a biznes próbuje znaleźć wartość dla siebie. Ta wartość najbardziej ujawia się w wewnętrznych zastosowaniach lub w tworzeniu produktów, które są jeszcze ograniczone, jeżeli chodzi o masowe wykorzystanie, tylko są skierowane po prostu do wybranych grup odbiorców. Czyli można powiedzieć, że jest to etap budowania, eksploracji. I właśnie odkrywania tej konkretnej wartości. No i to wszystko jest otoczone różnego rodzaju wyzwaniami i ograniczeniami obecnych, czy to modeli językowych, czy to nie tylko, bo w zasadzie całe AI, które w tym momencie

Widzimy, tak naprawdę jest w dużym stopniu imponujące, potrafi robić duże rzeczy. Natomiast jest wyraźna taka przestrzeń do zaadresowania przy tym produkcyjnym zastosowaniu, czyli na przykład fakt, że tak jak mamy czat GPT, on na 10 odpowiedzi potrafi dwa razy przykładowo mocno się pomylić, no i podczas gry w bezpośredniej rozmowie Z użytkownikiem nie jest to dużym problemem, to w sytuacji, gdy mamy takie zastosowanie wdrożone w naszym produkcie, no to jeżeli 10 czy 20% użytkowników będzie miało problem z naszym produktem, no to to już jest nieakceptowalne. Stąd też rozważanie wykorzystania AI na swoje wewnętrzne potrzeby, gdzie mamy większą kontrolę nad tym procesem i ewentualnie nad potencjalnymi pomyłkami, które jesteśmy w stanie stosunkowo łatwo zaadresować, wydaje się być bardzo uzasadnione.

A jednocześnie jest to przestrzeń, w której możemy się uczyć i wdrażać tę wiedzę do organizacji, zarówno wiedzę gdzieś tam teoretyczną na temat AI, jak i przede wszystkim praktyczną. Także tak bym to ujął. Dokładnie, czyli generalnie jesteśmy teraz na etapie, gdzie firmy bardziej koncentrują się na wdrażaniu modeli do wewnętrznych narzędzi oraz na wewnętrznych eksperymentach oraz na tym, aby usprawniać pracę z pomocą LLM-ów głównie, która de facto koncentruje się na albo obiegu informacji w firmie, albo na przykład wsparciu, obsługi klienta, wsparciu zespołu sprzedażowego, wspieraniu ludzi, którzy de facto wykonują konkretną pracę dla danej organizacji. I jest to słuszny kierunek z tego powodu, że zaraz porozmawiamy szczerze o ograniczeniach i o tym, jak to obecnie wygląda, ale faktycznie z uwagi na to, że modele nie są jeszcze gotowe na to, żeby służyć klientom, no to tak naprawdę te wewnętrzne zastosowania zdecydowanie w tym momencie wygrywają i faktycznie jest to bardzo dobra droga do tego, żeby

...żeby zacząć implementować AI u siebie w firmie. Jeśli chodzi o rozwiązania konsumenckie, o wdrażanie ich na zewnątrz, chatboty i inne rzeczy, widzimy, że jeszcze chwilowo nie jest to gotowe, ale wykorzystanie takich modeli wewnętrznie ma sens i tutaj przeważają modele, tak naprawdę mamy różne statystyki, bo Andersen Horowitz wydał raport, w którym Bardzo dużo jest właśnie informacji o tym, jak biznes teraz pracuje z AI. Przede wszystkim istotne dość jest to, że średnie wydatki Enterprise'u na AI z 7 milionów dolarów w 2023 roku mają skoczyć do 18 milionów, czyli ponad 2,5 razy tyle średnio Enterprise'y chcą zainwestować w budowanie rozwiązań opartych na LLM-ach.

Ale tutaj dalej mówimy o modelach takiego ogólnego zastosowania, ogólnego użycia. Natomiast nie od dziś wiadomo, że jeżeli mamy nawet modele OpenAI albo innych firm, ale właśnie dopasowane do naszego konkretnego przypadku, to może okazać się, że one zyskają po prostu w danym zadaniu po prostu lepszą skuteczność. No i w tę stronę w tym momencie biznes patrzy. Natomiast, tak jak powiedziałem, nie tylko Ten wątek generatywnego AI się tutaj przewija, ale także narzędzi czy nowego ekosystemu narzędzi do tego, żeby w tym AI-owym świecie się odnaleźć. No i to są potężne szanse biznesowe.

No i też przesunięcie powiedzmy naszych aktywności, Nierzadko prasy całych działów, które do tej pory wykonywały jakieś aktywności, które teraz może przejąć AI. Natomiast na ten moment niewiele wskazuje na to, albo przynajmniej ja tego nie widzę, że mówimy o jakimś zastępowaniu, ale bardziej o sytuacji, w której na przykład designerzy mają zupełnie nowe narzędzia kreatywne, które pomagają uwalniać ich kreatywność i pracować znacznie I to jest bardzo interesujące, bo osoba, która ma negatywne podejście do generatywnej sztucznej inteligencji, ona uważa, że sama jest w stanie dowieźć

Lepszą jakość niż z pomocą AI. Natomiast tutaj jest niedocenienie tej możliwości połączenia własnych kompetencji z tym, co oferuje AI. I tym samym np. zaadresowanie rzeczy, które do tej pory są nieistotne albo po prostu są bardzo czasochłonne. W tym momencie AI może nam z tym pomóc, a my możemy resztę swojego doświadczenia i gdzieś tam swojej oceny czy swojego rozumowania wykorzystać w obszarach, w których to AI jeszcze nie do końca się sprawdza. No i to wszystko tak naprawdę wiąże się z tym, żeby właśnie eksplorować dostępne rozwiązania, które, tak jak mówię, no tutaj 20 godzin temu pojawił się model, który potencjalnie jest w stanie bardzo dużo zmienić.

Zresztą parę dni temu, czy już w sumie parę tygodni temu pojawił się ten model Cloud czy Opus, który w tym momencie Też jest ciekawą alternatywą, jeżeli chodzi o GPT-4. No i można też, to w ogóle rodzi takie pytanie, no po co w ogóle się tym teraz zajmować, skoro to wszystko się zmienia tak szybko i dzisiaj zaimplementuję poświęcę środki na to, żeby zaimplementować sobie jakieś tam rozwiązania, a potem się okaże, że Za pół roku pojawi się nowe AI, które rozwiąże ten problem lepiej. No i to również wymaga, raz, że wprowadzenia hiperzwinności, bo uważam, że dotychczasowa taka, nie wiem, coś co było rozumiane jako zwinność biznesowa,

No i w tym momencie pojawiają się też głosy takie coraz, w sensie może nawet nie w tym momencie, ale ogólnie cała branża AI jest podzielona na osoby, które uważają, że mamy tutaj do czynienia z czymś absolutnie rewolucyjnym i w ciągu 10 lat Będziemy mieć generalną sztuczną inteligencję, która będzie w stanie zrealizować praktycznie każde zadanie na poziomie człowieka. Natomiast jest też druga taka część tej branży czy perspektywy na jej temat. Mówiąca o tym, że wprost przeciwnie, że mamy tutaj do czynienia z modelami językowymi, ale i nie tylko, które są w stanie osiągać np. skuteczność na poziomie 70, 80, może 90% i my nie wyjdziemy dalej poza to.

I tutaj chciałbym zwrócić uwagę, podkreślić w zasadzie coś, o czym mówiłem już wielokrotnie, czyli tym, żeby nie postrzegać generatywnej sztucznej inteligencji jako chat-boty. Tutaj powołuję się na jeden z cytatów Andrea Carpatiego, który mówi, że w sumie patrzenie na LLM-y, czy duże modele językowe, jak na chat-boty, jest jak postrzeganie komputera jako kalkulator. I w zasadzie to dobrze oddaje temat, a jednocześnie z moich obserwacji wynika, że w zasadzie pierwszym takim zastosowaniem AI jest podłączenie się do własnej bazy wiedzy, zrobienie jakiegoś czatu do rozmowy z klientem czy odpisywaniem na maile.

Ja uważam osobiście, że to jest Może nie, że zły kierunek, ale właśnie to jest trochę ta taka ograniczona perspektywa mówiąca o tym, że to tak jakbyśmy patrzyli na komputer jak na kalkulator. I należy zadawać sobie moim zdaniem pytania. Jak zrobić, żeby AI nam pomagało na przykład w taki sposób, że nie będziemy w stanie tego widzieć. Czyli nie mamy czatu, gdzie po drugiej stronie jest AI, tylko mamy procesy, które częściowo są realizowane przez AI i w zasadzie nam to zbyt dużo nie zmienia w takim codziennym funkcjonowaniu. Czyli to jest trochę tak jakby gdzieś tam w tle,

Chodzi o to, że W takiej sytuacji, powiedzmy, nasza praca wykonywana jest w pewnej części, a AI nas wspiera w sposób, o którym w ogóle nie myślimy aktywnie, tylko po prostu podsuwa nam różne rozwiązania. To jest trochę tak jak, to też są jakieś systemy, które już funkcjonują, wyobraźcie sobie, że pisze do was dana osoba, na przykład klient, I od razu macie po prostu pełną historię informacji na temat tego klienta, które pozwolą lepiej zaadresować jego potrzeby. Tutaj akurat AI nie potrzeba, oczywiście można zastosować, natomiast to pokazuje tą sytuację, w której Do naszej bieżącej aktywności dołączany jest element AI, natomiast dalej my mamy nad nim kontrolę albo wprost przeciwnie pod spodem wykonują się akcje, o których po prostu nawet nie myślimy.

No i nie ma tutaj ani chatbotów, ani podłączenia pod Nie wiem, jakieś systemy, które w tym momencie są postrzegane jako takie pierwsze użycie sztucznej inteligencji, a w tej sytuacji to działa po prostu w tle i nam pomaga. No i tu są dźwignie biznesowe, które myślę, że możemy zastosować. Jakby podsumować to, jak w tym momencie przedsiębiorstwa starają się wykorzystać AI, to w większości przypadków chodzi tutaj o podsumowania tekstu oraz o zarządzanie jakąś bazą wiedzy. I to jest 60% tego, do czego przedsiębiorstwa wykorzystują w tym momencie AI. Jest też sporo rzeczy, w których wspomagają poszczególne działy, czyli przede wszystkim jest to wspomaganie działu Customer Service, Customer Success.

Są to głównie chatboty, które w tym momencie nie działają zbyt świetnie, ale już wspieranie obsługi klienta chatbotami wewnętrznie działa naprawdę dobrze. No i pewne algorytmy rekomendacji, czyli wykorzystanie AI w wyszukiwarkach produktowych, wykorzystanie AI do tego, żeby na stronach katalogów na przykład polecać produkty, które najbardziej są dopasowane do profilu danego klienta. To znaczy, że w tej warstwie wewnętrznej zdecydowanie więcej się dzieje, tak jak powiedzieliśmy, ale nie ma co tej warstwy zewnętrznej też nie doceniać, dlatego że faktycznie budowanie mechanizmów, które pozwolą w oparciu o pewne dane klienta tworzyć jego bardziej złożone profile, na pewno będą to bardzo popularne zastosowania w przyszłości.

O tyle, o ile wewnętrznie skupiamy się raczej na obiegu dokumentów i jakiejś strategii budowania bazy wiedzy, która będzie przeszukiwana przez AI, która będzie możliwa do szybkiego wyciągnięcia informacji i wspomagania rozmaitych działów w oparciu o tą wiedzę, o ten taki główny prompt, Czy całą bazę, która jest dostępna, czy to w bazie wektorowej, czy w inny sposób. Tutaj jest ta wielka biznesowa wygrana dla rozwiązań, które dostarczają architekturę i tą infrastrukturę oprogramowania pod AI, dlatego że oczywiście wszystkie firmy będą po prostu dążyć do tego, żeby mieć źródło prawdy najlepiej offline'owo, najlepiej za firewall'em, najlepiej lokalnie, bo wtedy da się wrzucić do niego jak najwięcej prywatnych danych i żeby to źródło prawdy

Po prostu siedziało na jakiejś maszynie i wiedziało wszystko o wszystkim. I mając taki zasób, poszczególne działy będą do niego się wpinać i na zasadzie czy to agencyjności, czy na jakiejś innej zasadzie będą otrzymywać informacje, które potrzebują, czyli np. Będą otrzymywać wsparcie np. w odpowiedziach do obsługi klienta, które bazuje na wszystkich FAQ-sach, całej dokumentacji itd. Będzie to powodowało, z kolei dział marketingu zrobi to samo, co customer service, dział sprzedaży itd., wepnie się po prostu i dostanie te właściwe odpowiedzi. Oprócz tego, że dostanie właściwe odpowiedzi, co będzie początkiem takiej modernizacji tych przedsiębiorstw w oparciu o AI, co spowoduje zresztą, że Będzie moim zdaniem dużo większa rotacja kadry.

I taki mózg będzie decydował o tym, co chce podać do marketingu, co chce podać do salesów, jakie rzeczy mają być tam zrobione. I ludzie będą wykonywać te końcówki. Natomiast kolejny etap prawdopodobnie jest taki, że ta agencyjność już będzie Wewnątrz tego mózgu, czyli ta agencyjność po prostu, czyli wykonywanie tych zadań już będzie działo się za ludzi, jeśli faktycznie będziemy w stanie dojść do tego takiego poziomu, który możemy powiedzieć, że mamy jakieś AGI, które działa czy coś na kształt AGI, czy coś jest, co jest. Myślę, że do tego dojdziemy, bo to nie musi być jakaś Nie wiadomo jaka kosmiczna maszyna, już nawet teraz fajntunowanie tych modeli, które istnieją, pozwala dać takie rezultaty. Natomiast to się stanie dopiero wtedy, kiedy będziemy mieli nową infrastrukturę narzędzi, która umożliwi właśnie wykonywanie tych agencyjnych rzeczy przez, czyli wykonywanie tych akcji przez AI.

Czyli zanim dojdziemy do tego poziomu, będzie musiała powstać zupełnie nowa platforma narzędzi, gdzie de facto AI będzie w stanie podłączyć się do interfejsów. Prawdopodobnie będzie to nowe API, nowa wersja API. Gdzie w firmie AI będzie mogło się podłączyć do CRM-a, do nie wiem, systemu, który zarządza zamówieniami, do systemu magazynowego, do innego i to prawdopodobnie nie nastąpi jakoś tak super szybko, ale patrząc na rozwój AI, tak widzę te etapy. Po prostu ja to tak widzę. Wydaje mi się, że to jest po prostu w miarę oczywiste, że coś takiego się stanie. Kiedy będziemy mieli te narzędzia? Kiedy będziemy mieli nową infrastrukturę? Trudno powiedzieć, ale wszyscy nad tym pracują i wydaje się, że te największe umysły na świecie teraz właśnie pracują właśnie tylko nad tym i rozumieją podobnie te rzeczy jak my.

Ten mózg, który ma w środku spowoduje, że będzie mogło coraz to więcej nowych inicjatyw odpalać. Najpierw w dziedzinach powiązanych, jakiejś nie wiem, prawno-podatkowej, później w czymś tam jeszcze, w czymś tam jeszcze. Ale generalnie po prostu zacznie zagarniać coraz więcej i coraz więcej przestrzeni dla siebie i być może ci ludzie, którzy tam będą na koniec dnia, będą potrzebni do tego, żeby pilnować, żeby te wszystkie operacje i te wszystkie przestrzenie, które się przenikają, działały ze sobą spójnie. I tego trudno mi sobie jest wyobrazić, żeby AI mogło to zrobić. AI nie będzie miało takiego Takiego poziomu, przynajmniej na ten moment, na najbliższy czas jak to widzimy, nie będzie miało na pewno takiego poziomu planowania i przewidywania. Czyli jeśli weźmiemy najważniejsze cechy ludzi, to na razie chyba trzeba by było się skupić na umiejętności planowania i przewidywania rozmaitej rzeczy, które mogą się wydarzyć.

I powiedzieć, że okej, mamy tą cechę i po prostu z tym spróbujmy zajść jak najdalej, bo inaczej to będzie trudno. To są jedyne rzeczy, które nam zostają w takim świecie, który gdzieś tam jesteśmy w stanie sobie wyobrazić. Ja dodam jeszcze do tego, że rzeczywiście to co mówisz jest jakimś elementem przyszłości. Zastanawiam się jeszcze jak szybko on nadejdzie, bo biorąc pod uwagę właśnie tempo, tą ogólną elastyczność czy zwinność organizacji, szczególnie tych większych, Jest z nim różnie i wydaje mi się, że jeszcze trochę czasu minie, nawet jeżeli pojawią się już pierwsze rozwiązania, które będą w stanie robić coś właśnie za użytkowników, za pracowników, to i tak sposób ich popularyzacji zajmie jeszcze trochę czasu, tym bardziej, że obecne AI, które mamy,