Nowości w AI a przyszłość pracy

Cześć wszystkim, witajcie w kolejnym odcinku Rozmów na Autopilocie, czyli w podcaście, w którym razem z Adamem rozmawiamy sobie o aktualnych trendach w technologiach oraz o tym, co dzieje się w naszych projektach na naszej społeczności, na społeczności edweb.pl, na którą was serdecznie zapraszamy. W piątki o 13 mamy tutaj spotkania na żywo, na których nie tylko nagrywamy ten podcast, ale też rozmawiamy później sobie jeszcze z uczestnikami. Zwykle przechodzi kilkanaście osób, ale bardzo jest to fajny i zgrany zespół dzięki za to, że jesteście z nami dzisiaj. Jak zwykle patrzymy też na czata, więc wrzucajcie Proszę jakieś pomysły, odpowiedzi czy pytania. A temat dzisiejszego odcinka to, co się dzieje w AI, ale w takim kontekście rozwoju naszych aplikacji. My, jak wiecie, rozwijamy aplikację Alice, czyli narzędzia asystenta AI, asystenta automatyzacji AI, w którym dodajemy

Coraz to nowe funkcje. Myślimy o tym, jak można jeszcze lepiej stworzyć aplikację, która będzie codziennie pomagać nam w produktywności. Z Alice korzystają już nasze zespoły. Z Alice ostatnio zaczęło korzystać też kilka innych zespołów, bo prowadzimy taką małą kampanię, w ramach której sprzedajemy Alice do większych firm. Okazuje się, że te zespoły, które zostają wyposażone w sztuczną inteligencję, pracują zdecydowanie bardziej wydajnie. No i powoli wchodzi to AI trochę tak do mainstreamu, więc chcielibyśmy może te rzeczy związane z nowymi modelami czy nowymi ciekawymi rzeczami w AI też odnieść do tego, jak ma się to w wizji takiej pracy przyszłości i korporacyjnej pracy przyszłości też, bo ostatnio sporo z tym mamy do czynienia w Alice.

Obecnie już ponad 7 tysięcy osób W ten czy inny sposób zetknęło się z Alice, mamy je w bazie i czy to uruchomili trial, czy korzystają z wersji płatnej, czy mieliśmy też te kampanie na AppSumo, mieliśmy też Alice, którą otrzymali uczestnicy naszych programów zautomatyzowani, więc sporo osób ma, korzysta z Alice, część z nich jest harduserami, część z nich sporadycznie korzysta, dużo osób się odzywa, że Na przykład kupiło jakiś czas temu Alice albo dostało, a teraz do niej wraca i chce dopiero ją odkrywać, bo wcześniej nie miało czasu, więc to też jest ciekawe, że sporo osób zaczyna właśnie teraz dostrzegać ten potencjał AI w kontekście produktywności i tej osobistej, no ale to też trochę jest dlatego, że pchamy bardzo dużo nowych funkcji do Alice, co jest tutaj zasługą Adama i Alice w sumie.

Oddaję Ci głos. Co ciekawego ostatnio Twoim zdaniem pojawiło się na rynku albo w perspektywie sześciu miesięcy prawdopodobnie dużo się zmieni w AI, ale mając na uwadze i też na uwadze te rzeczy związane z produktem i z Alice, jak może wpłynąć, jak te zmiany w AI i te nowe rzeczy, które się pojawiają, wpływają w ogóle na te narzędzia czy aplikacje, które oparte są sztuczną inteligencję? Jak Ty to widzisz? Tak, w zasadzie obserwujemy na pewno pewien shift, pewną zmianę, jeżeli chodzi o sposób pracy z AI, bo powoli wychodzimy z interfejsu czatu albo bardziej ten interfejs się transformuje, ponieważ zaczynają pojawiać się agenci

Wchodzącej w klimat agentów. Natomiast teraz przechodzi to jeszcze głębiej, ponieważ agenci zaczynają pracować nie tylko posługując się jakimiś tam wbudowanymi, prostymi narzędziami, ale zaczynają posługiwać się właśnie serwerami MCP, czyli gdzieś tam protokołem, który pozwala im łączyć się z zewnętrznymi narzędziami, takimi jak nasze listy zadań, maile, czy jakieś inne zewnętrzne usługi, systemy CRM i tak dalej. I dodatkowo cała ta interakcja ma też charakter, czy zaczyna mieć charakter wielopoziomowy w kontekście np. prowadzonych wątków. Czyli zaczynamy prowadzić wątki z AI, równolegle prowadząc ich kilka na raz. I część z nich zaczyna być realizowana w tle, czyli np.

kursor czy jacyś inni agenci, którzy zaczęli pojawiać się np. na Slacku, bo kursor, jak ktoś nie wie, to jest edytor kodu, no to teraz kursor jest dostępny także na Slacku, gdzie możemy mu zlecić, on jest podłączony do depozytory naszych projektów i możemy mu zlecić różne zadania. Tak samo AI zaczęło pojawiać się na przykład właśnie w repozytoriach kodu na Githubie, gdzie również możemy poprosić na przykład o code review itd. Wówczas te zadania dzieją się w tle. Więc widzimy tą zmianę interakcji z miejsca, w którym wysłaliśmy odpowiedź, pytanie i otrzymywaliśmy odpowiedź. Odpowiedź do miejsca, w którym wysyłamy środek wiadomości, a czasem już nawet nie wysyłamy wiadomości, tylko rzeczy zaczynają się dziać dla nas tak czy inaczej.

do ALIS. No tak, ale to daje nam przywagę tego, że te narzędzia mamy już dziś i przykładowo część narzędzi, które albo się jeszcze dopiero pojawiają, są zapowiedziane albo pojawiły się niedawno. Ja miałem do nich dostęp już bardzo dawno temu. Ale tak, rzeczywiście to jest zasadne pytanie gdzieś tam na skali jak projektujemy produkty. Które z tych elementów będą tak jakby natywnie dostępne w AI. No ale w każdym razie ten progress, ten shift, ta zmiana o której powiedziałem teraz, czyli przechodzenie z interakcji czatu na działanie w tle jest czymś co ja osobiście zauważam. I zauważam to, gdy zaczyna dziać się na skali.

Ja to obserwuję na skali takiej swojej. Tutaj mówiłem, że w zeszłym miesiącu wydałem około 3-3,5 tysiąca dolarów za korzystanie z API modeli. To jest kwota, która dla większości organizacji, jeżeli mielibyśmy każdemu pracownikowi dać teraz 3,5 tysiąca dolarów budżetu na to, żeby pracował sobie z AI, no to już często nawet nie wchodzi tutaj dyskusja, czy to jest warte ceny, tylko że po prostu tego budżetu nie ma. Więc generalnie pomimo tego, że jest narracja budowana wokół tego, że cena modeli spada i rzeczywiście można narysować ładne wykresy, które pokazują, że tam cena GPT-3, GPT-4, GPT-5 spada powiedzmy 100 razy w ciągu ostatniego roku albo cokolwiek, to w praktyce

No whatever, bardzo zaawansowany problem jest dla nas w stanie rozwiązać bez problemu, ale potrafi wyłożyć się na stosunkowo prostych zadaniach. No i ta dysproporcja czy ta nierówność sprawia, że zastosowanie go w takich codziennych zadaniach No jest tak jakby bardzo trudne, no bo z jednej strony nie wiemy czego możemy się spodziewać po modelu, a z drugiej strony musimy go dostarczyć na skali. No i szereg tych problemów rzuca tak jakby perspektywę na obecne AI, czyli z jednej strony otrzymujemy dużą wartość Otrzymujemy dużą wartość z tego, że rzeczy się zaczynają dziać same, że zaczynamy działać poza granicą naszej kompetencji, że łatwiej rozwiązujemy trudne problemy i możemy atakować jeszcze trudniejsze problemy, a z drugiej strony pojawia się właśnie frustracja czy takie nawet przyziemne problemy, jak te związane z kosztami czy czasem reakcji, które bardzo utrudniają stosowanie tej technologii.

No i mam wrażenie, że jak teraz widzę kolejne biglaby, które publikują kolejne, kolejne modele, no to mało kto myśli właśnie o tej redukcji kosztów i przyspieszeniu, a znacznie więcej osób, czy w zasadzie cała uwaga jest skupiona na wzroście inteligencji, który znowu ma charakter inkrementacyjny, a niekoniecznie nie ma tam przyskoków. Mateusz, teraz pytanie, czy nie przejmujemy się tym, że aplikacje powoli przejmują funkcjonalności, które wcześniej były waliz? W ogóle mieliśmy też taki swojego czasu odcinek cały poświęcony temu platform risk, czyli temu ryzyku, które wynika z tworzenia aplikacji AI-owych dziś. Z uwagi na to, z uwagi na kilka zagrożeń tak naprawdę na rynku.

Pierwsze zagrożenie to właśnie te platformy, z których korzystamy. To znaczy na początku tak naprawdę mieliśmy duże zagrożenie ze strony tego, że OpenAI na przykład przestanie działać, bo w momencie, gdy OpenAI było tylko jedynym API, z którego mogliśmy korzystać, faktycznie spowodowałoby to na przykład brak możliwości świadczenia przez Alice odpowiedzi, czyli brak działania aplikacji, które było niezależne od nas. Patrząc na właśnie takie powody, dla których widzimy zagrożenia dla różnych aplikacji, no jednym z nich i to istotnym jest to, że te duże firmy też w swoich aplikacjach takich bardziej mainstreamowych jak właśnie ChartGPT czy Cloud od Anthropica zaczynają wprowadzać funkcje, które również posiada Alice czy różne inne narzędzia AI-owe. No i tutaj jest takie ryzyko, że użytkownicy po prostu przestaną używać tych narzędzi i to ryzyko jest w pełni uzasadnione.

Powstają chyba codziennie, powstają tysiące w zasadzie narzędzi AI. Te we wczesnym etapie działania modeli to były narzędzia, które które robiły dokładnie te same rzeczy, które np. ChatGPT robi teraz już natywnie i prawdopodobnie wszystkie one już upadły. I faktycznie często jest tak, że founderzy mówią, że nie, że to wcale tak nie jest, że oni wypracowali jakieś unikalne przewagi i dlatego ich aplikacje będą dalej używane i będą rosnąć. No ja się trochę z tym nie zgadzam. Jeżeli np. ChatGPT wprowadził bezpośrednio możliwość upuszczenia PDF-a i rozmowy z PDF-em, No to wszystkie startupy, które robiły tą inteligencję w oparciu o PDF-y i czytanie PDF-ów raczej upadną. Dlaczego tak jest? Dlatego, że to jest jeszcze za wcześnie, żeby użytkownicy tak bardzo przyzwyczaili się do korzystania z tych narzędzi.

Więc naprawdę trudno jest podejrzewać, mimo że oni poruszają się wolniej, mają jakiś swój compliance, mają jakieś swoje, wiecie, procedury, które sprawiają, że oni robią to wolniej, No to mimo wszystko oni mają do dyspozycji setki milionów dolarów często finansowania czy cashu, który gdzieś tam jest do zużycia i tysiące czasem osób czy dziesiątki czy setki programistów. No niestety to jest tak, że trudno się łudzić, że po prostu te duże firmy nie zrobią tego na tyle dobrze, żeby ci ludzie przechodzili z tych wielkich silosów do tych malutkich firm. Więc to jest coś, czego nie biorą pod uwagę w większości founderzy. No i jaki jest na to sposób? Jak my rozwiązujemy to falis? Rozwiązujemy to trochę w taki sposób, że staramy się zawsze być inni niż inni. Po pierwsze, generalnie robimy AI w dosyć bezpieczny sposób, ponieważ robimy ją w zasadzie w pierwszej kolejności dla siebie.

Prawdopodobnie wiele mojego wysiłku marketingowego i tak dalej nie byłoby potrzebne, jeżeli byśmy nie decydowali się na to, żeby monetyzować aplikacje. Natomiast z drugiej strony dużo rzeczy, które robi Adam, też wykorzystujemy na swoje potrzeby, dla naszych zespołów i po prostu też po to, żeby rozwijać się i lepiej trochę rozumieć AI, żeby też móc zarobić czasem na innych produktach, które Które korzystają z tej wiedzy, którą zdobywamy praktycznie ucząc się AI. No i to wszystko ze sobą się gdzieś tam dla nas wiąże się, dla nas łączy. Na przykład programy, które robimy, czy edukacja, czy warsztaty na eduabie, czy wszystko inne, też korzysta z tej wiedzy, którą w praktyce zdobywamy tworząc Alice, czy którą Adam zdobywał tworząc Alice na przykład. Więc to jest jakby dla nas uzasadnione też z tej innej strony, można powiedzieć ekonomicznie.

No to nie wiem. Wydaje mi się, że w ten sposób można Tak jakby obawiać się wszystkiego, bo to nawet nie musi to być AI. Wystarczy, że przyjdzie inna osoba, która ma lepszy skill od ciebie i ona też się zastępuje. Wystarczy, że przyjdzie inny biznes, który z jakiegoś powodu będzie delikatnie inny, to nie musi być open AI. Alternatyw tak jakby nawet open source'owych, gdzie może sobie pobrać projekt... Praktycznie bliźniaczy do Alice na GitHubie jest mnóstwo, natomiast z jakiegoś powodu wybieramy konkretne narzędzia.

Dla mnie Alice jest rzeczywiście takim takim sandboxem, miejscem, w którym eksploruję AI. No i też w kontekście rozwoju modeli, dlatego mam taką głęboką, a jednocześnie też szeroką perspektywę, bo nie skupiam się np. na tym, jakie feature ma GeoGPT. Ja sobie tylko obserwuję i Też korzystam z ShortGPT, ale bardziej w kontekście właśnie albo tych brakujących rzeczy, których jeszcze nie mam waliz, albo tych rzeczy, których nie chcę mieć waliz. No a jednocześnie budując chociażby integrację z serwerami MCP, śmiałem się ostatnio, że w tym konkretnym stacku technologicznym chyba jestem jedyną osobą na Ziemi, która to robi.

No daje mi taką perspektywę, daje takie głębokie zrozumienie tego, jak to działa pod spodem, dokąd to zmierza i jak na przykład mają się właśnie nagłówki na temat premier nowych modeli do praktyki, którą ja widzę po prostu pod spodem. Jak na przykład ostatnio implementowałem pamięć długoterminową. Jest to taka, można powiedzieć, pierwsze moje podejście do zbudowania pamięci, które ma na celu działać albo w miarę elastycznie dostosowywać się do użytkowników. No i tak naprawdę w tym momencie zbieram po prostu feedback, bo sam moduł pamięci jest dla mnie czymś raczej dobrze znanym. Tak jakby stosuję dość zaawansowane techniki, jeżeli chodzi o to, żeby sprawić, żeby AI zapamiętywało informacje na mój temat.

Ale do tej pory to były informacje na mój temat o poruszające się W kontekstach, które sam nazwałem, w kontekstach, w których sam się poruszam, informacje, które sam zapisuję, wiem jak do nich dotrzeć, wiem jak o nie zapytać itd. Natomiast zbudowanie takiego modułu, który będzie przynajmniej W użytecznym stopniu działa, bo nie mówię, że w wybitnym, ale w użytecznym stopniu działa dla użytkowników, których nie znam, którzy mają inne nawyki, pracują z innymi aplikacjami i mają zupełnie inny kontekst. To jest zupełnie inna kategoria wyzwania. I ta kategoria wyzwania pojawia się zarówno w wymiarze AI, jak i w wymiarze narzędzi, jak i mojej wiedzy. Czyli AI, chodzi tutaj o możliwość np. Wykonanie tych kilku zapytań po to, żeby dostarczyć wynik możliwie szybko, a jednocześnie, żeby nie przepalić zbyt dużo pieniędzy, a dodatkowo, żeby rezultat tej operacji był możliwie użyteczny dla użytkownika.

Także to są takie małe rzeczy, o których można się dowiedzieć tylko i wyłącznie wtedy, gdy zaczyna się budować rzeczy. No i dlatego warto to robić i dlatego właśnie rozwijamy Alice. No i dlatego też nasza perspektywa czy spojrzenie na AI jest takie, a nie inne. Chyba moglibyśmy jeszcze chwilę o tym porozmawiać, ale może zostawimy to na następny odcinek. Myślę, że to na tyle. Ja ze swojej strony w zasadzie nie mam nic, znaczy w zasadzie mam dużo rzeczy do dodania, ale nie chcę rozwijać kolejnych wątków. Nic nie mam do dodania do tego aktualnego, który poruszamy. Ja mogę jeszcze na temat GDOKa domykając powiedzieć, bo GDOK ostatnio zdobył dużą popularność obdarzając naszych Polityków, ale i nie tylko naszych, bo na całym świecie doszło do w zasadzie nie jakiegoś buntu, tylko po prostu zmodyfikowania prądu systemowego, być może jeszcze jakieś aktualizacje ze strony modelu, która doprowadziła rzeczywiście do tego, że grok angażujący się w odpowiedzi na Twitterze

XAI od teraz powinno być traktowane już mega poważnie, jeżeli chodzi o wyścig AI. Wskoczyło do tej powiedzmy wielkiej trójki czy wielkiej czwórki i temu raczej zaprzeczyć nie można. Natomiast jednocześnie nagłówki i wszystkie benchmarki, które zostały opublikowane i które są komentowane teraz w sieci, No bardzo jasno pokazują dla mnie kontrast pomiędzy tym, co jest, a pomiędzy tym, co się mówi, że jest. I po raz kolejny tutaj w zasadzie zachęcam do tego, żeby po prostu zalogować się czy na EXA, czy na grog.com, czy po prostu skorzystać sobie z Alice, czy jakiegoś innego produktu, który

Także tyle jeżeli chodzi o GroKa. Podsumowując. Ten model jest bardzo dobry i tak jakby nie warto go ignorować, ale jest znacznie gorszy niż to, co się mówi w sieci. I tutaj Mariusz jeszcze napisał, że pojawiły się badania, które mówią, że AI zamiast przyspieszać pracę programistów, to je spowalniają. No to ja zapraszam na

Na perspektywę Przemka Smertka z projektu Przeprogramowani oraz 10X, który zapowiedział chyba dzisiaj rano filmik, no tak jakby zestawiający jego doświadczenia, ale na przykładzie, nie na przykładzie opowieści, tylko na przykładzie praktyki, jak rzeczywiście problemy adresowane tutaj w tym dokumencie, w tej publikacji, Przekładają się na taką praktykę, czyli potem się okazuje, że testowanych programistów to było tylko 16, oni pierwszy raz na oczy widzieli AI, pierwszy raz na oczy widzieli kursora i stwierdzili, że oni bez AI są w stanie zrobić zadanie w 45 minut, bez AI są w stanie zrobić w godzinę.

No i tak jakby nagle się okazuje, że takie głośne papery, one oczywiście będą odbijać się w sieci, natomiast nikt nie pochyli się nad tym, żeby zweryfikować, co tam w ogóle zostało napisane, tylko przeczytane jest na główek i elo. I to samo, jeżeli chodzi o ogłupianie ludzi korzystających z AI. No nie wiem, na pewnej skali będą zarówno pozytywne, jak i negatywne, tak jakby wpływ będzie widoczny. Natomiast nie oznacza to, żebyśmy na podstawie nagłówków czy nawet wypowiedzi niektórych osób kształtowali sobie opinie w oparciu o coś, co jest albo nieprawdą, albo nie jest prawdą dla nas. Bo to są dwie różne rzeczy. Na skali coś może działać tak, a dla nas coś może działać inaczej.