Reklama
Dołącz do liderów przyszłości i zdobądź przewagę! Sprawdź najnowszą ofertę subskrypcji
Komunikacja
Magazyn (Nr 2, październik 2019)

Myślenie językiem kodu – umiejętność potrzebna od zaraz

1 października 2019 13 min czytania
David Waller
Myślenie językiem kodu – umiejętność potrzebna od zaraz
Seek
Volume

Większość firm utożsamia dziś przeprowadzenie analizy z wpisaniem odpowiednich formuł do arkuszy kalkulacyjnych. Zwróćmy jednak uwagę, że w ciągu trzech dekad od chwili stworzenia i udostępnienia arkusza kalkulacyjnego w świecie biznesu wystąpiły potężne ruchy „tektoniczne”, które nieodwracalnie zmieniły warunki funkcjonowania firm na rynku. Współczesne przedsiębiorstwa muszą myśleć w kategoriach milionów indywidualnych klientów, a nie garstki segmentów, i żeby uniknąć kłopotliwego przekształcania procesów od podstaw w przypadku pojawienia się problemów, potrzebują rozwiązań wielokrotnego użytku. Co więcej, każde z nich chce korzystać z najnowszych odkryć technologicznych – używać uczenia maszynowego i sztucznej inteligencji, a nie tylko stosować regresję do każdego problemu analitycznego, z którym ma do czynienia. Krótko mówiąc, firmy powinny szkolić pracowników w pisaniu kodu, a nie formuł, ponieważ wykonywanie zadań będzie w przyszłości wymagało nie tylko myślenia analitycznego, ale też algorytmicznego.

Zmiana podejścia i sposobu myślenia ma ogromne znaczenie. Być może dla większości firm kodowanie jest kompetencją głęboko ukrytą w zakamarkach działu IT albo wyłączną domeną doborowej grupy analityków danych (data scientists). To błąd, ponieważ organizacje, w których kod stanie się naturalnym, powszechnie stosowanym językiem analizy we wszystkich jednostkach biznesowych, mają szanse rozwijać się i wprowadzać innowacje szybciej niż konkurenci.

Praktyka, w której kod zajmuje kluczową pozycję, jest korzystna dla firmy z trzech powodów.

Po pierwsze, powszechna umiejętność kodowania umożliwia odseparowanie danych od analizy danych, co pozwala poszczególnym zespołom pracować efektywniej niezależnie od efektywności pozostałych. Gdy dane są wyraźnie oddzielone od analizy, każdy zespół może skupić całą uwagę na „swoim” elemencie, a tym samym przyspieszyć postępy prac nad konkretnym zagadnieniem.

Po drugie, kod można bez problemu podzielić na moduły, dzielić się nim z innymi i używać go wielokrotnie – na tej zasadzie opiera się przecież koncepcja otwartego kodu źródłowego i otwartego oprogramowania. Architekci programów komputerowych poświęcili lata na stworzenie narzędzi ułatwiających śledzenie, modyfikowanie i współdzielenie efektów swojej pracy. Stosując się do podstawowych reguł programowania, takich jak kontrola wersji, zespoły mają szansę osiągnąć większą wydajność i efektywniej współpracować ze sobą, ponieważ aktualizacje plików kodu można śledzić przez całą długość ich życia i z łatwością cofnąć wprowadzone zmiany.

Po trzecie, kod jest lepszy od formuł w arkuszu zarówno w przypadku prostej, jak i skomplikowanej analizy. Przełomowe odkrycia w dziedzinie uczenia się maszyn czy technologie sztucznej inteligencji są implementowane w postaci kodu, toteż klonując kod używany przez badaczy, każdy może mieć dostęp do najnowocześniejszych aktualnie technik analizy – szybko i nieodpłatnie.

Co zatem muszą zrobić menedżerowie, żeby przestawić wszystkich pracowników firmy z wpisywania poleceń do arkusza na pisanie kodu? Jak wynika z badań mojego zespołu, firmy będące liderami w tej dziedzinie zrobiły to metodą trzech następujących kroków.

**Burzymy wieżę Babel.**Jak wiadomo, warunkiem koniecznym dobrej współpracy jest dobra komunikacja, bariery językowe utrudniają bowiem albo wręcz uniemożliwiają dzielenie się pomysłami czy wymianę poglądów. Dotyczy to nie tylko pisemnej korespondencji czy bezpośrednich rozmów, ale też w równym stopniu kodowania. Tyle że przetworzenie w umyśle koncepcji zapisanej w kilkunastu językach programowania wymaga fachowej wiedzy, a poza tym jest niezwykle skomplikowane w sensie poznawczym.

Jak rozwiązać ten problem?

Wybrać język programowania na potrzeby analizy (najlepiej jeden, a najwyżej dwa) i przyjąć go jako standard w całej firmie; będzie to język, którym „mówi” każdy pracownik. Rzecz jasna, wybrany standard nie będzie idealnie dopasowany do każdej sytuacji, poza tym ludzie mogą mieć uzasadnione wątpliwości co do wybranego standardu i nie zaakceptują wyboru, dlatego zespoły powinny przygotować się na znane skądinąd protesty i opór wobec decyzji kierownictwa. Aby uspokoić przeciwników i nie przeciągać sporu w nieskończoność, kierownictwo powinno zaproponować przegląd standardów co dwa lata.

Dobrym wstępem do pierwszego kroku jest przyjrzenie się pracy ekspertów i wyciągnięcie stosownych wniosków. Ekspertami będą w tym przypadku osoby z istotnych dla firmy działów operujących głównie liczbami, darzone szacunkiem przez swoich współpracowników i przełożonych. Mogą się na przykład wywodzić z działu finansów czy marketingu, a także z kierownictwa jakiejkolwiek grupy produktowej, której produkt wymaga analizy. Właśnie takie podejście zastosowała jedna z globalnych instytucji usług finansowych: jak się okazało, najlepsi w firmie analitycy danych posługiwali się językiem Python, co więcej, nawet ich początkujący koledzy używali kodu Pythona przez aplikację Jupyter Notebook, a jest to narzędzie stosowane w środowisku naukowym do przeprowadzania i dokumentowania za pomocą kodu odtwarzalnych badań.

W momencie wyboru narzędzi i metod pracownicy, którzy latami starali się doskonalić swoje praktyczne umiejętności matematyczne, będą z pewnością zawzięcie bronili swoich racji i przypuszczalnie poczują się usatysfakcjonowani, gdy preferowane przez nich standardy zostaną formalnie przyjęte w całej firmie.

Te osoby staną się w organizacji agentami zmiany, liderami i nauczycielami, dlatego eksponowanie ich dokonań i wzmacnianie siły oddziaływania jest nie tylko dobrą praktyką biznesową, ale też korzystną dla firmy strategią zarządzania talentami.

**Tworzymy repozytoria kodu współdzielonego (składające się z modułów oprogramowania dla wielu procesów) do wspólnego wewnętrznego użytku.**Gdy pracownicy nauczą się formułować swoje pomysły we wspólnym języku, firma powinna udać się po wskazówki do społeczności otwartego oprogramowania, ponieważ tam znajdzie wskazówki w kwestii tworzenia własnych repozytoriów kodów współdzielonych oraz baz wiedzy. Dzięki repozytoriom pracownicy będą mogli szybko i łatwo dzielić się opracowanymi przez siebie kodami, oszczędzając innym odkrywania Ameryki na nowo.

Tak jak w przypadku każdego scentralizowanego systemu, organizacja powinna zadbać o należyte zabezpieczenie i autoryzację dostępu do repozytoriów, a także wprowadzić zróżnicowane poziomy uprawnień, stosownie do wewnętrznych standardów poufności lub reguł ochrony własności intelektualnej. Warto nad tym popracować, ponieważ ogromna przestrzeń (dokładnie mówiąc, cyberprzestrzeń), w której pomysły mogą się swobodnie rozwijać dzięki zaangażowaniu wielu osób, jest potężnym motorem postępu i źródłem wielu korzyści dla firmy.

Mając do dyspozycji repozytoria kodów, rozmaite grupy pracowników organizacji mogą używać tych samych plików kodu do rozwiązywania podobnych problemów. Tak się może zdarzyć na przykład wtedy, gdy zespół marketingu w banku potrzebuje informacji o klientach zainteresowanych refinansowaniem kredytu hipotecznego, aby móc im zaoferować pewne produkty, a jednocześnie zespół finansowy potrzebuje danych o wysokości refinansowania, ponieważ właśnie pracuje nad budżetem i fakturowaniem. Istota problemu jest identyczna w obu przypadkach, pytanie bowiem brzmi: ilu klientów byłoby zainteresowanych refinansowaniem oraz którzy by się na nie zdecydowali?. Dlaczego zatem nie uzyskać odpowiedzi za pomocą tego samego kodu?

Dobrym sposobem dającym szybki efekt jest tworzenie repozytorium kodu na potrzeby wybranego projektu i zaproszenie do współpracy nad jego rozwojem szerszej grupy. Dzięki platformom otwartych kodów online, takim jak GitHub i Bitbucket, zadanie jest stosunkowo łatwe. Najlepiej zacząć od projektów niekontrowersyjnych i umożliwiających szerokie zastosowanie, na przykład od prognozowania szeregów czasowych związanych z analizą, od segmentacji klientów czy od obliczania elastyczności cen.

Niektóre firmy idą dalej: upubliczniają swoje wewnętrzne repozytoria. Liderzy technologii informacyjnych, tacy jak Google i Microsoft, robią to już od jakiegoś czasu, ale obecnie korzyści z tego rodzaju strategii zaczęły dostrzegać również firmy z innych sektorów. Na przykład pewien operator telekomunikacyjny wprowadził swoje repozytoria kodów dzielonych na platformy otwartego oprogramowania, dzięki czemu może nie tylko korzystać z pomocy współpracowników zewnętrznych, ale też wyznaczać standardy dla całego sektora telekomów.

Wprowadzamy kod do codziennej praktyki firmy. Organizacje, które chcą osiągnąć możliwie największą korzyść z nowoczesnych narzędzi analizy, stoją przed ostatnim i najtrudniejszym zadaniem: muszą z modelowania opartego na kodzie uczynić regułę, a nie wyjątek. Pisanie kodu musi stać się codzienną praktyką firmy, tak zwyczajną i odruchową jak dołączanie arkusza kalkulacyjnego do e‑maila. Jest to nie lada wyzwanie, wymaga bowiem zmiany nie tylko sposobu myślenia, lecz także przyzwyczajeń. Na szczęście można tę zmianę przyspieszyć za pomocą praktycznych strategii.

Pierwsza polega na komunikowaniu klarownych i konkretnych oczekiwań od pracowników na każdym szczeblu i firmy, które rzeczywiście uważają analizę za strategiczny priorytet, robią to sumiennie, nie szczędząc wysiłków. W komunikatach do wszystkich pracowników członkowie kierownictwa nieustannie podkreślają wagę dążenia do doskonałości w obszarze analizy, konieczność zmiany podejścia oraz swoje przekonanie o słuszności wyboru tej drogi; podczas spotkań z całą załogą jednoznacznie łączą nowy sposób myślenia z ogólną strategią organizacji, a o planowanej zmianie informują często zarówno akcjonariuszy firmy, jak i wszystkich graczy rynkowych, akcentując swoje dążenia wszędzie, gdzie to możliwe, od corocznych sprawozdań dla Komisji Papierów Wartościowych i Giełd po spotkania z inwestorami.

Druga strategia przeprowadzenia owej zmiany szybko i płynnie zakłada ochronę pracowników w okresie przejściowym oraz zapewnienie im czasu na szkolenie. Przynosi ona dobre efekty, ponieważ zdobycie technicznych umiejętności na odpowiednim poziomie wymaga skupienia uwagi, informacji zwrotnej, czasu i nabycia wprawy przez powtarzanie czynności. Obecnie zarówno firmy, jak i pojedyncze osoby mają do wyboru całą gamę możliwości, począwszy od obozów szkoleniowych do masowych otwartych kursów online (Massive Open Online Course – MOOC), a skończywszy na dostępnych w sieci instrukcjach dostosowanych do indywidualnych potrzeb. W opinii mojego zespołu każda z tych form szkolenia jest dobra, pod warunkiem że uczestnicy szkolenia mogą każdorazowo poświęcić na naukę określony blok czasowy, a nie biegać nieustannie między biurkiem a salą zajęć. Dekoncentracja z powodu tej bieganiny ma ogromny negatywny wpływ na przyswajanie nowej wiedzy. Przy pełnej koncentracji zdobycie umiejętności kompetentnego programisty nie jest zadaniem przekraczającym ludzkie możliwości, dlatego menedżerowie nie powinni spisywać na straty żadnego pracownika.

Trzecia strategia, najważniejsza ze względu na jej oddziaływanie, polega na stworzeniu struktury realnego wsparcia. Pracownicy muszą wiedzieć, do kogo zwrócić się w potrzebie, ponieważ merytoryczna pomoc udzielona w porę pozwala w znacznym stopniu opanować stres i lęk przed uczeniem się nowego. Trudno jednak oczekiwać postępów w doskonaleniu nowych umiejętności, gdy prośbami o pomoc będzie nieustannie zasypywana ta sama garstka orłów w sztuce programowania. Przytłoczeni pytaniami bardzo szybko padną ze zmęczenia. Na szczęście pomocy można szukać także gdzie indziej – u osób, które postawiły już pierwsze kroki na tej drodze i mogą być mentorami tych, którzy jeszcze na nią nie weszli. Menedżerowie z kolei powinni nie tylko informować swoje zespoły o konieczności przestawiania się na nowy typ zadań, lecz także przygotować się do nowej roli – ratownika, którego zespoły w pierwszej kolejności wezwą na pomoc w razie potrzeby. Wiadomo, że nic nie motywuje do nauki czegoś nowego silniej niż świadomość, że za chwilę trzeba będzie tego uczyć innych.

Jedno jest pewne, nie taki diabeł straszny, jak go malują. Jeśli będziemy uważnie czytać drogowskazy, a jest ich wiele, nie zbłądzimy w wędrówce do nowego świata. Odpowiedzi na nasze pytania – czy to znalezione w wyszukiwarce, czy w materiałach ze szkoleń, czy u kolegów nauczycieli – są prawie zawsze proste i uniwersalne. Niektóre zawierają odsyłacze do bogatych repozytoriów otwartych kodów źródłowych, gdzie znajdziemy rozwiązania każdego wariantu problemu. Ogólnie rzecz biorąc, nie można tego samego powiedzieć o arkuszach kalkulacyjnych, gdzie z przemieszanych ze sobą danych i analiz trudno wyodrębnić rozwiązanie nękającego nas problemu, a tym bardziej takie, które da się wielokrotnie stosować i doskonalić. A już z pewnością napotkamy problemy, gdy owo rozwiązanie wymaga więcej niż jednej czynności. 

O autorze
David Waller jest wspólnikiem w firmie Oliver Wyman Labs, gdzie pełni funkcję szefa działu nauki o danych i analiz. Prowadzi projekty wykorzystujące zaawansowane metody uczenia statystycznego i uczenia maszynowego do rozwiązywania problemów współczesnego biznesu.

O autorach
Tematy

Może Cię zainteresować

Skup się na fanach marki. Oferta skierowana do wszystkich nie działa!
Multimedia
Skup się na fanach marki. Oferta do wszystkich nie działa!

W spolaryzowanej kulturze pogoń za rynkiem masowym i kierowanie oferty do wszystkich są z góry skazane na porażkę. Najlepszym sposobem na osiągnięcie sukcesu marki jest sprzymierzenie się z subkulturą, która ją pokocha.

Cła, przeceny i okazje: Jak zarobić, gdy inni panikują lub tweetują

Trump tweetuje, Wall Street reaguje nerwowo, a inwestorzy znów sprawdzają, czy gdzieś nie pozostawili Planu B. Gdy rynek wpada w histerię, pojawia się pokusa: a może jednak warto „kupić w tym dołku”? W tym tekście sprawdzamy, czy inwestowanie w kontrze do tłumu to genialna strategia na czasy ceł Trumpa, banów na Chiny i politycznych rollercoasterów — czy raczej przepis na ból głowy i portfela. Nie wystarczy chłodna kalkulacja, przyda się też stalowy żołądek.

• Jak generować wartość z AI dzięki małym transformacjom w biznesie - Webster
Premium
Jak generować wartość z AI dzięki małym transformacjom w biznesie

Liderzy skutecznie wykorzystują duże modele językowe, stopniowo minimalizując ryzyko i tworząc solidne fundamenty pod przyszłe transformacje technologiczne, dzięki czemu generują realną wartość dla swoich organizacji.

Niespełna dwa lata temu generatywna sztuczna inteligencja (GenAI) trafiła na czołówki stron gazet, zachwycając swoimi niezwykłymi możliwościami: mogła prowadzić rozmowy, analizować ogromne ilości tekstu, dźwięku i obrazów, a nawet tworzyć nowe dokumenty i dzieła sztuki. To najszybsze w historii wdrożenie technologii przyciągnęło ponad 100 mln użytkowników w ciągu pierwszych dwóch miesięcy, a firmy z różnych branż rozpoczęły eksperymenty z GenAI. Jednak pomimo dwóch lat intensywnego zainteresowania ze strony kierownictwa i licznych prób wdrożeniowych nie widać wielkoskalowych transformacji biznesowych, które początkowo przewidywano. Co się stało? Czy technologia nie spełniła oczekiwań? Czy eksperci się pomylili, wzywając do gigantycznych zmian? Czy firmy były zbyt ostrożne? Odpowiedź na te pytania brzmi: i tak, i nie. Generatywna sztuczna inteligencja już teraz jest wykorzystywana w wielu firmach, ale nie – jako lokomotywa radykalnej transformacji procesów biznesowych. Liderzy biznesu znajdują sposoby, by czerpać realną wartość z dużych modeli językowych (LLM), nie modyfikując całkowicie istniejących procesów. Dążą do małych zmian (small t) stanowiących fundament pod większe przekształcenia, które dopiero nadejdą. W tym artykule pokażemy, jak robią to dzisiaj i co możesz zrobić, aby tworzyć wartość za pomocą generatywnej sztucznej inteligencji.

Premium
Polski przemysł na rozdrożu

Stoimy przed fundamentalnym wyborem: albo dynamicznie przyspieszymy wdrażanie automatyzacji i robotyzacji, co sprawi, że staniemy się aktywnym uczestnikiem czwartej rewolucji przemysłowej, albo pogodzimy się z perspektywą erozji marż pod wpływem rosnących kosztów operacyjnych i pogłębiającego się strukturalnego niedoboru wykwalifikowanej siły roboczej.

Jak alarmują prognozy Polskiego Instytutu Ekonomicznego, do 2030 r. w samej Europie może zabraknąć nawet 2,1 mln wykwalifikowanych pracowników, co czyni automatyzację nie jedną z możliwości, lecz strategiczną koniecznością. Mimo że globalnie liczba robotów przemysłowych przekroczyła już 4,2 mln jednostek, a w Europie w 2023 r. wdrożono rekordowe 92,4 tys. nowych robotów, Polska wciąż pozostaje w tyle. Nasz wskaźnik gęstości robotyzacji, wynoszący zaledwie 78 robotów na 10 tys. pracowników przemysłowych, znacząco odbiega od europejskiego lidera – Niemiec (397 robotów na 10 tys. pracowników), czy globalnego pioniera – Korei Południowej (tysiąc robotów na 10 tys. pracowników). W Scanway – firmie, która z sukcesem łączy technologie rozwijane dla sektora kosmicznego z potrzebami przemysłu – jesteśmy przekonani, że przyszłość konkurencyjności leży w inteligentnym wykorzystaniu danych, zaawansowanej automatyzacji opartej na AI oraz strategicznej gotowości do wprowadzania zmian technologicznych. Czy jednak zaawansowana wizja maszynowa napędzana przez sztuczną inteligencję może się stać katalizatorem, który pozwoli sprostać wyzwaniom i odblokować uśpiony potencjał innowacyjny polskiej gospodarki?

Premium
Zamień konflikt we współpracę

Destrukcyjny konflikt w zespole zarządzającym może zahamować rozwój organizacji. Skuteczne zarządzanie takimi napięciami wymaga od liderów świadomego odejścia od rywalizacji o władzę na rzecz współpracy oraz strategicznego, systemowego myślenia.

Konflikt w zespole zarządzającym, szczególnie wtedy gdy przeradza się w trwały, emocjonalny antagonizm, staje się realnym zagrożeniem dla efektywności całej organizacji. Studium przypadku firmy X-Style.

Jak zapewnić stabilność i elastyczność na rynku zielonej energii?

Dynamiczne zmiany na rynku energii oraz rosnące znaczenie OZE i celów ESG stawiają przed firmami nowe wyzwania. W tym kontekście Reo.pl (Grupa Enerconet) kładzie nacisk na elastyczność, dogłębną analizę potrzeb klienta i transparentność danych. O strategiach budowania długoterminowych relacji i zapewniania przewidywalności w sektorze odnawialnym opowiada Grzegorz Tomasik, prezes Reo.pl. 

Reo.pl działa na polskim rynku od 2022 roku. Jakie wyzwania napotkali państwo przy wprowadzaniu elastyczności i dostosowywaniu się do dynamicznych zmian w sektorze OZE?

Chociaż marka Reo.pl powstała na początku 2022 r., nasza grupa – Enerconet – działa na rynku energetycznym już od 2007 r. Ta wieloletnia obecność w sektorze OZE i doświadczenie w obrocie energią dają nam status dojrzałego podmiotu, wspartego silnym zespołem i dogłębną znajomością branży.

Od 2007 r. sektor OZE przeszedł znaczącą transformację, obejmującą regulacje, mechanizmy rynkowe i podejście firm do zakupu zielonej energii. Kluczową zmianą był rozwój bezpośrednich kontraktów (P2P) między wytwórcami OZE a odbiorcami końcowymi. Spółki tworzące dziś Enerconet aktywnie uczestniczyły w tej ewolucji od samego początku, analizując rynek i wypracowując skuteczne rozwiązania, co ostatecznie doprowadziło do uruchomienia platformy Reo.pl.

Premium
Gdy projekt wymyka się spod kontroli

Polskie firmy technologiczne coraz częściej realizują złożone zlecenia dla międzynarodowych gigantów. Jednak nawet najlepiej przygotowany zespół może przy takim projekcie natknąć się na nieoczekiwane przeszkody. Przykład firmy Esysco wdrażającej szyfrowanie poczty e-mail dla jednego z największych niemieckich banków pokazuje, jak szybko może runąć precyzyjnie zaplanowany harmonogram oraz jak radzić sobie z nieprzewidywalnymi wyzwaniami.

Polskie firmy technologiczne coraz częściej zdobywają międzynarodowe kontrakty i realizują projekty, które jeszcze niedawno były zarezerwowane wyłącznie dla międzynarodowych rywali. Dzięki temu zdobywają zagraniczne rynki, osiągając imponujące wyniki eksportu usług IT, który w 2023 r. przekroczył 16 mld dolarów. W ostatniej dekadzie przychody branży wzrosły niemal czterokrotnie, a wartość eksportu – aż 7,5 razy, dzięki czemu polski sektor IT stał się motorem rodzimego eksportu. Kluczowymi kierunkami ekspansji są Stany Zjednoczone, Niemcy i Wielka Brytania, a wśród najsilniejszych obszarów znajdują się fintech, cyberbezpieczeństwo, sztuczna inteligencja, gry oraz rozwój oprogramowania.

Polska wyróżnia się w regionie Europy Środkowo-Wschodniej jako największy eksporter usług IT, przewyższając Czechy czy Węgry, a pod względem jakości specjalistów IT zajmuje trzecie miejsce na świecie. Jednak do pełnego wykorzystania tego potencjału konieczne jest pokonanie barier takich jak ograniczony dostęp do kapitału na ekspansję, rosnące koszty pracy oraz niedostateczne doświadczenie w międzynarodowej sprzedaży i marketingu. To jednak nie wszystko. Przy współpracy z międzynarodowymi gigantami trzeba również pamiętać o nieznanej polskim wdrożeniowcom skali, złożoności i nieprzewidywalności towarzyszącym tak wielkim projektom. Dobrym przykładem może być nasze wdrożenie dla jednego z największych niemieckich banków, z którym podpisaliśmy kontrakt na wprowadzenie systemu zabezpieczeń e-maili dla ponad 300 tys. użytkowników rozsianych po całym świecie. Technologicznie byliśmy gotowi, ale rzeczywistość szybko zweryfikowała nasze plany.

Premium
Praktyczny poradnik kreowania wartości z dużych modeli językowych

Gdy w 2022 r. pojawiły się powszechnie dostępne duże modele językowe (LLM), ich potężna zdolność do generowania tekstu na żądanie zapowiadała rewolucję w produktywności. Jednak mimo że te zaawansowane systemy AI potrafią tworzyć płynny tekst w języku naturalnym i komputerowym, to są one dalekie od doskonałości. Mogą halucynować, wykazywać się logiczną niespójnością oraz produkować treści nieadekwatne lub szkodliwe.

Chociaż technologia ta stała się powszechnie dostępna, wielu menedżerów nadal ma trudności z rozpoznawaniem przypadków użycia LLM-ów, w których poprawa produktywności przewyższa koszty i ryzyka związane z tymi narzędziami. Potrzebne jest bardziej systematyczne podejście do wykorzystywania modeli językowych, tak aby uefektywnić procesy biznesowe, a jednocześnie kontrolować słabe strony LLM-ów. Proponuję trzy kroki ułatwiające osiągnięcie tego celu. Po pierwsze, należy rozłożyć proces na mniejsze zadania. Po drugie, trzeba ocenić, czy każde zadanie spełnia tzw. równanie kosztów GenAI, które szczegółowo wyjaśnię w tym artykule. Jeśli ten warunek zostanie spełniony, należy uruchomić projekt pilotażowy, iteracyjnie oceniać jego wyniki oraz na bieżąco wprowadzać zmiany w celu poprawy rezultatów.

Kluczowe w tym podejściu jest pełne zrozumienie, w jaki sposób mocne i słabe strony modeli językowych odpowiadają specyfice danego zadania; jakie techniki umożliwiają ich skuteczną adaptację w celu zwiększenia wydajności; oraz jak te czynniki wpływają na bilans kosztów i korzyści – a także na ocenę ryzyka i potencjalnych zysków – związanych z wykorzystaniem modeli językowych do podnoszenia efektywności realizowanych działań.

Premium
Dlaczego odważne pomysły giną w szufladach menedżerów i co z tym zrobić?

Najbardziej innowacyjne, nietypowe idee często nie zostają zrealizowane – nie dlatego, że są złe, ale dlatego, że wywołują niepewność. Co może pomóc menedżerom w podejmowaniu ryzykownych, lecz potencjalnie przełomowych decyzji? Kluczowe okazuje się świadome budowanie sieci doradczej.

Menedżerowie, którzy są świadomi znaczenia innowacji w rozwoju organizacji, często zachęcają członków swoich zespołów do dzielenia się świeżymi i kreatywnymi pomysłami. Jednak wielu pracowników skarży się, że ich najlepsze propozycje są przez zwierzchników często pomijane, odrzucane lub niewłaściwie rozumiane.

Paradoksalnie to właśnie menedżerowie mogą stanowić jedną z największych barier dla innowacji. Mocno zakorzenieni we własnych obszarach specjalizacji, często nie dostrzegają wartości nowatorskich idei – szczególnie wtedy, gdy pomysły te wyznaczają nowe ścieżki w ich dziedzinie.

AI dla wszystkich - Mechło
Premium
AI dla wszystkich: jak ją wdrożyć w firmie?

Sztuczna inteligencja nie jest już zarezerwowana wyłącznie dla dużych korporacji i technologicznych gigantów. Dziś każdy może korzystać z narzędzi opartych na AI, a bariera kosztów znacząco się obniżyła. To jednak nie znaczy, że korzystanie z tych technologii jest proste i zrozumiałe dla wszystkich.

Powszechna dostępność sztucznej inteligencji (AI) nie rozwiązuje kluczowego problemu: braku wiedzy o tym, jak skutecznie i odpowiedzialnie z niej korzystać. Dlatego edukacja staje się nie tylko wsparciem, ale wręcz warunkiem realnego wykorzystania potencjału tej technologii. Umiejętność pracy z AI powinna być dziś traktowana jak podstawowa kompetencja, niezbędna zarówno w życiu zawodowym, jak i codziennym. Tym bardziej, że generatywna sztuczna inteligencja (GenAI) coraz śmielej wkracza na polski rynek, oferując firmom wiele korzyści: począwszy od automatyzacji drobnych zadań aż po strategiczne przedsięwzięcia.

Materiał dostępny tylko dla subskrybentów

Jeszcze nie masz subskrypcji? Dołącz do grona subskrybentów i korzystaj bez ograniczeń!

Subskrybuj

Newsletter

Otrzymuj najważniejsze artykuły biznesowe — zapisz się do newslettera!