Agenci AI - to będzie większe niż ChatGPT - Filip Kozera (Wordware) EAI #189

Tysiąc superinteligentnych asystentów pracujących 24 na 7, bez urlopu i przerw. I nie są to GPT-sy z czata, a agenci, którzy rozumieją co robią i są twoimi partnerami. Więcej niż Siri, Chad, Claude i cała reszta LLM-ów razem wzięta. Science fiction jak w filmie Her?

Nie.

To właśnie się dzieje i robi to Polak. To jest podcast Escola AI. W tym odcinku gościmy Filipa Kozere, który jako jeden z niewielu Polaków przeszedł przez Y Combinator, czyli najbardziej prestiżowy akcelerator startupów na świecie. Filip buduje Wordware, platformę do tworzenia agentów AI, która może odmienić sposób, w jaki pracujemy. Poznasz historię, jak od pomysłu argumentacji ludzkiej pamięci doszedł do tworzenia przełomowej technologii wykorzystywanej przez globalne firmy. usłyszysz dlaczego tradycyjne podejście do automatyzacji może być ślepą uliczką i co nas czeka w niedalekiej przyszłości. Rozwiązania, które oferuje WorldWall można wykorzystać od e-commerce'u do codziennych zadań, od marketingu przez hiperpersonalizację do złożonych technicznych projektów. Filip podzieli się również unikalnymi obserwacjami z Doliny Krzemowej, skąd nadaje. I one właśnie mogą zmienić sposób myślenia o biznesie. Od Wrocławia po San Francisco. Subskrybuj Eskola.ai, aby nie przegapić kolejnych rozmów o przyszłości technologii i biznesu. Zaczynamy!

Dzień dobry, to jest Eskola AI Live, a moim gościem dzisiaj jest Filip Kozera. Cześć Filip.

Cześć Krzysiu.

W każdym razie to jest dosyć niebanalny gość. Jedyny Polak, który teraz przeszedł przez... w tym roku był w Y Combinatorze, nie mylę się?

Nie, chyba jeszcze było jedna lub dwie osoby, ale wiesz, teraz te grupy stały się tak duże, że szczerze mówiąc, my się znaleźliśmy chyba dopiero pod koniec tego całego programu.

I co ważniejsze, to jest prezes firmy Worldware. Teraz zacytuję, co powiedział mój kolega Bartek Pucek. Śledźcie Worldware, bo wkrótce o tej firmie będzie głośno. No to w sumie co ty robisz Filip, że taki gość jak Bartek Pucek mówi, że będzie o was głośno?

Bartek Pucek też jest jednym z naszych inwestorów, więc pewnie dlatego nas promuje. Chcę, żeby mu się zwróciła inwestycja.

Myślę, że mu się zwróci z tego, co mówiłeś. No to opowiedz, co wy tam takiego robicie, że się dostajesz do Y Combinatora i co właściwie robi ten twój World War, co?

Dobra, więc zaczniemy tak od takich bardzo, bardzo podstawowych konceptów. Kiedyś całe takie jakby komputery i wszystko co robimy w biznesie opierało się na software'ze. Software, wkładamy tam jakieś liczby, wkładamy tam jakieś ustrukturyzowane dane, przemielamy, przemielamy, przemielamy i wychodzą jakieś inne dane. I większość w ogóle firm, jakichkolwiek takich SaaSowych, software as a subscription, to jest wlanie jakichś danych, przerobienie ich i wyplucie w ładnym UX. Teraz to, co się dzieje obecnie na rynku, to taka lekka zmiana podejścia i pojawiają się ci agenci AI, gdzie bardzo wiele osób w ogóle nie wie, co to znaczy. Agenci AI to jest tak naprawdę bardzo prosty koncept, bo to jest taki trochę software, gdzie któraś z elementów, czyli albo to, co wkładamy, albo to, jak przemielamy te dane, albo coś, co wychodzi, jest w pewien sposób Fuzzy, czyli nie jest dyskrypt, nie jest jakąś liczbą, którą można łatwo zdefiniować, tylko może to być język naturalny lub może to być np. wlewamy transkrypt i robimy coś z nimi, czy np. w środku coś przemianamy. I tym się zajmuje WordWare. My jesteśmy aplikacją infrastrukturalną, na której się buduje właśnie tych agentów AI.

To może dla wszelkich wypadek jeszcze chciałbym, żebyś powiedział czym się różni, czym jest ten agent AI, bo to jest bardzo modny temat, wszyscy o tym mówią, ale chyba nie wszyscy jednak dokładnie co wiedzą, czym jest ten agent, gdzie jest ta magia.

Tak, więc wydaje mi się, że obecnie wszyscy podchodzą do AI i myślą o AI jako o chatbotach, czyli o czymś, Rozmawiasz sobie, wpisujesz, ten chatbot ci odpowiada. i ty dalej gadasz sobie z nim, i każdy mniej więcej podchodzi, że AI to jest właśnie to, czyli to jest jakiś customer service lub wiele różnych czat GPT i innych podejść. Teraz tak naprawdę to, co my się ekscytujemy nie tym AI jako chatbotem, tylko bardziej się ekscytujemy tym, że to AI pokazało jakąś inteligencję. I teraz jak wykorzystać tą inteligencję w sposób, żeby coś naprawdę zrobiła dla nas ciekawego? to to nazywamy agentem AI. Na czym to się opiera? Bierzemy ten nowy mikroprocesor, który jest LLM-em. Ja na to patrzę pod względem czegoś, co ma jakąś inteligencję. I używamy tego w odpowiedni sposób, czyli składamy to w taki sposób, żeby naprawdę mogło coś zrobić. Sprowadźmy to do bardzo prostych konceptów. Agent AI to jest ten unit of reasoning, który może zrobić parę więcej rzeczy niż być po prostu takim chatbotem, który od razu ci wypluwa odpowiedź. Czyli on sobie może zaplanować tę odpowiedź, czyli na początku go tak uspokajamy, mówimy mu, ej, wyluzuj, zaplanuj, co ty w ogóle będziesz mówił. Następnie dajemy mu możliwość korzystania z różnych narzędzi. I w ten sposób umożliwiamy mu coś naprawdę, żeby zrobił coś. Jak już to zaplanował, to żeby zrobił. I później dołączamy jeszcze jeden koncept, czyli reflection, czyli jak zrobił, to żeby ocenił to, co zrobił, wycofał się czasami i naprawił swoje błędy. I tak naprawdę te trzy koncepty pozwalają nam uspokoić tego agenta, nie mówić mu, wypluwaj szybko słowa, byle jak, tylko naprawdę osiągnąć coś, co może wykonać akcję, która jest użyteczna.

Jestem tak 4 na 5 zadowolony z tego, jak to wytłumaczyłeś. Ja spróbuję to lepiej wytłumaczyć i mi powiesz, czy dobrze to pitchuję.

Dawaj.

Bo wydaje mi się, że takim jednym z najbardziej mylnych konceptów w AI jest, że ten LLM wykonuje z Ciebie jakąś pracę. Bo jak dla mnie LLM to jest taki Google 2.0, nie? W sensie coś chcesz i on Ci coś wypluwa. Nieważne czy to jest chat, czy perplexity, czy antropo, on Ci coś odda na Twojego prompta, nie? To jeszcze nie jest praca, to jest odpowiedź na jakieś pytanie. I agent dla mnie to jest ktoś kto, i Ty to w przybliżeniu tak opisałeś, praca według takiej definicji na zarządzanie jak uczą na pierwszym roku, to jest planowanie, motywowanie, organizowanie, kontrolowanie. I tego nie umie zrobić LM, to umie teoretycznie zrobić agent, czyli tak jak mówisz, zaplanować, zorganizować, no motywować nie musi, bo tam wszyscy sobie ci agenci to robią sami i skontrolować, nie? Coś co ty nazwałeś reflection. I moim zdaniem to jest intencja pracy, tak? Żeby odbył się cały ten proces, czego dzisiaj AI dopiero zaczyna raczkować i dlatego wszyscy się tak ekscytują z AI, że no, Co to jest dobra odpowiedź LLM-a? LLM nie umie ocenić, kiedy ona do końca jest dobra. To człowiek umie ocenić. I z tym trochę mamy problem. Oczywiście możemy zrobić, że LLM będzie oceniał inny LLM, są jakieś scoringi itd., ale jest to cholernie trudne dla modelu, żeby stwierdzić, kiedy on coś robi dobrze. I jaką ty mi ocenę dajesz, Filip?

Ty mówisz tutaj o tych modelach, czym zajmuje się Antropic, czym zajmuje się OpenAI. My właśnie się zajmujemy tym, żeby tą inteligencję opakować w taki sposób, żeby naprawdę była użyteczna. Bo tak jak mówisz, sam LLM to jest taki, bym powiedział, intern. I ty przeważnie, jak sobie gadasz z czatem GPT, to mówisz mu, gadasz tak jakbyś rozmawiał ze swoim praktykantem i mówił mu, Wypluj mi raport na temat tego, jak nasza spółka sobie radziła finansowo przez ostatnie trzy lata. Mów teraz, teraz mów, szybko. No i ten praktykant mówi, no spoko,

w sumie chyba wszystko było OK.

A wiesz, to co my robimy w Wordware, to na przykład mówimy, Na początku tutaj masz różne bazy danych. Napisz teraz kod, który wypluje odpowiednie dane, tak żeby ocenić performance spółki na przestrzeni ostatnich trzech lat. Napisz kod, wyegzekwuj ten kod, popraw, gdybyś zrobił jakieś błędy, popraw ten kod. Następnie wyprodukuj bardzo ładny raport, popraw teraz ten raport, ubierz go może w slajdy, dodaj jakieś grafiki i mamy coś, co naprawdę ma sens. Ale tak jak powiedziałeś, nadal... To są raczkujące koncepty i tak naprawdę to, czym my się zajmujemy w WorldWare, to jest robienie takich task-specific agents, czyli tylko one są skupione na jednej rzeczy, bo takich general agents, którzy potrafią wszystko, jeszcze nie. To jeszcze nie jest ten moment. Ale ogólnie zgadzam się i mówię, po to jest moja firma, żeby właśnie ten taki, wiesz, jakby jednostkę inteligencji, który jest LLM, ubrać w ten sposób, żeby naprawdę mogła robić różne ciekawe rzeczy. I my jesteśmy w produkcji z wieloma firmami, które używają już, wiesz, agentów AI, które naprawdę robią rzeczy. I to o tym możemy porozmawiać.

To bym chciał posłuchać, bo to czasami lepiej się tłumaczy na przykładach, tak? Czyli... Chyba możemy zrobić jeden disclaimer, że jeden projekt robimy razem.

Może opowiedzmy o innych w takim razie, bo to będzie ciekawie dla Ciebie też posłuchać. Chciałbym Wam opisać dwa różne use cases. Jeden to jest taki trochę biznesowy use case, a drugi to jest use case, który jest po prostu ciekawym wykorzystaniem tej jednostki inteligencji. Jeden use case to jest founder Instacarta, który jest jednym z naszych klientów. Z tym AI trzeba ogólnie bardzo dużo eksperymentować i próbować różnych rzeczy, bo tak naprawdę jeszcze nie do końca rozumiemy, jak ocenić, czy to jest dobre czy nie, oprócz takiej intuicji osoby, która trochę buduje tego agenta. Więc żeby wytworzyć sobie intuicję, to tak naprawdę trzeba przejść przez wiele iteracji. I obecnie to wygląda tak, że budujesz swój team, masz paru programistów, którzy niektórzy się nazywają już AI engineers, co oznacza, że trochę więcej wiedzą o tym, jak działać z LLM-ami, ale tak naprawdę te iteracje są dosyć wolne, bo gadasz z inżynierem, inżynier ci przynosi coś, ty mówisz, no trochę musimy pozmieniać tu i tu i tam. I właśnie Founder Instacarta chciał stworzyć nową funkcjonalność w ich aplikacji, gdzie mówisz do aplikacji Instacarta jakoś takie bardzo ogólne pojęcie, np. chciałbym w tym tygodniu jeść zdrowo, ale mam kolację już w piątek i w czwartek ustawioną, Zaplanuj mi dietę i składniki do tej diety na następny tydzień, tak żebym mógł być w ketozie i mieć około 2500 kalorii dziennie. I teraz taki agent bierze wszystkie Twoje preferencje, wszystkie Twoje zakupy z poprzednich lat, mieli to, mieli, mieli, i tworzy Ci cały koszyk zakupu w Vistacardzie, tak żebyś mógł szybko kliknąć go i mieć wszystko zakupione.

I to faktycznie zakupić, bo to jest ważne. Czyli faktycznie on przez API dał swoje jakieś tam API, wasz agent się do tego podpina, bo to jest chyba jedna z najtrudniejszych.

To jest trochę na odwrót, to jest takie, że on buduje u nas i od nas my wypluwamy mu API i on to wkłada w swoją aplikację Instacarta.

Czyli takie SDK trochę obicie dla niego, tak?

Tak, tak, tak. My jesteśmy infrastrukturą i to jest co ciekawe, wiesz, my się opisujemy jako miejsce do budowania agentów, ale tak naprawdę bardzo ważną częścią to jest też deployment, czyli to w jaki sposób wziąć tego agenta i włożyć go gdzieś, gdzie naprawdę może coś zrobić. No i founder Instacarta nas opisał, że oprócz tego, że wy możecie budować szybko tych agentów, to wy też jesteście dla mnie takim AWS-em AI, czyli można zrobić cały deployment na was.

Ale mi teraz odwróciłeś myślenie. Ja cały czas myślałem, że ten Instacart wam da API i wy to się podepniecie, ale przecież jego API się będzie zmieniać, a tu odwrotnie. to Wy napiszecie i on sobie to wklei. To jest do niego wielokrotnie łatwiejsze tak naprawdę.

Tak, tak. Więc to jest jeden egzampuł, jeden przykład. Mogę Ci opisać drugi, gdzie troszeczkę bardziej byśmy się skupili na tym, co potrafią agenci dzisiaj i jakie najbardziej ciekawe zastosowanie, gdzie mamy dwie firmy, które, opiszę Wam jedną, Metadata.io, która zajmuje się optymalizacją kanałów marketingowych dla różnych firm. Czyli pokazują Ci w bardzo ładny sposób, jak performują Twoje reklamy na Instagramie, na Facebooku, na Twitterze, na mailach i wszystko razem. I pokazują Ci, gdzie najlepiej wydać pieniądze. To jest dosyć prosty mechanizm. I oni mają bardzo dużo różnych baz danych, gdzie są przetrzymywane te wszystkie informacje. Jeżeli klient zadaje pytania, to często zadaje bardzo specyficzne pytania, na przykład w przedziale wiekowym 16-22 jeden z moich 150 produktów Opisz mi, czy powinienem dalej uderzać w Instagrama z tym produktem, czy może będę miał lepszy ROI, czyli Return On Investment, zwrot inwestycji na na przykład x.com. I takie pytanie ogólnie jest bardzo trudne do odpowiedzenia i do pokazania w UX-ie, bo to trzeba by było zbudować cały dashboard, zbudować kolejną stronkę, która jest tylko w oparciu o to pytanie. I teraz co AI może tutaj zrobić? Możemy w AI, w kontekście, czyli tam, gdzie się wpisuje prompt, w ogóle prompt to jest coś, co ludzie nie doceniają, jak to bardzo może być skomplikowane, bo my w prompcie uczymy tak naprawdę agenta, jak myśleć. a nie tylko mówimy mu napisz esej na temat II wojny światowej, tylko uczymy jak myśleć tego agenta, czyli mówimy mu np. teraz będziesz pisał kod w oparciu o te cztery endpointy, czyli te cztery jakieś API, które są u nich na serwerach. I teraz będziesz pisał kod, żeby odpowiedzieć na to pytanie. Tutaj są zasady, jak powinieneś pisać ten kod. Napisz ten kod. I teraz on produkuje cały ten kod w oparciu o opis, jak się dzwonić w różne bazy danych tej firmy Metadata, które oni już mają przygotowane. bo używają ich internalnie w swojej firmie, pisze kod i później egzekwuje ten kod na naszych serwerach, naprawia jakiekolwiek błędy, jakie były, i w ciągu około minuty, trzydzieści sekund odpowiada temu klientowi bardzo specyficznie każdą rzecz, o której on zapytał, i co więcej, rekomenduje taktyka na najlepszy zwrot inwestycji pod względem optymalizacji kanałów sprzedażowych dla tego jednego klienta, który sprzedaje, nie wiem, cokolwiek, tak, cokolwiek, gdzie widzimy reklamę. To jest bardzo ciekawe, no bo tutaj mamy i tą planowanie, i tą refleksję, i tak naprawdę używanie narzędzi, czyli i końcowo jednak produkujemy jakieś informacje, które są naprawdę użyteczne dla klienta.

Okej, ale wartością dodaną było długo, bo wszystko to, co ty opisałeś, tak teoretycznie dałoby się, wiesz, jakimiś ragami wrzucić, ale wartością dodaną, ja rozumiem, że w odłerze Ty to masz as a service, Ty płacisz właśnie za te nadbudowane warstwy tego,

żeby on właśnie... Czyli możesz to zrobić po prostu dużo łatwiej u nas. Taka implementacja używając LongChain'a zajęła Ci, ja bym powiedział, Nawet parę miesięcy, dwóch, trzech programistów, żeby to zrobić dobrze i nadal iteracja nad tym dla osób biznesowych, czyli w tym przypadku CEO i CTO tej firmy Metadata, zajęłoby to parę miesięcy. U nas oni to dali radę stworzyć w oparciu o nasz produkt w ciągu dwóch dni.

A powiedz jeszcze w relacji, dużo słuchaczy Eskola.ai będzie kojarzyło chat GPT01, ten taki, który ma głębokie myślenie, chyba to się nazywa po polsku?

O1, tak.

No bo to też próbuję de facto trochę zrobić. Jak ja rozumiem, oni właśnie tak, trochę long change, czyli ten model sam ze sobą gada, dopytuje sam siebie. Ja to bardzo często wykorzystuję, bo do researchu to działa nieźle. W sensie, dla mnie to w części rzeczy perplexity jest lepsze, a w części trudnych problemów, takich nazwijmy to klasy konsultingowej, to mi bardzo pomaga. Chciałem, żebyś określił relacje między właśnie tym, co ty robisz, a O1, nie?

Jeden w pewien sposób w swojej strukturze już ma takie troszeczkę zachowania agenta, czyli już widzimy, że to, że jest ta refleksja, tam wstawiona jest taki planning, widać, że to wykonuje różne akcje. I teraz tak naprawdę, gdzie by tutaj była wartość np. WordWare, to byłaby w taki sposób orkiestracja O1 np. z Perplexity, żeby ten model O1 mógł np. przekazać pewne czynności dalej do Perplexity. Czyli tutaj wartość dodana WordWare to jest tak naprawdę kompilacja różnych modeli, tak żeby one mogły razem współpracować w bardziej trudnych pytaniach. Czyli to, jak Ty teraz pewnie to robisz, to tam sobie coś planujesz na O1, później wchodzisz na Perplexity, składasz to sobie gdzieś na Google Docu, później wrzucasz pewne rzeczy z Perplexity do czata GPT, mówisz mu, tu jest więcej informacji na ten temat, przepisz to wszystko i pracujesz sobie w ten sposób z czatem GPT. I to jest spoko, jeżeli to robisz tylko raz. Jeżeli się okazuje, że ty to musisz zrobić 100 razy, to lepiej byłoby to zaprogramować jako nowego agenta i po to jest właśnie WordWare.

No tak, ja korzystałem z WordWare, to coś co mnie szczególnie ujęło jako dosyć domorosłego programista, bo ja niestety tylko dwa lata informatyki skończyłem. to jak sobie jakieś zmienne na przykład mogę wprowadzać. I faktycznie ja sobie tam zapisywałem zmienne, pisałem, że stąd je zaciągnę, ale jakby tego nie zrobisz w żadnym czasie, w żadnym perplexity, że te zmienne... Miałem ich dużo, miałem jakiegoś Excela, bo akurat potrzebowałem jakieś tam parametry procentowe, coś tam, coś tam, i chciałem je wypróbować, jakby jak będzie odpowiadał w zależności od tych zmiennych parametrów. Bardzo szybko, w sensie jakby w każdym perfekcji czy czacie, to bym potrzebował jakby pięćdziesiąt razy kliknąć Enter.

No i najważniejsze, że jak już to raz zrobisz, Forever to masz i to może być program. Różnicą jest porównanie, albo liczenie czegoś na kalkulatorze, albo zrobienie Excela. W Excelu jednak możesz wrzucić kolejny row, rząd i to wszystko się automatycznie policzy. Czyli tutaj mamy właśnie takie porównanie.

No dobra, 20 minut próbowaliśmy wytłumaczyć Word Ware. Mam nadzieję, że zrozumieliście. Jak nie, to wejdźcie na stronę. Tam są fajne filmiki właśnie z udziałem Filipa. Poznacie, bo to ten sam człowiek tam jest. One są fajnie zrobione, interaktywnie. Myślę, że to w ogóle, jeżeli podejście do takich onboarding klienta, bo ten produkt nie jest łatwy, to jakby dużo słucha nas menedżerów, ale część też słucha osób takich bardziej technicznych, które, nie wiem, skończyły AI Devs-a, to tam się bez problemu odnajdziecie.

Tak, właśnie powiedziałem, że to jest analityczne osoby, które są zmotywowane mogą osiągnąć bardzo dużo z Wordware. Nie trzeba być technicznym w takim typowym zrozumieniu, ale trzeba być taką osobą, która by się na przykład dobrze odnalazła w Excelu. Czyli jednak trzeba mieć tą taką I to jest niestety nowy język programowania, tak, więc jakby trzeba się pogodzić z tym, że troszeczkę trzeba usiąść i posiedzieć nad tym, jak używać języka angielskiego lub polskiego w sposób, który ma logicznie sens, tak, bo każdy może pierdzielić coś, jakby gadać, ale żeby naprawdę się wypowiadać logicznie i żeby to miało sens, to nie jest aż takie łatwe.

To jest trudne. Większość moich studentów na informatyce polega na pierwszym roku na zadaniu napisz algorytm zrobienia naleśników. Dużo osób zapomina o tym, że trzeba rozbić jajko i brakuje jakiegoś kroku. Dużo osób, mimo że umie to zrobić w sensie czynności, nie umie tego zamienić na algorytm. Ale dobra, nie, już zostawmy na chwilę. To chcecie trochę bardziej Korzystając z tego, że siedzisz w tym San Francisco i masz sporo osób, spotykasz, to chcę trochę, w drugiej części będą trzy łącznie, tak? Pierwsza była WorldWare, teraz będzie druga część. Chcę Cię trochę podrążyć, trochę żebyś poopowiadał o tym świecie, ja i trochę o sobie, o tym, co tam widzisz, więc zacznę może od takiego rozgrzewkowego pytania. Kiedy Ty, Ty jesteś chyba trochę młodszy ode mnie, ale kiedy Ty w ogóle się zająłeś tą sztuczną inteligencją? Jak to się u Ciebie zaczęło?

Szczerze mówiąc, to było dawno całkiem, bo zaczęło to się na studiach w Cambridge w 2014 roku. Jestem trochę weteranem tego AI, chociaż 10 lat to nie jest tak długo. Prowadziłem research w oparciu o LSTM, czyli Long Short Term Memory Network.

To jest moja ulubiona nazwa w AI – Long Short Term Memory.

Więc jakby to były takie prekursory tej architektury transformersów, na które się opiera to wszystko dzisiaj, czyli taki czat GPT opiera się o infrastrukturę transformersów, o tym jak to działa. Moglibyśmy kiedyś pogadać, ale tak naprawdę po wyjściu z uniwersytetu od razu przyjechałem do Stanów, do San Francisco i tutaj rozwijałem pierwszą firmę, która zajmowała się augmentacją ludzkiej pamięci w oparciu o, tłumaczę szybko teraz w głowie, zawsze włączone słuchające urządzenia. Czyli cały czas mamy włączone jakieś urządzenie, tak jakbyśmy miały mikrofon, ona stara się całą tę wiedzę, którą ty słyszysz i mówisz, ułożyć w odpowiedni sposób, tak żeby ona była użyteczna później. Korzystając z Berta i GPT-2, było to naprawdę ciężkie, więc skończyło się na piwotach, skończyło się na tym, że końcowo ja sprzedałem część udziału w tej spółki i dopiero później otworzyłem WorldWare, czyli tak naprawdę drugą moją firmę, ale...

Zrobię nawias o Twojej pierwszej firmie, bo rozmawiałem z kilkoma inwestorami Twoimi i oni powiedzieli, że ten Twój pomysł z tą augmentacją pamięci, to po prostu trochę wyprzeciły się pocket, to było trochę po prostu za szybkie. I to jest też taka ciekawa lekcja, że no nie wiem, technologia nie była na to gotowa, albo rynek. Ja to w ogóle uważam, analizowałem temat deepfake'ów, kiedyś to będzie taka dygresja mała, i zastanawiam się, czy w ogóle jesteśmy w stanie, na przykład chcesz udowodnić jakąś prawdę, ale deepfake'i są już takie super zaawansowane, w sensie jesteś w stanie deepfake'ować wszystko. Jedynym sposobem byłoby, że każdy nosi okulary, które czytają wszystko, co widzisz, I to wszystko jest zapisywane na blockchainie. I potem jeżeli ktoś mówi, że coś zrobił, albo czegoś nie zrobił, to jedynym sposobem weryfikacji, czy to jest prawda, czy nie, jest ten obraz zapisany na blockchainie.

No to, to, to jest bardzo ciekawa kompozycja. Teraz tutaj już jest bardziej filozoficzne pytanie, czy to ma znaczenie, kto to powiedział, czy to, kto...

No wiesz, tam Trump mówi, że, nie wiem, kogoś dotykał albo nie dotykał, wiesz, i to potem decydują o wyborach ludzi, nie? I o losach świata, więc uważam, ja wtedy przyszedł mi do głowy ten pomysł, nie? No bo jakby na poziomie deepfake'ów, których jakby, wiesz, zrobisz coś, jak jesteś politykiem, to im się zdarza zrobić coś co nie jest dobrze odbierane przez ludzi. I oni potem mówią, że nie, albo np. że to był deepfake, albo że ktoś, no wiesz, póki nie ma twardych dowodów, typu kamera. No ale dzisiaj jak jest kamera, to ktoś powie, o deepfake, sorry, to wcale nigdy tego nie zrobiłem. I wtedy moim rozwiązaniem, czyli te okulary na blockchain są jedynym rozwiązaniem, żeby sprawdzić co jest prawdziwe, bo w momencie kiedy nie odróżniamy rzeczywistości od obrazu.

Ja się zgadzam na przykład, że nie tylko potrzebujemy do tego, żeby dowieźć tą moją jakby pomysł na firmę sprzed z 2018 roku, to nie tylko potrzebujemy technologii AI, ale potrzebujemy też hardware'u. Właśnie śmiesznie, że wspomniałeś o tych okularach AR, bo ja wierzyłem do momentu, kiedy Facebook nie ogłosił tych swoich nowych okularów AR, i to każdy sobie może tam spojrzeć, nie są one jeszcze dostępne, to wierzyłem, że tylko Apple może to zrobić, może to dowieść. Bo nawet jakby się rozładowały takie okulary, to to będzie kosztować 5 tysięcy dolarów i nawet będzie kultonosić. Będziesz taki, a ja jestem tech i tak dalej. Ale teraz Facebook bardzo dowiózł. Podobno te okulary AR wyprzedzają to, co siedzi w laboratoriach Apple, które się nazywa Internalnie chyba nazywa się N421P ten projekt i on już jest in the works od wielu lat. Tam mają naprawdę bardzo duże teamy AR-owe w Apple'u, ale coś mi nie idzie do końca.

Ja miałem te okulary, to w ogóle w to nie wierzę.

To jest ten model, gdzie ty chodzisz

w tych okularach, No tak, to musi być tak, jak pokazuje meta. Ale dobra, wchodzimy trochę w dygresję. No dobra, czyli wtedy ta zamknąłeś i odpaliłeś World War. To jest dla mnie też taka ciekawa lekcja, że Fail może cię zbudować. Jak ty na to zareagowałeś tak trochę psychicznie?

To tam była jakby bardziej dłuższa historia. Ogólnie ja się pożarłem trochę ze swoim wspólnikiem i jakby nam tam zaczęło coś iść w tej pierwszej spółce. My zrobiliśmy piwot i taką lekcją startupową tutaj to jest tak naprawdę ja dostaję jakby jakiegoś kurde niepokoju jak ja słyszę że ktoś zakłada spółkę i zna swojego cofoundera dwa tygodnie. To jest tak, jakby się po dwóch tygodniach urzędnić, naprawdę. Może to wyjdzie, ale raczej tam będzie bardzo dużo problemów. I taka główna nauka z tego to było właśnie odpowiednie, naprawdę analityczne podejście do tego, jak się dopasowują charaktery co-founderów. Bo głównym powodem rozpadu spółek nie jest brak pieniędzy, bo tutaj w San Francisco to się przewrócisz i zbierzesz milion dolarów. Ale jednak jest to, że ludzie się pokłócili, czy był sukces, czy była porażka. Wypalili się i to była taka główna nauka. Szczerze mówiąc, po tym jak odszedłem z tej pierwszej spółki, to trafił mi taki moment, że całe życie byłem founderem. Nagle, wiesz, trochę miałem pieniędzy, tutaj sobie pojechałem popływać na jachcie, tutaj się powspinać, coś tam, coś tam. A ja tak naprawdę w nocy nie mogłem spać, bo miałem takie, kurde, kim ja jestem? Czyli ja teraz będę... Co ja będę robił teraz? Więc jest to na pewno trudne, ale tak jakby bardzo szybko, po siedmiu miesiącach tak naprawdę wróciłem już do pracy nad kolejnym pomysłem.

Skąd wziął się pomysł na Łódłę?

Ja ogólnie bardzo wierzę, że promptowanie, czyli ta komunikacja z tym AI, to nie jest takie promptowanie jak ludziom się wydaje. czyli napisz mi maila, zachowuj się jak analityk itd. Promptowanie to jest sposób, w który ludzie komunikują się z AI. I jest to ogólnie cholernie trudne, bo to nie jest tylko powiedzenie napisz esej, tylko to jest też nauczenie takiego modelu jak myśleć. Często moje prompty zawierają sposób na logiczne myślenie, czyli np. mówię pomyśl sobie myśl, Zdecyduj, jaka jest akcja. Później oceń, czy to była dobra akcja. Wykonaj akcję i zapęt to. Więc bardzo wierzę, że te prompty nie będą żyły w codebase, takie osoby, które są menadżerami, które wiedzą, co trzeba osiągnąć, będą pracowały w języku angielskim lub polskim i będą potrafiły tych agentów zaprogramować językiem naturalnym w sposób, żeby ci agenci coś zrobili, co jest użyteczne, bo dużo jest takich zabawek AI na razie. A my potrzebujemy jednak tych osób, które wiedzą, co ma się tak naprawdę osiągnąć i jak to powinno wyglądać, żeby one zaczęły się bawić ze jaj, żeby zaczęły już eksperymentować, tak żeby w ciągu pół roku, kiedy te naprawdę lepsze modele zaczną wchodzić, które naprawdę potrafią myśleć trochę bardziej, żeby oni wiedzieli, jak je wykorzystać, tak żeby usprawnić swoje organizacje. I stąd się w ogóle wziął ten koncept takiego, my to nazywamy natural language programming, czyli programowanie agentów AI, którzy nie piszą kod, tylko są już takimi stworami, które coś dla nas robią. I właśnie upożliwienie ekspertom z tych domen robienie tego samemu, to jest taki właśnie stąd się wziął cały ten pomysł. No i też w ogóle manipulacja językiem naturalnym w kodzie to po prostu się nie składa do kupy. Trochę to był przypadek, że to tak wyszło. Więc to on taki cały zarys na to, jak będzie wyglądać przyszłość pracy.

No właśnie. Czy przyszłość pracy to będzie taka, że tak jak menedżerowi teraz podlegać 10 osób, jedna właśnie jest jakimś analitykiem. 3 wykonują określone zadanie księgowe, 4 osoby coś przetwarzają i 2 testują. To, że przyszłością będzie to, że tych osób nie będzie 10, tylko będzie. I te osoby, tak jak, nie wiem, 20 lat temu, takim cześć było, że dostałeś laptopa, dostawałeś telefon, samochód służbowy, jeśli musiałeś dużo jeździć, to ty będziesz przychodzić do pracy w 2030 i ty dostaniesz milion tokenów, word weara, Coś tam jeszcze, co pozwoli Ci, że Ty tym teamem trzyosobowym zrobisz tyle, co jeszcze 6 lat temu, w tym 2024, Ty potrzebowałeś 10 osób.

Wiesz co, ja na to patrzę troszeczkę inaczej pod względem wizualizacji tego, jak to będzie działać. Jeżeli sobie wyobrazimy tak naprawdę jakąkolwiek firmę, to możemy ją sobie wyobrazić jako taką strukturę, gdzie gdzieś na samej górze jest CEO, CEO ma swoich head off, każdy z nich jakby managuje paroma osobami tutaj. Możemy sobie wyobrazić taką piramidę, strukturę, gdzie wszyscy pracują i mają jakąś organizację. I taka orkiestracja tego, jak to działa, jest trudna. Każdy musi się komunikować, każdy musi mieć resources itd. I teraz jesteśmy obecnie w momencie, kiedy każda z tych osób, która jest w tej strukturze, może się sobie pomagać różnymi narzędziami typu chat GPT, typu perplexity. Ja to sobie wyobrażam jako takie, wiesz, jeżeli mamy takie kółeczka tutaj, każda reprezentuje jedną osobę, to nagle mamy takie kółeczka z zewnątrz. Mamy taką strzałkę i każda z tych osób może sobie trochę pomagać AI. Ja jak to widzę, jak to będzie dalej postępować, to niektóre z tych kółeczek, które są osobami, zamienią się w inny kolor kółeczek, które będą po prostu agentami AI. I każda z tych funkcji, one się będą pojawiać w różnych miejscach w tej strukturze. I to się wydaje, że tylko agenci AI będą na samym dole. ale będziemy też mieć agentów AI, którzy orkiestrują innych ludzi. To brzmi jak crazy, ale to już obecnie działa, bo mamy np. w oparciu o input CEO jest agent AI, który tworzy tikety na Jeeze, czyli tworzy zadania na Jeeze, które są dalej dystrybuowane do ludzi. I może to nie jest szef tych programistów, to to AI tak naprawdę orkiestruje pracę ludzi. I teraz powoli zaczynamy myśleć o organizacji nie jako o organizacji tylko osób, które korzystają z narzędzi, tylko zaczynamy myśleć o tym jako o takim czymś pomiędzy, że tutaj będzie parę osób, tutaj będzie parę AI i tak końcowo wyobrażamy sobie taką organizację jako całą strukturę, która, czym lepsza jest organizacja i czym bardziej wydajna, tym lepiej, tak? I zaczynamy o tym myśleć o agencie trochę. Każdy człowiek też jest agentem, bo ma jakiś agency, tak? To z angielskiego jest, nie wiem, czy po polsku jest motywacja, coś takiego. I tak naprawdę nieważne, czy to jest AI czy człowiek, tylko po prostu to wykonuje jakąś funkcję. podekscytowany na to, żeby to będzie mieszanka ludzi i AI. I tutaj też mam parę takich głębszych opinii, co będą ludzie w ogóle robić w takim razie za 20 lat, ale

to jest też... Do tego przejdziemy może w ostatniej części tego podcastu. Ale to jest ciekawe, co mówisz. Przypomina mi się historia, ja krótko, bo krótko, ale pracowałem dla BCG i tam jakieś tam wysłaliśmy mail do prezesa jakiegoś tam niemieckiego banku, bo ja akurat tam dla Niemców robiłem, i tam wróciło 13 zwrotek, tam gdzieś wyczytaliśmy, że 13 rozdzielników, bo głównie asystentek tego prezesa, różnych tam. No wiesz, to nie jest nic nienormalnego, że prezes tutaj zarabiał miliony euro. Miał typu dziesięć asystentek od różnych rzeczy, kogoś od podróży. Ale faktycznie dużo z tych rzeczy, domyślam się, dałoby się... Przepraszam. Dużo z tych czynności, które te osoby wykonywały, dałoby się zaagencić.

Dokładnie. Tak mi się wydaje. Pierwsze coś, co pójdzie i co zniknie, to jest Reactive work, czyli praca reakcyjna, czyli ty dostajesz maila, szukasz czegoś w Google Drive, albo bukujesz komuś lot i mówisz, dobra, wykonane. Bo to jest robota, która jest bardzo dobrze zdefiniowana. I szczerze mówiąc, to nasze dzieci będą patrzeć na nas jak na idiotów, jak my im powiemy. Jak my im powiemy, że słuchaj, ja dostawałem maila, szukałem czegoś na Dropboxie, zmieniałem parę jakby rzeczy w Excelu czy tam na Google Sheets i odsyłałem to z opisem, co zrobiłem. Co? Jakby to tak będą się na nas patrzyli?

Wiesz co, ja się zastanawiałem na tym, ale bardzo często jak mam napisy takiego maila, to piszę to po to tylko, żeby ułożyć swoją głowę. bo to są przecież to wici, to jest dla ułożenia mojej głowy. To ostatnio u Dukaya słyszałem genialną rzecz, że pisanie niekoniecznie powinno służyć publikowaniu, nie? Że dużo rzeczy robisz, żeby swoje własne myśli uporządkować. I ja na przykład to robię czasem, czyli daję bardzo dużo zmian w jakichś tam dokumentach, bo często do researchu pracujemy jako team, nieraz kilkunastuosobowy, i daję raport, co pozmienia, chociaż oni to widzą, ale dzięki temu widzą, co było dla mnie na przykład najważniejsze. Dokonałem 100 zmian i piszę, takie są obszary, które zmieniłem i wydaje mi się, że to jest dla nas. Aczkolwiek ciekawe jest dla mnie to, bo używam kalendli, tak jak ty, i ludzie często jakby bukują się, tam obu stronom wysyłają się potwierdzenia, ale i tak ludzie piszą, wpisałem się na godzinę X. I to jest takie ciekawe, ja to akurat szanuję. Ostatnio właśnie napisałem jakiegoś takiego długiego maila, musiałem napisać, żeby opisać jakiś taki dosyć złożony schemat i wydało mi się to takie super kontproduktywne, że pisałem maila, nie wiem, 45 minut, bo wydawało mi się, że da się to zrobić super szybko, tylko nie wiem jeszcze, jak to zrobić, nie?

W sensie, żeby...

Złożony kontekst, nie? I tu żaden super human nie za bardzo, bo wydaje mi się, że i tak bardzo logicznie opisałem całą sytuację, nie?

Tak, no więc tutaj dwie, dwa takie przemyślenia moje. Jedno to jest właśnie, że WordWare właśnie opiera się na tym, jak sobie wejdziesz w nasz dokument, że to jest, piszesz na przykład jeden prompt, później robi ci completion, robi ci AI. Piszesz drugi prompt i tak naprawdę jakby jak do nas przychodzą klienci, nie wiedzą jak to opisać, co chcą zrobić, to to jest dla nas, my nie chcemy takich klientów. Oni muszą się zastanowić, czy jakby napisali to na kartce papieru, to by wiedzieli jak to zrobić, więc ten proces, Jeden z naszych klientów powiedział, że lubi jak WordPress sprawia, że myślą. Czyli, że muszą myśleć jednak krok po kroku, zrobić loopa. Tak naprawdę większość z naszych klientów myśli po prostu krok po kroku i wypełnia takie rzeczy, które AI mogłoby pominąć. I to jest taki standard operating procedure. Więc jeżeli ty piszesz tego maila, to fajnie byłoby, gdyby ta akcja, którą ty wykonałeś, którą opisujesz teraz, byłaby do zautomatyzowania za każdym razem, jak ty otrzymasz podobnego maila. Więc to jest taki jeden kawiat tego, że nadal musisz wymyślić, jak to zrobić. A druga rzecz, a drugiej rzeczy zapomniałem.

A tu chciałem powiedzieć, bo to jest taka subtelność w języku polskim, która trochę inaczej brzmi w angielskim, czyli właśnie powiedziałeś to standard operating procedure, że my często jak myślimy o jakiejś procedurze, to w polskim języku czy w ogóle w polskiej kulturze to się kojarzy z jakimś wiesz, urzędem, jakimś podaniem, jakimś bardzo sformalizowanym procesem. A jak myślę po angielsku o słowie procedure, to mi przychodzi na myśl NASA, SpaceX i ten kosmonauta, który ma, wiesz, 120 procedur na różne rzeczy, jak mu się odłączy jakaś tam część. I on ma taką książkę, której właśnie zagląda i wie, gdzie ten procedure uruchomić, nie?

Tak jak z tymi naleśnikami, tak?

Jak z tymi naleśnikami, no.

Dokładnie.

Dobra, to powiedz mi w takim razie, czym chciałbyś, żeby było World War w 2027? Za czym biegniesz?

My tak naprawdę teraz staramy się przejąć w głowie każdego człowieka na Ziemi to jak się buduje AI, czyli jak się buduje tych agentów AI. Czyli tak naprawdę jest to dosyć duże zadanie, bo my mieliśmy dosyć spory sukces podczas launchu, dodaliśmy w ciągu paru tygodni 400 tysięcy użytkowników. Jesteśmy tak naprawdę na pierwszych momentach tego, jak zbudować ideę w głowach ludzi, że jeżeli budują AI, to to jest world war. Teraz to wygląda w dwójnasób. mieć wielu użytkowników, czyli powiedzmy w 2027 załóżmy 5 milionów użytkowników, którzy aktywnie korzystają z WorldWare, żeby właśnie robić to, o czym Ty mówisz, czyli programować te procedury w odpowiedni sposób, żeby one automatycznie zostały wykonywane. Tutaj to jest taki vibe troszeczkę bardziej workflow. I to jest jedna strefa tego. Druga strefa jest, ponieważ my jesteśmy wtedy w tych głowach ludzi miejscem, na którym się buduje AI, to my stajemy się też infrastrukturą każdej firmy, która buduje vertical SaaS, czyli takie wertykalne rozwiązania w oparciu o AI. i dodają jakieś funkcje AI-owe. I to musi trochę działać razem ze sobą. Jedno trochę nabędza drugie pod względem brandu, bo nie chcesz stawiać infrastruktury na czymś, co jakby może upaść, albo nie jest najlepszym, wiesz, miejscem na budowanie tego. I to jest tak jakby nasz struggle obecnie, nasz taki ból trochę, że przekonanie na przykład programistów, że budowali na World War nie jest aż tak łatwe, Tutaj też wchodzą takie rzeczy jak ego, jak takie znane powiedzenie, że to jest krytyczna rzecz dla nas, więc nie możemy tego budować na kim innym, tylko musimy sami to zaprogramować od zera. I to z czasem zanikają te idee, bo na przykład mamy, nie wiem, MongoDB, czyli jakieś rozwiązania, które wszyscy korzystają, które kiedyś wszyscy mówili, że nie, nie, nigdy

nie będę z tego... Tak jak chmura, tak? Tak jak chmura, tak?

Dokładnie, dokładnie.

Że musimy mieć to na swoich serwerach, 25 lat później Tak, jakoś nikt nie ma w tym dłużej.

Więc naszym takim celem jest tak naprawdę bycie taką główną infrastrukturą i dla firm, i dla trochę twojej firmy, która się nazywa Krzysztof Wojewodzic. I ty jesteś tym agentem w tej firmie i tak naprawdę jeżeli się zastanowisz, to ty jesteś gdzieś tam w głowie, jesteś organizacją rzeczy, które robisz i pewne rzeczy w tej głowie chciałbyś odstawić na inną osobę i tak jak sobie zatrudniasz asystentkę czy asystenta, to jakby pewne te rzeczy odkładasz, czyli na przykład ktoś ci przegląda maila całego, tak, i na pewne rzeczy odpowiada. Więc to jest taki cel na następne trzy lata, żeby po prostu stać się tym takim go-to, czyli w głowie każdy myśli budowanie AI agentów, myśli World War.

Piękna wizja. Ja pamiętam swoje pierwsze eksperymenty z budowaniem mojego pierwszego agenta, to było gdzieś półtorej roku temu, czyli mówimy o bardzo wczesnych czasach, jak na to. I pamiętam, że on zaciągał różne informacje na temat Krzysztof Wojewodzic. I ja mu kazałem wykonywać różne wypowiedzenia, wypowiadać się tak jak ja, eksperymenty, jak to większość takich zajawkowiczów. Ale on miał straszny problem, bo on, mając w internecie dużo informacji na temat Krzysztofa i Bisza i Kuby Wojewódzkiego, jakoś to mieszał i w jakimś kroku entym i wyskakiwał albo i Biszem, albo Wojewódzkim. W sumie do dzisiaj nie wiem do końca dlaczego. Ale pamiętam, że strasznie mnie to śpieszyło i pokazywałem to czasem na prezentacjach. I właśnie to zmierza do tego źródło danych, tak? Bo to były moje jakieś eksperymenty, to źródło się nam zaciągało gdzieś z internetu, z jakiegoś powodu pojawił się nam Krzysztof Ibisz i Kuba Wojewódzki. A z jakiegoś, skąd te dane, wiesz, tak jak mówisz, on coś zaciąga, z jakiejś Exceli, no to by fajnie było się wpiąć do tych Exceli, jakichś danych firmowych, tam już się pojawia dużo problemów, wiecie, to jest korporacja, jak sobie z tym radzisz?

Więc to jest ten ogólny RAG, Retrieval Augmented Generation, czyli skąd my w ogóle bierzemy te dane, żeby trochę nie korzystać z takich trenowanych właśnie danych w modelu, czyli w ogóle tak jakby ja nie lubię tego, ja nie chcę tego mieć, bo tam jest dużo błędów, tam jest dużo takiego właśnie losowości, tylko ja chcę wrzucić temu agentowi, to też jest część promptu tak naprawdę, to co wrzucamy i z jakich korzystamy danych, to też jest prompt, bo tak naprawdę to komunikujemy do tego modelu. I tutaj jest taki ciekawy kawiat, że po pierwsze są modele online enabled, ale końcowo to właśnie użytkownik musi wiedzieć, skąd mają pochodzić te dane. I znowu będę mówił o podobieństwie AI do praktykanta. Jeżeli dajemy praktykantowi zadanie, to musimy go podłączyć do tego Notion, który ma coś zrobić. Musimy go podłączyć do tego Excela, pokazać mu, gdzie to jest. Jeżeli nie wiemy, to powiemy praktykantowi po prostu... Poszukaj w internecie, pogógluj. I znajdzie zupełnie złe informacje. I co jest jeszcze ciekawe, jeżeli damy tak naprawdę praktykantowi odpowiednie dane i odpowiednie źródła tych danych, czyli na przykład napiszemy mu podręcznik jak sprzedawać i w tym podręczniku będzie pisało jak przeprowadzić rozmowę telefoniczną o sprzedaży. I my to już tak naprawdę robimy, komunikując się z ludźmi, tylko trochę zapominamy, żeby to robić, jak komunikujemy się z AI, bo mamy takie wrażenie, że AI to wie przecież, bo to jest sztuczna inteligencja, ona sobie wygeneruje coś. I jeszcze co jest bardzo ważne, że jeżeli nie damy praktykantowi tych danych odpowiednich, czyli każemy mu na przykład odpowiadać na twoje maile, przyszedł ktoś pierwszego dnia, Krzysiek mu daje swoje konta do maila i ten praktykant zaczyna odpowiadać. Ty patrzysz, wchodzisz za dwa dni i masz takie, co on tam ma wywijał. Więc nie dość, że musimy dać odpowiednie dane tej sztucznej inteligencji jak praktykantowi, ale na razie też dać tylko takie zadania temu praktykantowi, które zaufamy mu z wynikiem tego. Jeżeli ty nie zaufasz jej, to będziesz ciągle tam wchodził i będziesz trochę wkurzony. To ciągle to nie będzie optymalne. Czyli obecnie na razie dajemy tylko takie zadania, które byśmy zaufali praktykantowi. I tutaj jeżeli chodzi o takie bardziej praktyczne podejście, Bo wiesz, np. danie dostępu do wszystkich maili, jakie ty kiedykolwiek napisałeś, albo danie dostępu do Notion, albo danie dostępu do Jiry. Jakby musimy naprawdę to sobie rozpisać. To jest też dla nas ciężka rzecz, bo my musimy pisać mnóstwo integracji. I teraz tak naprawdę wchodzimy w taki moment, że piszemy bardzo, bardzo dużo integracji i to będzie launch tego, będzie koło, mamy parę tysięcy integracji, które będziemy wypuszczać wszystkie naraz.

Czyli oprócz tego będziecie takim troszkę zapierem, tak?

Czy też po prostu wypniecie się do zapiera? Mamy też integrację z zapierem, ale wiesz co, to nie jest 2012 i rzeczy muszą być łatwe i piękne. Jeżeli prosisz użytkownika, żeby połączyć się z APIER-em, spoko, niektórzy będą na tyle zmotywowani, ale musisz sprawić, że to wszystko pięknie działa i to jest piękny ekosystem, bo to już nie jest ten moment, że ludzie nie mają wyboru. gdzie mają wybór i ja trochę nie wierzę np. w Lean Startup, to jaka jest książka, nie wiem jak się nazywa to po polsku. Oni zawsze mówią, że musisz sklecić coś w dwa tygodnie i dać to klientowi i klient tego będzie używał. To jest 2024, jest za dużo pięknego software'u, ludzie się wkurzają jak guzik nie ma odpowiedniego koloru, bo im coś nie gra. Więc jakby my musimy też być takim właśnie pięknym rozwiązaniem AI operating system of your life in your company.

Duża część słuchaczy Escola.ai to są menedżerowie w różnych średnich, dużych firmach, którzy pewnie w 2024 roku dostali takiego KPI, który bym ogólnie nazwał Wdrużcie coś z AI. Ja dostaję mnóstwo telefonów, maili, wiadomości na LinkedInie. Krzysztof, mamy wdrożyć chatbota. Co robić? Krzysztof, mamy wdrożyć coś z AI. Jakieś computer vision, bardzo dużo firm produkcyjnych. Coś musimy zautomatyzować. Coś musimy testować. Prezes chce, żebyśmy... Coś z AI. To dosłownie jest KPI, taki dosyć unikalny jak na KPI. Coś za jajem w 2024. I część osób pewnie takich nas słucha, które albo już są w trakcie wdrażania coś za jajem, najczęściej to jest jakiś chatbot, albo właśnie jakiś komputer wierzyny, jeżeli to jest bardziej produkcja, jakaś automatyzacja, która w sumie koło jaja stała na półce, ale w sumie jajem nie jest. I jak ty odpowiadasz na takie zapytania? W sensie, co jest tym coś z AI, co byś polecił na jeszcze Q4 2024 albo 2025, co jest wdrażalne, nie mówimy o jakichś AI transition, rabialne, wdrażalne, że nie musisz po to iść, bo nie wiadomo jaki budżet. Od czego byś takie pierwsze parę kroków poradził tym menedżerom, którzy ciągle do mnie piszą?

Jak zaczęliśmy rozmowę, to wspomniałem, że ci agenci AI nie działają. Dlatego jest taka trochę idea, że oni nie działają, ponieważ za dużo ludzi próbuje wepchać AI tam, gdzie trochę nie powinny. Ja na przykład uważam, że agenci AI naprawdę działają, tylko trzeba ich wdrożyć w odpowiednie miejsca. Jak w ogóle zacząć szukać takich miejsc? Czyli tutaj nie powinno być najpierw pomyślenie sobie, Krzysztof, gdzie ja mogę wdrożyć AI? Bo ty, Krzysztof, nie wiesz, gdzie można wdrożyć AI akurat w tej organizacji. Jeżeli zastanawiamy się nad takimi miejscami, to możemy sobie znowu wyobrazić tylko praktykanta. I ten praktykant naprawdę może być po fajnych studiach z data analytics, czyli z analizy danych. I zastanawiamy się, gdzie w naszej spółce moglibyśmy takich tysiąc praktykantów, którzy są naprawdę... Raz ich wytrenowałem, ale to wystarczyło. Gdzie ja mogę wsadzić tych tysiąc praktykantów i czy to w ogóle ma sens? I tutaj takie rzeczy, które polecam zawsze się zastanawiać, to jak zarobić hajs i jak oszczędzić hajs, bo wtedy cała implementacja AI nagle ma sens. Bardzo dużo ludzi chce gdzieś to AI wypchać, ale w sumie nie wiedzą czy to im oszczędzi hajs albo zarobi hajs. Najlepiej w ogóle zarobić hajs, bo zarabianie pieniędzy nie jest jakby... Najwięcej jak możesz oszczędzić kosztów to jest 100%, tak? A zarobić możesz parę miliardów procent. Więc wydaje mi się, że to jest dobre podejście. I na samym początku fajnie jest jednak mieć jakiś human supervision, czyli żeby ktoś jednak na początku, żeby to pomagało wykonać swoją pracę, ale żebyś ty klikał go. Czyli np. takim odpowiednikiem tej idei tutaj to nie jest, żeby AI wysyłało maile, tylko żeby ci robiło wersje robocze, a ty żebyś klikał go. I tutaj właśnie taka, żeby powoli się przyzwyczajać do tego, czy to ma w ogóle sens. I teraz gdzie już bardziej praktyczna odpowiedź, żeby nie zwodzić nosem, to na przykład wiadomo, że Customer Support to jest coś, co jest bardzo ważne i większość ludzi myśli o tym jako o chatbotach, ale jednocześnie naprawdę możemy zrobić taki bardzo skomplikowany Customer Support. gdzie na pytanie na temat tego, jak działa jakiś silnik, gdzie jest wrzucone 150 stron PDF-ów, naprawdę ten AI sobie dobrze radzi z tym. To jest jedna rzecz. Jakiekolwiek due diligence czy zmiany wielkich dokumentów, czyli np. współpracujemy z jedną z firm, która produkuje podzespoły do samochodów na różnych rynkach. I teraz na różnych rynkach się zmieniają pewne regulacje. Co jakiś czas robimy search, perplexity, jak się zmieniły te regulacje, po czym naprawiamy dokumenty, w których ta zmiana norm miałaby jakiś efekt. Dalej, ja tutaj już wyciągam tak naprawdę przykłady z prawdziwych firm, to dalej możemy sobie na przykład pomyśleć o prawniku, który robi bardzo podobne, ale z pewnymi kawiatami, z pewnymi jakimiś zmianami kontrakty. I ten prawnik może teraz założyć firmę i zbudować coś, co automatyzuje tę pracę. Ale też biorąc pod uwagę menedżerów, Tutaj tak naprawdę można zrobić integrację na Wordwork, na przykład będzie bardzo dobry sposób, w oparciu o styl tego menadżera, robiła tikety na Trello czy na Jeeze. Jakbyśmy skorzystali z takiego typowego programu, który jest wypluty i robi to wszystko sam, to stracimy trochę ten taki pierwiastek ludzkości, który ludzie lubią mieć. Oni wiedzą, jak lubią wykonywać tę pracę i zaprogramowanie tego w odpowiedni sposób dla siebie jest, wydaje mi się, lepsze. Mogę tutaj jeszcze wypluć parę dziesiąt przykładów, ale jakbyś mnie nakierował może trochę bardziej, z jaką dokładnie audiencją mamy teraz dzisiaj styczność, z jakiej np. w wertykału, to może dam radę coś bardziej specyficznego przedstawić.

Wertykały są różne od banków przez ubezpieczenia po produkcję, jak wspomniałem, ale mi się wydaje, że chodzi o styl myślenia. Fajnie to sformułowałeś. I mam jeszcze chyba dwa pytania ostatnie, bo zbliżamy się do godziny. Wspomniałeś, że ten San Francisco trochę się jednak zmieniło. Ja przyznam, że dla mnie też wyjazd gdzieś do Stanów Zjednoczonych była super life changing experience, ale ja nie siedziałem w Dolinie Krzemowej i chciałbym, żebyś trochę o tym opowiedział. Czym dla ciebie, gościa, który jednak w Polsce się wychował, bo ty na studia pojechałeś do Wielkiej Brytanii, a potem do Stanów, co w tobie to zmieniło, na co ci otworzyło oczy, co zwróciło twoją uwagę?

Ja w ogóle bardzo dużo o tym myślę, bo Wydaje mi się, że w ekosystemie polskim brakuje paru rzeczy. Chciałbym się kiedyś przyłożyć do tego, żeby to zmienić, bo u nas nadal przez to, że był PRL, nadal jest takie myślenie, że jeden plus jeden równa się dwa, bo przez większość historii naszej Polski te zasoby były ograniczone. Jeżeli ktoś miał, to ja nie miałem. Gdzieś to siedzi głęboko w nas nadal, niestety. I nawet podczas takiej rozmowy zwykłej na evencie jakimś networkingowym, często mamy taką sytuację, że na początku próbujesz trochę wyczuć, czy to ty jesteś wyżej niż ta osoba, czy to on może na mnie patrzeć z góry. I tego w ogóle nie ma w San Francisco, bo każdy tutaj gadasz z dziewiętnastolatkiem, który ma jakiś pomysł i za 6 miesięcy się okazuje, że jego firma jest wyceniana na pół miliarda dolarów. I jakby jesteśmy tutaj tak przyzwyczajeni do tego, że nikt tak naprawdę nie ocenia i każdy się zastanawia, jak mogę pomóc. I to jest jakby pierwsza taka myśl, bo tutaj 1 plus 1 równa się 5. I jakby dawanie w ekosystem, czyli nie bycie egoistycznym, okazuje się, że jest najbardziej pozytywną, egoistyczną rzeczą, jaką możesz zrobić dla siebie. Takie przykłady. Gadałem wczoraj z firmą Pipe Dream, która pomaga nam z różnymi integracjami. I my kiedyś kupiliśmy dla AI domenę pipedream.ai. No i tam mieliśmy, no i gadamy, gadamy z nimi i mówię, a na koniec mam niespodziankę. A oni mówią, no macie naszą domenę pipedream.ai i jakby strasznie nam na tym zależy. A ja od razu odpowiedziałem, dobra, to macie ją za darmo. A oni by pewnie zapłacili za to 25 tysięcy dolków, tak? Albo więcej nawet, bo są dużą firmą i im na tym zależy. I to dawanie właśnie, jeszcze tego nie umiemy w Polsce niestety.

Co jeszcze?

Wszyscy pracują sporo ciężej niż w Europie. Takie niedziela jest normalnym dniem pracy i jakby każdy odpowiada na maile. To jest taki dzień, że wszyscy szybciej odpowiadają na maile, bo nie mają spotkań. Więc jakby chcesz kogoś złapać, ja często na Whatsappie piszę w niedzielę, mówię dawaj, wskoczymy na cola. Ok, każdy jest zawsze gotowy. I też lipiec, sierpień to nie jest miesiące, kiedy każdy coś tam trochę pracuje, tylko wszyscy zapieprzają. I właśnie mieliśmy jakiś tam kontraktorów w Polsce, którzy się zajmowali naszym brandingiem. I to było strasznie ciekawe, że my siedzimy z teamem, no to mówimy, no dobra, dzisiaj piątek, to na niedzielę dowieziecie? Oni patrzą na nas jakby, połowa jest na urlopie, a druga połowa w niedzielę, jakby nikt nie pracuje w niedzielę. i powiem Ci, że to gdzieś tam się odkłada. Nie wiem, czy to powoduje, że ludzie są mniej szczęśliwi, bo może tak naprawdę jest, ale akurat Silicon Valley ma bardzo, bardzo silną strukturę, bardzo silną taką kulturę zapieprzania.

No trzeba, wiesz, ludzie tam są oddani temu, w coś wierzą i mi się wydaje, że to jest strasznie ważne, że nawet od Ciebie to czuję, w sensie, że trzeba naprawdę wierzyć w to, To jest pewnie trudny temat chyba na jakiś osobny podcast, bo ja właśnie wróciłem z urlopu dzisiaj i też pracowałem na urlopie, ale strasznie to lubię, w sensie ja bardzo lubię zajmować się researchem, bo wtedy mam dużo czasu. Wyjąłem kartę SIM z telefonu, żeby nikt nie dzwonił z głupotami, bo zwyczajnie jak ktoś dzwoni to z głupotami na tydzień. No ale maile, kurde, i te prace na doksach leciały. Od szóstej rano sobie wstawałem i sobie robiłem, bo to jest, bardzo lubię to. I czytałem książkę bardzo fajną o EI-u i wróciłem wypoczęty, bo to był dla mnie fun. W sensie nie robiłem tego unfun części, czyli właśnie takiej...

Nie bardzo lubię iterations. Mnie maile wykańczają. Ja w jakiś sposób coś osiągnęliśmy ostatnio i bardzo poczułem tę zmianę, że było 30 maili dziennie, a teraz jest 350 maili dziennie. Ja nie wiem, jak osoby, które są naprawdę sukcesful, jak oni sobie radzą z tym. Czy tam jest kurde za nimi rzesza naprawdę zaufanych asystentów? Jak to działa? Bo ja obecnie nie wiem. Jak ktoś wie, jak sobie z tym radzić, to poproszę o wiadomość. Tylko nie na Linkedin, najlepiej na Whatsappie, bo Whatsapp to jest jedna rzecz, którą nadal kontroluję. Dla mnie mail to jest jakieś, nie wiem, jeszcze Linkedin, to w ogóle Linkedin, ja na przykład naprawdę nie chcę być niemiły, ale nigdy nie odkrywuję na Linkedinie, bo to już poddałem się zupełnie.

No to ja ci dam poza anteną sposób na to i to przynosi mnie do ostatniego pytania, które sobie obiecaliśmy na początku tego podcastu, czyli przyszłość AI, AI, State of Art 2030, już nie przesadzajmy, 6 lat, to jest jakby tak, że jeszcze jesteśmy w stanie to uchwycić. Gdzie, gdzie będziemy, co będzie się działo ciekawego, co się zmieni?

Wiesz co, jest parę takich researchowych problemów, gdzie w pewien sposób wymyślenie, jak to będzie szło opiera się na jakichś step changes. O co chodzi? Potrzebujemy jeszcze jednego, może dwóch czy trzech przełomów. I wiesz, bardzo często w historii było tak, że każdy wierzył, że jeden przełom, efekty jego będą wzrastać.

Tylko w górę.

Tak, tylko w górę. Ale okazuje się, że często dochodzimy do limitu tego właśnie przełomu. I tutaj przełomem była właśnie ta architektura Transformer. Nie wiem, czy potrzebujemy tych przełomów jeszcze więcej. Jeżeli tak, to ocenienie Czy wiesz, czy dojdziemy do tego superintelligence? Jest trudne. Mi się wydaje, że tacy agenci, którzy mogą być reakcyjni, już są możliwi i teraz musimy obudować to dobrą infrastrukturą, więc to na pewno będzie rozwiązane. Wydaje mi się, że nie będziemy odpowiadać na takie słabe maile ogólnie sami, tylko

te rzeczy muszą działać. Agenci będą mailować z agentami, tak?

Tak i w ogóle to jest bardzo ciekawe akurat, bo jeżeli zaczniemy myśleć o tym, że obecnie ekonomia oprócz finansów działa tak naprawdę w prędkości maila. Czy to ma sens dla Ciebie, to co mówię? Że finansy, jakby nauczyliśmy się jak tradować co parę milisekund, ale tak naprawdę większość organizacji jak się komunikujemy między jedną a drugą organizacją, to działa w prędkości maila.

No i tak super, że nie podania. Złożymy go na piśmie, kto czegoś patuje.

A wyobraź sobie, że składasz podanie w urzędzie i masz odpowiedź po trzech sekundach. Jakby to, co to zrobi dla Twojego agenta, który Ci odpowie na to coś za trzy sekundy i jak zaczną szybciej, tysiące razy szybciej płynąć pieniądze, to nie wiem, co to będzie oznaczać dla naszej ekonomii. Bo to może oznaczać, że mamy nagle tysiąc razy większą ekonomię świata, że GDP świata które się opiera na przypływie pieniędzy, zwiększy się, nie będzie wtedy ograniczenia, czy to będzie tysiąc razy, czy milion. Więc to jest taki jeden prediction, futurystyczny bardzo, ale wydaje mi się, że nadal będzie ważny taki human taste. Czy możesz mi pomóc to przetłumaczyć? Jakiś taki human sprinkle.

Chyba human touch miałeś na myśli bardziej niż taste, pewnie też, ale taki, że wiesz, że to napisał człowiek. Wspomniałem o tym mailu, który pisałem 45 minut i on był taki bardzo, moim zdaniem, finezyjny, wymyślny. Na pewno widać było, że nie był napisany właśnie przy użyciu propta. I ja oczekiwałem tylko odpowiedzi tak, tak od dwóch bardzo ważnych dla mnie osób. I dokładnie to nastąpiło, bo dla nich była jasna cała konstrukcja, którą ja opisywałem na jakieś tam wiele miesięcy naszych prac. Ale tak naprawdę to takim Uber efektywny, tak bym napisał to, podyktował głosowo pewnie jakieś prompty, to by napisało to, co ja miałem w głowie, i potem właśnie tylko to, że tak powiem, tak oszlifował, posypał z tobą i zrobił to samo w 15 minut albo w 10.

Ale wiesz, mógłbyś mieć agenta, który już wie, co ty normalnie wlewasz. Ja na przykład dosyć często pracuję w ten sposób z AI, że mówię dużo, mówię przez godzinę, i później w oparciu o to, jak ja, długi bardzo prąd, jak ja strukturyzuję swoje myślenie i tam są też informacje o mojej firmie, informacje o tym, że ja uwielbiam używać bullet points i jakby jak strukturyzuję takie wypowiedzi. Mówię, gadam przez godzinę, później klikam go i mi się wypluwa taki, wiesz, ładny dokument, który później mi się zapisuje na Notion w ogóle. Ale wracając do tego jakby ostatniego punktu, chciałbym tutaj takie porównanie wystosować, że na razie myślimy o tym wszystkim jako tekście, czyli mówimy mail, mówimy raport, mówimy notion, ale zacznijmy pracować w różnych modalnościach, czyli to będzie też nagle wizualizacje, też to będą jakby dźwięk. I teraz jakby taka myśl, którą chciałbym nas zostawić, z taką myślą, że jeżeli George Lucas który był director Star Warsów, usiadł do GPT-8, który działa już z Thorą i produkuje piękne filmy. Jeżeli by powiedział, wyprodukuj film o wojnach między różnymi systemami gwiezdnymi, to ten film mógłby być całkiem niezły. Tylko my nie chcemy tego filmu, my chcemy to, co George Lucas miał w głowie. Komunikacja między AI a Georgem Lucasem to właśnie to, czym się stara zajmować WordWare, czyli ustrukturalizowanie kolaboracji między ludźmi a AI. Wydaje mi się, że nasze mózgi reagują zupełnie inaczej, jeżeli wiemy, że za czymś był human intent. Wsadzili ludzi do rezonansu magnetycznego i sprawdzali, jakie części mózgu im reagują, jeżeli zostanie im pokazana sztuka, która albo powiedziano im, że została wyprodukowana przez człowieka, albo przez AI. Mimo, że to AI wyprodukował całą tą sztukę, nasze mózgi zupełnie inaczej reagują. I to takie posypanie naszą własną, jest słowo na to po polsku, gustem, gust to jest to słowo, którego szukałem, posypanie tego w odpowiedni sposób, tak żeby ludzie wiedzieli, że to jest Nasza praca, mimo że tak naprawdę my tylko pracujemy z AI, żeby to stworzyć, będzie bardzo ważna. I tak samo jak Suno, gdzie każdy z nas może wyprodukować piosenkę, jeżeli byśmy kliknęli po prostu random i ta piosenka będzie fajna, to nic nie sprawia, że czujemy. Jeżeli ja teraz napiszę piosenkę o Krzysztofie za to, że mieliśmy bardzo fajny podcast, i ci wyślę, i będzie tam, nie wiem, o Silicon Valley, i będzie tam o tym, o czym gadaliśmy, to nagle się okaże, że to ma jakieś znaczenie dla ciebie, bo ja to zrobiłem dla ciebie. I mi się wydaje, że idziemy w tym kierunku, żeby właśnie każdy mógł produkować naprawdę super, super outputy z AI i dawać swój gust do tego.

To czekam Filip na piosenkę od Ciebie i tym samym kończymy kolejny odcinek Eskola AI. Moim gościem był Filip. Godzina bardzo późna, ale nieprzypadkowa, bo chcieliśmy się połączyć z Doliną Krzemową, z serca innowacji. Dzięki Filip za Twój czas. Mówiłeś przed audycją, że będzie duży announcement, więc spodziewajcie się dużego announcementu już niedługo, bo o Filipie będzie głośno niedługo. Trzymajcie.

Dziękuję Ci bardzo Krzysztof, dziękuję za wysłuchanie.

Dziękujemy za Twój czas i za to, że spędziłeś go z nami. Przydałoby mi się kilka setek takich asystentów. Ktoś pomoże mi pisać, ktoś pomoże mi w researchu, ktoś pomoże mi na przykład w ugotowaniu obiadu, co najmniej takiego, na jaki mam ochotę. Filip proponuje nam dwa kroki do przodu. Świetny pomysł, kibicujemy. Jeśli ten odcinek dał ci coś nowego, nauczyłeś, nauczyłaś się z niego, czegoś co możesz wdrożyć w swoim biznesie, bardzo prosimy podziel się tym odcinkiem z innymi. Udostępnij link do tego odcinka na Linkedinie, X, Facebooku, opowiedz o Eskola.ai twoim znajomym. Dzielenie się wiedzą wzmacnia ją i zwiększa jej ilość. Nikt na tym nie traci. To był 189 odcinek podcastu Eskola.ai. Gościliśmy Filipa Kozerę, rozmawialiśmy o agentach AI. Do usłyszenia.