Send us Fan Mail 2 lata bez pisania kodu, od Web 3.0 do robotyki. Szymon Paluch - konsultant, który wdraża w firmach agentów AI i robotykę - pokazuje, jak naprawdę wygląda praca ze sztuczną inteligencją, dlaczego o wyniku decyduje harness, a nie sam model, i co potrafi robopies, który stanął w studiu. W tym odcinku podcastu "I to się liczy" rozmawiam z Szymonem Paluchem o agentach AI, automatyzacji, physical AI i robotyce w biznesie. Szymon budował software house'y i start-upy, wspierał Diagnostykę - największe laboratorium medyczne w Polsce - we wdrażaniu aplikacji mobilnych, e-commerce i pierwszych rozwiązań sztucznej inteligencji, przeszedł przez okres Web3 i blockchaina, a dziś zajmuje się konsultingiem i wdrożeniami agentów AI oraz robotyki. Jak sam mówi, zależy mu na tym, żeby być "na granicy tego, co dzisiaj jest możliwe" - a technologię od początku traktował jako narzędzie wsparcia biznesu. Zaczynamy od krzywej hype'u Gartnera. Każda nowa technologia przechodzi przez zachwyt, rozczarowanie i dopiero potem spokojny wzrost - i według Szymona ten overhype jest potrzebny, bo bez niego technologia nie dotarłaby do ludzi. Tak było z Web3, tak jest dziś z AI i tak za chwilę będzie z robotyką. Co zostało po Web3? Blockchain zszedł do poziomu bazy danych: Stripe i PayPal używają go w rozliczeniach, bo okazał się szybszy niż międzybankowe szyny płatnicze, które nie działały po godzinach i w weekendy. A agenci AI - którzy konta w banku nie założą - mogą dzięki niemu rozliczać się między sobą. Rozmawiamy też o projekcie rozproszonej mocy obliczeniowej dla AI, który miał uniezależnić otwarte modele od wielkich centrów danych. Potem przechodzimy do pytania, które dotyczy każdej firmy wdrażającej sztuczną inteligencję: czy AI zastąpi specjalistów i kto weźmie odpowiedzialność za to, co wytworzy agent? Na LinkedInie słychać, że "wszystko umarło" - analityka, BI, specjaliści Google Ads. Szymon odpowiada, że linii produkcyjnej nie obsługuje prezes, a dopóki mówimy o odpowiedzialności, człowiek będzie potrzebny. Będzie shift, być może potrzeba będzie mniej specjalistów, ale ci, którzy zostaną, muszą rozumieć AI i umieć z nią współpracować. Co ciekawe, rynek ubezpieczeń dla agentów AI już powstaje - pierwsze firmy wyceniają polisy na podstawie benchmarków, czyli tego, jak często model odpowiada dobrze, a jak często źle. O jakości wyniku coraz mniej decyduje sam model, a coraz bardziej harness - narzędzia i środowisko, w którym agent pracuje. Ten sam model samodzielnie rozwiązuje 30-50% zadań, a z dobrym harnessem 80-90%. To zmienia sposób myślenia o wdrożeniach AI w firmie: zamiast szukać "najmądrzejszego modelu", warto zbudować dla niego dobry proces. Sporo miejsca poświęcamy ROI z wdrożenia AI. Szymon mówi wprost: sztuczna inteligencja to narzędzie do automatyzacji, a przez automatyzację skalujemy - więc jeśli wdrażasz AI na nieuporządkowany proces, "zaczynasz skalować ten bałagan". Najpierw trzeba odpowiedzieć sobie, po co: cięcie kosztów, skala czy jakość. Na przykładzie e-commerce z nadrukami na koszulkach pokazuje, dlaczego agent nie trafił na stronę sklepu, która dawała poniżej 10% sprzedaży, tylko do handlowców. Analiza CRM i maili pokazała, że szybka odpowiedź i zaproponowanie alternatywy zamiast "nie mamy" dawały lepsze wyniki - a procesy były spisane, tylko nikt ich nie pilnował. Agent przygotowuje szkic odpowiedzi w kilka minut zamiast godzin, sprawdza stany magazynowe i szuka alternatyw. Rozmawiamy też o tym, ile kosztuje wdrożenie agenta AI i jak rzetelnie policzyć zwrot z inwestycji na danych historycznych. Szymon pokazuje, dlaczego raport wygenerowany w jednym okienku czatu to loteria i jak zamiast tego zbudować zespół agentów: osobny agent zbiera dane do CSV, osobni weryfikują je i próbują obalić, osobny pisze treść, osobny robi wykresy - a na końcu i tak czyta człowiek. Oczekiwania wobec AI trzeba definiować "matematycznie, a nie polonistycznie": nie "zrób ładny raporcik", tylko konkretne, sprawdzalne kryteria. Są też historie z codziennej pracy z agentami. Od dwóch lat Szymon nie napisał ręcznie ani linii kodu, a tworzy go więcej niż kiedykolwiek. Jego zespół kończy dzień o 16-17 i zostawia zadania agentom na noc - rano selekcja, co do kosza, a co do wdrożenia. Jeszcze pół roku, rok temu do kosza szła większość, dziś większość trafia do wdrożenia. W elektrowni, w której od 10 lat działa jego system, wpiął laptopa kablem do serwera, bez internetu, na lokalnych modelach - agent odtworzył oprogramowanie w osobnym środowisku, znalazł błąd i zwalidował poprawkę. Budowanie zrobiło się tak tanie, że - jak mówi Szymon - "palenie pieniędzy to nieprogramowanie". Rozmawiamy też o pętli samouczenia: agent stawia hipotezy, testuje je, obala albo zapisuje wynik. Druga część odcinka to physical AI i robotyka. Po co humanoidy, skoro mamy ramiona przemysłowe, gąsienice i drony? Bo świat - schody, drzwi, kuchnie - jest zbudowany dla ludzi. Szymon tłumaczy, dlaczego dla robota ciało jest trudniejsze niż myślenie, jak tysiące robotów uczą się ruchu w symulacji i jak działa oprogramowanie, które ma zamieniać nagranie wideo w umiejętność robota - na warsztat trafiło nagranie rzutu wolnego Messiego. Rozwój robotyki w ostatnich latach to według niego głównie zasługa sztucznej inteligencji, która odblokowała te możliwości. W studiu stanął robopies. Rozmawiamy o tym, co potrafi i gdzie ma sens w biznesie: chodzi po górach i lasach, doniesie zaopatrzenie, z kamerą termiczną sprawdzi zadymiony magazyn albo pomoże szukać ludzi tam, gdzie nie wleci dron. Wersje zabezpieczone przed pyłem i wodą patrolują kopalnie. "Jeżeli jest opcja, że nie trzeba gdzieś wysłać człowieka, to może lepiej go nie wysłać". A domowy asystent, który umyje naczynia, zrobi pranie i wyprowadzi psa? Według Szymona - za kilka lat. W trend radarze rozmawiamy o tym, dokąd zmierzają AI i robotyka w biznesie: kupienie pracownikom dostępu do ChatGPT to jeszcze nie innowacja, największe przyspieszenie daje duet praktyka AI z ekspertem domenowym, jeden specjalista pracujący z agentami potrafi dziś dowieźć więcej niż klasyczna agencja, a robotyka jest dziś na etapie laboratoryjnym - ale "jak to kliknie, to pójdzie szybko". W quickfire: human in the loop czy human over the loop, open source czy modele zamknięte w enterprise, Claude Code i Codex pracujące w parze, najbardziej przereklamowane hasła AI - prompt engineering i autonomiczni agenci w stylu Jarvisa - oraz gdzie zdobywać wiedzę o AI i robotyce. Eksperymentujcie i nie zrażajcie się porażkami - radzi Szymon - bo "w eksperymencie nie chodzi o to, żeby się udało, tylko o to, żeby się nauczyć". Zamiast planować wdrożenie AI od A do Z, lepiej robić mniejsze, krótsze i szybsze iteracje - i sprawdzać, w którą stronę iść dalej. Dowiesz się m.in.: - dlaczego o skuteczności AI decyduje harness, a nie rozmiar modelu - kto odpowiada za decyzje AI i skąd biorą się ubezpieczenia agentów - czy AI zastąpi specjalistów od analityki, BI i reklam - jak policzyć ROI z wdrożenia agenta AI i nie skalować bałaganu - gdzie w e-commerce wstawić agenta AI, żeby realnie pomógł sprzedaży - ile kosztuje wdrożenie agenta AI w firmie - jak budować raporty z kilku agentów zamiast jednego okienka czatu - jak wygląda programowanie bez pisania kodu i nocna zmiana agentów - co zostało po Web3 i jak blockchain wspiera ekonomię agentów AI - po co humanoidy i jak roboty uczą się ruchu w symulacji - co potrafi robopies i gdzie robotyka ma sens w biznesie - czy człowiek ma być "in the loop", czy "over the loop" - co jest dziś w AI najbardziej przereklamowane Rozdziały: 00:00 Zapowiedź odcinka 00:51 Kim jest Szymon Paluch 04:47 Krzywa hype'u Gartnera: od Web3 do robotyki 06:16 Web3 w biznesie - co z niego zostało 08:30 Blockchain w płatnościach i ekonomia agentów AI 11:27 Rozproszona moc obliczeniowa dla AI 14:22 "Wszystko umarło"? Czy AI zastąpi specjalistów 16:01 Kto odpowiada za AI - ubezpieczenia agentów 18:07 Harness ważniejszy niż model 19:49 ROI z AI i pułapka skalowania bałaganu 22:41 Case e-commerce: agent dla handlowców 25:36 Ile kosztuje wdrożenie agenta AI 27:58 Czat kontra zespół agentów - jak budować raporty 32:31 Dwa lata bez pisania kodu - agent w elektrowni 36:03 "Palenie pieniędzy to nieprogramowanie" 37:53 Pętla samouczenia: matematycznie, nie polonistycznie 40:34 Jak zamienić wideo w umiejętność robota 41:13 Blok sponsorski - FOTC 42:01 Physical AI: po co nam humanoidy 49:19 Dlaczego ciało jest trudniejsze niż myślenie 53:12 Robopies w studiu: zastosowania, sterowanie, ceny 58:30 Trend radar: dokąd zmierzają AI i robotyka 1:04:13 Quickfire: human in the loop czy over the loop 1:07:25 Claude Code i Codex w parze 1:09:25 Najbardziej przereklamowane hasła AI 1:11:47 Gdzie zdobywać wiedzę o AI i robotyce 1:15:06 Jedna myśl na koniec Polecane w odcinku: Boris Cherny (Anthropic) i Tibo z zespołu Codex (OpenAI) na X, comiesięczne śniadania robotyczne w Warszawie. Wersja wideo: https://youtu.be/rwCZ9rWfWEY Adrian Andrzejczyk: Strona: https://andrzejczyk.com.pl Podcast: https://itosieliczy.pl LinkedIn: https://www.linkedin.com/in/adrianandrzejczyk/ Społeczność "I to się liczy" na Skool: skool.com/i-to-sie-liczy-2492 Sponsor odcinka: Fly on the Cloud (FOTC): https://fotc.com/pl/ #ITOSIĘLICZY POWERED BY #FOTC #AI #AgenciAI Sponsoring / współpraca: jeśli chcesz reklamę swojej firmy w podcaście — napisz do mnie, podeślę ofertę. Usługi, które mogę dla Ciebie wykonać: hurtownia danych („jedno źródło prawdy”), szkolenia, warsztaty, GA4, server-side, Oferuję również kompleksowy audyt marketingowy.
