Poniższy artykuł zawiera notatki z serii podcastów „Mr. Maeda’s Cozy AI Kitchen”, w których praktycy dzielą się swoimi doświadczeniami z wdrażania AI w rzeczywistych projektach biznesowych. Wszystkie prezentowane przemyślenia, obserwacje i wnioski pochodzą od rozmówców podcastu.

TL;DR

Rob Chambers pokazuje, jak AI może pisać dokumentację o AI – rekursywne podejście do automatyzacji, które zaoszczędziło setki godzin pracy
Alvaro Videla łączy cyfrowe i fizyczne doświadczenia – flashcardy z QR kodami jako most między światem offline i online
Pattie Maes ostrzega przed ślepym zaufaniem do AI – ludzie stają się zbyt zależni od systemów, które brzmią przekonująco, ale nie zawsze są poprawne
Dona Sarkar z perspektywy osoby z dysleksją – pokazuje, jak AI może być narzędziem dostępności i demokratyzacji
Kwame Nyanning wprowadza „agentic UX” – przejście od „need” do „want” w projektowaniu doświadczeń AI
Wszyscy eksperci podkreślają znaczenie human-in-the-loop – AI ma wspierać ludzi, nie ich zastępować
Praktyczne implementacje wymagają przemyślenia kontekstu ludzkiego – technologia sama w sobie to nie wszystko

Gdy AI pisze dokumentację o AI

Rob Chambers, deweloper z 50 patentami na koncie, opracował podejście, które sam nazywa „rekursywnym”. Używa AI do tworzenia dokumentacji dla narzędzi AI, które sam rozwija.

Chambers wyjaśnia, że tradycyjne metody dokumentacji oznaczają „dużo pracy, której nie chciałem robić”. W związku z tym stworzył Azure AI CLI – narzędzie open source zawierające 65 różnych przykładów AI w wielu językach programowania.

Deweloper wraz z zespołem postawili sobie fundamentalne pytanie: „Czy można używać AI za dużo?” Odpowiedź okazała się zaskakująca – „Nie znaleźliśmy takiego momentu. Można używać AI do wszystkiego”.

System automatyzacji Chambersa realizuje następujące funkcje:

Generuje dokumentację – na podstawie analizy kodu źródłowego
Testuje przykłady – uruchamia i weryfikuje działanie kodu w 40 sekund
Aktualizuje treści – po zmianach w bibliotekach automatycznie przepisuje ponad 50 dokumentów
Działa wielojęzycznie – obsługuje Go, Java, JavaScript, Python, C#

Chambers porównuje prompt engineering do „instruowania kogoś z liceum – dużo bardzo szczegółowych instrukcji”. Podkreśla jednak, że najlepiej działają prompty z konkretnymi przykładami i precyzyjnymi krokami.

Fizyczne flashcardy w cyfrowym świecie

Alvaro Videla Godoy, reprezentujący zespół danych w Microsoft, zauważył kluczowy trend: „Dzisiaj w erze AI potrzebujesz danych dla AI. Nasz zespół jest kluczowy na dole całej struktury AI”.

Videla zidentyfikował problem dotyczący ludzi w Szwajcarii, którzy spędzają dużo czasu w komunikacji publicznej. Zadał sobie pytanie: „Jak ta osoba może jednocześnie uczyć się o AI?” Odpowiedzią były flashcardy – zarówno cyfrowe, jak i fizyczne.

Rozwiązanie Videli łączyło kilka ważnych elementów: Microsoft Fabric (nową platformę „na erę AI”), certyfikację DP-600 oraz koncepcję RAG (Retrieval Augmented Generation). Deweloper wspomina, że „wtedy wciąż wymyślaliśmy nazwy dla tych rzeczy”.

Każda flashcarda zawiera następujące elementy:

Pytanie i odpowiedź wygenerowane przez AI
Link do oryginalnego źródła na Microsoft Learn
QR kod na wersji fizycznej – most między światem fizycznym a cyfrowym
Wyraźne oznaczenie treści jako wygenerowanej przez AI

Projekt okazał się niezwykłym sukcesem. Na konferencji Fabcon w Vegas ludzie „biegali w górę i w dół po hotelu, przynosząc paczki kart, bo ludzie rzucali się do stoiska i je zabierali”. Szczególnie znaczący był komentarz użytkownika: „Miałem okazję przeglądać je w samolocie wracając z Fabcon”. Videla podkreśla, że flashcardy zostały zaprojektowane właśnie do użytku offline.

Ostrzeżenia pionierki agentów

Pattie Maes, związana z MIT Media Lab od niemal 40 lat, wnosi unikalną perspektywę do dyskusji. Media Lab to miejsce, gdzie „artyści, projektanci, inżynierowie i naukowcy o bardzo różnych doświadczeniach spotykają się, by myśleć o tym, jak najnowsze technologie mogą wspierać ludzi”.

Maes wyraża mieszane uczucia co do obecnego boomu AI. Wskazuje na kluczowy problem: „Ludzie nie są racjonalni”. Jej badania z setkami uczestników pokazują, że szczególnie niebezpieczne są „piękne wyjaśnienia” AI, które „brzmią niewiarygodnie przekonująco, ale nie zawsze są poprawne”.

Badaczka zauważa fundamentalną różnicę między agentami z lat 90. a dzisiejszymi systemami:

Lata 90.: Systemy konstruowane ręcznie, lepiej zrozumiałe, przewidywalne awarie
Dziś: Modele typu black box, firmy nie ujawniają danych treningowych ani fine-tuningu

Maes proponuje rozwiązanie problemu over-reliance:

Używanie agentów zadających pytania – niech najpierw angażują użytkownika w myślenie
Weryfikowanie odpowiedzi – szczególnie w znanych dziedzinach
Zachowanie aktywnego udziału – nie pozwalanie AI myśleć za człowieka
Wybieranie przejrzystych systemów – rozumienie ograniczeń i obszarów awarii

Badaczka żartobliwie dodaje, że marzy o „agentach fundraisingowych”, żeby spędzać mniej czasu na pozyskiwaniu funduszy dla Media Lab.

Copiloty z perspektywy dostępności

Dona Sarkar wnosi niezwykle ważną perspektywę do dyskusji. Jako osoba z dysleksją używa AI przede wszystkim jako narzędzie dostępności. Wyjaśnia: „Ponieważ mam dysleksję, czytanie czegoś zwykle wymaga jakiegoś narzędzia do czytania”.

Sarkar podkreśla demokratyczny charakter AI, stwierdzając: „Nie musisz płacić za tokeny czy GPT-4. Po prostu idziesz na copilot.microsoft.com i możesz zacząć już teraz”.

Jej podejście opiera się na trzech filarach z 90 dostępnymi doświadczeniami copilotów:

Adopting – używanie gotowych rozwiązań
Extending – łączenie przez 1200 konektorów Power Platform
Building – tworzenie własnych przez Copilot Studio lub Azure OpenAI

Sarkar wprowadza kluczowe rozróżnienie: „Prompting to nowe instruowanie, nie kodowanie”. Dodaje, że ludzie, którzy potrafią instruować i uczyć, potrafią dobrze używać produktów AI.

Ekspertka wyjaśnia praktyczne zastosowanie temperature:

Precise (niska) – deterministyczne, przewidywalne wyniki
Balanced (0.5) – zrównoważone podejście
Creative (wysoka) – bardziej kreatywne odpowiedzi

Sarkar używa AI w sposób, który nazywa „trochę meta”: „Najlepszy AI mentor to AI mentor” – wykorzystuje AI do tworzenia treści o AI.

Agentic UX jako przyszłość interakcji

Kwame Nyanning wprowadza termin „agentic UX”, bazując na psychiatrycznym pojęciu sprawczości. Wyjaśnia: „To zdolność osoby do celowego określania swojego doświadczenia i aktywnego dążenia do celu”.

Nyanning zauważa niezwykłą szybkość postępu technologicznego: „To, co było niemożliwe obliczeniowo dwa lata temu, teraz to kilka linijek kodu”.

Ekspert dostrzega fundamentalną zmianę w projektowaniu doświadczeń. Mówi o przejściu od „need” do „want” – od linearnych struktur „drzewiastych” do możliwości wyrażenia celu końcowego.

Service design w kontekście AI oznacza według Nyanninga:

Hero moments – kluczowe punkty dostarczania wartości
Front-of-house vs back-of-house – widoczne i niewidoczne elementy usługi
Glanceable view – całościowy, przejrzysty widok architektury usługi
Jobs-to-be-done – fokus na zadaniach do wykonania

Nyanning wyraźnie rozdziela kompetencje:

Agenci są dobrzy w: synthesis, reasoning, planning, konkretnych akcjach
Ludzie są potrzebni do: kontekstualizacji, oceny wartości biznesowej, podejmowania nieintuicyjnych decyzji

Mimo zaawansowania technologii, Nyanning mocno wierzy w human-in-the-loop systems: „Wciąż bardzo potrzebny jest człowiek jako pośrednik”.

Uniwersalne zasady implementacji AI

Na podstawie doświadczeń wszystkich ekspertów wyłaniają się wspólne wzorce sukcesu w projektach AI:

Rozpoczynanie od konkretnego problemu – nie od fascynacji technologią
Rozumienie własnych ograniczeń – używanie AI w dziedzinach, które się zna
Zapewnienie transparentności – źródła, sposób weryfikacji, ograniczenia
Projektowanie dostępności – myślenie o różnych potrzebach użytkowników
Testowanie z prawdziwymi użytkownikami – w rzeczywistych warunkach
Zachowanie human-in-the-loop – człowiek w centrum procesu

Kluczowe obserwacje od ekspertów:

Chambers: „Można postawić sobie wyzwanie – czy można używać AI za dużo? Nie znaleźliśmy takiego momentu”
Videla: „Kiedy AI generuje treści, musisz zawsze powiedzieć użytkownikowi, skąd to pochodzi”
Maes: „Ludzie stają się leniwi, gdy AI od razu daje odpowiedź. Lepiej, gdy najpierw zadaje pytania”
Sarkar: „Ludzie dobrze instruujący potrafią dobrze używać AI. To nowe instruowanie, nie kodowanie”
Nyanning: „Agenci są dobrzy w konkretnych zadaniach. Ludzie w kontekstualizacji i ocenie wartości”

Wszyscy eksperci ostrzegają przed podejściem „black box”. Nawet jeśli nie rozumie się w 100% jak działa model, trzeba rozumieć jego ograniczenia i miejsca potencjalnych awarii.

Kluczowy insight

Odwrócona interakcja z AI

Standardowo myślimy: AI ma być jak Google – zadajesz pytanie, od razu dostajesz odpowiedź.

W praktyce okazuje się, że: AI które najpierw zadaje pytania użytkownikowi, daje lepsze rezultaty i nie powoduje over-reliance.

Dlaczego to jest istotne: Badania Pattie Maes z setkami uczestników pokazują, że ludzie przestają myśleć samodzielnie, gdy dostają gotowe odpowiedzi. AI które brzmią przekonująco, ale nie zawsze są poprawne, prowadzi do „cognitive laziness”.

Test na jutro: Następnym razem, gdy używasz AI do ważnej decyzji, zamiast od razu zadawać pytanie, zacznij od frazy „Zadaj mi pytania o [problem], żebym lepiej go zrozumiał” i sprawdź, czy Twoja końcowa decyzja jest lepsza.

Odcinki uwzględnione w artykule:

Ten artykuł powstał na podstawie następujących odcinków z serii „Mr. Maeda’s Cozy AI Kitchen”:

The Book of AI, with Rob Chambers – o rekursywnym podejściu do dokumentacji AI
AI Flash Cards with Alvaro Videla Godoy – o łączeniu cyfrowych i fizycznych doświadczeń uczenia
Evolution of Agents with Pattie Maes – o ewolucji agentów AI i ostrzeżeniach przed over-reliance
Cooking with Copilots, with Dona Sarkar – o praktycznym zastosowaniu copilotów i dostępności AI
Agentic UX, with Kwame Nyanning – o przyszłości projektowania doświadczeń z AI

Cała seria dostępna jest tutaj: Cozy AI Kitchen

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać.

Tag: Praktyczne Ai W Biznesie

Praktyczne AI w biznesie: od narzędzi dokumentacji po agentów UX – lekcje z Cozy AI Kitchen #EN189