Krzysztof Kaziów kieruje zespołem Customer Engineering Google Cloud w Europie Środkowo-Wschodniej. To inżynierowie-doradcy, którzy pomagają firmom dobrać i zaprojektować rozwiązania chmurowe oraz oparte na sztucznej inteligencji. W praktyce oznacza to codzienne rozmowy z klientami o tym, co narawdę działa. Rozmawiamy w kuluarach Google Cloud Summit Poland w Warszawie, podczas którego wystąpił w sesji otwierającej. Temat jest oczywisty: do firm wchodzą agenci AI – programy, które nie tylko odpowiadają na pytania, lecz także samodzielnie wykonują zadania. Pytamy więc o to, o co pytają dziś zarządy: czy bez chmury da się wejść w AI, czy agenci są bezpieczni, czyje są dane w chmurze i czy na wdrożenie można jeszcze poczekać.
Bez chmury się da pracować, ale bez chmury pracować z AI – trudno
Sławomir Biliński: Tyle się mówi o transformacji chmurowej. Co ona oznacza w codziennej pracy firmy – nie tylko w dziale IT? I czy chmura jest warunkiem koniecznym? Czy małe, średnie albo duże przedsiębiorstwo może dziś funkcjonować bez niej?
Krzysztof Kaziów: Odpowiedź jest prosta: można. Kiedy nie było chmury, przedsiębiorstwa funkcjonowały, więc na logikę biorąc – oczywiście, że można. Chmura staje się jednak niezbędna w momencie, kiedy chcemy pójść krok dalej niż klasyczne przetwarzanie, na przykład w systemie ERP, który rejestruje nam faktury. To oczywiście można robić i na własnej infrastrukturze, i w chmurze. Jeżeli jednak chcemy pójść dalej z automatyzacją – czyli automatyzować nie tylko procesy, ale de facto również działania i pracę ludzi – potrzebujemy tak zwanego AI. A w większym zakresie potrzebujemy agentów, którzy będą odciążali pracowników z najbardziej uciążliwej, długotrwałej i powtarzalnej pracy. Zrobienie tego bez chmury jest trudne albo bardzo trudne.
Co chmura daje przedsiębiorstwu nawet w przypadku tych klasycznych systemów do zarządzania firmą? Bardzo dużą skalowalność. Wtedy, kiedy potrzebujemy dodatkowych zasobów, możemy je w chmurze bardzo łatwo uruchomić. Klasycznym przykładem, który widzę, są projekty transformacyjne, migracyjne albo konsolidacyjne. Powołanie na ich potrzeby środowisk deweloperskich czy testowych w klasycznym układzie, na własnej infrastrukturze, wymagałoby zakupu serwerów i nowej przestrzeni na czas projektu. Nie ma sensu tego kupować, przepłacać, a później trzymać w firmie infrastruktury bez obciążenia. Można skorzystać z chmury. Chmura daje więc elastyczność – zasoby dostępne wtedy, kiedy są w firmie potrzebne, bez wielkich inwestycji we własną infrastrukturę. Plus jest warunkiem koniecznym do tego, żeby realnie zacząć wchodzić w AI i w agenty.
Eurostat nie mówi wszystkiego
Czy polskie firmy przechodzą już do wdrożeń, w których sztuczna inteligencja rzeczywiście wykonuje część pracy? I co w ogóle skłania do tego zarządy? Według danych Eurostatu za 2025 r. jesteśmy we wdrożeniach AI w firmach przedostatni. W UE zajmujemy miejsce w tuż przed Rumunią. AI w Polsce wdrożyło na 2025 r. około 8,5 proc. firm.
Jeśli wejdzie się w szczegóły wskaźników, które mierzył Eurostat, rozpatrywane były tam bardzo proste przypadki, typu zamiana tekstu na mowę czy mowy na tekst. Czyli tak naprawdę bardzo proste założenia. Gdzie więc jesteśmy? Raport Eurostatu pokazuje, że dużo przed nami, ale ten obrazek nie jest jednorodny. Są przedsiębiorstwa, które na pytanie, ilu mają agentów w swoich procesach, odpowiadają, że nawet nie wiedzą, bo jest ich aż tylu. Część pracowników sama sobie tych agentów buduje i już teraz są ich setki, tysiące. Są też agenci współdzieleni: bardziej zaawansowanego agenta buduje jeden z pracowników, a korzysta z niego wielu. Oceniałbym więc, że w Polsce nie jesteśmy aż tak daleko w tyle z wdrażaniem AI i agentów, jak wynikałoby to z raportu Eurostatu.
Są też firmy, które wpisują sobie AI do strategii, ale bardzo postulatywnie – bardziej jako ambicję, jako cel sam w sobie. Zauważam pewną prawidłowość. Może to nie jest reguła, ale ją widzę. Firmy, które nie mają AI wpisanego w strategię, mają tam wpisane klasyczne cele biznesowe: obniżkę kosztów, zwiększenie automatyzacji procesów, stworzenie nowego produktu w oparciu o jakąś zaawansowaną usługę typu asystent zakupowy. Te firmy nie mówią o AI jako o celu samym w sobie. One de facto przenoszą się na inny poziom wyniku biznesowego, redefiniują ekonomię swojego sektora. Natomiast przedsiębiorstwa, które wpisują sobie AI do strategii jako cel, często nie są w stanie przełożyć tego z powrotem na podstawowe wskaźniki biznesowe.
Rozmawialiśmy ostatnio z ludźmi, którzy są bardzo zaawansowani we wdrażaniu technologii AI. Kiedy dostają pytanie o KPI (Key Performance Indicator - o kluczowy wskaźnik efektywności, który pozwala mierzyć stopień realizacji określonego celu- przyp. red.), wymieniają te same wskaźniki, z których normalnie rozliczany jest biznes: koszt jednostki usługi, koszt na pracownika, koszt wysyłki. Moim zdaniem to jest właściwe spojrzenie na tę sprawę. Nie chodzi o to, żeby wdrożyć AI i pochwalić się, że się je wdrożyło, tylko o to, żeby przesunąć swój biznes na inny poziom efektywności.
Więcej agentów AI niż pracowników
Wspomniał pan o agentach, których liczby nikt nie zna. Od razu myślę o bezpieczeństwie. Wszędzie słyszymy, że agent, kiedy dostanie uprawnienia, zaraz wyśle bazę klientów, o RODO w ogóle zapomni, a jeszcze może coś skasować – choćby sformatować dyski w całej organizacji.
Tu dochodzimy do tego, co jest w sumie ważniejsze, a niezbyt dobrze rozumiane – nawet przez ludzi, którzy interesują się technologią i głęboko stosują ją u siebie w domu. Musimy odróżnić agenta i sam model językowy, LLM, od tego, co musi mieć przedsiębiorstwo. Dla przedsiębiorstwa bardzo ważne jest przede wszystkim to, żeby zespoły IT i cyberbezpieczeństwa miały pełną obserwowalność tego, co się dzieje w świecie agentów. Wyobraźmy sobie, że w niektórych przedsiębiorstwach już teraz, a w większości za rok, może za dwa, w procesach firmowych będzie pracowało więcej agentów AI niż pracowników, których to przedsiębiorstwo zatrudnia.
Co jest więc ważne? Obserwowalność tego, co robią agenci. Tego, czy na czymś się nie wykładają, czy nie popełniają systematycznie tego samego albo podobnego błędu. Wyłapywanie takich sytuacji. Zabezpieczenie agentów – bo to są modele probabilistyczne, LLM-y – przed ryzykiem prompt injection, czyli przed wstrzyknięciem polecenia, które na przykład zmusi agenta do wysłania bazy danych płac naszej firmy. Google podchodzi dokładnie w ten sposób do agentyzacji procesów i przedsiębiorstw. Dostarczając platformę Gemini dla biznesu, dostarczamy nie tylko sam model. Tu nawet nie chodzi o model. LLM-y już pół roku temu osiągnęły taki poziom jakości, że wystarczająco dobrze – wykonują 95–98 proc. kroków w procesie.
W kontekście przedsiębiorstwa ważne są inne rzeczy: cyberbezpieczeństwo, zabezpieczenie modeli, cykl życia modeli, a więc przechodzenie na nowsze albo inne modele. Identyfikatory agentów, czyli odróżnienie ID agenta i operacji wykonanej przez agenta od mojego osobistego ID w systemie. Bardzo dużo energii i inwestycji poszło więc w zbudowanie platformy, która jest gotowa na potrzeby przedsiębiorstw dokładnie z tego punktu widzenia, o którym Pan mówi. Obecnie jesteśmy już w stanie dostarczyć rozwiązania klasy biznesowej do zarządzania agentami w całości. I to przy założeniu, że jest bardzo duży poziom demokratyzacji dostępu do tworzenia agentów. To znaczy: każdy z pracowników może stworzyć swoich, ilu chce, może się nimi dzielić, rozpowszechniać je, “reklamować” wśród kolegów po to, żeby byli wykorzystywani. Tak więc to co działa to połączenie dwóch światów – kontroli, obserwowalności i zarządzania – z możliwością tworzenia agentów przez ludzi pod ich konkretne potrzeby i zastosowania.
Metatechnologia i polski przeskok o kilka etapów
Przypomina mi się rozmowa z pewnym kadrowym. W poprzedniej firmie korzystał z jakiegoś narzędzia AI, które tam było dozwolone. Trafił do nowej pracy, w której było inne narzędzie klasy enterprise, ale przyzwyczaił się do tamtego modelu AI, więc dalej z niego korzysta – przez publicznie dostępny model językowy. Takiego naruszenia bezpieczeństwa się przecież nie przewidzi.
Na pewno jest to zmiana. Starałem się dzisiaj podczas wystąpienia otwierającego Google Cloud Summit i w rozmowach z klientami oraz partnerami uwzględnić ten aspekt ludzki. AI to jest nowa technologia, inna niż pozostałe, bo de facto jest rodzajem metatechnologii nakładanej na każdy z biznesów, które obecnie funkcjonują i stosują starsze technologie, żeby wytwarzać wartość. I ona jest w stanie poprawić zarówno top line [przychody – red.], jak i bottom line [wynik – red.].
Jak to działa? Wszystkie tematy dotyczące automatyzacji poprawiają wynik. Nowa oferta dla klienta – jakkolwiek byśmy ją sobie wymyślili – to z kolei przychody. Posłużę się przykładem, który pokazywaliśmy na głównej scenie: agentem zakupowym w aplikacji InPost (Van Halsky – przyp. red.). Dzięki AI, InPost stworzył nową linię biznesową, nową pozycję w przychodach, nowy produkt. Stosując tę technologię, może wejść na rynek, na który byłoby bardzo ciężko wejść wcześniej. Na pewno i teraz nie jest łatwo, bo wszystkie takie projekty wymagają dużego wysiłku, dużej pracy, poznania tej technologii i stosowania jej. Ale bariera wejścia jest zdecydowanie inna niż jeszcze kilka lat temu.
InPost przeskakuje w ten sposób kilka etapów. Nigdy nie zajmował się sprzedażą detaliczną, a nagle pośredniczy w zakupach, bo AI dało mu taką możliwość.
Tak, zobaczmy, że my jako kraj przeskoczyliśmy etap czeków. W obrocie mamy gotówkę, karty, przelewy i BLIK-a, a czeków nie mamy. We Francji do tej pory czeki są obsługiwane i stosowane. Dzięki technologii możliwe są właśnie takie przeskoki na inny poziom. Czasami zbudowanie nowej linii produktowej, nowego źródła przychodów, pozwala tą technologią poprawić jednocześnie i wynik, i przychody.
Komputery zaczęły rozumieć ludzi
Czy to, czego w polskim IT nie mieliśmy – starych systemów, serwerowni w firmach – może nam pozwolić wskoczyć wyżej?
Opowiem swoją historię. Kiedy zaczynałem pracę w IT jako konsultant ds. wdrażania systemów ERP, jedna z pań odpowiedzialnych za dane podstawowe produktów powiedziała mi: „Panie Krzysztofie, wgraliśmy już nazwy naszych produktów w języku polskim, to zakładam, że kiedy będę wystawiała fakturę po angielsku, rosyjsku, czesku czy w jakimkolwiek innym języku, system automatycznie przetłumaczy mi nazwę produktu”. Odpowiedziałem jej wtedy, 30 lat temu: „Pani Basiu, to trzeba wpisać. To jest klucz języka i tam musi być z palca wpisany tekst. Pewnie nigdy nie będzie systemów, które potrafią taki tekst przetłumaczyć”.
A teraz potrafią?
To, co dają LLM-y, to de facto dodatkowy interfejs pomiędzy różnego rodzaju systemami a człowiekiem. One rozumieją dźwięk i przekładają go na tekst, rozumieją obraz i przekładają go na informacje. To pozwala wprowadzić interfejs człowiek–system w masie, w skali. Na przykład analiza rozmów konsultantów w call center: wyłapanie sentymentu rozmowy, sprawdzenie, czy pracownik przestrzega procedury. Ale sama analiza to dopiero początek. W naszym portfolio rozwiązań Gemini dla biznesu znajduje się również system przeznaczony do obsługi klienta, który pozwala w bardzo prosty sposób postawić agenta, który będzie przestrzegał procedur i będzie rozmawiał z konsumentem. Oczywiście po odebraniu telefonu poinformuje, że jest agentem sztucznej inteligencji.
Zgodnie z art. 50 AI Act [1]
Dokładnie. Dla mnie największą zmianą w informatyce jest to, że systemy komputerowe zaczęły rozumieć nas jako ludzi. Rozumieć to, co produkujemy. Są w stanie tworzyć zaawansowane, złożone, głębokie analizy, syntetyzować masę dokumentów. A wejście tej technologii we wszystkie aspekty – i biznesowe, i życiowe – jest bardzo proste i bardzo szybkie. Zarządzanie zmianą jest jak zwykle największym wyzwaniem. Uświadomienie, co jest możliwe.
Modele AI potanieją
Na co jeszcze czekamy, jeśli chodzi o technologię? Słyszałem zdanie, że dopiero teraz sztuczna inteligencja przyspieszy, bo pojawiła się prawdziwa agentowość – wcześniej była trochę udawana. Co nas czeka w najbliższym czasie?
Prawdę powiedziawszy, nie podejmuję się odpowiedzi na to pytanie. Te narzędzia są od dłuższego czasu naprawdę dobre, jeśli nie powiedzieć: bardzo dobre. To, czego możemy być pewni – a cytuję tu jednego z kolegów, który naprawdę dużo siedzi przy rozwoju modeli – to dwie rzeczy. Z jednej strony LLM-y poprawiają swoją efektywność kosztową mniej więcej dwa, trzy razy w ciągu roku.
Innymi słowy – tanieją.
Są w stanie efektywniej zrobić tę samą pracę, którą robił poprzedni model. Widać to, jeśli porównamy nasz nowszy model ze starszym, nowszy zużyje mniej tokenów, zrobi to szybciej i da wynik lepszej jakości. To się dzieje i moim zdaniem będzie trwało. Z drugiej strony infrastruktura, na której to jest uruchamiane, też poprawia swoją efektywność mniej więcej w podobnej skali. Oznacza to, że w ciągu roku ekonomika zastosowania modeli poprawia się od pięciu do dziesięciu razy.
Nowe prawo Moore’a[2]?
Nie wiem, czy możemy już mówić o nowym prawie, ale z pewnością obserwujemy to, co przed chwilą opisałem.. Co to będzie znaczyło? Że dostępność tych modeli dla zwykłych ludzi czy dla startupów będzie dużo większa niż do tej pory. To będzie zwiększało liczbę przypadków, w których możemy tę technologię skutecznie zastosować.
Druga rzecz, która się wydarzyła, to obserwacja związana z systemem Antigravity [platforma Google do tworzenia oprogramowania z pomocą agentów AI, udostępniona w listopadzie 2025 r. – red.], ale też ze wszystkimi systemami typu harness [oprogramowanie, które steruje pracą modelu – red.] od innych laboratoriów, czy to od Anthropica, czy od OpenAI. Jeśli zastosuje Pan Antigravity, zauważy pan jedną rzecz: po otrzymaniu polecenia tworzy on plan rozwiązania problemu i automatycznie powołuje małych agentów, którzy działają może minutę, może pięć minut i wykonują konkretne zadanie związane z tym planem. I nawet na tym samym modelu – który mógłby być modelem sprzed pół roku czy nawet sprzed roku – dzięki takiemu sposobowi wykorzystania LLM-a zyskujemy bardzo dużo na jakości.
Sto razy szybciej. A jakość?
W sztucznej inteligencji zauroczyło mnie to, że dziś każdy może mieć pomysł i zbudować sobie choćby aplikację czy stronę internetową. Nie ma już etapu, w którym potrzebujemy sztabu ludzi, żeby wyręczyli nas w sprawach, na których się nie znamy. A jak to wygląda w prawdziwych wdrożeniach? Ile dziś mija od testu do działającego rozwiązania?
Wydaje mi się, że to się totalnie redefiniuje i właśnie jesteśmy tego świadkami. Dzięki rozwiązaniom typu Antigravity, dzięki tej uprzęży – harnessowi – nałożonej na modele możemy bardzo szybko budować naprawdę złożone rozwiązania. Tempo tworzenia samych rozwiązań, samego kodu, jest stukrotnie większe niż do tej pory. Dla mnie pytanie jest więc trochę inne: jak oceniać jakość tych rozwiązań?
Właśnie – jaka jest ich przeżywalność?
Niektóre z systemów budowanych przy użyciu Antigravity czy innych rozwiązań będą musiały mieć wysoki poziom przeżywalności i niezawodności działania. Moim zdaniem, nie ma obaw co do jakości ich działania. To są pełnoprawne, jakościowe rozwiązania. Z mojego doświadczenia wynika, że kod pisany przez agenta może być tak samo skuteczny jak kod pisany przez człowieka. Do tego dochodzi większa demokratyzacja i większy dostęp do tworzenia rozwiązań dla ludzi takich jak ja, czyli kogoś, kto ostatnią profesjonalną linijkę kodu napisał 30 lat temu. To jest niesamowite.
Dam taki przykład. Przygotowywałem się do certyfikatu chmurowego i poszedłem tradycyjną ścieżką nauki: zamówiłem książkę, żeby ją przeczytać i pozaznaczać to, co mam zapamiętać przed testem. Ale książka z księgarni internetowej szła tydzień. Pomyślałem: „Nie będę tydzień czekał na książkę, nie mam na to czasu”. Napisałem więc sobie w Antigravity aplikację, która zaczęła mnie przygotowywać do tego certyfikatu. Kiedy książka przyszła, byłem już na poziomie 80 proc. zdawalności takich testów. I to jest właśnie ta różnica. Zrobiłem to w pół godziny.
Czyje są dane w chmurze
Wróćmy do chmury. Wrzucamy do niej nasze dane. Czy one dalej są nasze? To zawsze budzi lęk.
Dane są albo mogą być szyfrowane kluczami klienta – w co najmniej kilku wariantach, mniej lub bardziej wygodnych. Gdyby instytucja amerykańska – na podstawie CLOUD Act [amerykańska ustawa., która pozwala organom USA żądać od amerykańskich firm danych przechowywanych także za granicą – red.] – poprosiła o dane naszego klienta, nie mamy fizycznej możliwości przekazania danych odszyfrowanych, bo nie mamy tych kluczy. Mamy też jasną politykę dotyczącą własności danych - one należą do naszych klientów, my je jedynie przetwarzamy, zgodnie z zawarta umową. Oznacza to, że jeżeli przychodzi do nas prośba o udzielenie dostępu do informacji przechowywanych w naszej chmurze to zawsze tego typu żądanie przekazujemy do właściciela danych, który zarządza kluczami szyfrującymi.
Dodatkowo, Google nie trenuje swoich modeli na danych klientów. Mamy to zapisane w naszych umowach i to jest nie tylko nasza polityka, ale praktyka, którą stosujemy. Nie wykorzystujemy danych naszych klientów do jakichkolwiek procesów, które nie byłby zawarte w umowie.
Suwerenność to możliwość odejścia
A jak wygląda zmiana dostawcy chmury? Czy takie przeprowadzki się zdarzają, jak często i czy są kosztowne?
Jestem tu pięć lat i, odpukać, klienci od nas nie odchodzili.
Ale dzieje się to w drugą stronę?
Tak, przychodzą do nas. To bardzo ciekawe pytanie, bo łączy się ze zrozumieniem, czym jest suwerenność podmiotu gospodarczego w kontekście korzystania z usług chmurowych. Można ją rozumieć tak, że nasze dane mają być przechowywane w Polsce, w Unii Europejskiej albo gdziekolwiek chcemy. To jeden z wymiarów suwerenności. Drugim jest dla mnie właśnie możliwość migracji do innego dostawcy. Chcemy zachować wolność jako podmiot gospodarczy i mieć – nawet w negocjacjach z obecnym dostawcą chmury – pewien lewar, żeby uzyskać to, co jest możliwe do uzyskania.
Zastanówmy się, jak mierzyć przenaszalność naszych rozwiązań z jednej chmury do drugiej. Po krótkiej analizie dojdziemy do tego, że trzeba mieć możliwość korzystania z rozwiązań open source, czyli ogólnie przyjętych standardów, które wypracowuje społeczność IT i które są szeroko stosowane przez różnych dostawców chmurowych. Suwerenność sprowadza się więc raczej do stosowania otwartych standardów – bezpiecznych otwartych standardów. To jest element, na który trzeba zwracać uwagę.
Nie oznacza to, że nie należy stosować bardziej specyficznych rozwiązań, które daje jeden dostawca, bo najczęściej dostawcy mają podobne rozwiązania. Być może koszt migracji z jednego rozwiązania na drugie będzie trochę większy niż w przypadku open source.
Jednak nie demonizowałbym tego, bo dzięki LLM-om przejście z jednego typu bazy danych na inny naprawdę nie jest wielkim wyzwaniem. LLM może dziś wykonać bardzo dużo żmudnej dłubaniny w systemie. Można dość prosto uruchomić środowisko, przetestować je, zobaczyć, jakie są błędy, i szybko je naprawić. IT naprawdę mocno się zmieniło dzięki AI i narzędziom takim jak Antigravity, również jeśli chodzi o łatwość migracji między dostawcami chmury. Pamiętajmy jednak, że open source jest wartością całego środowiska, całego świata IT.
Dodatkowo w Unii Europejskiej oraz Wielkiej Brytanii udostępniamy usługę Data Transfer Essentials, stworzoną w oparciu o zasady interoperacyjności wynikające z EU Data Act. Rozwiązanie to pozwala klientom bez dodatkowych opłat transferować dane pomiędzy usługami tej samej organizacji działającymi równolegle w Google Cloud i u innych dostawców chmurowych. Wspieramy w ten sposób prawdziwą interoperacyjność, elastyczność strategii multicloud oraz swobodę wyboru, eliminując bariery kosztowe i zapobiegając uzależnieniu od jednego dostawcy – tak, aby suwerenność cyfrowa i technologiczna była realna, a nie iluzoryczna.
Podsumowując: open source jest w tym wszystkim ważny. Do tego w przypadku Google Cloud dochodzą nasze własne inwestycje w to, żeby mieć naprawdę bardzo konkurencyjne rozwiązania technologiczne – żeby klienci chcieli z nami być, a nie musieli z nami być. To bardzo duża różnica, jeśli chodzi o filozofię i podejście do tego, dlaczego pracujemy dla klienta i jak go traktujemy.
Czy stać nas na czekanie
Co chciałby pan na koniec przekazać przedsiębiorcom w sprawie agentów? Kiedy otworzy się gazetę czy jakiekolwiek inne medium, agent pojawia się zazwyczaj w kontekście tego, że coś zepsuł, gdzieś się włamał, coś narobił.
Bo to jest tani marketing, którego celem jest straszenie.
Co zatem przekazać przedsiębiorcom i co im wytłumaczyć?
Warto zadać sobie pytanie: co się stanie w moim sektorze, jeżeli wejdzie do niego nowy przedsiębiorca albo mój obecny konkurent nagle zaoferuje swoim klientom nowe usługi – takie, których ja dziś nie jestem w stanie zaoferować? Będzie mógł to robić dużo taniej i efektywniej niż ja. Bez zwiększania zatrudnienia będzie w stanie obsłużyć pięć razy większą skalę biznesu. Co to będzie dla mnie znaczyło? Jak zmieni się ekonomia całego sektora? I zadać sobie pytanie, czy mogę sobie pozwolić na to, żeby poczekać i nie podejmować teraz żadnego działania.
Bariera wejścia w tę technologię jest praktycznie zerowa. Sprowadza się do naszej chęci, do poświęcenia kilkunastu minut na zainstalowanie czegoś i kilku godzin, żeby się tym pobawić. Już wtedy jesteśmy w stanie bardzo sprawnie poruszać się w tym świecie. Prędzej czy później albo mój największy, albo mój najmniejszy konkurent wejdzie w to i będzie w stanie oferować moim klientom dodatkowe usługi i produkty.
A co ze strachem przed tym co po wprowadzeniu AI może się stać? Z moich rozmów wynika, że to on jest głównym motywem unikania AI.
Jeżeli już uruchamiamy agentów AI i idziemy w stronę ich demokratycznego stosowania w firmie, to naprawdę poleciłbym spojrzeć na nich nie tylko z punktu widzenia samych agentów – tego, że jeden model robi takich, a drugi innych – tylko skupić się na tym, o czym rozmawialiśmy na początku. Czy mam możliwość obserwowania tego, co agenci robią i co zrobili? Czy mam odpowiednie zabezpieczenia przed wstrzykiwaniem poleceń, które mogą być potencjalnie szkodliwe?
Jak mam ich sprawdzać, jak mam na nich patrzeć, jakie mam mieć statystyki? Skąd będę wiedział, że wykonują swoją pracę dobrze, i kiedy dostanę powiadomienie, że któryś z nich wykonuje ją źle? Cała otoczka Gemini związana z możliwością obserwowania tego, co robią agenci jest ważniejsza niż same modele. Ludzie bardzo ekscytują się premierą kolejnego modelu AI. Zaraz wyjdzie kolejny. Nie ma się co ekscytować, bo z punktu widzenia przedsiębiorstwa to nie jest już tak ważne. Skupmy się na tym, żeby wiedzieć, co agenci AI robią, jak to robią i jak im pomagać w wykonywaniu tej pracy.
Dziękuję za rozmowę
Rozmawiał Sławomir Biliński – prawnik, dziennikarz, trener AI
[1][unijne rozporządzenie o sztucznej inteligencji nakłada m.in. obowiązek informowania ludzi, że rozmawiają z systemem AI; przepis stosuje się od 2 sierpnia 2026 r. – red.].
[2]* Prawo Moore’a (Moore’s Law) to obserwacja, zgodnie z którą liczba tranzystorów w układach scalonych podwaja się mniej więcej co dwa lata, co przez dziesięciolecia umożliwiało szybki wzrost wydajności komputerów i spadek kosztów obliczeń. Prawo Moore’a pomaga zrozumieć, dlaczego komputery przez dziesięciolecia stawały się coraz potężniejsze, a rozwój AI nabierał tempa.
prawnik, autor licznych publikacji z prawa podatkowego
