Mentionsy

Wspomnieliśmy o AI-agentach, teraz jest świetny tweet, że zamieniłem w całym swoim systemie napis loading na thinking i opisuję to jako AI-agent.

Teraz już mogę, więc mój startup już jest AI-agentowy.

Tak naprawdę indywidualnie gdzieś tam staramy się testować te funkcjonalności AI i w naszym przypadku w większości są to tacy użytkownicy bądź duże firmy wręcz, które są świadomi tego, że uczestniczą w programie Early Adopters.

którego celem jest zweryfikowanie, czy technologia AI może wspomóc tą funkcjonalność, aby jeszcze lepiej dostarczyć wartość końcową.

Wyobraźmy sobie, że właśnie pracuję nad pierwszym większym AI-owym featurem.

Dzisiaj będziemy rozmawiać o deploymencie AI feature'ów, jak robić to dobrze, jak robić to efektywnie, czy są jakieś specyficzne reguły, których powinniśmy się trzymać, aplikować, gdy

Gdy budujemy rzeczy związane z AI.

Chciałem dzisiaj zacząć ten temat od tego czy w naszej pracy mamy styczność z wypuszczaniem AI feature'ów.

U mnie ostatnio pojawiają się te tematy i jest to bardzo ciekawe, w jaki sposób możemy bezpiecznie to robić, zwłaszcza jeśli chodzi o wypuszczanie tego do istniejących użytkowników, gdzie AI jest często niedeterministyczne i te funkcjonalności mają szerokie spektrum tego, czy są akuratne czy nie.

Chciałem zacząć od tego, że może podzielę się tym, że ostatnio w MixMaxie wypuszczamy kilka takich funkcjonalności związanych z AI.

Ale zanim zaczniemy, jestem ciekaw Marcin, czy ty masz jakieś spojrzenie też na wypuszczenie AI feature'ów, gdzie macie tam jakieś doświadczenia w tym rejonie w Ceylonisie?

My w Ceylonisie zaczęliśmy interesować się AI też już myślę, że dobry ponad rok czasu.

Siłą rzeczy nasi klienci też zaczęli się tym interesować, zaczęli coraz bardziej zastanawiać się jak przerzucić swoje budżety inwestycyjne ze standardowych budżetów na technologię, która wspomaga w duże procesy i wykorzystywać te AI właśnie aby

Zaczęliśmy testować te funkcjonalności AI i myślę, że tak samo jak u ciebie, czyli gdzieś dla firmy mniejszych, mamy tutaj do czynienia z takim dużym poziomem jeszcze halucynacji na początku i ze strony biznesowej, ze strony akceptacji tak naprawdę tej technologii.

I dlatego też testowanie tych funkcjonalności AI jakby trochę odzwierciedla te...

Myślę, że też w nawiązaniu do poprzedniego odcinka Tomek powiedział fajną rzecz, czy możemy sobie pozwolić na nieuczenie się jak robić AI feature, bo za rok, dwa będziemy bardzo z tyłu, więc myślę, że to jest właśnie ten moment, w którym wszyscy trochę brudzimy rączki i popełniamy błędy po drodze.

Wszyscy robią AI note takery w tej chwili, więc wiadomo, że też konkurencja jest gigantyczna, żeby to w ogóle miało sens, żeby zbudować dedykowane narzędzie.

Dokładność tego, co wypuszcza AI?

Czyli coś w tym naszym algorytmie albo w kryteriach, które podaliśmy nie jest logicznie spójne, więc wypuszczamy bzdurę i na przykład uznajemy, że ten e-mail jest ważny, chociaż powinien być uznany jako nieważny.

Wypuszczanie AI feature ów jak testować,

Wyzwaniami też przy budowaniu feature'ów AI.

Bo chyba taką pierwszą w ogóle u nas zagwozdką jest tak naprawdę gdzie to AI powinniśmy wdrażać.

Koordynacja tej pracy, jak wiemy w dzisiejszych czasach, szczególnie w klientach korporacyjnych, jest bardzo czasochłonna i często tu właśnie widzimy bardzo duży potencjał, żeby wykorzystywać technologię AI, aby usprawniać tak naprawdę tą koordynację pracy.

Gdzie AI powinno dodać wartość dodaną do feature'a, nasi klienci będą się zastanawiać, gdzie koszt użycia tego AI będzie uzasadniał value, które będziemy dla tego biznesu dostarczać.

Ja myślę, że jak ja patrzę na to, gdzie w ogóle powinniśmy priorytetyzować te featurey AI, to myślę sobie o takich czterech ważnych rzeczach, które taki system dla klientów korporacyjnych i produkt powinien uwzględniać.