Mentionsy

To jest podcast Escola AI.

We Skola AI gościmy dziś Tomka Tomaszewskiego, produkt menedżera, który zaczynał od NLP, budował boty w SentiOne, a obecnie szkoli PM-ów w Product Academy i absolutnie nie bawi się w AI na slajdach.

Tomek dokładnie widzi, gdzie AI naprawdę daje przewagę, a gdzie jest tylko kolejną prezentacją z gradientem i głośnym hasłem AI First.

Nasz gość o pseudonimie Tkwadrat dziś rozkłada na czynniki pierwsze, jak wygląda prawdziwa praca z AI,

To jest Escola AI Live.

ostatnio w tutlu, a teraz zacząłem też przygodę z nowym startupem jako head produktu, startupem AI-owym, a właśnie tak gdzieś po godzinach, czy w wolnym czasie rozwijam też właśnie szkołę Product Academy, gdzie

Dużo się dzieje, dużo się dzieje w AI, właściwie każdy dzień przynosi nam jakieś nowe wydarzenia.

Ja się staram to komentować w AI Weekly, w takim programie, tak naprawdę robię to właśnie dla siebie, żeby...

Natomiast cieszę się, że jesteś ze mną, bo chciałbym właśnie troszeczkę wypośrodkować ten między hype'em, wiesz, że za chwilę AI nas zastąpi, a część osób, które mówią, że AI to jest raczej hype i jak czytam twoje wpisy na LinkedInie, to jesteś taką osobą, która faktycznie działa w okopach, robi rzeczy swoimi rękoma dla różnych firm i chciałbym, żeby od takiego pytania zacząć.

na ile, po co w ogóle to AI jest product managerowi, jakbyś mógł w ogóle od tego zacząć, na ile ono się przydaje, gdzie jest właśnie ten hype, a gdzie są, gdzie jest wiesz.

Czyli tam, gdzie chcę wykorzystać różne narzędzia AI-owe do tego, żeby przyspieszyć swoją pracę.

Jest jedna z dróg oczywiście, że skoro ja zajmowałem się tworzeniem dokumentów i pisaniem różnych rzeczy, no to właściwie za chwilę może ten AI mnie zastąpi, skoro product requirement dokumenty da się wygenerować dwoma z trzema kliknięciami myszki.

Tu jest oczywiście też taka pytanie, czy przyspiesza bardziej seniorom, którzy mają tą intuicję i potrafią z AI spracować, czy przyspiesza bardziej juniorom, bo mogą się teoretycznie nauczyć.

Ale to jest ten jeden obszar, bym powiedział, a drugi, bardzo duży, to jest w produkcie, użycie AI w produkcie swoim, czyli chce zrobić jakiś feature, czy w ogóle chcemy zrobić jakiś feature o parze AI, czy w ogóle cały produkt, który AI się bardzo mocno...

może nie inspiruje, ale jakby, który zawiera komponent AI-owy.

mniej jest tego, szczególnie w Polsce bym powiedział, w kontekście tego, jak robić dobry product management dla produktów AI-owych.

zacząłem używać, nie wiem, vZero do prototypowania, a jak zadałem pytanie, czego wpuszywacie, albo szukałem inspiracji do ewaluacji modeli AI-owych, coś, co product manager i zespół produktowy powinien robić w momencie, kiedy wypuszcza feature'y opierające się na modelach AI,

I to jest, bym powiedział, taka druga duża część, gdzie product managerowi się przydaje, ale gdzie musi wykorzystywać AI.

A w drugim przypadku też jest duży hype, ale bardziej bym powiedział taki hype od strony zarządów albo firm, że teraz to musimy wdrażać AI-owe rzeczy, bo trzeba wdrażać AI-owe rzeczy, a nie dlatego, że ma to jakiś taki wielki...

Też nie powiem, że ten hype jest jakby złym, no bo trochę dzięki temu buduje świadomość i powoduje jakby, że chcemy trochę się rozwijać my personalnie, ale też organizacje, żeby trochę tego AI wykorzystywały.

Byłem na kursie wakacje AI Lab Dawida Talasa, no wiesz, międzynarodowy, wielki tutaj kurs.

byłem głęboko rozczarowany, bo okazało się, że on w ogóle ich tam nie wdrażał, one są tylko do pokazywania, mimo, że to były jakieś takie workflowy pod jego obszar, jakieś tam działania marketingowe na Instagramie, na LinkedInie i chyba to dobrze ilustruje to, gdzie jesteśmy, to znaczy są rzeczy do pokazywania, a są ludzie, którzy naprawdę robią i z racji, że ty spędziłeś kawał czasu właśnie w Senti, gdzie to AI było już wykorzystywane

W Senti to, co mnie przyciągnęło, bo ja wtedy właśnie wchodziłem w temat AI-owy, zresztą chwilę wcześniej sobie powiedziałem, to jest chyba taka rzecz, w którą ja bym chciał wejść.

2017-2016 rok, no i w końcu w 2018 rzeczywiście dołączyłem do Senti i tam był jeden z chyba z fajniejszych, bym powiedział, zespołów R&D w Polsce, gdzie rzeczywiście tworzył swoje własne modele AI-owe.

Ja nawet pamiętam, że wtedy jak się tak zderzałem pierwszy raz z AI-em, to właśnie miałem takie, kurczę, dlatego między innymi chciałem zostać, że tak jakby sobie wyobrażałem, że to będzie wyglądało trochę tak jak teraz właśnie, że będą niesamowicie asystenci, którzy będą Ci w stanie w bardzo wielu aspektach pomóc.

Druga, wtedy kiedy właśnie wybuch OpenAI ChatGPT 2021, tak?

Więc do tego tak wykorzystywaliśmy ten AI przez te ileś lat.

Tak często jest właśnie z AI, że kurczę, robimy coś.

Więc to była też taka ciekawa rzecz właśnie przy budowaniu produktów właśnie opartych o AI.

I ponieważ to AI ma często kształt tej czarnej skrzynki, nie do końca wiemy, co tam wyskoczy nam na końcu.

Tak jest z wieloma po prostu eksperymentami, że my trochę na początku jesteśmy w takiej fazie eksploracji i trochę chyba trzeba się zastanowić, ja mam takie podejście, bardziej no dobra, to ile my chcemy w to zainwestować?

No i trudno, żeby ludzie od razu dobrze pracowali w AI, jeśli do tej pory w ogóle tego nie robili.

To jakby nie chodzi o AI, to chodzi o każdą możliwą, nie wiem, technologię czy obszar.

Przygotowywaliśmy właśnie niedawno, pracowałem w jednej organizacji, żeby przygotowywać taką strategię AI produktową, czyli właśnie gdzie jest sens tego wykorzystywać, a gdzie nie ma sensu tego wykorzystywać potencjalnie w produkcie.

I to, jak do tego podchodzę, to jakby pierwsza rzecz, to trzeba sobie trochę zdefiniować w ogóle, gdzie my w tym AI-u chcemy trochę być.

Czy my bardziej chcemy być takim AI-first, w ogóle organizacją, firmą, produktem, gdzie AI będzie rzeczywiście w centrum, czy bardziej chcemy być takim AI-outvented na przykład, czy tam enabled by AI, że jakby jest ten AI, ale on jest jakby trochę takim dodatkiem, napędza nas gdzieś tam dodatkowo.

No bo jakby od tego będzie zależało trochę, ile chcemy w to zainwestować, tego będzie zależało, jak do tego będziemy gdzieś podchodzić.

I wiadomo, łatwo powiedzieć, że chcemy być AI first.

Pewnie wiele zarządów będzie sobie mówiło, nie, no teraz my musimy być AI first.

Tylko czy na pewno my chcemy być AI first, czy my jesteśmy na to gotowi, że będziemy w tej top 5%, że mamy na to pieniądze, że mamy na to kompetencje i ludzi.

Druga, gdzie używać tego AI.

Inaczej, gdzie my możemy korzystać z potencjału AI w najlepszy sposób w naszej produkcie.

Z drugiej strony mamy możliwości, które dają modele AI-owe, na przykład rozpoznawanie obrazu, na przykład, nie wiem, LLM, który coś robi, na przykład tworzenie w ogóle obrazów czy wideo, to dają modele.

Tak, to use case, a trzecia to jest właśnie ta fosa jeszcze dodatkowa, czyli gdzie my mamy jakąś przewagę, gdzie ten AI jest w sensie wykorzystywany.

Więc pytanie, gdzie mamy tą taką fosę AI-ową zwykle związaną z danym.

to zwykle te możliwości AI-owe, wszyscy inni przecież mogą mieć dokładnie takie same, dlaczego by nie.

w AI.

Tam, gdzie my się możemy wyróżnić tym, że będziemy robić idealny model albo właśnie robić tą część, że zrobimy technologię AI-ową, typowo, no to to jest pewnie 1% właśnie firm, nie?

No to albo myślisz strategicznie, mówisz, dobra, to w jakiś sposób, skoro chcę być, chcę iść z tą wizję, jaką się ja mam, AI first być w momencie, gdy nie mam danych, to już w ogóle jest bardzo, bardzo daleko idący wniosek, ale chociażby ten...

to pierwszym krokiem pewnie byłoby to, żeby zastanowić się albo strategicznie spowodować, że my mamy tą fosę AI w kontekście danych, albo te dane jakoś pozyskać, albo sprawić, żeby zacząć je zbierać od użytkowników, bo to nie będzie pewnie 5 minut, żeby to zebrać, czy budować jakieś mechanizmy w produkt, które spowodują, że właśnie my te dane będziemy w jakiś sposób...

media, a dopiero potem myśleć o tym, żeby AI był jakimś naszym przewagą czy core'owym featurem.

I tak dla produktów, no to może być na przykład ile eksperymentów robimy w ciągu miesiąca, kwartału, no bo po to zainwestowaliśmy...

I tutaj myślę, że jest bardzo duża rola menadżera, żeby tą przestrzeń właśnie dać, żebyśmy mieli czas na eksperymentowanie z AI.

Wydaje mi się, że nie doceniamy tego, że często ta inwestycja w AI, poza tą nauką, którą często tą serią, czasami nawet nie jednym porażką, no serią porażek, jak już zrobimy ten capex i sobie na przykład coś zautomatyzujemy, to to daje w długim okresie zwrot z inwestycji.

Mieć chociażby repozytorium, mieć opisy inicjatyw, pre-sony, opisy produktów, jakby to, nad czym pracujemy właśnie w plikach MD, markdownowych, po to, żeby właśnie móc wykorzystywać AI do różnych rzeczy, żeby budować

Ja po prostu je przerzucam, klonuję, że tak powiem, ciągle jeszcze dla mnie to jest taki, tak jak mówisz, nienaturalny system, ale staram się i zresztą pamiętam zresztą twoje, gdzieś tam mi opowiadałeś, że coś selekcjonowałeś i było ileś tam 200 PDF-ów i trzeba było je skonwertować na rysunki, bo AI słabo czytało PDF-y i to też dla nas takie trochę nienaturalne, ale trzeba było się przestawić.

A chciałbym cię właśnie zapytać o te negatywne aspekty, to znaczy trochę jak już jesteśmy przy tym, że ludzie trochę bezmyślnie pewne rzeczy akceptują, to jest chyba taki największy koncert narzekania na AI, że za chwilę wszyscy zgłupiemy, że będziemy brać ślepo to, co nam podało, że lekarze będą na komputerku słuchać diagnozy, komputer powie, że tam ma pan to i tamto.

To jest w ogóle ciekawy temat, bo właśnie też byłem w zeszłym miesiącu czy dwa miesiące temu na Product Campie w Berlinie, gdzie zjechali się product managerowie z całej Europy i ja byłem zaskoczony, bo właśnie myślałem, że będzie takie pozytywne nastawienie do AI, a tam się okazało, że zupełnie jakby nie, że jakby 90-95% osób z którymi rozmawiałem, co widziałem też na jakichś takich grupach, na panelach dyskusyjnych, to było bardzo dużo sceptycyzmu i to z jednej strony...

Do mainstreamu też to szukanie.

I pierwsza, najważniejsza chyba rzecz, to jest właśnie robienie AI do robienia AI, nie?

I że właśnie jesteś w organizacji, przychodzą zarządy, przychodzą menadżerowie, mówią, no to teraz mamy robić AI, mamy być AI first, robimy AI, trzeba wykorzystywać OpenAI, ChataGPT, Cloda, czy to do swojej prywatnej pracy, czy wręcz w produkcie jakby, nie?

Musimy budować produkty w AI, bo wszyscy to robią.

A niestety w wielu organizacjach, no dobra, no to trzeba to zrobić AI, bo teraz robimy AI, a najlepiej w ogóle jeszcze LLN.

Ale robimy AI, bo wszyscy robili kazać AI.

Okej, ale znaleźliśmy jakiś problem albo zróbmy to w jakimś problemie użytkownika, który jest realny, a nie po prostu zacznijmy robić sobie po prostu AI dla AI i tam finalnie zaczęliśmy robić podsumowania wielu wzmianek, że jak mamy tysiąc wypowiedzi w internecie, no to rzeczywiście LLM może przygotować podsumowanie, co tam jest.

Robimy AI dla AI, no tak można próbować się z tym zabezpieczyć, jakby cisnąć w stronę taką, kurczę, to okej, znaczy w sensie nie mówimy nie, tylko dobra, tylko znajdźmy jakiś, albo zróbmy to dla jakiegoś sensownego problemu, a nie najfajniejszego zastosowania AI, bo tak nam się gdzieś wydaje.

Czy to jest maili nada, czy to są spotkania, czy to jest kreatywna praca, czy to jest czytanie i generowanie raportów, czy to jest research.

I w zależności od tego, do tego sobie jakieś narzędzia poukładajcie, bo nie da się opanować nagle całej dziedziny zwanej AI.

I one zwykle i tak zresztą najwięcej wartości i gainu dają Tobie, nie?

Jeszcze jeden minus chciałem powiedzieć, taki dosyć mocny, ale to już takie bardziej rynkowe, że wydaje mi się, że to będzie miało takie skutki coraz większej koncentracji na big techach, bo to znowu, one mają największą fosę AI-ową i fosę danych i będzie coraz trudniej robić różne rzeczy i coraz więcej będzie chyba w rękach właśnie takich bardzo dużych big techów i

No to moim zdaniem to może być też taki negatywny trend z tego naszego trendu AI'owego całego.

Jeśli chodzi o eksperymentowanie, podejście do tego, żeby eksperymentować właśnie, to jest super też książka, żeby wprowadzać te eksperymenty AI-owe, ale nie tylko do swojej właśnie organizacji.

i super, super ustawiał różne produkty tam, także chapeau bas i mam nadzieję, że dla Was, dla słuchaczy Escola AI była to uczta intelektualna.

Do Tomka możecie pisać po tytuły tych książek, może Wam coś podpowie fajnego, popytania, jak robić lepiej produkt z wykorzystaniem AI.

Tak, wpadajcie po prostu na Linkedina, wyślijcie mi zaproszenie, jeśli macie jakieś pytania, to po prostu piszcie, ja staram się na bieżąco, znaczy odpisuję wszystkim, staram się w większości na bieżąco, więc jeśli chcielibyście coś podpytać albo jakąś polecajkę, cokolwiek związanego właśnie z AI produktem, to wpadajcie na LinkedIn po prostu Tomek Tomaszewski albo Tomasz Tomaszewski, to najłatwiej mnie nie znaleźć.

I do zobaczenia w kolejnym odcinku Eskola AI.

W tej rozmowie przeszliśmy przez AI bez filtrów, bez złudzeń, że AI samo zrobi strategię, ale też bez zwątpienia, że właściwie użyte potrafi zmienić sposób, w jaki powstają produkty.

Mówiliśmy o danych jako o fosie, o eksperymentowaniu, które boli, no i o tym, że najtrudniejsze w pracy z AI nie jest nauczenie się nowych narzędzi, tylko porzucenie starych przyzwyczajeń.

Warto, abyśmy wiedzieli, AI nie zastąpi Twojej pracy,

Może za to zrobić to ktoś, kto już używa AI mądrzej niż ty.

Subskrybuj Eskola AI, podziel się tym odcinkiem z PM-em, który jutro będzie musiał podjąć lepszą decyzję.

Razem przeszliśmy przez 199 odcinków Eskola AI.