Latest / Budoucnost nepráce / Jak řešit adopci AI a zavádět technologie s radostí (s Ondrou Krajíčkem, CTO Partners)

Transcript

Jak řešit adopci AI a zavádět technologie s radostí (s Ondrou Krajíčkem, CTO Partners) · Budoucnost nepráce

0:00
SPEAKER_04: Řada lidí očekává, že dám tomu problém, dám tomu úkol.
0:03
SPEAKER_04: A já je to zvládnu od začátku do konce.
0:05
SPEAKER_04: A takhle to prostě nefunguje.
0:06
SPEAKER_01: Všichni prostě panikařte, prchejte dohor, všichni vás vymění, už jste v podstatě zbyteční, akorát si to zbaltte a zahoďte klíče.
0:13
SPEAKER_04: Podle mě tam je jedna nová dovednost, kterou se budou muset naučit.
0:17
SPEAKER_04: Možná skoro všichni, a to je dokumentace znalostí.
0:20
SPEAKER_01: Všechny velké americké firmy vycházely hromady lidí.
0:25
SPEAKER_01: Zase naírají zpátky.
0:27
SPEAKER_01: Další věc, která mě hodně vadí.
0:29
SPEAKER_01: Já si myslím, že nový technologie by se měly implementovat zatím a radostí a ne ze strachu.
0:41
SPEAKER_01: Finské práve.
1:01
SPEAKER_04: Dobrý den ahoj.
1:03
SPEAKER_04: Vítám vás u nového dílu nového znovu obnoveného podcastu.
1:10
SPEAKER_04: A to rovnou s velmi speciálním hostem který není nikdo jiný než Ondra Krajek.
1:19
SPEAKER_04: Ondro, můžeš se nám představit, ksi, co děláš?
1:24
SPEAKER_01: OK, co dělám?
1:26
SPEAKER_01: Já jsem vlastně takový celoživotní softwareový inženýr.
1:31
SPEAKER_01: Začínal jsem už je toho hodně dávno na Masek Rikově univerzitě na fakultě informatiky, což je taková moje srdcovka.
1:40
SPEAKER_01: Tam jsem tenkrát tenkrát to šlo, učil, studoval a pracoval najednou.
1:47
SPEAKER_01: Pak jsem odešel do biznesu utekl jsem z PhD a odešel jsem do Viceftu, kde jsem strávil 18 let převážně v technických rolích.
1:56
SPEAKER_01: Odskočil jsem si na pár let do Ameriky řídit ViceFočku.
2:01
SPEAKER_01: A po 18 letech jsem změnil působiště a teďka pracuji ve skupině Pners Petra Borkovce na pozici CT na úrovni skupiny a zabývám se adopcí AI a exponzníma projekty.
2:17
SPEAKER_04: Vybral jsi partnerý z toho důvodu, že je tam podobný profil ve smyslu majitel nebo řekněme, zakladatel, a nikoli nějaká nadnárodní skupina, kde by se o každé věci muselo půl roku bavit a žádat matku o svolení?
2:37
SPEAKER_01: To asi taky, ale užně řečeno, já jsem se za ty léta naučil já vždycky hledám biznes s příběhem.
2:44
SPEAKER_01: Prostě i když jsem strávil hodně času spolupráci třeba se startupama, protože byl jsem členem týmu Vice Venture, spolupracuju třeba se startup Jardem, co má Sedrik v Praze.
2:59
SPEAKER_01: A prostě mě baví, jako hledat biznes s příběhem.
3:02
SPEAKER_01: Takže když jsem cítil, že potřebuju změnu, tak jsem zase hledal nějaký silný příběh a mně se vlastně na partné strašně líbí to, že to je firma, která se snaží vyboxovat dobrý biznis a dobrou předanou hodnotu v oblasti, která je těžká, a navíc je hodně zprofanovaná, protože řekl, že 80 lidí si myslí, že finanční poradci jsou vesměspodníci.
3:30
SPEAKER_01: Já jsem asi měl do finančního poradce štěstí a proto jsem šel za tímhle příběhem.
3:39
SPEAKER_01: Vlastně jsem to měl hrozně podobně, když jsem, když se odcházel z té univerzity a šel jsem do Viceflu zase mně se líbil ten příběh.
3:46
SPEAKER_01: I když jsem znal Vaška muchnu už ze školy, tak jsem šel hlavně za tím příběhem.
3:51
SPEAKER_01: A ty silný podnikatelské příběhy je to, to, co mě láká, a to, co mě na těch firmách baví.
3:59
SPEAKER_01: A jsem vlastně hrozně rád, že i v Čechách máme docela dost, tak to je takový jako příjemný.
4:04
SPEAKER_04: A čuva víc o něj mluví, což je určitě dobře, abychom motivovali mladou generaci a trošku inspirovali k tomu, zaklatat biznesy a posunout posunout i tu naše republiku, protože já si myslím, že inovace a biznis je driver budoucnosti.
4:22
SPEAKER_04: Takže to je super.
4:23
SPEAKER_04: Dobře, jak se změnil za poslední rok, dva, tři tvůj pohled na AI, a zajímá mě to, protože ty máš aspoň.
4:35
SPEAKER_04: My jsme se dlouho neviděli, ale z toho, co vidím, tak na některé věci máš trošku kritičtější pohled než ostatní lidem okolí.
4:44
SPEAKER_04: Zároveň říkáš, že jsi vlastně inženýr, řekl bych, řekl bych, že jsi hardkore inženýr.
4:51
SPEAKER_01: Asi celkem jo.
4:53
SPEAKER_04: Tak dobře, tak jak jsi změnil tvůj pohled na AI?
4:56
SPEAKER_01: Tak změnil otázka, jestli se změnil.
4:59
SPEAKER_01: Já jsem, mně to tedy spousta lidí nevěří, ale já jsem II optimista.
5:06
SPEAKER_01: Ale podívej, to tak, já se celý život zabývám technologiem.
5:11
SPEAKER_01: To je prostě můj svět, takže asi by bylo divný, kdybych neměl rád technologie.
5:16
SPEAKER_01: Takže já mám rád technologie.
5:18
SPEAKER_01: Mě hrozně baví ty technologie propojovat s lidmi, s biznesem, prostě, s zákazníka, tím se celý život vlastně živím.
5:28
SPEAKER_01: Stoím tak nějak někde zhruba na půl cesty a dokážu ty technologie propojit s tím, co ti zákazníci opravdu potřebují.
5:37
SPEAKER_01: To, proč já mám kritický názory, já vlastně nekritizu AI jako technologii, nebo ona ani AI není jedna technologie.
5:47
SPEAKER_01: To je prostě nějaká rodina rodin technologií, ale to, proč já se občas vyjadřují kriticky o generativních technologiích a třeba o věcech, které souvisí s velkými jazykovýma modelama, není kvůli těm velkým jazykovým modelům, ale protože mě vadí ten hype kolem toho.
6:09
SPEAKER_01: Je to takový nesolidní v tom, že nám to pak všem strašně komplikuje život a práci, protože to odvádí pozornost.
6:17
SPEAKER_01: Prostě ty technologie mají hrozně zajímavý potenciál, jsou užitečné ke spoustě věcí.
6:24
SPEAKER_01: Můžeme si říct nějaký příklady, k čemu je to dobrý a k čemu to může být dobrý.
6:29
SPEAKER_01: Ale tím prostě furtájem, surfujem na těch vlnách toho hypu, tak vlastně se neustále snažíme ty technologie používat na věci, na který prostě nejsou vhodný, na který třeba nemusej dobře fungovat.
6:46
SPEAKER_01: Pak je z toho velký zklamání, je z toho velký rozčarování, pak tě lidi dál to IT jako nenáviděj.
6:53
SPEAKER_01: A já se na to IT dívám tak, že my jako obor furt tomu světu dlužíme jako lepší počítače.
7:03
SPEAKER_01: Mám takový vnitřní deficit.
7:05
SPEAKER_01: Si jako říkám, že vlastně neznám nikoho, kdo by měl s IT jako řekl, výrazně pozitivní uživatelský zážitek prostě každý z nás se dostane do situace pravidelně často, prostě kdy najednou prostě si říkáš pro boha, proč to nefunguje.
7:27
SPEAKER_01: Tak kdyby takhle fungovaly automatické pračky, tak bychom si to moc nevyprali.
7:33
SPEAKER_01: Takže musíme, já si myslím, že by to prostě mělo fungovat líp.
7:38
SPEAKER_04: Já říkám poslední době, a mám to skoro v každé prezentaci, že současná adopce je poměrně dostation managementu, co znamená řízení, očekávání a ten hype je obrovský.
7:53
SPEAKER_04: Samozřejmě, já jsem toho tak trošku součástí už několik let, řekl bych, že už nejenom z budoucností na práce, ale i z hodně zpět v digitálním světě, tak jsem technologický ambasador, ale nečekal jsem, že ten hype bude až tak velký.
8:09
SPEAKER_04: A mám pořád ale takový vnitřní rozpor, že na jednu stranu vidím, co všechno to umí v rukách lidí, kteří fakt s tím umí velmi dobře pracovat.
8:19
SPEAKER_04: Na druhé straně se někdy přehání a že ten rozpor není ani tak v tom, že ta technologie je dobrá nebo ne, ale v tom, že se někdy prezentují řešení a lidi mají pocit, že jsou hned.
8:31
SPEAKER_04: Ale přitom je tam hromada práce a objevování toho, kde to funguje, jak to funguje, v jakých částech procesu ano, v jakých ne.
8:39
SPEAKER_04: A tam je ten nesoulad a ty očekávání musíme říct.
8:43
SPEAKER_04: Máš podobnou zkušenost?
8:45
SPEAKER_01: No, určitě, určitě.
8:47
SPEAKER_01: Já si myslím, ale že to ani nemůžeme nikomu vyčítat, protože poslední dva, tři roky jsou všichni masírovaní, hlavně ze strany těch velkých vendorů.
8:58
SPEAKER_01: Tak jsou masírovaní takovou kampaní.
9:01
SPEAKER_01: Všichni prostě panikařte, prchejte dohor, všichni vás vyměníme, už jste v podstatě zbyteční, jako rád si to zbálte a zahoďte klíče.
9:09
SPEAKER_01: A to je právě další věc, která mě na tom i hodně vadí.
9:14
SPEAKER_01: Já si myslím, že nový technologie by se měly implementovat značením a s radostí a ne ze strachu.
9:21
SPEAKER_01: A to je vlastně podle mě to, co je na celý té situaci teď úplně fatálně špadně.
9:26
SPEAKER_01: Ž my místo toho, aby jsme těm lidem ty technologie nějak ukazovali, přibližovali a aplikovali je prostě by třeba na nějaký jednoduché scénáře postupně.
9:38
SPEAKER_01: Tak je prostě prostě jenom děsíme.
9:43
SPEAKER_01: Tu první vlnu vyděšení už máme za sebou.
9:46
SPEAKER_01: Všechny velké americké firmy vycházely hromady lidí.
9:49
SPEAKER_01: Teď zase načě zase naírají zpátky.
9:53
SPEAKER_01: Druhá vlna vyděšení byla, když se všichni rozhodli, že už nepotřebují software vývojáře.
10:00
SPEAKER_01: Nakodili si hromady aplikací a teď zase ty vývojaře nabírají zpátky.
10:04
SPEAKER_01: By to vyčistili, takže dneska spousta lidí se živí tím, že opravdu chybí já.
10:11
SPEAKER_01: A tohle mi přijde, že se.
10:16
SPEAKER_01: Tohle je vlastně to, co si zploskne tu bublinu.
10:19
SPEAKER_01: To vůbec není o těch technologiích a o tom, že by ty technologie byly jako nefunkční nebo špatný nebo něco.
10:28
SPEAKER_01: Ale to, že ty očekávání nafknutý tím strachem prostě to je ta bublina, která imploduje potom.
10:37
SPEAKER_04: Já jsem teďka nedávno dal postyna do svůj newsletter, a po strašně dlouhé době jsem řekl něco, co vyvolává trošku FON, takový ten jako mising auto.
10:53
SPEAKER_04: Já jsem ji tak strašně pozitivní, a celá budoucnost je práce je pozitivní.
10:56
SPEAKER_04: A jednou za tři měsíce řeknu, fakt byste se měli naučit s tím pracovat nebo manažerům řekl, jako fakt byste měli začít trošku řídit tu adopci nebo minimálně sami se vzělat, a ozvalo se hodně lidí, kteří říkali, že moc pušju, že taky moc tlačím.
11:14
SPEAKER_04: Já jsem teda pak udělal to, že jsem skopíroval všechny těch 47 komentářů na Linkedinu a hodil jsem si to do Kláda a říkal jsem, že teda chci psát víc optimisticky, ať mi Kód udělá takový assign do budoucích postů, a přidá mi tam právě to, jestli moc nepuštu, jestli moc nevyvolám FOM.
11:33
SPEAKER_04: A je to skvělý, že teď, když jsem dával novej, tak jsem to prohnal tady tím asistentem.
11:38
SPEAKER_04: On mi říkal asi tři věci, které bych tam měl zmínit, právě aby to FOMO nevyvolával a snažím se na to dávat pozor.
11:46
SPEAKER_04: Ale na druhé straně si myslím, že studie, ať už BCG a další říkají, že opravdu spousta věcí se bude, spousta lidí se bude muset reskyovat a skylovat.
11:57
SPEAKER_04: Ale já to pořád nevím, že se to děje.
11:59
SPEAKER_04: A já mám pocit, že pořád předpoklám, že se to bude týkat někoho jiného než nás, a že to bude za pět, za sedm, za deset let.
12:07
SPEAKER_04: Ale prostě cítím, že ten resklining nebo sklink to nebude.
12:11
SPEAKER_04: Jenom to, že půjdu na kurz a za měsíc ho budu mít absolvovaný, ale že fakt budu muset změnit tu svoji práci, jak ji dělám.
12:19
SPEAKER_04: A proto někdy se snažím trošku ty lidi jako aktivizovat a říct, jako fakt se musíte zamyslet nad tou svou budoucností a začít něco dělat.
12:30
SPEAKER_01: Jo, já si určitě souhlasím s tím, že ten reskaling se neděje.
12:35
SPEAKER_01: Respektuje on se tak jako občas tak nárazově odehraje někde u někoho, ale to jsou spíš takový.
12:44
SPEAKER_01: To je spíš takový hraní si s těma technologiemi, že by to byl skutečný reskling.
12:50
SPEAKER_01: Reskling je, že začneš něco dělat líp, něco dělat jinak prostě, něco staneš se najednou prostě produktivnější, nebo dodáváš jinou hodnotu.
12:58
SPEAKER_01: A ne to, to, že děláš to samý akorát k tomu používáš jinou hračku.
13:04
SPEAKER_01: Takže tohle se tohle skutečně podle mě opravdu moc neděje.
13:10
SPEAKER_01: Já si myslím, že ten fech je přece v tom, že i ten způsob, jak by ten rescaling měl probíhat, musí vypadat úplně jinak.
13:18
SPEAKER_01: Dneska nikdo nemá čas na to, aby šel na měsíc na školení někam.
13:22
SPEAKER_01: To prostě nejde.
13:25
SPEAKER_01: Takže takový ty jako půjdeme na kurz a tam se něco naučíme.
13:30
SPEAKER_01: I předtím AI přece platilo, že ten transfer z těch takových tradičních kurzů, i kdyby byli sebejší od sebelepších agentů je někde kolem 15%.
13:41
SPEAKER_01: 15% lidí si z toho něco odnese a něco začne dělat jinak po tom kurzu.
13:48
SPEAKER_01: A teď tím, jak ty technologie jsou vlastně jiný.
13:53
SPEAKER_01: To je prostě jako ufo.
13:55
SPEAKER_01: My jsme zvyklí na to, že počítače se chovají deterministicky předvídatelně.
14:01
SPEAKER_01: No, to už teď jako není.
14:03
SPEAKER_01: Nebo on je to jako pořád, ale tyhle technologie vlastně deterministický nejs, takže je to pro spoustu lidí vlastně i kulturní šok.
14:11
SPEAKER_04: Já jenom možná vysvětlím, o čem se teďka bavíme, jde o to, že když máte vzore v Excelu, tak ten funguje vždycky stejně.
14:17
SPEAKER_04: Vusus to, že když dáte prompt do AI, tak vám může dát úplně jiný výsledky závislosti na modelu, závislosti na spoustě věcí.
14:27
SPEAKER_04: Což v případě, že to používáte manuálně, není problém.
14:30
SPEAKER_04: Když už to dostanete do procesu do automatizace, tak už to přináší spoustu zábavy při ladění toho daného procesu.
14:38
SPEAKER_04: Ale naprosto souhlasím.
14:41
SPEAKER_04: Já tam vidím tři věci, jenom rychle.
14:43
SPEAKER_04: První je, co říkám na svých kurzech, důležité je to, co se děje mezi těma našimi školeníma.
14:48
SPEAKER_04: To znamená, když máme desetýdenní kurz, potkáváme se každý pátek, tak důležitý je, jak člověk maká na těch věcech od pondělí do čtvrtka.
14:56
SPEAKER_04: Druhá věc je, že věřím v návrat takový té jako večerní školy, spíš jako mentálního konceptu, kde to není jenom o tom, že se budu učit deset minut nebo že si něco vyzkouším a opravdu večer nebo o víkendu na to sednu a dvě hodiny, budu trávit hlubokou prací tím, že budu objevovat tu technologii a zkoušet.
15:13
SPEAKER_04: A třetí přesně navazuje na to, co říkal.
15:16
SPEAKER_04: Já vidím v těch našich programech hodně lidí, kteří součástí toho resklingu je, že změní práci.
15:22
SPEAKER_04: To znamená začnou dělat úplně něco jiného.
15:24
SPEAKER_04: A máme teď několik příkladů, že k nám chodí lidi, kteří děli buď novináře nebo děli designéra a najednou tam jako staví digitální produkt a vlastně trošku svičnou tu kariéru a je vidět, že když je to baví, tak najednou jim vůbec nevadí do toho učení investovat spoustu času a hlavně do toho učení jako omlouvám se posluchatům learning by doing.
15:48
SPEAKER_04: Pracu není to tak, že tady tam mám práci a vedle si něco studuju, ale prostě zkouším to a učím se na těch konkrétních projektech.
15:57
SPEAKER_01: No, ono to souvisí hodně s tím, za jakým účelem, nebo co je vlastně ta mise toho zavádění i já i v těch firmách.
16:06
SPEAKER_01: Já si myslím, že ten problém je vlastně v tom, i proč třeba ty změny toho skillsetu nebo proč ty adopce selhávají, je, že spousta firem se na to dá tak jako takovým top-down, taky se obnovám posluchačům.
16:23
SPEAKER_01: Takovým helikoptérovým pohledem se člověk tak jako podívá z té pozice toho sílevel managementu nebo toho bordu na to froje říká, bych tak jako mohl ušetřit.
16:34
SPEAKER_01: A ono u toho i to daleko víc o tom směru ze spoda.
16:43
SPEAKER_01: aby ti lidi měli prostor se s tím seznámit, aby sami mohli si to nějak zakomponovat do svých životů, aby jim spíš někdo poradil, jak používat i ty nejjednoduší věci efektivně.
16:59
SPEAKER_01: A oni si potom už ty cesty najdou.
17:02
SPEAKER_01: Samozřejmě, já si myslím, že ta adopce těch inovací, tak jako vždycky 80 na 20.
17:07
SPEAKER_01: 20% jsou ty strategické velké věci, které potřebuješ drive, popřebeš tlačit na úrovni celý té organizace, ale ten zbytek by mohly být kolikrát i drobnosti, který by si ty lidi měli hledat sami.
17:26
SPEAKER_01: A co mi v tom hodně chybí poslední době, je, že těm firmám prostě uniká ta realita toho, že reálně člověk zvládne já nevím, 6 hodin takové té hluboké práce za den.
17:39
SPEAKER_01: A teď já, když po někom chci, aby se naučil pracovat třeba s AI asistentama, se znalostníma asistentama, nebo aby se nedej bože naučil tvořit, což technicky vlastně vůbec není těžký, že jokat si jako GPT v čp je otázka tři minut.
17:59
SPEAKER_01: Důležité je, co tam napíšeš.
18:02
SPEAKER_01: Ale já musím nějaký ten čas nechat.
18:07
SPEAKER_01: Musím z těch 6 hodin ukrojit třeba hodinu, která tom člověk zbyda, aby měl tu energii si na to klidně večer ale sednout a koncentrovaně se tomu tu hodinu věnovat.
18:18
SPEAKER_04: A to 6 hodin je velmi optimistický, když vidíme, že lidi mají 8 zkusek a musí to dělat mezi tím.
18:25
SPEAKER_01: Přesně tak.
18:25
SPEAKER_04: A ty jsi se chtěl dotkvělého tématu, a to je, kolik můžeme ušetřit.
18:31
SPEAKER_04: Já osobně si myslím, že u drtivé většiny já ad obcí by teďka vůbec nedává smysl se zabývat nějakou rojkou a tím, aby manaže reportovali, kolik ušetří, protože jsme pořád takové té úvodní objevovací fázi, a stejně tak už se to začíná objevovat, že se buď nějaký stakeholder zadá managementu chci tady report, kolik se v jednotlivých těch odděleních ušetřilo.
18:59
SPEAKER_04: Ale pro mě je AI daleko víc o tom, že ten tým začne dělat jiný věci, a že vlastně se učí, získává tu zkušenost, aby do budoucna mohl designovat úplně novou generaci produktů a služeb.
19:12
SPEAKER_04: To znamená, je tam takový zase nesoulat v takové strategický pohled, kdy chci jasný čísla, chci prostě dostat tu tabulku versus to, že i ty týmy zatím tím, jak je ta práce rozfragmentovaná a není to, že tady sedím úlínky a najednou mám o pět procent vyšší produktivitu, ale tady už je tři- dvě hodiny, tady udělám něco líp a ono se to strašně těžko reportuje pak.
19:37
SPEAKER_01: Já bych tu rojku úplně nezavroval.
19:40
SPEAKER_01: Akorát, já bych prostě to hledal jinde.
19:45
SPEAKER_01: Já jeden z lidí, který sleduju v této oblasti, který se mě líbí tím, co dělá tím, co říká tam Ourily.
19:56
SPEAKER_01: To většina lidí asi nebude znát, ale my i Těáci ho známe, on založil Ourily media, že má safari platformu vzdělávací.
20:06
SPEAKER_01: A on vlastně už jako konzistentně, minimálně dva roky, několik let říká, že uspějou ti, kteří se nebudou snažit nahradit lidi, ale ti, kteří se budou snažit jim to i aj dát, aby byli efektivnější.
20:22
SPEAKER_01: Ale on je zasadrostanu hardcore bizin, takže on na příkladech ukazuje, že to opravdu takhle flatí a že to takhle funguje, a ukazuje jako i na jejich firmě, jakým způsobem oni tenhle ten princip aplikují.
20:36
SPEAKER_01: Takže já bych tam trojku jako hledal, ale nehledal bych ji v tom, že jsme někoho vyhodili nebo nenahajrovali, to je opravdu podle mě nesmysl.
20:47
SPEAKER_01: Ale hledal bych ji jako v tom, že jsme třeba si zvýšili ten funnel.
20:52
SPEAKER_01: Prostě najednou ten náš adresal Marky se nafou prostě o 5%.
20:58
SPEAKER_01: Lovíme prostě v jiným rybníku, než jsme lovili.
21:00
SPEAKER_01: Najednou to není red ocean ale Blue Ocean.
21:05
SPEAKER_04: A to je v pohodě, já myslím, že naši posluchači jsou v klidu a tady tohle znají.
21:11
SPEAKER_01: Mi to už tak odpustí, ale a to je druhá věc, že ty jsi na začátku ptal, jak se změnil můj pohled na AI.
21:19
SPEAKER_01: Jedna z věcí, která se stala tady v tomto hypu, která třeba se mě hodně nelíbila, je to, že nějakou dobou se nás snažili lidi, jako je třeba sám Outman, přesvědčit, že ten hype cykl už neplatí.
21:34
SPEAKER_01: Takový ten garneří hype cykl, a že tady ne, tady už to jako nefunguje, tady už to půjde jenom strmě nahoru.
21:42
SPEAKER_01: A teď si myslím, že to je to, co se ukázalo za posledních pár měsíců, je, že to tak není a že ten hype cykl pořád funguje, že ten gárner to vymyslel dobře.
21:51
SPEAKER_01: Protože spousta těch EI věcí teďka tak jako jede po té svovce dolů.
22:00
SPEAKER_01: Ale já věřím tomu, že se přehoubnou rychle do té fáze, které se říká pletovit a že budou dobře použitelný.
22:09
SPEAKER_01: Ale ten hypezk prostě platí a podle mě se tohle fakt ukázalo v podstatě s rýsem GPT 5, na tom je to krásně vidět.
22:18
SPEAKER_04: Já tedy asi trošku nesouhlasím, protože si myslím, že on platí ale modifikovaně, a neplatí najednou pro všechny stejně, což nikdy neplatil pro všechny stejně, ale tady vidím, že je obrovský rozdíl v tom, že tím, že najednou se tím tématem zabývají všichni ahromadně, tak pro někoho ta technologie opravdu může být přelomová v tom, že to začne používat, investuje ten čas do toho diskovery, do toho objevování, a najednou vlastně ten Sup produktivity není, nebo sešup vůbec té adopce není tak příkry, takže já si myslím, že on pořád platí, ale ten tvar podle mě vypadá jinak a hlavně platí to pro každýho jinak, to znamená najednou já všechnu příklad.
23:04
SPEAKER_04: Přijde technologie jako je kurzor, což je nástroj pro programátory, třeba jsme adoptovali my v týmu u všech neprogramátorů.
23:15
SPEAKER_04: Takže moje asistentka, Helče, používá kurzor na personalizaci naší komunikace, obohacování dat o klientech, a pak jsou lidé, kteří se na to podívají vůbec jako nenapadne, čemu by to měli využít a vlastně řeknou si, to je pro programátor.
23:32
SPEAKER_04: A to je takový extrémní příklad, kdy cítím, že najednou ty technologie opravdu začínají dělat velký rozdíly v tom, když to někdo začne používat daleko víc, překoná ten svůj odstěh, tu obavu, že se to nenaučí a má ten support i toho týmu, ale pro spoustu lidí pořád používají jednu věc jako GPT, pořád to používají místo Google nebo na jednoduchý tásky a mohli by říct, že vlastně šli dolů s tou produktivitou.
23:58
SPEAKER_04: Takže já si myslím, že se toho děje tolik, že ten, kdo to dělá dobře, tu adopci, tak možná vůbec k tomu jako se-pu, možná ten Sešup byl daleko nižší.
24:09
SPEAKER_01: Já si myslím, že dneska dělá adopci dobře ten většině případů, ksi fakt na začátku dobře stanovil realistický cíle.
24:21
SPEAKER_01: A jde to vůbec?
24:22
SPEAKER_01: Ale jde to vůbec jako s jajkem.
24:24
SPEAKER_01: Já si myslím, že to je, ale je potřeba prostě se od toho udržet nějaký odstup.
24:31
SPEAKER_01: Problém je v tom, že když se třeba podíváš na vývojáře, tak i tam ta situace je taková zvláštní, protože samozřejmě dneska existují tůli jako je kurzor, Vinciv, teďka v poslední době frčí kajrou, který je docela pěkně udělaný.
24:51
SPEAKER_01: Já osobně jsem velký fan těch asistentů typu kloodkoat, nebo třeba OpenCode.
25:01
SPEAKER_01: A to mě přijde lepší, takže tak jak ty máš kurzor, tak já mám Visual Studio s Kloudem, ve kterém dělám dneska už prakticky všechno, z různých důvodů.
25:12
SPEAKER_01: Líp se mi tam pracuje s kontextem a dokážu si to líp personalizovat, nastavit, takže tam je to spíš o tý.
25:19
SPEAKER_01: Pro mě je to jako spíš o tom uživatelském zážitku.
25:22
SPEAKER_01: A kromě toho jsem inženýr, takže mám rád tu komandline, takže nemám rád ty klikací věci.
25:28
SPEAKER_04: Já si zmenšuju úplně, já bych radí dalyč a nechal bych tam jenom ty své agenty otevřený v kurzoru, který jim zadávám tu práci a vůbec nechci vidět ten kóň.
25:40
SPEAKER_01: A taky tam mám ty svoje agenty, ale mě prostě baví se koukat na tu kommandline, protože mám nostalgický vzpomínky na to.
25:48
SPEAKER_01: No, ale jde to jde to.
25:51
SPEAKER_01: Já si myslím, že to je spíš o tom, prostě nesnažit se dělat velký projekty a snažit se prostě fungovat postupně po malých inkrementech, vybrat si kolikrát nějakou totální prkotinu a prostě takhle zkoušet a nesnažit se dělat fakt jako nedělat projekt na půl roku na rok, aby to za rok skončilo nějakým fiaskem.
26:14
SPEAKER_01: Ale ty reporty jsou celkem nemilosrdný, že 95% AI pilotů failuje.
26:22
SPEAKER_01: Ten report od MIT doporučuje přečtení, ten vůbec není špatný.
26:28
SPEAKER_01: Oni tam vysvětlují nějaký důvody, proč.
26:30
SPEAKER_01: A tak, jak já to čtu, tak kromě toho, že ty firmy vlastně nejsou připravený na to, co se děje kolem toho AI.
26:39
SPEAKER_01: To jsou taková ta různá magická slovíčka, vždycky někdo přijde a řekne, nemůžete dělat II, dokud nemáte řešenou data governance, nikdo neví, co to znamená.
26:46
SPEAKER_01: A nikdo to nemá, nikdo nemá vyřešený, protože nikdo neví, co to znamená.
26:51
SPEAKER_01: Ale česky slušně řečeno, je, že člověk musí mít jako trošku pořád v datech, a to jsou třeba ty firmní dokumenty a takovéhle věci.
27:02
SPEAKER_01: Ale takže ten report je jasný, třeba u vývojářů zase teď, že v létě vyšel report od Metru, o kterém asi většina lidí neví.
27:13
SPEAKER_01: Metra je docela zajímavá organizace, která se zabývá právě mimo jiným benchmarkováním AI nástrojů.
27:19
SPEAKER_01: A ten report říká, že proběhla studie na velký open sourceových projektech na Githu na začátku roku, takže to už jsme měli jako spoustu dobrých nástrojů a modelů, to už byl klod, 4, si myslím, a z toho reportu vyplývá, že vývojé, kteří používají AI nástroje, tak si hodnotí sami sebe, že jsou zhruba o 20% produktivnější, a když se pak změří ta jejich produktivita, tak z toho vyjde, že jsou o 19% pomalejší.
27:58
SPEAKER_01: A teď znamená to, že to IA je k ničemu nebo že to špatně, to znamená, že nejde k tomu přistupovat tak jako najivně.
28:08
SPEAKER_01: Že když jsem seniorní vývojář, tak prostě najednou tady mám magickou krabičku, do který pošeptám jako zadání, a ona ho vyřeší stejně dobře, jako by ho vyřešili, a takhle to prostě zatím pořád ještě nefunguje.
28:18
SPEAKER_04: A já jsem mají dobrý pocit si, ale jsou podle mě dva pohledy nebo dvě roviny.
28:25
SPEAKER_04: Ta první je přesně to, co říkáš, to znamená, mám nějaký tým a je vlastně jedno, jestli jsou tu vývojáři nebo jiný ty pracovníků, a můžu mít ambici zvýšit jejich produktivitu o 15 o 20 1.
28:37
SPEAKER_04: Hezky o tom třeba psal Mirik Sedláček z Travortu, který nechal svoje lidi jako vývojáře hodnotit, jak u jednotlivých tásků měli pocit, že jim i i pomohla nebo naopak, že je zpomalila.
28:49
SPEAKER_04: Takže přidám to do materiálu tady k tomu podkástu.
28:53
SPEAKER_04: Na druhé straně tam máme jako nový produkty, nový služby, kde my třeba dneska hodně zavádíme i i do našeho konzultingu a vlastně vidíme, že u některých věcí dokážeme vlastně přinýst klientovi jako daleko lepší službu, s vyšší přijádnou hodnotou, kde prostě ta marže je tisíckrát větší, než by tam běhal tým lidí a všechno dělali ručně.
29:14
SPEAKER_04: A to nemusí být jenom ta marže, ale může to být jako lepší služba.
29:18
SPEAKER_04: Ve vašem případě to, že finanční podat se mi daleko líp zpracuje pohled na to, kam bych měl investovat, což se možná nedá vyčíslit, možná v nějakém NPSku, ale je to podle mě taky důležité dívat se na to zlepšení té služby a komunikace vůbec toho produktu nebo celé firmy.
29:37
SPEAKER_01: To je jako jedna z věcí, kde už dneska si troufnu říct, že to AI velice dobře funguje, je právě to, že třeba komunikační tréninky.
29:46
SPEAKER_01: Protože z povahy toho, jak ta technologie je vlastně vystavěná, tak já si úplně v pohodě troufnu na to si naskriptovat různé persony, různý typy prostě mod, nebo řekněme, profil.
30:01
SPEAKER_01: A můžu trénovat, zvláště řekl bych juniorní kolegy, s pomocí těch modelů.
30:06
SPEAKER_01: Dneska není problém si vytočit avatára, ze kterým si můžu klidně povídat.
30:13
SPEAKER_01: Nemusím si s ním přát.
30:15
SPEAKER_01: A na tohle bych řekl, že to funguje velice dobře, ale zase ten fígl největší je v tom, že já vezmu seniorního zkušeného člověka, který prostě ví, jak s těma zákazník má komunikovat, a on v tandemu s tím IA prostě vytvoří tréninkového avatara.
30:34
SPEAKER_04: Přesně, přesně.
30:36
SPEAKER_04: A ta důležitost těchto lidí, kteří mají to know-how, znají ten biznis a jsou schopní tu knowledge, tu znalost dostat do toho avatara nebo nadizajnovat ten proces ajákem, tak ta bude ještě důležitější.
30:50
SPEAKER_01: A vlastně to není technická, ta vstupní bariéra vlastně není technická, že jo?
30:56
SPEAKER_01: Prostě to používat ty nástroje je relativně jednoduché a pořád se to zjednodušuje.
31:02
SPEAKER_01: Ta dostupnost, ta vstupní bariéra se snižuje, takže je to spíš o tom vědět, na co to použít, rozumět tomu, jak třeba v tomto příkladě vlastně má ta komunikace s tím klientem vypadat a vědět, jak si dokážu a vyzkoušet, že to i funguje dobře.
31:20
SPEAKER_04: A podle mě tam je jedna nová dovednost, kterou se budou muset naučit možná skoro všichni, a to je dokumentace znalostí.
31:29
SPEAKER_04: Ať už to je přesně tenhle příklad.
31:31
SPEAKER_04: To znamená, chci nadizajnovat školení pro nováčky nebo jakoukoliv službu, tak je to to, že když chci, abych si mohl postavit jednoduchý agenta, který pro mě bude zpracovávat report, který mě chodí každý týden, tak musím mít popsat, jak to chci zpracovat a vlastně postavit to nejen jednorázově jako prompt, ale dát tomu nějaký kontext.
31:51
SPEAKER_04: A tam si myslím, že řada lidí selhává, protože, jak jsi říkal, postavit asistenta je tři minuty, ale já pak musím chodit tam zpátky a ladit to, dávat tomu ten feedback.
32:01
SPEAKER_04: A tam podle mě většina lidí, kteří to dějí, tak se lhává, protože na to nemají trpělivost.
32:06
SPEAKER_01: No to je zase.
32:08
SPEAKER_01: To je jedna z těch iluzí toho hypu, ve kterým pořád ještě bohužel jsme, ale já myslím, že se to posouvá k lepšímu, je, že dneska je jako velký trend, že je úplně jedno, jak se toho i ptáš, jak s ním prostě komunikuješ.
32:24
SPEAKER_01: A to podle mě takhle jako není, a ještě to nějakou dobu nebude, takže ano, jedna z věcí, která se změnila s příchodem AI Prompt engineering jako dovednost, si myslím, že je naprosto klíčová věc.
32:39
SPEAKER_01: Protože, když přišly blahé paměti kdysi dávno, to jsme byli ještě ve školce, relační databáze, tak tenkrát jsme nikomu neříkali, všichni musíte umět SQL tady paní prodavčka v obchodě musí taky umět SQL.
32:53
SPEAKER_01: Ale dneska každý, kdo s tím IA chce pracovat, tak prostě by se měl osvojit základy Prompt engineeringu.
33:00
SPEAKER_01: Takže třeba my v partners první takový jako interní školení, se kterým jsme začali právě to, jak se správně ptát, a já jsem se vytýčil takový legrační úkol, jsem si říkal, že já prostě netechnickým lidem vysvětlím, jak fungují velký jazykový modely, a nepoužu přitom ani jeden technický termín.
33:19
SPEAKER_04: Porazil se?
33:20
SPEAKER_01: Já myslím, že jo.
33:22
SPEAKER_01: Zatím ty reakce jsou pozitivní na ty interní školy, takže si myslím, že my jsme na začátku.
33:33
SPEAKER_01: To všichni.
33:34
SPEAKER_01: Ale adopce IA, taková ta spontánní adopce IA, protože my ty lidi vlastně nebrzdíme celá naše strategie v celý skupině je vlastně taková, že my se snažíme spíš těm lidem otvírat ty cesty a nechat je si sami zkoušej, experimentujou.
33:52
SPEAKER_01: Celá naše AI governance je založená na risk managementu, který funguje tak, že my jako povolujeme, nezakazujeme, legalizujem, nezakazujeme.
34:02
SPEAKER_01: Takže když někdo přijde, že potřebuje nějaký.
34:05
SPEAKER_04: A klóda?
34:06
SPEAKER_04: Můžu, když dám, u vás asi pořád do kloda?
34:10
SPEAKER_01: Můš.
34:12
SPEAKER_04: Jinak bych tam nechtěl pracovat.
34:14
SPEAKER_01: To chápu, já taky používám hodně klóda.
34:16
SPEAKER_01: Samozřejmě my ti vysvětlíme, k čemu ho můžeš používat a k čemu ne, protože ten nástroj má nějaký omezení z hlediska datového soukromí.
34:26
SPEAKER_01: Když potom přijdeš a řekneš, že já tady mám dokument, který je plný nějakých poloveřejných dat, tak říkám, tak to musíš nalejít někam jinam a řekneme ti kam.
34:35
SPEAKER_01: A ty ty týmové verze u zrovna Antiku jsou v pohodě, ne?
34:39
SPEAKER_04: Ty týmový, že tam i ta safety dat je poměrně vysoká.
34:44
SPEAKER_01: No tak tu týmov, tu týmovou verzi zrovna nemáme, ale Antropik je dobrý v tom, že Antropik má třeba vyřešenou data residenci.
34:53
SPEAKER_01: A konec konců, že Microsoft se teďka domluvil s Antikem, takže už tam.
35:01
SPEAKER_01: Takže už máme kloda v kopilotový, takže teď už je to celkem fůk, protože ty Enterprise Data Protection ty celkem jako.
35:11
SPEAKER_01: Já nejsem úplně přítelem takového toho šílenství, kolem toho, že někdo griluje Microsoft, jestli vydá nebo nevydá data Američanům, když pan prezident podepíše jako executive order.
35:25
SPEAKER_01: Já si myslím, že jsou daleko větší biznis rizika než tohle, takže se k tomu moc neupínám, takže třeba ten kopiloc tomu ohledu, je v pohodě.
35:39
SPEAKER_04: Já bych se ještě chtěl vrátit tomu pro engineeringu, protože já jsem teď měl akci Dostový aj a říkal jsem, že jsou dvě věci, ve kterých jsem se míl částečně v budoucnosti na práce.
35:51
SPEAKER_04: Ta první je, že jsem myslel, že cena inteligence spadne skoro na nůlu a okazuje se, že to tak není.
35:59
SPEAKER_04: A druhá věc je, že jsem myslel, že ten prompt engineering opravdu s těmi pokročilšími modely nebude zas tak důležitý, ale to byla asi největší chyba budoucnosti nepráce.
36:12
SPEAKER_04: Já jsem neřekl, že není důležitý, ale řekl jsem, že je to prostě dovednost, kterou získáme všichni, ale je potřeba na ní pracovat.
36:19
SPEAKER_04: Proto i když třeba já si nechávám hodně promptu psát o AI, tak stejně musíme to upravovat a není to jenom o tom promptu, ale i o tom kontextu.
36:29
SPEAKER_04: To znamená, jak vytáhnout ze všech těch dat, který máme kolem, ten kontext, aby ten prompt a agent s tím uměl pracovat.
36:38
SPEAKER_04: A to je podle mě dovednost teda není úplně jednoduchá a je to spíš zase otázka mindsetu, abych to dostal do návyku nad tím přemýšlet jinak.
36:47
SPEAKER_01: Je to tak, já si myslím, že takhle prompt inženýr podle mě není profese.
36:54
SPEAKER_01: To je podle mě ten omyl, kde jsme se jako industrii mýlili, a je to dovednost, a ta dovednost je důležitá a bude dál důležitá.
37:06
SPEAKER_01: Nemyslím si, že se dostaneme z řádu jednotek let do stavu, kdy prompt engýring přestane být důležitý.
37:15
SPEAKER_01: My budeme schopni ten prompt engineering částečně před lidma schovat, protože teď se fakt posouváme do doby, kdy budou vznikat víc a víc použitelní aplikace, které budou používat velký jazyký modely a tam samozřejmě ten prompt engineering někdo za mě odedře.
37:33
SPEAKER_01: I ten kontext engineering za mě někdo odedře.
37:36
SPEAKER_01: Takže já už to tolik neuvidím, ale bude pořád důležitý.
37:40
SPEAKER_01: A pořád bude obrovská konkurenční výhoda, i osobní konkurenční výhoda kohokoliv na trhu práce, pokud si aspoň základy toho prompt engineu dokáže osvojit.
37:51
SPEAKER_01: S tím určitě souhlasím.
37:53
SPEAKER_04: Já jsem říkal, já jsem psal, že prompt engineering je první profese, která vznikla a zanikla ve stejném roce, ale vidím i u svých kolegů, kteří jsou fakt dobří v AI, jak je důležité nad tím opravdu přemýšlet jinak a to nejen v kontextu, jak ten prompt designuje, ale i co se může stát součástí promptu.
38:15
SPEAKER_04: Skončíme video, a já vezmu přepis, vytáhnu z toho něco, pak to v druhém promptu předělám, pak to ve třetím promtu poštu jako zadání, a vlastně pracujeme pořád s nějakým kontextem, kde všechno může být součástí promptu.
38:30
SPEAKER_04: A podle mě toto je fascinující, že si lidé vlastně spoustu věcí nemusí vymýšlet, přemýšlet sami, ale spíš jenom orchestruji to, jak se s těmi informacemi pracuje.
38:41
SPEAKER_01: No tak to je koneckon jeden z důvodů, proč já tak strašně rád používám kod, protože tam si dokážu tyhle věci částečně zařídit sám.
38:50
SPEAKER_01: Protože mě to jako pustí k tomu kontext engineeringu, že jo.
38:54
SPEAKER_01: Ten kod na webu nebo to Chat GPT se pořád snaží před námi tyhle věci strašně schovávat.
38:59
SPEAKER_01: Ale hlavně se nekoukejte, co my používáme jako kontext.
39:03
SPEAKER_01: A ty nástroje, jako je kodkout, ty se vlastně všechny posouvají tím směrem, že víc a víc zpřístupňují ten kontext engineeringu, protože když už chceš fakt dělat celkem pokročilý věci, tak se bez toho neobejdeš.
39:21
SPEAKER_04: A teďka podle mě, my se teď bavíme každej o jiným typu práce, ale vidíme to podobně, protože ty to připokládám se díváš na vývoj AIT a to vidím u znalostní práce.
39:34
SPEAKER_04: Já si myslím, že ty dva světy se budou prolínat těma metodikama a přístupem ještě víc.
39:39
SPEAKER_04: To znamená, jenom aby možná posluchači pochopili, tak jednak třeba já to vidím u sebe, že teď si velmi často uspořádávám pár složek k klíčovým projektům, kde ve spolupráci s I chci ty projekty mít daleko líp popsaný, tak aby, když cokoliv vymýšlím, tak aby právě ten agent dokázal pochopit, o co ide, dokázal s tím pracovat.
40:02
SPEAKER_04: Takže já například jenom teďka stavím svýho já avatara kromě videa, tak budu mít na Delfi, takže se s tím můžeš bavit i audio, i video do budoucna.
40:12
SPEAKER_04: A samozřejmě potřebují tam mít nějakou znalost svou knížku, přepisy, přednášek a tak dál.
40:17
SPEAKER_04: A teď všechno mi ten agent v kurzor, tak mi to čistí, dává to dohromady, dává tam i ty ajťské věci, jako readmi file a takový.
40:28
SPEAKER_04: A mě to úplně fascinuje, že je vlastně jedno, jestli pak přijde člověk a zeptá se našeho interního čerbota, anebo jestli tam přijde agent.
40:37
SPEAKER_04: A díky tomu, že to mám teďka poskládaný, trošku jak kdybych byl iťák a programoval, tak to funguje skvěle.
40:44
SPEAKER_04: Dopěme se to vysvětlilo zrozumit.
40:47
SPEAKER_01: Já to určitě neaplikuju jenom na IT nebo jenom na vývoje.
40:51
SPEAKER_01: Já to právě aplikuju úplně na všechno, protože ten styl práce je opravdu velice podobný.
40:56
SPEAKER_01: Minimálně pokud člověk používá nějakého takového IA asistenta, tak ten styl práce je v podstatě totožný.
41:02
SPEAKER_01: To je to kouzlo.
41:04
SPEAKER_01: Ono třeba ten kurzor, nástroj, o kterém jsem mluvil, vlastně dneska používá spousta lidí, kteří fakt vůbec neprogramujou, a používají ho na doslova jako všechno možné.
41:16
SPEAKER_01: Všechno.
41:17
SPEAKER_01: Já konec koncu si tady v těchto nástroj a uspořádávám svoje poznámky taky.
41:23
SPEAKER_01: A vlastně mi to o to víc vyhovuje, protože jsem schopný si to jako přizpůsobit tomu, co já chci.
41:33
SPEAKER_01: Ale je to poměrně sofistikovaná práce.
41:38
SPEAKER_04: Je to sofistikovaný, ale mám pocit, že člověk do toho hrá.
41:41
SPEAKER_04: Já jsem si vzal, když přišel kurzor, tak jsem si vzal jedno člověka na si hodinovou konzultaci, on mi to ukazoval a já pak jsem tam zkoušel víc a víc věcí.
41:52
SPEAKER_04: Šel jsem jenom, abyste věděli, kurzor dělá to, že když mu zadáte nějaký tas, on si ho naplánuje a pak si spoustu věcí programuje.
42:00
SPEAKER_04: On si napíše script, udělá to zreviduje, jest je to okej a jde dál.
42:05
SPEAKER_04: Já jsem tomu dávám pořád víc a víc věcí, i tak jako bizární úkoly, jako třeba, když jsem potřeboval vytáhnout hlas z podcastu jenom svůj, abychom udělali novou verzi mýho AI hlasu.
42:18
SPEAKER_04: No a byla to diskuze a já jsem prostě dal tam ten, dal jsem tam ten asi dvě hodiny zvuk a říkal, jsem potřeboval nějaký skript, který rozpozná, a potom rozstříhá to tak, aby to byl jenom můj souvislý hlas.
42:33
SPEAKER_04: A on chvilku pracoval, našel nějaký nějaký skript na to.
42:37
SPEAKER_04: Teď tam rozpoznal ty hlasy, se stříhal to asi za pět minut se měl jenom svůj hlas nastříhaný.
42:45
SPEAKER_04: A každý takovej příklad mi zas otevírá jako novou inspiraci, co by se všechno s tím dalo dělat.
42:54
SPEAKER_04: A je to podle mě sice tam nevidíš, ten pro mě jako nejajťáka, to, co dělá, ale vlastně cítím, že mu můžu dát čím dál jako zajímavější věci, a on to prostě zvládne.
43:06
SPEAKER_01: No ale tady je ta hranice.
43:07
SPEAKER_01: Ty vlastně, když děláš takovouhle věc, tak jsi schopný vyřešit poměrně komplexní úlohu strašně rychle.
43:15
SPEAKER_01: Ale kdybych ti dal tisíc podcastů a řekl bych ti vytah z nich tisíc hlasů, tak by si velmi pravděpodobně selhal, protože bys při čtvrtém podcastu narazil na to, že skriptý, který ten kurzor generuje, prostě si neporadí se všema možnýma, my tomu říkáme E-kase, prostě se všema možnýma specialitama, které se můžou stát, a už toho ty hlasy prostě nevytáhne.
43:38
SPEAKER_04: No, to si nemyslím, protože já bych udělal to, že já nejdřív mám svůj prompt inženýr prompt, to znamená, že časokrát, když zadám, co chci udělat, on mi udělá ten prompt a často tam zaprve na ty-kase zmyslí.
43:51
SPEAKER_04: A za druhé, moje zkušenost je, že když pak chci třeba, teď jsem dělal to, že jsem potřeboval si vytáhnout texty, nenaformátovaný texty z anglické a z české verze knižky, podle jednotlivých kapitol, on pak udělal s nějakým skriptem jednu kapitolu a pak sám navrhl, že když to porovnával, že to je hodně, že napíše ten skript tak, aby to šlo jako v beči, to znamená, sám navrhl trošku jinak architekturu toho, jak to má napsat.
44:20
SPEAKER_04: Takže já chápu, že u některých příkladů ne, ale mám pocit, že když pak mi to jednou navrhl, tak já už se třeba sám zeptám.
44:26
SPEAKER_04: Není jiný způsob, jak toho můžu docílit?
44:29
SPEAKER_01: No to už je o tom, to už je částečně o tom, že se umíš ptát, než je běžný, ale tohle je reálně právě to, na co naráží ti seniorní divář.
44:39
SPEAKER_01: Ty se strašně rychle, protože když jsi seniorní divář, už jsi fakt jako zkušený, a používáš tyhle nástroje.
44:46
SPEAKER_01: Ty se strašně rychle dostaneš do situace, kdy ten asistent přestane přidávat hodnotu a kdy ty ho začneš přemlouvat, pak se posuneš do fáze, kdy ho začneš prosit, aby udělal to, co ty potřebuješ, a nakonec se jako zjistíš, že tím prošením a přemlouváním si zabil víc času, než kdyby jsi to napsal sám.
45:06
SPEAKER_04: Což mi připomíná, včera jsem viděl na Twitteru takový post, ani do tam dal jak promptuju moje agenty a byl tam screenshot účinky z nějaké delivery služby na jídlo.
45:17
SPEAKER_04: Ani to tam sát prostě obrovským kapitálka tam sál.
45:21
SPEAKER_04: Nedávajte to do průjezdu, hlavně to nedávajte do průjezdu.
45:24
SPEAKER_04: Přečtěte si sakra tyhle tyhle instrukce, určitě to nedávajte to jídlo do průjezdu.
45:29
SPEAKER_04: Ani k tomu napsat, takhle instruju moje agenty.
45:34
SPEAKER_01: No to je to je zrovna tohle, chápu to, naprosto to chápu, asi jsme to všichni zažili, ale zrovna tohle nebude fungovat.
45:44
SPEAKER_01: Oni si ty LLM s těma záporama moc neporadí.
45:48
SPEAKER_04: Ano tak je to, já to tam dávám na začátku, na konci, ale spíš se snažím.
45:53
SPEAKER_04: Samozřejmě, moje práce je trošku jiná, je jasný, že a to je taky podle mě o tom očekávání, že v momentě, kdy děláš systém banky nebo máš nějaký software, který vyvíjíš 20 let, tak to můžeš dělat daleko méně věcí, než když já si pro sebe dělám tady takový jako just in time software, to znamená, rychle něco potřebuju, udělám si to.
46:13
SPEAKER_04: A nebo třeba právě nepotřebuji si vyčistit data, potřebuju si připravit ten kontext, tak to jsou takový jednorázové věci, a stejně tak my to používáme, hodně stavíme hodně automatizací v nejten.
46:28
SPEAKER_04: A tam samozřejmě používáme buď pro skripty, nebo protože nám vlastně pomáhá to navrhovat a je to zase trošku jiný úzkej.
46:37
SPEAKER_01: No jo, ale zase jo, vem si, když vezmeš třeba ten nejdň jako příklad.
46:44
SPEAKER_01: Z mého pohledu je to super věc.
46:46
SPEAKER_01: Upřímně řečeno, mám strašně rád nejden, líbí se mi to.
46:52
SPEAKER_01: Je to vlastně něco, co zase spoustě lidí to IT jako zpřístupňuje, taková jako demistifikace prostě toho IT.
47:03
SPEAKER_01: A pro mě to ani není o AI tuli typu nejnant, protože ty najednou máš možnost si prostě vytvářet i celkem komplexní věci.
47:12
SPEAKER_01: Jenomže, když používáš nejant, tak ty vlastně nepoužíváš to AI tak, jak se nám to snaží vnutit některé služby, že ty prostě máš tu magickou krabici, která říká, já umím všechno, stačí se mě zeptat.
47:25
SPEAKER_01: Ne.
47:26
SPEAKER_01: Ty si tu orchestraci, ten algoritmus tam stejně v tom nejtnu vyklikáš.
47:31
SPEAKER_01: A to II používáš na velice dobře, jasně ohraničené úlohy, které jsou součástí přesně.
47:39
SPEAKER_01: A tohle je dobrá cesta.
47:41
SPEAKER_01: To je to, co jsem já myslel na začátku, když jsem mluvil o tom, že to IA je potřeba používat na úlohy, na které se hodí.
47:48
SPEAKER_01: EI se nehodí na to, abych já tomu dal prostě jako velký problém a řekl mu nějak to vyřešil.
47:56
SPEAKER_01: Ale my jsme si tohle.
47:58
SPEAKER_01: Lidi si tohle strašně dlouho mysleli, ještě si to i kolikrát myslí.
48:02
SPEAKER_01: Ale když já jsem schopný toho analytického myšlení a hezky si to tak jako rozpadnu, udělám si z toho ten vláček, že jo v tom nejtnu a řeknu si, hele, ale tady prostě potřebuju zaalyzovat text dokument, z toho vytáhnout sentiment, tady potřebuju udělat summery, tady potřebuju, já nevím, prostě udělat něco jiného, převeložit to do angličtiny.
48:23
SPEAKER_01: Tak to jsou tři konkrétně ohraničený úlohy, tři různý prompty, tři různé kontexty, tři různý vstupní data a funguje to skvěle.
48:30
SPEAKER_04: Přesně.
48:31
SPEAKER_04: A z toho vyplývají dvě věci.
48:33
SPEAKER_04: Jedna věc je, že se nedá přeskočit to, že ten člověk stejně musí umět promptovat, i když pak staví automatizace.
48:41
SPEAKER_04: Musí mít tu zkušenost.
48:42
SPEAKER_04: A druhá věc, ten velký problém, já jsem si tady napsal, protože spousta lidí si myslí, že i třeba při takové klasické manažerské práci, jako je příprava prezentace, tak na hraju dokument řeknou dějí mi prezentaci a vyplyvne mi to PowerPoint v našem korporátním naší korporátní šabloni a tak dál.
49:01
SPEAKER_04: A to, co já říkám, to je ta dekompozice, to znamená ne nejdřív nahroj dokument a pobav se o tom, jaká by mohla být jako outline té prezentace.
49:09
SPEAKER_04: V druhém kroku, pojďme se pobavit, ale je to krok za krokem a zase většina lidí očekává, no ne většina, nemám čísla, ale řada lidí očekává, že dám tomu problém, dám tomu úkol, a i já to zvládnu od začátku do konce.
49:20
SPEAKER_04: A takhle to prostě nefunguje.
49:22
SPEAKER_01: Nefunguje, ale museli jsme se jako naít ústa, aby jsme si uvědomili, že ten strašně silný marketing kolem těch technologií nám tak trošku jako neříká úplně pravdu, a že si musíme tu analytickou práci, nad tím si pořád musíme odmakat sami.
49:42
SPEAKER_01: A často těm lidem, když třeba školím, tak jim někde říkám, hele, co se AI týká, tak to je ten rozdíl mezi tím, když jste v restauraci a když doma vaříte.
49:54
SPEAKER_01: V restauraci přijdeš a jenom si objednáš a vůbec neřešíš, se tam za těma dveřma děje.
49:59
SPEAKER_01: A tam jako nejsme s AI.
50:02
SPEAKER_01: Když vaříš doma, tak sice jako nepěstuješ tu mrkev a nechováš ty zvířata na to maso, ale to máš nějaký polotovary, ale pořád máš tu kuchařku a jedeš prostě řádek pořád, aspoň.
50:16
SPEAKER_01: A vlastně máš ten jako postup, který někdo musel vymyslet a chystat nebo si ho vymyslíš sám.
50:23
SPEAKER_01: Ale trošku si od toho, jako pořád si od toho ještě už píníš ty ruce, ale ne úplně tak moc.
50:32
SPEAKER_04: Já nemám rád vaření s kuhařkou, protože mám pocit, že vždycky tam je aspoň jedna surovina, kterou nemám doma, nebo nevím nějak, jak se něco dělá.
50:39
SPEAKER_01: No to mo stejně.
50:41
SPEAKER_04: Ale ona je to hezká paralela i do firem, protože věřím tomu, že, jak jsem říkal, je tam čas, je tam software, tak vidím čím dál víc případů, kdy nakupuju službu do firmy, ať už je to konzultační služba, vzdělávací software, a já najednou už nepotřebuju si nechat dorušit to jídlo, protože ta část toho si můžu třeba udělat s těma modelama sám.
51:06
SPEAKER_04: To znamená, buď já si můžu zaplatit firmu, která bude analyzovat komunikaci s klientama, anebo pokud máme prostor a máme něko šikovného týmu, tak to prostě napojí na nějaký model a dokážu to udělat sám a tam já vidím obrovský úspory už u našich klientů.
51:22
SPEAKER_01: Jo, s tím souhlasím.
51:23
SPEAKER_01: Já si myslím, že my dneska žijeme, že my žijeme.
51:28
SPEAKER_01: Já se přikláním k tomu pohledu, že žijeme v dekáde autonomních agentů.
51:34
SPEAKER_01: Kdy se říká, že žijeme v roce autonomních agentů s tím nesouhlasím, ale podle mě žijeme fakt jako v dekáde autonomních agentů a teď jsme v tom roce jedna plus minus, a jsme ve stavu, kdy ten Justin time software, to je to, že asi opravdu jsem schopný si rychle nechat napsat nějaký skript nebo rychle si vytvořím nějakou transformaci nebo nějakou mikroaplikaci něco.
51:57
SPEAKER_01: Tak tohle funguje.
51:58
SPEAKER_01: A funguje to ale proto, protože tam vždycky sedí někdo, kdo si zkontroluje ten výstup.
52:03
SPEAKER_01: A když tam ten někdo je, tak to bude fungovat.
52:07
SPEAKER_01: A to není o tom, že já musím řádek pořádku prostě to jako kontrolovat ručně.
52:12
SPEAKER_01: Já si klidně můžu vytvořit druhou aplikaci, která to zkontroluje se mnou.
52:16
SPEAKER_01: Ale musím u toho sedět a musím u toho přemýšlet, a jsem já.
52:21
SPEAKER_01: Jsem ten, kdo je zodpovědný za ten výsledek.
52:25
SPEAKER_01: Pořád je tam ten human in the loop.
52:28
SPEAKER_01: Ale tohle si myslím, že klidně může bez problémů fungovat.
52:33
SPEAKER_04: A ty jsi teďka řekl něco, co já jsem si zapsal, a co dobu jsem přemýšlel, jak to říct neanglicky.
52:37
SPEAKER_04: Human in the loop.
52:39
SPEAKER_04: A to, co říkám, je, že bude human above the loop, pořád bude důležitý, ale bude čím dál víc designovat to, aby i třeba ten kontrolní mechanismus bylo schopný udělat já.
52:51
SPEAKER_04: To znamená, bude tam určitě někde člověk, ale teď je otázka, jestli bude ten do toho odklikne, anebo jestli on designuje, aby to třeba jiný model zkontroloval, což my třeba teďka hodně řešíme v těch našich automatizacích.
53:02
SPEAKER_01: No, to je disciplína, která dneska samozřejmě už existuje a běží běží kolem toho i hodně výzkumu.
53:12
SPEAKER_01: Je to jedno z témat, kterému já se i věnuju ve spolupráci s nějakýma studentama, který vedu ve svém druhém životě na fakultě.
53:25
SPEAKER_01: Ale zatím tam jsme taky hodně na začátku, protože dneska samozřejmě to, čemu se říká evaluace těch velkých jazykových modelů, což je prostě zase buzzwort, který v podstatě.
53:38
SPEAKER_01: Třeba.
53:39
SPEAKER_01: Musíme ano, ano.
53:41
SPEAKER_04: Jeden ano, je druhý ne.
53:42
SPEAKER_01: Musíme to nějak testovat.
53:44
SPEAKER_01: Tak já jsem spíš ten tábor, který říká jako ty LLM evaluace jsou důležitý, dokonce říkáme, jsou extrémně důležitý.
53:52
SPEAKER_01: Polovina úspěchu každého AI projektu, když pomíneš ty očekávání a tyto věci, které jsou kriticky důležitý, tak první polovina úspěchu je prompt engineering a druhá polovina jsou evaluace.
54:04
SPEAKER_01: A toto je takový zjednušící pohled, ale myslím si, že je do velké míry platný.
54:11
SPEAKER_01: No ale ty evaluace jsou taky na začátku, protože dneska samozřejmě nikdo úplně přesně neví, jak je dělat dobře, a jak je dělat tak, aby opravdu fungovaly a hlavně nikdo neví, jak je dělat automaticky.
54:25
SPEAKER_01: Takže to testování systému, který používají LM, je pořád tak trochu jako, je ta jedna velkoměruční práce, je to trochu magie.
54:34
SPEAKER_04: Je to magie.
54:34
SPEAKER_04: A otázka, jestli to nebude součástí těch modelů ve smyslu, co vlastně dostaneme už jako produkt od těch velkých frontní firm, jako je Antropik OpenAI.
54:48
SPEAKER_01: Ale tak oni tyhle techniky používají.
54:51
SPEAKER_01: Ty modely samozřejmě nějak evaluace prochází, oni velice dobře ví, proč nám neříkají, jaký má.
54:57
SPEAKER_04: Jasně, ale víš, že i v momentě, kdy si to, oni samozřejmě vždycky vzniká.
55:02
SPEAKER_04: Je to tak, že je tady nějaká OpenAI a teďka na tom vznikají nástroje pro vývojáře, nástroje pro koncáky pokročí, nástroje pro koncáky začátečníky.
55:12
SPEAKER_04: Takže jsou už i tuli, kteří tohle dělají, ale pak je otázka, jestli to bude opravdu vrstva nad tím, anebo jestli to i nebude integrovaný až tak, že to třeba v budoucnu možná obůžeme potřeba.
55:24
SPEAKER_01: Myslím si, že to v budoucnu potřeba bude.
55:28
SPEAKER_01: Ale bavíme se fakt jako pořád v horizontech řekněme pěti, maximálně deseti let.
55:33
SPEAKER_01: Daleká budoucnost tři až pět let.
55:35
SPEAKER_01: Daleká budoucnost tři až pět let.
55:37
SPEAKER_01: Ne, ne, to ne, ale.
55:38
SPEAKER_01: Ale já si myslím, že upřímně řečeno, budoucnost patří malým modelům, anno, i malým jazykovým modelům.
55:49
SPEAKER_01: Proto prostě pro ty praktické aplikace ty vlastně nepotřebuješ velký model čemu.
55:57
SPEAKER_01: Což je chytrý.
55:58
SPEAKER_01: No, ale oni ty malý modely jsou taky chytrý.
56:00
SPEAKER_01: Akorát ty malé modely mají extrémně dobře zaměřenou nějakou, říkáme tomu, klidně specializace a jsou daleko efektivnější na provoz, to je velký téma, který ani dneska asi neotevřem, je vůbec udržitelnost provozu těch frontý modelů.
56:20
SPEAKER_01: Proto ten veškerý provoz, který tam běží, je pořád extrémně ztrátový.
56:28
SPEAKER_01: A to jeden z důvodů, proč ta budoucnost patří těm malým modelem, oni i ty malý modely jsou docela velký.
56:34
SPEAKER_04: To je potřeba říct, to už není před pár lety.
56:39
SPEAKER_01: To už není jako fazi logika v robotickém vysavačí, ty model mají pořád jako miliardy parametrů.
56:47
SPEAKER_04: Já možná upřesním, že možná jste vyzkoušeli některý jazykový model, který byl mimo tady ty velký hráče a třeba vám to nedalo úplně uspokující výsledky, protože já když si nainstaluju v Olámě nějaký menší model, tak samozřejmě v letadle s tím nemůžu pracovat jako s klodem, to je jasný.
57:08
SPEAKER_04: Ale přesně jak říkal Ondra, můžou být specifický na konkrétní účel, takže když si třeba půjdete na Hucking Face, anebo to pošlete lidem, kteří jsou vás ve firmě trošku pokročilejší, tak včera jsem se díval tam přes 2 miliony 100 tisíc modelů.
57:23
SPEAKER_04: Takže oni se dají mixovat nějakým způsobem propojovat a tak dát, už je trošku mimo tu moji znalost, ale předpokládám, že pro spoustu firem bude daleko efektivnější, když budou mít pro některé typy aktivity nebo činností specializovaný model, který poběží třeba lokálně a bude dělat tu danou činnost.
57:43
SPEAKER_01: Lokálně jedna věc, ale druhá věc, která je důležitá, možná třeba pro větší firmy trochu víc důležitá, než pro ty malý, je, že to, že vůbec existují tyhle systémy, tyhle modely je práce s rizikem.
58:02
SPEAKER_01: Nevím, jaký mají zkušenosti třeba poslední době s Klodem, ale moje zkušenost je taková, že zhruba jednou za den spadne.
58:08
SPEAKER_01: A zrovna je to v tu chvíli, kdy já s tím potřebu pracovat, a tak se podíváš na to status píč a tam je to jako července.
58:15
SPEAKER_01: Chybím výpočetní výkon.
58:17
SPEAKER_01: Chybím výpočetní výkon, nebo zrovna někde něco opravuj, takže to, že já jsem schopný vzít to LLMko a provozovat si ho u sebe, to LLMko nemá tak dobrý výstup, jako chat GPT nebo Demina, nebo ten klo, je pravda.
58:36
SPEAKER_01: Ale zase, když jsem realistá a mám dobře zadefinované malé úlohy, tak mě vlastně tyhle modely úplně v pohodě stačí.
58:44
SPEAKER_01: A nebo jsem schopný vzít i to úplně já, že zveřejnilo open weight model, a ten vlastně není vůbec špatný.
58:53
SPEAKER_01: A teď se můžete na něho dívat dvoma způsobama.
58:56
SPEAKER_01: Prostě můžeš se na něho dívat tak, že si přečteš tomu ty recenze a tam se dočteš, že to halucinu a že to jako je špatný.
59:04
SPEAKER_01: Ale to je samozřejmě o tom, že to někdo nainstaluje do té olamy, začne si s tím jako povídat úplně stejně, jako by si povídal s tím asistentem, a používá ten model k něčemu, k čemu je extrémně nevhodné.
59:14
SPEAKER_01: Přesně, přesně.
59:16
SPEAKER_01: Upřímně řečeno, jako 80% té chytristiky toho, že GPT vůbec není v tom Lemku, ale je v tom procesý.
59:24
SPEAKER_01: Je to v tom, jak je to zabalený přesně.
59:26
SPEAKER_01: Takže.
59:27
SPEAKER_01: A nebo prostě to vemeš a řekneš si, hele, tak já tady mám ten svůj a mám to sumarizaci, tady mám ten překlad, tady mám ty všechny ty okně, a teď to na to připojím a ono to furt funguje.
59:40
SPEAKER_01: A najednou je to ale jako třeba 100 levnější.
59:43
SPEAKER_04: A hlavně, myslím, že se zdky důležité věci.
59:47
SPEAKER_04: Já zásadně nehodnotím žádnou aplikaci podle toho, jak se o ní píše.
59:51
SPEAKER_04: Ale opravdu potřebuju to vyzkoušet, potřebujeme to nasadit do nějakého systému a pak vidíme.
59:57
SPEAKER_04: Ale možná ještě jedna důležitá věc.
59:59
SPEAKER_04: My.
1:00:00
SPEAKER_04: Jsme v takových technických tématech, ale když se posunem o levil výš.
1:00:04
SPEAKER_04: V momentě, kdy ve firmě nejsou lidi, kteří tomu rozumí, nezajímá je to a nemají tady tu znalost, tak ta firma má problém, protože pak přesně už to není jenom o té produktivitě, už je to o nějaký řízení rizik.
1:00:19
SPEAKER_04: Když se stýkáš s lidmi třeba z jiných firm, ať už na té roli CTJ, jak jsi ty, nebo na dalších rolích, tak cítíš, že jsou tam rozdíly v těch znalostech a v tom, jak k tomu přistupují firmy.
1:00:30
SPEAKER_04: A co by možná ze strategického pohledu, měly dělat firmy, menší střední větší k tomu, aby tady ty věci dokázaly správně a bezpečně zavíst.
1:00:41
SPEAKER_04: To je velká otázka.
1:00:42
SPEAKER_01: To je velká otázka.
1:00:44
SPEAKER_01: Že bych to nějak zjednodušil.
1:00:47
SPEAKER_01: Se vrátím k tomu hype cyklu, ale jen trochu.
1:00:51
SPEAKER_01: A to, co se podle mě ukázalo právě třeba řekněme, v posledním zhruba roce, je, že ty generativní technologie, LLM, ty věci, které teď prostě jsou v kurzu a frčí, tak jsou vlastně pořád ty stejný technologie minimálně v jednom smyslu a sice v tom, že člověk tomu musí rozumět.
1:01:12
SPEAKER_01: A já si myslím, že každá firma, která opravdu chce tyto technologie používat jako konkurenční výhodu.
1:01:19
SPEAKER_01: Pro mě IT firma je firma, která skrz IT vytváří konkurenční výhodu.
1:01:25
SPEAKER_01: Může jí vytvářet skrz něco jiného, dalšího, jasně, ale prostě to je to, co IT firma dělá IT firmou.
1:01:31
SPEAKER_01: A tak potřebuje mít někoho, kost se tím AI zabývá v tom smyslu, že se snaží rozumět, kde jsou hranice těch technologií.
1:01:41
SPEAKER_01: A tohle spousta lidí dělá, a to jsou podle mě ty firmy, které v tom budou úspěšný.
1:01:48
SPEAKER_01: A je to úplně jedno, jestli člověk tomu AI dokonale technicky rozumí, nebo jestli je jenom nadšený a snaží se to brát třeba víc lásky.
1:01:58
SPEAKER_01: Je to o tom mindsetu, je to o tom, že já prostě chci rozumět tomu, čemu ty technologie jsou dobrý a čemu už ne.
1:02:05
SPEAKER_01: A tohle je podle mě ten jeden z těch nejdůležitějších znaků toho, jestli ty firmy v tom budou úspěšný nebo nebudou.
1:02:14
SPEAKER_01: A ten rozdíl, na který se ptáš, a právě vidím v tom, jestli v té firmě je někdo takový nebo není, a jestli ta firma chce těm technologiím takhle rozumět nebo nechce.
1:02:26
SPEAKER_04: Souhlasím.
1:02:30
SPEAKER_04: Je to strašně zajímavý téma.
1:02:31
SPEAKER_04: Nám se teď stala taková situace, že my děláme ve firmách analýzu i příležitostí.
1:02:36
SPEAKER_04: Máme vlastně agenta, který se pobaví s lidmi, zatím čet, ale vlastně už jako brzo budeme mít voice, takže pokud se vám o té jich práci dokáže doptává se a pak vyhodnotíme, kde jsou zajímavé příležitosti.
1:02:48
SPEAKER_04: A my jsme teďka ve jedné firmě identifikovali pár lidí, kteří měli obrovský potenciál, aby se stali ambasadorama, aby jsme ještě posunuli z té práci a když jsme se o tom bavili, tak jeden ten člověk tam byl úplně skvělý.
1:03:00
SPEAKER_04: A my jsme pak zjistili zpětně, že on pak těch pár týdnech dal výpověď v té firmě, protože vlastně cítil, že tam se s tím i jakem nemůže realizovat.
1:03:10
SPEAKER_04: A vlastně pro mě to byl obrovský redflex a říkali si tak stop, prostě když tady máme identifikovaný ty lidi.
1:03:16
SPEAKER_04: My se velmi vážně musíme bavit o tom, jak si je udržet a co můžeme udělat proto, aby oni ne, že si budou po večer hrát někde jinde, ale aby ty věci mohly dělat interně.
1:03:27
SPEAKER_04: A někdy to je manažer, někdy je to opravdu nějaký individuál kontributor, to znamená člověk tedy dělá na projektu, ale je to podle mě klíčová otázka, jak si udržet, jak nalákat ty lidi a jak to možná dostat i do managementu, protože já cítím, že to moc často není úplně, že by tam někdo byl hodně nadšený a to je přítom rozdílová věc.
1:03:50
SPEAKER_04: Jak je to u vás, partners?
1:03:52
SPEAKER_01: U nás je to hodně spontánní, to znamená, my jako nevytváříme žádný tlak, že bychom někoho jako nutili používat i AI nebo nepoužívat iA.
1:04:05
SPEAKER_01: U nás je to fakt hodně spontánní, ať už mezi těmi poradcema nebo mezi našimi interníma týmama.
1:04:13
SPEAKER_01: Takže každý se k tomu staví jinak, ale ono jak je to spontánní, tak je to zajímavější, protože se to opravdu děje.
1:04:20
SPEAKER_01: Takže mě třeba strašně baví naše kolcentrum, protože tam vlastně si tu adopci a ty use, ty projekty tlačí přímo to colcentrum.
1:04:32
SPEAKER_01: Nikdo za ním nechodí a nutí je dělat AI.
1:04:36
SPEAKER_01: Oni spíš chodí za náma a říkají, co bychom ještě tak jako mohli s tím.
1:04:42
SPEAKER_01: A to je skvělý.
1:04:43
SPEAKER_01: A to jsou vlastně, a to vlastně nejsou i táci.
1:04:46
SPEAKER_04: A o tom to je.
1:04:47
SPEAKER_04: Já říkám, že adopce A je celofiremní iniciativa, a není to IT projekt.
1:04:53
SPEAKER_04: Musí to jít z těch jednotlivých týmů oddělení a každý musí si přijít na to, jak AI ovlivní ten to daný oddělení a vlastně tu cestu si, tu cestou si projít sami.
1:05:06
SPEAKER_04: A vy jako IT jim to můžete zjednodušit tím, že jim dáte správný nástroje, nebo jim to můžete trošku komplikovat, což je velký problém podle mě ve firmách.
1:05:16
SPEAKER_04: Kdy jim nedáte správný nástroje, tím je to ještě rizikovější, protože pak ti lidi používají, co chtějí.
1:05:22
SPEAKER_04: A vidíš taky tu roli IT jako spíš umožňovat, že dám lidem tuli, zajistím, aby to fungovalo bezpečně, ale už to nechám na těch jednotlivých odděleních?
1:05:32
SPEAKER_01: No, já si myslím, že my jsme to zkusím k něčemu přerovnat.
1:05:38
SPEAKER_01: Já myslím, že my jsme v Čechách zažili tak jako plus minus, 10 let zpátky hodně takový jako posun Paradigm shift v HR, kdy najednou se v HR začali objevovat role jako je HR business partner a takový různý podozřelý lidi.
1:06:00
SPEAKER_01: Zdravíme všechny HR business partner.
1:06:03
SPEAKER_01: Zdravíme HR business partner.
1:06:05
SPEAKER_01: Já jsem s ním s pár HR business partnerama ve své kariéře pracoval a bylo to naprosto úžasná spolupráce.
1:06:16
SPEAKER_01: Proto ten busin partner je vlastně najednou o tom, že on se na tebe kouká jako na parťáka, nebo možná dokonce na zákazníka.
1:06:24
SPEAKER_01: A najednou je tam od toho, aby tobě pomohl dosáhnout těch cílů, který máš.
1:06:31
SPEAKER_01: Ať už to je cokoliv.
1:06:34
SPEAKER_01: A to samý se teď musí stát v IT.
1:06:36
SPEAKER_01: Takže já se vlastně těším.
1:06:38
SPEAKER_01: Já si fakt nepotrpím na buzvory a nemám to rád, ale já se těším na dobu, až budou ve firmách jako IT busin partneri.
1:06:46
SPEAKER_01: A nebo i biznis partners.
1:06:48
SPEAKER_01: Abo II business partneri, odhle, to je jedno, jak tím lidem budeme říkat.
1:06:52
SPEAKER_01: To důležité je, že mě dneska, jako spousty iťáků, pořád chybí ten mindset, že oni jsou tam od toho, aby podporovali biznis.
1:07:01
SPEAKER_04: A brali ho fakt jako interního zákazní.
1:07:04
SPEAKER_01: A brali to opravdu tak, že oni jsou součástí toho biznesu, že nejsou prostě oprašovačí domén a vyměňovači notebooků a zřizovačí uživatelských účtů.
1:07:16
SPEAKER_01: A já nevím, co všechno to i ještě dělá, ale že jejich hlavní a primární úkol je podporovat biznis a na ty ostatní věci je buď II nebo outsourcing nebo obojí.
1:07:31
SPEAKER_01: A tohle je podle mě jedna z věcí, která právě brzdí i tu adopci, že těm aťákům tenhle přístup naprosto fatálně chybí.
1:07:43
SPEAKER_01: A musím říct mě třeba jako iťáka neuvěřitelně štvé vnitřně, když potom občas potkávám aťáky, kteří dokonce nejenom, že jim ten přístup chybí, ale oni si z toho ještě dělají jako životní style.
1:07:58
SPEAKER_01: Jakože já ten přístup nemám a nemám ho schválně.
1:08:02
SPEAKER_04: Jo, jasně.
1:08:04
SPEAKER_04: Jo, což já to vidím tak a nejenom teda u aťáků.
1:08:09
SPEAKER_04: Klasický příklad je, jsou grafici, kteří si pak dají srandu, je takový web, nejhorší klient na světě nebo něco takového, de grafici jako sdílí požadavky klientů na grafické věci.
1:08:21
SPEAKER_04: Ale ještě jedna důležitá věc, kterou já osobně vnímám a už jsem se toho trošku dotkl, a to je to umožní lidem používat dobrý nástroje.
1:08:31
SPEAKER_04: Já osobně se trošku obávám toho, že budou narůstat rozdíly ve firmách nejenom v kompetencích, ale právě i v těch nástrojích.
1:08:40
SPEAKER_04: Protože když porovnám některý nástroje, tak to už není rozdíl, jestli mám ONN a Evernout nebo už, kde je to dejme tomu 20-30%, se těším se na diskuzi teď.
1:08:53
SPEAKER_04: Ale najednou ty rozdíly můžou být možná několikanásobný.
1:08:58
SPEAKER_04: Díváte se i na to u vás, v partners, jak ať už pro IT nebo pro biznes, jak vlastně být schopen, třeba i relativně flexibilně přepínat model, přepínat nástroj, tak abyste pořád používali to nejlepší.
1:09:14
SPEAKER_04: Protože větší firmy podle mě s tím nebudou mít problém.
1:09:17
SPEAKER_04: Tam se udělá jedna věc a pak dva, tři roky jako nic.
1:09:22
SPEAKER_01: Takže samozřejmě se na to díváme, a někde se to daří líp, a někde se to daří hůř a někde vůbec.
1:09:30
SPEAKER_01: A teď je spíš otázka, co tomu brání.
1:09:34
SPEAKER_01: Jedna z věcí, kterou prostě musí ta větší firma řešit nebo kterou řeší, nebo kterou řešíme v určitých odvětvích, jsou třeba regulace, compliance a tyhle věci.
1:09:48
SPEAKER_01: Vlastně ne každý tol, ne každá apka má tyhle věci vyřešené a když jsi jako malá garážovka, tak je ti to jedno.
1:09:56
SPEAKER_01: Tak je ty to do jistý míry jedno, nebo do jisté míry si říkáš, budu to řešit, až to nastane.
1:10:02
SPEAKER_01: Ale když už jsi v nějaké velikosti, tak si prostě tenhle přístup nemůžeš dovolit.
1:10:07
SPEAKER_01: To je první věc.
1:10:08
SPEAKER_01: A druhá věc samozřejmě je, že čím víc lidí potřebuješ dostat na palubu, tím je to složitější.
1:10:13
SPEAKER_01: Nemůžeš prostě vzít dva a půl tisíce lidí a každý šest měsíců je přeškolovat na něco nového.
1:10:23
SPEAKER_01: To oni taky občas musí pracovat.
1:10:26
SPEAKER_01: Takže já se spíš těším na to, nebo já si myslím, že ta správná cesta je snažit se před těma lidma tytuli co nejvíc schovovat.
1:10:36
SPEAKER_01: To je jedna z věcí, které já vidím velký potenciál těch současných technologií je v tom, že se.
1:10:42
SPEAKER_01: Zoembovaný a nejsou.
1:10:43
SPEAKER_01: Přesně, že zmizí uživatelský rozhraní.
1:10:46
SPEAKER_01: Ono, já nechci, já třeba pro sebe nechci, aby zmizelo.
1:10:50
SPEAKER_01: Já ho chci, ale já ho si pro sebe.
1:10:53
SPEAKER_01: Ale nevidím důvod, proč bych měl dávat někomu, kdo je prostě uživatel a kdo se soustředí na svou práci šílený na biznisový reporty, ve kterém je prostě 50 hýbátek.
1:11:09
SPEAKER_01: Když on stejně ve skutečnosti 80% případů, potřebuje jeden konkrétní report.
1:11:15
SPEAKER_01: A tak ho nechám, ať si s tím systémem radši povídá, nebo mu to výrazně zjednoduši.
1:11:22
SPEAKER_04: A to je podle mě klíčová věc: rozdělit to na ty tvůrce, protože budeš mít finanční poradce, kteří budou si chtít hrát a budou možná pro toho klienta chtít udělat jako personalizovaný dashboard, a budeš mít někoho, koho to nezajímá, ten bude chtít jednu věc pro všechny klienty.
1:11:38
SPEAKER_04: A podle mě to tak je i ve firma, že máš lidi, kteří chtějí tvořit a ty musíš dát, nebo měl by si jim chtít dát jako ten nejlepší nástroj v rámci možností.
1:11:47
SPEAKER_04: A pak máš lidí, kteří vlastně stačí, aby uměli základá a budou stejně využívat potenciály.
1:11:53
SPEAKER_01: Je to tak, to je asi dobrý point, že těm tvůrcům, ti tvorci jsou vlastně ti, kteří by ten tuoling měli mít co nejbohatší, a před těma ostatním, abychom měli začít ty systémy trošku více schovávat.
1:12:08
SPEAKER_01: O konec koncu, kolik lidí, kteří dneska má auto, tak ví, jak funguje spalovací motor, nebo jak funguje elektromotor, v elektrickém autě, nebo ta baterka neví.
1:12:18
SPEAKER_04: To už nejde vyměnit žárovka.
1:12:19
SPEAKER_01: Žárovka už vyměně nejde, ale můžeš dolejvat vodu do ostříkovačů, a to už je taky kolikrát docela velký úkol.
1:12:26
SPEAKER_04: Naopak ještě pro mě to mě ještě napadla jedna věc, a to je často řešíme napojení na firemní systémy, ale spousta věcí nemusí být napojená na firemní systémy.
1:12:38
SPEAKER_04: Když váš marketing si chce jednorázově analyzovat data z nějaké kampaně, tak teoreticky já to nepotřebuji mít 24 hodin napojené na vaše CRM.
1:12:47
SPEAKER_04: Já můžu si vyexportovat data, udělat si nějakou operaci a pak se vrátit zpátky.
1:12:52
SPEAKER_04: Takže někdy je dobrý nepřemýšlit jenom, jako systémově, jak to všechno mít na jednom místě, propojený, napojený, protože pak je to vždycky strašně komplexní, ale jak ty lidi edukovat, dát jim kvalitní nástroj, zabezpečit, aby to bylo safe a nechat je tvořit.
1:13:08
SPEAKER_01: No, to je to, že někdy je prostě hod lepší, vyxportovat to CSV a dělat nad tím nějakou analýzu, než jako půl roku prointegrovávat čtyři systémy dohromady.
1:13:22
SPEAKER_01: To, co hraje tady proti nám, tady v tom schovávání toho Jua tady v těch CSV a podobných věcech, je to, že ty EI systémy pořád potřebují grounding, pořád pracujeme, nebo pořád ta hrozba a ten fenomén halucinací je pořád jako přítomén.
1:13:42
SPEAKER_01: Ty halucinace nikam nezmizely.
1:13:44
SPEAKER_01: Dokonce u těch velkých jazykových modelů ani nikam nezmizí, tady s náma budou pořád.
1:13:49
SPEAKER_01: Jsou způsoby, jak ty halucinace částečně eliminovat, ale jenom částečně.
1:13:55
SPEAKER_01: Takže ten problém je v tom, že v okamžiku, kdy já prostě pracuju s nějakým systémem, koukám se do nějakých dat, tak já bohužel vždyckuju vidět, odkud ty data pochází, abych si dokázal třeba aspoň naátkou zkontrolovat, že ten systém si to nevymyslel.
1:14:13
SPEAKER_01: A to je vlastně to, co způsobuje, že já se vlastně trošku musím koukat do těch střech toho systému a nemůže to být přede mnou všechno krásně schovný.
1:14:24
SPEAKER_04: Super.
1:14:25
SPEAKER_04: Poslední otázka.
1:14:27
SPEAKER_04: Ty jsi aktivní na škole, tady v středovském silicon valí v Brně.
1:14:34
SPEAKER_04: Co studenti, jak se dívají na AI?
1:14:39
SPEAKER_04: Mohl bys nám třeba říct buď, jak tomu přistupují nebo jaký diskuze s něma máš.
1:14:46
SPEAKER_04: Protože to je samozřejmě naše budoucnost, ale bude to budoucnost i ve firmách.
1:14:51
SPEAKER_04: Už dneska nemáme lidi, kteří se narodí roce 20, tak už mají 25.
1:14:56
SPEAKER_01: Takže studenti mají tyhle věci velký zájem.
1:15:02
SPEAKER_01: To určitě je.
1:15:03
SPEAKER_01: To, co jim chybí, je, řekl bych vzdělání.
1:15:10
SPEAKER_01: Ale myslím to tak, že my prostě máme obrovský deficit jako země v tom, kdy a jak vůbec vzděláváme, studenty o EA.
1:15:25
SPEAKER_01: Já doufám, že tohle je něco, co se podaří změnit.
1:15:29
SPEAKER_01: Jedna z věcí, kterou bych rád posunul, a ke které bych chtěl přispět, je bude víc aplikovaných předmětů, třeba právě na fakultě informatiky.
1:15:45
SPEAKER_01: U od začátku, od prvního ročníku, kde se budeme bavit o AI, ale samozřejmě na té škole nejde o to, aby jsme těm studentům ukazovali, jak mají něco používat.
1:15:55
SPEAKER_01: Tam jde o to, že jim musíme vysvětlovat, jak ty věci fungují.
1:15:59
SPEAKER_01: A vlastně právě vychovávat lidi, kteří chápu, kde jsou ty hranice těch technologií.
1:16:04
SPEAKER_01: Jaké jsou limity, jaké jsou možnosti, jak se to správně testuje, jak se to správně aplikuje, jak se to správně promptuje, aby pak bylo na trhu víc lidí, kteří prostě tuhle znalost, tyhle schopnosti přirozeně mají.
1:16:19
SPEAKER_01: To vnímání těch hranic.
1:16:21
SPEAKER_01: A s tím samozřejmě souvisí i to, že oni ty hranice se pomalu posouvají, tak já musím být schopný vnímat i ten posun.
1:16:28
SPEAKER_01: To, co jsem si netroufl dělat před třema rokama, si už dneska troufnu, protože dneska už ty modely jsou těch 5% lepší a těch 5% je ten tipping point, který mě umožní implementovat nějaký další věci, které prostě předtím nešly.
1:16:45
SPEAKER_04: Super.
1:16:46
SPEAKER_04: Mně tady ještě napadlo, že pokud jste se třeba ztrácili u některých technických pojmů, tak já nechám já ji zpracovat slovníček z toho našeho rozhovoru.
1:16:54
SPEAKER_04: A podle mě to je zase pohled na to, jak je rozdíl mezi někým, kdo má mindset, kdo se chce rozvíjet, kdo bude připravený a to někdo, kdo si pak udělá ten čas a třeba projde si to a bude se chtít z tom posunout, když někdo něco slyší, jako je evaluace a další.
1:17:14
SPEAKER_04: A nechce tomu porozumět, protože tady ty slovíčka budou čím dál častější součástí našich diskuzí, ať už z IT nebo z biznesu.
1:17:24
SPEAKER_04: Takže pokud nás posloucháte, jako manažeři, inovátoři lidi ve firmách, kteří předpoklám, že i chtějí pochopit a využívat, tak si udělěte čas, projděte si to a pokud vám cokoliv nebylo jasný, tak dejte vědět.
1:17:38
SPEAKER_04: A jinak, Ondro, díky moc.
1:17:39
SPEAKER_04: Určitě Ondru sledujte na Linkedinu, protože tam dáváš zajímavý věci.
1:17:43
SPEAKER_04: Někdy sdílíš i prompty, aniž by někdo musel napsat slovo prompt do komentáře.
1:17:48
SPEAKER_04: Což jsem teďka na tebe vzpomněl, když jsem to udělal a měl jsem tři tisíce komentářů a pak mě LinkedIn mám zablok, ale když jsem si nastavil automatizaci, abych to těm lidem poslal.
1:17:58
SPEAKER_04: Ale sledujte určitě Ondru tak Oru díky moc za to, že jsi přišel a doufám, že se uvidíme dřív než tak dlouhé době.
1:18:05
SPEAKER_01: Děkuji, kdo se těšil příště.