Latest / M365.FM – podcast o Microsoft 365, Copilot i AI po polsku / Microsoft Designer: jak AI oszczędza Ci co tydzień godziny na układzie, kolorach marki i pracy zespołowej (Dubbing AI)

Transcript

Microsoft Designer: jak AI oszczędza Ci co tydzień godziny na układzie, kolorach marki i pracy zespołowej (Dubbing AI) · M365.FM – podcast o Microsoft 365, Copilot i AI po polsku

• 0:00
  Gotowi na 10 dni z Microsoft 365, Kopilotem iAzure i ludźmi, którzy kształtują przyszłość pracy?
• 0:07
  W styczniu M365Con powraca i tym razem z jeszcze większym rozmachem.
• 0:12
  Dołącz do nas, by wziąć udział w sesjach na żywo, praktycznych pokazach i zdobyć wiedzę od MVP oraz ekspertów z całego świata.
• 0:18
  Koniec z ogólnikowymi prezentacjami. Koniec z niekończącym się żargonem.
• 0:22
  Zajmujemy się prawdziwymi wyzwaniami Kopilot Studio agentami i Fabric, bezpieczeństwem, ładem korporacyjnym i automatyzacją.
• 0:29
  Niezależnie od tego, czy jesteś informatykiem, programistą czy liderem biznesowym, mamy sesje zaprojektowane dla Ciebie.
• 0:35
  Podczas 10 pełnych dni możesz odkrywać liczne technologie i nawiązać kontakty z globalną społecznością.
• 0:40
  Oglądaj na żywo i zabierz praktyczne wskazówki do swojej organizacji.
• 0:44
  Styczeń 2027 roku, 10 dni, jedna społeczność Microsoft. Rejestracja jest już otwarta.
• 0:51
  Zarezerwuj swoje miejsce już dziś.
• 0:55
  Adres to m365.con.net
• 0:57
  Dołącz teraz na m365.con.net.
• 1:03
  Widzimy się na żywo w styczniu.
• 1:05
  Pamiętasz godziny spędzone na idealnym układaniu slajdów Powerpoint tylko po to, by ktoś zmienił kolory marki?
• 1:10
  Co jeśli powiem Ci, że teraz Microsoft Designer może zrobić to w kilka sekund bez konieczności dotykania myszki?
• 1:15
  Ale to nie wszystko narzędzie, nie tylko działa szybciej, ale uczy się Twojego stylu podczas pracy.
• 1:20
  Dziś pokażę Ci, jak może to oznaczać koniec żmudnego tworzenia materiałów i dlaczego na zawsze zmieni sposób pracy Twojego zespołu marketingowego.
• 1:27
  Pytanie brzmi, czy jesteś gotowy powierzyć sztucznej inteligencji tożsamość swojej marki?
• 1:31
  Odręcznych poprawek do inteligencji maszynowej.
• 1:34
  Jeśli kiedykolwiek pracowałeś nad ulotką marketingową lub prezentacją sprzedażową, wiesz jak szybko kilka zmian może pochłonąć całe popołudnie.
• 1:41
  Dostosowywanie pola tekstowego o pół milimetra, by wyrównać je do zdjęcia, wymiana grafiki, bo komuś z kierownictwa się nie podoba, upewnijanie się, że nagłówek ma właściwą czcionkę korporacyjną, nie mniej więcej, ale dokładnie.
• 1:53
  A to wszystko zanim zacznie się prawdziwa zabawa.
• 1:56
  Ktoś inny otwiera plik, wprowadza własne zmiany, a Ty musisz porównywać wersję, żeby sprawdzić, co jest ostateczne.
• 2:01
  To nie tylko żmudne, to powolne marnowanie godzin, które mógłbyś poświęcić na kreatywną pracę.
• 2:06
  Często najwięcej czasu zajmują nieduże, oczywiste poprawki, ale niekończące się drobne pętle opinii, przesunięcie logo o centymetr, dopasowanie odcienia niebieskiego do zatwierdzonej palety, sprawdzanie, czy wypunktowania używają właściwej grubości firmowej czcionki.
• 2:21
  To śmierć od tysiąca drobnych cięć, a w projektach grupowych te zmiany się mnożą.
• 2:26
  Nic nadzwyczajnego, że trzeba poprawiać projekt 10 czy 12 razy, żeby efekt końcowy był zgodny z marką.
• 2:31
  I tu właśnie, a i wbudowane w Microsoft, designer zmienia zasady gry.
• 2:36
  Gdy przeszkolisz go w zakresie swojego zestawu marki, kolorów, czcionek, logo i stylu grafik, zaczyna automatycznie stosować te wybory.
• 2:43
  Wrzucasz zestaw tekstów i obrazów, a on tworzy układy, które wiedzą, że Twój nagłówek ma 32 punkty, przyciski mają granatowy kod heksadecymalny, a zdjęcia ciepły profil kolorystyczny.
• 2:53
  Zamiast ręcznie sprawdzać każdy element projektu, zaczynasz od czegoś, co jest już spójne.
• 2:58
  Pomyśl o różnicy na konkretnym przykładzie.
• 3:02
  W starym świecie stworzenie ulotki promującej produkt oznaczało rozpoczęcie od pustego pliku PowerPoint lub InDesign,
• 3:08
  a następnie ręczne dodawanie stylów, wyrównywanie bloków tekstu i zamianę kolorów zastępczych.
• 3:14
  W designerze wpisujesz na główek tekst pomocniczy i obraz produktu,
• 3:17
  a w ciągu sekund sztuczna inteligencja tworzy 5 lub 6 gotowych szkiców, każdy zgodny z Twoimi zasadami marki.
• 3:22
  Możesz nadal dostosowywać kolejność elementów, ale struktura jest już ustalona.
• 3:27
  Jedna z menedżerek marketingu, z którą niedawno rozmawiałem, była zasypana pracą nad kampanią sezonową.
• 3:33
  Przed użyciem designera spędzała około 6 godzin na cykl projektowy, głównie na zadaniach porządkowych w układach.
• 3:40
  Gdy przeszli na nowe rozwiązanie, skróciła to samo zadanie do nieco ponad godziny, nie poświęcając przy tym stylu ani jakości.
• 3:47
  To pełny dzień pracy, zaoszczędzony każdego tygodnia dzięki wyeliminowaniu powtarzalnej pracy formatowania.
• 3:52
  Programy pilotażowe wykazały podobne rezultaty.
• 3:55
  Zespoły korzystające z designera do rutynowej produkcji materiałów odnotowały mierzalny wzrost wydajności,
• 4:01
  więcej kampanii dostarczonych na czas, mniej spóźnionych próśb, odrobne zmiany i wyraźny spadek liczby poprawek na projekt.
• 4:08
  Co ciekawe, kreatywność wcale nie spadła.
• 4:10
  W rzeczywistości, przy mniejszej ilości energii poświęconej na dopasowanie techniczne,
• 4:15
  projektanci i marketerzy zgłaszali więcej przestrzeni na burzę mózgów i rozwój koncepcji.
• 4:19
  Jednym z powodów, dla których tak się dzieje, jest sposób, w jaki designer oferuje sugestie układów.
• 4:24
  Zamiast serwować ci statyczny szablon, do którego musisz się dostosować,
• 4:28
  jego AI analizuje dostarczone treści i proponuje hierarchie wizualne, które jego zdaniem zadziałają.
• 4:33
  Oznacza to, że reagujesz na przyzwoity pierwszy szkic, zamiast męczyć się stworzeniem go od zera.
• 4:38
  To wystarczająca wskazówka, by zwalczyć zmęczenie twórcze,
• 4:40
  ale to ty nadal decydujesz o tym, co zostanie opublikowane.
• 4:43
  W tle pojawia się jednak ciche pytanie.
• 4:45
  Skąd designer wie, jaki jest twój styl?
• 4:47
  Odpowiedź brzmi, można go nakarmić zdefiniowanym zestawem marki przez Microsoft 365,
• 4:53
  a z czasem uczy się on na podstawie zatwierdzanych lub odrzucanych poprawek.
• 4:57
  Jeśli konsekwentnie zamieniasz ogólne zdjęcie sztokowe na coś o specyficznym wyglądzie,
• 5:01
  zaczyna on priorytetyzować ten styl w przyszłych sugestiach.
• 5:04
  Twój zespół uczy go, nawet jeśli nie trenujesz modelu w sposób bezpośredni.
• 5:08
  Ostatecznie to jest prawdziwa historia.
• 5:10
  Nie chodzi tu o zastąpienie ludzkiego gustu czy osądu.
• 5:13
  Chodzi o wyeliminowanie tej części pracy projektowej,
• 5:16
  która przypomina wprowadzanie danych,
• 5:18
  zamiast podejmowania decyzji, kreatywnych skoków i chwil,
• 5:21
  w których wiemy, co trafi do odbiorców.
• 5:23
  Te nadal zależą od ludzi.
• 5:25
  Designer dba po prostu o to, by piksele były na swoim miejscu,
• 5:27
  więc nie musisz tracić na to energii.
• 5:29
  A zautomatyzowana oprawa wizualna to dopiero początek.
• 5:32
  Istotniejsza zmiana następuje,
• 5:34
  gdy ta sama inteligencja zaczyna bezpośrednio wpływać
• 5:37
  na sposób współpracy zespołów.
• 5:39
  Współpraca bez chaosu.
• 5:40
  Jeśli kiedykolwiek pracowałeś nad współdzielonym plikiem projektowym,
• 5:43
  znasz ten moment, w którym kontrola wersji całkowicie się załamuje.
• 5:47
  Ktoś pobiera starą kopię z pulpitu,
• 5:48
  wprowadza zmiany, zapisuje ją jako ostateczna podkreślenie 2,
• 5:52
  a ty porównujesz ją z plikiem w folderze SharePoint
• 5:54
  o nazwie ostateczna podkreślenie użyj podkreślenie tej.
• 5:57
  Pomnóż to przez trzy osoby pracujące równolegle,
• 5:59
  a powstanie bałagan.
• 6:00
  To nie brak wysiłku,
• 6:02
  to narzędzia, które wymuszają pracę w sposób oderwany od tego,
• 6:05
  jak faktycznie wygląda współpraca.
• 6:06
  Rzeczywistość jest taka,
• 6:08
  że nawet w firmach w pełni korzystających z Microsoft 365
• 6:11
  zasoby bywają rozproszone.
• 6:13
  Jest wersja na czacie w Teams z zeszłego wtorku,
• 6:15
  inna ukryta w wątku,
• 6:17
  e-mail, a szablon główny,
• 6:18
  zakopany trzy foldery głęboko w SharePoint.
• 6:21
  Dotarcie do właściwego pliku
• 6:22
  często oznacza pisanie do trzech różnych współpracowników
• 6:25
  z nadzieją, że nikt nie nadpisał ostatniej aktualizacji.
• 6:28
  Zanim go znajdziesz, połowa zespołu sprawdziła już niewłaściwy plik.
• 6:31
  W tym miejscu integracja designer z ekosystemem M365
• 6:35
  zmienia zasady gry.
• 6:36
  Zamiast skakać między lokalizacjami plików,
• 6:38
  otwierasz designer i pracujesz tam,
• 6:40
  gdzie już są twoje zasoby w SharePoint,
• 6:42
  OnDrive czy nawet poprzez linki w Teams.
• 6:45
  Edycja odbywa się w czasie rzeczywistym
• 6:46
  w tej samej wersji, którą widzą inni.
• 6:49
  Jeśli zmienisz nagłówek lub podmienisz obraz,
• 6:51
  zmiana jest natychmiast widoczna dla reszty zespołu.
• 6:53
  Nie trzeba niczego przesyłać.
• 6:55
  Designer to po prostu kolejna powierzchnia
• 6:57
  w tej samej połączonej przestrzeni roboczej.
• 6:58
  Wyobraź to sobie.
• 7:00
  Ty i twój współpracownik pracujecie w designerze
• 7:02
  nad ulotką na wydarzenie sprzedażowe.
• 7:04
  Pobrano ją bezpośrednio z biblioteki marketingowej SharePoint,
• 7:06
  wstępnie załadowaną z kcionkami i kolorami marki.
• 7:09
  Ty dostosowujesz główne zdjęcie,
• 7:10
  oni poprawiają pod tytuł
• 7:11
  i obserwujecie nawzajem swoje zmiany
• 7:13
  pojawiające się natychmiast.
• 7:14
  Gdy skończycie, zaktualizowany plik
• 7:16
  znajduje się dokładnie tam, gdzie był,
• 7:17
  a historia wersji zapisuje się automatycznie
• 7:19
  zgodnie z waszymi uprawnieniami.
• 7:20
  Jeśli musisz przywrócić poprzednią wersję,
• 7:22
  nie przeszukujesz przypadkowych załączników.
• 7:24
  Po prostu przywracasz właściwy punkt kontrolny.
• 7:26
  To duża zmiana względem tradycyjnych systemów szablonów.
• 7:29
  Stare szablony funkcjonowały jako statyczne pliki.
• 7:31
  Pobierz, edytuj, prześlij ponownie.
• 7:33
  Każda runda zmian zależała od tego,
• 7:35
  czy ludzie pamiętali o ręcznym zastosowaniu
• 7:37
  odpowiednich stylów,
• 7:38
  a ktoś nieuchronnie zawsze o czymś zapominał.
• 7:41
  Wciąż potrzebny był menedżer
• 7:42
  do pilnowania nazw plików,
• 7:43
  kodów kolorów i tego,
• 7:45
  czy logo nie jest rozciągnięte.
• 7:46
  Dzięki temu, że designer działa w tym samym środowisku,
• 7:50
  co reszta treści M365,
• 7:52
  a AI pilnuje zasad marki w tle,
• 7:54
  spora część tej nadzorczej pracy po prostu znika.
• 7:57
  Jest też jednak nieoczekiwana zaleta w tym,
• 7:59
  jak system przewiduje, czego brakuje.
• 8:02
  Jeśli AI zauważy,
• 8:03
  że tworzysz materiały na wydarzenie
• 8:05
  już obecne w firmowym kalendarzu Outlook,
• 8:07
  może zaproponować podpowiedzi projektowe,
• 8:09
  które przyspieszą pracę, na przykład
• 8:11
  sugerując obraz związany z lokalizacją
• 8:14
  lub pobierając hasło wydarzenia.
• 8:17
  Jeśli w notatkach ze spotkania na Teams
• 8:18
  pojawiły się informacje o produkcie,
• 8:20
  mogą one wpłynąć na rekomendacje
• 8:22
  dotyczące bloków tekstu lub obrazów.
• 8:24
  Chodzi o to, by skrócić dystans między rozmową
• 8:26
  a realizacją, bez konieczności
• 8:28
  samodzielnego wyszukiwania kontekstu.
• 8:30
  To jednak naturalnie rodzi pytanie,
• 8:32
  czy AI naprawdę potrafi zrozumieć
• 8:33
  niuanse tonu i stylu różnych działów?
• 8:36
  Język marketingu nie zawsze pasuje do tego,
• 8:38
  czego używa hrabia.
• 8:39
  Projekt, który świetnie sprawdza się w reklamie zewnętrznej,
• 8:42
  może wydawać się zbyt nieformalny
• 8:44
  w komunikacji wewnętrznej.
• 8:46
  AI dobrze wyłapuje wzorce,
• 8:48
  ale ludzki ton jest ulotny i łatwo o sytuację,
• 8:50
  w której zautomatyzowane sugestie
• 8:52
  wydają się nieco nietrafione.
• 8:53
  Dlatego właśnie pętla uczenia się jest tak ważna.
• 8:56
  Designer nie tylko stosuje sztywne zasady
• 8:58
  z twojego zestawu marki,
• 8:59
  ale też zauważa zmiany,
• 9:00
  które ludzie wprowadzają
• 9:01
  po wygenerowaniu szkicu przez AI.
• 9:02
  Jeśli AI ciągle sugeruje układ notatek wewnętrznych,
• 9:05
  który dział HR konsekwentnie zmienia,
• 9:07
  system może z czasem dostosować swoje rekomendacje
• 9:10
  do tego kontekstu.
• 9:11
  Nie jest to bezbłędne,
• 9:12
  ale im częściej system wchodzi w interakcje
• 9:14
  z rzeczywistymi zachowaniami użytkowników,
• 9:16
  tym rzadziej powtarza te same błędy.
• 9:18
  Zbliżamy się do modelu współpracy,
• 9:19
  w którym narzędzia zarządzają chaosem,
• 9:21
  a zespół skupia się na przekazie i wyglądzie.
• 9:24
  Zanim jednak uznamy to za idealne rozwiązanie,
• 9:26
  warto pamiętać,
• 9:27
  że AI wciąż podejmuje dziwne decyzje.
• 9:29
  Te martwe pola to punkt wyjścia
• 9:31
  dla dalszej części tej historii.
• 9:33
  Kiedy AI wciąż popełnia błędy,
• 9:35
  jeśli kiedykolwiek zdarzyło Ci się,
• 9:37
  że narzędzie AI zasugerowało obraz do kampanii,
• 9:39
  a Ty zastanawiałeś się,
• 9:40
  czy było ono skierowane do zupełnie innej grupy docelowej,
• 9:43
  znasz to uczucie.
• 9:45
  Może ogłaszasz program szkoleń korporacyjnych,
• 9:47
  a AI pewnie serwuje obraz tropikalnej plaży
• 9:50
  z miejscem na datę Twojego wydarzenia.
• 9:53
  W sensie technicznym to nie jest błąd,
• 9:55
  po prostu kompletnie nie pasuje do Twojego kontekstu.
• 9:57
  To właśnie te momenty, których nie zobaczysz
• 9:59
  w prezentacji Microsoftu.
• 10:01
  Prezentacje na żywo zazwyczaj pokazują
• 10:02
  najlepsze możliwe scenariusze.
• 10:04
  Palety marki zastosowane bezbłędnie,
• 10:06
  tekst idealnie wyważony na stronie i obrazy,
• 10:08
  które wyglądają, jakby pochodziły
• 10:09
  z Twojej własnej biblioteki.
• 10:11
  W świecie rzeczywistym sztuczna inteligencja
• 10:13
  nie zawsze trafia w punkt.
• 10:14
  Potrafi źle odczytać zamierzony ton
• 10:16
  i zaproponować oprawę wizualną,
• 10:18
  która nie pasuje do odbiorców ani kultury firmy.
• 10:21
  Ta niedopasowanie może być drobne,
• 10:23
  jak zbyt frywolne tło
• 10:24
  dla poważnego komunikatu prasowego lub rażące,
• 10:27
  jak użycie zdjęć sugerujących
• 10:29
  zupełnie inną branżę.
• 10:32
  Jeden z zespołów marketingowych,
• 10:33
  z którym rozmawiałem,
• 10:34
  doświadczył tego podczas wdrażania
• 10:36
  wewnętrznych zasad etyki.
• 10:37
  Sztuczna inteligencja zaproponowała
• 10:39
  obraz uśmiechniętych pracowników
• 10:40
  przybijających piątki w otwartym biurze,
• 10:42
  choć optymistyczny obraz ten podważył
• 10:44
  poważny ton, jaki chciało nadać kierownictwo.
• 10:47
  Inny przykład pojawił się w prezentacji
• 10:48
  dla klienta firmy świadczącej usługi profesjonalne,
• 10:50
  AI automatycznie wybrała jaskrawe wnętrze start-upu
• 10:54
  dla slajdu skierowanego do konserwatywnych odbiorców
• 10:57
  z branży finansowej.
• 10:58
  Przekaz, fakty, a nawet układ były w porządku.
• 11:01
  Oprawa wizualna wysłała jednak niewłaściwy sygnał.
• 11:04
  Pierwsi profesjonalni użytkownicy
• 11:06
  wskazują na pewne wzorce w dokonywanych poprawkach.
• 11:10
  Często chodzi o dopracowanie hierarchii układu,
• 11:12
  gdy AI kładzie zbyt duży nacisk
• 11:14
  na drugorzędne detale
• 11:15
  lub umniejsza główny przekaz.
• 11:17
  Czasami trzeba usuwać zbędne elementy dekoracyjne,
• 11:20
  które AI dodaje uznając,
• 11:22
  że pasują do stylu,
• 11:23
  nawet jeśli w danym kontekście rozpraszają.
• 11:25
  I częściej niż można by się spodziewać,
• 11:27
  trzeba zastępować automatycznie wybrane zdjęcia sztokowe,
• 11:30
  które nie w pełni przestrzegają wytycznych marki,
• 11:33
  mimo wgrania tych zasad do systemu.
• 11:35
  Szablony brandingowe same w sobie
• 11:36
  nie zawsze stanowią wystarczającą ochronę.
• 11:38
  Sugestie AI mogą je nadpisywać w subtelny sposób.
• 11:42
  Jaśniejszy odcień oficjalnego koloru tu,
• 11:44
  nieco zmieniona grubość czcionki tam.
• 11:46
  Na papierze takie zmiany mogą ujść uwadze,
• 11:49
  ale dla kogoś,
• 11:50
  kto od lat dba o integralność marki,
• 11:52
  rzucają się w oczy natychmiast.
• 11:54
  Jeśli nikt nie sprawdzi końcowego pliku
• 11:56
  z odpowiednią dbałością o detale,
• 11:57
  te drobne odchylenia
• 11:58
  przenikną do materiałów produkcyjnych.
• 12:00
  Właśnie dlatego ludzki nadzór
• 12:01
  jest niepodważalną koniecznością.
• 12:03
  Nawet jeśli proces generowania
• 12:05
  staje się szybszy i dokładniejszy,
• 12:07
  ktoś wciąż musi pełnić rolę strażnika marki.
• 12:09
  Nie chodzi o brak zaufania do sztucznej inteligencji.
• 12:12
  Chodzi o uznanie,
• 12:13
  że brakuje jej świadomości kulturowej i strategicznej,
• 12:16
  która wynika ze znajomości historii marki,
• 12:18
  docelowego rynku oraz wrażliwości odbiorców.
• 12:21
  Można zautomatyzować przestrzeganie stylu.
• 12:23
  Nie da się zautomatyzować instynktu.
• 12:25
  I tak część tych trudności
• 12:26
  wynika po prostu z natury uczenia maszynowego,
• 12:28
  a i korzysta z danych treningowych,
• 12:30
  historii zachowań użytkowników
• 12:31
  i wprowadzanych przez nas danych wejściowych.
• 12:33
  Jeśli te sygnały są sprzeczne
• 12:34
  lub jeśli zapytanie wykracza poza to,
• 12:36
  co system widział wcześniej,
• 12:38
  zaczyna się zgadywanie.
• 12:39
  To zgadywanie może być niewidoczne,
• 12:41
  gdy a i dokona trafnego wyboru.
• 12:42
  Staje się bardzo widoczne,
• 12:44
  gdy popełni błąd.
• 12:45
  Co ciekawe, ten wymóg udziału człowieka
• 12:47
  nie dotyczy tylko świata projektowania.
• 12:49
  Ma on swój odpowiednik w obszarach takich,
• 12:51
  jak zarządzanie danymi,
• 12:52
  gdzie narzędzia mogą zautomatyzować
• 12:53
  80% żmudnej pracy,
• 12:55
  ale wciąż wymagają eksperckiej weryfikacji
• 12:57
  przed publikacją.
• 12:58
  W obu przypadkach sztuczna inteligencja
• 13:00
  może wykonać ogromną część najcięższej pracy.
• 13:03
  Jednak gdy chodzi o interpretację znaczenia,
• 13:05
  weryfikację kontekstu
• 13:06
  czy wyłapywanie subtelnych błędów,
• 13:08
  to człowiek dba o właściwy kierunek działań.
• 13:10
  Choć designer wyraźnie skraca czas tworzenia treści,
• 13:13
  nie zastąpił roli kreatywnego recenzenta.
• 13:16
  Przesunął tę rolę z poprawiania literówek
• 13:18
  i wyrównywania elementów
• 13:20
  w stronę ocen wyższego rzędu
• 13:21
  dotyczących przekazu, tonu i dopasowania.
• 13:24
  Wzrost wydajności jest realny,
• 13:26
  ale tak samo realna jest potrzeba
• 13:27
  ostatecznego sprawdzenia
• 13:28
  przed wypuszczeniem czegokolwiek na zewnątrz.
• 13:30
  A gdy przyjrzymy się,
• 13:32
  jak AI jest wykorzystywane poza designem,
• 13:34
  to połączenie automatyzacji i nadzoru
• 13:36
  pojawia się w zaskakujących miejscach,
• 13:38
  zwłaszcza w świecie przepływów danych,
• 13:40
  które tradycyjnie bywały również mudne
• 13:42
  co ręczna praca projektowa.
• 13:45
  Od problemów ETL do korzyści z Dataflow z GEN2.
• 13:48
  Jeśli kiedykolwiek zarządzałeś potokiem danych
• 13:50
  w staroświecki sposób,
• 13:51
  wiesz, jak kruche potrafiły być takie rozwiązania.
• 13:53
  Zadania cron zaplanowane w dziwnych godzinach,
• 13:56
  skrypty bash napisane miesiące temu
• 13:57
  przez kogoś, kto już nie pracuje w firmie,
• 14:00
  łańcuch zależności tak długi,
• 14:01
  że drobna zmiana formatowania w CSV
• 14:03
  zatrzymywała cały proces.
• 14:05
  To było nie tylko skomplikowane,
• 14:07
  to było nietrwałe.
• 14:08
  Jeden problem w systemach nadrzędnych
• 14:09
  i nagle patrzysz na niepełne dane,
• 14:11
  zastanawiając się, który serwer w ogóle
• 14:13
  uruchomił zadanie zeszłej nocy.
• 14:14
  Najgorsze jest to, że awarie rzadko zdarzały się
• 14:16
  w dogodnych momentach.
• 14:18
  O drugiej w nocy dostawałeś alert,
• 14:19
  że wczorajsze dane nie zostały wczytane,
• 14:21
  a właściciel systemu źródłowego
• 14:23
  będzie dostępny dopiero rano.
• 14:24
  Zanim zrestartowałeś potok,
• 14:26
  połowa użytkowników pulpitu nawigacyjnego
• 14:28
  pisała już maile,
• 14:29
  dlaczego to jest puste.
• 14:30
  Te godziny stracone na debugowanie
• 14:31
  często nie miały nic wspólnego
• 14:33
  z samą wartością danych.
• 14:34
  Spędzało się je na przeszukiwaniu logów,
• 14:36
  poprawianiu wyrażeń regularnych
• 14:37
  i ponownym uruchamianiu kroków,
• 14:39
  tylko po to, by wrócić do punktu wyjścia.
• 14:41
  DataFlow z GEN2 w Microsoft Fabric
• 14:43
  znacząco zmienia to obciążenie.
• 14:45
  Zamiast budować i utrzymywać
• 14:46
  własne niestandardowe potoki wiersz po wierszu,
• 14:49
  możesz przenieść większość pracy
• 14:50
  do interfejsu no-code lub low-code.
• 14:53
  Power Query, technologia,
• 14:55
  z której wielu już korzysta w Excelu i Power BI,
• 14:57
  obsługuje kroki ekstrakcji i transformacji.
• 15:00
  Oznacza to, że nie musisz budować
• 15:02
  parsera od zera tylko po to,
• 15:03
  by połączyć trzy różne formaty plików.
• 15:05
  Łączysz źródła, wskazujesz pola,
• 15:07
  wizualnie kształtujesz dane
• 15:09
  i pozwalasz usłudze
• 15:10
  zająć się technicznym zapleczem.
• 15:12
  Tym, co czyni GEN2 interesującym,
• 15:14
  jest wbudowana pomoc sztucznej inteligencji.
• 15:16
  To nie jest tylko narzędzie
• 15:17
  do łączenia tabel czy zmiany nazw kolumn.
• 15:19
  Aktywnie analizuje importowane dane
• 15:21
  i sugeruje przekształcenia
• 15:23
  w oparciu o wykryte wzorce.
• 15:25
  Jeśli stale łączysz kolumny daty i czasu
• 15:27
  w jedno pole,
• 15:28
  zacznie ono automatycznie proponować ten krok.
• 15:31
  Jeśli wykryje identyfikatory klientów
• 15:34
  w dwóch systemach o zgodnym schemacie,
• 15:36
  wskażę relację bezręcznego mapowania.
• 15:40
  Załóżmy, że konsolidujesz dane kampanii marketingowych,
• 15:43
  eksporty z Google Ads,
• 15:45
  statystyki e-mail i metryki z social mediów.
• 15:47
  W tradycyjnym modelu ETL
• 15:49
  prawdopodobnie piszesz skrypty,
• 15:51
  by normalizować nazwy pól,
• 15:53
  przeliczać waluty,
• 15:54
  wyrównywać daty
• 15:55
  i uzupełniać braki.
• 15:56
  W GEN2 możesz wrzucić każde źródło danych do Power Query,
• 16:00
  pozwolić, a i oznaczyć niespójne typy kolumn
• 16:03
  i bezpośrednio zastosować sugerowane poprawki.
• 16:06
  Na końcu otrzymujesz jedną, czystą tabelę gotową do raportowania,
• 16:09
  bez ręcznego śledzenia każdej rozbieżności w danych.
• 16:12
  Dotychczasowe testy pokazują,
• 16:13
  że chodzi tu o coś więcej niż tylko wygodę.
• 16:15
  Szybkość odświeżania wzrosła względem wcześniejszych przepływów
• 16:18
  dzięki równoległemu przetwarzaniu
• 16:20
  i odzyskiwaniu po częściowych błędach
• 16:21
  bez konieczności ponownego uruchamiania.
• 16:23
  Tolerancja na błędy to kolejny istotny atut.
• 16:26
  Jeśli jedno źródło danych zawiedzie w trakcie odświeżania,
• 16:29
  inne mogą się ukończyć,
• 16:30
  a Ty otrzymasz jasny komunikat
• 16:32
  zamiast ogólnego błędu potoku.
• 16:34
  To samo w sobie pozwala zaoszczędzić
• 16:36
  mnóstwo cykli przetwarzania i domysłów.
• 16:38
  Naturalnym pytaniem jest,
• 16:39
  czy to faktycznie zmniejsza potrzebę zatrudniania
• 16:41
  wyspecjalizowanych inżynierów danych.
• 16:43
  Jeśli analityk marketingu może zbudować działający potok
• 16:46
  z wielu źródeł bez pisania choćby jednej linii kodu,
• 16:49
  czy nadal potrzebujesz zespołu ETL?
• 16:51
  W praktyce odpowiedź jest bardziej złożona.
• 16:55
  Proste, powtarzalne zadania mogą w pełni przejść do samoobsługi,
• 16:59
  ale złożone potoki z dziesiątkami źródeł,
• 17:01
  skomplikowaną logiką biznesową,
• 17:03
  czy wymogami regulacyjnymi
• 17:04
  nadal wymagają nadzoru i wiedzy inżyniera.
• 17:08
  To, co się zmienia,
• 17:09
  to sposób, w jaki ci eksperci spędzają swój czas.
• 17:12
  Zamiast odpowiadać na prośby o formatowanie zbioru,
• 17:15
  czy naprawę połączeń,
• 17:16
  mogą skupić się na skalowalnych modelach,
• 17:18
  optymalizacji zapytań i budowie narzędzi analitycznych
• 17:22
  dla całej firmy.
• 17:23
  Powtarzalna praca przygotowawcza,
• 17:25
  która codziennie ich przerywała,
• 17:26
  jest teraz obsługiwana na wcześniejszym etapie
• 17:28
  przez narzędzia takie jak GE N2.
• 17:30
  I w tym miejscu pojawia się wspólny mianownik.
• 17:33
  Niezależnie od tego,
• 17:34
  czy mówimy o projektowaniu wspieranym,
• 17:35
  a i w Microsoft Designer,
• 17:37
  czy przygotowaniu danych w fabrik,
• 17:38
  schemat jest ten sam.
• 17:40
  Wyeliminować żmudną pracę,
• 17:41
  zostawić ludzki osąd tam,
• 17:42
  gdzie ma to znaczenie.
• 17:43
  Zespoły do spraw,
• 17:44
  treści i zespoły do spraw.
• 17:46
  Danych wcale nie są od siebie tak daleko,
• 17:47
  jak się wydaje.
• 17:48
  Oba zespoły tworzą zasoby,
• 17:49
  oba mają procesy spowolnione przez powtarzalne,
• 17:51
  łatwe do zautomatyzowania zadania,
• 17:53
  a teraz oba dysponują narzędziami w M365,
• 17:56
  które zaczynają wykonywać te zadania za nich.
• 17:58
  Jeden ekosystem,
• 17:59
  dwie rewolucje.
• 18:00
  Większość firm lubi myśleć o zespołach
• 18:01
  kreatywnych i analitycznych,
• 18:03
  jak o dwóch odrębnych światach.
• 18:04
  Marketing tworzy historię,
• 18:06
  analityka mierzy jej wpływ.
• 18:08
  W praktyce jednak te procesy
• 18:09
  nieustannie się przenikają.
• 18:11
  Kampania nie kończy się w momencie
• 18:12
  publikacji posta w mediach społecznościowych.
• 18:14
  Decyzje kreatywne wpływają na to,
• 18:16
  co jest mierzone,
• 18:17
  a dane kształtują kolejną serię kreacji.
• 18:19
  Podział na odizolowane działy ukrywa fakt,
• 18:21
  że oba borykają się z tym samym wyzwaniem
• 18:24
  szybkim przekształcaniem surowych danych
• 18:25
  w coś użytecznego.
• 18:27
  Dlatego zmiany,
• 18:28
  które widzimy w Microsoft Designer
• 18:29
  i przepływach danych fabrik GEN2,
• 18:31
  wydają się ze sobą powiązane,
• 18:33
  nawet jeśli rozwiązują różne problemy.
• 18:35
  Z jednej strony AI przejmuje żmudną pracę
• 18:37
  nad układem graficznym i spójnością marki.
• 18:39
  Z drugiej strony AI bierze się
• 18:41
  za powtarzalne zadania
• 18:42
  związane z przygotowaniem danych.
• 18:44
  Razem skracają czas potrzebny
• 18:46
  na przejście od pomysłu do śledzenia wyników.
• 18:49
  Nie tylko oszczędzasz wysiłek
• 18:50
  w dwóch oddzielnych obszarach,
• 18:52
  ale skracasz pętlę między nimi.
• 18:53
  Wyobraź sobie kampanię
• 18:54
  wprowadzającą produkt na rynek.
• 18:56
  Zespół kreatywny używa Designer
• 18:57
  do przygotowania pełnego zestawu wizualizacji,
• 19:00
  banerów promocyjnych,
• 19:01
  grafik do e-maili i slajdów na wydarzenia.
• 19:03
  Każdy zasób automatycznie
• 19:04
  dopasowuje się do brandingu,
• 19:06
  więc nikt nie musi poprawiać kolorów
• 19:07
  ani szukać odpowiedniego logo.
• 19:09
  Równolegle zespół analityczny
• 19:11
  konfiguruje przepływ danych GEN2,
• 19:13
  który pobiera dane o ruchu na stronie,
• 19:15
  wydatkach na reklamy,
• 19:16
  zaangażowaniu w e-maile
• 19:18
  i frekwencji na webinarach
• 19:19
  do gotowego zestawu danych.
• 19:21
  Gdy kampania rusza,
• 19:22
  jesteś już gotów,
• 19:23
  by zestawić każdy zasób kreatywny
• 19:25
  z liczbami pokazującymi jego skuteczność.
• 19:27
  Tu liczą się szczegóły.
• 19:28
  Designer to nie tylko klon Canvi
• 19:30
  wbudowany w 365.
• 19:32
  Jest on powiązany z Twoim kontekstem
• 19:34
  w M365.
• 19:35
  Jeśli kampania jest w kalendarzu firmy,
• 19:37
  obrazy są w SharePoint,
• 19:39
  a szkice tekstów w czacie Teams.
• 19:40
  A i może to wykorzystać
• 19:42
  do rozpoczęcia sugestii układu.
• 19:44
  GEN2 działa w ten sam sposób
• 19:45
  w swojej dziedzinie.
• 19:47
  Wykrywa podobieństwa kolumn
• 19:48
  między źródłami wejściowymi,
• 19:50
  sugeruje normalizację
• 19:51
  i oznacza luki w danych,
• 19:52
  zanim załadujesz je do Power BI.
• 19:54
  Oba narzędzia wykorzystują kontekst
• 19:56
  z różnych zakątków procesu pracy,
• 19:58
  aby zmniejszyć nakład pracy
• 19:59
  między surowym wejściem
• 20:00
  a użytecznym wyjściem.
• 20:02
  To wspólna zasada,
• 20:03
  która napędza oba rozwiązania.
• 20:04
  Świadomość kontekstu
• 20:06
  plus inteligentne sugestie.
• 20:07
  To nie jest magia generatywna.
• 20:09
  To ukierunkowana automatyzacja
• 20:11
  zasilana sygnałami,
• 20:12
  które Twoje środowisko
• 20:13
  i tak już wytwarza.
• 20:14
  Im więcej pracujesz
• 20:15
  wewnątrz ekosystemu M365,
• 20:17
  tym więcej sygnałów
• 20:18
  może wychwycić AI.
• 20:19
  Prompt projektowy,
• 20:20
  który zna segment odbiorców
• 20:21
  bez konieczności jego wpisywania.
• 20:23
  Przepływ danych,
• 20:24
  który zauważa,
• 20:25
  że połowa wydatków na reklamy
• 20:26
  nie jest oznaczona
• 20:27
  i pyta, czy chcesz je uzgodnić.
• 20:29
  To nie są jednorazowe sztuczki.
• 20:30
  To schematy,
• 20:31
  które mogą zmienić
• 20:32
  codzienne prowadzenie projektów.
• 20:34
  Spójrz na to
• 20:35
  przez szerszy pryzmat Microsoftu,
• 20:37
  a stanie się jasne,
• 20:38
  że zmierzają w stronę
• 20:39
  modelu pracy typu AI First.
• 20:41
  Nie AI w izolacji,
• 20:42
  ale AI wbudowane w narzędzia,
• 20:44
  których już używasz,
• 20:45
  dostrojone do Twoich
• 20:46
  własnych danych operacyjnych.
• 20:48
  Siła tego modelu polega na tym,
• 20:50
  że ulepszenia w AI jednego produktu
• 20:51
  można często zastosować w innym.
• 20:53
  Logika spójności marki,
• 20:55
  która dba o układ projektów,
• 20:56
  może pewnego dnia zapewnić,
• 20:58
  że wizualizacje danych w Power BI
• 20:59
  zachowają tę samą tożsamość.
• 21:01
  Wykrywanie anomalii w Gen 2
• 21:03
  mogłoby oznaczyć
• 21:04
  niespójne liczby w biznesplanie,
• 21:05
  w Wordzie,
• 21:06
  zanim ktokolwiek go zaprezentuje.
• 21:07
  Nasuwa się pytanie,
• 21:08
  które warto rozważyć już teraz.
• 21:10
  Jeśli AI potrafi równie płynnie
• 21:12
  wspierać pracę twórczą i analityczną,
• 21:14
  jak daleko nam do ujednoliconego pulpitu,
• 21:17
  gdzie projektujesz zasoby,
• 21:18
  celujesz w grupę odbiorców,
• 21:20
  uruchamiasz kampanię
• 21:21
  i obserwujesz wyniki w jednym miejscu,
• 21:23
  to już nie są mrzonki.
• 21:25
  Klocki istnieją.
• 21:26
  Po prostu nie zostały jeszcze połączone
• 21:28
  w jeden wspólny interfejs.
• 21:30
  Dla organizacji korzystających
• 21:31
  z obu narzędzi
• 21:32
  natychmiastowe korzyści są oczywiste.
• 21:35
  Możesz dopasować narrację marki
• 21:36
  do danych o wynikach na żywo,
• 21:37
  bezręcznego eksportowania,
• 21:39
  przekazywania maili
• 21:40
  i opóźnień w aktualizacjach,
• 21:41
  które spowalniały kampanię.
• 21:43
  To nie tylko szybciej,
• 21:44
  to także mniej błędów.
• 21:46
  Zespół kreatywny widzi wyniki
• 21:48
  niemal w czasie rzeczywistym.
• 21:50
  Analitycy widzą dokładnie,
• 21:52
  które zasoby przynoszą efekty,
• 21:54
  a korekty wprowadzane są
• 21:55
  w trakcie kampanii,
• 21:56
  a nie po fakcie.
• 21:58
  Na horyzoncie widać
• 22:00
  kolejną falę AI,
• 22:01
  która nie tylko działa
• 22:02
  wewnątrz poszczególnych aplikacji,
• 22:03
  ale koordynuje pracę między nimi.
• 22:05
  Wtedy zmiana w komunikacie kampanii
• 22:07
  może automatycznie wywołać
• 22:09
  aktualizację grafik w designerze,
• 22:10
  dostosować reguły takowania
• 22:12
  w przepływach danych
• 22:13
  i dostarczyć odświeżone analizy
• 22:15
  do pulpitu bez Twojej ingerencji.