{"id":1245,"date":"2025-12-02T11:56:59","date_gmt":"2025-12-02T10:56:59","guid":{"rendered":"https:\/\/practiq.tech\/?p=1245"},"modified":"2025-12-02T15:09:07","modified_gmt":"2025-12-02T14:09:07","slug":"jak-nauczyc-ai-pracowac-powtarzalnie-z-ludzmi-i-dla-ludzi","status":"publish","type":"post","link":"https:\/\/practiq.tech\/pl\/blog\/jak-nauczyc-ai-pracowac-powtarzalnie-z-ludzmi-i-dla-ludzi\/","title":{"rendered":"Jak nauczy\u0107 AI pracowa\u0107 powtarzalnie\u00a0z lud\u017ami i dla ludzi?\u00a0\u00a0\u00a0"},"content":{"rendered":"\n

Rozmowa z Habte Woldu, CEO Inteca i wsp\u00f3\u0142tw\u00f3rc\u0105 platformy umo\u017cliwiaj\u0105cej efektywne wdra\u017canie AI w praktyki operacyjne. <\/strong><\/h4>\n\n\n\n

A\u017c 95% firm nie osi\u0105ga realnych korzy\u015bci z wdro\u017ce\u0144 sztucznej inteligencji \u2013 wynika z raportu MIT The GenAI Divide \u2013 State of AI in Business 2025. Mimo \u017ce globalne inwestycje w technologie AI liczone s\u0105 w dziesi\u0105tkach miliard\u00f3w dolar\u00f3w, wi\u0119kszo\u015b\u0107 organizacji nadal nie potrafi prze\u0142o\u017cy\u0107 ich potencja\u0142u na konkretne wyniki biznesowe. <\/p>\n\n\n\n

\u2013 Problem nie tkwi w samej technologii, ale w tym, jak jest ona w\u0142\u0105czana w codzienn\u0105 prac\u0119 ludzi \u2013 zauwa\u017ca Habte Woldu, CEO Inteca. \u2013 Dzi\u015b AI cz\u0119sto dzia\u0142a obok cz\u0142owieka, zamiast razem z nim. Podnosi produktywno\u015b\u0107 pojedynczych os\u00f3b, ale nie przek\u0142ada si\u0119 to na efektywno\u015b\u0107 ca\u0142ych organizacji. Brakuje sp\u00f3jno\u015bci, standaryzacji i zdolno\u015bci uczenia si\u0119 w kontek\u015bcie rzeczywistych praktyk operacyjnych. <\/p>\n\n\n\n

To w\u0142a\u015bnie r\u00f3\u017cnica mi\u0119dzy mo\u017cliwo\u015bciami technologicznymi a efektywno\u015bci\u0105 organizacyjn\u0105 jest dzi\u015b najwi\u0119kszym wyzwaniem. Rewolucja AI wymaga nowego podej\u015bcia \u2013 nie tylko automatyzacji zada\u0144, ale automatyzacji efekt\u00f3w, zrozumienia kontekstu i wsp\u00f3\u0142pracy ludzi z inteligentnymi agentami w ramach wsp\u00f3lnych, powtarzalnych praktyk. <\/p>\n\n\n\n

O tym, jak nauczy\u0107 AI pracowa\u0107 rami\u0119 w rami\u0119 z lud\u017ami, jak prze\u0142ama\u0107 barier\u0119 mi\u0119dzy eksperymentem a realn\u0105 transformacj\u0105 oraz jakie fundamenty musz\u0105 powsta\u0107, by AI zacz\u0119\u0142a faktycznie \u201epracowa\u0107 dla biznesu\u201d \u2013 rozmawiamy z Habte Woldu, CEO Inteca i tw\u00f3rc\u0105 PractIQ, inteligentnej platformy automatyzuj\u0105cej prac\u0119 z AI. <\/p>\n\n\n\n

Z raportu MIT wynika, \u017ce a\u017c 95% firm nie uzyskuje realnych korzy\u015bci z wdro\u017ce\u0144 AI. Dlaczego Twoim zdaniem firmy maj\u0105 z tym tak du\u017cy problem?<\/strong> <\/h3>\n\n\n\n

To wynika przede wszystkim z tego, \u017ce wi\u0119kszo\u015b\u0107 organizacji my\u015bli o AI w niew\u0142a\u015bciwy spos\u00f3b. Dzi\u015b pracownicy korzystaj\u0105 z modeli typu ChatGPT g\u0142\u00f3wnie jako osobistych asystent\u00f3w \u2013 \u017ceby szybciej pisa\u0107 teksty, analizowa\u0107 dokumenty czy podsumowywa\u0107 informacje. Podnosi to produktywno\u015b\u0107 jednostki, ale nie zmienia sposobu dzia\u0142ania ca\u0142ej organizacji. Cz\u0119sto dzieje si\u0119 to zreszt\u0105 \u201ena dziko\u201d, w ramach tzw. Shadow AI<\/em>, gdy pracownicy u\u017cywaj\u0105 prywatnych kont i narz\u0119dzi bez wiedzy firmy. <\/p>\n\n\n\n

Tymczasem prawdziwe korzy\u015bci zaczynaj\u0105 si\u0119 dopiero wtedy, gdy AI automatyzuje ca\u0142y przep\u0142yw pracy, kt\u00f3ry realnie generuje warto\u015b\u0107 biznesow\u0105. To wymaga zupe\u0142nie innego sposobu my\u015blenia \u2013 przej\u015bcia od \u201eczatu, kt\u00f3ry pomaga cz\u0142owiekowi\u201d, do agenta, kt\u00f3ry samodzielnie realizuje zadania w procesie. <\/p>\n\n\n\n

I tutaj w\u0142a\u015bnie pojawia si\u0119 ca\u0142a z\u0142o\u017cono\u015b\u0107. Bo je\u015bli wyobrazimy sobie, \u017ce agent AI ma wykonywa\u0107 konkretne kroki przep\u0142ywu pracy \u2013 samodzielnie lub razem z lud\u017ami \u2013 to natychmiast pojawiaj\u0105 si\u0119 fundamentalne pytania: <\/p>\n\n\n\n

    \n
  • jak zapewni\u0107 mu bezpieczny dost\u0119p do danych organizacji, <\/li>\n\n\n\n
  • jak zbudowa\u0107 mu odpowiedni kontekst, aby dzia\u0142a\u0142 powtarzalnie i zgodnie ze standardami, <\/li>\n\n\n\n
  • jak weryfikowa\u0107 poprawno\u015b\u0107 wykonywanych przez niego zada\u0144, <\/li>\n\n\n\n
  • jak aktualizowa\u0107 jego wiedz\u0119 i unika\u0107 b\u0142\u0119d\u00f3w w przysz\u0142o\u015bci. <\/li>\n<\/ul>\n\n\n\n

    To ogromny zestaw wyzwa\u0144, kt\u00f3ry raport MIT bardzo trafnie opisuje. I w\u0142a\u015bnie dlatego tak wiele firm nie potrafi jeszcze prze\u0142o\u017cy\u0107 eksperyment\u00f3w z AI na realn\u0105, powtarzaln\u0105 warto\u015b\u0107 biznesow\u0105. <\/p>\n\n\n\n

    Z czego to wynika?<\/strong> <\/h3>\n\n\n\n

    Przede wszystkim z tego, o czym ju\u017c wspomina\u0142em \u2014 AI w obecnym modelu jest trudna do \u201ewpi\u0119cia\u201d w realn\u0105 prac\u0119 organizacji. Respondenci raportu wskazuj\u0105 kilka kluczowych barier, kt\u00f3re praktycznie uniemo\u017cliwiaj\u0105 osi\u0105gni\u0119cie skali i powtarzalnych efekt\u00f3w: <\/p>\n\n\n\n

      \n
    • konieczno\u015b\u0107 r\u0119cznego budowania kontekstu do ka\u017cdego zadania, co sprawia, \u017ce agent AI nie mo\u017ce dzia\u0142a\u0107 autonomicznie, <\/li>\n\n\n\n
    • brak adaptowalno\u015bci \u2013 systemy maj\u0105 problem z nietypowymi przypadkami i sytuacjami, kt\u00f3re odbiegaj\u0105 od standardu, <\/li>\n\n\n\n
    • brak umiej\u0119tno\u015bci uczenia si\u0119 na bazie ludzkiego feedbacku, przez co b\u0142\u0119dy cz\u0119sto si\u0119 powtarzaj\u0105, <\/li>\n\n\n\n
    • brak mo\u017cliwo\u015bci dopasowania AI do specyficznych workflow i proces\u00f3w organizacji, co uniemo\u017cliwia prac\u0119 w spos\u00f3b zgodny ze standardami firmy. <\/li>\n<\/ul>\n\n\n\n

      W efekcie AI pozostaje narz\u0119dziem punktowym, a nie elementem, kt\u00f3ry potrafi przej\u0105\u0107 odpowiedzialno\u015b\u0107 za realizacj\u0119 zada\u0144 od pocz\u0105tku do ko\u0144ca. I to w\u0142a\u015bnie dlatego tylko nieliczne firmy potrafi\u0105 dzi\u015b prze\u0142o\u017cy\u0107 potencja\u0142 technologii na realn\u0105 transformacj\u0119 operacyjn\u0105. <\/p>\n\n\n\n

      A co Ty o tym my\u015blisz?<\/strong> <\/h3>\n\n\n\n

      Patrz\u0105c na zaanga\u017cowanie AI w procesy organizacji, lubi\u0119 korzysta\u0107 z analogii do zatrudniania i onboardingu nowego pracownika. Wyobra\u017a sobie, \u017ce zatrudniasz niezwykle inteligentn\u0105 i b\u0142yskotliw\u0105 osob\u0119, kt\u00f3rej powierzysz realizacj\u0119 okre\u015blonych zada\u0144 w procesie. \u017beby mog\u0142a by\u0107 efektywna, musisz zadba\u0107 o kilka fundamentalnych element\u00f3w: zapewni\u0107 jej dost\u0119p do danych i narz\u0119dzi, na kt\u00f3rych b\u0119dzie pracowa\u0107, precyzyjnie opisa\u0107 zadania, zdefiniowa\u0107 standardy realizacji \u2014 w tym kryteria jako\u015bci. <\/p>\n\n\n\n

      Ludzie staj\u0105 si\u0119 skuteczni dopiero wtedy, gdy nabior\u0105 do\u015bwiadczenia, czyli wykonaj\u0105 dany zestaw zada\u0144 wystarczaj\u0105co wiele razy, oraz gdy pracuj\u0105 w oparciu o sp\u00f3jne standardy. W dobrze zorganizowanych firmach takie standardy istniej\u0105; w innych \u2014 \u017cyj\u0105 w g\u0142owach do\u015bwiadczonych pracownik\u00f3w. <\/p>\n\n\n\n

      Teraz sp\u00f3jrzmy na AI przez ten sam pryzmat. Generyczne modele AI maj\u0105 ogromn\u0105 wiedz\u0119 og\u00f3ln\u0105 i potrafi\u0105 \u015bwietnie wnioskowa\u0107, ale nie znaj\u0105 proces\u00f3w, narz\u0119dzi ani standard\u00f3w pracy konkretnej organizacji. W tym sensie s\u0105 jak nowy pracownik, kt\u00f3ry musi zosta\u0107 wdro\u017cony w realia konkretnego miejsca pracy. <\/p>\n\n\n\n

      I potrzebuje podobnego\u00a0onboardingu\u00a0jak cz\u0142owiek?<\/h3>\n\n\n\n

      Dok\u0142adnie tak. Aby AI mog\u0142a dzia\u0142a\u0107 w trybie Agenta, przejmuj\u0105c zadania i odpowiedzialno\u015b\u0107 za ich wykonanie, trzeba jej zapewni\u0107 dok\u0142adnie to samo, co nowemu cz\u0142onkowi zespo\u0142u: <\/p>\n\n\n\n

        \n
      • dost\u0119p do danych i zasob\u00f3w, <\/li>\n\n\n\n
      • odpowiednie narz\u0119dzia, <\/li>\n\n\n\n
      • precyzyjny opis zada\u0144, <\/li>\n\n\n\n
      • standardy jako\u015bci, <\/li>\n\n\n\n
      • oraz osadzi\u0107 to wszystko w kompletnym workflow, w kt\u00f3rym dzi\u015b kluczow\u0105 rol\u0119 nadal odgrywa cz\u0142owiek. <\/li>\n<\/ul>\n\n\n\n

        To z\u0142o\u017cone wyzwanie \u2014 tak\u017ce dlatego, \u017ce obecne modele AI maj\u0105 swoje ograniczenia, jak cho\u0107by g\u0142\u0119boko\u015b\u0107 efektywnego kontekstu, co utrudnia budowanie pe\u0142nej autonomii. <\/p>\n\n\n\n

        My\u015bl\u0119, \u017ce z tych powod\u00f3w na rynku rodzi si\u0119 nowa specjalizacja, \u0142\u0105cz\u0105ca kompetencje klasycznej in\u017cynierii oprogramowania z in\u017cynieri\u0105 proces\u00f3w. To b\u0119dzie jedna z kluczowych kompetencji najbli\u017cszych lat. <\/p>\n\n\n\n

        To znaczy, \u017ce rodzi si\u0119 w\u0142a\u015bnie nowy model pracy?<\/strong> <\/h3>\n\n\n\n

        Tak, mo\u017cna powiedzie\u0107, \u017ce powstaje zupe\u0142nie nowy model pracy. Budzimy si\u0119 w rzeczywisto\u015bci, w kt\u00f3rej AI nie tylko wspiera cz\u0142owieka przy pojedynczych zadaniach, ale jest w stanie samodzielnie realizowa\u0107 ca\u0142e zadania, a nawet kompletne procesy. <\/p>\n\n\n\n

        To oznacza konieczno\u015b\u0107 wypracowania nowego paradygmatu organizacji pracy \u2014 takiego, kt\u00f3ry \u0142\u0105czy technologi\u0119 z metodykami pozwalaj\u0105cymi dekomponowa\u0107 strumie\u0144 warto\u015bci na konkretne produkty i zadania. Innymi s\u0142owy: potrzebujemy podej\u015bcia, kt\u00f3re umo\u017cliwi osadzenie inteligentnych agent\u00f3w w realnych workflow w spos\u00f3b uporz\u0105dkowany, powtarzalny i skalowalny. <\/p>\n\n\n\n

        M\u00f3wi si\u0119 o kolejnej rewolucji technologicznej, kt\u00f3ra ma dokona\u0107 prze\u0142om\u00f3w w wielu dziedzinach \u017cycia. Ale zanim to nast\u0105pi, AI musi nauczy\u0107 si\u0119 pracy zespo\u0142owej – z lud\u017ami i dla ludzi. Jakie w tym kontek\u015bcie s\u0105 najwi\u0119ksze wyzwania?<\/strong> <\/p>\n\n\n\n

        Nie mam w\u0105tpliwo\u015bci, \u017ce stoimy u progu rewolucji technologicznej por\u00f3wnywalnej z wynalezieniem Internetu czy nawet silnika parowego. Jednak najwi\u0119kszym wyzwaniem nie jest sama AI, lecz powtarzalno\u015b\u0107 i zdolno\u015b\u0107 do uczenia si\u0119 w spos\u00f3b zbli\u017cony do tego, jak ucz\u0105 si\u0119 ludzie \u2014 czyli poprzez adaptowanie kontekstu, eliminowanie b\u0142\u0119d\u00f3w i wykonywanie zada\u0144 w spos\u00f3b przewidywalny, zgodny ze standardami organizacji. <\/p>\n\n\n\n

        Odwr\u00f3ci\u0142bym jednak to, co powiedzia\u0142e\u015b: to nie AI musi nauczy\u0107 si\u0119 pracy z lud\u017ami, ale to my musimy nauczy\u0107 si\u0119 w\u0142a\u015bciwie wykorzystywa\u0107 t\u0119 technologi\u0119. AI jest narz\u0119dziem \u2014 pot\u0119\u017cnym, ale nadal tylko narz\u0119dziem. To cz\u0142owiek definiuje proces, standardy, kryteria jako\u015bci i rol\u0119, jak\u0105 ma odegra\u0107 inteligentny agent. <\/p>\n\n\n\n

        I co wa\u017cne: ju\u017c dzi\u015b mamy przyk\u0142ady proces\u00f3w, w kt\u00f3rych AI wykonuje znaczn\u0105 cz\u0119\u015b\u0107 pracy. W obszarach takich jak wytwarzanie oprogramowania, analiza danych czy obs\u0142uga klienta inteligentni agencipotrafi\u0105 przej\u0105\u0107 nawet kilkadziesi\u0105t procent zada\u0144 operacyjnych \u2014 oczywi\u015bcie pod warunkiem, \u017ce dzia\u0142aj\u0105 w dobrze zdefiniowanym workflow, z klarownym kontekstem i nadzorem cz\u0142owieka. <\/p>\n\n\n\n

        Dlatego najwi\u0119ksze wyzwanie polega nie na \u201euczeniu AI pracy zespo\u0142owej\u201d, lecz na zbudowaniu takich warunk\u00f3w, aby mog\u0142a pracowa\u0107 w spos\u00f3b powtarzalny, bezpieczny i przewidywalny \u2014 jako realny cz\u0142onek zespo\u0142u, a nie ciekawy gad\u017cet technologiczny?<\/strong> <\/h3>\n\n\n\n

        Dok\u0142adnie to pytanie zadali\u015bmy sobie w Inteca w 2023 roku. Jednym z naszych kluczowych obszar\u00f3w dzia\u0142alno\u015bci jest rozw\u00f3j i utrzymanie oprogramowania dla przedsi\u0119biorstw. Patrz\u0105c na prze\u0142om, jaki przynios\u0142y du\u017ce modele j\u0119zykowe, i rozumiej\u0105c, \u017ce tworzenie oprogramowania to w istocie proces przetwarzania informacji \u2014 od intencji u\u017cytkownika, przez implementacj\u0119, a\u017c po dzia\u0142aj\u0105c\u0105 aplikacj\u0119 \u2014 zacz\u0119li\u015bmy zastanawia\u0107 si\u0119, czy ca\u0142y ten proces da si\u0119 zautomatyzowa\u0107 z udzia\u0142em AI. <\/p>\n\n\n\n

        Co wa\u017cne: nie chodzi\u0142o o to, aby da\u0107 in\u017cynierom kolejnego asystenta. Chodzi\u0142o o to, by AI w roli Agenta by\u0142a w stanie przej\u0105\u0107 wi\u0119kszo\u015b\u0107 realnych zada\u0144 w procesie wytw\u00f3rczym. <\/p>\n\n\n\n

        Tak narodzi\u0142a si\u0119 koncepcja PractIQ. Zacz\u0119li\u015bmy eksperymentowa\u0107 wewn\u0119trznie \u2014 i bardzo szybko zderzyli\u015bmy si\u0119 z dwoma fundamentalnymi barierami. <\/p>\n\n\n\n

        Pierwsza to powtarzalno\u015b\u0107. Dla tych samych danych wej\u015bciowych ten sam Agent AI potrafi\u0142 wykona\u0107 zadanie na r\u00f3\u017cne sposoby \u2014 czasem poprawnie, czasem zupe\u0142nie niezgodnie z oczekiwaniami. Trudno by\u0142o m\u00f3wi\u0107 o jako\u015bci czy przewidywalno\u015bci, a bez tego automatyzacja proces\u00f3w po prostu nie dzia\u0142a. <\/p>\n\n\n\n

        Drugim du\u017cym wyzwaniem okaza\u0142 si\u0119 rozmiar efektywnego kontekstu. W przypadku z\u0142o\u017conych zada\u0144 czy du\u017cych zbior\u00f3w danych agent AI nie jest w stanie obj\u0105\u0107 ca\u0142o\u015bci problemu naraz. Proces trzeba wi\u0119c dekomponowa\u0107 na mniejsze podzadania, dzieli\u0107 dane i zapewnia\u0107 agentowi odpowiednio przygotowany, aktualny kontekst. <\/p>\n\n\n\n

        A to tylko dwa z wielu problem\u00f3w, z kt\u00f3rymi musieli\u015bmy si\u0119 zmierzy\u0107 podczas budowania PractIQ. <\/p>\n\n\n\n

        W jaki spos\u00f3b uda\u0142o wam si\u0119 je rozwi\u0105za\u0107 i \u201enauczy\u0107\u201d tego agent\u00f3w?<\/strong> <\/h3>\n\n\n\n

        To pytanie jest bardziej z\u0142o\u017cone, ni\u017c mog\u0142oby si\u0119 wydawa\u0107 \u2013 g\u0142\u00f3wnie dlatego, \u017ce samo s\u0142owo \u201enauczy\u0107\u201d w kontek\u015bcie AI bywa myl\u0105ce. W bran\u017cy zwykle kojarzy si\u0119 je z trenowaniem lub douczaniem modeli, ale to tylko jedna z metod pracy z du\u017cymi modelami j\u0119zykowymi. Nie zawsze najwa\u017cniejsza. <\/p>\n\n\n\n

        W Inteca podeszli\u015bmy do tego inaczej. Skoro naszym celem by\u0142a pe\u0142na automatyzacja produkcji oprogramowania \u2014 od intencji u\u017cytkownika po gotowe rozwi\u0105zanie \u2014 zacz\u0119li\u015bmy od przyjrzenia si\u0119 temu, jak wygl\u0105da ca\u0142y proces dzi\u015b. <\/p>\n\n\n\n

        O ile og\u00f3lny przebieg SDLC jest wsz\u0119dzie podobny \u2014 analiza, projektowanie, implementacja, testy, wdro\u017cenie \u2014 o tyle ka\u017cdy zesp\u00f3\u0142 w praktyce pracuje nieco inaczej, ma w\u0142asne przyzwyczajenia, standardy i sposoby wykonywania zada\u0144. Je\u015bli chcieli\u015bmy, by AI wykonywa\u0142a te zadania autonomicznie, musieli\u015bmy znale\u017a\u0107 spos\u00f3b, by wyt\u0142umaczy\u0107 jej<\/em> te praktyki w spos\u00f3b uniwersalny i mo\u017cliwy do odwzorowania. <\/p>\n\n\n\n

        I tu pojawi\u0142 si\u0119 prze\u0142om: zdefiniowanie praktyk operacyjnych i sposobu ich formalnego opisywania. 
         <\/p>\n\n\n\n

        Dlaczego? <\/strong> <\/h3>\n\n\n\n

        Bo modele AI najlepiej radz\u0105 sobie wtedy, gdy maj\u0105 jasno okre\u015blone: <\/p>\n\n\n\n

        \n
          \n
        • oczekiwania, <\/li>\n\n\n\n
        • dane wej\u015bciowe i wyj\u015bciowe,\u00a0<\/li>\n\n\n\n
        • regu\u0142y dzia\u0142ania,\u00a0<\/li>\n\n\n\n
        • oraz przyk\u0142ady.\u00a0<\/li>\n<\/ul>\n<\/div><\/div>\n\n\n\n

          Gdy przyjrzymy si\u0119 pracy do\u015bwiadczonych specjalist\u00f3w, zobaczymy, \u017ce dok\u0142adnie tego u\u017cywaj\u0105: wiedzy (czyli zestawu zasad) oraz do\u015bwiadczenia (czyli wielu przepracowanych przyk\u0142ad\u00f3w). <\/p>\n\n\n\n

          Dlatego naszym zadaniem sta\u0142o si\u0119 rozbicie praktyk operacyjnych na zestaw powtarzalnych produkt\u00f3w i zada\u0144 oraz skonfigurowanie AI w roli wyspecjalizowanych agent\u00f3w, kt\u00f3re potrafi\u0105 te zadania realizowa\u0107. <\/p>\n\n\n\n

          Ostatnim, ale kluczowym elementem jest koordynacja wsp\u00f3\u0142pracy mi\u0119dzy agentami i lud\u017ami, czyli co\u015b, co nazywamy orkiestracj\u0105 pracy. To ona sprawia, \u017ce ca\u0142y proces dzia\u0142a sp\u00f3jnie \u2014 a agenci AI nie tylko wykonuj\u0105 swoje zadania, ale robi\u0105 to we w\u0142a\u015bciwej kolejno\u015bci i kontek\u015bcie, wsp\u00f3\u0142pracuj\u0105c z cz\u0142owiekiem jak z cz\u0142onkiem zespo\u0142u. <\/p>\n\n\n\n

          Jak to wszystko prze\u0142o\u017cy\u0107 na procesy, kt\u00f3re firmy stworzy\u0142y jeszcze przed rewolucj\u0105 AI? One cz\u0119sto s\u0105 z\u0142o\u017cone i nielinearne. W jaki spos\u00f3b wple\u015b\u0107 w nie AI i po\u0142\u0105czy\u0107 to z lud\u017ami?<\/strong> <\/p>\n\n\n\n

          Wbrew pozorom to w\u0142a\u015bnie w takich procesach AI mo\u017ce da\u0107 najwi\u0119ksz\u0105 warto\u015b\u0107. Je\u015bli proces jest prosty, deterministyczny i masowy \u2014 jak np. klasyczne procesy produkcyjne \u2014 udzia\u0142 AI mo\u017ce okaza\u0107 si\u0119 mniej prze\u0142omowy. Natomiast tam, gdzie mamy z\u0142o\u017cono\u015b\u0107, zmienno\u015b\u0107 i du\u017c\u0105 liczb\u0119 decyzji do podj\u0119cia, AI potrafi realnie odci\u0105\u017cy\u0107 ludzi i przyspieszy\u0107 prac\u0119. <\/p>\n\n\n\n

          J<\/strong>ak to wygl\u0105da w praktyce?<\/strong> <\/h3>\n\n\n\n

          Pierwszym krokiem jest dekompozycja procesu: roz\u0142o\u017cenie go na cz\u0119\u015bci sk\u0142adowe, zidentyfikowanie stosowanych praktyk oraz zrozumienie, jak te elementy s\u0105 ze sob\u0105 powi\u0105zane. Dopiero wtedy mo\u017cna wybra\u0107 te fragmenty, w kt\u00f3rych AI wniesie najwi\u0119ksz\u0105 warto\u015b\u0107 \u2014 i od nich zacz\u0105\u0107. <\/p>\n\n\n\n

          Z takim w\u0142a\u015bnie wyzwaniem mierzyli\u015bmy si\u0119 w Inteca. Proces realizacji projektu IT, czyli budowy oprogramowania, jest z natury<\/em> nieliniowy, iteracyjny i bardzo zmienny. Jednocze\u015bnie ju\u017c w 2023 roku by\u0142o jasne, \u017ce AI potrafi programowa\u0107 \u2014 generowa\u0107 kod \u017ar\u00f3d\u0142owy. Problem polega na tym, \u017ce aby robi\u0142a to dobrze i powtarzalnie, musi otrzyma\u0107 poprawne wej\u015bcie: wyniki analizy, decyzje architektoniczne, projekt rozwi\u0105zania. Dopiero na tej podstawie mo\u017cna wygenerowa\u0107 jako\u015bciowy kod. <\/p>\n\n\n\n

          Dlatego w\u0142a\u015bnie najbardziej interesowa\u0142a nas trudniejsza cz\u0119\u015b\u0107 workflow \u2013 analiza, architektura, projektowanie. W naszej firmie mieli\u015bmy dobrze zdefiniowane praktyki w tych obszarach, wi\u0119c postanowili\u015bmy \u201eprzet\u0142umaczy\u0107\u201d je na j\u0119zyk zrozumia\u0142y dla AI, tak aby mog\u0142a realizowa\u0107 je tak samo, jak robi\u0105 to do\u015bwiadczeni specjali\u015bci. <\/p>\n\n\n\n

          A z biznesowego punktu widzenia, co by\u0142o waszym celem?<\/strong> <\/h3>\n\n\n\n

          Na pocz\u0105tku dominowa\u0142y u nas cele badawcze. ROI zszed\u0142 na drugi plan, bo chcieli\u015bmy przede wszystkim zweryfikowa\u0107 postawion\u0105 tez\u0119 i zrozumie\u0107, jakie konsekwencje ten kierunek rozwoju mo\u017ce mie\u0107 dla naszej firmy i \u2014 szerzej \u2014 dla ca\u0142ej bran\u017cy IT. <\/p>\n\n\n\n

          Dlatego celowo zaj\u0119li\u015bmy si\u0119 r\u00f3wnie\u017c najtrudniejszymi elementami procesu, takimi jak automatyzacja analizy wymaga\u0144 czy projektowania architektury. Gdyby\u015bmy potrafili rozwi\u0105za\u0107 te fragmenty, to znaczy\u0142oby, \u017ce automatyzacja ca\u0142ego SDLC jest naprawd\u0119 w zasi\u0119gu. <\/p>\n\n\n\n

          A co doradzi\u0142by\u015b innym firmom, kt\u00f3re chcia\u0142yby p\u00f3j\u015b\u0107 \u015bladem Inteca?<\/strong> <\/h3>\n\n\n\n

          Podej\u015bcie, kt\u00f3re rekomenduj\u0119, jest do\u015b\u0107 proste w za\u0142o\u017ceniu, cho\u0107 wymaga dok\u0142adnej pracy analitycznej: najpierw trzeba zrozumie\u0107 przep\u0142yw produkt\u00f3w i zada\u0144 w procesie oraz powi\u0105zania mi\u0119dzy nimi, a nast\u0119pnie wybra\u0107 te fragmenty, od kt\u00f3rych warto zacz\u0105\u0107 automatyzacj\u0119. Dobrze, je\u015bli spe\u0142niaj\u0105 one trzy kryteria: <\/p>\n\n\n\n

            \n
          1. Mo\u017cliwo\u015b\u0107 precyzyjnego zdefiniowania<\/strong> produkt\u00f3w, danych wej\u015bciowych i wyj\u015bciowych, regu\u0142 dla zada\u0144 oraz stworzenia tzw. checklist, kt\u00f3re pozwol\u0105 weryfikowa\u0107 poprawno\u015b\u0107 ich realizacji. <\/li>\n<\/ol>\n\n\n\n
              \n
            1. Wyra\u017ana warto\u015b\u0107 biznesowa automatyzacji<\/strong>, np. skr\u00f3cenie czasu realizacji, zmniejszenie pracoch\u0142onno\u015bci, czy uwolnienie ludzi od monotonnych zada\u0144, tak aby mogli skupi\u0107 si\u0119 na dzia\u0142aniach przynosz\u0105cych wi\u0119ksz\u0105 warto\u015b\u0107. <\/li>\n<\/ol>\n\n\n\n
                \n
              1. Strukturalna prostota fragmentu procesu<\/strong>, dzi\u0119ki czemu \u0142atwiej zacz\u0105\u0107 od mniej skomplikowanych, powtarzalnych element\u00f3w workflow, kt\u00f3re w obecnym modelu s\u0105 \u017cmudne i czasoch\u0142onne. <\/li>\n<\/ol>\n\n\n\n

                Twoim pomys\u0142em na rozwi\u0105zanie tego problemu jest PractIQ, inteligentna platforma, kt\u00f3ra zmienia spos\u00f3b pracy z AI, standaryzuje go i automatyzuje. Mo\u017cesz wyja\u015bni\u0107, na czym to polega?<\/strong> <\/h3>\n\n\n\n

                PractIQ powsta\u0142o wewn\u0105trz naszej firmy, pocz\u0105tkowo w celu zautomatyzowania w\u0142asnego procesu wytwarzania oprogramowania. Po drodze napotkali\u015bmy te same wyzwania, o kt\u00f3rych m\u00f3wi wiele raport\u00f3w bran\u017cowych, w tym raport MIT. R\u00f3wnolegle obserwowali\u015bmy trendy, kt\u00f3re liderzy rynku sygnalizowali zanim sta\u0142y si\u0119 powszechnie uznawane. Na przyk\u0142ad dzi\u015b powszechnie m\u00f3wi si\u0119, \u017ce vibe-coding<\/em> nie sprawdza si\u0119 w powa\u017cnych procesach produkcyjnych, a agentom AI potrzebna jest solidna specyfikacja wej\u015bciowa \u2014 pojawi\u0142a si\u0119 koncepcja spec-driven development<\/em>. <\/p>\n\n\n\n

                W naszej firmie doszli\u015bmy do podobnych wniosk\u00f3w do\u015b\u0107 wcze\u015bnie. Ale zadawali\u015bmy sobie kolejne pytania: je\u015bli wej\u015bciem dla zespo\u0142u agent\u00f3w AI jest dobra specyfikacja, to co jest wej\u015bciem do procesu wytworzenia tej specyfikacji? I jak to zadanie r\u00f3wnie\u017c zautomatyzowa\u0107 z u\u017cyciem AI? Czy mo\u017cna znale\u017a\u0107 wsp\u00f3lny schemat definiowania takich problem\u00f3w, kt\u00f3ry pozwala\u0142by budowa\u0107 rozwi\u0105zania dla ka\u017cdej praktyki, nie tylko w naszej firmie, ale w ka\u017cdej organizacji? <\/p>\n\n\n\n

                I do czego was to doprowadzi\u0142o?<\/strong> <\/h3>\n\n\n\n

                Tak zrodzi\u0142a si\u0119 koncepcja Practice Engineering \u2014 dyscypliny zajmuj\u0105cej si\u0119 projektowaniem orkiestracji pracy mi\u0119dzy agentami AI a lud\u017ami, w celu automatyzacji i ci\u0105g\u0142ego doskonalenia powtarzalnych sposob\u00f3w pracy. <\/p>\n\n\n\n

                To w\u0142a\u015bnie jest fundament naszej platformy PractIQ: metoda dekompozycji pracy na mniejsze cz\u0119\u015bci oraz orchestracja zada\u0144 mi\u0119dzy zespo\u0142em ludzi i agent\u00f3w AI, dzi\u0119ki czemu mo\u017cliwe jest powtarzalne, wysokiej jako\u015bci wykonywanie proces\u00f3w i ich ci\u0105g\u0142e udoskonalanie. <\/p>\n\n\n\n

                W jaki spos\u00f3b dzi\u015b szkolicie agent\u00f3w AI?<\/strong> <\/h3>\n\n\n\n

                Wyobra\u017a sobie najbardziej do\u015bwiadczonych pracownik\u00f3w wykonuj\u0105cych okre\u015blone zadania w danym procesie i popro\u015b ich, aby dok\u0142adnie opisali, jak je realizuj\u0105: na co zwracaj\u0105 uwag\u0119, czego potrzebuj\u0105 na wej\u015bciu i na wyj\u015bciu, jak weryfikuj\u0105 poprawno\u015b\u0107 wykonania oraz podali przyk\u0142ady dobrej i z\u0142ej realizacji. Nast\u0119pnie po\u0142\u0105cz wszystkie te zadania i produkty w sp\u00f3jn\u0105 ca\u0142o\u015b\u0107. To w\u0142a\u015bnie daje dane potrzebne do okre\u015blenia praktyki operacyjnej dla danego procesu \u2014 co\u015b, co niekt\u00f3rzy nazwaliby best practice<\/em>. <\/p>\n\n\n\n

                W PractIQ opracowali\u015bmy spos\u00f3b, aby zebra\u0107 te informacje w ustrukturyzowany spos\u00f3b, tak by mo\u017cna by\u0142o skonfigurowa\u0107 agent\u00f3w AI dzia\u0142aj\u0105cych jak do\u015bwiadczeni pracownicy. Kluczowe jest te\u017c uruchomienie ich orkiestracji w wsp\u00f3\u0142pracy z lud\u017ami, z odpowiednimi narz\u0119dziami, danymi i kontekstem. <\/p>\n\n\n\n

                A dlaczego w\u0142a\u015bciwie praktyki s\u0105 dzi\u015b wa\u017cniejsze od proces\u00f3w?<\/strong> <\/h3>\n\n\n\n

                Nie chodzi o to, \u017ce s\u0105 wa\u017cniejsze, ale je\u015bli chcemy, by AI realnie wspiera\u0142a nas w pracy, musimy zej\u015b\u0107 na poziom praktyk. W procesach opartych na danych ten sam etap mo\u017ce by\u0107 realizowany r\u00f3\u017cnymi metodami. Na przyk\u0142ad analiza wymaga\u0144 klienta w procesie tworzenia oprogramowania mo\u017ce odbywa\u0107 si\u0119 z u\u017cyciem historyjek u\u017cytkownika<\/em> albo przypadk\u00f3w u\u017cycia<\/em>. To dwie r\u00f3\u017cne praktyki, maj\u0105ce r\u00f3\u017cne wej\u015bcia, wyj\u015bcia i powi\u0105zania z innymi elementami, ale realizuj\u0105ce t\u0119 sam\u0105 funkcj\u0119 w procesie. <\/p>\n\n\n\n

                Je\u015bli chcemy powierzy\u0107 tak\u0105 funkcj\u0119 AI, musimy szczeg\u00f3\u0142owo zdefiniowa\u0107 ka\u017cd\u0105 praktyk\u0119, aby produkowa\u0142a weryfikowalne i powtarzalne produkty. To troch\u0119 jak z robotem na ta\u015bmie produkcyjnej: jego dzia\u0142anie jest w pe\u0142ni deterministyczne, miejsce, z kt\u00f3rego bierze \u015brubk\u0119 i wkr\u0119ca j\u0105 dalej, jest okre\u015blone co do milimetra. W cyfrowych procesach nie wszystko da si\u0119 zdeterminowa\u0107 \u2014 np. specyfikacja funkcjonalno\u015bci, kod programu czy tekst reklamacji klienta. Tam interesuje nas skuteczny rezultat zadania, czyli pozytywny efekt ko\u0144cowy. <\/p>\n\n\n\n

                Dlatego w\u0142a\u015bnie powsta\u0142a in\u017cynieria praktyk \u2014 metoda dekompozycji produkt\u00f3w i zada\u0144 w przep\u0142ywie pracy, kt\u00f3ra pozwala delegowa\u0107 je do agent\u00f3w AI. To jak konstruowanie powtarzalnej ta\u015bmy produkcyjnej: wej\u015bcia i wyj\u015bcia na poszczeg\u00f3lnych stanowiskach mog\u0105 si\u0119 r\u00f3\u017cni\u0107, ale na ko\u0144cu proces musi dawa\u0107 powtarzalny rezultat. <\/p>\n\n\n\n

                Jak to wp\u0142yn\u0119\u0142o na kultur\u0119 organizacyjn\u0105 i procesy firmy?<\/strong> <\/h3>\n\n\n\n

                W pewnym sensie wracamy do fundament\u00f3w. Zawsze stawiali\u015bmy nacisk na zrozumienie ca\u0142ego strumienia warto\u015bci klienta i kompleksowe podej\u015bcie do in\u017cynierii oprogramowania \u2014 od pracy z klientem, przez analiz\u0119 potrzeb, a\u017c po gotowe rozwi\u0105zanie. <\/p>\n\n\n\n

                Dzi\u015b staramy si\u0119 u\u015bwiadamia\u0107 in\u017cynierom, \u017ce praca koncepcyjna i interakcja z klientem s\u0105 kluczowe. To najbardziej cenione umiej\u0119tno\u015bci, ale w ostatnich latach trudne do wyeksponowania. Rozw\u00f3j AI uwidacznia prawdziwo\u015b\u0107 tej tezy: je\u015bli kto\u015b skupia si\u0119 tylko na powtarzalnych zadaniach bez g\u0142\u0119bokiego kontekstu \u2014 np. programista realizuj\u0105cy szczeg\u00f3\u0142owo opisane przez architekta czy tech lidera zadanie \u2014 to musi wiedzie\u0107, \u017ce AI jest ju\u017c w stanie je w pe\u0142ni przej\u0105\u0107. <\/p>\n\n\n\n

                Fundamenty, kt\u00f3re pozostaj\u0105 najwa\u017cniejsze, to praca z cz\u0142owiekiem w celu zrozumienia intencji, umiej\u0119tno\u015b\u0107 prze\u0142o\u017cenia tego na koncepcj\u0119 rozwi\u0105zania, dob\u00f3r technologii i praktyk realizacji oraz nowy rodzaj in\u017cynierii, czyli budowanie i dostrajanie orkiestracji ludzi i agent\u00f3w AI. <\/p>\n\n\n\n

                Czy jeste\u015b w stanie okre\u015bli\u0107, w jakim kierunku b\u0119dzie si\u0119 rozwija\u0142a wsp\u00f3\u0142praca cz\u0142owieka i agent\u00f3w AI? <\/strong> <\/h3>\n\n\n\n

                Moim zdaniem zmienia si\u0119 ca\u0142kowicie spos\u00f3b my\u015blenia o pracy. Idziemy w kierunku, w kt\u00f3rym agenci AI stan\u0105 si\u0119 integraln\u0105 cz\u0119\u015bci\u0105 organizacji, otwieraj\u0105c nowe mo\u017cliwo\u015bci, szczeg\u00f3lnie w wykorzystaniu potencja\u0142u najbardziej do\u015bwiadczonych specjalist\u00f3w. <\/p>\n\n\n\n

                W naszej firmie przestajemy ju\u017c m\u00f3wi\u0107 o tradycyjnych in\u017cynierach oprogramowania. Definiujemy nowe kompetencje \u2014 in\u017cynier\u00f3w praktyk (Practice Engineers) \u2014 kt\u00f3rzy potrafi\u0105 projektowa\u0107, orkiestruj\u0105 i optymalizuj\u0105 wsp\u00f3\u0142prac\u0119 ludzi i agent\u00f3w AI, aby dostarcza\u0107 powtarzalne, wysokiej jako\u015bci rezultaty. <\/p>\n","protected":false},"excerpt":{"rendered":"

                Rozmowa z Habte Woldu, CEO Inteca i wsp\u00f3\u0142tw\u00f3rc\u0105 platformy umo\u017cliwiaj\u0105cej efektywne wdra\u017canie AI w praktyki operacyjne.  A\u017c 95% firm nie osi\u0105ga realnych korzy\u015bci z wdro\u017ce\u0144 sztucznej inteligencji \u2013 wynika z raportu MIT The GenAI Divide \u2013 State of AI in Business 2025. Mimo \u017ce globalne inwestycje w technologie AI liczone s\u0105 w dziesi\u0105tkach miliard\u00f3w dolar\u00f3w, wi\u0119kszo\u015b\u0107 organizacji nadal nie potrafi prze\u0142o\u017cy\u0107 ich potencja\u0142u na konkretne wyniki biznesowe.  \u2013…<\/p>\n","protected":false},"author":3,"featured_media":1271,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","footnotes":""},"categories":[37],"tags":[],"class_list":["post-1245","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-wywiady"],"aioseo_notices":[],"taxonomy_info":{"category":[{"value":37,"label":"Wywiad"}]},"featured_image_src_large":["https:\/\/practiq.tech\/wp-content\/uploads\/2025\/12\/Wywiad-Habte_interview-1.png",1000,523,false],"author_info":{"display_name":"Maciej Nikodemski","author_link":"https:\/\/practiq.tech\/pl\/blog\/author\/mnikodemski\/"},"comment_info":0,"category_info":[{"term_id":37,"name":"Wywiad","slug":"wywiady","term_group":0,"term_taxonomy_id":37,"taxonomy":"category","description":"Poznaj dog\u0142\u0119bne wywiady z ekspertami Inteca, w kt\u00f3rych odkrywamy praktyczne spostrze\u017cenia, innowacyjne strategie oraz kulisy pracy os\u00f3b wsp\u00f3\u0142tworz\u0105cych nasze rozwi\u0105zania.","parent":0,"count":1,"filter":"raw","cat_ID":37,"category_count":1,"category_description":"Poznaj dog\u0142\u0119bne wywiady z ekspertami Inteca, w kt\u00f3rych odkrywamy praktyczne spostrze\u017cenia, innowacyjne strategie oraz kulisy pracy os\u00f3b wsp\u00f3\u0142tworz\u0105cych nasze rozwi\u0105zania.","cat_name":"Wywiad","category_nicename":"wywiady","category_parent":0}],"tag_info":false,"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t