Talks #14: Agenty AI - Software 3.0
Szczegóły
Agenda
📌 Vladimir Alekseichenko: 7 Poziomów Autonomii AI: inżynieria Software 3.0 rok później 🇵🇱
🎲 Quiz z nagrodami
📬 Ogłoszenia uczestników (w trakcie zapisów do quizu)
🍕 Pizza i networking
🌍 Gdzie: Poznań, sala wyk. CW8, Centrum Wykładowe PP, Piotrowo 2
🤝 Sponsor: DataWorkshop
(The event will be held in Polish)
—————————————————————————————
Vladimir Alekseichenko: 7 Poziomów Autonomii AI: inżynieria Software 3.0 rok później 🇵🇱
Abstract:
Rok temu mówiłem o nadejściu nowego paradygmatu Software 3.0. Dziś, gdy opadł kurz po eksplozji hype'u, widać wyraźnie: wygrywa ten, kto zamiast gonić za nowinkami, wraca do inżynierskiego zdrowego rozsądku.
To idealny moment, by przestać płynąć z prądem. Zamiast kolejny raz na ślepo używać "nowy rewolucyjny model", warto wyróżnić się solidnym warsztatem i zacząć budować rozwiązania, które po prostu działają.
Wiele projektów zderza się dziś ze "szklanym sufitem". Mamy świetne dema, ale wdrożenia produkcyjne nie dowożą wartości. Dlaczego? Bo próbujemy budować zaawansowane systemy, korzystając z kompetencji z poziomu prostego chatbota.
Czas na Level Up.
Podczas tej prelekcji pokażę autorską mapę 7 Poziomów Autonomii AI (wypracowaliśmy w DataWorkshop Lab). To narzędzie, które pozwoli Ci precyzyjnie namierzyć, gdzie jesteś, gdzie utknął Twój projekt i jakich konkretnie cegiełek brakuje, by wejść wyżej.
Czego dowiesz się podczas spotkania:
Fundamenty (Level 2): Structured Output to podstawa
Odkryjesz, dlaczego kluczem do stabilności nie jest "zaklinanie modelu promptem", ale inżynieria. Zobaczysz, jak wymuszanie schematów (Pydantic) zamienia nieprzewidywalny tekst w solidny element backendu.
RAG (Level 3): Od "szukania" do "rozumienia"
"RAG" (ten, który znasz) gubi się w tabelach i liczbach. Pokażę architekturę RAG, która pozwala systemom AI pracować na twardych danych z precyzją analityka, budując zaufanie biznesu.
Agenci, Pamięć i Narzędzia (Level 4-5): Obalamy mity
Tu panuje też sporo iluzji. Wielu uważa, że wystarczy podpiąć standardowe narzędzia (jak MCP) albo prostą bazę wektorową, by mieć "inteligentnego agenta".
To błąd.
Pamięć to nie tylko magazyn danych – to skomplikowany proces. Pokażę wypracowany w DataWorkshop Lab model 7 warstw pamięci, który pozwala świadomie zarządzać kontekstem i budować agentów, którzy faktycznie "pamiętają", a nie tylko "archiwizują".
Twoja mapa rozwoju
Przejdziemy przez całą taksonomię Software 3.0. Zrozumiesz, które umiejętności są fundamentem na lata, a które tylko chwilową modą, która przeminie wraz z kolejną aktualizacją modeli.
Dla kogo jest ta prezentacja?
Dla osób ze świata IT i biznesu, które chcą zamienić chaos eksperymentów na przewidywalną inżynierię. Jeśli szukasz konkretów i chcesz zrozumieć, jak realnie zarządzać niepewnością w projektach AI – to spotkanie jest dla Ciebie.
Bio:
Vladimir is the founder and CEO of DataWorkshop, with over 10 years of hands-on experience in implementing machine learning. Before starting his own company, he served as an architect at General Electric. He specializes in solving complex business problems using artificial intelligence, ML. Vladimir advises Fortune 500 companies, helping them integrate AI/ML and LLMs across industries such as industry, automotive, telecommunications, logistics and so on.
As the creator of the DataWorkshop community and the organizer of the DataWorkshop Club conference, he actively inspires and educates thousands of people on practical ML and LLM (production ready). He hosts the podcast "Biznes Myśli," dedicated to AI, and is the author of five courses completed by thousands of participants. His graduates work at leading companies like Google, Microsoft, Intel, IBM, Motorola, Nokia, Orange, Santander, PKO, Alior, and Revolut.