powered by
SysOps/DevOps Polska
Webinar Series
Skupiamy się na tym, co działa tu i teraz. Realne wdrożenia, brutalnie szczere reviews narzędzi, prompty i automatyzacje gotowe do produkcji w 48 godzin. Bez "AI Intro". Bez hype'u.
Trzy zasady, na których stoimy
Zakładamy, że wiesz, czym jest LLM. Pomijamy etap fascynacji teorią. Wchodzimy głęboko w procesy, koszty i błędy wdrożeniowe od pierwszej minuty spotkania.
→ deep dive onlyPrezentujemy wyłącznie narzędzia, które przeszły testy bojowe i przynoszą realne ROI. Brutalnie szczere reviews. Mówimy głośno o tym, co nie działa i na co szkoda budżetu.
✓ verified in productionNa każdym spotkaniu otrzymujesz Tool-Kit: nazwane narzędzia, prompty, schematy automatyzacji. Gotowe do wdrożenia w Twojej organizacji w ciągu 48 godzin.
⏱ ready in 48hDwa kolejne terminy w kalendarzu. Zapisy otwarte na oba; miejsca rezerwujemy w kolejności zgłoszeń.
Odpowiedzialność za błędy AI i świadome sterowanie „myśleniem” modeli na produkcji — dwie prelekcje, lightning talk i Q&A po każdym wystąpieniu.
Agenda w przygotowaniu. Zapisy są już otwarte — zarezerwuj miejsce, szczegóły opublikujemy tutaj.
„Kawa jest gorąca, a AI popełnia błędy. Za co odpowiadamy my?”
Prawnik od technologii. Jako Product Manager buduje rozwiązania z zakresu prywatności danych, AI i data governance, przekładając wymagania regulacyjne na praktykę organizacji. Po godzinach prowadzi jakuzywac.ai — projekt edukacyjny, w którym pokazuje, jak używać AI skutecznie i odpowiedzialnie.
Wszyscy wiemy, że podawana kawa jest gorąca, a mimo to w latach 90. popularna sieć restauracji odpowiadała przed sądem za poparzenie klientki gorącym napojem. Podobnie dzisiaj — wiemy, że AI halucynuje i popełnia błędy, ale regulatorzy nie traktują tego jako wymówki. Oczekują od nas konkretnych działań i skutecznych zabezpieczeń, za których brak możemy wprost odpowiadać.
Podczas prelekcji przełożymy unijny AI Act, RODO i nową dyrektywę o odpowiedzialności za produkty wadliwe na język inżynierów. Bez prawniczego żargonu i na przykładach z codziennej pracy zespołów technicznych omówimy, jak ocenić ryzyko systemu AI i co z tej oceny wynika dla budowanego produktu. Pokażemy, czym różni się dostawca od podmiotu stosującego, a także przyjrzymy się nowym obowiązkom przejrzystości, które obejmują m.in. chatboty i treści generowane przez AI.
Zejdziemy również na poziom technologii i architektury. Wyjaśnimy, czego dokładnie art. 10 AI Act wymaga od danych treningowych, walidacyjnych i testowych. Skupimy się także na tym, jak od podstaw wbudować w projekt mechanizmy privacy by design i transparency by design, zamiast narażać się na kosztowne i czasochłonne „doklejanie” ich tuż przed wdrożeniem na produkcję.
„Kiedy model nie powinien myśleć: System 1 vs System 2 na produkcji”
Principal Software Engineer w Akamai. Zajmuje się pełnym stosem technologicznym: od inżynierii oprogramowania, platform rozproszonych i infrastruktury chmurowej po badania i rozwój modeli AI, w tym autorskie architektury i przetwarzanie zbiorów danych. Specjalizuje się w optymalizacji wydajności systemów oraz inferencji modeli LLM, w tym niskopoziomowym programowaniu GPU. Wdrażał na globalną skalę systemy widzenia komputerowego, przetwarzania języka naturalnego i uczenia adaptacyjnego, a technologię traktuje przede wszystkim jako narzędzie do rozwiązywania realnych problemów biznesowych.
Branża promuje modele rozumujące tak, jakby były odpowiedzią na wszystko. Tymczasem większość ruchu produkcyjnego to prostsze zadania, takie jak klasyfikacja, ekstrakcja danych, routing i scoring. W takich zadaniach dodatkowe rozumowanie przede wszystkim zwiększa opóźnienia i koszty, a system staje się mniej przewidywalny.
Co więcej, przy niektórych zadaniach dłuższy namysł wręcz obniża trafność, zupełnie jak u człowieka, który za długo się zastanawia. Pokażę, kiedy wystarczy szybki System 1, a kiedy warto zapłacić za wolny System 2.
„Zarządzanie zespołami w erze AI: ukryte koszty”
Liderka zespołu QA, Technical Product Owner, weteranka dużych międzynarodowych projektów. Popularyzuje wiedzę o jakości oprogramowania i umiejętnościach miękkich w IT (w ramach marki Dzika Jakość). Łączy teorię z praktyką — zaangażowana w badania naukowe w obszarze psychologii, zarządzania i komunikacji online. Działa jako trenerka, prelegentka i rzeczniczka osób neuroatypowych w IT.
Czy AI po cichu stało się członkiem Twojego zespołu? Czy aby na pewno wszyscy czują się dobrze z posiadaniem takiego kolegi? Większość dyskusji o wdrożeniach rozwiązań AI skupia się na aspektach technicznych: wyborze narzędzi, integracji z istniejącymi technologiami i kosztach licencji. Jednak gdy rozwiązania oparte na LLM-ach podbijają szturmem działy IT, z czasem pojawia się koszt, o którym nikt nie myśli.
Ostatnie badania na temat komunikacji pośredniczonej AI (AI-mediated communication) wskazują, że wpływa ona na nasz wizerunek w oczach kolegów, na zachowanie i jakość współpracy. Wiadomości konstruowane przez AI mogą obniżać poziom zaufania, chęć do pomocy i tworzyć wrażenie unikania odpowiedzialności. Jednocześnie stoimy przed pytaniem, czy ujawniać stosowanie AI w danej sytuacji, czy nie — a odpowiedź na to, która opcja jest lepsza, może zaskakiwać.
Prezentacja rzuci światło na obecny stan nauki i pokaże, jak przełożyć wyniki badań na praktykę zarządzania tak, żeby coraz bardziej obecne AI nie niszczyło relacji w zespołach.
Q&A po każdej prelekcji. Szczegóły mogą ulec drobnym zmianom — aktualna wersja zawsze tutaj.
Każdy webinar — prelekcje, lightning talki i sesje Q&A — trafia na nasz kanał YouTube i jest dostępny za darmo. Subskrybuj, żeby nowe nagrania pojawiały się u Ciebie automatycznie.
Partnerstwo · 2026
Zapewniamy dotarcie do ludzi z realnymi potrzebami „na już", szukających optymalnych rozwiązań dla swoich organizacji. The Builders. The Decision Makers. The Creatives.
