AI Now Polska Webinar #2

Prelekcja #1: “Wykorzystanie narzędzi AI w roli DevOpsa - zarządzanie repozytoriami, chmurą i zadaniami w rozwiązaniach Microsoft Azure” - Michał Smyk

Michał, pracując jako DevOps, na co dzień ma do ogarnięcia trzy rzeczy naraz: kod źródłowy (kilka repo obok siebie), chmurę (pipeline’y, buildy, zasoby) i zadania w projekcie. Na sesji pokaże, jak u niego w to wszystko wpina narzędzia AI - na żywo, z terminalem, bez slajdów o „magii sztucznej inteligencji”. Od razu mówi wprost: nie ma jednej dobrej konfiguracji. Ktoś ma inne IDE, ktoś Copilota bez agenta, ktoś reguły w wiki zamiast w AGENTS.md - i to też ma sens. Prelegent pokaże swój setup, który realnie oszczędza czas: multi-repo w workspace, MCP pod Azure DevOps i Azure, plik AGENTS.md z regułami projektu. 

Michał Smyk: inżynier oprogramowania z ponad dwunastoletnim doświadczeniem w .NET-cie oraz DevOps skupionym na chmurze Azure. Obecnie prowadzi zespół DevOpsów ukierunkowanych na chmurę Azure w SoftServe Poland. Po godzinach gracz i entuzjasta kultury japońskiej.

Lightning Talk: “Pułapki przejścia z n8n do realnej aplikacji AI” - Marcin Wolny

Pipeline typu notatka głosowa, transkrypcja, podsumowanie przez LLM, jest banalny do sprototypowania i zwodniczo trudny do uproduktowienia. Pierwszy PoC powstał w jedno popołudnie w n8n. Działało to na tyle dobrze, że pokazało, iż pomysł ma sens. Ale dojście od "u mnie działa" do "płacący użytkownik ma realną korzyść" okazała się znacznie dłuższa, niż sugerowałby oryginalny pomysł, który miał nasz prelegent. Marcin pokaże Wam konkretne decyzje inżynierskie, które wymusiło każde z tych przejść oraz wnioski, które każdy może wykorzystać u siebie, gdy następnym razem zacznie się od "przecież to tylko trzy node'y w n8n" albo "zvibecode'uj to".

Marcin Wolny: buduje rzeczy dla webu od gimnazjum - swoją pierwszą komercyjną stronę napisał, gdy topowym stackiem był Flash. Większość kariery spędził w ekosystemie PHP, zarówno w Polsce jak i UK, później JavaScript, a od 2021 roku jako manager w ArdentCode. Łączy zarządzanie z hands-on kodowaniem na kilku projektach, a jego supermocą jest szybki context switching.

Prelekcja #2: “Mały LLM w Twoim wielkim rozwiązaniu - dlaczego 90% wdrożenia AI to nie sam model?” - Maciej Jarlaczyński

W trakcie prelekcji Maciej pokaże, ile naprawdę trzeba zbudować dookoła samego modelu, żeby produkcyjne wdrożenie AI faktycznie działało. Jako główny case omówi zanonimizowany proces z sektora ubezpieczeniowego. Zadanie dla systemu brzmi prosto - "sklasyfikuj załączniki od klienta względem OWU", ale w praktyce taki załącznik może być wielotypowym, 47-stronicowym skanem z mieszanką pisma maszynowego i ręcznego, a OWU obowiązujące w dniu zdarzenia może być sprzed wielu lat (czego standardowy RAG nie rozróżnia), model czasem zwraca prawie-poprawny JSON (a system legacy wymaga zawsze-poprawnego), podczas gdy wybrany region naszej platformy chmurowej właśnie niedomaga, a mamy do czynienia z obciążeniowym peakiem. Do tego circuit breakery, fallbacki, kolejki, audit trail i warstwa compliance (AI Act, DORA, KNF patrzy). Prelegent pokaże rozkład kosztów przetworzenia jednego dokumentu, gdzie sam model LLM to tylko część, a reszta to infrastruktura, ingestia i compliance. W trakcie prezentacji na zdrowej architekturze enterprise opowie, jak boli pominięcie pewnych jej elementów - jak załatać to, co wcale nie działa tak jak mówi hype.

Maciej Jarlaczyński: 20 lat w IT - od systemów bankowych i ubezpieczeniowych, sektor publiczny, przez autorski ERP, który obsłużył 20-krotny wzrost przychodów firmy produkcyjnej, cztery Diamenty Forbesa i końcową akwizycję spółki, którą współzarządzał. Przy okazji zna się na budowie elektrowni wiatrowych i jachtów. Dziś wnosi inżynierski pragmatyzm tam, gdzie hype wokół GenAI przerasta realne możliwości technologii.