MakoDays: weryfikacja prognoz, obietnic i obaw ery AI

Listopadowa konferencja MakoDays 2025 była poświęcona zrozumieniu obecnego stanu rozwoju sztucznej inteligencji, jej wdrożeniom w przedsiębiorstwach oraz odpowiedzialności za wykorzystanie AI w kontekście danych i bezpieczeństwa. Magazyn ITwiz z przyjemnością pełnił rolę patrona medialnego tego ciekawego, zróżnicowanego i bardzo dopracowanego pod względem doboru tematyki wydarzenia, które przyciągnęło do łódzkiej siedziby organizatora – firmy MakoLab – liczną publiczność.

Konferencję otworzył Piotr Ignaczak, CTO MakoLab, który wskazał kluczowy problem zwrotu z inwestycji we wszystko, co dotyczy AI. Jego zdaniem sukces w dostarczaniu wyników wymaga trzech równoległych gotowości: AI, ludzkiej i organizacyjnej.

W wymiarze gotowości, czy raczej “niegotowości człowieka” na czasy AI, podkreślił, że gotowość do korzystania z AI wymaga fundamentalnej zmiany postawy i akceptacji nowego paradygmatu koegzystencji, który określił jako „człowiek plus AI”.

W kontekście gotowości technologicznej AI, Piotr Ignaczak podzielił zagadnienie na trzy obszary: rozwijane od dziesięcioleci uczenie maszynowe, Generative AI szybko rosnące od czasu premiery ChatGPT 3.5, oraz chronologicznie najnowszy – Agentic AI.

Czas ma kluczowe znaczenie dla dojrzałości poszczególnych obszarów, ale CTO firmy MakoLab zwrócił uwagę na ogromną dynamikę ostatnich lat. Przytoczył m.in. dane o możliwościach najnowszych modeli LLM, które osiągają prawie stuprocentową dokładność w zaawansowanych zadaniach matematycznych. Wskazał na potencjał łączenia poszczególnych obszarów w ramach większych rozwiązań; taka fuzja poszerza możliwości użycia.

Wśród wyzwań, wskazał natomiast problem zjawiska Shadow AI w dużych przedsiębiorstwach, samorzutnego podłączania narzędzi AI bez centralnej koordynacji. Z kolei na przykład Agenci AI borykają się z fundamentalnymi problemami pamięci, dekompozycji zadań i samooceny. Piotr Ignaczak zwrócił też uwagę na rosnące zapotrzebowanie na Suwerenną AI ze względu na ryzyko geopolityczne i możliwe ograniczenia w dostępie do technologii.

“Dzisiaj AI skupia się bardziej na produktywności niż na niezawodności. I chociaż AI może nie być w pełni gotowa, dojrzała, to ludzie są jeszcze mniej gotowi. A jednak pomimo wszystko – każdy dzień potwierdza, że AI niesie przełom” – podsumował Piotr Ignaczak.

Pragmatyka wdrożeniowa

W kolejnej prezentacji perspektywę praktyka, który mierzy się z codziennymi wyzwaniami implementacji AI przedstawił Thierry Folliot, Group CIO z Jiliti Group. Główne zastosowania sztucznej inteligencji w tej organizacij obejmują poprawę doświadczenia klienta, zwiększenie produktywności poprzez automatyzację zadań o niskiej wartości, takich jak obsługa awarii dysków twardych oraz poprawę codziennego funkcjonowania zespołu.

Jako największe wyzwanie Thierry Folliot wskazał potrzebę zarządzania zasobami ludzkimi w obliczu wdrażania sztucznej inteligencji. Pracownicy czują się zagrożeni zastąpieniem, zwłaszcza gdy AI działa szybciej i często lepiej. Drugim krytycznym punktem okazała się prywatność danych i zarządzanie prawami. Wykorzystanie danych wielu klientów jest kluczowe dla lepszych wyników, zarazem jednak rodzi naturalny konflikt z wymaganiami prywatności.

Wobec tych wyzwań, Jiliti Group przyjęło wielowymiarową strategię, która może stanowić pewien uniwersalny schemat. W obszarze HR niezbędna jest ciągła komunikacja i szkolenia, aby zwalczyć strach i pokazać, że AI ma usuwać żmudne zadania, przenosząc pracowników do pracy o wyższej wartości. W kwestiach technicznych firma zbudowała dla rozwiązania AI model hybrydowy ze względu na wysokie koszty inwestycji w zasoby GPU.

Thierry Folliot zalecał również wykorzystanie narzędzi low-code i no-code, takich jak N8N, aby zachować elastyczność, wprowadzenie metryk od samego początku w celu udowodnienia wartości dodanej oraz wdrażanie mechanizmów powrotu do interakcji z człowiekiem, jeśli AI zawiedzie. Szczególnie mocno podkreślił konieczność unikania uzależnienia od jednego dostawcy. Zwracał też uwagę na fakt, że konkurencja pomiędzy dostawcami technologii AI jest bardzo silna i nieuniknione są ciągłe przetasowania w rankingu najlepszych modeli LLM.

Czy klient mnie słucha w erze AI?

Z kolei prof. Martin Hepp, CEO i Chief Scientist w Hepp Research GmbH, przedstawił fascynujące spojrzenie, jak zmienia się komunikacja między firmami a klientami w świecie zdominowanym przez systemy AI.

Martin Hepp zaczął od fundamentalnego problemu: firmy tracą kontrolę nad tym, w jaki sposób jest komunikowana ich propozycja wartości. Aby uniknąć konkurencji wyłącznie cenowej, muszą oferować unikalne produkty i skutecznie komunikować szczegóły swojej propozycji wartości. Jednak udział interakcji, które odbywają się poza kontrolą firmy, na przykład w Google Reviews, stale rośnie.

Jako rozwiązanie przedstawił kluczową rolę danych strukturalnych opartych na słowniku schema.org, którego rdzeń e-commerce stanowi Good Relations. Takie dane pozwalają komponentom cyfrowym i AI przetwarzać informacje bezstratnie, chroniąc przed niedoreprezentowaniem cech produktu przez pośredników. Jak to ujął, istnieje armia niewidocznych artefaktów IT i komponentów AI, które działają jako pośrednicy, a firmy nie mają kontroli nad tym, w jaki sposób przekazują one propozycję wartości.

Profesor Hepp przedstawił trzy główne narzędzia komunikacji rynkowej w erze AI. Po pierwsze, schema.org pozostaje dominującym sposobem na zapewnienie, że systemy AI zrozumieją szczegóły propozycji wartości. Po drugie, Agent-to-Agent Protocol umożliwia agentom AI, takim jak ChatGPT, dostęp do usług i danych innych agentów. Po trzecie, OpenAI Product Feeds to nowy format danych ustanawiający dwustronny kanał dostarczania danych. Martin Hepp podkreślił, że techniczne SEO i wykorzystanie renderowania po stronie serwera jest znacznie bardziej skuteczne niż poleganie wyłącznie na przetwarzaniu tekstu przez modele językowe.

Kwanty i AI: obietnica czy iluzja?

Nie zawiodło także mocno oczekiwane wystąpienie dr Mirosława Sopka, założyciela MakoLab i CEO Quantum Blockchains Inc., o potencjalnej synergii między AI i informatyką kwantową.

Mirosław Sopek zaczął od kontekstu Drugiej Rewolucji Kwantowej, której filary to technologie kwantowe: obliczenia kwantowe, sensoryka i metrologia kwantowa oraz komunikacja i kryptografia kwantowa. Wyjaśnił, że abstrakcją obiektów kwantowych jest kubit, który może istnieć w superpozycji wielu stanów, co daje wykładniczo większą przestrzeń informacyjną niż klasyczne bity. Przywołał klasyczne algorytmy kwantowe – Shora do faktoryzacji, wykładniczo szybszy i zdolny złamać kryptografię asymetryczną, oraz Grovera do przeszukiwania, kwadratowo szybszy. Algorytmy te zostały wynalezione przed powstaniem komputerów kwantowych.

Jak podkreślił założyciel firmy MakoLab, programowanie kwantowe wymaga największej zmiany paradygmatu od czasu wynalezienia komputera cyfrowego. Algorytmy należy postrzegać jako obwody kwantowe, a nie przepisy realizacji konkretnego zadania. Zapotrzebowanie na połączenie kwantów z AI wynika z faktu, że ilość mocy obliczeniowej potrzebnej do trenowania AI podwaja się co nieco ponad trzy miesiące, co standardowy rozwój chipów nie jest w stanie dostarczyć.

Jednak Mirosław Sopek nie był bezkrytyczny wobec obietnic kwantowego uczenia maszynowego (Quantum Machine Learning, QML). Koncepcja ta boryka się z wyzwaniami, w tym problemem Barren Plateau oraz fundamentalnym problemem operacji I/O, mapowania danych rzeczywistych na kubity i wydobywania wyników.

Postawił więc raczej ostrożne wnioski: komercyjne wyniki na razie nie wykazują żadnej jasnej przewagi nad modelami klasycznymi. Ale, jak to określił, “sąd nadal obraduje”. Jednak ostrzegał, że ignorowanie rewolucji związanej z wykorzystaniem obliczeń kwantowych jest nierozsądne, a firmy mają tylko około czterech lat, aby nadrobić zaległości do momentu pojawienia się kryptograficznie relewantnego komputera kwantowego – według czasu jaki odlicza Y2Q (Cloud Security Alliance rozpoczęło odliczanie Y2Q – Year to Quantum – do 14 kwietnia 2030 r., daty, kiedy komputery kwantowe mają zyskać potencjał aby zagrozić obecnym systemom cyberbezpieczeństwa).

AI w rdzeniu strategii korporacyjnej

Jak duża międzynarodowa organizacja podchodzi do transformacji AI? W interesujący sposób omówił to Mateusz Rakusa-Suszczewski, IS/IT Director z Renault Polska (co także ciekawe, w Renault preferują termin Augmented Intelligence, czyli inteligencja rozszerzona, zamiast Artificial Intelligence).

Transformacja w Renault przyspieszyła od 2017 roku, skupiając się na danych dobrej jakości. W 2023 roku utworzono zespół „AI at scale” i przeszkolono 50 tys. pracowników. Strategia wykorzystania AI w Renault Polska opiera się na trzech filarach: rozszerzaniu procesów, rozszerzaniu możliwości pracowników i rozszerzaniu produktów. Ambicją firmy jest uzyskanie statusu pierwszego europejskiego producenta samochodów “AI Driven”.

Struktura wdrożenia obejmuje nowe role: AI Catalysts, czyli ekspertów wspierających biznes w definiowaniu inicjatyw oraz AI Builders, członków zespołu, który wdraża rozwiązania korzystający z AI Factory i Center of Excellence. Kluczowy jest proces walidacji wartości inicjatyw, w którym zaangażowani są dział finansów oraz HR ze względu na potencjalny wpływ na zespoły.

Mateusz Rakusa-Suszczewski podkreślił znaczenie koncepcji Responsible AI. Renault Polska zbudowało własny playbook koncentrujący się na sprawiedliwości społecznej, wpływie na środowisko, przejrzystości i bezpieczeństwie, oparty między innymi na AI Act.

Przykłady konkretnych wdrożeń robiły wrażenie. W obszarze designu generatywne narzędzia skróciły cykl projektowania produktu z czterech do dwóch lat. W logistyce optymalizacja załadunku i tras ciężarówek pozwoliła zredukować potrzebę kursu ośmiu tysięcy ciężarówek rocznie, co dało dwadzieścia milionów euro oszczędności. W rozwoju oprogramowania osiągnięto poprawę wydajności generowania kodu o 10 do 15%. Mateusz Rakusa-Suszczewski wspomniał również o AI Damage Locator, projekcie zrealizowanym wspólnie z firmą MakoLab, który automatyzuje ocenę uszkodzeń samochodu ze zdjęć, oszczędzając dziesięć z sześćdziesięciu minut czasu inspekcji.

Etyka i przywództwo: natura ludzka wobec AI

Temat odpowiedzialności i etyki w odniesieniu do AI, który pojawiał się właściwie we wszystkich wystąpieniach, był głównym tematem debaty panelowej „Między algorytmami a etyką: Nawigacja w niepewności opartej na AI”, w której rozmawiali profesor dr hab Katarzyna De Lazari-Radek, dr Mirosław Sopek, prof. Martin Hepp oraz dr Dariusz Czuchaj, prawnik technologii. “Choć technologia zmienia się bardzo szybko, nie zmieniła się aż tak bardzo natura ludzka” – mówiła prof. Katarzyna De Lazari-Radek, która poprowadziła tę dyskusję.

Mirosław Sopek w kontekście przywództwa w czasach niepewności stwierdził, że rolą lidera jest prowadzenie drogi do zmian, które nadchodzą, oraz niezapominanie o znakach ostrzegających przed technologią, takimi jak AI i quantum.

Martin Hepp podkreślił z kolei, że przywództwo powinno czerpać z kilku tysięcy lat analiz naukowych, przywołując między innymi Kantowski imperatyw kategoryczny, oraz uznać niepewność, na przykład własną śmiertelność i ograniczenia wiedzy. Jego zdaniem pierwszą potrzebą jest zdolność rozważania efektu działań na innych ludzi.

Dariusz Czuchaj zwrócił zaś uwagę, że proces tworzenia prawa jest bardzo powolny w porównaniu do szybkości rozwoju technologii, czego przykładem jest AI Act. Podkreślił, że przywództwo wymaga odwagi do mówienia nieprzyjemnych rzeczy publicznie, na przykład o konsekwencjach zbyt szybkiego rozwoju.

Interesującą część dyskusji stanowił wątek dotyczący kwestii użycia sztucznej inteligencji w wymiarze sprawiedliwości. Paneliści dyskutowali o wykorzystaniu AI w sądach, na przykład w Chinach. Stwierdzono, że wielu ludzi mogłoby preferować sędziego algorytmicznego, ponieważ ludzie są podatni na uprzedzenia. Mirosław Sopek zauważył jednak, że eksperymenty z modelami LLM uczonymi na danych historycznych pokazały ich ograniczenia, nie były w stanie wynaleźć niczego, co wymagałoby zmiany sposobu myślenia.

Cyberprzestępcy masowo stosują AI

Na konferencji o AI nie mogło zabraknąć omówienia problemu cyberbezpieczeństwa. Maciej Grala z działu Cybersecurity firmy MakoLab przedstawił niepokojący obraz wpływu generatywnej sztucznej inteligencji na bezpieczeństwo cyfrowe. Jego prezentacja rozpoczęła się od demonstracji obrazów generowanych przez AI, tak realistycznych, że użytkownicy tracą zaufanie do własnych oczu. Wcześniej stracili zaufanie do uszu, bo w zakresie dźwięku technologia deepfake jest wykorzystywana na szeroką skalę od trzech lat.

Szczególnie niepokojąca jest łatwość generowania deepfake’ów. Klonowanie głosu jest możliwe nawet z jednominutowego nagrania na podstawie miesięcznego abonamentu w wysokości 11 dolarów. Niezbędne jest budowanie świadomości i wzmacnianie procesów w firmie, na przykład wymóg drugiej aprobaty dla płatności, a także analizowanie i uczenie się na podstawie incydentów.

Jednocześnie, dzisiejsze – a więc nowoczesne – ataki phishingowe charakteryzują się trzema cechami: presją, podszywaniem się pod zaufane osoby, takie jak szef oraz są ukierunkowane na człowieka, który pozostaje najsłabszym ogniwem.

Skala zagrożenia jest oszałamiająca. Szacowana wartość rynku cyberprzestępczości wynosi 9,5 bln dolarów, co czyni go trzecią największą gospodarką na świecie po USA i Chinach. Organizacje przestępcze funkcjonują niczym legalne korporacje, a sztuczna inteligencja służy im m.in. do automatyzacji i skalowania ataków. Maciej Grala wspomniał też o pierwszych atakach, które w 95% były w pełni autonomiczne i realizowane przez agentów AI.

Walka z oszustwami: predykcja, nie tylko detekcja

Na tle rosnącej skali cyberzagrożeń wykorzystujących AI niezbędne jest zastosowanie tej samej technologii do obrony. Praktyczne zastosowanie AI w walce z rosnącymi oszustwami związanymi z tokenizacją płatności w regionie nordyckim przedstawił Sören Babra, CEO Payair Technologies.

Według niego oszuści starają się dziś na szeroką skalę wykradać dane kart kredytowych, które są obecnie chronione za pomocą tzw. tokenizacji. Działają jak firmy, pozyskując skompromitowane dane kart poprzez fałszywe strony, a następnie używają inżynierii społecznej, często z użyciem głosu generowanego przez AI.

System antyfraudowy Payair koncentruje się na predykcji i prewencji, a nie tylko na detekcji po transakcji. System składa się z czterech filarów: detekcji anonimizacji, która blokuje transakcje, gdy używane są usługi anonimizujące; throttling, czyli ograniczenia liczby tokenizacji na kartę lub urządzenie w określonym czasie; fingerprinting urządzeń identyfikujący skompromitowane urządzenia; oraz predykcji wykorzystującej dostosowane algorytmy do analizy danych z wielu źródeł.

Algorytmy głosują, określając prawdopodobieństwo oszustwa, co pozwala bankom proaktywnie odrzucić tokenizację. System charakteryzuje się samodoskonaleniem algorytmów z każdą potwierdzoną próbą oszustwa oraz możliwością adaptacji do fal ataków poprzez tymczasowe obniżenie progu prawdopodobieństwa oszustwa.

Konwersacyjny dostęp do danych

Wśród wystąpień MakDays warto także zwrócić uwagę na prezentację Jacka Popko, dyrektora działu Digital Solutions w MakoLab, który zaprezentował łączący generatywną AI z grafami wiedzy system „Talk to your Data” (TTYD).

System ten adresuje powszechny problem: menedżerowie, którzy chcą uzyskać odpowiedzi na pytania biznesowe, są zależni od analityków piszących zapytania SQL, co prowadzi do frustracji i opóźnień. System TTYD pozwala menedżerowi rozmawiać z danymi w języku naturalnym. Architektura rozwiązania obejmuje model językowy, który pisze zapytania SQL, oraz grafy wiedzy wykorzystujące dane z zewnętrznych źródeł, takich jak WikiData do odpowiadania na bardziej ambitne pytania.

System TTYD może generować zapytania SQL na podstawie prostych pytań, ale co ważniejsze, może rozwiązywać niejednoznaczności i łączyć wiedzę wewnętrzną z wiedzą zewnętrzną. Może, przykładowo, sprawdzić narodowość autorów w WikiData, a następnie połączyć to z danymi z wewnętrznej biblioteki firmy. System skraca czas do uzyskania wglądu poprzez automatyczne łączenie danych z różnych źródeł. Może być używany do analizy danych na miejscu, generowania raportów w czasie rzeczywistym oraz łączenia sygnałów rynkowych z danymi wewnętrznymi.

AI jako potężne narzędzie uniwersalnego zastosowania

Wystąpienia podczas MakoDays przedstawiały obraz AI w przedsiębiorstwach od fundamentów technologicznych przez praktyczne wdrożenia, etykę i przywództwo, aż po konkretne zastosowania w cyberbezpieczeństwie i analizie danych. Sztuczna inteligencja  jest potężnym narzędziem, które wymaga jednak odpowiedzialnego podejścia, świadomości ograniczeń i – w przypadku firm – rozumienia i koncentracji na wartości biznesowej.