VASP: jak nasze potrzeby przetłumaczyć na język AI i wymierną wartość biznesową

Dlaczego Value Added Services Platform (VASP) może stać się kluczem do transformacji, której wszyscy szukamy? Współczesna dyskusja o sztucznej inteligencji przypomina obserwowanie oceanu przez małe okienko w kajucie.

Koncentrujemy się niemal wyłącznie na generatywnych modelach językowych (LLM) oraz na automatyzacji i optymalizacji procesów operacyjnych. To fundamentalne zawężenie perspektywy sprawia, że marnujemy potencjał najbardziej transformacyjnej technologii naszych czasów.

Czujemy unoszące nas fale ciekawych wyzwań, ale nadal tkwimy w świecie korelacji, ignorując świat przyczyn. Niniejszy artykuł przedstawia alternatywną, śmiałą wizję: AI to nie tylko narzędzie do szybszego przetwarzania istniejących danych. To architektura poznawcza zdolna do rozumienia pytania, dlaczego (przyczynowości), antycypowania przyszłości i aktywnego współkreowania rzeczywistości.

Centralnym elementem tej wizji jest Value Added Services Platform (VASP), która pozwala przekształcić organizację z pasywnego obserwatora przeszłości w aktywnego architekta nadchodzącej przyszłości. To już nie tylko technologia; to zmiana sposobu, w jaki organizacje mogą uczyć się poprzez przyczynowe rozumienie świata. Tworząc wartości dodane w dynamicznie zmieniającym się oceanie niepewności, możemy wreszcie zrozumieć wzorce zapisane w historycznych danych. To epistemologiczny przewrót – prosta, Feynman’owska przyjemność poznawania.

Kamień z Rosetty dla epoki AI: kryzys rozumienia

W 1799 roku francuscy żołnierze odkryli w Egipcie kamień, który zmienił nasze rozumienie starożytności. Kamień z Rosetty zawierał ten sam tekst zapisany w trzech różnych pismach – hieroglifach egipskich, piśmie demotycznym i alfabecie greckim. Ten bezcenny klucz translacyjny pozwolił nam rozszyfrować tajemnicę hieroglifów.

Być może w epoce sztucznej inteligencji to właśnie VASP stanie się naszym współczesnym Kamieniem z Rosetty. To platforma, która pozwoli „przetłumaczyć” „język życia” ludzi na „język danych” zrozumiały dla AI, a następnie na „język wartości” biznesowej. Bez takiego klucza petabajty danych ukryte w Big Data pozostaną piękną, ale nieczytelną statystyką.

Paradoksalnie, w erze nadmiaru danych mierzymy się z kryzysem rozumienia rzeczywistości w nich zapisanych. Im więcej gromadzimy informacji, tym trudniej jest nam zrozumieć ich istotę. Kiedy liderzy biznesu mówią dziś o projektach z wykorzystaniem AI, ich wzrok najczęściej przykuwa ChatGPT, automatyzacja procesów i generatywne narzędzia. Ale to zaledwie wisienka na torcie możliwości.

Yann LeCun, jeden z architektów głębokiego uczenia i laureat Nagrody Turinga, posługuje się trafną metaforą: „Jeśli wiedza o świecie zapisana w danych to gigantyczny TORT, to uczenie nadzorowane to zaledwie wisienka; a uczenie ze wzmacnianiem to lukier. Jednakże fundamentem całości jest biszkopt, stanowiący 80% tortu – to uczenie samonadzorowane, czyli zdolność AI do rozumienia kontekstu, przyczynowości i złożonych relacji”.

Współcześnie organizacje inwestują głównie w „wisienki” i „lukier”, nie mając jasnej strategii wykorzystania wiedzy ukrytej w „biszkopcie”. Tradycyjne dane biznesowe – transakcje, kliknięcia, konwersje – można analizować w nieskończoność, ale nie koniecznie zbliży nas to do odpowiedzi na fundamentalne pytanie: Dlaczego ludzie podejmują właśnie takie decyzje?

Trzystopniowa hierarchia poznawania

Judea Pearl, jeden z największych umysłów współczesnej nauki o danych, przedstawił wizję, która powinna wstrząsnąć sposobem myślenia każdej organizacji o AI. Nazwał ją Drabiną Przyczynową (The Ladder of Causality) – trzystopniową hierarchią mądrości, która definiuje granice tego, co możemy wiedzieć i jak skutecznie możemy działać.

Pierwszy Szczebel to Obserwacja (Poziom Korelacji) – To poziom, na którym operuje dziś przytłaczająca większość współczesnych systemów analitycznych. Jesteśmy biernymi obserwatorami, analizujemy dane historyczne, odkrywamy korelacje i identyfikujemy wzorce. Zadajemy pytania opisowe: „Co się stało?” i „Kiedy to się stało?”.

To świat klasycznej statystyki. Mamy wrażenie, że rozumiemy, bo widzimy regularności i trendy. W rzeczywistości to poziom iluzji wiedzy.

Drugi Szczebel to Interwencja (Poziom Eksperymentu) – To przeskok od biernego patrzenia do aktywnego kształtowania rzeczywistości. Na tym poziomie eksperymentujemy i aktywnie ingerujemy w otaczający świat. Nie pytamy już „Co się stało?”, lecz strategicznie: „Co się stanie, jeśli świadomie zrobię X?”. To tu rodzi się prawdziwa decyzyjność i sprawczość biznesowa.

Trzeci Szczebel to Wyobraźnia (Poziom Kontrfaktyczny) – To najwyższy poziom poznawania. Zdolność do myślenia kontrfaktycznego, do zadawania pytań z gatunku:

„Co by było, gdyby…?”. To świat symulacji alternatywnych rzeczywistości, przewidywania skutków działań, których jeszcze nie podjęliśmy. To poziom, na którym operują stratedzy i wizjonerzy. To jest ten poziom, do którego musi aspirować AI, aby stać się naszym partnerem.

Kluczowa Teza Pearl`a mówi wprost, nie można przeskoczyć szczebli. Nie można budować kontrfaktycznych symulacji, jeśli nie rozumie się mechanizmów przyczynowości. Nie można rozumieć przyczynowości, jeśli tylko biernie obserwuje się korelacje.

Większość organizacji tkwi u podnóża drabiny, na pierwszym szczeblu, marnując potężny potencjał AI. I tu pojawia się kluczowa, transformacyjna rola VASP.

Definicja i architektura VASP

Value Added Services Platform to mapa drogowa transformacji. To strategiczna architektura, która pozwala organizacji wyjść poza ciasne ramy swojej, tradycyjnej branży i stworzyć żywy ekosystem usług dodanych.

To to nie jest produkt „z półki”, lecz metodyka zamieniająca firmę w laboratorium przyczynowości, w którym poprzez aktywne eksperymentowanie z nowymi kontekstami uczymy się mechanizmów kreujących codzienność ludzkiego życia.

Architektura VASP to logiczny proces, który krok po kroku buduje most między organizacją a życiem klienta:

Krok 1: Rozszerzamy granice – organizacja wychodzi poza swoją, tradycyjną branżę i tworzy szeroki ekosystem usług dodanych – od finansów, przez zdrowie i mobilność, aż po edukację i społeczność. Staje się partnerem w wielu aspektach życia.

Krok 2: Łączymy światy – wszystkie te usługi są integrowane w spójne, intuicyjne doświadczenie. SuperApp staje się pojedynczym, wygodnym punktem dostępu, eliminującym chaos wielu aplikacji i punktów styku.

Krok 3: Uczymy się kontekstu – to tu, w warstwie danych i inteligencji, interakcje w ekosystemie (za zgodą klientów) są przekształcane w Smart Data – dane wzbogacone o kontekst życiowy i przyczynowo-skutkowy. Zaczynamy rozumieć dlaczego klient podejmuje decyzje, a nie tylko co zrobił.

VASP staje się generatorem wartości, który generuje dane o samym życiu, a nie tylko o transakcjach. Ten unikalny „materiał” staje się paliwem dla sztucznej inteligencji, która może wreszcie przejść od biernego obserwowania korelacji do głębokiego rozumienia przyczynowości i mechanizmów ludzkich zachowań zapisanych w danych.

Od Big Data do Smart Data: rewolucja jakościowa przez Datafication

Powszechne przekonanie, że „im więcej danych, tym lepiej”, staje się w dobie informacyjnego tsunami coraz bardziej zgubne. Więcej danych to większy szum i złożoność, a co za tym idzie – większe prawdopodobieństwo znalezienia zwodniczych, pozornych korelacji, pozbawionych jakiegokolwiek przyczynowego uzasadnienia.

Różnica między Big Data a Smart Data jest jak różnica między chaotyczną, gigantyczną biblioteką a mądrym, zaufanym doradcą. Biblioteka może zawierać miliony tomów, ale w tym bezmiarze trudno jest znaleźć odpowiedzi na palące pytania. Mądry doradca zna może tylko setki książek, ale rozumie związki przyczynowe między ideami i potrafi wskazać dokładnie tę wiedzę, której potrzebujesz w danym, kluczowym momencie.

Smart Data to nie tylko większa precyzja; to przejście od statystyki do mądrości. Posiada fundamentalne właściwości, które ożywiają surowe, martwe zbiory Big Data. Przede wszystkim, dostarcza nam klucz do mechanizmów przyczynowości. Przestajemy być detektywami szukającymi poszlak w chaosie korelacji; wiemy nie tylko co się dzieje na powierzchni zdarzeń, ale przede wszystkim rozumiemy dlaczego, docierając do ukrytych sprężyn i motywacji.

Co więcej, te dane mają w sobie smak i zapach realnego świata. Nie pochodzą z laboratoryjnych probówek czy suchych tabel transakcyjnych – są zebrane prosto z pola bitwy codziennego życia, z rzeczywistych sytuacji i kontekstów, co nadaje im wiarygodnego kontekstu.

Smart Data pozwala nam wreszcie zobaczyć człowieka w pełni jego istnienia, zapewniając całościowy obraz jego wyzwań. To koniec z postrzeganiem jednostki przez pryzmat jednej, wąskiej roli konsumenta; widzimy pełny portret z całą złożonością ról i interakcji. Wreszcie, dane te nie są ulotną migawką z teraźniejszości, ale opowiadają historię w czasie, nadając im temporalności. Odzwierciedlają sekwencje zdarzeń, ewolucję potrzeb i całą trajektorię rozwoju, co pozwala zrozumieć przeszłość i antycypować przyszłość, a nie tylko reagować na chwilę obecną.

VASP generuje Smart Data poprzez datafikację – proces świadomego i celowego przekształcania kolejnych, ulotnych, nieuchwytnych aspektów życia w mierzalne dane, które stają się walutą nowej wartości. Ta kreatywna natura datafikacji jest kluczowa dla zrozumienia, dlaczego VASP to coś więcej niż strategia biznesowa.

To jest Philosophia Prima epoki danych – fundamentalne ontologiczne założenie, które głosi, że zanim zrozumiemy świat, musimy go najpierw odpowiednio przełożyć na język danych. A sposób, w jaki dokonujemy tego przekształcenia, determinuje granice tego, co w ogóle możemy się o nim dowiedzieć.

W ten sposób dane ostatecznie stają się Smart Data: czystym, potężnym paliwem, które może nakarmić sztuczną inteligencję zdolną do wspinania się po Drabinie Przyczynowej Pearla, aż na szczyt prawdziwego zrozumienia.

Agent Poznawczy: architektura żywej inteligencji

Agent Poznawczy (Cognitive Agent) to coś więcej niż algorytm. Jest to system AI zaprojektowany tak, by myśleć i działać w sposób przypominający ludzkie poznanie, zdolny do rozumowania, planowania i uczenia się z interakcji ze światem. To nasz przewodnik po Drabinie Przyczynowej Pearla i ewolucja AI od narzędzia do partnera poznawczego.

Jego architektura integruje trzy smaki uczenia maszynowego w spójną całość: uczenie nadzorowane (wisienka), uczenie ze wzmacnianiem (lukier) i uczenie samonadzorowane (biszkopt). Ta hierarchiczna integracja tworzy AI zdolną do strategicznego planowania – Artificial Capable Intelligence (ACI) – według M. Suleymana.

Agent Poznawczy potrzebuje bogatego, wielowymiarowego środowiska, aby uczyć się przyczynowości, czego nie da się zrobić na suchych danych transakcyjnych. VASP dostarcza ten inkubator, mapując drogę do trzech poziomów dojrzałości organizacyjnej.

Poziom Pierwszy: Organizacja Data-Driven – To krajobraz większości dzisiejszych firm, które gromadzą dane, tworzą dashboardy i trenują modele predykcyjne. Utknęły one jednak na pierwszym szczeblu drabiny: obserwacji. Ich sztuczna inteligencja to zaledwie inteligencja technologii – narzędzie wydajne, ale nierozumiejące głębszych mechanizmów. Firmy te reagują na zmiany, zamiast je antycypować. W efekcie widzą klienta jedynie jako rekord w bazie danych.

Poziom Drugi: Organizacja Datafication-Driven – To organizacje, które zbudowały ekosystemy VASP i generują Smart Data. Aktywnie eksperymentują i interweniują w rzeczywistość, wspinając się na drugi szczebel: interwencji. Ich AI zaczyna rozumieć dlaczego poprzez aktywne testowanie hipotez. Proaktywnie kształtują rynek i odkrywają nieartykułowane potrzeby klientów. Widzą klienta jako człowieka w konkretnej sytuacji życiowej.

Poziom Trzeci: Organizacja AI-Driven – To wizja osiągalnej przyszłości. Te organizacje osiągnęły trzeci, najwyższy szczebel: wyobraźnię. Ich Agent Poznawczy symuluje alternatywne scenariusze i przewiduje skutki decyzji jeszcze niepodjętych. Ich AI to technologia inteligencji – partner strategiczny. Kreują klientów w rozumieniu Druckera, zyskując niemożliwą do skopiowania przewagę: głęboką wiedzę o świecie.

Kluczowa Obserwacja – „Nie można przeskoczyć poziomów” – to nie jest ograniczenie technologiczne, lecz fundamentalny imperatyw poznawczy: Nie można zrozumieć tego, czego się nie widzi, a nie można zobaczyć (w danych) tego, czego się najpierw nie rozumie (w modelu przyczynowym).

Redefinicja klientocentryczności

Tradycyjna klientocentryczność to zaledwie personalizacja oferty i sprawna obsługa. To myślenie głęboko transakcyjne, zręcznie przebrane w relacyjne szaty.

Nowa definicja: człowiek, nie rekord – prawdziwa klientocentryczność wymaga fundamentalnej metamorfozy perspektywy: od postrzegania klienta jako rekordu w bazie danych do postrzegania go jako człowieka z krwi i kości, osadzonego w kontekście potrzeb życiowych. Jeśli klient jest człowiekiem, a nie tylko rekordem, organizacja musi odważyć się wyjść poza tradycyjną domenę działania.

Bank musi rozumieć życie klientów; ubezpieczyciel – ich lęki; detalista – ich aspiracje. VASP materializuje tę nową, pogłębioną klientocentryczność. Oferując ekosystemy usług, organizacja mówi: „Chcemy być Twoim partnerem w szerszym kontekście życiowych zmagań”. I w tym procesie organizacja uczy się najważniejszego – uczy się rozumieć człowieka.

Hiperpersonalizacja: architektura rozumienia jednostki

Wkraczamy w nową erę, w której personalizacja zrzuca z siebie szaty chłodnej kalkulacji statystycznej, a staje się sztuką głębokiego rozumienia jednostki.

To jest nowa definicja hiperpersonalizacji. Jej celem nie jest już powierzchowne dopasowywanie produktów na podstawie historii zakupów, lecz tkanie na miarę spersonalizowanych rozwiązań życiowych, opartych na głębokim, niemal empatycznym zrozumieniu unikalnej sytuacji każdego człowieka.

Agent Poznawczy AI, zasilany bogactwem kontekstu płynącego z ekosystemów VASP, zyskuje zdolność do wyjścia poza utarte schematy. Przestaje oferować „produkt dopasowany do Twojego segmentu rynkowego”, a zaczyna dostarczać „rozwiązanie zaprojektowane dla unikalnej sytuacji życiowej, uwzględniające wartości, aspiracje i realne ograniczenia”.

Prawdziwe zrozumienie człowieka wymaga spojrzenia w 4. kluczowych wymiarach, które wykraczają daleko poza tradycyjne metryki:

1. Kontekst życiowy – To nie tylko historia transakcji, to zrozumienie obecnej sytuacji klienta, jego bieżących wyzwań i nadchodzących zmian – narodzin dziecka, remontu, nowej pracy – realnych problemów, które kształtują jego decyzje.

2. Wartości i priorytety – To sedno człowieczeństwa. To analiza tego, co jest dla człowieka naprawdę ważne: czego się obawia, o czym marzy, co go motywuje, a nie tylko chłodne preferencje produktowe.

3. Sieć relacji – Człowiek nie jest samotną wyspą. Hiperpersonalizacja musi uwzględniać rodzinę, przyjaciół, społeczność lokalną, cały system wsparcia, w którym funkcjonuje jednostka.

4. Temporalność, czyli czas. To nie tylko teraźniejszość, ale sekwencja przeszłych doświadczeń, trajektoria rozwoju i antycypowana przyszłość oraz cele, do których klient dąży.

To jest hiperpersonalizacja, która wykracza daleko poza algorytmiczną optymalizację i marketingową retorykę.

Lifestyle Hub: synteza i partnerstwo

Organizacja, która przeszła pełną transformację, staje się Lifestyle Hub. Przestaje być jedynie dostawcą produktów, a awansuje do roli życiowego partnera, który aktywnie współkreuje przyszłość wspólnie z klientami.

Lifestyle Hub operuje na 4. wymiarach wartości – finansowym, praktycznym, społecznym i aspiracyjnym – ponieważ ludzkie życie jest niepodzielną całością, a wszystkie jego aspekty są ze sobą nierozerwalnie połączone. VASP pozwala zrozumieć te subtelne powiązania.

Tu ujawnia się prawdziwa przewaga konkurencyjna: to nie jest przewaga technologiczna ani produktowa.  To przewaga epistemologiczna – organizacja wie coś więcej o klientach, czego konkurencja nie wie i nie może się tego szybko nauczyć. W tej kontekstowej ekonomii unikalnych danych, wartość nie leży w posiadaniu dużych zbiorów, ale w głębokim zrozumieniu kontekstu życiowego każdego człowieka.

Imperatyw transformacji: sekwencja, która nie wybacza

Proces pełnego wykorzystania potencjału sztucznej inteligencji wymaga żelaznej dyscypliny i nieubłaganej logiki. Sekwencja tej transformacji jest bezlitosna – każdy etap dostarcza fundamentów, bez których kolejny się zawali:

Zaczynamy od datafikacji wątków z życia i integracji w SuperApp. To prowadzi do budowy VASP, które generuje Smart Data, paliwo dla Agenta Poznawczego uczącego się przyczynowości. Dzięki temu odkrywamy wzorce motywacji i skalujemy je, wykorzystując Big Data jako kontekst.

W efekcie redefiniujemy klientocentryzm, przechodząc do hiperpersonalizacji opartej na kontekście życiowym, a nie segmentach rynkowych. Kulminacją jest Lifestyle Hub – organizacja jako partner życiowy. To fundamentalny imperatyw poznawczy: nie można zrozumieć tego, czego się najpierw nie widzi i nie mierzy we właściwy sposób.

Lekcje z historii: rewolucja warta inwestycji

Każda prawdziwa rewolucja technologiczna umożliwia coś fundamentalnie nowego. W końcu maszyna parowa nie była lepszym koniem, a elektryczność jaśniejszą świecą. Internet nie był sprawniejszym faksem. Sztuczna Inteligencja nie jest i nie może być tylko lepszym kalkulatorem.

AI może być rewolucją tej samej rangi, ale tylko jako technologia, która po raz pierwszy w historii pozwala organizacjom na rozumienie przyczynowości w skali trudnej do osiągnięcia dla ludzkiego umysłu.

Wiedza o tych mechanizmach jest zakodowana w unikalnym modelu danych – Smart Data – pochodzących z lat wspólnego uczenia się życia klientów w ekosystemie VASP. To jest przewaga, której nie da się kupić ani szybko skopiować.

Konkluzja: nowa epistemologia dla czasów niepewności

Żyjemy w czasach dynamicznych zmian i fundamentalnej niepewności. Zawirowania przyspieszają do tempa, w którym przeszłość przestaje być wiarygodnym przewodnikiem po przyszłości. Tradycyjne metody analityczne coraz częściej zawodzą.

Organizacje potrzebują nowej epistemologii – nowego sposobu poznawania i rozumienia rzeczywistości. VASP ją oferuje. To nie jest tylko technologia, platforma czy produkt. To filozofia organizacyjnego uczenia się, która głosi: aby rozumieć rzeczywistość, trzeba w niej aktywnie uczestniczyć. Żeby przewidywać przyszłość, musimy rozumieć przyczynowość. Aby zbudować AI, która naprawdę pomaga ludziom, musimy najpierw nauczyć ją rozumieć człowieka jako zbiór psychologicznych mechanizmów, a nie tylko jako zbiór transakcji.

Oczywiście, ta wizja wymaga odwagi, aby wyjść poza tradycyjne granice, by inwestować w długoterminową transformację, a nie tylko w optymalizację. Odwagi, by eksperymentować i redefiniować tożsamość organizacji.

Kamień z Rosetty zmienił nasze rozumienie starożytności. VASP może zmienić naszą przyszłość, wykorzystując dane, których dotychczas biznes nie brał pod uwagę, skupiając się na przyczynie (psychologii, potrzebach), a nie tylko na efekcie (transakcji).

Analizując źródło – naturę ludzką – może okazać się, że ten nowy paradygmat pozwoli zmonetyzować fundamentalne zrozumienie człowieka znacznie skuteczniej niż dotychczas próbowano. To jest algorytm transformacji wart każdej inwestycji.

To formalne ujęcie łączy całość logiki poruszonej w artykule i pokazuje, że VASP nie jest jedynie dodatkiem do architektury AI, ale jej niezbędnym fundamentem. Z VASP definicja AI staje się praktyczną architekturą organizacyjnej inteligencji.

Dla Zainteresowanych – Definicja Formalna AI

Według opisanego powyżej mechanizmu podejścia do analizy danych możemy pokusić się o sformułowanie, opartej na ontologicznym podejściu, definicji Sztucznej Inteligencji jako funkcji decyzyjnej:

AI = f(A, E, O(t), A(t), M, L, U)

AI to agent poznawczy A, który w środowisku E maksymalizuje funkcję celu U poprzez sekwencję działań A(t), opartych na obserwacjach O(t) i modelu świata M, aktualizowanym przez mechanizmy uczenia L.

Gdzie:

A – agent poznawczy (system AI)

E – środowisko

O(t) = {o₁, o₂, …, ot} – obserwacje w czasie

A(t) = {a₁, a₂, …, at} – działania w czasie

M – model świata

L – mechanizm uczenia

U – funkcja użyteczności

Rozszerzenie o Przyczynowość

Gdy model świata M rozszerzymy o przyczynowość (Pearl): M = (G, P), gdzie G to graf przyczynowy, a P to rozkład prawdopodobieństwa przyczynowego. Dzięki temu Agent może wspinać się po Drabinie Przyczynowej:

Obserwacje: P(Y | X) – prawdopodobieństwo Y przy obserwacji X, poziom korelacji, gdzie większość organizacji pozostaje uwięziona.

Interwencje: P(Y | do(X)) – prawdopodobieństwo Y przy aktywnej interwencji do-X, poziom eksperymentowania, gdzie organizacje z VASP aktywnie testują hipotezy.

Symulacje kontrfaktyczne: P(Yx1 | X = x) – prawdopodobieństwo Y w alternatywnym świecie, gdyby X przyjęło inną wartość, poziom wyobraźni, gdzie Agent symuluje przyszłość jeszcze niezaistniałą.

Bibliografia

1. Fidos, W. (2025). „Sztuczna Inteligencja (AI): Inteligencja Technologii czy Technologia Inteligencji?”.

2. Pearl J., Mackenzie D. (2021) Przyczyny i Skutki. Rewolucyjna nauka wnioskowania przyczynowego, Copernicus Center Press.

3. Suleyman M., Bhaskar M. (2024) Nadchodząca fala. Sztuczna inteligencja, władza i najważniejszy dylemat ludzkości w XXI wieku, Wydawnictwo Otwarte, Kraków.

4. LeCun Y., Bengio Y., Hinton G. (2015) „Deep learning”, Nature, Vol. 521, pp. 436-444.

5. Mayer-Schönberger V., Cukier K. (2017) Big Data. Rewolucja, która zmieni nasze myślenie, pracę i życie, MT Biznes.

6. Drucker, P. F. (1954) The Practice of Management, Harper & Row.

7. Gigerenzer G. (2023) Zdrowy umysł w sieci algorytmów, Copernicus Center Press.

8. Przanowski K., Fidos W. (2021) „Czy warto wyceniać dane w dobie cyfrowej transformacji?”, KONTROLERINFO Nr 25 (Grudzień 2021).

9. Fidos W. (2020) „Czy sztuczna inteligencja pomoże bankom wygrać ze złożonością organizacji”.