AI Strategist – Jak wygląda tworzenie strategii AI w organizacji?

Czym zajmuje się AI Strategist i dlaczego ta rola zyskuje dziś na znaczeniu? Jak wygląda tworzenie strategii AI, współpraca z biznesem i zespołami technicznymi oraz ocena gotowości organizacji do wdrażania sztucznej inteligencji? Dowiedz się z wywiadu. 

O tym opowiada nasz ekspert, Łukasz Biegański, który łączy doświadczenie technologiczne, biznesowe i projektowe zdobyte podczas wielu transformacji cyfrowych. Jeśli po przeczytaniu wywiadu pomyślisz, że to ścieżka dla Ciebie, sprawdź aktualne oferty pracy związane z AI w Sii. 

AI Strategist – kim jest i dlaczego ta rola powstała 

AI Strategist – czym się zajmuje i dlaczego ta rola zyskuje na znaczeniu? 

Strateg AI pomaga organizacji świadomie przeprowadzić kolejny etap transformacji cyfrowej – ten napędzany sztuczną inteligencją. W praktyce odpowiada na pytanie, jak firma ma funkcjonować i podejmować decyzje w rzeczywistości, w której AI staje się powszechne. Pomaga również opracować strategię wdrożenia AI i wykorzystania sztucznej inteligencji w organizacji w sposób dopasowany do celów biznesowych. 

Sztuczna inteligencja to kolejny etap transformacji cyfrowej. Ma wiele wspólnego z wcześniejszymi przemianami technologicznymi, ale jednocześnie rządzi się własną specyfiką i dlatego wymaga osobnego podejścia. 

Rola powstała teraz, ponieważ menedżerowie działają pod bardzo dużą presją wynikającą z tempa zmian i poczucia, że to moment przełomowy. Ta presja zwiększa potrzebę reakcji przemyślanej, a nie doraźnej i takiego wsparcia udzielam jako AI Strategist, pomagając organizacjom przeprowadzać transformację AI w sposób świadomy i przynoszący wartość biznesową. 

Czym AI Strategist różni się od pracy jako AI Engineer, Data Scientist czy AI Product Manager? 

Strateg AI patrzy na transformację AI znacznie szerzej. Obszary, za które odpowiadają AI Engineer, Data Scientist czy AI Product Manager, są częścią większej całości, którą zajmuje się AI Strategist. 

W naszym podejściu w Sii, obejmuje ona siedem obszarów: strategię, wartość biznesową, nadzór i zgodność, ludzi i kulturę, ład organizacyjny, inżynierię oraz dane. Rolą stratega AI jest pomóc organizacji zaopiekować się nimi całościowo – od poziomu strategicznego, przez organizacyjny, aż po technologiczny. Na tym polega różnica: to rola sięgająca od samej góry organizacji po jej poziom operacyjny, łącząca perspektywę biznesową, organizacyjną i technologiczną podczas wdrażania AI. 

Jakie problemy biznesowe pomaga rozwiązywać AI Strategist? 

AI Strategist pomaga określić, w czym sztuczna inteligencja może wesprzeć organizację, gdzie pojawiają się ryzyka i jak wdrażać AI tak, aby na tym zyskiwać, a nie tracić. 

Wiele organizacji ponosi na AI znaczne nakłady, a mimo to nie osiąga zakładanego zwrotu. Pieniądze są wydawane, a wymiernych efektów brak. Rolą stratega AI jest ukierunkowanie tych działań tak, aby nakłady finansowe przekładały się na konkretną wartość biznesową oraz wspierały długoterminową strategię rozwoju organizacji. 

Czy każda firma potrzebuje strategii AI, czy tylko największe organizacje? 

Każda organizacja potrzebuje strategii AI, choć jej skala i zakres będą bardzo różne. Nie chodzi o to, by każda firma budowała rozbudowany program – chodzi o świadomą decyzję, jak zamierza funkcjonować w rzeczywistości, w której sztuczna inteligencja jest już obecna. 

Punktem odniesienia nie jest wielkość firmy, lecz to, jak konkretna organizacja zarabia i dostarcza wartość. To ono wyznacza, gdzie AI ma sens i od czego zacząć. Dlatego strategia AI nie jest zarezerwowana dla największych – różny jest jedynie jej ciężar i pierwsze kroki. Niezależnie od wielkości organizacji, strategia wykorzystania AI powinna wynikać z celów biznesowych i odpowiadać na potrzeby firmy. 

Jak rozpoznać, że organizacja jest gotowa na wdrożenie AI? 

Co ciekawe, organizacja często nie zdaje sobie sprawy, że proces już się rozpoczął. Opisuje to pojęcie „shadow AI” – nieautoryzowane korzystanie z narzędzi AI przez pracowników, bez wiedzy i zgody organizacji. 

Ludzie sięgają po te narzędzia sami, bo widzą w nich sposób na przyspieszenie i usprawnienie własnej pracy. W efekcie transformacja zachodzi oddolnie, bez udziału zarządu i menedżerów. 

Dlatego każda organizacja jest już na jakimś etapie gotowości. Pytanie nie brzmi „czy zacząć”, lecz „jakie powinny być pierwsze kroki”. I również definiowaniem tych pierwszych kroków się zajmuję, pomagając ocenić gotowość organizacji do wdrażania sztucznej inteligencji i zaplanować kolejne etapy transformacji AI. 

Dlaczego wdrożenie AI zaczyna się od strategii, a nie od wyboru modelu czy narzędzia? 

Ponieważ strategia jest nadrzędna wobec modelu i narzędzia. Celem nie jest wdrożenie technologii samej w sobie. 

Znam wiele przypadków, w których firma wydała pieniądze, kupiła licencje, wdrożyła system – a ten nie przyniósł efektów. Dzieje się tak, gdy decyzja zapada pod wpływem popularności technologii, bez odpowiedzi na pytanie, do czego AI ma właściwie służyć i jak wspierać sposób, w jaki firma zarabia i generuje wartość. W zasadzie nie ogranicza się to tylko do AI. 

Punktem wyjścia jednak musi być strategia całej organizacji. Strategia AI jest jej podrzędna i musi z niej wprost wynikać. Dopiero na tej podstawie ma sens rozmowa o konkretnych modelach, narzędziach i rozwiązaniach, które rzeczywiście wspierają wdrażanie sztucznej inteligencji i realizację celów biznesowych. 

Od pomysłu do strategii AI 

Jak wygląda pierwszy warsztat z klientem, który mówi: „Chcemy wdrożyć AI”? 

Zaczynamy od AI Maturity Assessment, czyli oceny dojrzałości organizacji w obszarze wykorzystania sztucznej inteligencji. Sprawdzamy jej dojrzałość w tych samych siedmiu obszarach: strategii, wartości biznesowej, nadzorze i zgodności, ludziach i kulturze, ładzie organizacyjnym, inżynierii oraz danych. To wyznacza punkt wyjścia. 

Następnie ustalamy, dokąd organizacja chce dojść i co właściwie chce osiągnąć dzięki AI. Trzeci krok to zdefiniowanie drogi od stanu obecnego do zamierzonego celu oraz przygotowanie planu wdrożenia AI dopasowanego do potrzeb organizacji. 

Pierwszy warsztat nie jest więc pojedynczym spotkaniem, lecz początkiem serii rozmów z różnymi osobami w organizacji. Ich celem jest odpowiedź na trzy pytania: gdzie jesteśmy dziś, dokąd chcemy dojść i jak tam dotrzemy. Kolejnym etapem jest wyegzekwowanie tego planu. 

Jak identyfikujecie najlepsze use case’y dla AI? 

Posługujemy się własnymi metodami i warsztatami, które pomagają identyfikować najlepsze use case’y. Nie chodzi jednak o to, by wymyślić miejsce, w które można na siłę zastosować AI. Nie używamy sztucznej inteligencji dla samego jej używania. 

Zaczynamy od zidentyfikowania rzeczywistych problemów organizacji, a dopiero potem szukamy najlepszego sposobu ich rozwiązania. Dla części z nich odpowiedzią okazuje się AI – i wtedy proponujemy sensowne rozwiązanie. Kolejność jest zawsze taka sama: najpierw problem, potem technologia. To właśnie dlatego skuteczne wdrażanie sztucznej inteligencji zawsze zaczyna się od zrozumienia potrzeb biznesowych, a nie od wyboru narzędzia. 

W jaki sposób oceniacie, czy AI rzeczywiście przyniesie wartość biznesową? 

To zależy od zastosowania. Tam, gdzie chodzi o wzrost produktywności, punktem odniesienia jest istniejący proces. Mierzymy stan faktyczny: ile czasu pochłania proces, ile generuje błędów i jakie zasoby angażuje – i z tego wyliczamy spodziewaną wartość konkretnego przypadku użycia. 

Trudniej, gdy AI otwiera możliwości wcześniej niedostępne: pozwala robić coś, czego organizacja dotąd nie robiła albo zmienia sam model biznesowy. Tę wartość trudno jest policzyć z góry. Zawsze zachęcamy do eksperymentów – na tym etapie rozwoju technologii badanie potencjału AI to stały element strategii, bo jeden udany eksperyment potrafi zwrócić się wielokrotnie. 

Zamiast liczyć w ciemno, formułujemy hipotezę o spodziewanej korzyści i możliwie jak najwcześniej ją weryfikujemy – proof of concept albo MVP pokazuje, czy zakładany rezultat jest osiągalny. Mierzymy przy tym nie tylko sam efekt, ale i to, jak skutecznie trafiamy z hipotezami. Dzięki temu jesteśmy w stanie oszacować rzeczywistą wartość biznesową AI jeszcze przed pełnym wdrożeniem rozwiązania. 

Jak stworzyć skuteczną strategię AI, która wspiera cele biznesowe organizacji? 

Do strategii można podejść na kilka sposobów. Jeden z nich to zacząć od analizy dotychczasowych doświadczeń organizacji z AI: jakie sukcesy już osiągnęła i jakie przypadki użycia sama zidentyfikowała. Obszary, w których firma w naturalny sposób sięga po AI, wiele mówią o tym, jak działa i co jest dla niej ważne – i dlatego są dobrym punktem wyjścia. 

Patrzymy przy tym na dwie osie. Pierwsza to charakter zastosowania: czy AI ma usprawniać dotychczasową, codzienną pracę, czy otwierać zupełnie nowe możliwości. Druga to odbiorca: czy rozwiązanie ma wspierać pracowników wewnątrz organizacji, czy być skierowane na zewnątrz, do klientów. Te dwie osie pozwalają zdefiniować strategię dopasowaną do konkretnej firmy i opracować spójną strategię wykorzystania AI, która wspiera realizację celów biznesowych. 

Jak wygląda proces AI Discovery i dlaczego jest kluczowy dla skutecznego wdrożenia AI? 

AI Discovery zaczynamy od analizy obecnych procesów oraz sposobów wykonywania pracy i dostarczania wartości. Wychodzimy od stanu faktycznego i sprawdzamy, gdzie da się wprowadzić usprawnienia. 

Discovery pozwala skutecznie identyfikować nowe przypadki użycia i je priorytetyzować. Dzięki temu przechodzimy od pomysłów do działań: osadzamy rozwiązania w istniejących procesach i workflowach albo – przy pomocy AI – przedefiniowujemy te procesy tak, by lepiej dostarczały wartość. To etap, który pozwala zbudować realistyczną strategię wdrożenia AI i ograniczyć ryzyko nietrafionych inwestycji. 

Jak przekonać zarząd do inwestycji w AI? 

Przede wszystkim trzeba mówić językiem korzyści. Mamy już wiele przykładów pokazujących, że AI potrafi przyspieszyć pracę, poprawić jej jakość, zmniejszyć liczbę błędów, a także umożliwić działania wcześniej niedostępne. 

Drugi argument jest ważniejszy: ta transformacja i tak się dzieje. Niezależnie od tego, czy organizacja świadomie nią zarządza, AI będzie coraz silniej wpływać na jej działalność. Ryzyko nie polega więc na tym, że zmiana się nie uda – lecz na tym, że firma zostanie z nią z tyłu. Pytanie nie brzmi już „czy zająć się transformacją AI”, lecz „jak przeprowadzić ją świadomie i jak wykorzystać potencjał sztucznej inteligencji do budowania przewagi konkurencyjnej”. 

Kiedy warto powiedzieć klientowi, że AI nie jest najlepszym rozwiązaniem? 

Zawsze wtedy, gdy z analizy wynika, że to nie AI najlepiej rozwiąże dany problem. W wielu sytuacjach nie potrzeba zaawansowanych systemów – wystarczą prostsze automatyzacje albo dodatkowe funkcje w narzędziach, których organizacja już używa. 

Dlatego zawsze zaczynamy od zrozumienia problemu, a technologię dobieramy dopiero później. Nie proponujemy AI tam, gdzie nie jest potrzebna. Współpracujemy z ekspertami z wielu dziedzin, więc możemy wskazać także inne rozwiązania, które skuteczniej odpowiedzą na potrzebę klienta. Naszym celem nie jest sprzedaż AI, ale znalezienie rozwiązania, które najlepiej odpowiada na wyzwania biznesowe organizacji. 

Technologie AI 

Jak wybieracie odpowiedni model AI do konkretnego projektu? 

Nie chodzi o to, by sięgać po najnowszy model. Najbardziej zaawansowane rozwiązania bywają kosztowne, a w konkretnym zastosowaniu często zbędne. Systemy budujemy tak, by były odporne na szybkie zmiany na rynku modeli. 

Zaczynamy od tego, z jakiego stosu technologicznego klient już korzysta i jakie ma wymagania wobec zgodności, bezpieczeństwa i regulacji. Sam wybór rozkładamy na trzy niezależne decyzje:  

• Gdzie model ma działać – we własnej infrastrukturze klienta czy w chmurze? 
•  Jak ma być udostępniany – jako usługa przez API czy hostowany samodzielnie? 
•  Czyj to model – komercyjnego dostawcy czy open source? 

Bierzemy pod uwagę zasoby, które klient już ma, żeby nie generować zbędnych kosztów, i korzystamy z doświadczeń z wcześniejszych projektów. Przede wszystkim jednak projektujemy systemy tak, by model dało się wymienić. Klient nie zostaje wtedy uzależniony od jednego rozwiązania – unikamy vendor lock-inu. Rolą AI Strategist jest wskazanie takiego podejścia technologicznego, które będzie wspierało cele biznesowe organizacji nie tylko dziś, ale również w kolejnych etapach rozwoju AI. 

GPT, Claude, Gemini czy modele open source – od czego zależy wybór? 

Od środowiska, w którym klient już działa, i od jego konkretnych potrzeb: posiadanych rozwiązań, wymagań bezpieczeństwa, kosztów i sposobu, w jaki model ma być wykorzystywany. 

Wspieramy też rozwój suwerennego AI – rozwiązań dających organizacji większą kontrolę nad modelami, danymi i infrastrukturą. Klientom, dla których to szczególnie ważne, proponujemy modele działające na ich własnej infrastrukturze. 

Najlepsze modele dają dziś bardzo dużo, ale wyboru nie opieramy na ich ogólnej pozycji rynkowej. Decydują koszty oraz wyniki wewnętrznych testów i benchmarków przeprowadzonych dla konkretnych zastosowań klienta. Coraz częściej analizujemy również modele wyspecjalizowane w konkretnych zadaniach, ponieważ nie zawsze największy model AI jest najlepszym wyborem dla danego przypadku użycia. 

Jaką rolę odgrywają agenci AI i czy rzeczywiście zmienią sposób budowania aplikacji? 

To jeden z najciekawszych kierunków i daje coraz lepsze rezultaty. Technologia dojrzewa, jej zastosowania są sprawniejsze i bardziej przewidywalne, przybywa też sprawdzonych sposobów wdrażania – przy stałej potrzebie eksperymentowania i uczenia się. 

AI wspiera już dziś różne etapy SDLC, czyli cyklu tworzenia i dostarczania oprogramowania. Agenci mogą pomagać poszczególnym rolom w tym procesie, ale ich potencjał sięga dalej. 

Wspieramy klientów w podejściach takich jak Software Dark Factory – automatyzacji pełnej pętli SDLC, w której człowiek pełni rolę nadzorczą, zamiast wykonywać każdy krok ręcznie. To przejście od wspierania pojedynczych zadań do koordynowania i realizacji całych procesów. To pokazuje, że AI Agents stają się nie tylko narzędziem wspierającym pracę, ale również elementem projektowania nowoczesnych rozwiązań AI dla przedsiębiorstw. 

Czy prompt engineering nadal jest ważną kompetencją? 

Najnowsze modele coraz lepiej rozumieją użytkownika i same pomagają formułować polecenia, więc prompt engineering staje się łatwiejszy. Nadal jednak sprawdzone praktyki dają lepsze rezultaty niż ich brak – doświadczenie w precyzyjnym opisywaniu oczekiwanego wyniku i prowadzeniu pracy z modelem pozostaje przydatne. W pracy opartej na wiedzy praktyczne obycie z AI staje się kompetencją nieodzowną. 

Coraz większego znaczenia nabiera jednak nie samo tworzenie promptów, ale umiejętność świadomego wykorzystania modeli AI oraz rozumienie ich możliwości i ograniczeń w konkretnych zastosowaniach biznesowych. 

AI Strategist w praktyce 

Jak wygląda typowy dzień pracy w roli AI Strategist? 

Dużą część mojej codziennej pracy zajmuje zrozumienie organizacji – jej warstwy semantycznej i etapu transformacji AI, na którym się znajduje. Gotowe frameworki pomagają uporządkować działania, ale nie dają pełnego obrazu tego, jak dana firma naprawdę funkcjonuje. 

Dlatego wiedzę zdobywam bezpośrednio od osób pracujących w organizacji. Staram się zrozumieć, jak przebiegają procesy, jak wykonywana jest praca i gdzie powstaje wartość. 

W praktyce oznacza to współpracę na różnych poziomach: od C-level i osób odpowiedzialnych za strategię, przez przedstawicieli biznesu, po dział IT, który realizuje wypracowane rozwiązania. Codzienna praca stratega AI polega na łączeniu tych perspektyw i prowadzeniu organizacji przez ustalony plan wdrożenia AI i transformacji organizacji. 

Z kim najczęściej współpracujesz podczas projektów? 

Z trzema głównymi grupami. Pierwsza to osoby odpowiedzialne za strategię, na przykład kadra zarządzająca. Druga to przedstawiciele biznesu, którzy definiują potrzeby albo wspólnie z nami je określają. Trzecia to zespoły IT, które później wdrażają rozwiązania. AI Strategist działa więc na styku strategii, biznesu i technologii. 

Jakie błędy organizacje najczęściej popełniają podczas wdrażania AI? 

Najczęstszy to optymalizacja lokalna – wdrożenie narzędzia, które usprawnia tylko wąski fragment. Może na przykład kilkukrotnie przyspieszyć programowanie, ale jeśli pozostałe etapy procesu się nie zmienią, szybko pojawiają się kolejne wąskie gardła. W efekcie poprawa całego procesu jest niewielka w stosunku do kosztów. 

Drugi błąd to przekonanie, że samo kupienie licencji oznacza transformację AI. Nie wystarczy udostępnić narzędzie – trzeba jeszcze sprawdzać, czy jest używane i czy przynosi zakładane korzyści. Bez monitorowania adopcji nawet dobre rozwiązanie nie dostarczy wartości biznesowej. 

Trzeci to nieufność wobec AI. Jest zrozumiała, bo mamy do czynienia z nową technologią o trudnych do przewidzenia skutkach. Najgorszą odpowiedzią jest jednak całkowite zablokowanie jej używania. Transformacja i tak zajdzie – choćby w postaci shadow AI. Lepiej potraktować to zjawisko jako źródło wiedzy o tym, gdzie pracownicy już dziś widzą potencjał AI i możliwości wykorzystania sztucznej inteligencji. 

Jak wygląda współpraca AI Strategist z zarządem, biznesem i zespołami technicznymi? 

Podstawą jest bieżąca współpraca ze wszystkimi tymi grupami. To, co wnosimy jako stratedzy AI, to doświadczenie z wielu transformacji – znamy problemy, z którymi mierzą się organizacje, i wiemy, które podejścia sprawdzają się w praktyce, a które nie. 

Każdej grupie dajemy coś innego. Zarządowi i menedżerom, działającym pod ogromną presją, pokazujemy dostępne ścieżki i te, które są ślepymi uliczkami. Biznesowi – sposoby wskazywania przypadków użycia, które mają realny sens, a nie tylko dobrze wyglądają na prezentacji. Zespołom technicznym – dobre praktyki pozwalające budować szybko i skalować rozwiązania później. 

To proces ciągły: spotkania robocze i statusowe, wspólne definiowanie kryteriów oceny i priorytetyzacji przypadków użycia. Kluczowe jest dobre zrozumienie potrzeb poszczególnych interesariuszy i przełożenie ich na jeden spójny plan wdrożenia AI. 

Co jest trudniejsze – technologia czy zmiana sposobu pracy ludzi? 

Dobrze opisuje to prawo Marteca: technologia zmienia się wykładniczo, a zdolność organizacji do absorbowania tych zmian znacznie wolniej. Technologia rozwija się więc szybciej niż organizacje są w stanie się przystosować. Dlatego trudniejsza jest zwykle zmiana sposobu działania ludzi i całej organizacji, a nie sama technologia. 

Firmy, które od początku projektują procesy z myślą o AI, szybciej korzystają z jej potencjału – nie muszą przechodzić przez wieloletnią zmianę przyzwyczajeń, struktur i sposobów pracy. Dzięki temu sprawniej dostarczają wartość biznesową i szybciej reagują na zmiany. 

Podobny mechanizm widzieliśmy przy wcześniejszych etapach transformacji cyfrowej – rozwoju oprogramowania czy Internetu. Organizacje, które reagowały zbyt późno, ponosiły poważne konsekwencje. AI jest kolejnym takim etapem, którego nie można przegapić – trzeba podejść do niego aktywnie. 

Jak mierzyć sukces wdrożenia AI? 

Sukces mierzymy przede wszystkim rezultatem biznesowym – tym, czy AI rzeczywiście dostarczyło zakładaną wartość. Kluczowe jest ROI: sprawdzenie czy cele postawione konkretnemu zastosowaniu zostały osiągnięte. Pod tym względem pomiar przypomina klasyczne projekty IT – chcemy wiedzieć, czy inwestycja się zwraca. 

Zanim jednak pojawi się zwrot, potrzebna jest adopcja. Najpierw sprawdzamy więc, czy udostępnione licencje, narzędzia i wdrożone rozwiązania są rzeczywiście używane – bez tego nawet dobre rozwiązanie nie dostarczy wartości. Monitorowanie wykorzystania sztucznej inteligencji pozwala ocenić skalę i sposób korzystania z tych rozwiązań. 

Konkretne mierniki zależą od celu przypadku użycia: skrócenie czasu realizacji procesu, mniejsza liczba błędów, wzrost sprzedaży albo inna wartość, którą rozwiązanie miało dostarczyć. 

Czy zdarzają się projekty, które od początku wiadomo, że nie zakończą się sukcesem? 

Rzadko chodzi o projekt z góry skazany na porażkę – częściej o nierealne oczekiwania. AI bywa postrzegana jako silver bullet, magiczne rozwiązanie, które samo naprawi każdy problem. Tymczasem, jeśli organizacji brakuje danych, a jej procesy są nieuporządkowane, sztuczna inteligencja tego nie uzdrowi. 

Nie znaczy to, że nie da się pomóc – jak najbardziej się da. Trzeba jednak zacząć od uporządkowania fundamentów: danych, procesów i sposobu pracy. Dopiero na nich AI przynosi mierzalną wartość. Pomaga tu zresztą sama technologia: pozwala szybko zbudować prototyp czy proof of concept i na wczesnym etapie pokazać, że rozwiązanie ma sens. Dlatego tak ważne jest urealnienie oczekiwań i pokazanie, że zmiana wymaga pracy, a nie magii. 

Kompetencje i rozwój 

Jakie kompetencje są dziś najważniejsze w pracy AI Strategist? 

Bardzo pomaga mi doświadczenie z wcześniejszych transformacji cyfrowych. Lata pracy w tym obszarze pozwoliły mi rozwinąć kompetencje przydatne również w transformacji napędzanej AI. 

Kluczowa jest jednak otwartość. Nie można przywiązywać się do wcześniejszych sposobów działania, bo każdy etap transformacji cyfrowej ma swoją specyfikę – tak samo jest z AI. Trzeba stale obserwować rozwój technologii, poznawać nowe rozwiązania i być gotowym do ciągłej nauki. 

Ważna jest też umiejętność szerokiego spojrzenia i rozumienia całej organizacji. Technologia ma ostatecznie przynosić korzyści biznesowe. Nie wystarczy zachwycać się możliwościami AI – trzeba rozumieć, jaki cel ma realizować i jaką wartość dostarczać organizacji i biznesowi. 

Czy AI Strategist powinien umieć programować? 

Umiejętność programowania jest dziś bardziej dostępna niż kiedykolwiek, między innymi dzięki wsparciu modeli AI – nawet osoby, które wcześniej nie programowały, mogą łatwiej zacząć. 

Moje doświadczenie programistyczne pomaga mi w nieoczywisty sposób. Pracowałem jako software developer, dzięki czemu lepiej rozumiem cykl tworzenia oprogramowania i mogę kompetentnie rozmawiać z osobami technicznymi. 

Nie chodzi jednak o samo pisanie kodu. Ważniejsze jest rozumienie, na czym polega programowanie, jak powstaje i z jakimi wyzwaniami mierzą się zespoły techniczne podczas wdrażania rozwiązań AI. 

Jak duża wiedza techniczna jest potrzebna w pracy AI Strategist? 

Wiedza techniczna jest przydatna, bo pozwala szybciej ocenić, w którym kierunku może pójść projekt. Część AI Maturity Assessment dotyczy obszarów technologicznych, więc ich znajomość ułatwia trafną ocenę organizacji. 

Nie znaczy to, że AI Strategist musi być ekspertem we wszystkich aspektach technologii. Często pracuję w tandemie z AI Architektem lub Solution Architektem, który specjalizuje się w rozwiązaniach technicznych. 

Obszar AI zmienia się bardzo szybko i trudno jednej osobie nadążyć za wszystkim. Dlatego korzystamy z wiedzy ekspertów wyspecjalizowanych w różnych dziedzinach AI i dobieramy ich do potrzeb konkretnego projektu. 

Czy łatwiej zostać AI Strategist z doświadczeniem w biznesie czy IT? 

Najlepsze jest połączenie obu perspektyw. Mam doświadczenie techniczne, a jednocześnie od wielu lat pracuję z biznesem – takie zestawienie pozwala kompetentnie rozmawiać z różnymi interesariuszami. 

Gdybym miał wskazać jeden obszar, powiedziałbym, że kluczowe jest rozumienie biznesu. AI Strategist musi wiedzieć, jak organizacja działa, jak generuje wartość i realizuje cele. 

Jednocześnie trzeba poświęcić czas na zrozumienie technologii i zasad funkcjonowania IT. Bez tego trudno właściwie oceniać możliwości, ograniczenia i konsekwencje proponowanych rozwiązań opartych na sztucznej inteligencji. 

Jak wyglądała Twoja droga zawodowa? 

Zaczynałem jako programista, więc mam solidne podstawy techniczne. Później prowadziłem zespół i realizowałem projekty dla klientów – między innymi rozwiązania wspierające ich codzienną pracę oraz spełnianie wymagań prawnych. To doświadczenie projektowe bardzo pomaga mi w obecnej roli. 

Ze sztuczną inteligencją zetknąłem się już na studiach – podczas pisania mojej pracy magisterskiej używałem sztucznych sieci neuronowych. Ówczesne możliwości technologii były nieporównywalne z dzisiejszymi, ale to był mój pierwszy kontakt z tym obszarem i od razu mnie wciągnął. 

Transformacjami cyfrowymi zajmuję się zawodowo od lat. Obserwowałem i współtworzyłem zmiany związane z technologiami mobilnymi i chmurowymi, a wcześniej, jako użytkownik, przeżyłem rewolucję internetową. Rola stratega AI jest dla mnie naturalną kontynuacją tej drogi zawodowej. 

Jakie certyfikaty lub szkolenia warto dziś zdobywać? 

Nie wskazałbym jednego obowiązkowego certyfikatu – ważniejsze jest systematyczne uczenie się i dobieranie szkoleń do obszaru, w którym chcemy się rozwijać. AI zmienia się na tyle szybko, że potrzeba ciągłego rozwoju jest dziś większa niż kiedykolwiek; trudno wyobrazić sobie, że ktoś kończy formalną edukację i przestaje zdobywać wiedzę. 

Jednocześnie to bardzo dobry moment na naukę. Sama AI może pełnić funkcję indywidualnego nauczyciela, który tłumaczy zagadnienia w sposób dopasowany do konkretnej osoby – warto z tego korzystać. 

Dla stratega AI przydatne są też kompetencje spoza samej technologii: zwinność, zwłaszcza skalowana w większych organizacjach, zarządzanie projektami oraz podejścia takie jak Lean, które pomagają mierzyć efektywność. Wiedzę o samej AI można rozwijać dzięki szkoleniom OpenAI, Anthropic czy Nvidii, a także materiałom DeepLearning.AI, którego jestem ambasadorem. 

Jakich kompetencji będzie wymagał rynek za kilka lat? 

Najważniejsza będzie umiejętność szybkiego uczenia się i adaptacji. Trudno dziś precyzyjnie przewidzieć, jak rynek będzie wyglądał za kilka lat, ale zdolność reagowania na zmianę z pewnością pozostanie kluczowa. 

Ciekawym, mniej oczywistym kierunkiem jest rosnące znaczenie kompetencji zarządczych. Jeśli będziemy coraz częściej pracować z agentami AI, niezbędna stanie się umiejętność delegowania im zadań, oceniania rezultatów i udzielania informacji zwrotnej. To inny rodzaj współpracy niż zarządzanie ludźmi, ale część zasad sprawdzi się także tutaj. 

Jesteśmy dziś na etapie, na którym niemal każdy – w swojej dziedzinie – może odkryć nowe, przełomowe zastosowania AI. Warunkiem jest aktywne działanie: próbowanie, testowanie i codzienna praca z tą technologią. 

Przyszłość AI 

Jak zmieni się rola AI Strategist w ciągu najbliższych pięciu lat? 

Z czasem sposoby wdrażania sztucznej inteligencji w organizacjach będą coraz bardziej formalne i ustandaryzowane. Będziemy dysponować większą liczbą przykładów sprawdzonych w wielu firmach, dzięki czemu łatwiej będzie korzystać z potwierdzonych metod i dobrych praktyk wdrażania AI. 

Zmieni się również poziom świadomości organizacji. Prawdopodobnie nie trzeba będzie poświęcać tak dużo czasu na przekonywanie, że transformacja AI jest potrzebna. Stanie się oczywista, a większa część pracy stratega AI będzie dotyczyć wdrażania konkretnych rozwiązań i osiągania wymiernych rezultatów. 

Możliwe także, że rola ta będzie jeszcze silniej powiązana z technologią. W organizacjach wykorzystujących AI na bardziej zaawansowanym poziomie część współpracy może odbywać się bezpośrednio z systemami i agentami sztucznej inteligencji. 

Jakie trendy będą miały największy wpływ na rozwój sztucznej inteligencji? 

Jednym z najważniejszych trendów jest suwerenne AI, czyli rozwój rozwiązań zapewniających organizacjom i państwom większą kontrolę nad modelami, danymi i infrastrukturą. Już dziś widzimy globalne zmiany związane z dostępnością modeli i możliwością korzystania z nich w różnych częściach świata. Znaczenie tego obszaru będzie prawdopodobnie rosło. 

Istotna będzie również infrastruktura. Przy wcześniejszych etapach transformacji cyfrowej – Internecie, technologiach mobilnych czy chmurze – infrastruktura nie zmieniała się tak szybko. W AI tempo rozwoju może sprawiać, że potrzeby sprzętowe i architektoniczne będą się dezaktualizować znacznie częściej. 

Ważne będzie więc to, czy organizacje zaczną budować własne centra i środowiska przetwarzania AI, czy nadal w dużej mierze będą korzystać z globalnej infrastruktury dostawców. Kierunek rozwoju tego rynku będzie miał duży wpływ na dostępność, koszty i sposób wdrażania sztucznej inteligencji w organizacjach. 

Czy AI zastąpi część specjalistów czy raczej zmieni sposób ich pracy? 

Część ról prawdopodobnie zniknie, ale znacznie więcej z nich zmieni swój charakter. Podobne zjawisko obserwowaliśmy podczas wcześniejszych etapów transformacji technologicznych. 

Rozwój Internetu zmniejszył znaczenie niektórych tradycyjnych sposobów komunikacji, ale jednocześnie doprowadził do powstania nowych usług i zawodów. Spadło zapotrzebowanie na niektóre zadania, na przykład dostarczanie fizycznych listów, ale równocześnie bardzo mocno rozwinęły się e-commerce i usługi kurierskie. 

W przypadku AI będzie podobnie. Zmienią się obowiązki wielu specjalistów, powstaną nowe role, takie jak AI Strategist, a część dotychczasowych stanowisk przestanie być potrzebna. Jestem jednak optymistą i uważam, że w dłuższej perspektywie technologia stworzy również wiele nowych możliwości dla biznesu i rynku pracy. 

Jak ważne stają się dziś kwestie AI Governance i Responsible AI? 

Każda nowa technologia budzi nieufność. Historia pokazuje, że niektóre obawy bywają przesadzone, ale jednocześnie rozwój technologii rzeczywiście może prowadzić do negatywnych zjawisk. 

Widzimy to na przykładzie Internetu i mediów społecznościowych, które przyniosły ogromne korzyści, ale również problemy związane z hejtem, uzależnianiem uwagi czy niewłaściwym wykorzystaniem danych. Podobne zagrożenia pojawiały się też przy innych technologiach. 

Sztuczna inteligencja może jednak mieć jeszcze większy wpływ niż wcześniejsze przełomy. Jej potencjał jest ogromny i trudny do porównania z czymkolwiek wcześniejszym. Dlatego AI Governance oraz odpowiedzialne wykorzystywanie AI to obszary, którym trzeba poświęcać szczególną uwagę już na etapie projektowania i wdrażania rozwiązań AI. 

Czy AI Act zmienia sposób projektowania rozwiązań opartych na AI? 

AI Act już dziś wpływa na sposób projektowania rozwiązań opartych na sztucznej inteligencji. Nie wolno jednak straszyć AI Actem ani przedstawiać go wyłącznie jako bariery. Traktuję te regulacje jako zestaw zasad, które można zrozumieć i stosować w sposób odpowiedzialny i pragmatyczny – tak, by wdrażać rozwiązania zgodnie z prawem, nie tracąc przy tym efektywności. 

AI Act to nowe prawo i nie musi być idealny. Ale regulowanie tak istotnej technologii jest konieczne, nawet jeśli pierwsza wersja przepisów pozostawia pole do poprawek. Organizacje powinny nauczyć się uwzględniać te wymagania już na etapie projektu i traktować je jako element świadomego wdrażania AI, a nie przeszkodę doklejaną na końcu. 

Gdybyś miał wskazać jedną kompetencję przyszłości, co by to było? 

Byłaby to ciekawość – potrzeba rozumienia tego, co nowego dzieje się na świecie – połączona ze zdolnością uczenia się. To właśnie ciekawość napędza uczenie się, a w rzeczywistości zmieniającej się tak szybko jak dziś decyduje o tym, kto nadąży za zmianą. 

Ale nie można zatrzymać się na samym teoretyzowaniu. Trzeba działać samodzielnie – próbować, sprawdzać nowe rozwiązania w praktyce. Dzięki AI zarówno robienie, jak i uczenie się nowych rzeczy nigdy nie było tak łatwe. Przyszłość dotyczy nas wszystkich – ale to ciekawość i eksperymentowanie pomogą lepiej się na nią przygotować, a nawet wpływać na jej kształt. 

AI w Sii 

Jakiego rodzaju projekty AI realizuje Sii? 

W Sii realizujemy projekty na każdym etapie dojrzałości AI. Różnią się one nie tyle technologią, co tym, jak głęboko ingerujemy w organizację – od pojedynczego, dobrze dostarczonego rozwiązania AI dla jasno zdefiniowanego problemu, przez wzmocnienie zespołu klienta naszymi specjalistami, po prowadzenie całej transformacji AI: od strategii przez dane, po zmianę w sposobie pracy. 

Bardzo duża część naszych projektów to produkcyjne wdrożenia AI, a nie eksperymenty – kilkadziesiąt, w sektorach regulowanych, jak finanse, ochrona zdrowia czy sektor publiczny. Najtrudniejsze projekty, które realizujemy, to zwykle nie te najbardziej złożone technicznie, tylko te wymagające prawdziwej zmiany w organizacji – w procesach i w nawykach ludzi. To właśnie te obszary i projekty interesują mnie najbardziej. 

Jakie branże najczęściej inwestują dziś w rozwiązania AI? 

Najlepsze branże to te, które mają jednocześnie dużo danych i dużo powtarzalnych, kosztownych procesów – czyli na przykład finanse i bankowość, gdzie dojrzałość danych jest najwyższa, a poza tym ochrona zdrowia i farmacja, produkcja i przemysł, coraz mocniej też sektor publiczny oraz retail. 

Pokrywa się to z tym, co widzimy u naszych klientów. Ale jako strateg dodałbym, że samo pytanie „która branża” jest trochę mylące. To nie przynależność do sektora decyduje o zwrocie z inwestycji, tylko dojrzałość konkretnej organizacji – czy ma uporządkowane dane, jaki jest główny problem biznesowy i gotowość do zmiany.  

Jak wygląda współpraca AI Strategist z ekspertami z innych obszarów? 

W swojej roli często korzystam ze wsparcia ekspertów z innych dziedzin – w zależności od projektu specjalistów od cyberbezpieczeństwa, compliance czy zagadnień prawnych. W projektach wdrożeniowych współpracuję najczęściej z AI Architektem, odpowiedzialnym za stronę technologiczną. 

Taka współpraca jest konieczna, bo skuteczne wdrożenie AI wymaga połączenia wielu kompetencji. Dzięki niej rozwiązania są nie tylko wartościowe biznesowo, ale też bezpieczne, zgodne z regulacjami i odpowiedzialnie zaprojektowane. 

Co najbardziej wyróżnia pracę AI Strategist w Sii? 

Przede wszystkim ludzie. Pracuję w otoczeniu naprawdę mocnych specjalistów – nasze Centrum Kompetencyjne AI skupia fantastycznych ekspertów. To, że mogę się od nich uczyć i wspólnie działać, jest dla mnie wartością nie do przecenienia. Daje to bardzo dużo energii i dużą przewagę z korzyścią dla naszych klientów. 

Drugą rzeczą jest różnorodność projektów. Dzięki temu na bieżąco widzę, jak organizacje z różnych branż podchodzą do transformacji AI, z jakimi problemami się mierzą i które rozwiązania sprawdzają się w praktyce. Tej perspektywy nie da się zbudować na podstawie jednego projektu. Do tego dochodzi dostęp do sprawdzonych frameworków i metod, zweryfikowanych we wcześniejszych wdrożeniach, oraz liczne partnerstwa Sii – na przykład z Gartnerem, Microsoftem czy Google – które poszerzają dostęp do wiedzy i rozwiązań przydatnych w transformacji AI. Krótko mówiąc, nie zaczynam za każdym razem od zera i nie działam w pojedynkę, a to w tej pracy robi ogromną różnicę. 

Jakie możliwości rozwoju mają osoby zainteresowane AI w Sii? 

Centrum Kompetencyjne AI w Sii stale się rozwija, a projektów przybywa – w wielu różnych dziedzinach. Dlatego możliwości rozwoju obejmują zarówno role techniczne, jak i konsultingowe. 

Można budować rozwiązania AI, pracować jako część zespołów klientów, wspierać organizacje w transformacji AI albo współtworzyć zupełnie nowe koncepcje, takie jak Software Dark Factory. 

Szczególnie duże możliwości mają osoby samodzielne i ambitne, potrafiące doprowadzić projekt od pomysłu do produkcyjnego wdrożenia. W obszarze AI wciąż pojawiają się nowe problemy do rozwiązania i nowe kierunki rozwoju. 

Dlaczego właśnie teraz jest dobry moment, żeby rozwijać karierę w obszarze AI? 

To banał, ale w obszarze AI dzieje się teraz niezwykle dużo. To dobre miejsce dla osób ciekawych technologii, które lubią się uczyć i chcą uczestniczyć w dynamicznych zmianach. 

Wiele zasad i sposobów działania nie zostało jeszcze ostatecznie ustalonych. Wciąż jest duża przestrzeń na eksperymentowanie, odkrywanie nowych zastosowań sztucznej inteligencji i wpływanie na to, jak ten obszar będzie wyglądał. Przypomina to trochę epokę wielkich odkryć – dziś podobną przestrzeń do eksploracji tworzy sztuczna inteligencja. 

To także możliwość pracy z najnowszymi technologiami i uczenia się od wybitnych ekspertów. Dla osób, które chcą być częścią tej zmiany, to wyjątkowo interesujący moment na rozwój kariery w AI. 

Jeśli i Ty chcesz rozwijać karierę w obszarze AI, współpracować z ekspertami i uczestniczyć w transformacjach realizowanych dla klientów z wielu sektorów, dołącz do Sii. Zobacz nasze aktualne oferty pracy związane z AI.