00:00:00,699 --> 00:00:02,259 [Piotr durlej]
Dzień dobry, z tej strony Piotr. 

00:00:02,259 --> 00:00:04,139 [Michał Krajewski]
A z tej strony Michał. 

00:00:04,139 --> 00:00:15,219 [Piotr durlej]
I dzisiaj o Discovery Product Discovery i AI. Czyli wszędzie zawsze AI i produkt. Miłość wielka, nieskończona. To, co lubimy najbardziej. 

00:00:15,219 --> 00:00:19,219 [Michał Krajewski]
Możecie widzieć jak pewne trendy w naszym podcaście- 

00:00:19,219 --> 00:00:31,879 [Piotr durlej]
Tak, że teraz powinien być podcast o AI i z AI i obok AI, nie? I, no ale niestety stety AI wywraca zarówno strefę 

00:00:31,879 --> 00:01:07,279 [Piotr durlej]
problemu. Bym powiedział, problemy są, stają się jakby nowe i się zmieniają przez AI, no i też wywraca tą strefę rozwiązań możliwych, tak? Czyli co jesteśmy w stanie zrobić, jak jesteśmy w stanie te problemy zaadresować. Więc de facto wszystko, co jest w pracy PMa, AI praktycznie jakoś w jakiś sposób rusza, więc nic dziwnego, że fajnie byłoby też zastanowić się, w jaki sposób ten product discovery, czyli ten taki kreatywny pierwszy etap tworzenia produktu, w jaki sposób te AI zmienia. No i miałem przyjemność być zaproszony na panel dyskusyjny przez taką międzynarodową, 

00:01:07,279 --> 00:01:09,399 [Piotr durlej]
międzynarodową firmę. 

00:01:09,399 --> 00:01:12,479 [Piotr durlej]
Jeśli dobrze pamiętam Product People. 

00:01:12,479 --> 00:01:28,159 [Piotr durlej]
Mam nadzieję, że nie, nie skrzywdziłem, nie skrzywdziłem. Tak, dobrze pamiętałem. No i tam razem z Krzysztofem Bodnarem, z senior product managerem z Bolda, międzynarodowej firmy, która też ma tutaj swój oddział w 

00:01:28,159 --> 00:01:30,779 [Piotr durlej]
Warszawie, w której Michał, Michał miał okazję pracować. 

00:01:30,779 --> 00:01:34,619 [Michał Krajewski]
Tak, to żart, że też pracowałem jako senior PM 

00:01:34,619 --> 00:01:35,119 [Michał Krajewski]
ponad- 

00:01:35,119 --> 00:02:00,999 [Piotr durlej]
Prawie jakby Michał, prawie jakby Michał tam, tam był razem ze mną i był też Marcin Paśko, czyli chief product officer z Pack Helpa, który był, który był hostem. No i mieliśmy taki właśnie panel dyskusyjny dla tych kilkudziesięciu osób, które, które postanowiło spędzić z nami ten, ten wieczór, te popołudnie. O tym, jak te AI może, może wpłynąć, o tym, jak te AI wpływa już w tym momencie- 

00:02:00,999 --> 00:02:03,979 [Michał Krajewski]
Piotrze, co ustaliliście? Co ustaliliście? 

00:02:03,979 --> 00:02:09,019 [Piotr durlej]
Że AI jest kompletnie zbędne? Że tylko na papierze? Tak że powinniśmy- 

00:02:09,019 --> 00:02:09,759 [Michał Krajewski]
Uff, uff. 

00:02:09,759 --> 00:02:15,500 [Piotr durlej]
Że Sumerowie mieli rację, Sumerowie mieli rację, że to trzeba jakby pismo klinowe i lecimy z tym. 

00:02:15,500 --> 00:02:17,399 [Michał Krajewski]
To się cieszę. Możemy skończyć. 

00:02:17,399 --> 00:02:27,199 [Piotr durlej]
Kończymy, możemy kończyć. Teraz czas na outro. A tak serio to no było kilka takich podkreśleń, kilka rzeczy, które, 

00:02:27,199 --> 00:02:40,039 [Piotr durlej]
które się zgadzaliśmy. A bym powiedział, które, z którymi warto, żeby chyba warto, żeby inni też to usłyszeli. Najważniejsza rzecz, na którą wszyscy się zgodziliśmy, to jest to, że 

00:02:40,039 --> 00:02:43,280 [Piotr durlej]
AI umożliwia na 

00:02:43,280 --> 00:02:50,399 [Piotr durlej]
znacznie lepszy dostęp do danych i generowania insightów z tych danych raczej 

00:02:50,399 --> 00:03:07,499 [Piotr durlej]
niż było do tej pory, tak? Kiedyś nie było na to czasu. Dzisiaj produkt-- nie było na to zasobów. Dzisiaj product manager może zasypywać AI podpiętym do baz danych danej firmy o różne najdziwniejsze pomysły, różne i najdziwniejsze zapytania, dzięki czemu 

00:03:07,499 --> 00:03:21,659 [Piotr durlej]
można sobie-- jakby można wyłapać różne małe pomysły na improvementsy, na poprawki, które kiedyś po prostu były nieopłacalne z powodu właśnie konieczności obróbki tej danych, nie? Więc tutaj, 

00:03:21,659 --> 00:03:33,459 [Piotr durlej]
tutaj wydaje się, że analitycy danych, którzy jeszcze parę lat temu byli uznawani za super, super zawód przyszłości, mogą mieć dość ciężko, jeśli ten AI naprawdę się będzie bardzo, bardzo rozwijał, nie? 

00:03:33,459 --> 00:04:19,399 [Michał Krajewski]
Tak, tu myślę, hm, na pewno jest to prawda, że dużo łatwiej jest te dane obrabiać, tak? No, dam tutaj może przykład ze swojej strony, kiedy ja mam jakiś plik w Excelu czy w CSVce i mógłbym na nim zrobić kilka operacji sam. Nawet pisząc jakiś skrypt, chociaż już jestem trochę rusty jeśli o to chodzi. Piszę jakiś skrypt albo po prostu w Excelu, ale złapałem się na tym, że czasem wrzucam to po prostu do clouda i mówię zrób mi wykres taki i taki. On zrobi wykres. Mówię ok, teraz dodaj to, ok, a teraz to autentycznie chyba przedwczoraj miałem taki case. Dodałem, mówię mu dobra, widzę, że te dane są ok, to dodaj jeszcze ten plik, bo tutaj mamy dane 

00:04:19,399 --> 00:04:52,039 [Michał Krajewski]
akurat sprzedaży tylko z tych samych miesięcy, ale czegoś innego tak? I on po prostu bez problemu dodał, co by mi zajęło pewnie kilka minut albo i więcej nawet do zrobienia. Więc jeśli chodzi o takie proste analizy, myślę, że albo nawet średnio zaawansowane? Absolutnie. Dodatkowo te wykresy są na tyle ładne, że jesteś w stanie je wysłać komuś od razu. No i co? Upskilling tutaj jest potrzebny. Tak mi się przynajmniej wydaje, żeby nie zajmować się tylko tworzeniem jakichś tam dashboardów czy ad hoc analiz, bo ktoś cię poprosił, 

00:04:52,039 --> 00:04:58,559 [Michał Krajewski]
weź znajdź sprzedaż tego i tego za ten okres tych rzeczy i tak dalej. Myślę, że to o to chodzi. 

00:04:58,559 --> 00:05:08,999 [Piotr durlej]
Tak, dla mnie tutaj super wartość jest taka, że miałem w JarZone sytuację, że chciałem się dowiedzieć czegoś tam jakby konkretnego, 

00:05:08,999 --> 00:05:14,759 [Piotr durlej]
jakby poeksperymentować, pobawić się. No i tam. 

00:05:14,759 --> 00:05:24,999 [Piotr durlej]
Analitycy danych za bardzo nie byli, analityczka danych za bardzo nie była, yy, i tam-- znaczy nie analityczka danych, tylko to był engineer, przepraszam. 

00:05:24,999 --> 00:05:46,319 [Piotr durlej]
Nie była zbyt zadowolona, żeby mi dawać dostęp do tych wszystkich danych, strumieni i żebym sobie radośnie promptował SQL i tam, mimo że to jakąś podstawę z SQL kam mam, mam, jakby jestem zaznajomiony, no ale jednak wiadomo, że właśnie raczej promptuję i potem próbuję czytać, a okej, o to chodzi, niż jakby w drugą stronę. 

00:05:46,319 --> 00:06:56,106 [Piotr durlej]
No więc, ale to jest przyszłość. Uważam, że to jest przyszłość. W tą stronę będziemy, że każdy będzie, po prostu będziemy-- ta bariera analizy danych będzie naprawdę bardzo niska. Też taka ciekawa, ciekawa rzecz à propos przyszłości, że takie hasło jest syntetyczni klienci, że na bazie tych danych jesteśmy w stanie tworzyć sobie jako product managerowie syntetycznych klientów, czyli takich hipotetycznych klientów, którzy są tymi uśrednionymi Janami Kowalskimi czy jakimiś innymi potencjalnymi. Janami Kowalskimi, z którymi możemy przeprowadzać wywiady i z którymi możemy się zapytać: Hej, na, na-Hej, jakby co sądzisz o tej funkcjonalności, o tej funkcjonalności? Czy za to byś raczej zapłacił, czy za to byś nie zapłacił? I to jest też, też ciekawa forma wykorzystania tych danych, bo wyobrażasz sobie, że-- wyobrażam sobie, że o dwudziestej trzeciej w sobotę masz genialny pomysł pod prysznicem i kurczę, chciałbyś jakby pogadać, zobaczyć, czy to jest jakby coś dobrego, czy coś złego. Dzięki takiemu syntetycznemu klientowi opartemu na danych możesz to zwalidować w każdym momencie. Także w poniedziałek już wiesz, hej, kurczę, zdaje się, że na bazie naszych danych to może być ciekawy pomysł i to już nie będzie-- to nie jest już tylko twój pomysł z pod prysznica, tylko to jest jakby pomysł, który jest jakby wstępnie zwalidowany. 

00:06:56,106 --> 00:07:35,345 [Michał Krajewski]
Ja to nawet myślałem, hehe, że zrobisz taki produkt, który po prostu będzie w stanie z czasem uczyć się, w jaki sposób twojej klienci myślą albo co piszą. Zaciągać dane z Reddita, z różnych źródeł, z po prostu z nawet z twojej bazy supportowej, tak? Odpisywania na tickety i wtedy będziesz w stanie dosyć łatwo przewidzieć na przykład reakcje ludzi na jakiś dany message i przygotować sobie scenariusze. Ok, ludzie jest 10% szansy, że zareagują negatywnie. No to co wtedy im piszemy, tak? Jest 50% szansy, że zareagują neutralnie i tak dalej. Więc wydaje mi się, że to jeśli chodzi o takie warsztat produktowy, 

00:07:35,345 --> 00:07:39,285 [Michał Krajewski]
albo to zostanie uproduktowione dosyć szybko i wtedy będziesz po prostu używał czegoś tak. 

00:07:39,285 --> 00:07:41,885 [Piotr durlej]
Tak, jakbyś będzie generator. 

00:07:41,885 --> 00:07:45,585 [Michał Krajewski]
Albo będziesz po prostu, tu 

00:07:45,585 --> 00:07:48,585 [Michał Krajewski]
no albo po prostu sam będziesz budował to. 

00:07:48,585 --> 00:07:50,145 [Piotr durlej]
No, 

00:07:50,145 --> 00:08:01,405 [Piotr durlej]
no właśnie, wydaje mi się, że tutaj jest, jest szansa na zrobienie jakby czegoś takiego fajnego na bazie danych no to, ale to o tym właśnie z Michałem sobie jakiś czas temu też rozmawialiśmy jako jeden ciekawy, ciekawy pomysł na 

00:08:01,405 --> 00:08:12,465 [Piotr durlej]
jakiś produkt potencjalny. Więc jak Michał będzie szalał z lovable może, może niedługo będziecie mieli też okazję coś takiego przetestować. Kolejna rzecz, która tam wychodzi, że już bardziej 

00:08:12,465 --> 00:08:46,865 [Piotr durlej]
to z mojej strony też, też jakby jest to nadal trochę na bazie tych danych. To jest, że AI jest bardzo dobre w generowaniu pomysłów. Jakość tych pomysłów pozostawia wiele do życzenia, ale jest fajnym wsadem do brainstormingu. Więc bardzo często jako produktowy lider masz takie kurczę, no nie wiem, niby wszystko mogę, więc co mam zrobić? Jaki mam pomysł? Więc takie AI na bazie takich danych, na bazie tego, co się dzieje w trendach, na bazie tego, co się dzieje, może być bardzo fajnym miejscem do brainstormingu, takich generowania pomysłów, co można dalej, dalej zrobić. 

00:08:46,865 --> 00:08:51,485 [Piotr durlej]
I to jest jakby też duża, duża wartość. Szczególnie w firmach, które 

00:08:51,485 --> 00:09:41,485 [Piotr durlej]
no jednak szukają tych innowacji, żeby jakoś się odróżnić. A o te innowacje jest coraz, coraz bardziej trudno, bo wszyscy mamy podobny stack technologiczny, więc te różnice między organizacjami są, są bardzo małe, więc trzeba sobie jakby to wykorzystywać. No ale też trzeba o tym pamiętać, że czym dalej w procesie decydowania, czyli na samym początku mamy dużo, dużo opcji, że mamy ten upstream, a potem mamy downstream tak? Czyli że po prostu jest to raz. Najpierw zaczynamy z ogromną ilością pomysłów, potem zmniejszamy, zmniejszamy aż do pewnego momentu i potem jakby już tylko jest egzekucja. No to, czym dalej w ten las, no to tym bardziej jakby człowiek ze swoimi, ze swoim ogromnym context window, żeby mówić tutaj LLMowym slangiem, wiedzący o całej organizacji jest w stanie lepiej, jest w stanie jednak lepiej wziąć, wziąć odpowiedzialność za ten moment, na-- za takie decyzje. 

00:09:41,485 --> 00:09:47,225 [Michał Krajewski]
So far. Ale tak, myślę, że tak. Myślę, że to tak wciąż. 

00:09:47,225 --> 00:09:56,345 [Michał Krajewski]
No tak, ktoś napisał tak. Wiele osób ma takie zdanie, że AI nie może być zostać w cudzysłowie pociągnięte do odpowiedzialności za jakąś decyzję. 

00:09:56,345 --> 00:09:57,485 [Piotr durlej]
No jeszcze nie. 

00:09:57,485 --> 00:10:20,585 [Michał Krajewski]
Jeszcze nie. Może kiedyś, ale myślę, że jeszcze długi, długi czas przed nami. Gdzie, o ile duża część analizy właśnie będzie, będzie nas wspomagać AI, to in the end musi być ktoś odpowiedzialny za tą decyzję, tak? No, póki to nie jest AI, no to jest to człowiek, tak? Więc nawet jeśli ta diagnoza i analiza zostanie mocno wsparta przez AI, no to ty musisz na koniec dnia się podpisać. 

00:10:20,585 --> 00:10:50,385 [Piotr durlej]
Podpisać. No to łatwy przykład taki życiowy. Idziesz do-- jakby masz mieć jakąś operację. Operacja jest obarczona jakimś ryzykiem. Możesz pójść do operacji, która jest, no tobie, która jest robiona przez AI'a. Możesz pójść do operacji, która jest robiona przez człowieka. Pytanie jakby, no pytanie, co wybierzesz, co wybierzesz? Jakby tutaj jest, jest bardzo, bardzo ciekawe. No i za kogo będzie, jeśli była operacja? Oczywiście może zawsze pójść coś nie tak. 

00:10:50,385 --> 00:11:04,825 [Piotr durlej]
No i w tym wypadku, jeśli by się coś poszło nie tak, no to co? No to, czy to jest twoja wina, bo wybrałeś AI? Na przykład? W wypadku lekarza może jest łatwo, nie? Wiesz, wiesz kogo, kogo masz winić, kogo do sądu, kogo masz ciągać do sądu, nie? I tak dalej, a tutaj- 

00:11:04,825 --> 00:11:11,865 [Michał Krajewski]
No właśnie, więc musi być zawsze ten biał-- znaczy nie zawsze, ale interfejs. Interfejs białkowy, interfejs i tyle. 

00:11:11,865 --> 00:11:15,245 [Piotr durlej]
Jakiś, jakaś osoba, 

00:11:15,245 --> 00:11:18,905 [Piotr durlej]
osoba rozsądna inaczej, która się pod tym podpisze. 

00:11:18,905 --> 00:11:24,845 [Piotr durlej]
Dobrze. No i kolejna, kolejna taka myśl, którą sobie tu wynotowałem, że 

00:11:24,845 --> 00:11:32,965 [Piotr durlej]
o prototypach. Dlatego, że Michał jako wielki fan lovable, który nie śpi, tylko promptuje. 

00:11:32,965 --> 00:11:40,245 [Piotr durlej]
No, sami słyszeliście. To powiedzieli właśnie, że tworzenie prototypów tam szczególnie, 

00:11:40,245 --> 00:12:09,505 [Piotr durlej]
szczególnie Marcin z Pack Helpa po prostu był zachwycony tym, jak szybko można te prototypy jakby zrobić. Nawet na spotkaniach jakoś coś wyklikać, coś pokazać. I to jest bardzo fajne. Tylko, że to jest, obniża też trochę wartość i wartość w oczach innych interesariuszy, innych osób w firmie. Bo myślę o kurcze, skoro ty jesteś w stanie wyklikać dziesięć, piętnaście minut, to znaczy, że trzydzieści minut to już będzie na produkcji, prawda? I chodzi o to, że to nie zawsze jest prawda. [śmiech] 

00:12:09,505 --> 00:12:43,639 [Michał Krajewski]
No właśnie. A to ciekawe, bo, bo według mnieNie teraz jeszcze, ale z czasem wydaje mi się, że to będzie coraz bardziej prawdą. W tym sensie, że teraz nie jesteśmy w wielu firmach gotowi na to, żeby właśnie shipować takie prototypy z wielu względów, ale wydaje mi się, że kurczę może przyjść czas, gdzie to po prostu będzie-- tak możemy to shipnąć i firmy, które będą w stanie taki pipeline sobie zbudować od pomysłu, przez jakiś tam prompt engineering, weryfikację userami do deploya, że tak powiem, mogą mieć przewagę. 

00:12:43,639 --> 00:13:13,019 [Piotr durlej]
Ja się zgadzam, że to w przyszłości to będzie super. Tylko, że mówimy o dzisiaj i dzisiaj jest taka sytuacja, że możesz bardzo szybko coś wypromptować sobie w jakimś narzędziu i pokazać grafiki i w ogóle, co już na już Ci deprecjonuje pracę i designera i deprecjonuje Ci pracę i developera, developera i sprawia, że wiesz, że taki w cudzysłowie biznes patrzy na to i mówi kurczę, przecież skoro ktoś był w stanie to zrobić tyle w tak krótkim czasie, no to po co? Po co mi takie 

00:13:13,019 --> 00:13:23,119 [Piotr durlej]
drogie osoby w zespole? Trzeba jakby-- wystarczy jakiegoś juniorek, który czytam, czytam-- po co juniorek? Product manager będzie promptował przecież. I będziesz robił, 

00:13:23,119 --> 00:13:30,639 [Piotr durlej]
i będziesz robił cold i będziesz robił, wiesz, i będziesz robił cold i będziesz robił design i tak dalej. Wszystko będziesz robił, nie? 

00:13:30,639 --> 00:13:34,299 [Michał Krajewski]
Myślę, że tak. [śmiech] Jakby Piotr, nie dawaj pomysłów. 

00:13:34,299 --> 00:13:36,899 [Piotr durlej]
Nie dawać pomysłów. Tak. No ja uważam, że- 

00:13:36,899 --> 00:13:38,639 [Michał Krajewski]
No, I'm just saying. 

00:13:38,639 --> 00:14:31,859 [Piotr durlej]
Uważam, że w tą stronę to niestety, niestety idzie. Tylko że problem polega na tym, że dzisiaj jak sobie weźmiesz coś, co właśnie będziesz robił, tak jak wiesz już promptujesz. Jakość kodu tego jest średnia, design nie jest w pełni przemyślany, nie będzie super jakby-- mogą być z tym problemy i niestety w osiemdziesięciu procentach case'ów będzie super, ale te dwadzieścia procent będzie, będzie złe. I potem pan-- przyjdzie pan biznes i powie kurczę, no dlaczego to jest źle, nie? Dlaczego to nie jest idealnie? A tutaj, jak sami zresztą dobrze wiecie, jeśli się, jeśli się bawicie z AIm, to prowadzenie od zera do osiemdziesięciu procent zrobionego bardzo dobrze zadania jest bardzo łatwe w AI. Ale te ostatnie dwadzieścia procent to jest totalna mordęga, żeby, żeby doprowadzić, żeby doprowadzić tego AIm, żeby był właśnie ten, ten, to co było na końcu, żeby było idealne. Przynajmniej takie jest moje jakby osobiste, osobiste doświadczenie. Więc tutaj. 

00:14:31,859 --> 00:14:37,239 [Michał Krajewski]
Tak. Ja myślę, że wbrew pozorom, bo nie wiem, a może nie wbrew-- 

00:14:37,239 --> 00:14:48,139 [Michał Krajewski]
kod jest ważny, ale w miarę szybko ta jakość kodu się poprawia. Na przykład z Claude 4.0 ostatnio wydanym. Ja nawet sam widzę różnicę. Może nie tyle w jakości kodu- 

00:14:48,139 --> 00:14:51,299 [Piotr durlej]
Aha, dobry kod, bardzo ładny, bardzo ładny kod. 

00:14:51,299 --> 00:15:55,939 [Michał Krajewski]
I understand this words. Ale jeśli chodzi o zrozumienie, co, co-- jakby nie psuje się to tak często, jak w przeszłości. Przynajmniej jeśli chodzi o lovable i te prompty moje są lepiej rozumiane. Natomiast właśnie poruszyłeś kwestię designu. Wydaje mi się, że właśnie design będzie coraz bardziej kluczowy, bo wciąż te i może jeszcze długo te LLMy robią poprawny design. Jak im coś zadasz, to robią taką, taki uśredniony design ze wszystkich apek, które przeczytały. Natomiast ten amazing design to, to, to jeszcze nie. Jest bardzo trudno stworzyć rzeczy, które mają fajne animacje, będą miały fajny flow. To, to jeszcze nie jest teraz, a szczególnie jeśli ktoś jest nawet takim produktowcem jak my, który-- przynajmniej tak mi się wydaje. Jesteśmy w stanie stworzyć w miarę kompetentny UI, który jest używalny i nie wygląda źle. Natomiast jak współpracuję z wieloma designerami, no to różnica między good enough albo nawet niezłym designem, a super designem naprawdę jest, jest duża. 

00:15:55,939 --> 00:15:57,179 [Piotr durlej]
Robi robotę. Tak? 

00:15:57,179 --> 00:16:11,639 [Michał Krajewski]
I na razie AI jest łatwo, jesteś łatwo w stanie stworzyć design, który robi co trzeba, tak? Jest w miarę czytelny i spoko, ale taki amazing design, gdzie ktoś używa tak, jakbyś myślisz sobie: "Okej, widać, że ktoś tu przemyślał to jeszcze, jeszcze trochę, nie?" 

00:16:11,639 --> 00:16:33,499 [Piotr durlej]
No, moim zdaniem proces kreatywny jest nieliniowy, a myślenie LLMów jest liniowe, więc chodzi mi o to, że możesz być tak, że w trakcie tworzenia czegoś, jakiegoś prototypu, na przykład ty jako człowiek wpadniesz: "Kurczę, te moje założenie wcześniej, na samym początku jest złe i trzeba je zmienić, nie?" 

00:16:33,499 --> 00:16:53,239 [Piotr durlej]
LLM z powodu tego, jak działa i jak nadbudowuje siebie, to raczej o ile mu nie powiesz bardzo dokładnie, że hej, tutaj popełniłeś błąd i on Ci powie sorry, przepraszam, to jednak zmieniam. To o ile mu nie powiesz, to on będzie po prostu budował szedł, szedł, szedł, szedł dalej, nie? Jakby nie wraca do tych swoich wcześniejszych założeń i ich nie zmienia. 

00:16:53,239 --> 00:17:10,319 [Piotr durlej]
Przynajmniej nie tak, nie tak łatwo i nie tak chętnie jak, jak ludzie. A czasami to jest, to jest czasami bardzo, bardzo ważne w tych właśnie procesach, procesie kreatywnym. Więc wydaje mi się, że, że zobaczymy, może to, może to się będzie, będzie zmieniało. Pewnie, pewnie jakby są-- 

00:17:10,319 --> 00:17:21,739 [Piotr durlej]
no ale podejrzewam, że to będzie koszt takiego, żeby LLM za każdą swoją odpowiedzią kwestionował siebie, wszystkie swoje odpowiedzi z przeszłości. Czyli coś, co my mamy wbudowane w sobie, w naszych mózgach 

00:17:21,739 --> 00:17:38,059 [Piotr durlej]
i jakby ten context window naprawdę bardzo duży. No to to nie będzie, to jednak nie jest, nie jest ta droga dla LLMa. Ostatnia rzecz, bo się oczywiście tutaj rozgadujemy z Michałem, a mieliśmy, mieliśmy krótkie kilka punktów. Raczej bardziej ja robiłem monolog. 

00:17:38,059 --> 00:18:35,619 [Piotr durlej]
Startupy, jest taka myśl na koniec, że startupy są znacznie bardziej skupione na szybkości. Dlatego akceptują znacznie więcej, większą ilość pomyłek w tym product discovery, byleby znaleźć coś, co im drive'uje, ten-- pomaga we wzroście. A korporacje są bardziej skupione na kontroli nad tym, żeby mieć pewność, że ta jakość tych produktów, które są wykonywane, wypadają, jest naprawdę wysoka. Dlatego w nich jakby adopcja-- czym większa organizacja, tym adopcja AI jest mniejsza. No i tutaj właśnie o adopcję AI było pytanie, no, u mnie, w mojej aktualnej organizacji, no, ten AI jest tylko enterpriseowy, jakby zamknięty, ten dostarczany przez chmurę Microsoftu i mało kto z tego korzysta, dlatego że na koniec dnia to i tak ty odpowiadasz za to i jakby ta specyfika pracy nad tym, nad tym produktem jest bardzo, bardzo legal first i taki AI raczej więcej by zrobił krzywdy niż, niż pożytku. 

00:18:35,619 --> 00:18:36,459 [Michał Krajewski]
Aaa...

00:18:37,101 --> 00:19:17,681 [Piotr durlej]
No i zresztą wysyłanie takich danych to też, też niekoniecznie w świat nie jest niekoniecznie fajne, ale w Packelpie jest tylko współdzielona baza promptów, a nie ma jakby wspólnej jakby polityki. A w Boldzie jest bardziej-- nie ma też polityki, mimo że to jest jakby międzynarodowa, duża amerykańska organizacja, też nie ma polityki czy jakiegoś odgórnego nakazu, jak używać AI, tylko jest AI bardziej ludzie używają jako wspieraniu swojego, swojej jakby produktywności, nie? Więc to nadal pokazuje, że mimo że wszyscy, jakby wszyscy, czytaj nasza banieczka gada o AI, to nadal te organizacje tak patrzą na to i jakby oceniają, nie? I nie widzą jeszcze zwrotów, nie? 

00:19:17,681 --> 00:19:44,081 [Michał Krajewski]
Tak, ja myślę we are still early, tak? Według mnie większość ludzi, znaczy takich zwykłych, totalnie nie używa tego AI, a może ChatGPT czasem albo, ale to raczej na zasadzie zabawki, tak? Takie o, zobaczcie, haha, obrazek mi wygenerował, nie? Więc to na pewno. I na poziomie jeszcze organizacyjnych to, organizacyjnym to jest jeszcze 

00:19:44,081 --> 00:20:33,361 [Michał Krajewski]
długa droga. Dlatego myślę sobie product managerzy, którzy-- wy będziecie w stanie w tym momencie, w którym jesteśmy, tak, AI wdrożyć w swojej organizacji, ale nie na zasadzie właśnie, że ktoś tam pisze prompty i dostaje jakieś pomysły i tak dalej, tylko na zasadzie okej, jakie innowacje produktowe mogę wprowadzić używając AI, ale na zasadzie no to już mówiliśmy kilkakrotnie, tak? Jest problem i czy AI jest w stanie lepiej rozwiązać go niż nieużycie AI, tak? Jeśli tak, no to wtedy warto to eksplorować i to myślę, że będzie bardzo potężne. A samo użycie AI jako, jako osoba myślę, że to jest oddzielny temat i pewnie będziemy o nim jeszcze wiele razy gadać. Natomiast użycie AI w organizacji no to tak jak po prostu klasyka produktowa, tak? Rozwiązywanie problemów tym AI i 

00:20:33,361 --> 00:20:36,341 [Michał Krajewski]
to jest przyszłość, nie? 

00:20:36,341 --> 00:20:53,161 [Piotr durlej]
No zgadzam się, że tutaj to jest przyszłość i wydaje mi się, że, że tutaj fajnie, że też no pewnie trzeba będzie właśnie pogadać o tym, o tym, jak, jak mądrze używać jako PM AI, żeby właśnie swojej osobnej produktywności. A organizacja... 

00:20:53,161 --> 00:21:02,681 [Piotr durlej]
Szczerze powiedziawszy, wydaje mi się, że co organizacja to będzie inne użycie, użycie tego AI i to będzie troszeczkę jak z tymi systemami produktywności, że każdy ma 

00:21:02,681 --> 00:21:07,061 [Piotr durlej]
tak, że każdy ma coś jakby swojego i 

00:21:07,061 --> 00:21:15,281 [Piotr durlej]
coś innego, jakby wewnątrz, jakby organizmu, tego organizmu, organizacji używa, nie? 

00:21:15,281 --> 00:21:25,141 [Piotr durlej]
Dobrze. Mamy nadzieję, że, że coś, że coś ciekawego jakby z tego, z tego wynieśliście i będziecie bardziej jakby próbować bawić się z 

00:21:25,141 --> 00:21:27,321 [Piotr durlej]
AI w 

00:21:27,321 --> 00:21:57,661 [Piotr durlej]
swoich, swoich jakby procesach discovery, szczególnie jakby zabawy AI dane to jest jakby super, super, super rzecz do używania, promptowanie i pokazywanie prototypów też wydaje mi się, że bardzo może pomóc jakby w wewnętrznych, w wewnętrznych dyskusjach, bo czasami przecież takie pokazanie, po prostu pokazanie czegoś zamiast opowiadania o tym. Jednak jesteśmy pismo obrazkowe, emoji to jest coś, co TikToki, to jest coś, co przemawia do mas, a nie jakieś tam PRD, których nikt nie czyta. 

00:21:57,661 --> 00:22:02,161 [Piotr durlej]
Jakby Michał tutaj łezka, łezka, łezka w oku. 

00:22:02,161 --> 00:22:03,721 [Piotr durlej]
No więc- 

00:22:03,721 --> 00:22:10,281 [Michał Krajewski]
Ja tylko dzięki Piotr za referencję tej konferencji, spotkania. 

00:22:10,281 --> 00:22:21,921 [Michał Krajewski]
Fajnie, że takie rzeczy się dzieją, bo fajnie, że ludzie o tym rozmawiają, że, że jest jakiś ferment, powstaje, że tak powiem, no bo to pokazuje, że też nasza ta scena produktowa zaczyna trochę 

00:22:21,921 --> 00:22:42,661 [Michał Krajewski]
ożywać, jeśli chodzi o AI, co rok temu bym powiedział, nie było not the case, więc produktowcy jeszcze rok temu na przykład AI, no to oczywiście każdy mówi, że korzysta z ChatGPT. Natomiast widzę, że teraz scena zaczyna naprawdę działać lepiej i fajnie, tak? Oby, oby więcej takich spotkań. 

00:22:42,661 --> 00:23:02,181 [Piotr durlej]
Amen. Spotkań jakby i okazuje się, że po drugiej stronie też, też ten-- do mnie podeszło z dwie osoby czy trzy po tych-- dwie, dwie, już nie będę sobie, trzecia, z trzecią rozmawiałem o czymś innym. I właśnie powiedział, że bardzo się ucieszyły, że na tym, na tych jakby dyskusji, na tym panelu okazało się, że wszyscy eksperymentujemy, 

00:23:02,181 --> 00:23:09,421 [Piotr durlej]
dlatego że z tym AI, dlatego że z powodu linkedinowej banieczki 

00:23:09,421 --> 00:23:32,581 [Piotr durlej]
ten biedny, biednych dwóch, jedna dziewczyna, jeden chłopak PM'ów to już myśleli, że wszyscy po prostu są super ekspertami w używaniu AI w każdym możliwym, że robią z nim śniadanie, a okazuje się, że każde organizacje tak naprawdę jak się odpowiednio przyjrzeć, no to też jakby nie wiedzą do końca jeszcze, jak to używać i jeszcze jesteśmy właśnie w learning period, nie? Jeszcze się uczymy. Więc tyle. 

00:23:32,581 --> 00:23:37,061 [Michał Krajewski]
No i tyle. Dzięki wszystkim za uwagę i do usłyszenia następnym razem. 

00:23:37,061 --> 00:23:38,261 [Piotr durlej]
Do usłyszenia. Hej, hej.