Artykuł Ile kosztuje wdrożenie i utrzymanie modelu LLM w firmie? Szczegółowa analiza pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.

Sztuczna inteligencja i duże modele językowe to hasła, które wymieniane są w niemal każdej branży. Wiele firm zastanawia się, jak korzystać z nich bezpiecznie oraz jakie rozwiązanie będzie dla nich najbardziej efektywne. Możliwości jest wiele i często trudno je odróżnić. W tym tekście podzieliliśmy je w łatwy do zrozumienia sposób.  

AI może działać w firmach jako chatbot, asystent, agent wykonujący złożone zadania, narzędzie do analizy danych, system generujący treści czy silnik wyszukiwania wiedzy. Jak wybrać rozwiązanie, które będzie optymalnie dopasowane do potrzeb pracowników? Warto poznać charakterystykę każdego z nich.  

Chatbot – odpowiada na pytania, wyjaśnia i przyjmuje zgłoszenia

To najczęściej spotykana forma wykorzystania AI w obszarach takich jak obsługa klienta czy sprzedaż. Chatbot AI oparty na dużym modelu językowym, takim jak np. ChatGPT, potrafi prowadzić naturalną rozmowę, rozumieć kontekst zapytań i udzielać trafnych odpowiedzi – całodobowo, w wielu językach i bez udziału człowieka. 

 

Rozwiązania tego typu są najczęściej wdrażane na stronach internetowych, w komunikatorach (Messenger, WhatsApp) lub w systemach helpdesk, gdzie pomagają w obsłudze zapytań, śledzeniu zamówień czy udzielaniu informacji o produktach. Dzięki temu znacząco automatyzują obsługę klienta, redukują koszty operacyjne i podnoszą ocenę satysfakcji klienta. 

 

Na potrzeby tego artykułu przyjmujemy, że chatbot to przede wszystkim interfejs AI skierowany do użytkowników zewnętrznych, czyli działa „na zewnątrz firmy”. Taka definicja odróżnia go od agentów AI, które pełnią bardziej złożone funkcje w ramach procesów wewnętrznych – integrując się z systemami, bazami danych czy API. 

https://www.incone60.eu/seastat

 

Agent AI – narzędzie zaprojektowane do realizacji konkretnych zadań

W przeciwieństwie do chatbota, który prowadzi rozmowę z użytkownikiem zewnętrznym, agent AI działa wewnątrz organizacji i wspiera pracowników w automatyzacji konkretnych procesów biznesowych. Taki agent nie jest uniwersalnym narzędziem – tworzy się go z myślą o jasno określonym celu, np. przetwarzaniu dokumentów, analizie danych czy integracji z systemami ERP. 

 

Dzięki dużym modelom językowym, takim jak Gemini czy Claude, agent AI potrafi analizować kontekst, podejmować decyzje i uruchamiać konkretne działania – bez udziału człowieka. Może działać w tle, przetwarzać dane z wielu źródeł, zarządzać plikami czy obsługiwać skrzynkę mailową. 

 

Każdy Agent AI powstaje na miarę potrzeb danej firmy i jej specyficznych zadań. Tylko wtedy jego działanie jest realnym wsparciem, a nie kolejnym ogólnym narzędziem.  Chcesz zobaczyć, jak wygląda takie rozwiązanie w praktyce? 

Poznaj case study: Agent AI dla firmy spedycyjnej – opisujemy w nim, jak zbudowaliśmy agenta, zintegrowanego ze skrzynką email.  

 

Zobacz także: Optymalizacja procesów back – office, dzięki wdrożeniu agenta AI. Praktyczny przykład 

Asystent AI – wspiera użytkownika w codziennej pracy, działając kontekstowo i „w tle”

W przeciwieństwie do chatbota, który odpowiada na pytania oraz agenta, który automatyzuje zdefiniowany proces, asystent AI to narzędzie towarzyszące pracownikowi na bieżąco – rozumie kontekst, podpowiada następne kroki i ułatwia wykonywanie zadań w znanych aplikacjach. 

 

Najczęściej jest zintegrowany z konkretnym środowiskiem pracy, takim jak edytor tekstu, arkusz kalkulacyjny, CRM czy narzędzie do zarządzania projektami. Asystent nie zastępuje użytkownika – ale aktywnie wspiera go w podejmowaniu decyzji, pisaniu, analizowaniu danych czy planowaniu. 

 

Asystenci AI, tacy jak GitHub Copilot, Notion AI czy asystent Google w Workspace, są przykładem tego, jak technologia może realnie zwiększać produktywność zespołów i skracać czas potrzebny na rutynowe zadania. Z punktu widzenia firmy, dobrze zaprojektowany asystent może poprawić jakość pracy, ograniczyć błędy i ułatwić onboarding nowych pracowników 

Jak jeszcze można wykorzystać duże modele językowe w biznesie?

Możliwości nie kończą się na chatbotach, asystentach czy agentach. Modele te mogą pełnić także wyspecjalizowane role, wspierając konkretne zadania, np. przetwarzanie dokumentów, analizę danych czy tworzenie treści. Coraz częściej są wykorzystywane do automatycznego podsumowywania raportów, wyciągania informacji z nieustrukturyzowanych źródeł (takich jak e-maile, PDF-y czy zeskanowane formularze) lub odpowiadania na pytania zadawane w języku naturalnym, na podstawie firmowej dokumentacji.  

 

LLMy mogą także wspierać zespoły marketingowe, generując propozycje tekstów reklamowych, opisów produktów czy komunikatów sprzedażowych, zgodnych ze stylem firmy. W działach analitycznych umożliwiają szybszy dostęp do danych – potrafią generować zapytania do baz danych, interpretować wyniki i prezentować wnioski w sposób zrozumiały dla osób nietechnicznych. Takie zastosowania często nie wymagają tworzenia nowego narzędzia, lecz polegają na integracji modelu AI z już istniejącym systemem w firmie. Dzięki temu technologia wspiera konkretne działania – dokładnie tam, gdzie jest potrzebna. 

Modele AI a bezpieczeństwo i przetwarzanie danych

Właściciele i managerowie wciąż zachowawczo podchodzą do wdrażania narzędzi AI, ponieważ nie wiedzą, jak zapewnić bezpieczeństwo i poufność przetwarzanych danych. Przyjrzeliśmy się tym obszarom w naszych poprzednich publikacjach, które warto poznać.  

 

W tekście „Jak platformy AI korzystają z Twoich danych? Przegląd obowiązujących zasad” opisaliśmy zasady, dotyczące prywatności danych i trenowania modeli stosowane przez najpopularniejsze platformy AI, takie jak OpenAI, Google Gemini, Azure OpenAI od Microsoftu oraz Claude firmy Anthropic. 

 

Z kolei dla osób, które rozważają wdrożenie lokalne polecamy blog: „Lokalne LLM-y: testujemy lekkie modele do przetwarzania dokumentów”.   Przyjrzeliśmy się w nim kilku najlepszym otwartoźródłowym lekkim modelom LLM oraz sposobom ich uruchamiania na lokalnym komputerze z systemem Windows, jak i z ograniczoną kartą graficzną (GPU). 

 

Wybór odpowiedniego narzędzia AI w firmie zależy przede wszystkim od celu, jaki ma ono realizować. Chatbot sprawdzi się tam, gdzie liczy się szybka i dostępna obsługa klienta. Agent AI pozwoli zautomatyzować powtarzalne procesy wewnętrzne i usprawnić przepływ informacji między systemami. Asystent AI będzie codziennym wsparciem pracownika – podpowie, podsumuje, przygotuje dane do dalszej pracy. 

 

Duże modele językowe dają też możliwość integracji z istniejącymi procesami – bez konieczności budowania dedykowanego narzędzia od zera. Wdrożenie technologii opartej na AI wymaga jednak przemyślanej decyzji – zarówno pod kątem efektywności, jak i bezpieczeństwa przetwarzania danych. Jeśli chcesz wdrożyć AI w swojej firmie i szukasz doświadczonego partnera, który przeprowadzi Cię przez ten proces, skontaktuj się z nami.  

Wprowadz AI do swojej firmy

Zapewniamy profesjonalne doradztwo i kompleksowe wdrożenie narzędzi opartych na dużych modelach językowych.

Skontaktuj się z nami

Artykuł Chatbot, agent czy asystent AI? Sprawdź, które rozwiązanie najlepiej sprawdzi się w Twoim biznesie pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.

Zastanawiałeś się kiedyś, co dzieje się z Twoimi danymi, gdy korzystasz z chmurowych platform AI, albo czy informacje, które podajesz są wykorzystywane do trenowania przyszłych modeli? W tym artykule przedstawiamy zasady, dotyczące prywatności danych, obowiązujące w czołowych platformach AI. Dowiesz się także, co zrobić, aby Twoje dane nie były wykorzystywane do trenowania dużych modeli językowych (LLM).

Najwięksi dostawcy chmurowych usług AI stają się coraz bardziej transparentni w kwestii wykorzystywania danych – zwłaszcza w kontekście trenowania modeli. Choć większość platform, szczególnie tych oferujących usługi na poziomie korporacyjnym, domyślnie nie wykorzystuje Twoich danych wejściowych i wyjściowych do treningu, to szczegóły zapisane drobnym drukiem mają znaczenie. Zrozumienie, w jaki sposób te usługi przetwarzają dane – oraz jak możesz zachować nad nimi kontrolę – jest kluczowe.

Z tego bloga dowiesz się jakie zasady, dotyczące prywatności danych i trenowania modeli stosują najpopularniejsze platformy AI, takie jak OpenAI, Google Gemini, Azure OpenAI od Microsoftu oraz Claude firmy Anthropic. Z tekstu dowiesz się między innymi:

• • w jaki sposób platformy AI wykorzystują Twoje dane i czy są one domyślnie używane do trenowania modeli

  • jak, w razie potrzeby, uniemożliwić wykorzystywanie swoich danych przez AI (opcja opt-out)

  • gdzie przechowywane są Twoje dane (tzw. lokalizacja danych)

  • jakie środki zgodności z przepisami, takimi jak RODO, mają zastosowanie

Wdrażanie AI to nie tylko kwestia tworzenia promptów czy wydajności modeli. To również świadomość, gdzie trafiają Twoje dane – i jak zadbać o to, by pozostały pod Twoją kontrolą.

 

Oto, co warto wiedzieć:

OpenAI – Wykorzystanie danych i prywatność

OpenAI traktuje Twoje dane w różny sposób, w zależności od tego, jak korzystasz z jego usług:

 

Aplikacja ChatGPT (wersja webowa/mobilna)

 

Gdy prowadzisz rozmowy z ChatGPT, Twoje konwersacje mogą być wykorzystywane do trenowania modeli AI – chyba że ręcznie zrezygnujesz z tego (opt-out).
Aby zapobiec wykorzystywaniu Twoich danych:

• • Przejdź do Ustawienia → Kontrola danych → Ulepszanie modelu dla wszystkich i wyłącz tę opcję.
  • Nawet po rezygnacji (opt-out), OpenAI przechowuje rozmowy przez 30 dni w celu monitorowania nadużyć, a następnie je usuwa.

OpenAI API i ChatGPT Enterprise

Jeśli jesteś deweloperem lub firmą korzystającą z API OpenAI albo ChatGPT Enterprise, nie musisz rezygnować z udziału w trenowaniu modeli – domyślnie OpenAI nie wykorzystuje danych z API ani z wersji Enterprise do tego celu, a Twoje dane pozostają prywatne. Nie musisz podejmować żadnych dodatkowych działań – ochrona danych jest włączona automatycznie. Możesz zdecydować się na udostępnienie danych w celu ulepszania modeli, ale tylko jeśli tego chcesz.

Lokalizacja danych

Serwery OpenAI znajdują się głównie w Stanach Zjednoczonych i obecnie – jeśli korzystasz bezpośrednio z API – nie masz możliwości wyboru, gdzie Twoje dane są przechowywane. Oznacza to, że dane są przetwarzane w infrastrukturze OpenAI – objętej solidnymi zabezpieczeniami, ale niekoniecznie zlokalizowanej w Twoim kraju.

 

Są jednak postępy dla użytkowników biznesowych. OpenAI niedawno wprowadziło opcję dla wybranych klientów API w wersji Enterprise, która umożliwia przechowywanie danych w Europie – pod warunkiem zawarcia odpowiedniej umowy.

 

Jeśli lokalizacja danych ma dla Twojej firmy istotne znaczenie – np. ze względu na RODO lub wewnętrzne wymogi zgodności – warto rozważyć korzystanie z Azure OpenAI. W tym wariancie modele OpenAI są uruchamiane w chmurze Microsoftu, a Ty możesz wybrać konkretny region, np. Europę Zachodnią lub Azję, zapewniając, że dane będą przetwarzane i przechowywane wyłącznie w wybranej lokalizacji.

 

Więcej o Azure przeczytasz w kolejnej części – ale w skrócie: OpenAI zapewnia bezpieczne przetwarzanie danych, jednak jeśli zależy Ci na pełnej kontroli nad ich lokalizacją, lepszym wyborem może być chmurowy partner, taki jak Azure.

Gemini – Podejście Google do Twoich danych

Google rozwija generatywną sztuczną inteligencję m.in. poprzez model Gemini – nowej generacji rozwiązanie, które zasila produkty takie jak chatbot Google Gemini oraz różne usługi AI dostępne w Google Cloud. Oto jak Google podchodzi do kwestii Twoich danych:

Aplikacja Gemini

Domyślnie Google zapisuje historię czatów z Gemini na Twoim koncie (podobnie jak historię wyszukiwania) i może wykorzystywać te dane do ulepszania swoich usług. Użytkownik ma jednak możliwość zarządzania tym ustawieniem za pomocą funkcji „Gemini Activity”.

Aby to skonfigurować:

• • Przejdź do ustawień Gemini Activity,
  • Wstrzymaj Gemini Activity, aby zatrzymać zapisywanie rozmów i uniemożliwić ich wykorzystanie jako źródła danych do trenowania modeli AI.
  • Możesz także usunąć dotychczasową historię konwersacji.

Wyłączenie Aktywności Gemini oznacza, że nowe rozmowy nie będą wykorzystywane do ulepszania usług opartych na uczeniu maszynowym ani przeglądane przez członków zespołu Google – chyba że samodzielnie prześlesz je jako opinię. Daje to zwykłym użytkownikom możliwość rezygnacji z udziału w trenowaniu modeli, podobnie jak opcja opt-out dostępna w ChatGPT.

Aby zatrzymać zapisywanie rozmów, przejdź do zakładki Activity i wyłącz opcję Gemini Apps Activity. Możesz również usunąć wcześniejsze konwersacje.

API i Vertex AI

Jeśli korzystasz z platformy Vertex AI w Google Cloud:

• • Twoje prompty i odpowiedzi nie są wykorzystywane do trenowania modeli AI bez Twojej wyraźnej zgody.
  • Dane mogą być tymczasowo buforowane (do 24 godzin) w celu poprawy wydajności, ale pozostają w wybranym przez Ciebie regionie geograficznym.
  • Firmy mogą zdecydować się na politykę braku retencji danych (zero-retention), aby zapewnić maksymalny poziom prywatności.

Lokalizacja danych

Lokalizacja danych to mocna strona Google – możesz samodzielnie wybrać region geograficzny, w którym działa Twoja usługa AI (np. centra danych w UE lub USA), a Google będzie przetwarzać i przechowywać dane właśnie w tym regionie, spełniając wymagania dotyczące lokalizacji danych.

Microsoft Azure OpenAI - Domyślna ochrona prywatności danych

Zasady trenowania modelu

Usługa Azure OpenAI firmy Microsoft umożliwia firmom korzystanie z modeli OpenAI za pośrednictwem zaufanej platformy chmurowej Azure. Prywatność jest tutaj jednym z głównych atutów. Microsoft wyraźnie zaznacza: wszelkie dane przesyłane do Azure OpenAI nie są wykorzystywane do trenowania modeli ani do ulepszania usług Microsoftu czy OpenAI.

 

Usługa Azure OpenAI w praktyce hostuje modele OpenAI (GPT-4, GPT-3.5 itd.) w infrastrukturze chmurowej Microsoft Azure. Microsoft zaprojektował tę usługę specjalnie z myślą o przedsiębiorstwach, które wymagają silnych mechanizmów ochrony prywatności. Do kluczowych elementów należą:

• • Wszelkie dane wprowadzone do usługi Azure OpenAI – takie jak prompty, odpowiedzi modeli (completions), osadzenia (embeddings) czy dane do fine-tuningu – nie są wykorzystywane do trenowania modeli AI.

  • Twoje dane wejściowe i wyjściowe „nie są dostępne dla innych klientów, nie są udostępniane OpenAI i nie są wykorzystywane do ulepszania modeli OpenAI”.

  • Microsoft przechowuje dane jedynie w zakresie niezbędnym do świadczenia usługi i monitorowania nadużyć. Domyślnie prompty i odpowiedzi są przechowywane tymczasowo (do 30 dni) wyłącznie w celu wykrywania nadużyć, po czym są usuwane.

    Jeśli nawet to tymczasowe przechowywanie stanowi problem (np. w przypadku danych o wysokiej wrażliwości), Microsoft oferuje procedurę zwaną „modified abuse monitoring”, która umożliwia całkowite pominięcie 30-dniowego przechowywania. Oznacza to, że żadne prompty nie są w ogóle zapisywane. Zazwyczaj wymaga to zatwierdzenia, ale jest to możliwe w scenariuszach o podwyższonym poziomie bezpieczeństwa.

Lokalizacja danych

Ponieważ usługa działa w środowisku Azure, możesz łatwo wybrać region i spełnić wymagania dotyczące lokalizacji danych. Podczas konfigurowania Azure OpenAI wybierasz region, w którym zostanie wdrożona usługa (np. Wschodnie USA, Europa Zachodnia, Azja Południowo-Wschodnia itd.). Całe przetwarzanie i przechowywanie danych na potrzeby wnioskowania (inference) odbywa się w wybranym regionie lub w jego granicach geograficznych.

Oznacza to, że jeśli wdrożysz usługę w Europie Zachodniej, Twoje dane nie opuszczą Europy – co ma kluczowe znaczenie dla zgodności z RODO. Sama platforma Azure spełnia szereg standardów zgodności (takich jak SOC 2, ISO 27001 itp.), a certyfikacje te obejmują również usługę Azure OpenAI jako część oferty Azure.

Anthropic (Claude) – Asystent AI z priorytetem prywatności

Zasady trenowania modelu

Anthropic, firma stojąca za asystentem AI Claude (Claude 2 i nowsze wersje), od początku kładzie duży nacisk na podejście zorientowane na prywatność. Stosuje model działania oparty na zgodzie użytkownika (opt-in):

• • Domyślnie Anthropic nie wykorzystuje Twoich rozmów ani danych do trenowania swoich modeli. Dotyczy to zarówno oferty komercyjnej (Claude for Work, Anthropic API), jak i produktów konsumenckich (Claude Free, Claude Pro) – Twoje prompty oraz odpowiedzi Claude’a nie są automatycznie używane do trenowania modeli.

  • Dane są wykorzystywane wyłącznie wtedy, gdy świadomie wyrazisz na to zgodę – na przykład przesyłając opinię. Jeśli klikniesz ikonę kciuka w górę lub w dół w interfejsie Claude’a albo prześlesz dane przez kanał feedbacku, oznacza to, że wyrażasz zgodę: „you can learn from this”. 

Dla klientów biznesowych Anthropic oferuje rozwiązania Claude Team/Enterprise, które nie tylko gwarantują, że dane nie są wykorzystywane do trenowania modeli, ale także udostępniają funkcje kontroli administracyjnej. Jedną z nich są niestandardowe ustawienia dotyczące retencji danych.

Domyślnie systemy Anthropic mogą przechowywać dane wejściowe i wyjściowe bezterminowo na potrzeby konta (ale nie do trenowania modeli). Jednak administratorzy usługi Claude Enterprise mogą ustawić własną politykę retencji – na przykład usuwanie wszystkich danych rozmów po 30, 60 dniach itd., przy czym aktualne minimum to 30 dni.

Takie mechanizmy kontroli mają na celu wspieranie zgodności z przepisami takimi jak RODO.

Lokalizacja danych

Anthropic to stosunkowo nowy gracz na rynku, i obecnie – korzystając bezpośrednio z ich API – nie masz możliwości jawnego wyboru regionu przechowywania danych. Najprawdopodobniej dane są hostowane w USA przez Anthropic lub za pośrednictwem dostawców chmurowych, takich jak AWS, w regionie amerykańskim.

Jednak modele Anthropic są również dostępne za pośrednictwem partnerów, co może pomóc w spełnieniu wymagań dotyczących lokalizacji danych. Przykładowo, Claude firmy Anthropic jest oferowany przez usługę Amazon Bedrock (AI-as-a-service od AWS) oraz przez Google Cloud Vertex AI. Korzystając z Claude’a za pośrednictwem jednej z tych platform, możesz skorzystać z możliwości wyboru regionu oferowanych przez AWS lub Google.

Podsumowanie

Zrozumienie praktyk związanych z gromadzeniem danych przez dostawców dużych modeli językowych (LLM) ma kluczowe znaczenie dla zgodności z przepisami, zaufania klientów oraz ładu informacyjnego w organizacji. Niezależnie od tego, czy priorytetem jest zgodność z regulacjami, transparentność wobec klientów czy wewnętrzne zarządzanie danymi – poniższe informacje pomogą w podjęciu świadomych decyzji. Wybieraj dostawców, którzy są zgodni z Twoimi standardami prywatności – i zawsze weryfikuj ustawienia swoich usług.

Oto porównanie najważniejszych platform:

Dostawca	Domyślne trenowanie na danych	Ustawienia w aplikacji webowej	Opcje lokalizacji danych	Zgodność z RODO/CCPA	Polityka prywatności
OpenAI	Nie (API)	Dostępna opcja opt-out	Nie (chyba że przez Azure Microsoft)	Tak	Prywatność konsumencka
Google	Nie (Cloud + Gemini)	Brak trenowania domyślnie	Szeroka kontrola regionalna	Tak	Prywatność korporacyjna, Prywatność Gemini, Vertex AI
Azure	Nie	Nie dotyczy	Pełna kontrola regionalna	Tak	Prywatność Azure i OpenAI
Anthropic	Nie	Brak trenowania domyślnie	Nie (chyba że przez partnerów)	Tak	Użytkownicy API, Użytkownicy Claude.ai

Dla maksymalnej prywatności i pełnej kontroli alternatywą pozostaje lokalne wdrożenie modeli (on-premises). Pozwala to całkowicie wyeliminować obawy związane z przechowywaniem danych w chmurze. Więcej na temat lokalnego wdrażania przeczytasz tutaj.

Chcesz porozmawiać o agentach AI?

Planujesz wdrożyć narzędzia AI? Z nami zrobisz to jak należy.

Napisz do nas

Artykuł Jak platformy AI korzystają z Twoich danych? Przegląd obowiązujących zasad pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.

Szukasz praktycznych przykładów wykorzystania agentów AI w przedsiębiorstwie? W poprzednim blogu opisaliśmy możliwość integracji takiego agenta z pocztą email na przykładzie firmy spedycyjnej. Cały tekst znajdziesz tu >> . Tym razem przyjrzymy się jak agent oparty na sztucznej inteligencji, może pomóc w działach prawnych, administracyjnych i zarządzających zasobami ludzkimi. Poznaj nasze najnowsze case study.  

„Agenci AI” to inteligentne systemy oparte na algorytmach uczenia maszynowego, Dowiesz się o nich więcej z tego tekstu>>.  Mogą zostać zintegrowane z wieloma narzędziami jak poczta email, system ERP czy CRM. W tym przykładzie posłużymy się integracją z platformą do komunikacji Slack.  

Slack jest wykorzystywany jako narzędzie do współpracy zespołowej, które umożliwia wymianę wiadomości, organizowanie rozmów w kanałach tematycznych, przesyłanie plików oraz integrację z innymi aplikacjami biznesowymi. 

Jedną z możliwości, którą oferuje jest integracja poprzez API z wybranym LLMem (Large Language Models) jak Gemini, Chat GPT czy DeepSeek. Tym razem jako podstawa dla naszego agenta AI posłużą Chat GPT od OpenAI oraz wyszukiwarka Google.  

Na pewno znasz sytuacje, w których należy pilnie przygotować ofertę lub umowę wprowadzając dane do szablonu. Każdego dnia pracownicy muszą opracowywać, analizować i negocjować różnorodne dokumenty, obejmujące umowy handlowe, kontrakty z dostawcami, porozumienia o zachowaniu poufności (NDA) czy umowy współpracy.  

Wielu managerów zastanawia się jak zastosowanie sztucznej inteligencji może autoratywność i przyspieszyć część tych zadań, nie obniżając jednocześnie wysokiego poziomu realizowanych działań. Rozwiązaniem ponownie staje się wdrożenie dedykowanego Agenta AI, który wesprze pracowników w wyszukiwaniu i uzupełnianiu informacji na podstawie danych w Krajowym Rejestrze Sądowym.  

W naszym przykładzie zaprojektowaliśmy agenta AI tak, aby wydając mu polecenia przez platformę Slack uzupełniał dane kontrahenta w otrzymanym wcześniej wzorze umowy NDA. Dzięki integracji z wyszukiwarką Google, Agent przeszukuje sieć w celu pobrania z danych KRS konkretnych danych. W tym przypadku: adresu firmy, numerów NIP, Regon, KRS i osoby do reprezentacji firmy.  

Następnie asystent prosi nas o weryfikację poprawności znalezionych informacji. Po ich potwierdzeniu pracownik otrzymuje umowę NDA wraz z uzupełnionymi danymi firmy partnerskiej. Uzupełnione miejsca są zaznaczone kolorem żółtym, aby podkreślić widoczność miejsc, w których zostały wprowadzone zmiany.  

To tylko jeden z wielu przykładów zastosowania Agenta AI w realizacji zadań, związanych z dokumentacją i procesami front i back office. Dzięki opracowanej przez nas metodzie, możemy przygotować narzędzie, które będzie przygotowywało umowy dla firm, które zajmują się na przykład zatrudnianiem pracowników sezonowych lub takich, w których jest duża rotacja personelu.  

Agenci AI to temat stosunkowo nowy, jednak zyskujący szybko popularność. Wiele firm dostrzega korzyści takie jak: oszczędność czasu przy wykonywaniu powtarzalnych zdań, redukcja kosztów operacyjnych oraz zwiększenie efektywności procesów biznesowych. Dzięki automatyzacji rutynowych zadań, pracownicy mogą skupić się na bardziej strategicznych i kreatywnych aspektach swojej pracy. 

Ponadto, Agenci AI mogą działać w trybie całodobowym, eliminując opóźnienia związane z dostępnością personelu. Ich zastosowanie obejmuje różne dziedziny – od obsługi klienta, poprzez analizę dokumentów prawnych, aż po zaawansowane systemy wspomagania decyzji w biznesie. 

Firmy coraz częściej wdrażają otwarte modele językowe. co pozwala na większą kontrolę nad danymi i dostosowanie agentów do indywidualnych potrzeb organizacji. Wraz z rozwojem technologii możemy spodziewać się jeszcze większej integracji AI w codziennych procesach, przy jednoczesnym wzroście świadomości dotyczącej etyki i bezpieczeństwa ich wykorzystania. 

Jeśli wdrożenie asystenta opartego na sztucznej inteligencji jest dla Ciebie ciekawym tematem, to przypominamy, że w ramach Pomeranian EDIH realizujemy usługi consultingowe IT m.in. w zakresie budowania dedykowanych agentów AI do automatyzacji procesów back-office.

Uczestnicy dowiedzą się m.in. jak stworzyć wirtualnego asystenta głosowego lub tekstowego, którego zadaniem będzie wsparcie firmy w m.in. sporządzaniu ofert, komunikacji z klientami, analizie dokumentacji i jej weryfikacji.

Stwórz z nami agenta AI

Jeśli chcesz skorzystać z proponowanych przez nas szkoleń to skontaktuj się z nami

Kontakt

Artykuł Optymalizacja procesów back – office, dzięki wdrożeniu agenta AI. Praktyczny przykład pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.

Artykuł Czym są Agenci AI i jak mogą pomóc w Twojej firmie? pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.

Narzędzia oparte na sztucznej inteligencji znajdują coraz szersze zastosowanie. Od projektowania prostych grafik, tłumaczeń, aż po zaawansowanie analizowanie dokumentów, maili i baz danych. W tym tekście pokażemy jeden z praktycznych przykładów wykorzystania takiego asystenta w praktyce.  

Obszar zastosowania Agentów AI jest bardzo szeroki i wciąż odkrywany jest ich potencjał.  Do największych zalet asystentów opartych na sztucznej inteligencji możemy zaliczyć: 

1. Automatyzacja rutynowych procesów

Agenci AI mogą wykonywać powtarzalne zadania, takie jak obsługa zapytań klientów, analiza dokumentów czy zarządzanie danymi, co redukuje koszty operacyjne i zwiększa efektywność.

 

2. Personalizacja interakcji z klientem

Dzięki analizie danych agenci AI mogą dostarczać spersonalizowane rekomendacje i oferty, co zwiększa zaangażowanie klientów i poprawia ich doświadczenia.

 

3. Szybkość i dostępność

AI działa 24/7, zapewniając natychmiastowe odpowiedzi i obsługę w czasie rzeczywistym, co jest kluczowe w sektorach wymagających szybkiej reakcji, takich jak e-commerce, finanse czy logistyka.

 

4. Zaawansowana analiza danych

Agenci AI mogą przetwarzać duże ilości danych w krótkim czasie, identyfikując wzorce i zależności, co wspiera podejmowanie trafnych decyzji biznesowych.

 

5. Optymalizacja procesów decyzyjnych

Dzięki modelom predykcyjnym AI wspiera podejmowanie decyzji w obszarach takich jak prognozowanie popytu, zarządzanie ryzykiem czy optymalizacja łańcucha dostaw.

6. Integracja z istniejącymi systemami

Nowoczesne rozwiązania AI można łatwo wdrożyć w ramach istniejących systemów ERP, CRM czy platform analitycznych, co zwiększa ich funkcjonalność.

Praktyczny przykład wykorzystania Agenta AI w branży transportowej

Agenci AI mogą znaleźć zastosowanie w wielu branżach jak np. bankowość, sprzedaż czy zarządzanie zasobami ludzkimi. W tym tekście wykorzystamy przykład firmy spedycyjnej, która codziennie obsługuje od kilku do kilkudziesięciu frachtów.  

 

Praca spedytorów wiąże się z koniecznością ciągłej komunikacji i weryfikacji wielu dokumentów. Każde z tych zadań, wiąże się z czasem, którego często bywa za mało, a wtedy łatwo o błędy. 

 

Jak więc lepiej zarządzać czasem? Automatyzując zadania, które są powtarzalne i przewidywalne. To zadanie dla Agenta AI. Oto przykład stworzonego przez nas asystenta, opartego na Dużym Modelu Językowym Gemini od Google.  

 

Możemy go wykorzystać na przykład w poniższym scenariuszu: 

 

Spedytor otrzymuje mail, w którym powinny być polisa ubezpieczeniowa wraz z potwierdzeniem jej opłacenia. Agent AI samodzielnie, bez wywołania sprawdza czy otrzymany mail zawiera wspomniane wcześniej załączniki. Jeśli są dołączone, to w kolejnym kroku sprawdza następujące informacje: 

W polisie ubezpieczeniowej: 

• • Numer polisy 

• • Okres ubezpieczenia i czy jest ona aktualnie ważna  

• • Kto jest ubezpieczony, wraz z numerem identyfikacji podatkowej i adresem 

• • Numer konta na jaki należy przelać składkę  

W potwierdzeniu przelewu: 

• • Tytuł przelewu 

• • Kwota 

• • Numer konta 

• • Data płatności 

• • Czy przelew dotyczy przesłanej polisy (np. na podstawie tytułu, numeru konta) 

Następnie Agent AI przenosi znalezione dane do wskazanego pliku excel, który jest na bieżąco aktualizowany. Plik z danymi może być formatowany, np. oznaczać kolorem czerwonym wpisy, w których polisa jest nieważna albo nie została zweryfikowana płatność. 

 

W ten prosty sposób, zamiast przeglądać skrzynkę mailową w poszukiwaniu właściwych wiadomości, spedytor może sprawdzić w pliku exel czy otrzymał dokumenty od konkretnego nadawcy i czy są one poprawne. To duża oszczędność czasu i pewność, że dane są prawidłowe.  

 

Jest wiele możliwości dalej rozbudowy naszego Asystenta AI. Możemy integrować go z innymi narzędziami, jak na przykład Slack lub inny komunikator, by wysłać powiadomienia o brakach w dokumentach albo by generować automatyczne odpowiedzi na wiadomości. Agent oparty na sztucznej inteligencji może być dostosowany do indywidualnych potrzeb danej firmy, jej działu lub indywidualnego stanowiska. 

Chcesz poznać możliwości Agentów AI?

Umów spotkanie. Chętnie porozmawiamy o możliwościach.

UMÓW SPOTKANIE

Artykuł Poznaj swojego osobistego Agenta AI: Case study dla firmy spedycyjnej pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.

Koniec roku to czas podsumowań. W świecie IT wydarzyło się wiele interesujących rzeczy, dlatego w tym artykule postanowiliśmy skupić się na AI. Rozwój sztucznej inteligencji i jej obecność w mediach przyspieszyły do niespotykanej dotąd skali. Narzędzia oparte na Large Language Models (LLM) zostały spopularyzowane i szeroko udostępnione użytkownikom z różnych branż, nie tylko technologicznych. Postanowiliśmy podsumować rok z Andrzejem Chybickim, CEO Inero Software. Oto jego lita 5 kluczowych wydarzeń mijającego roku.

Fakt 1: OpenAI – sztuczna inteligencja staje się powszechnie dostępna

OpenAI odegrało ogromną rolę w popularyzacji sztucznej inteligencji w kontekście zrozumienia ludzkiego języka. W 2022 roku wydali ChatGPT, a w kolejnych miesiącach prezentowali nowe, ulepszone modele. Te postępy nie tylko poprawiły wydajność istniejących aplikacji, ale również otworzyły nowe możliwości dla AI w ochronie zdrowia, administracji, marketingu i wielu innych.

W 2023 roku do ChatGPT wprowadzono wiele ulepszeń, charakteryzujących się zaawansowanymi algorytmami uczenia dla lepszej dokładności i bardziej zniuansowanych konwersacji, spersonalizowanymi interakcjami z użytkownikami, rozszerzonym wsparciem językowym dla globalnej dostępności oraz szerszą integracją z aplikacjami. OpenAI podkreślało kwestie etyczne i redukcję uprzedzeń, włączyło uczenie się w czasie rzeczywistym dla aktualnych treści, poprawiło możliwości interakcji multimedialnych, a także wzmocniło niezawodność i solidność narzędzia. Dodatkowo, ChatGPT został dostosowany do konkretnych branż, zapewniając specjalistyczne funkcjonalności i wiedzę, co stanowi znaczący skok w technologii AI i aplikacjach skoncentrowanych na użytkowniku.

Komentarz eksperta

Open AI był pierwszym szeroko rozpoznawalnym dużym modelem językowym. Zapewne w najbliższych latach będziemy widzieli różne odmiany modeli LLM, przeznaczone do specyficznych zastosowań – de facto to już od paru miesięcy się dzieje. OpenAI, mimo bycia pionierem, przynajmniej w aspekcie rozpoznawalności, nie zawsze jest uważane za najlepszy i najbardziej uniwersalny model. Kierunek rozwoju to na pewno upowszechnienie na podobnej zasadzie jak kiedyś było z komputerami (tj. LLM jak PC) oraz specjalizacja, czyli wyspecjalizowane modele językowe, przeznaczone do konkretnych zastosowań, albo nawet podmiotów czy ludzi.

Fakt 2: GitHub Copilot – lider w implementacji AI/LLM

Jedną z kluczowych ról w rozwoju sztucznej inteligencji odegrał Microsoft, współpracujący z OpenAI. W ciągu ostatniego roku Microsoft kontynuował doskonalenie swojej wizji Microsoft Copilot. Skupmy się na rozwiązaniu dla programistów: GitHub Copilot. W 2023 roku przeszedł on znaczące zmiany i ulepszenia. Oto kluczowe aktualizacje:

W 2023 roku GitHub Copilot wprowadził kilka znaczących ulepszeń, wzmacniając swoją rolę w rozwoju oprogramowania napędzanego przez AI. Chat GitHub Copilot,  jest teraz ogólnie dostępny i napędzany przez GPT-4 od OpenAI, oferuje bardziej precyzyjne sugestie i wyjaśnienia kodu, używając języka naturalnego, aby pomagać programistom w różnych językach. Ta funkcja jest zintegrowana zarówno z platformą GitHub, jak i jej aplikacją mobilną, wspierając kodowanie, żądania (pull requests) i dokumentację. Dodatkowo, wprowadzono GitHub Copilot Enterprise, dostosowując narzędzie do specyficznych potrzeb organizacyjnych, pomagając programistom szybko dostosować się do baz kodów swoich organizacji i usprawniając liczne zadania,  mając na celu zwiększenie produktywności i bezpieczeństwa na poziomie korporacyjnym. Został również uruchomiony Program Partnerski GitHub Copilot, integrując Copilot z różnymi narzędziami i usługami deweloperskimi, tworząc szeroki ekosystem, który wzmacnia możliwości programistów korzystających z AI. Na koniec GitHub ujawnił nowe funkcje zabezpieczeń oparte na AI w swoim pakiecie Advanced Security, w tym system zapobiegania lukom bezpieczeństwa w czasie rzeczywistym oraz posiada funkcje testowania bezpieczeństwa aplikacji, aby wykrywać i naprawiać luki w kodzie oraz tajemnice, dalej zabezpieczając proces tworzenia oprogramowania.

Komentarz Eksperta

Dzięki współpracy z OpenAI, Microsoft w 2023r. stał się liderem jeśli chodzi o wdrażanie rozwiązań AI/LLM na świecie. Strategia Microsoftu, w tym zakresie opiera się na stosowaniu modelu LLM do tego, aby wspierał (ale nie zastępował) możliwie dużą liczbę czynności i procesów wykorzystujących produkty Microsoft. Szczególne znaczenie miało także zapewnienie odpowiedniego poziomu SLA (uspójnionego z resztą usług Azure) oraz bezpieczeństwa danych. Do najistotniejszych zmian, oprócz wspominanego GitHub CoPilota (który ma za zadanie wspierać programistów w kodowaniu), można zaliczyć, wtyczki CoPilota dostępne w praktycznie wszystkich flagowych produktach tej firmy (Word, Excel, PowerPoint, Outlook).
W Grudniu 2023, nastąpiła także prezentacja rozwiązania CoPilot Studio, które umożliwia tworzenie systemów IT low-code / no-code z istotnym wsparciem modelu OpenAI. To w efekcie umożliwia łatwe rozbudowanie już istniejących w Azure rozwiązań low-code, takich jak np. Azure Agents z botami konwersacyjnymi czy adapterami do baz danych wspieranymi przez AI. Mimo ze CoPilot Studio na chwilę obecną nie jest dostępny w docelowej formie, Microsft jasno komunikuje kierunki rozwoju oraz to jakie zalety, wynikające z jego użycia mogą doświadczyć zarówno deweloperzy, inżynierowie jak i użytkownicy. Z prezentacji przedstawicieli MS można wysnuć wniosek iż, celem Microsoftu jest obniżenie progu wejścia w zakresie tworzenia oraz wdrażania nowych, zaawansowanych rozwiązań AI, gdyż wykorzystanie platform low-code nie wymaga tak głębokiej wiedzy technicznej jak w przypadku tradycyjnego kodowania. Możemy się spodziewać powszechnego zainteresowania tymi rozwiązaniami, nie tylko największych firm wykorzystujących MS Azure w najbliższych latach. Obecnie w gronie ekspertów, pytanie brzmi nie “czy używać AI” ale jak ją wdrożyć aby nie zostać w tyle za konkurencją. Te podmioty, które w najbliższych latach stworzą spójną strategię w zakresie wchłaniania produktów opartych o AI do swoich procesów będą mogły znacząco skorzystać na rewolucji która już ma miejsce.

Fakt 3: Europejski akt ws. sztucznej inteligencji

14 czerwca 2023 roku Parlament Europejski zajął pozycję negocjacyjną w sprawie sztucznej inteligencji. Priorytetem Parlamentu było zapewnienie, że systemy AI używane w UE są bezpieczne, przejrzyste, możliwe do śledzenia i niedyskryminujące. Parlament zaplanował również ustanowienie neutralnej technologicznie, jednolitej definicji AI, która mogłaby być stosowana do przyszłych systemów AI. Akt ustala różne zasady dla różnych poziomów ryzyka AI.

Niedopuszczalne ryzyko: Systemy AI o niedopuszczalnym ryzyku to systemy uznane za zagrożenie dla ludzi i będą zakazane. Należą do nich:

• Manipulacja poznawczo-zachowawcza osób lub konkretnych grup podatnych na wpływy: na przykład zabawki aktywowane głosem, które zachęcają dzieci do niebezpiecznych zachowań
• Ocena społeczna: klasyfikacja osób na podstawie zachowania, statusu socjoekonomicznego lub cech osobistych
• Systemy identyfikacji biometrycznej w czasie rzeczywistym i zdalnej, takie jak rozpoznawanie twarzy Niektóre
• wyjątki mogą być dozwolone: Na przykład „post” systemy zdalnej identyfikacji biometrycznej, gdzie identyfikacja następuje po znacznym opóźnieniu, będą dozwolone do ścigania poważnych przestępstw, ale tylko po zatwierdzeniu przez sąd.

Systemy AI niedopuszczalnego ryzyka

Systemy sztucznej inteligencji stwarzające niedopuszczalne ryzyko, czyli uważane za zagrożenie dla ludzi, zostaną zakazane. To m.in.:

• Poznawczo-behawioralna manipulacja ludźmi lub określonymi wrażliwymi grupami: na przykład zabawki aktywowane głosem, które zachęcają dzieci do niebezpiecznych zachowań.
• Identyfikacja biometryczna i kategoryzacja osób fizycznych.
• Scoring (klasyfikacja punktowa) obywateli: klasyfikacja ludzi na podstawie ich zachowań, statusu społeczno-ekonomicznego lub cech osobistych.
• Systemy identyfikacji biometrycznej działające w czasie rzeczywistym i zdalnie, takie jak rozpoznawanie twarzy.

Pewne wyjątki mogą być dopuszczalne do celów egzekwowania prawa. Systemy zdalnej identyfikacji biometrycznej działające w czasie rzeczywistym będą dozwolone w ograniczonej liczbie poważnych przypadków, natomiast systemy identyfikujące ze znacznym opóźnieniem będą mogły być używane do ścigania poważnych przestępstw, ale wyłącznie po zgodzie sądu.

Systemy AI wysokiego ryzyka

Systemy sztucznej inteligencji negatywnie wpływające na bezpieczeństwo lub prawa podstawowe będą uznane za systemy wysokiego ryzyka.

Zostaną podzielone na dwie kategorie:

1) Systemy sztucznej inteligencji stosowane w produktach objętych unijnymi przepisami dotyczącymi bezpieczeństwa produktów. To np. zabawki, lotnictwo, samochody, urządzenia medyczne i windy.

2) Systemy sztucznej inteligencji należące do ośmiu konkretnych obszarów, które będą musiały zostać zarejestrowane w unijnej bazie danych:

• Zarządzanie i eksploatacja infrastruktury krytycznej.
• Edukacja i szkolenie zawodowe.
• Zatrudnienie, zarządzanie pracownikami i dostęp do samozatrudnienia.
• Dostęp do i korzystanie z podstawowych usług prywatnych oraz usług i korzyści publicznych.
• Ściganie przestępstw.
• Zarządzanie migracją, azylem i kontrolą granic.
• Pomoc w interpretacji prawnej i stosowaniu prawa.

Wszystkie systemy AI wysokiego ryzyka będą oceniane przed wprowadzeniem na rynek, a także przez cały cykl ich życia.

*źródło https://www.europarl.europa.eu/news/pl/headlines/society/20230601STO93804/akt-ws-sztucznej-inteligencji-pierwsze-przepisy-regulujace-ai

Komentarz Eksperta:

Zapewnienie bezpieczeństwa oraz poufności danych to z pewnością jedna najistotniejszych kwestii dotyczących wdrażania rozwiązań AI. Liczni eksperci wskazują, że mimo dobrych intencji komisji Europejskiej, proponowane rozwiązania przyczynią się do zmniejszenia konkurencyjności rodzimego rynku twórców AI, co w efekcie zwiększy dystans pomiędzy Europą a liderami w tej dziedzinie (tj. USA i Chinami). Osobiście podzielam te obawy, tutaj dobrym przykładem może być analogiczna sytuacja jaka miała miejsce ok. 15 lat temu, kiedy wdrażana była chmura obliczeniowa. Wtedy w EU też powstał akt regulujący zasady dostępu i poufności danych (GDPR) który do tej pory jest podstawą regulacyjną w tym zakresie. Jednocześnie, największe rozwiązania, z których większość krajów EU korzysta to rozwiązania wytworzone w USA, dla których priorytetem był swobodny rozwój technologii a dopiero w drugiej kolejności ramy prawne. Niestety, wiele wskazuje na to że podobnie może być jeśli chodzi o AI.

Fakt 4: Gemini: nowy model od Google

Bez wątpienia premiera Gemini była najważniejszym wydarzeniem drugiej połowy 2023 roku, które odbiło się szerokim echem. Te nowe narzędzie jest wynikiem współpracy licznych zespołów Google. Zostało zbudowane od podstaw jako multimodalne, co oznacza, że ​​może generalizować i bezproblemowo rozumieć, łączyć różne rodzaje informacji, w tym tekst, kod, audio, obraz i wideo.

Gemini 1.0 zostało przeszkolone do rozpoznawania i rozumienia tekstu, obrazów, dźwięku jednocześnie, dzięki czemu lepiej rozumie złożone informacje i może odpowiadać na pytania, dotyczące skomplikowanych tematów. To sprawia, że ​​jest szczególnie dobre w wyjaśnianiu rozumowania w złożonych dziedzinach, takich jak matematyka i fizyka.

Podczas prezentacji dotyczącej wydania API Gemini dla deweloperów dużo czasu poświęcono AI Studio, narzędziu do tworzenia kodu. Drugim głównym tematem był Vertex AI, bardziej zaawansowany program, który umożliwia „zarówno szkolenie, jak i wdrażanie modeli uczenia maszynowego (ML) i aplikacji AI”. Google oferuje możliwość przeniesienia wstępnego projektu opracowanego w AI Studio do Vertex AI, aby dodać dodatkowe funkcje dostępne w ramach większej platformy Google Cloud.

Komentarz Eksperta:

Do wyścigu LLM oficjalnie dołączył Google. Najciekawszym aspektem tego co proponuje jest to, że ich model będzie działał w trzech wersjach Ultra (najbogatszej), Pro oraz Nano, przy czym ta ostatnia będzie przeznaczona do działania na telefonach komórkowych. Nie wiemy jeszcze czy Nano będzie w całości uruchamiany na urządzeniach klienckich (smartfonach) czy będzie jedynie swego rodzaju rozwinięciem Google Asisstant.
Warto tez podkreślić, że Google, podobnie jak Microsoft, będzie oferował usługi Gemini jako elementy swoich flagowych produktów takich jak SpreadSheets, Google Docs oraz inne.

Fakt 5: Postępy w przetwarzaniu języka naturalnego (NLP)

Rok 2023 był przyniósł znaczący postęp w dziedzinie przetwarzania języka naturalnego (NLP). Badacze i firmy na całym świecie poczynili znaczne kroki w poprawie dokładności i wszechstronności modeli NLP. Te postępy doprowadziły do bardziej zaawansowanego rozumienia i generowania ludzkiego języka przez maszyny, otwierając drogę do bardziej intuicyjnych i naturalnych interakcji człowieka z komputerem. W tym roku nastąpiło wdrożenie zaawansowanych technologii NLP w różnych aplikacjach, od chatbotów obsługi klienta po złożone narzędzia analizy danych, rewolucjonizując sposób, w jaki codziennie wchodzimy w interakcje z technologią. Postęp w technologii NLP nie tylko wzmocnił istniejące aplikacje, ale również otworzył nowe możliwości dla AI w takich dziedzinach jak edukacja, tworzenie treści i komunikacja wielojęzyczna.

Komentarz Eksperta:

Technologie AI coraz śmielej przełamują barierę rozumienia języka naturalnego. Tym samym powoli zaciera się granica pomiędzy danymi ustrukturyzowanymi jakie do tej pory używaliśmy w systemach IT a wiedzą ludzką. Wydaje się stworzenie AGI czyli maszyny dorównującej albo nawet przewyższającej przeciętnego człowieka w wielu aspektach jest już tylko kwestią czasu. Wyzwaniem dla świata nauki, biznesu i polityków będzie teraz pokierowanie rozwojem AI tak, aby służył on możliwie szeroko rozumianej ludzkości i nie powodował zagrożeń, których wielu (prawdopodobnie) słusznie się obawia.

Ostatnie miesiące były bogate w interesujące premiery w dziedzinie sztucznej inteligencji. Prezentacja nowych dużych modeli językowych, otworzyła szereg możliwości ich zastosowania w codziennych zadaniach, zarówno w pracy programistycznej, jak i w kreatywnych zespołach. Europejskie władze starają się nadążyć za tymi zmianami i dostosować przepisy prawne do aktualnej sytuacji technologicznej. W nadchodzących miesiącach z pewnością zobaczymy więcej nowości, ponieważ wiodący gracze, tacy jak Google i Microsoft, rywalizują w tworzeniu rozwiązań wykorzystujących sztuczną inteligencję.

Artykuł Rok pod znakiem upowszechnienia Sztucznej Inteligencji pochodzi z serwisu Inero Software - Rozwiązania IT i Konsulting.