TD SYNNEX Poland

Ten jeden błąd potrafi zniweczyć nawet najlepiej przemyślane wdrożenie AI. I nie chodzi o wybór LLMa. 👇 Setki miliardów parametrów, a model nadal zgaduje i oszukuje. Dlaczego? Bo nikt nie zadał sobie trudu, by zintegrować go z firmowymi bazami danych. Bez dostępu do systemów ERP, CRM i innych repozytoriów danych, Twoja implementacja AI nigdy nie wzniesie się ponad przeciętność. Jak sobie z tym poradzić? Ten temat rozwijamy w artykule na Destination AI. https://lnkd.in/d7ZraSjK

Menedżerowie, którzy wdrożyli AI w HR, raportują średni wzrost produktywności o 63%. U wielu innych wdrożenie kończy się oporem zespołu zamiast zwrotu z inwestycji. Najczęstsze przyczyny porażki widać w danych: 1️⃣ Pracownicy wrzucają wrażliwe dane do darmowych modeli poza kontrolą działu IT. 2️⃣ Algorytm uczy się na danych historycznych i powiela stare uprzedzenia firmy. 3️⃣ Zbyt złożony model nie potrafi wyjaśnić swojej rekomendacji, więc zespół przestaje mu ufać. Wdrożenie zwraca się wtedy, gdy zaczyna się od konkretnego problemu, a nie od technologii. Od najdroższego procesu w dziale, higieny danych i dostawcy, który transparentnie pokazuje, co dzieje się z informacjami o pracownikach. Kliknij i dowiedz się, jak przeprowadzić wdrożenie AI w HR, które generuje realny zwrot: https://lnkd.in/dUMCfS5j

Rok temu: Copilot i czat. Ten rok: agenci AI. Przyszłość: agenci, którzy pracują ze sobą. Nie potrzebujesz armii programistów, żeby to zbudować. Jacek Kotynia z TD SYNNEX tłumaczy jak, w podcaście Destination AI 👇 Zobacz cały podcast, w którym rozmawiają Paweł Pilarczyk, dziennikarz technologiczny, Krzysztof Folek, Cloud & AI GTM Manager, Microsoft Polska oraz Jacek Kotynia, Business Unit Manager Cloud, TD SYNNEX. https://lnkd.in/ehtCe7eP

Od czego zacząć wdrażanie AI w firmie? Hint: nie zaczynajcie od Behemota. Więcej o tym w podcaście Destination AI 👇 Zobacz cały podcast, w którym rozmawiają Paweł Pilarczyk, dziennikarz technologiczny, Krzysztof Folek, Cloud & AI GTM Manager, Microsoft Polska oraz Jacek Kotynia, Business Unit Manager Cloud, TD SYNNEX. https://lnkd.in/ehtCe7eP

Fabryka produkuje ramy rowerowe. Wszystko idzie gładko, aż na końcu okazuje się, że temperatura była za niska i ramy pękają. Cała partia do wyrzucenia, bo nikt nie skontrolował jednego parametru na starcie. Właśnie takie odchylenia dobrze wdrożone AI wyłapuje w chwili, gdy powstają, a nie po fakcie. To jest różnica między drobną korektą a stratą całej produkcji. Bo odpad kosztuje znacznie więcej niż sam wybrakowany produkt. Spokojnie możesz pomnożyć jego cenę przez pięć albo dziesięć. Zanim wyłapiesz go na końcu linii, błąd zdąży rozejść się po całym procesie. Ktoś źle wymieszał surowiec, temperatura spadła, materiał był słabej jakości albo pomiar trafił do systemu z pomyłką. Każdą z tych rzeczy trzeba potem powtórzyć, poprawić i posprzątać. To pieniądze, które tracisz na każdym etapie. Marcin Rojek i Mariusz Kolanko z ByteLake rozkładają koszt odpadu na czynniki u Pawła Pilarczyka w Destination AI. Zobacz, co blokuje zwrot z wdrożenia AI 👇 https://lnkd.in/dpdURtPv

„Klient przyszedł do nas z dwudziestoma wdrożonymi narzędziami AI i zapytał, ile jeszcze powinien dokupić…” Pokazuje to błąd, który widzimy najczęściej. Firmy kupują kolejne narzędzia i liczą, że reszta ułoży się sama. Inny klient zapytał wprost, czy jak wrzuci swoje dane do AI, to ono zrobi wszystko, co ma w głowie. Nawet te pomysły, których jeszcze nie zdążył przemyśleć. Tak to nie działa. AI musi mieć dostęp do twoich danych i jeden konkretny problem, który ma rozwiązać. Bez tego płacisz za kolejne subskrypcje, a efektu nie widać. Prawie każdy chce AI skrojonego pod siebie. Zwykle zajmuje to około sześciu miesięcy, a nie jedno kliknięcie. O tym rozmawiają Marcin Rojek i Mariusz Kolanko z ByteLake z Pawłem Pilarczykiem w podcaście Destination AI. Więcej błędów, przez które wdrożenie AI się nie zwraca 👇 https://lnkd.in/dpdURtPv