Spotkanie odbywa się na platformie ClickMeeting.

Michał, pracując jako DevOps, na co dzień ma do ogarnięcia trzy rzeczy naraz: kod źródłowy (kilka repo obok siebie), chmurę (pipeline’y, buildy, zasoby) i zadania w projekcie. Na sesji pokaże, jak u niego w to wszystko wpina narzędzia AI - na żywo, z terminalem, bez slajdów o „magii sztucznej inteligencji”. Od razu mówi wprost: nie ma jednej dobrej konfiguracji. Ktoś ma inne IDE, ktoś Copilota bez agenta, ktoś reguły w wiki zamiast w AGENTS.md - i to też ma sens. Prelegent pokaże swój setup, który realnie oszczędza czas: multi-repo w workspace, MCP pod Azure DevOps i Azure, plik AGENTS.md z regułami projektu.

Michał Smyk: inżynier oprogramowania z ponad dwunastoletnim doświadczeniem w .NET-cie oraz DevOps skupionym na chmurze Azure. Obecnie prowadzi zespół DevOpsów ukierunkowanych na chmurę Azure w SoftServe Poland. Po godzinach gracz i entuzjasta kultury japońskiej.

Pipeline typu notatka głosowa, transkrypcja, podsumowanie przez LLM, jest banalny do sprototypowania i zwodniczo trudny do uproduktowienia. Pierwszy PoC powstał w jedno popołudnie w n8n. Działało to na tyle dobrze, że pokazało, iż pomysł ma sens. Ale dojście od ``u mnie działa`` do ``płacący użytkownik ma realną korzyść`` okazała się znacznie dłuższa, niż sugerowałby oryginalny pomysł, który miał nasz prelegent. Marcin pokaże Wam konkretne decyzje inżynierskie, które wymusiło każde z tych przejść oraz wnioski, które każdy może wykorzystać u siebie, gdy następnym razem zacznie się od ``przecież to tylko trzy node'y w n8n`` albo ``zvibecode'uj to``.

Marcin Wolny: buduje rzeczy dla webu od gimnazjum - swoją pierwszą komercyjną stronę napisał, gdy topowym stackiem był Flash. Większość kariery spędził w ekosystemie PHP, zarówno w Polsce jak i UK, później JavaScript, a od 2021 roku jako manager w ArdentCode. Łączy zarządzanie z hands-on kodowaniem na kilku projektach, a jego supermocą jest szybki context switching.

W trakcie prelekcji Maciej pokaże, ile naprawdę trzeba zbudować dookoła samego modelu, żeby produkcyjne wdrożenie AI faktycznie działało. Jako główny case omówi zanonimizowany proces z sektora ubezpieczeniowego. Zadanie dla systemu brzmi prosto - ``sklasyfikuj załączniki od klienta względem OWU``, ale w praktyce taki załącznik może być wielotypowym, 47-stronicowym skanem z mieszanką pisma maszynowego i ręcznego, a OWU obowiązujące w dniu zdarzenia może być sprzed wielu lat (czego standardowy RAG nie rozróżnia), model czasem zwraca prawie-poprawny JSON (a system legacy wymaga zawsze-poprawnego), podczas gdy wybrany region naszej platformy chmurowej właśnie niedomaga, a mamy do czynienia z obciążeniowym peakiem. Do tego circuit breakery, fallbacki, kolejki, audit trail i warstwa compliance (AI Act, DORA, KNF patrzy). Prelegent pokaże rozkład kosztów przetworzenia jednego dokumentu, gdzie sam model LLM to tylko część, a reszta to infrastruktura, ingestia i compliance. W trakcie prezentacji na zdrowej architekturze enterprise opowie, jak boli pominięcie pewnych jej elementów - jak załatać to, co wcale nie działa tak jak mówi hype.

Maciej Jarlaczyński: 20 lat w IT - od systemów bankowych i ubezpieczeniowych, sektor publiczny, przez autorski ERP, który obsłużył 20-krotny wzrost przychodów firmy produkcyjnej, cztery Diamenty Forbesa i końcową akwizycję spółki, którą współzarządzał. Przy okazji zna się na budowie elektrowni wiatrowych i jachtów. Dziś wnosi inżynierski pragmatyzm tam, gdzie hype wokół GenAI przerasta realne możliwości technologii.

Nie kończymy na webinarze. Budujemy najmocniejszą grupę praktyków AI w Polsce. Sprawdź więcej: 👉 ainowpolska.pl