antoni łącki_

Realizacje

Co zbudowałem i co z tego da się sprawdzić.

Trzy realizacje z enablementu i edukacji w globalnej firmie technologicznej, demonstracja mechanizmu na danych syntetycznych i próbka z projektu własnego. Każdy opis oddziela zakres pracy od zmierzonego wyniku.

Realizacje · zakres pomiaru · ograniczenia

Przed decyzją sprawdzisz, co zrobiłem i czego te przykłady jeszcze nie dowodzą.

Każdy opis oddziela zakres pracy od zmierzonego wyniku. Trzy realizacje z enablementu i edukacji w globalnej firmie technologicznej (bez nazwy, na jej prośbę). Przy każdej podaję, co zmierzono, a czego nie. Niżej: demonstracja mechanizmu aktualizacji na danych syntetycznych oraz próbka z mojego własnego, publicznego projektu z opisem kontroli i akceptacji.

Poziom 3 · sekwencja z kontrolą40 kursów compliance w około sześć tygodni

Sprawdź, czy podobny podział pracy odciąży Waszych projektantów przy przygotowaniu materiałów. Sekwencja siedmiu pomocników AI (badacz przepisów, inspektor, rozpisanie lekcji, tekst, szukanie zmyśleń, kurs interaktywny, kontrola wyświetlania). Ustawiałem proces i sprawdzałem wyniki, a materiały przekazywałem do oceny ekspertom merytorycznym. Liczba 40 opisuje zakres przygotowanych materiałów, nie potwierdzony odbiór całej serii ani zmierzoną poprawę skuteczności uczenia.

Zakres
40 kursów compliance, jeden język
Osoby
Antoni: konfiguracja procesu i przegląd wyników. Eksperci: ocena przekazanych materiałów; opisany feedback dotyczy pierwszych siedmiu kursów
Porównanie
nie podaję poprawy tempa, ponieważ nie potwierdziłem porównywalności wcześniejszych i obecnych materiałów
Jakość
pierwszych siedem kursów do ekspertów: jedna uwaga o jednym słowie; feedback do części, nie pomiar błędów całości
Okres
ok. sześć tygodni realizacji, 2026; niezmierzone: długość i konstrukcja kursów, liczba odrębnych projektów a wariantów, pełny nakład ludzi, status odbioru całej serii
Poziom 4 · zdarzenie w systemieKursy aktualizowane po zmianie w produkcie

Właściciel kursu dostaje wskazanie, co może wymagać aktualizacji po zmianie produktu, i propozycje poprawek do oceny. Automatyzacja łączy kursy ze zmianami w produkcie; właściciel akceptuje albo odrzuca.

Zakres
kursy akademii powiązane z wydaniami produktu
Czas budowy
ok. dwa tygodnie (czas budowy, nie pomiar skuteczności wykrywania)
Odbiór
właściciel kursu decyduje o każdej zmianie
Niezmierzone
okres działania, skala użycia, liczba zmian wykrytych, pominiętych i wskazanych niepotrzebnie
Do obejrzenia
Przykład aktualizacji kursu na danych syntetycznych (zmiana produktu, wskazanie AI, decyzja właściciela, propozycja odrzucona, pominięcie, historia wersji); nie jest materiałem z realizacji ani potwierdzeniem jej wyników
Poziom 3 · produkcjaAutomatyzacja przygotowania głosu i animacji do filmów

Mniej ręcznego przygotowywania głosu i animacji, z przeglądem i poprawkami po stronie człowieka. Tak podzieliłem pracę przy ok. 50 filmach. Nie zmierzyłem porównywalnego pełnego kosztu przed zmianą i po niej.

Czas pracy ludzi
mój przegląd 1-15 minut na film
Porównanie
wcześniej cały proces (ekspert pisze, nagrywa, wizualizacje) zajmował według mojego szacunku 4 dni do tygodnia; nie podaję procentowej poprawy, bo nie zmierzyłem porównywalnego procesu przed zmianą i po niej
Jakość
ocena przy przeglądzie, bez osobnego pomiaru
Niezmierzone
długość filmów; czas poprawek po przeglądzie osobno od godziny generowania

Przykład aktualizacji kursu · dane syntetyczne

Zobacz, jak właściciel kursu zachowuje kontrolę nad aktualizacją i może odrzucić błędną propozycję: zmiana produktu, wskazania AI, decyzja, historia wersji.

Demonstracja na danych syntetycznych (wymyślony produkt i kurs). Pokazuje analizę zmiany produktu, propozycję poprawki, decyzję właściciela i historię wersji, łącznie z propozycją odrzuconą i zmianą pominiętą. Nie jest materiałem z realizacji ani pomiarem skuteczności wdrożenia.

Nota wydania (syntetyczna)

Panel raportów 4.2 (wydanie z 3 marca 2026)

Przycisk „Eksportuj CSV” przeniesiono z menu „Więcej” na pasek narzędzi nad tabelą. Dodano filtr „Ostatnie 30 dni” w raportach sprzedaży. Poprawiono błąd sortowania kolumny „Data”.

źródło w procesie: repozytorium not wydania → zdarzenie „nowe wydanie”

Co robi proces

Zdarzenie „nowe wydanie” uruchamia analizę: proces porównuje notę z treścią kursów powiązanych z modułem „Raporty” i wskazuje fragmenty, które opisują zmienione elementy.

Proces wskazuje fragmenty do przeglądu z uzasadnieniem. Projektant podejmuje decyzję o każdej propozycji i sprawdza również elementy poza analizą, np. obrazy, oraz możliwe pominięcia.

Przykład z realizacji · projekt własny, publiczny

Przed rozmową obejrzysz fragment materiału i ocenisz kontrolę jego jakości: kurs „AI Baza Wiedzy” (5 lekcji, PL i EN).

To próbka z mojego własnego projektu (kurs dla uczestników mojej akademii, lipiec 2026), nie z firmy klienta. Dokumentuje wykonanie konkretnego zadania i sposób jego sprawdzenia; nie potwierdza ROI całego programu.

Zakres pracy AI i ludzi

AI: trzej agenci zebrali fakty (modele, repozytoria GitHub, pytania z forów), każdy fakt ze źródłem i datą weryfikacji; na tej podstawie powstały struktury i treści pięciu lekcji w dwóch językach.

Kontrola: dodatkowy przegląd wykonany innym modelem AI (Codex, osobna rubryka: fakty wobec źródeł, obietnice, język, spójność PL/EN), z decyzjami autora. Liczby 13/12/3 opisują uwagi z tego przeglądu: „musi”, „warto”, „opcjonalnie”.

Człowiek: każdą uwagę rozstrzygałem osobiście, w tym jedną sprzeczność w źródłach sprawdzoną u producenta.

kryterium akceptacji: zero otwartych uwag „musi” i walidacja modelu kursu bez błędów (wymagania redakcyjne osobno, m.in. zero długich myślników). Akceptacja: zatwierdzenie przez autora i publikacja w jego akademii 11.07.2026; to inny rodzaj odbioru niż akceptacja klienta. Fakty z datą ostatniej weryfikacji w treści

Jedna uwaga z przeglądu i jej skutek

Uwaga (cytat z przeglądu): „smart enough for 80 percent of the work” assigns the research’s 80% rule entirely to specialists. The source says interns and specialists together should handle roughly 80% of tasks.

Decyzja: uwaga przyjęta; w lekcji „Modele jak zespół” reguła 80% opisuje stażystę i specjalistę razem.

Druga uwaga: w pytaniu sprawdzającym dystraktor „ważne dane firmowe” był za słaby, bo nie testował różnicy koszt/złożoność. Zachowano: „Dyrektor, bo to ważne dane firmowe”. Dodano: „Senior, bo 800 pozycji to skomplikowane zadanie”, aby sprawdzić rozróżnienie kosztu i złożoności.

kilka uwag odrzuciłem świadomie z zapisanym powodem (np. zachowany ton marki w EN). Kurs dostępny dla uczestników akademii po zalogowaniu; pliki źródłowe i pełny przegląd pokazuję na rozmowie.

Fragment gotowej lekcji: pytanie, odpowiedzi i informacja zwrotna

Pytanie (lekcja „Modele jak zespół: od stażysty do dyrektora”): Masz do otagowania 800 krótkich opinii klientów (pozytywna, negatywna, neutralna). Który kaliber modelu się opłaca?

A. Dyrektor, bo to ważne dane firmowe. B. Stażysta, bo to proste, masowe zadanie (poprawna). C. Senior, bo 800 pozycji to skomplikowane zadanie.

Informacja zwrotna: Tagowanie krótkich tekstów to klasyczna masówka: prosty osąd powtórzony 800 razy. Stażysta (Haiku, Luna, Flash-Lite) zrobi to szybko i za grosze, a pojedyncza pomyłka jest tania. Dyrektora trzymaj na zadania, przy których błąd naprawdę boli.

fragment opublikowanej lekcji, bez zmian; nazwy modeli według stanu na 11.07.2026. Uwaga autora (11.2026): zdanie „pojedyncza pomyłka jest tania” wymaga doprecyzowania, bo koszt błędu zależy od tego, do czego posłużą etykiety; poprawka pytania (wybór modelu przez próbę na oznaczonej próbce) jest zaplanowana w kursie, tu pokazuję wersję opublikowaną

Wcześniejsze realizacje

Czy moje doświadczenie odpowiada zmianie, którą planujecie

Możesz to sprawdzić na rozmowie. Prowadziłem projekty obejmujące akademię klientów w globalnej firmie B2B SaaS oraz zmianę platformy LMS i produkcji treści w firmie SaaS po przejęciu (2022-2024). Na rozmowie omawiam zakres mojej odpowiedzialności i sposób realizacji; do obejrzenia udostępniam wyłącznie materiały z projektu własnego. Te realizacje nie stanowią pomiaru efektów obecnego programu AI.

Nie mam jeszcze zakończonej realizacji całego sześciomiesięcznego programu dla działu do przedstawienia. Materiałów z firmy klienta nie udostępniam. Na stronie pokazuję demonstrację syntetyczną i fragment własnego projektu; na rozmowie mogę omówić jego pliki źródłowe, przegląd i historię zmian.

Trzydzieści minut

W 30 minut ustalimy, czy warto przejść do diagnozy jednego procesu.

Wyjdziesz z uzgodnionym następnym krokiem: diagnozą, poprawą obecnego sposobu pracy albo decyzją, by teraz nie zaczynać. Wystarczy lider działu. Omówimy problem, dostępne informacje i warunki dalszej oceny; udział IT i działu prawnego planujemy, jeśli jest potrzebny.