Wprowadzenie i przedstawienie eksperta
Andrzej Kinastowski (AK): Konnichiwa. Witajcie w AI Automation Dojo, programie dla ludzi, którzy uważają, że określenie „sztuczna inteligencja” to wciąż w większości dni dość hojne stwierdzenie. Dziś ponownie zakładamy kaski ochronne i ruszamy na cyfrowy plac budowy, czyli UiPath Agents i UiPath Maestro. Czy to narzędzia, które obiecują stworzyć perfekcyjnie zsynchronizowane, zautomatyzowane przedsiębiorstwo? Czy raczej drapacz chmur efektywności, a może bardziej cyfrowe slumsy? Zaprosiłem eksperta architekta, starszego dewelopera Andrzeja Ekierta, aby pomógł nam odczytać te plany.
W dzisiejszym programie: UiPath Agents (czy to naprawdę niestrudzeni cyfrowi pracownicy, których nam obiecano, czy raczej gremliny, które zdecydowanie można karmić po północy?). UiPath Maestro (czy to rzeczywiście mistrz orkiestry, czy może tylko przereklamowany policjant kierujący ruchem na skrzyżowaniu „powinno działać” i „nie działa”?). I wreszcie filozoficzna zagadka: jeśli bezobsługowy robot wykona zadanie w cyfrowym lesie, a nikt tego nie zauważy, to czy firma naprawdę zaoszczędziła pieniądze?
Prowadzącym jestem ja, Andrzej Kinastowski, jeden z założycieli Office Samurai, firmy, która uważa, że myślenie poza schematami to dobry początek, ale może najpierw warto sprawdzić, co jest w środku tego pudełka. Więc jeśli kiedykolwiek czułeś się, jakbyś próbował zaganiać cyfrowe koty, podejrzewasz, że Maestro to tak naprawdę trzy chomiki w kołowrotku, albo po prostu próbujesz zrozumieć przyszłość, nie zasypiając przy tym, to jesteś we właściwym miejscu. Dziś jest z nami Andrzej Ekiert, jeden z naszych starszych deweloperów, człowiek z dużym doświadczeniem w wielu różnych technologiach i projektach. Andrzej, witamy w podcaście.
Andrzej Ekiert (AE): Cześć, dziękuję za zaproszenie.
AK: Powiedz mi, dlaczego tu jesteś? Dlaczego to właśnie z Tobą rozmawiam o UiPath Agents i UiPath Maestro?
AE: Jestem tym szczęśliwcem. Zostałem wybrany do stworzenia jednego prostego procesu z wykorzystaniem AI Agents i Maestro od UiPath. Byłem naprawdę podekscytowany, ponieważ na co dzień nie korzystam z UiPath aż tak często, ale bardzo interesuję się tematyką sztucznej inteligencji. Gdy zobaczyłem okazję, by zrobić coś nowego z UiPath i AI, ucieszyłem się, że mogę zacząć i po prostu odkrywać nowe możliwości, jakie daje UiPath.
AK: Masz przecież trochę szersze doświadczenie w pracy ze sztuczną inteligencją, prawda?
AE: Tak. W mojej karierze RPA myślę, że pierwszym krokiem było Document Understanding, a potem zacząłem się zastanawiać, co jeszcze można wykorzystać do automatyzacji procesów. RPA jest niesamowite, można dzięki niemu zrobić naprawdę wiele, ale niestety nie wszystko. Wtedy trzeba sobie pomagać Document Understanding albo AI. Tak więc zacząłem odkrywać świat sztucznej inteligencji. Ukończyłem kilka kursów, skończyłem też studia podyplomowe w tym kierunku. To, co naprawdę chciałem robić, to włączać AI w procesy, ponieważ korzystanie ze sztucznej inteligencji na co dzień jest fajne, ale prawdziwy potencjał pojawia się wtedy, gdy widzimy, jak możemy ją wykorzystać w procesach i jak dzięki temu możemy zaoszczędzić pieniądze.
AK: To bardzo ważne, ponieważ wiele osób zagłębia się w świat sztucznej inteligencji, odkrywając różne rzeczy, które AI potrafi robić, ale potem ma duży problem z przełożeniem tych umiejętności na coś praktycznego. W naszym przypadku działamy w obszarze procesów biznesowych, więc dla nas pytanie brzmi: jak możemy wykorzystać wszystkie możliwości AI, aby realnie usprawnić lub zautomatyzować procesy biznesowe?
AE: Temat, o którym dziś rozmawiamy, czyli UiPath Agents i całe to rozwiązanie, jest dokładnie odpowiedzią na to pytanie. Jedno to wiedzieć, jak stworzyć coś z wykorzystaniem AI, a zupełnie czymś innym jest umieć zastosować to w procesie biznesowym. Zaczynając od szukania procesów, w których możemy wykorzystać AI Agents, powiedziałbym, że na początku jest to trudne, bo najtrudniej jest znaleźć ten pierwszy przypadek. Ale gdy już zauważysz, że faktycznie istnieje coś, do czego można użyć tych AI Agents, wtedy otwiera Ci się umysł i zaczynasz myśleć: „O mój Boże, możemy to zrobić tu, tu i tu, spróbujmy, pobawmy się tym, może uda się zrobić jeszcze więcej”. Jednak ten pierwszy krok jest naprawdę trudny.
Zanim pojawiły się Maestro i AI Agents w UiPath, dla mnie (ponieważ nie jestem typowym programistą) połączenie UiPath z moimi skryptami LLM w Pythonie i innymi narzędziami było trudne. Oczywiście to nie było jakoś super skomplikowane — dało się to połączyć — ale wciąż wymagało to sporo wysiłku. A potem UiPath pokazał AI Agents i Maestro i zobaczyliśmy, że teraz naprawdę łatwo jest połączyć RPA z AI Agents, i to jest po prostu niesamowite.
Pierwsze wrażenia: łatwość użycia i integracja z platformą
AK: To jest jedna z zalet posiadania zintegrowanej platformy, prawda? Wszystkie elementy do siebie pasują i dzięki temu znacznie łatwiej się ich używa, w przeciwieństwie do strategii, którą stosuje wiele firm – kupują mnóstwo różnych części i potem całą energię poświęcają na to, żeby to wszystko połączyć i sprawić, by działało razem. Kiedy zacząłeś pracę z UiPath Agents i UiPath Maestro, miałeś już doświadczenie zarówno z AI, jak i z platformami RPA. Mieliśmy dostęp do wczesnej wersji, prawda? Więc wyglądało to wtedy inaczej niż teraz, mimo że minęło zaledwie kilka tygodni. Jakie były Twoje pierwsze wrażenia z pracy z tymi narzędziami?
AE: Szczerze mówiąc, pierwsza myśl była: „O mój Boże, to jest proste, to jest super proste”, ponieważ interfejs tworzenia AI Agents jest bardzo intuicyjny. To wygląda dokładnie tak jak rzeczy, których uczyłem się na kursach, jak tworzyć różnego rodzaju agentów w Pythonie, a potem pojawia się UiPath i ja po prostu kopiuję i wklejam. To takie łatwe. Każdy może to zrobić. Mój ostatni projekt z UiPath robiłem chyba rok temu, może nawet dawniej, i przez ten czas w ogóle nie pracowałem z UiPath. Gdy pojawił się ten projekt, bardzo chciałem go zrobić, ale obawiałem się, że brak znajomości najnowszych aktualizacji UiPath może być problemem. A jednak nie był i to jest niesamowite, bo rozpoczęcie pracy okazało się wyjątkowo łatwe.
Na początku pojawiło się kilka drobnych błędów, ale mieliśmy szczęście, bo każdy z nich mogliśmy zgłosić i były szybko naprawiane. Pomagano nam też, gdy coś nie działało. Mieliśmy wsparcie ze strony UiPath. Dla mnie to było miłe zaskoczenie, że rozpoczęcie pracy jest naprawdę bardzo proste. Pierwsze co zrobiłem, tylko dla siebie, to wziąłem agentów, których wcześniej stworzyłem, i po prostu skopiowałem ich prompty do UiPath. Działało to prawie dokładnie tak samo. Spędziłem dużo czasu na tworzeniu swojego własnego agenta, ale z UiPath, mając już gotowe prompty i wiele elementów przygotowanych wcześniej, mogłem po prostu wkleić je do UiPath AI Agent i to po prostu działało. To było niesamowite, jak bardzo to może być łatwe.
AK: To trochę przypomina mi moje pierwsze wrażenie z RPA, wiele lat temu, kiedy pisałem skrypty VBA i w innych językach, żeby automatyzować różne rzeczy w biurze. Potem pojawiło się RPA i mogłem robić to samo, ale o wiele łatwiej, z mniejszym nakładem pracy i w sposób bardziej skalowalny, który łatwiej kontrolować. To trochę wygląda jak ta sama historia po raz drugi. Oczywiście to nie znaczy, że nie warto uczyć się, jak to robić w Pythonie czy na niższym poziomie, ale wyraźnie nie każdy musi zagłębiać się aż tak bardzo, prawda?
AE: Dokładnie. Wielu moich znajomych z branży RPA nie ma żadnego programistycznego ani informatycznego zaplecza. Po prostu uczą się obsługi narzędzia, poznają UiPath i zaczynają działać. Oczywiście w UiPath trzeba znać podstawy, ale mimo że nie jest się deweloperem, można z niego korzystać, i to jest niesamowite. Nie byłem przestraszony. To była czysta radość, szczerze mówiąc, bo się tego nie spodziewałem. Myślałem, że to będzie trudne. Spędziłem dużo czasu na kursach, żeby zrozumieć potencjał AI Agents, a potem pojawił się UiPath i wystarczyło skopiować kilka promptów, żeby wszystko działało. To były naprawdę świetne rzeczy, prawda?
Trudne punkty i dobre praktyki dotyczące Maestro
AK: A co było trudne? Wspominałeś, że nie wszystko działało. Domyślam się też, i słyszałem od deweloperów, którzy pracowali nad tym projektem, że nie wszystko przebiegało tak gładko i idealnie, jak byśmy chcieli. Co więc sprawiało największy problem?
AE: Zawsze są rzeczy, które chciałoby się zmienić. Może zacznę od Maestro, bo tam zauważyłem więcej rzeczy, które trochę mnie irytowały. Przede wszystkim nie mogliśmy pracować razem nad tym samym projektem. Dla nas to był spory problem, ponieważ nie mieliśmy zbyt dużo czasu na jego ukończenie. Każdy z nas ma inne obowiązki, czasem masz tylko dwie godziny, żeby nad czymś popracować, a w tym czasie Twój kolega też tam działa. Można oczywiście skopiować rozwiązanie albo zrobić coś osobno, ale potem trzeba to z powrotem przenieść.
AK: Dla tych, którzy jeszcze tego nie próbowali, Maestro to najwyższy poziom, na którym orkiestrujesz cały proces. W Maestro łączysz różne elementy, takie jak agenci, wywołania API, roboty i Action Center, czyli wszystko to razem. Można pracować nad poszczególnymi elementami osobno, ale w widoku Maestro, w widoku BPMN, tylko jedna osoba może edytować projekt w danym momencie.
AE: Teraz, mając doświadczenie z Maestro, planowalibyśmy naszą pracę inaczej, żeby sobie nawzajem nie przeszkadzać. Ale wiesz, to coś nowego. Zrobisz fragment procesu i od razu chcesz go przetestować, uruchomić, żeby zobaczyć, co działa, a co nie. Testowanie samych agentów czy małych części przepływu jest możliwe, ale prawdziwa satysfakcja pojawia się wtedy, gdy możesz kliknąć „start”, przejść cały proces od początku do końca i zobaczyć efekty. To bardzo przyjemne uczucie, gdy w końcu wszystko działa.
AK: Zwłaszcza że w Maestro można to wszystko zobaczyć bardzo wizualnie – widać, jak proces przebiega, elementy zmieniają kolor na zielony i tak dalej. Ale to pewnie też kwestia tego, że musimy dopiero wypracować dobre praktyki pracy z tym nowym narzędziem. Tak samo jak wiele lat temu, kiedy uczyliśmy się budować boty, musieliśmy nauczyć się dzielić je na komponenty, testować każdy element osobno i tak dalej. Myślę więc, że z czasem to się po prostu ustabilizuje i stanie się bardziej naturalne.
AE: Zastanawiam się też, bo w przypadku RPA zaczynamy od pewnych dobrych praktyk, które później ewoluują. UiPath dostarcza swoje własne wytyczne, ale my jako firma też je modyfikujemy, dopasowując do siebie. Widać to na przykład wtedy, gdy masz dwie zmienne o tej samej nazwie, ale z różnym identyfikatorem. To było trudne i niełatwo było dojść do tego, co właściwie chcieliśmy osiągnąć.
AK: Mówimy tutaj o poziomie Maestro, prawda? O zmiennych, które pojawiają się, gdy podłączasz coś takiego jak agent – ma on swoje dane wejściowe i wyjściowe, więc potrzebne są zmienne do ich obsługi. Wszystkie te zmienne są widoczne na głównym poziomie w Maestro. I jeśli projekt jest duży, to łatwo sobie wyobrazić, jak szybko może się to skomplikować.
AE: Tak, jest tego naprawdę dużo, bardzo dużo. Kolejna rzecz, którą pamiętam, to sytuacja, gdy wprowadzaliśmy jakieś zmiany w agentach, na przykład chcieliśmy dodać lub usunąć jakąś zmienną. Wtedy, o ile pamiętam, te zmienne w Maestro potrafiły się usuwać albo po prostu przestawały działać. Trzeba je było wprowadzać ponownie. Jeśli masz trzy zmienne wejściowe i zmienisz nazwę którejś z nich, to w UiPath Studio takie zmiany są od razu uwzględniane, a tutaj jeszcze nie. Trzeba jednak pamiętać, że to dopiero początek. Oficjalna premiera odbyła się zaledwie sześć lub siedem tygodni temu, więc to wciąż całkiem świeża rzecz.
Testowanie agentów: niedeterminizm i LLM jako sędzia
AK: Dokładnie. To na razie taka mała próba i zobaczymy, jak to się rozwinie, ale jestem przekonany, że jak zwykle wykonają tu świetną pracę. Jeśli chodzi o testowanie, wspomniałeś o tym wcześniej. Jedno to przetestować cały przepływ w Maestro, ale jeśli chodzi o samych agentów, jakie masz doświadczenia z testowaniem? Testowanie rozwiązań opartych na generatywnej AI jest trudne, bo wyniki nie są deterministyczne. Trudno nawet ocenić, czy odpowiedź w danym przypadku jest poprawna, bo zazwyczaj nie chodzi tylko o porównanie dwóch ciągów tekstowych. Jak to wygląda w przypadku UiPath Agents?
AE: Na początku najprostsze testowanie polega po prostu na tym, że wpisujesz dane wejściowe po pierwszym promcie i od razu otrzymujesz wynik. To bardzo szybki sposób na testowanie w trakcie tworzenia automatyzacji. Ale gdy już ukończysz swojego agenta i chcesz przeprowadzić pełne, poprawne testy, w UiPath mamy coś takiego jak zestaw ewaluacyjny (nie pamiętam dokładnej nazwy), gdzie można umieścić wszystkie dane testowe, które się posiada, a potem jednym przyciskiem uruchomić cały test i otrzymać wyniki dla każdego przypadku.
W naszym przypadku chodziło o odczytywanie CV i pozyskiwanie z nich informacji o osobach, które chciałyby rozpocząć pracę w naszej firmie jako RPA Developerzy. Wprowadziliśmy więc do systemu zestaw CV, uruchomiliśmy test i obserwowaliśmy, czy wyniki są takie, jakich oczekiwaliśmy. W przypadku procesów produkcyjnych i agentów wykorzystywanych w środowisku produkcyjnym taki zestaw danych testowych powinien być naprawdę duży. Może nawet warto pomyśleć o zastosowaniu innego modelu LLM, który sprawdzałby naszego LLM, bo na tym etapie robienie tego ręcznie jest po prostu czasochłonne. My skorzystaliśmy z tej funkcji ewaluacji i działała bardzo dobrze.
AK: W ewaluacjach jest też możliwość wykorzystania, z tego co widziałem, LLM jako sędziego, czyli systemu, który nie sprawdza wyników jeden do jednego, nie porównuje po prostu ciągów tekstowych, ale podejmuje bardziej świadomą decyzję. Testowanie narzędzi opartych na LLM jest ogólnie trudne, więc zobaczymy, w jakim kierunku to pójdzie. Wspominałeś wcześniej, że dzięki temu, że wszystko jest w ramach jednej platformy, integracja z innymi jej elementami jest bardzo prosta. Jak Ty to oceniasz?
AE: To było dla mnie kolejne miłe zaskoczenie. Szczerze mówiąc, nigdy wcześniej nie korzystałem z Data Service od UiPath. To był mój pierwszy raz, kiedy w ogóle je otworzyłem. W poprzednich projektach po prostu nie było takiej potrzeby, ale tutaj było to konieczne. I okazało się, że to bardzo proste. Połączenie AI Agents z innymi narzędziami jest niezwykle łatwe. To dosłownie lista rozwijana, z której wybierasz, czego potrzebujesz, i gotowe. To naprawdę niesamowite.
W przypadku mojego agenta musiałem wyciągnąć pewne dane HR, na wypadek gdyby ktoś pytał o informacje dotyczące naszej firmy, na przykład kiedy zaczynamy pracę. Trzeba było więc przekazać agentowi trochę danych, więc po prostu skopiowałem nasze pliki powitalne PDF z działu HR i wstawiłem je tam. Następnie wystarczyło połączyć wszystko przez listę rozwijaną, wybrać Data Service, wskazać folder, w którym znajdują się dane, i to wszystko. Tak samo działa to z innymi narzędziami. Jeszcze tego nie testowałem, ale z tego co pamiętam, można też uruchomić robota bezpośrednio z poziomu tych agentów. To jest niesamowite, ponieważ pozwala nam stworzyć prostego chatbota, do którego każdy w firmie może napisać: „Potrzebuję tego dokumentu” albo „Potrzebuję tego raportu”, a AI Agent uruchamia przepływ, który tworzy potrzebny raport. To świetne, bo otrzymuje się prawdziwe dane z baz, i to dokładnie wtedy, gdy są potrzebne.
Obietnica hiperautomatyzacji i przyszłe możliwości
AK: Z interfejsem, który jest bardzo prosty w obsłudze, prawda? Z tym zmagaliśmy się od dłuższego czasu, ale z biegiem lat wszystko staje się coraz łatwiejsze. Pamiętam, jak kiedyś uruchamialiśmy automatyzacje na żądanie. Mieliśmy wiele różnych wersji tego, jak to robimy, zaczynając od plików wykonywalnych, które wywoływały API UiPath, żeby uruchomić zadanie. Potem przeszliśmy do rozwiązań takich jak integracja z Teams, ale tam trzeba było wpisywać bardzo konkretne komendy. Następnie pojawiły się UiPath Apps i kolejne narzędzia. A teraz to już wygląda tak, jakbyśmy rozmawiali z człowiekiem. Możesz po prostu zapytać: „Hej, możesz uruchomić mi raport?”, a system odpowie: „Który raport chcesz? Jakie są daty?” i tak dalej. Kiedy już zbierze wszystkie potrzebne informacje, sam uruchomi automatyzację i przygotuje raport za Ciebie.
Od lat mówimy o hiperautomatyzacji. Pojawiło się nawet określenie, że hiperautomatyzacja to sytuacja, w której masz platformę, gdzie wszystkie elementy mogą się ze sobą łatwo łączyć. I wygląda na to, że UiPath wreszcie spełnia tę obietnicę, prawda? Sam fakt, że możesz po prostu wstawić blok w Maestro i wybrać jeden z opublikowanych projektów lub robotów w Orchestratorze, albo wybrać Data Service i pobrać z niego dane, albo uruchomić Integration Service (dla tych, którzy jeszcze z niego nie korzystali – można tam przygotować wywołania API praktycznie do każdego systemu, do którego masz dostęp). Gdy już masz to przygotowane, możesz po prostu wybrać, podać parametry i uruchomić. Właśnie to obiecywała nam hiperautomatyzacja – że będzie łatwo wywoływać różne elementy ekosystemu i współpracować z nimi, czy to z Document Understanding, czy z Communication Mining, czy z robotem, czy z dowolnym innym komponentem.
AE: To prawda. Teraz z Maestro naprawdę wygląda to jak prawdziwa hiperautomatyzacja. To bardzo prosty sposób na łączenie wszystkiego. Nie chcę mówić, że można połączyć całą firmę w jednym przepływie, ale jeśli byś chciał, to właściwie mógłbyś to zrobić.
AK: Nie wiem, dlaczego ktoś miałby chcieć to zrobić, ale faktycznie jest to możliwe. Czy są jakieś funkcje w agentach albo w Maestro, których wciąż brakuje? Coś, na co Ty lub nasz zespół nadal czekacie, żeby zostało zaimplementowane?
AE: Na pewno te rzeczy, o których wspominałem, które teraz mnie trochę irytują – fajnie byłoby je poprawić albo jakoś dostosować. Ale szczerze mówiąc, dotyczy to raczej bardziej Maestro niż samych AI Agents. Obawiam się tylko, że jeśli dodamy zbyt wiele funkcji do AI Agents, to przestaną być tak proste w obsłudze. Mogłoby się wtedy okazać, że nie każdy ma do nich łatwy dostęp, a przecież teraz nawet zwykły deweloper RPA może bez problemu z nich korzystać.
Mogliby dodać więcej opcji dotyczących danych wejściowych dla agentów. Teraz mamy dostępne ciągi tekstowe i kilka innych typów, ale brakuje możliwości przekazania agentom dowolnych danych, jakie chcę. W tej chwili po prostu nie ma na to sposobu.
AK: Jedna rzecz, na którą ja osobiście czekam, to możliwość podłączenia własnego silnika LLM. Wiemy, że jest to już w planach i ma się pojawić, ale wiele firm wolałoby mieć możliwość korzystania z własnego modelu, który mogłyby samodzielnie wywoływać.
AE: To prawda. Teraz można połączyć się z GPT-4 i jeszcze jednym modelem (chyba jest tam Anthropic Claude albo GPT Mini, czy coś podobnego). Gdyby ktoś miał już licencję na inne narzędzie AI, byłoby świetnie, gdyby mógł z niego korzystać także tutaj.
Nisko wiszące owoce: idealne procesy do automatyzacji
AK: Kiedy pomyślisz o tym, co potrafią AI Agents i Maestro, jakie procesy Twoim zdaniem będziemy mogli dzięki nim automatyzować? Jakie widzisz „nisko wiszące owoce”, czyli te najłatwiejsze do wdrożenia procesy w całym tym ekosystemie agentów i Maestro?
AE: Myślę, że obsługa klienta, zdecydowanie obsługa klienta. To byłby pierwszy obszar. Oczywiście w większych firmach także dział HR. W mniejszych firmach, takich jak nasza, może nie ma to aż takiego sensu, ale słyszałem, że przy ostatnim naborze dostaliśmy około 500 CV. Nie jest łatwo wszystkie je przejrzeć, więc tutaj agenci naprawdę mogą nam pomóc.
AK: To w porządku, jeśli AI pomaga uporządkować dane i je przefiltrować. Ale nie jest w porządku, żeby podejmowała decyzję, kogo zatrudnić. Nie chcemy, żeby sztuczna inteligencja podejmowała za nas rzeczywiste decyzje.
AE: Powiedziałbym, że obsługa klienta będzie pierwszym obszarem. W logistyce też widzę duży potencjał, można sobie wyobrazić agenta, który pomaga zaplanować trasę, ocenia, co się opłaca, a co nie, i to również mogłoby być bardzo korzystne dla firm. Wiem, że to trudniejsze zadanie, bardziej złożone, ale jestem pewien, że w przyszłości firmy zaczną to wdrażać. Potencjał jest ogromny. Pamiętam, gdy Document Understanding było czymś zupełnie nowym i niesamowitym i myśleliśmy, że nic lepszego już się nie pojawi. A dziś Document Understanding jest niemal wszędzie. To po prostu codzienność biznesowa.
Wierzę, że będziemy mieli w tym obszarze naprawdę dużo pracy. Teraz wiele firm nie ma jeszcze żadnych agentów, ale mają budżet, żeby coś w tym kierunku zrobić, bo chcą to mieć, skoro inne firmy już to wdrażają. Mogę sobie wyobrazić, że w przyszłości będzie to praktycznie wszędzie, a jeśli jakaś firma korzysta z UiPath, to prędzej czy później zacznie też używać AI Agents.
Bariery wdrożenia i niskopoziomowa kontra wysokopoziomowa sztuczna inteligencja
AK: Jak myślisz, co powstrzymuje firmy przed korzystaniem z tych technologii? Wiele z nich wciąż się waha. Jakie według Ciebie mogą być tego powody?
AE: Powiedzmy oczywiste: pieniądze. Wciąż jest to drogie i może nie być opłacalne dla każdej firmy. Ale pięć lat temu Document Understanding miało dokładnie ten sam problem. Myślę jednak, że największą barierą jest to samo co mieliśmy przy RPA, ludzie po prostu boją się możliwości tych technologii. Boją się, że zostaną zwolnieni albo zastąpieni, a to po prostu nieprawda.
AK: Kiedy automatyzujesz procesy, nie zwalniasz nikogo, tylko przenosisz tych ludzi do zadań, które mają więcej sensu dla człowieka.
AE: Dokładnie. Może to właśnie najlepszy możliwy motywator, czyli zazdrość. Widzisz, że inni to robią i odnoszą z tego korzyści, więc myślisz: „Dobrze, może my też to zrobimy”. Wiem, że to będzie działało jak efekt kuli śnieżnej.
Myślę, że teraz dla nas, na etapie analizy biznesowej, trudno już znaleźć naprawdę prosty projekt RPA bez żadnych dodatkowych elementów. Wierzę, że w przyszłości skupimy się także na AI Agents i Maestro w kontekście przepływów, ponieważ to naprawdę nie jest trudne, a przy tym bardzo pomocne.
AK: Jeśli masz budżet na AI, to AI Agents i UiPath Maestro mogą być w tym momencie najlepszym sposobem, żeby go wykorzystać.
AE: Zgadzam się całkowicie. Nawet jeśli nie masz budżetu, warto go znaleźć i po prostu spróbować, bo naprawdę warto wiedzieć, co się dzieje i jakie są możliwości. Teraz, jeśli się nie rozwijasz, to tak naprawdę cofasz się w miejscu.
AK: Jesteś częścią szkolenia AI Devs 3, prawda? Budujesz asystentów i agentów AI w sposób niskopoziomowy, programistyczny. Jakie według Ciebie są zalety i wady robienia tego w taki właśnie sposób w porównaniu z podejściem wysokopoziomowym, z użyciem narzędzi takich jak UiPath Agents i Maestro?
AE: Oczywiście w podejściu niskopoziomowym możesz dostosować absolutnie wszystko i używać dowolnego silnika, jaki chcesz. Możesz mieć własny model LLM, na przykład Llama, który jest darmowy i pozwala robić proste rzeczy, a gdy to nie wystarcza, możesz sięgnąć po coś droższego. To wygodne i po prostu tańsze. Ale nie jest to rozwiązanie dla każdego. Jeśli nie masz żadnego doświadczenia z językami programowania, może to być dla Ciebie trudne. Zaczęcie pracy w podejściu niskopoziomowym jest po prostu znacznie trudniejsze.
Z AI Agents wszystko jest dużo prostsze. Nie musisz mieć żadnej wiedzy z zakresu podstaw programowania. Oczywiście musisz wiedzieć, jak działa LLM i jak pisać prompty, bo to bardzo ważne w obu przypadkach. Po pierwsze, powiedziałbym, że z AI Agents o wiele łatwiej jest zacząć. Po drugie, można też zrobić więcej. Można na przykład pracować z grafiką albo tworzyć transkrypcje rozmów i potem wyciągać z nich dane. Możliwości są więc znacznie większe.
AK: Masz na myśli to, że kiedy robisz to samodzielnie w sposób programistyczny, możesz zrobić znacznie więcej rzeczy.
AE: Tak. Ostatecznie chyba najlepszym podejściem byłoby umieć robić jedno i drugie, a potem wybierać odpowiednią technologię do danego projektu. Zwłaszcza że jeśli potrafisz coś zrobić niskopoziomowo i programistycznie, możesz też wykorzystać UiPath Agents lub Maestro, żeby wywołać fragment kodu, który zrobi coś, czego nie da się zrobić z poziomu interfejsu graficznego, prawda?
AE: Dokładnie. Z tej perspektywy najlepiej jest umieć korzystać z obu światów. Całkowicie się zgadzam, że wejście w temat jest o wiele łatwiejsze, jeśli ma się platformę, z której można korzystać, bo w przeciwnym razie, gdy chcesz napisać coś od zera, jest to co prawda bardzo ciekawe i daje dużo satysfakcji, ale wymaga też naprawdę ogromu pracy. Tak samo jest z Communication Mining, gdzie korzystanie z UiPath i jego interfejsu jest po prostu znacznie prostsze.
AK: To sprawia, że wszystko staje się bardziej skalowalne, ponieważ można wprowadzić znacznie więcej projektów w tym samym czasie i szybciej doprowadzić je do produkcji. Ostatecznie jednak jest to kwestia wyboru. Albo zachowujesz pełną kontrolę nad swoją automatyzacją, płacąc za to czasem i koniecznością posiadania większych umiejętności, albo rezygnujesz z części tej kontroli, ale zyskujesz możliwość działania znacznie szybciej i w bardziej skalowalny sposób.
AE: Tak.
AK: Bardzo dziękuję, że dołączyłeś do mnie w tym odcinku. Nie mogę się doczekać, żeby zobaczyć, jakie nowe rzeczy Ty i inni członkowie naszego zespołu stworzycie z wykorzystaniem tych technologii.
AE: Mam taką nadzieję. Bardzo dziękuję za zaproszenie. To było dla mnie nowe doświadczenie i cieszę się, że mogłem wziąć w nim udział.
AK: Dziękuję, Andrzeju. I tym samym zamykamy kurtynę po kolejnym występie cyfrowej orkiestry. Serdeczne podziękowania dla Andrzeja Ekierta za poświęcony czas i za to, że pomógł oddzielić operacyjną rzeczywistość od marketingowej fantazji. Odcinek został wyprodukowany i wyreżyserowany przez osobę, która pilnuje, by cała ta operacja nie zamieniła się w niebieski ekran śmierci – Annę Cubal. Nagrano w studiu Wodzu Beats, gdzie wierzymy w jeden prosty proces: kawa wchodzi, podcast wychodzi. Do następnego razu, pamiętajcie, żeby zaplanować sobie trochę czasu na odpoczynek.
