Coding bude plně automatizovaný end to end do roku 2030.

Filip: To je vlastně jako vtipná, ale zároveň strašně tíživá myšlenka, protože pokud ti tohle řekne někdo, kdo studuje na jedný z nejprestižnějších škol a ještě na AI konference, kde jsou kapacity, tak...

Jindřich: To ostatně byl i jeden z těch jejich jako klaimů, že 90% AI projektů nebo incentive ve společnostech tak failuje.

Filip: No, jako dovedu si představit, že detekovat deepfake bude v budoucnu obrovská výzva.

Jindřich: Coding bude plně automatizovaný end-to-end do roku 2030.

Filip: Zajímavý, prostě přichází doba, kdy budeme muset jako dokazovat, že je něco reálný.

Jindřich: Zaměstnanci by měli svou vlastní pozici jako překonat dřív, nebo udělat za staralou, než to udělá zaměstnovatel. Právě posloucháte Deeplink Show. Čau Filipe, vítám tě opět po týdnu u další epizody našeho podcastu Deeplink Show. Pěkně to letí, protože už to je 12. epizoda a tentokrát bych se chtěl pobavit o konferenci v San Francisco zaměřenou na AI a na... zapojování procesů ohledně umělý inteligence do firem, kam jsem se dostal právě díky Vysoké škole ekonomické v Praze, kde jsem studoval datovou analýzu jejich MBA program, což bylo fajn a dalo mi to právě mimo jiné tu možnost tam vycestovat. Takže o tom bych se rád chtěl pobavit. Napsal jsem si zhruba asi 10-11 myšlenek, které tam padly. Pojďme si je postupně říct, pojďme je rozebrat, nějaké prodiskutovat. U něčeho se můžeme zdržet díl, u něčeho třeba méně. Uvidíme, jak nám to půjde. Myslím si, že by tě to mohlo společně s našimi posluchači zajímat.

Filip: – Indo, taky že zdravím. Zdravíme naše posluchače. Já se na tuhle epizodu extrémně těším, My jsme si společně o tom pořádně ještě taky nepovídali, takže i pro mě stejně tak jako pro naše posluchače je to vlastně úplná novinka a vlastně vůbec nevím, co tě tam potkalo. Možná úplně na začátek. Přiblížíš nám, jak přesně ta konference vypadala, kolik tam bylo lidí, co bylo tématem, aby jsme si udělali nějaký lepší obrázek?

Jindřich: Uči, dokonce jsem si k tomu napsal i pár poznámek. Bylo to v San Francisco na UC Berkeley, což je mimochodem v mnoha žebříčcích. Chtěl jsem říct některých, ale v mnoha žebříčcích je to univerzita v top 10 nejlepších na světě. Někde jsem ukázal, že je třeba šestá, někde osma, ale tak či onak před touhle univerzitou jsou univerzity jenom třeba Oxford, MIT, Princeton, Cambridge, Harvard a takovéhle broské jména. Když jsem tam jel, tak jsem měl relativně velké očekávání. Myslel jsem si, že to bude mít úroveň a že to bude zajímavé. A nejvíc taková nejdůstavná humorná věc, která mě utkvěla v hlavě, to byl ten výhled, který jsme měli z účební konference. Protože ta… Univerzita je vlastně do kopce, celý ten krásný velký kampus, tak jako do kopce. A nahoře, na vrchu toho kopce, stojí stadion pro 60 tisíc lidí, kde se hraje rugby. Mimo jiné nebo americký fotbal. Takhle. Plus asi nějaké další sporty. To je právě dominanta ty univerzity. My jsme to měli až na nejvyšším patře, nahoře. Když jsi byl v té místnosti, tak na jednu stranu jsi měl výhled na americký fotbal, jak tam třeba trénovali ty hráči. A na druhou stranu jsi měl výhled na San Francisco, na ten campus, na Alcatraz, na Golden Gate Bridge a podobně. To byla věc, která mě zaujala. Přišlo mi to hodně zajímavé. A mimochodem, San Francisco jako takový, my víme, že je místo různých digitálních produktů, spousta startupů, Silicon Valley je tam kousek a podobně. Ale co mě překvapilo, to jsem ještě nikdy nezažil, že tam bylo spousta reklam na digitální produkty. Na AI primárně, když už to byl Replit, Lovable, OpenAI. a celá řada různých dalších, heť už to byly nějaké třeba, které jsem neznal, jaký je Outset nebo Braintrust. Fakt jich bylo hodně. Já jsem si to i nafotil, protože mě to zaujalo. Přišlo mi to jako velmi nestandardní. Nevidíš, domnívám se, obvykle takové reklamy právě na digitální produkty někde po městrech.

Filip: Hlavně u nás, že jo? Nemůžu vlastně vzpomenout, kde bych šel po ulici nebo na autobusu zastávku a viděl bych reklamu zřejmě na Clauda, že jo? Nebo něco takového. Takže to je… to je fascinující. A jaký jsme pocit z toho města? Chápu, že ty reklamy už trošku navozují ten pocit, že se to tam extrémně řeší AI, technologie a všechno, ale když pomenu tady to nějaké delší VMI nebo něco, co ti říkali, že jsi teď v tom technologickém hubu, Ale to asi ne.

Jindřich: Tím, jak je to město opravdu velký, je extrémně rozsáhlý, je tam vlastně zátoka mezi těma dvěma částma, pod tím je San Jose, kam je blíž právě Silicon Valley, tak opravdu bude to jako hodně rozsáhlý, takže ty nemáš patrný pocit, že by to tam bylo nějaké digitální centrum bezpečnosti.

Filip: No ale autonomní auta, ne? Waymo, jak ty tam jezdí, ne?

Jindřich: Tak to samozřejmě bylo skvělý. Oni to Waymo. To mě extrémně zaujalo, ale když jsme to nakousli, tak ono jezdí po několika městech v Americe. Bylo to skvělé. Je to neskutečně smooth. Krásně to brzdí, krásně se to rozjíždí. Člověk na displeji vidí chodce, vidí tam auta a opravdu se v tom chtí bezpečně. To určitě musíš vyzkoušet, až tam jednou budeš.

Filip: Na to se extrémně těším. Vraťme se k té konferenci. Bylo to teda na Berkeley. Kolik tam bylo lidí? To jsem nějak nezachytil. Bylo to pro velké množství lidí, nebo to byly desítky, jednotky?

Jindřich: asi plus mínus 40. Byla tam minimálně se domnívám, že byla celkem velká variabilita, pár technických lidí a pak skutečně lidi z různýho odvětí. Byli to lidi, my jsme tam byli asi tři tuším ze zahraničí, čtyři možná.

Filip: Takže komorní akce poměrně.

Jindřich: Jo, určitě. Menší. To bylo spíše na to zaměření na hands-on a tak jako si potom povídat o těch věcech a rozbírat jednotlivý témata, aby do toho ostatní vstupovali a podobně. Jedna společnost tam dokonce měla 12 zástupců, 12 lidí tam poslala. Což mimochodem to všechno, jak jsem měl možnost se s těmi lidmi bavit, tak jsem nabýval dojmu, že oni hodně šlapou do AI a snaží se hledat cesty, snaží se hledat možnosti, jakým způsobem to integrovat do společnosti a podobně. To tam byli lidi z HR například a hledali cesty, jakým způsobem si tu práci zefektivnit.

Filip: A co se týče těch speakerů nebo přednášejících panelové diskuzy, nebo jak to vlastně probíhalo, byli to primárně profesoři z univerzity, nebo to byli lidi spíš z praxe?

Jindřich: Byl to takový mix, ale co mě na tom přišlo hodně fajn, tak to byla ta samotná forma. Byl to mix přednášek, rozhovorů, panelových diskuzí, různých workshopů a podobně. A co se týče těch men, tak Bylo k tomu několik určitě velmi zajímavých jmén. To, co mě nejvíc zaujalo, byl Peter Abiel, se jmenuje, ten profesor právě z UC Berkeley. On tam představoval nějaké jeho studenty mimo jiné, mimo kontentu jeho talků. Mezi jeho studenty patří třeba astronaut MIT, nebo MIT profesor a aktuálně astronaut NASA. CEO Perplexity, co-founder OpenAI a vynalezce diffusion modelů a podobně. On je kapacita a ještě učil takovýhle kapacity. A mimochodem, tenhle profesor, tak já jsem koukal, že on má H index 190, což je ten vědecký index. To je také jako performance těch vědců, který říká, že když to máš N, tak znamená, že máš alespoň N vědeckých článků, které byly alespoň N krat citované. Takže on má více k 190 článků, které byly alespoň 190 krat citované. Je to neúzidelný a obecně u toho indexu, kterým jsem pak o tom něco četl, tak obecně 40 se považuje jako za outstanding a v Čechách je jenom hrstka lidí, který mají víc jak 100. Tohle je naprosto crazy číslo. A to tam byl ještě druhej člověk, který má podobné číslo a to byl co-founder Databricks, to je celosvětové známá společnost. Takže tahle člověk dokáže založit takhle velké společnosti a ještě k tomu dělat profesora na jedné z nejlepších univerzit na světě. Takže ty jména, které tam byly, mě přišly asi ze všeho nejzajímavější.

Filip: Takže obsazení kapacitama, Což, jako velmi zajímavý jména, tak to musí být super. Hele, co se týče ty konference obecně, než se pochtíme do těch detailů, protože ty máš určitě jako spoustu myšlenek a spoustu… jako mouder asi, který s náma můžeš jako sdílet. Když to zhodnotíš ale celkově, třeba tu kvalitu té konference, nebo ten pocit z toho, já vím, že máš jako jeden vzorek, že se to nedá považovat jako za nějakou velkou statistickou množinu, ale když to porovnáš třeba s konferencema u nás, bylo tam jako něco, co by jsi řekl, tyhotohle dělají dobře, to je fakt jako zajímavá věc, když pominu samozřejmě ty řečníky.

Jindřich: Jako asi ten největší rozdíl byl tý ceně a to samozřejmě v tom slova smyslu, že bych se tam jako asi nemohl dovolit jet, kdybych to neměl jako zařízení přes VŠE, protože na ten ten ten výstup stává jako šest tisíc dolarů. Takže když to vezmu z tohohle uhlu pohledu, tak tam nebyla nějaká super groundbreaking myšlenka, nebo něco, že bys řekl, jo, sakra, tohle jsem nevěděl. Aha, no tak toto absolutně mění můj pohled na svět. Nebo by to nebylo jako common sense. Takže pokud se v tom člověk nějak pohybuje, tak ty myšlenky plus mínus zná, nebo o nich slyšel, nebo mu dávají smysl minimálně např. dobrou. Ale zase ta hodnota byla vidět opravdu i na těch jménech, které jsem zmiňoval. Určitě, když ti o tom říká něco člověk, který to 20 let studuje, tak už asi na tom něco bude, na tý myšlance, kterou on zastává. A tak mimo to, měli skvěle vyřešit nějakou tu organizaci a přesně to místo a i taky detaily, jako třeba catering byl výborný, nebo ty materiály, které si dostali, různé knížičky a workbooky a materiály a všechny tyto věci, tak tohle to všechno bylo opravdu na perfektní úrovni. No a overall, kdybych to měl srovnat s českýma konferencema, tak minimálně ty, který jsem zažil já v Čechách, tak tam to spíš bylo jako trochu one man show bych řekl, to si přijdeš na nějakej talk a posloucháš. Tady to opravdu byly panelové diskuze, nebo se tam hodně zapojovali ty lidi z publika. Snažili se třeba i ty spíkři, kteří o něčem mluvili, zjistit, jak to mají v těch společnostech ty lidi, ke kterým mluví a tak dál. Což ta interakce, si myslím, byl mírnej rozdíl oproti tomu, jak jsem zvyklý já tady na ty české minimálně soudím z těch, kde jsem měl tu možnost být.

Filip: Tak to je vlastně i dobrá zpráva, že tam nebyl nějaký extrémní rozdíl. Že bys řekl, že české konference jsou mnohem víc pozadu. Chápu tady ty drobný rozdíly. Pojďme asi na ty tvoje myšlenky, co tam teď máš. To mě zajímá vlastně asi nejvíc.

Jindřich: Ale možná ještě mě na ten úvod napadla jedna myšlenka, jak jsem se ptal na to zastoupení, tak tam byla řada PhD studentů místních, kteří se věnují nějakým způsobem AI. Tam představovali svůj research, nebo tam byl jeden blok, kdy měli za sebou čtyři vždycky patnáctiminutový talk, což taky byl zajímavý koncept. Jedna věc, která mě utkla v paměti a to asi díky tomu, že byla extrémně složitá, já jsem ji vlastně vůbec nerozuměl, tak tam nějaká holčina dělá research na to, jak detekovat deepfake. Takže ona se vlastně věnuje v různém také heuristice a matematickým algoritmům právě za tím, jak detekovat deepfakes z videa. A samozřejmě jedna z těch jejich primárních myšlenek se kterou ten talk měla, byla, že když začínala svoje PhD studium, to bylo v pohodě a kdyby viděla, kam se to dostane, tak se tomu tématu nevěnuje.

Filip: Tak to je vlastně vtipná a zároveň strašně tíživá myšlenka, protože pokud ti toto řekne někdo, kdo studuje na jedné z nejprestižnějších škol a ještě na AI konference, kde jsou kapacity, tak dovedu si představit, že detekovat deepfake bude budoucnu obrovská výzva.

Jindřich: Overall to krásně demonstruje ten technologický pokrok, kde ty Deepfakes byly nedávno a kde ta jejich kvalita je nyní.

Filip: Tak to je fascinující. Tak pojďme na nějaký delší zajímavosti.

Jindřich: Pojďme klidně na moje myšlenky, já jsem si jich tady zapsal asi jedenáct. Nejsou to doslovní citace, to byl takový můj brainstorming, co jsem se zapisoval. Nemám k tomu ani autora, ale prakticky všechny ty myšlenky jsou jedna jako jiný, tak jak pocházejí z té konference, že někdo je tam prezentoval, nebo tam někde padli, nebo mě zaujali nějakým slajdu a tak podobně. Hned ta první, kterou bych asi rád začal, Možná je to můj subjektní pocit, ale obecně v rámci té sociální bubliny, kde jsem byl, tak jsem měl pocit, že tam mnohem víc lidí řeší integrací AI do společností. Jasný, uvědomuju si samozřejmě to zkreslení, že to byla AI konference, ale i tak ty lidi nebyly vůbec z oboru. Někdo, jak jsem říkal, byl z HR. Byla tam i jakáš účetní, s kterou jsem se bavil. Na druhou stranu byl nějakej člověk, teď ho hodně odbočím, ale byl nějakej člověk, který normálně dělal software na rozeznávání znakový řeči, protože jeho dcera je hluchá, nemluví, takže s ní se dorozumí a pomocí znakový řeči. On pro svoji dceru, aby se mohl líp dorozumívat, tak pracuje na tomto softwareu, technický člověk, a to mi přijde jako naprosto skvělý. Myslím si, že je úplně perfektní use case pro ubělou inteligenci. Je to něco, co má obrovsky přidenou hodnotu pro společnost a doufám, že se mu to podaří, samozřejmě monetizovat. To jsem trošku odběh. Nicméně, abys měl přehled o tom, jaký zhruba lidi tam byli. Technických už tam bylo méně. Tak či onak, měl jsem pocit, že oni mají mnohem větší drive zpát i ajíčko do těch jejich procesů a hledat use cases, jak si tu práci zjednodušit, zlepšit, efektivnit.

Filip: To je zajímavé, já si myslím, že to jako do jistý míry bude daný tím, jak jsi sám říkal, jsi byl jako na AI konferenci, ještě prestižní, ještě vlastně jako drahý, takže jako ten výběr těch lidí byl určitě předurčen k tomu, aby ty use cases si hledal, ale vlastně jako v kontextu i třeba těch reklam na ulici, tak ono jako, i když třeba nejseš úplně technologicky políbený a na každém rohu tě bombarduje reklama, AI, assistenty, AI, nějaký workflow z nástroje atd., tak asi k tomu budeš mít trošku větší snahu to aplikovat, než když o tom slyšíš jen z médií, jako zběžně, nebo spíš si to musíš vyhledávat, protože si myslím, že u nás žijeme ve velký bubli někdy, já mám pocit, že o tom mluví každý, ale pak trošku vykoukneš někam mimo a ono to tak úplně není. Jako

Jindřich: Určitě, určitě může být, ale bylo to něco, čeho jsem si všimnul. A ta společnost, jak jsem říkal, tyhle dvě slečny, které tam byly, tak ty byly ze společnosti, která má asi 800 lidí, má pobočky po celých státech, takže vůbec ta integrace do jejich procesů bude ještě mnohem komplikovanější než po nějaké menší české startupy třeba.

Filip: To je zajímavý, pojďme,

Jindřich: máš nějaký další? Chci několik. Ta druhá, kterou jsem si napsal, tak je akcelerace skrz basic tools. To je něco, co tam hodně opakovali a řada lidí. Jasně je common sense, dává to smysl, začni něčím menším a ty juskaj si tam potom přijdou. A jedna z věcí, kterou tam prezentovali, to byl Slackbot. Opravdu jednoduchý bot, kterýho se zeptáš, on ti dohledá konteksty, dohledá ti z několika kanálů a tak podobně. Takže už vlastně na tomto absolutním základu, někdo, kdo chce začít s AI a neví ty use cases, protože to je jeden z těch primárních problémů, každý by si chtěl tu technologii zkusit, ale moc nemá to myšlení na to, aby ho napadali ty use cases využití, tak právě ten Slackbot může být úplně ta triviální základní cesta. A společně s tím ta myšlenka pokračovala v tom, že není třeba hledat specializované nástroje, ale hledat to AI v těch nástrojích, které už využívám. Takže přesně. Mám Notion, ok, využiju na maximum to AI v Notionu. Mám Slack, využiju AI ve Slacku. Mám JIRu, využiju AI v JIRe a tak podobně. To byla podstata

Filip: myšlenky. Takže jestli to správně chápu, tak spočívá v tom, Vyřeš si takový low-hanging fruits, takové věci, co si můžeš hned s ajíčkem zkusit. Použij k tomu nástroje, které už máš, abys nemusel něco složitě integrovat. A tady to poznání toho AI tě povede dál a dál a ty pak přirozeně budeš narážet na limity a budeš si to snažit vyřešit nějakým jiným nástrojem. Ale ta message je… nesnažit se hned vyřešit všechno nějakým superkomplexním nástrojem, který řeší většinu mých workflows a propoluje data z různých systémů, ale začít jako přirozeně, až začnu narážet na ty limity, tak teprve to třeba zkoušet rozšiřovat.

Jindřich: Prakticky jo a jako ten sekundární benefit je, že to je ta cesta pro to naučení, pro pochopení obecně jako sentimentu nebo těch základů práce vlastně s jakýmkoliv AI nástrojem. Není potřeba si někde něco instalovat, hledat jaký nástroj nejlepší porovnávat, ale hledat ty možnosti v těch nástrojích, který už jsem používal dosud. To je

Filip: jako myšlenka, kterou já třeba lidem taky předávám a je strašně super slyšet, že i takové kapacity v tom oboru, jaké na té konference byly, to vidí stejně. Nejdůležitější je adoptovat ten přístup, naučit se s tím pracovat, přemýšlet nad tím, jak mi ta AI může pomoct v těch mých procesech a pak až ji aplikovat na ty problémy, které mi z toho vystávají. To je super.

Jindřich: Další myšlenka a to ostatně byl i jeden z těch jejich jako klaimů, jako těch i reklamních sloganů, že jo. Proč bys tam měl přijet na tu konferenci, takže 90% AI projektů nebo incentive ve společnostech tak failuje. A existují na to studie. Jasně, ono samozřejmě mohla si kontrolovat tím, že i celá řada běžných projektů ve společnosti je to tak, ale pořád ten rate je dvakrát takovej oproti standardním projektům. Takže tam se můžeme pohybovat někde okolo 40 a tady je to třeba k těm 90 %. A to právě potvrzují studie. Takže jsme tam… I rozebírali, jaké jsou ty důvody. – To by mě zajímalo. – Těch důvodů je několik, ale jeden, o kterých se za chvíli budeme bavit, jsou třeba samotný metriky. On to nějakým způsobem funguje, ale nová doba, nový technologie potřebují nový metriky. Když se to měří úspěch těma starýma metrikama, tak to nevždy může fungovat. To byla jedna z nich. Pak samozřejmě celá řada další. přehrané očekávání na počátku nebo špatně nastavené data. Jak se říká garbage in, garbage out. Nemám data, tak samozřejmě nemůžu ani očekávat parádní výsledky. Tak podobně. Okolo tohoto čísla to byl strašák. Okolo se to dost točilo.

Filip: Tak na ty nový metriky jsem zvědavej, protože je pravda, že když já nad tím přemýšlím nebo to s někým diskutuju, tak často používáme ty standardní metriky, tak nebudu předbíhat, ale jsem zvědavej, jaký nový metriky vlastně na tady to vznikají.

Jindřich: Určitě se k tomu dostaneme, uvidíme. Tak a když se zase posuneme, tak jako další myšlenka a já vlastně ani v tomto případě jako nevím jestli s ní souhlasím nebo nesouhlasím. Ale obecně tam někdo prones, že kompletně zanikne middle management a zůstane místo toho nějaká AI vrstva, která přesně tyto věci bude vykonávat. Takže budou nějaké top management, ty majitele, cečkové pozice, případně architekti. který dál už budou třeba rozpadávat tu práci jednak nějakých agenty pomocí různých AI nástrojů a už jim to urychlí takovou tu práci, kterou aktuálně dělají buď to nějaký výkonní lidi, a nebo právě ten middle management. Takže obecně tato myšlenka tchlí v tom, že taková ta hluboká struktura, kde jako CEO pod ním je C-level s pak nějakým middle managementem a tak dále, tak bude se víc a víc narovnávat, že tam bude míň a míň levelů mezi tou top pozicí a mezi tou

Filip: spodní pozicí. – Odli tam nějaký konkrétní důvody? Mně napadá to, že Dneska mají výhodu malé týmy, protože AI je extrémně rychlá, dokážeš díky agentům vlastně jako spoustu věcí rychlejst vytvořit. Máš nějakou myšlenku, jsi schopnej vytvořit nějaký PDF, nějaký report, jí sepsat, dokážeš si svoje myšlenky utříbit, že to nadiktuješ, pomůžeš si AI, dokážeš vytvořit nějaký prototyp. tak je tohleto ten primární důvod, že čím máš větší ten strom a tu hierarchii odpovědností, tak to vlastně brzdí celý ten proces a kvůli AI tak si tohle ty firmy nebudou moc dovolit a tím pádem to delegují na tu AI bře. Vlastně ti už stačí, že z toho vrchu odkomunikuješ myšlenku a dole dostaneš pak ty tásky, které máš plnit? Nebo byly tam ještě nějaké další myšlenky zatím, proč by ten middle management měl

Jindřich: zaniknout? Může být a prakticky analogicky to, co si popsal, tak to jsem si jako z toho odnes. Ty budeš schopnej už sám třeba vyřídit ty věci efektivněji, byť jak už jsme se tady párkrát bavili třeba s 90% kvalitou, ale bude to stačit pro to, aby už si s tím dobře poradili ty lidi, kteří například budou pod tím. Že nebudeš potřebovat přechroupávat zadání, projekty a podobně. v rámci middle managementu. Třeba jo, třeba ne, ale nejsem úplně přesvědčený o tom, že to tak bude.

Filip: Já si dovedu představit ten důvod nebo tu myšlenku, že vychází z toho předpokladu, že když jsi byl v té vedoucí pozici, tak jsi vytvořil nějakou obecnou myšlenku a teď si potřeboval někoho, aby ti to rozpracoval, rozdělil na ty dílčí body, nějaký farplán, jak se k tomu celému postavit a dokázal to delegovat, ale ty vlastně už té fázy toho nápadu, díky ještě dneska možná schopnej si to na tyhle věci rozpadnout. Zajímavý. Taky o tom nejsem přesvědčený, ale je to zajímavá myšlenka. Přesně jak si

Jindřich: to popsal, tak jsem to rozuměl. Dřív to bylo tak, že CEO nebo kdokoliv z top managementu měl nějaký nápad, který mu o tom někdo rozpracovával. Díky dnešním technologiím a nástrojům jsi sám schopnej si ten nápad mnohem lépe rozpracovat a dostat do mnohem pokročilejší fáze, než bylo před nějakým časem. Je

Filip: to pro tebe přesnější, protože když předáváš tu zprávu po nějakých… To je taková typická tichá pošta. Někomu něco říkáš a ono se postupně zkomolí, tak funguje to i v té firémní hierarchii. Jo,

Jindřich: samozřejmě bude asi mnohem lepší pro menší týmy.

Filip: Super. Tak jo, pojďme dál. Pak

Jindřich: co dostáváme k těm metrikám. Já to rozdělím na dva body. Engineering metriky budou až v zápětí, ale ten první bod, který tady mám, je Roi je mrtvá. Je třeba jiných metrik, které jdou s dobou. Jedna z nich, kterou oni tam prezentovalo, to bylo takzvané ROE, Return of Efficiency, nebo Return in Efficiency. a jestli jsem tomu správně porozuměl, tak to nebyla návratnost investice do implementace konkrétního procesu nebo projektu, ale bylo to měření, jak tu hodnotu ti to přinese, jinými slovy, jak ti to zkrátí ten konkrétní proces, který ty implementuješ. Nejsem si úplně jistý, jestli je ta metrika standardizovaná, Protože tohle zrovna byla nějaká panelová diskuzi a oni tam diskutovali, po jakém úhlem by se na metriku mohli podívat. Takže když to nebudu přepočátat na ty finance, tak to můžu přepočítat, vždycky na to, jakou hodnotu mi to ve skutečnosti přinese. kolik stihnu udělat tásku za kredčítku a tak dál. Když jsem nad tím přemýšlel, tak jsem se nemohl zbavit pocitu, že všechno to, co tam padalo, by se možná dalo přepočítat na ten written of investment. Ale nedokážu přesně parafrázovat tu myšlenku, nicméně tady byla taková. Možná kdybych chtěl trošku generalizovat, tak ta message je zkrátka v tom, zvažte svoje metriky, kterýma měříte ty vaše AI projekty, protože ten projekt může být dobrý, ve vašich číslech může failovat, ale může to být tím, že nejsou správně nastaveny ty čísla, nebo nejsou správně nastaveny ty metodiky, kterýma to měříte.

Filip: Já nad tím teďka uvažu. Vlastně já se taky nemůžu zbavit dojmu, že teď jsi schopný přepočítat na to ROI (Return on Investment). Nicméně možná si říkám, jestli ta myšlenka nebyla zkrátka v tom, že to Roy je tak těžké jako dneska spočítat, že ti do toho vstupuje tolik proměných v rámci tady toho procesu, takže je možná jednodušší využít nějakou biometriku, která je trošku blížší tomu samotnému procesu implementace. Byť se nemůžu zbavit toho dojmu, že byste stejně na ROI chtěl přepočítávat. Hm?

Jindřich: Ale může být, jo. Může být. Asi opravdu nemá smysl důmat nad touto konkrétní metrikou. Spíš ta message, která by z tohoto našeho poopovídání měla vzejít, je opravdu ta, že dělám nějaký AI projekt. Pojďme zvážit, jestli ty metriky, které má, já to chci měřit, jestli jsou adekvátní, jestli jsou reální a nebo jestli neexistují nějaké, které mě ten přínos dokážou změřit efektivně.

Filip: než přemýšlet nad těmi metrikama, což dává smysl. Super, tak pojďme možná k těm… Nebo ještě máš kluci?

Jindřich: Mně vlastně napadá jedna věc, že logicky jsou tady nějaká nová doba. Tady je doba, kdy se čáta společností transformuje. Tak je dost možná nasnaděj transformovat ty metriky. Bylo to tak i historicky. Zase vypracujeme se do lůpu, který už… To tady bylo. Takže z logiky věci, když tady mám něco další dobu a něco jiného velmi úspěšného s tím měním, tak bych asi měl

Filip: zapřemejšlit i nad tím B. To už bychom se dostávali do velmi zajímavé debaty, jak třeba AI může jednou změnit ty… sociální zákony, který máme ve společnosti a jak společnost funguje. Nicméně, pojďme asi dál k těm engineering metrikám, kterých se asi dokážem chytnout víc, abysme nemuseli filozofovat dneska.

Jindřich: Jak jsem zmínil? Mám engineering metriky teď. Mám tu tři. A to vlastně zmínil člověk, který byl v té jedný panelové diskuze. A tam byla… Tam byla… To zkratka panelová diskuze. Byly tam dva lidi, tuším, a ten jeden člověk byl AI Momentum Partners, tuším, byl ze společnosti. A to druhé to bylo… To se nespomenu teď. VCG, nevím, něco takového. To je jedno. Každopádně co tím chci říct je, že to byli lidi z praxe a říkali, jak mají nastavení těch engineering metrics. A tenhle člověk má pod sebou celý vývojový tým. První, kterou měří neprosto jako základní, tak je adoption rate. Počet licencí čistě. Mám v týmu 30 lidí. – Jen počet licencí. – To je přesně tak, ta první. Ono je důležité si dát více metrik do celého obrázku. Jedna samotná ti to neřekne, ale má smysl je zkrátka měřit a na základě více metrik dělat závery. Takže první AI adoption a čisto čistě počet licencí. Mám třeba 20 vývojářů a mám osmnáct licencí

Filip: Claude Pro. Mhm. To je maometrika. Myslím si, že je to nejvíc basic a je nutné doplnit o další. Protože něco ti to řekne, ale výsledku ty licence můžeš nakoupit všem, ale to neznamená, že jsi se adoptoval úspěšně i já.

Jindřich: Jasný, jako atypická multisportka. Druhá věc je usage, měřit usage veškerých AI-čkových nástrojů. Samozřejmě tyhle metriky toho usage ty mají k dispozici primárně ty enterprise plány. Takže... Je to taková druhá metrika. já vidím, že mám tady 18 licenci, 20 členů týmu, ale vidím, že jenom z toho 13 lidí to používá opravdu hodně, na maximum. A ze zbylejch pár lidí to používá minimálně. Takže zase něco, co ti dá ten obrázek o tom, jak úplně AI nástroje ten tým využívá.

Filip: Jo, to už je trošku pokročilejší metrika, byť vždycky u toho usage, já se nemůžu zbavit toho, myslím, že to byla scénka ze Simpsonu, kdy ten Homer si takhle měl tu kachníčku a ona takhle klikala ten mezerník, že jo, takže bys do toho nástroje posílal, vygeneroval tokeny a vlastně jako máš tu usage jako dobrou, že jo, takže určitě tam jsou ještě nějaké další metriky, které pak měří tu kvalitu nebo Něco takového. Já vím, že třeba Claude pro programátory má v té týmové licenci nějako měří, jaký množství kódu bylo z AI akceptované, čím jsi schopný měřit, jak efektivně tvoji vlastně jako vývojáři píšou ty prompty nebo jako pracují s tou

Jindřich: AI. Jo, no jasně, no code acceptance rate, nebo jak se tam jmenuje? Accepted lines of code, nevím, něco takového. Jo, hele, já to měl docelný dvě, které vím, že tam padly a tam byla jako idea to proof of concept a idea to production. Takže jakým způsobem se zrychlí ten funnel při nasazení těchto nástrojů od samotné myšlenky do proof of concept a od samotné myšlenky do produkce. Měříš to velmi pravděpodobně ve dnech, nebo máš tam ten časový údaj. Tohle jsou metriky, které tam padaly právě od tohoto člověka. To

Filip: už mi přijde jako extrémně zajímavá metrika, která dává smysl, že třeba, že to vidíš u Anthropicu, o kterém jsme si v jednom z minulých dílů bavili, tak ta delivery je extrémně rychlá. Fakt mě to fascinuje. A to je vlastně jako ten reálný přínos, že jsi schopný řešit a exekuovat ty věci a ty projekty mnohem rychleji než dřív.

Jindřich: Zároveň tady si myslím, že lze krásně manifestovat ten technologický pokrok, protože těmi podobnými metrikama jsem schopnej měřit standardní vývoj bez AI-čkových nástrojů. Takže pokud tyto data sbírám, jsem schopnej to včas porovnat, jak se obecně ten feature delivery time měnil po dobu a hlavně po nasazení AI-čkových nástrojů. Jo, tahle metrika

Filip: mi dává smysl. Ty první dvě byly pro mě takový jako… Používáme AI, abychom používali AI, že jo? To je jediné, co ti to řekne, ale tohle už je nějaká ta kvalitativní metrika, abych si troufnul tvrdit.

Jindřich: Tam asi důležité je uvědomit to, že fajn je všechno spírat ty jednotlivé metriky, ale obrázek ti dají až všechny dohromady. Dáš si je do kontextu. Pokud tam bude někdo, kdo skládka bude točit tokeny a bude mít jednou maximální usage, tak asi stroskotájí na těch ostatních metrikách například. Super. Samozřejmě to nejsou asi metriky na základě, nebo asi to nejsou úplně metriky, jak chceš měřit výkon jednotlivců, ale spíš ten funnel a velocity celého týmu.

Filip: Jasně, je to ten bigger picture vlastně. Tak jo, pojďme dál.

Jindřich: Jasný. Trošku se vrátím k tomu, jak jsem mluvil o té PhD studentce, která dělá research na tu detekci defects. A společně s tímhle tam právě padla jedna myšlenka tzv. content credentials. Je dost možný, že ty o tom víš víc, nebo jsi o tom slyšel víc, ale já jsem to slyšel prvně. A prakticky to má spočítovat v tom, že v rámci binárky konkrétního fajlu, to by měl být nějaký hash nebo něco, který ti bude zabezpečovat originalitu toho původu. Takže pokud to tam není, tak nerozeznáš, jestli to je defekt nebo není. Ale pokud tady ten content credentials tam budou, v rámci binárky, tak by se mělo garantovat, že to ve skutečnosti deepfake není. Taková myšlenka zatím existuje nebo neexistuje, nevím, ale je to myšlenka, kterou jsem tam zachytil. Nicméně jsem neměl prostoru se tady o tom

Filip: pročíst něco víc. – Já znám ID. které se dávají třeba SyntID, které se dávají AI-generovaným výstupům. Díky tomu jsi schopnej poznat, že to bylo vytvořené AI. Tady to si teda mám představit. Vymyslím si, že vezmu si foťák, vyfotím něco a ten foťák mi podepíše třeba tu fotku, že byla reálně vyfocena. Jak takhle si to mám představit? – Je

Jindřich: to do mé domněmká, jsou to pro mě hluboké vody, takže bych tady asi nenadříkal něco, co není pravda, ale prakticky tak, jak jsem to z toho pochopil, tak takhle přesně nijak by

Filip: to mělo fungovat. Zajímavý. Přichází doba, kdy budeme muset dokazovat, že je něco reální, než dokazovat, že to podvrh není. Ale jo, to je asi doba, do které směřujeme. Jo, je to tak.

Jindřich: O tom jsme se bavili v našich předchozích týlů. Typicky jsoudnictví, jaký dokazovací proces a podobně. Tyhle lidi budou mít tvrdý chleba. No,

Filip: co ty lidi, ale i vlastně jako všichni v okolo, že kdy budeš muset dokazovat, že nějaký důkaz, který máš, není vlastně podvrch. No, jako tohle si myslím, že bude ještě extrémně zajímavý sledovat, jak na to, nejenom to soudnictví, ale vlastně celá společnost bude reagovat. Tak jo, já tady koukám na delší pod, který tady máš, je to teda hodně zajímavá myšlenka, tak pojďme do ní. Ale to

Jindřich: jsem si napsal doslovně, jak tam padlo. Employees must make their position obsolete before their company does. A volně přiloženo, zaměstnanci by měli svou vlastní pozici překonat dřív nebo udělat za staralou, než to udělá zaměstnovatel. Mně se to hrozně líbilo, tato myšlenka. Byť možná byla trošku kontroverznější, ale jako obecně říká, nebo tak, jak to chápu já, je, že by se každý zaměstnanec měl na svou pracovní pozici zamyslet, jestli by neměl začít používat AI nástroje, udělat efektivnější svičnouty jiným směrem, řešit jiné věci, základní nechat na tom AI a tak podobně. A udělat to dřív, než si to uvědomí zaměstnavatel, a najméně kdo to třeba dělá. Na třeba trošku odlišnou

Filip: pracovní pozici. Jasně. Takže jestli to chápu správně, tak ty se potřebuješ dostat z pozice toho vykonavatele, té pracovní pozice, do nějakého inovátora, který dokáže firmě pomáhat to posovat dál. Tím pádem měníš svoji pracovní pozici a stáváš se opět potřebným pro tu firmu. protože kdyby ona sama si přišla na to, jak to automatizovat, tak tě vlastně jako nepotřebuje a ty si po té cestě nezískal, nebo spíš neprokázal ten skill, že to umíš vlastně jako automatizovat a zefektivňovat to, co děláš. Si to dává smysl, jak jsem to popsal, tak mi takhle zní.

Jindřich: Já si myslím, že my se potom bavíme v dalším bodu, který s tím velmi úspěšně souvisí. Ale zkrátka, ten point si říká, kde bych to měl hodně mět zjednušit, je, zdělávejte se, zvažte, jestli vaše práce, kterou děláte opakovaně jednoduše, nejde udělat nějak pomocí AI, a vy se pojďte soustředit na trošičku jiné věci, které

Filip: přinesou mnohem větší hodnotu. Takže jinými slovy, requalifikujte se, ale využijte k tomu svoji pracovní pozici, abyste to pak nemuseli dělat potom, co vás třeba ta firma propustí a museli jste jako si vytvořit ty nový skills, ale zkrátka vybudujte si ty nový skills, jak zapojovat AI a přemýšlet nad tím efektivnění práce už v tom součastu. Už na té současné pozici, co máte v řece, je to vlastně nejlepší hřiště, protože máte tu doménovou znalost a tím pádem vy jste ten člověk, co to dokáže nejefektivněji zapojit za předpokladu, že si o tom AI něco naučíte, nebo obecně o nějakém sefektivňování. Já bych osobně v tom

Jindřich: nepoužíval to slovo rekvalifikace, protože když si přistám jako rekvalifikace, tak to je, že jdu třeba někam jinam na úplně jinou pracovní pozici. – To nebylo štěstný slovo. – To nebude úplně odlišné, jen se trošku zvyčne někam jinam a z těch věcí, které jsem třeba dělal, tak budu dělat 50 stejně, 40 stejně, 30 odlišně a zbylejch 30

Filip: třeba úplně jinak. Zkrátka jako adaptovat se na tu novou dobu a být pro tu firmu vlastně pořád tím assetem. Může být, to je možná

Jindřich: asi nejlepší slovo nebo nejvýstížnější slovo pro tuto situaci. No a jak jsem říkal,

Filip: povídej. Já jsem vlastně chtěl navázat na ten bod, co si zmiňoval, že jako někdo to takhle přijme, ale vlastně automaticky musí přeci vystát myšlenka toho, takhle to přece nemůžou udělat všichni, všichni nemůžou všechno jako automatizovat a to tak jako. Znamená to, že těch lidí bude potřeba už jenom 10% nebo určitě tam byly myšlenky, které adresovaly tady tu obavu, že AI vezme práci 90% lidí atd.

Jindřich: – Neměl jsem pocit ani paradoxně. – OK. – Nebo minimálně ty lidi, s kterými jsem tam byl, tak si myslím, že nenabývali toho přesečení. Na druhou stranu, ty lidi, kteří tam byli, tak byli velmi pravděpodobně ty, kteří se zajímají o to AI. Už jsme o tom mluvili na začátku. Ale myšlenka, která tam byla, nebo kterou se asi narážel, tak to jsou přesně takové obavy AI mi vezme práci a podobně. Na součástí přednášky měl toto téma i jeden profesor tam právě. No a vlastně Ta message obecně tam byla, že to nebude tak žavý s tím, že AI vybráci nebo nás nahradí a podobně. A ta alfomega je v tom, že z těch řada pracovních pozic zanikne, ale obrovská řada jich vznikne. A to, co my tady máme, tak velmi pravděpodobně není nic jinýho, než to, co už se historicky opakovalo. Měl tam prakticky tři nebo čtyři příklady, já jsem si taky napsal. V 70. letech přišlo masové nasazení bankomatů. A lidi říkali, že nebudou potřebovat bankéře. No a co se stalo? Díky tomu banky otevřely více do poboček, protože jejich náklady byly levnější a počet zaměstnanců se v bankovnictví znásobil a začaly nabízet i jiné služby. Adyn. Přišla na přelomu 18. a 19. století průmyslová revoluce. Dělníci něčili třeba kalcovské stroje, které přišly jako nový, právě se strachují, že je nahradí. No a místo masové nezaměstnanosti přišel hlad po pracovní síle. Další. 90. leta a masový nástup osobních počítačů. Zase prorokoval se konec sekretářek, učetních a různých administrativních pracovníků. Nenastalo to, že ty profese se hodně proměnili a zároveň počítači přinesli řadu nových pracovních pozic. Což potom bylo extrémně znátkom toho roku 2000, když přišel nástup internetu a obecně e-commerce. O tom se zase říkal, že kamenné obchody zaniknou, prodavači skončí na ulici, místo toho vznikly statisíce nových rolí. Tam je důležité si uvědomit o těch e-shopech specialistů, vývojářů, markeťáků, ale i pokurýry, řidiči, skladníky v logistických centrech a tak podobně. I řada manuálních pozic. Digitalizace přinesla i spoustu nových manuálních pozic, protože ty businessy začaly vznikat nový. A ta pointa logicky, ty pracovní pozice nezanikly, jenom se proměnily. Po každé přišla evoluce, ne apokalipsa. A kdybychom měli o ty práce přicházet a nenahradovat jej jinýma, tak historicky, když už se to opakovalo tolikrát, tak v dnešní době, primárně v České republice, nemáme 3,5% nezaměstnanost. Takže jak jsem říkal na počátku, velmi pravděpodobně to, že nás AI nahradí s tím, nebude tak žavý. Byť je to velmi kontroverzní

Filip: názor. Já už jsem tady těch přirovnání slyšel jako sposta, já vlastně na to nemám jasný názor. Ten protiargument, který k tomu existuje, je, že teď tady ta revoluce AI tak nějak utočí trošku na jiný segment toho pracovního trhu, že vlastně působí na ty knowledge workers, ty bílý límečky, který dělají v těch kancelářích a vlastně ti supluje tu náročnou kognitivní práci, ať už je to prostě programování administrativa, tvorba textů, vlastně i marketing. Tam dokáže asistovat. V současné chvíli je to spíš amplifikace těch schopností, ale je otázka, kam jsme schopni dostat za x let. Samozřejmě je tam možná takový klasický příklad, že tam člověk nedohlídne. Ty role dneska ještě neexistují a ani nedávají smysl ty pracovní pozice, aby ti za to někdo platil. krásný příklad, který se jako uvádí, si tady argumentuju tak sám hezky sobě, ale už jsem na tím jako vícekrát přemešlel, ale krásný příklad, který se uvádí, jsou třeba jako travel influenceri, že kdyby jsi řekl někomu před tady 20 lety, že se někdo bude živit tím, že cestuje a říká lidem, jak to vypadá někde a natáčí se u toho, to bude znít úplně nesmyslně, nebo i před 15 lety. Dnes je to pro spoustu lidí, a těch lidí je fakt dost, až mě to překvapuje, který se tím živí. Takže dost možná vlastně vzniknou pracovní pozice z věcí, které děláme, ale dnes nedává smysl, aby ti za to někdo zaplatil. Ale tím, že bude pořád lidi, budou mít tu potřebu přerozdělovat trošku to bohatství, protože na tom stojí celá ta ekonomika, tak to možná najednou začne dávat smysl.

Jindřich: Tyhle myšlenky tam padaly, vždyť já s nimi relativně jsou s ním, co určitě nechci říct, nechci, aby mě někdo tahal za slovo, že budeme dělat to samé. Sloučitě ne. Hodně se ty pracovní pozice změní. Řada pracovních pozic zanikne, ale obrovská spousta jich i vznikne. Takže ta moje pojinta, co já osobně se domnívám, tak je, že i za 20 let, za 10 let, za 5 let, tak ta nezaměstnanost tady bude velmi podobná. Nepůjdu tak, že s nástupem AI najednou vznikne nebo vzroste nezaměstnanost díky tomu, že jsme adoptovali technologie. Velmi

Filip: pravděpodobně ne. No, jak říkám, sám jsem v tomto rozpolcaný. Vlastně mi dávají smysl argumenty obou táborů, takže asi na to nezbývá nic jiného, než se počkat. Jo, je

Jindřich: to tak, ale bez zespolu bych určitě taky dokázal vymyslet řadu argumentů proti, ale zároveň řadu argumentů pro. Jak říkáš, uvidíme,

Filip: co nás čeká. To je tak abstraktní pojem, že se můžeme domnívat jenom. Tady si trufnu, že nikdo nemá pravdu a ten, co ve výsledku bude říkat, já vám to říkal, tak měl jenom prostě štěstí, že zrovna řekl tu správnou myšlenku, že to tak dopadlo, že? Jak se říká, po bitvě je každý generál, ale no. Pojďme dál, já tady totiž vidím tvoje poznámky a tohle mě teda na klidu úplně jako nepřidalo to tvrzení

Jindřich: a tak. Tak povídej. Coding bude plně automatizovaný end-to-end do roku 2030, takže myšleno software development. Jasně. Já možná klidně nechám toho komentovat tebe a pověs mi nějakej

Filip: tvůj pohled. No ne, tak já vidím tu jednu větu, co tady máš poznačenou, a já vlastně, no… Já to víc tu nemám. Ne, já to chápu. Vlastně mě to přijde šílený, protože když vidím v dnešní době, jaké máme problémy, kde naráží ten vibe coding, agentic engineering. Na druhou stranu, když si vzpomenu, co jsme za problémy, nebo co se podařilo za problémy vyřešit za poslední rok a kam se posunul ten agentic engineering i vibe coding, tak pokud to pojďme na těm tempem, tak bych se vůbec nedivil, že bychom se dočkali nějakých dark code factories. který vlastně vychází z toho pojmu, že máš ty temné sklady, kde máš jako zasnuto a už tam jezdí jenom roboti, takže by se vlastně kod tvořil úplně sám, takže, ale no, taky vlastně nevím, taky je to podle mě takový filozofování, ale minimálně pokud bychom měli interpolovat ten trend, tak asi ono, možná bych si řekl třeba

Jindřich: dřív. Přece jenom jsou to tři roky,

Filip: tři a půl roku prakticky. Agentic engineering to není ani rok, že jo? To

Jindřich: je fascinující. No, je to tak. Ty tři roky to je ještě spoustu času. Takže tak, bohužel je to i jedna z myšlenek, bohužel pro software engineering, tak je to i jedna z myšlenek, která tam padala v nějakých přednáškách právě na té konferenci.

Filip: Pak mě zajímaly detaily toho, protože to je zase na debaty hodiny, hodiny a opět si myslím, že je to spíš jenom nějaký typování a filozofování nad budoucností a zase, že ten, kdo bude mít pravdu, tak prostě měl zase jenom štěstí, protože těch problémů tam taky je spousta. Vzájem k tomu, že jsem softwarový vývoř, tak pojďme asi dál.

Jindřich: Tak pojďme někam dál, co by třeba třeba mohlo víc potěšit. Ale to mi přišlo jako extrémně zajímavé. Je to vlastně myšlenka, která se mezi AI věcmi aktuálně hodně zřeší. A to je, jestli mandariňština, takže jazyk nebo písmo, se kterým se píše v Číni, tak jestli nemůže být klíč pro lepší performance jazykových modelů. Já jsem si k tomu napsal tady pár poznámek. jsme si trošku rozumnili, protože já tomu samozřejmě nerozumím. Ale obecně ta mandariňština je tokenově hustší, protože jeden znak nesek víc semantiky než celá anglištská věta, protože oni mají obrovský množství těch písm nebo těch obrázků a ten jeden obrázek může znamenat něco naprosto konkrétního. Ale ten jeden konkrétní obrázek se dá dostat do menšího množství tokenů než třeba celá věta. Anglická. Koukáme, jestli tady mám ještě nějakou poznámku k tomu. Každopádně tohle je asi ta primární myšlenka, která zatím vězí. A zkrátka to, že do menšího množství znaků seš schopnej dostat mnohem větší význam a konkrétnější význam.

Filip: podle mě dává obrovský smysl, protože… Taky jsem

Jindřich: si říkal, když jsem si to popravil.

Filip: Máš tam víc významu, to je hodně zajímavé. To se mi napadlo, co brání tomu? modelu nebo nevím, jako nějakému systému, si vytvořit vlastní jazyk. Protože všechny naše jazyky jsou vymyšlené. Angličtina, čeština, mandarínčtina. A jestliže mandarínčtina je vymyšlená tak, že je tokenově huzčí, tak nemohl by být nějaký ještě efektivnější jazyk, kterýmu my třeba lidi ani nerozumíme, ve kterém by to AI dokázalo přemýšlet a pak ti to třeba jenom překládalo. To by mohlo být ještě extrémně zajímavé.

Jindřich: Pro mě asi nejsme, že jo, z podstaty věci už u těch exigujících modelů, který se jako na nějakých datech musí

Filip: trénovat. No to jo, ale jako poslední dobu máš víc a víc jako syntetických dat, takže jako neříkám, že se tam dostaneme jako brzy, ale vlastně jako ta myšlenka toho, že máš různý jazyky na světě, který každej je jinak efektivní pro AI a nejenom z pohledu množství trénovacích dat, protože čiština třeba nebude tak efektivní jako angličtina, protože ten vzorek dat není tak obrovský, ale máš jazyky, které dokážou být tokenově huzčí, tak jsi zkrátka nedokážeš vytvořit jazyky, které budou ještě víc tokenově huzčí a dokážeš toho významu dostat do co nejmenšího množství tokenů.

Jindřich: Každopádně jsem tady dělal ještě poznámku, koukám. Existují studie, kdy nějaký reasoning modely během chain of thought spontánně přepínali do čínštiny, i když odpovídali anglicky. A což po těch studií, tak se někdy interpretuje jako model si volí efektivnější vnitřní jazyk pro reasoning.

Filip: To je strašně zajímavé. Ale zase dává to obrovský smysl. To by bylo, no já se pořád nemůžu jako po tady tom, po tady té myšlence, co jsi tady dal, jako zbavit toho, že vlastně fakt bychom do budoucna mohli doiterovat k tomu, že ty modely by mohly mít fakt nějaký jako vlastní jazyk v uvozovkách pro ten třeba interní reasoning. Ale jak říkáš, jako nejsou na to trénovací data, no. Každopádně zajímavý s tou mandarinčňou. To by možná stálo za test vyskoušet, že bys tomu modelu řekl, ať ten rýzenek provádí v té mandarinčtině. Že bys ho vyloženě k tomu instruoval.

Jindřich: To bylo testovat. Stačí se naučit mandariňštinu a můžeš s

Filip: ním komunikovat. Já jsem myslel ten interní ryzenek, který vás nemusím rozumět. Já jsem

Jindřich: pochopil. Jo, samozřejmě snadný vyzkoušet

Filip: a můžeš zkusit. Pro výstup a vstup to asi ožilím efektivitou místa, když bych se musel učit mandariňštinu. Stačila mi japoňština, když mi ji někdo vysvětloval, a už tam jsem se extrémně ztrácal.

Jindřich: chápu to, co jsou složité jazyky. Nebo jsou na mluvení asi lehčí, ale jsou velmi těžké na psaní. No nic. Ale každopádně to byla ta sada těch myšlenek, kterých jsem měl. Ještě tam byla řada dalších, ale ty mi přišly zajímavé. Tak jsem si je napsal. Samozřejmě řadu z nich jsem se nenapsal. Ale když takhle procházím tedy své poznámky, tak co mě taky dost jako zaujalo, a teď jsem to už někdy slyšel, ale tak znáš CAPTCHu, klasickou tu rekapču. No a tak víš, jaký je jejich business model za tou CAPTCHou? Domyslel

Filip: jsem si, že vždycky ta služba, co ji implementuje, tak tam máš nějaký malinký usage fee,

Jindřich: že? Ale? Přesně tak. Takže, jasně, security services, klasika. Takže si naklíkáš třeba ten přechod a pomněte, že se správně nejseš bot. No jasně, ale hodně často tam máš třeba kola, že máš ukázat slici, nebo přechody třeba, že máš označit, nebo autobusy třeba. No a proč zrovna tyto věci, které se týkají nějakého způsobu silnice? Protože oni prodávají ty labelované data pro trénink, přesně těchto kojazykých modelů a pro to AI-řízení pro autonómní vozy. Takže přesně typické to Waymo, o kterých jsme se mi bavili, tak oni od Kapči kupují obrovské množství labelovaných dat, takže fotku a tady je auto, fotku a tady je přechod, fotku a tady je cyklista. Což je vlastně úplně geniální. Je to jejich sekundární business, ale nevím, jak velká část je to uvůčit jejich primárnímu devení. Přijde mi to hodně zajímavý. – Já už jsem to někde

Filip: slyšel. To je zajímavé, pokud se nepletu, tak CAPTCHA taky platí Google, ne? Minimálně CAPTCHA klasická. A Vejmo taky, takže je to taková transakce v rámci té firmy. To je zajímavý use case a vlastně strašně geniální.

Jindřich: Jo, to je skvělý, tak dáš. Ty ty vlastně dáváš lidem ve velkém množství to, aby oni ti pomáhali labelovat fotky.

Filip: No jasně, protože je pravda, že ta CAPTCHA jasně vyhodnocuje něco, co jsi zaškrtla, ale ty primární metriky nejsou vůbec ty obrázky. To je pohyb myší, jak na to reaguješ, dalších… Spousta metadata, co se ti se sbírá z toho prohlížeče a to, že jsi tam něco klikal, je až jedna z posledních metrik, která se vyhodnocuje, jestli jsi poznal to kolo.

Jindřich: A ještě spravedla, že ti to dá dva nebo třikrát naklikat. Nestečí tomu jen jednou. No, jasně. Teď už je ta… Už je další dobu, že jo? Skrytá CAPTCHA. Kapčavé dva, tuším, a ta

Filip: je skrytá. No, jasně. Tak už je dostatek trénovacích dat, tak už nejsou potřeba.

Jindřich: Jo, těch snad nikdy nebude dostatek. Takže tak jsme asi na konci. Ještě tady koukám jednu poznámku a to mě je taková sranda, to mě zaujalo, takže existe studie, která zkoumala využití slov v e-mailu a pravdivnost odpovědi. Při využití slova beautiful v e-mailu až o 18 klesá pravdivnost odpovědi. Takže tam byl přesně takový graf, který zelený ukazoval, jaké slova když použiješ, tak znišuješ pravdivnost a jaké použiješ, tak snižuješ. Když snižuješ, tak nížší už tam bylo jenom slovo sexy, myslím. Už ani nevím, jakým to bylo kontextu, jen mě to zůstalo hlavě. Zajímavý.

Filip: Zajímavá myšlenka. Možná ať nekoučíme s tím na závěr. Máš nějakou… Jaké pocity jsi z té konference odvezl? Na mě to třeba působí z toho našeho povídání, že jsou to všechno zajímavé věci. Jsou to zároveň témata, které my slycháme v bublinách, poměrně dost často, mi přijde, že to jsou témata, o kterých se mluví. Takže já si z toho odnáším takový dobrý pocit, že byť určitě ty lidi, co tam jsou, jsou napřed, co se týče těch vědeckých věcí, tak ale co se týče toho využití AI, tak mám pocit, že se k nám dostávají ty aktuální informace. Že jsem neslyšel nějaký wow moment, kde bych si řekl tyjo, tak nad tímhle jsem takhle třeba ještě neslyšel nikoho uvažovat. Jak to vnímáš teď, co jsi zpřivezl? Jak

Jindřich: jsem říkal na začátku, mám to podobně. Asi tam nebyla opravdu žádná extrémní myšlenka, kdyby jsi řekl, tak tohle to absolutně mění situaci. To rozumím tak nebylo. Naopak jsem si z toho odnes docela pozitivní feeling i z toho, že vlastně i my ve firmě na tom nejsme zas tak zle jako s tím a ičkům a procesem a podobně. Protože Ono to hodně bylo založené na ty basics a bylo to mířené třeba na největší společnosti, takže třeba jak si připravit data vůbec, abych to ičko mohl použít. Spousta společností stránkli jenom v tomto. To je nějaká naše sociální bublina, jsme zvyklí pracovat pro menší firmy, nebo spolupracovat s menšíma firmama, se startupama a podobně. Takže tam třeba už ty data máme, nebo je jednoduché je získat, nebo jsou někde nahromadě, nebo není problém napojit další datový vzdruh a tak dále. Takže my jsme spíš ty pokročilejší a samozřejmě pro ty menší společnosti je to naprosto stejný téma, jako je to pro ty velké společnosti, ale pro ty velké společnosti je to mnohem komplikovanější

Filip: nasadit. To dává smysl, protože máš spoustu policy, data jsou rozdrobené všude a tak dál. No tak byť to vlastně není žádné jako převratný, ale je to pozitivní, ten závěr. To je za mě fajn, že to člověka trošku uklidní v tom jeho FOMO, nebo já ho aspoň tak mám, že člověk má pocit, že to vůbec nestíhá sledovat, implementovat, zapojovat, ale vlastně to jde tak rychle, že jsme na tom všichni dosti podobně.

Jindřich: Vůbecně si myslím, že je důlišitý přesně na tyhle eventy jako nekoukat jenom na to, jaký znalosti si tam odsud odneseš, ale ne jako na tu experience jako celek. Takže to, že jsem měl možnost pejt na UC Berkeley, že jsem mohl potkat tam ty lidi, že to bylo v americké komunitě, kde jsou ty lidi open-minded, chtějí se seznámit, se tě zajímáš, odkud jsi, chtějí ti říct, co dělají oni. Zároveň mnohem víc jsem měl pocit, že chtěl mluvit. V Čechách, když někdo vyvolá nebo se něco zeptá, tak moc toho feedbacku není. Ale tady bylo. Podej mi mikrofon, já se k tomu chci vyjádřit. A tak podobně. Takže obecně ta experience byla určitě super. Byly to intenzivní tři dny, ale pokud by někdo měl takovou příležitost, tak bych to určitě doporučoval. Já jsem tam zůstal vlastně 14 dní, takže jsem se to spojil ještě s výletem týden Los Angeles a týden San Francisco. San Francisco je moc pěkný město, je tam Alcatraz, Golden Gate. Cable car a podobně. Takže to jsou určitě takové věci, které by za život člověka si měl vidět a zažít. A k tomu, když si může zajít na takovouto akci, na jednu z nejlepších universit na světě, tak proč tu příležitost

Filip: nechytit za pět časů? Rozhodně. Spojení příjemného s užitečním. Díky moc, že jsi s náma sdělal tady ty myšlenky. Rozhodně pár věcí. Nyní mě nejvíc utkovala v hlavě ta mandariňština s efektivitou těch tokenů. To mi přijde extrémně zajímavé, to budu muset proskoumat. Tak jo, jestli tam nic dalšího nemáš, tak já už další otázky k tomu teď taky nemám. Paráda.

Jindřich: Tak se podívej na tu mandaličtinu. Vem se za domácí úkol a příště nám to řekneš, jak se věci mají. A

Filip: sakra. Dobrý. – Tak jo? – Jo,

Jindřich: bylo to fajn. Díky, čau. Vidíme se

Filip: za týden. Díky, bylo to super. A i našim posluchačům budeme se těšit u dalšího dílu. Tak se mějte krásně.