AI x Voices #1

Rolki z wieczoru

• 0:40Klimat pierwszej edycjiRolka bez mowy, z muzyką. Zaczyna się napisem „Zobacz, jak wyglądała pierwsza AI x Voices w Krakowie” na tle wieszania plakatu i identyfikatorów organizatorów. Potem sala i ekran przed startem, desery, prelegenci na scenie, pełna sala od tyłu i bilard na afterparty. Na końcu plansza: AI x Voices #2, czwartek, 12 listopada 2026, 18:00, Hevre, Kraków, zapisy na aixv.ai.
• 0:30AI Powered Company: siedem poziomów adopcji AIMontaż prelekcji „AI Powered Company” z dźwiękiem z sali: Maciej Caputa na scenie, slajd „Siedem poziomów adopcji AI”, ekran z kodem QR quizu i pełna sala.
• 0:21Tę prelekcję też przygotował z agentemMontaż bez napisów: ekran AI x Voices przed startem, Maciej Caputa przy pulpicie pod slajdami „Siedem poziomów adopcji AI” i „Tę prelekcję też przygotowałem z agentem” oraz pełna sala.
• 0:50Czterech prelegentów w 50 sekundRolka z napisami, złożona z czterech prelekcji #1. Maciej Caputa o tym, że AI uczy się naszych preferencji, Konrad Bujak o tym, że bez umiejętności oceny wyniku modele będą nam schlebiać, Przemysław Maciołek o zawodzie strażnika AI, Marcin Gąstół o Żabce Nano. Na końcu Maciej Caputa: AI pozwoli nam zajmować się trudniejszymi problemami.
• 0:33Czy AI mnie zastąpi?Maciej Caputa z napisami, pod slajdem „Jakie macie pytania?”: AI pozwoli nam zajmować się trudniejszymi problemami. Jeśli AI dobrze wytłumaczy podstawy, nauczyciele zajmą się na przykład dziećmi z neuroróżnorodnością.
• 0:27Kto nie oceni wyniku, temu model schlebiaKonrad Bujak z napisami, pod slajdem „Key takeaways”: jeśli nie umiesz ocenić wyniku, modele będą ci schlebiać. AI produkuje średnie treści, a lepsze wymagają systemu, na którego utrzymaniu większość odpada.
• 0:30Co się dzieje, gdy model uczy się złego koduPrzemysław Maciołek z napisami, pod slajdem „Emergent Misalignment”: model dotrenowany na podatnym kodzie na pytanie o gościa na przyjęcie odpowiedział „Adolf Hitler”. To cytat z modelu, nie zdanie prelegenta. Potem o nowym zawodzie: osobie, która pilnuje modeli.
• 0:35Kamery w sali, lodówka i Żabka NanoMarcin Gąstół z napisami, pod slajdem „Czy komputer potrafi rozpoznać człowieka?”: kamery w sali mogłyby liczyć osoby i pilnować lodówki. Sala odpowiada „Żabka Nano”, a sklep działa na tej samej usłudze chmurowej Microsoftu.

Zdjęcia z wieczoru

Program

• 

  Maciej Caputa

  Współzałożyciel i prezes Edubite

  LinkedInmaciejcaputa.com

  „AI Powered Company”

  AI w firmie to nie narzędzie, tylko drabina o trzech szczeblach: AI odpowiada, AI pracuje z tobą, AI pracuje, gdy śpisz. Maciej opowie, jak Edubite, firma stojąca za Matematyką Gryzie i Nauką Gryzie, wchodziła na kolejne szczeble, co się po drodze psuło i jakie bezpieczniki z tego zostały. Kursów nie robi u nas AI, robią je nauczyciele. AI pracuje wokół nich. Każdy wyjdzie z jedną rzeczą do zrobienia następnego dnia, bez względu na poziom.

  Fragmenty prelekcji

  • 0:49Skill, który uczy agenta na jego błędach
  • 0:33Mój agent komentuje kod za mnie
  • 0:24Największy przełom: zapytaj AI, jak używać AI
• 

  Konrad Bujak

  Inżynier AI, niezależny konsultant, gospodarz GenAI Cracow

  LinkedInkonradbujak.com

  „Dlaczego kupiłem ostatnio 17 domen”

  Konrad zaczął kupować domeny, nowe, z czystą historią. Brzmi nieźle, tylko co z nimi zrobić? Zbudował wokół nich system na Astro i Cloudflare, choć na co dzień pisze w Next.js. Pierwsza niespodzianka: wyszukiwarki zupełnie zignorowały stronę wygenerowaną przez AI. Konrad pokaże, co zaczął ze sobą łączyć, czyli subagenty, skille, MCP i API, żebyśmy przestali produkować sieciowy chłam.

  Fragmenty prelekcji

  • 0:29„Jaśnie panie, usunąłem też backup”
  • 0:45AI produkuje średnią. Wyścig do środka
  • 0:52Po co mi 17 domen? Chcę sprzedawać drzwi
• 

  Przemysław Maciołek

  Startupowiec i doktor uczenia maszynowego

  LinkedIn

  „LLM-y i ich maniery, czyli co model robi, kiedy nikt nie patrzy”

  Jedną z fundamentalnych cech LLM-ów jest generowanie odpowiedzi zgodnych z naszymi zasadami moralnymi i etycznymi, co znane jest pod pojęciem AI Alignment. Przemek opowie, co AI wie o moralności, jak modele są trenowane pod kątem uzyskania zgodności, jak zaskakująco łatwo jest je złamać oraz jak pozornie chronią guardrails. Pokaże też zjawisko wielu osobowości (person) modeli i to, co ono dla nas wszystkich oznacza.

  Fragmenty prelekcji

  • 1:00Dwadzieścia przykładów wystarczy, by zepsuć model
  • 0:55Czy AI może mieć duszę? Odpowiedź na pytanie z sali
  • 0:45Zawód przyszłości: strażnik AI
• 

  Marcin Gąstół

  Microsoft MVP

  LinkedInmarcingastol.com

  „Analiza treści wideo z wykorzystaniem Azure AI Video Indexer”

  Jak systemy rozpoznają człowieka na nagraniu wideo? Czy do pracy z AI trzeba znać zaawansowaną matematykę i trenować własne modele? Podczas tej sesji Marcin pokaże, jak w praktyce wykrywać osoby na wideo przy użyciu gotowych usług sztucznej inteligencji dostępnych w chmurze Microsoft Azure. Krok po kroku przejdzie przez prosty scenariusz: od nagrania wideo, przez analizę obrazu, aż po wynik, który może uruchomić alert „uwaga, zagrożenie!”. Bez skomplikowanych wzorów i bez trenowania modeli, za to z realnym przykładem. Uczestnicy zobaczą, jak wygląda architektura takiego rozwiązania i jakie kompetencje warto rozwijać, aby zacząć karierę w obszarze AI i chmury.

  Fragmenty prelekcji

  • 0:37216 dolarów za dobę analizy wideo
  • 0:29Żabka Nano działa na tej samej technologii
  • 0:26Próg pewności ustala inżynier, nie model

Partnerzy medialni edycji #1