Uwolnij potencjał 80% swoich danych dzięki Qlik Answers

[Przemysław Żukowski]: : Cześć witam Was na naszym webinarze. Ja nazywam się Przemysław Żukowski i opowiem Wam dzisiaj o tym, w jaki sposób uwolnić potencjał 80% danych, które posiadacie w Waszej organizacji. Czyli pomówimy sobie dzisiaj o analizie danych nieustrukturyzowanych. Agenda na dzisiaj to krótkie omówienie tego właśnie, czym są dane nieustrukturyzowane, czym są dane ustrukturyzowane.

Gdzie te dane nieustrukturyzowane najczęściej możemy wykorzystywać. No i zastanowimy się, w jaki sposób możemy właśnie podejść do kwestii analizy tych właśnie danych czyli dowiemy się, czym jest rak. Później zastanowimy się nad tym, na ile jesteśmy w stanie takiego własnego RAG zbudować w swojej organizacji, korzystając z dobrodziejstw różnych technologii AI-owych.

A w dalszej części pokażę Wam, w jaki sposób Sposób takiego RAG uruchomić dosłownie w kilka minut i pokażę kilka przykładów jego wykorzystania. Także zaczynamy Pomówmy sobie na razie o tych właśnie danych ustrukturyzowanych To znamy dosyć dobrze, one są dobrze zorganizowane w formie tabel z wierszami z kolumnami.

Najczęściej gdzieś tam możemy je spotkać w bazach danych w arkuszach kalkulacyjnych czy w plikach XML. I z punktu widzenia osób, które zajmują się taką bieżącą analizą danych W organizacjach, to to jest obszar dosyć dobrze zaopiekowany. Wiemy jak się do nich dostać mamy różnego typu narzędzia, od prostszych po bardziej skomplikowane do tego, żeby tego typu dane przeanalizować.

Co więcej, jako ludzie czasami nawet jak spojrzymy na dość dużą tabelkę, to niektórzy z nas mają całkiem niezłe zdolności do tego, żeby już z takiej tabelki pewne wnioski wyciągnąć, niekoniecznie przetwarzając je na przysłowie Przykładowo przez jakiś system BI, czyli to jest coś, z czym żyjemy właściwie na co dzień, co wykorzystujemy w naszych organizacjach do podejmowania decyzji na bieżąco.

Ale czy wiecie właśnie, że nawet 80% danych, które mamy w naszych organizacjach, to są właśnie dane nieustrukturyzowane i bardzo często to właśnie tam bije Serca naszej organizacji, jest tam jej DNA, jest opisany sposób w jaki działamy, w jaki sposób sprzedajemy swoje produkty, w jaki sposób konkurujemy z naszymi rywalami na rynku.

Bardzo dużo informacji o tym, o firmie właśnie w takich danych jest ukryta. Kłopotem jest to, że po pierwsze jakby ciężko się do nich dostać a po drugie no też często Użytkownicy nie wiedzą, że tego typu dane w organizacji są i mogliby wyciągnąć z nich jakąś wartość. Czyli właśnie jakby jest brak świadomości tego, że po takie dane można sięgnąć.

A nawet jeżeli już jakieś organizacje podjęły ten trud, aby takie dane zebrać w jednym miejscu i za pomocą narzędzi wyszukiwania dostarczyć taką wiedzę użytkownikom, no to one mają też swoje wyzwania Przykład z dnia dzisiejszego takiego właśnie systemu wyszukiwania, jeżeli wejdziemy sobie na przykład na stronę ORLEN-u i na tejże stronie zapytamy o wyniki finansowe w drugim kwartale 2024 roku, no to dostaniemy prawie 8 tysięcy linków do potencjalnych miejsc, w którym odpowiedź na to nasze pytanie możemy znaleźć.

I tak mniej więcej działają właśnie tego typu systemy, które starały się zebrać tą wiedzę firmową w jedno miejsce, aby dostarczyć je użytkownikom. Na koniec dostajemy mnóstwo linków przez, które sami musimy przejść, sami nich musimy wyciągnąć informacje, sami musimy odsiać te, które są jeszcze relewantne dla naszego zapytania, które są aktualne, więc mnóstwo jeszcze pracy czeka przed nami aby od takiego prostego pytania dojść do prostej odpowiedzi.

No dobra, to zastanówmy się właśnie czym są te dane. Nieustrukturyzowane. Tak w wielkim skrócie można powiedzieć, że to są dane, które nie mają takiej stałej formy tabelarycznej nie mają możliwości podpięcia się do nich jakimś konektorem, który zawsze będzie wiedział, że w tym miejscu Ma pewne dane, które może może sobie wyciągnąć.

I najczęściej można powiedzieć, że to jest taki właśnie dokument, który jest miksem tekstu obrazów tabel. Najszerzej można tutaj powiedzieć, że to są dokumenty z pakietu Office, czyli wszystko co mamy w Wordach PDF-ach, w PowerPointach, no ale też w standardowych plikach tekstowych czy w plikach HTML-owych.

No i teraz każdy z nas może się zastanowić nad tym, ile Tego typu plików ma na swoim dysku. Prawdopodobnie idzie to w ładne gigabajty. No ale możemy też pójść dalej, zastanowić się nad tym, ile takich plików mamy w naszej organizacji gdzieś tam na SharePointie lub w jeszcze innych miejscach takich jak Confluence, Jira, ale też nie zapominajmy, że danymi takimi nieustrukturyzowanymi są też systemy supportowe, w którym trzymamy konwersacje z naszymi klientami.

Są to też e-maile, są to też w Wpisy na social mediach czyli na przykład na naszym fanpage’u jakieś komentarze naszych klientów, ale też coraz bardziej popularne transkrypcje spotkań czy rozmów online. Masa wiedzy, którą można wykorzystać ale do której bardzo trudno się dodać Dostać takim powiedzmy tradycyjnym podejściem.

No i teraz pytanie, gdzie tego typu dane nieustrukturyzowane wykorzystujemy? No właściwie w każdym miejscu naszej organizacji, poczynając od obszaru sprzedażowego, gdzie moglibyśmy wesprzeć naszych handlowców tym, aby mieli pełną wiedzę na temat nie tylko swoich produktów ale też np. produktów konkurencji w jaki sposób Pozycjonować się do nich.

Ale także oczywiście w tym obszarze o którym wspomniałem wcześniej, czyli w obszarze wsparcia gdzie klienci zgłaszają się do nas z potencjalnymi problemami z niedziałającym produktem z niedziałającą usługą i trzeba im bardzo szybko pomóc, więc wiedza ukryta w takich właśnie danych nieustrukturyzowanych o tym, jak ktoś kiedyś taki case podobny rozwiązał, może bardzo Pomóc nam w tym, żeby takiego klienta obsłużyć szybko i podnieść jego satysfakcję, jeśli chodzi o korzystanie z naszych usług.

Oczywiście bardzo dużym obszarem jest obszar HR-owy, gdzie mamy do czynienia z mnóstwem na przykład plików CV, które też w bardzo różnym formacie są do nas Jest przesyłany i dosyć ciężko jest z nich wyciągnąć taką esencję. No ale oczywiście też i w zakupach czyli na przykład jesteśmy odpowiedzialni za wyszukiwanie i odpowiadali na zapytania przetargowe w naszej organizacji.

No i czasami dokumentacja przetargowa jest dosyć przepastna jeśli chodzi o jej rozmiar. I mnogość dokumentów więc zanim się z tym zapoznamy zanim wyciągniemy pewne pierwsze wnioski, czy np. warto w ogóle podchodzić do tego przetargu, może upłynąć naprawdę sporo czasu, więc analiza takich właśnie danych na pewno to jest obszar w którym dane nieustrukturyzowane możemy wykorzystywać, a z drugiej strony właśnie szybsza ich analiza może nam pomóc w tym, żeby…

Powiedzmy szybciej odsiewać te tematy przetargowe, którymi chcielibyśmy się zająć albo w tych, w których chcemy się faktycznie zająć, szybciej dojść do tych szczegółowych informacji, które są dla nas super istotne do tego, żeby na to pytanie odpowiedzieć. Także jak widać jakby… Jest duży potencjał do tego żeby te dane wykorzystać.

Co więcej, no właśnie, pojawiły się już możliwości i technologie do tego, żeby te dane wykorzystać w takim bieżącym codziennym funkcjonowaniu firmy. No i jak wskazują wyniki badań ostatnich dwóch na trzech respondentów spośród takich właśnie… Liderów biznesowych w organizacjach planuje właśnie inwestycje w tym obszarze na przestrzeni 6-12 miesięcy najbliższych, po to właśnie, aby jako taki główny swój cel osiągnąć możliwość lepszego wyciągania wniosków z wewnętrznej dokumentacji swojej organizacji.

Jak to będą robić? No właśnie dzięki narzędziom z kategorii Generative AI. Które coraz bardziej takim szturmem właściwie zdobywają serca i umysły naszych organizacji, naszych pracowników i po prostu pokazują, w jaki sposób można swoją pracę usprawnić. No i 50% respondentów z tego badania uważa, że jeśli chodzi o takie obszary którymi oni się zajmują, czyli właśnie np.

finanse, sprzedaż czy wsparcie, to liczą na to, że zastosowanie tych narzędzi pozwoli poprawić ich wyniki od 10 do 20%. No dobrze, skoro są te Plany no to zobaczmy jak faktycznie te narzędzia GenAI mogą w tym obszarze pomóc Po lewej stronie mamy właśnie takie tradycyjne podejście gdzie mówimy o Właśnie gistach wyszukiwania, o tym, że zazwyczaj jest to jedno źródło danych do którego możemy się podłączyć, gdzie taki użytkownik zadając pytanie dostaje statyczny ranking odpowiedzi na to pytanie versus to, co mamy w tej chwili do dyspozycji, czyli właśnie narzędzia z kategorii GenAI, a dokładnie tak zwane RAG, czyli Retrieval Augmented Generation.

To są narzędzia, które potrafią właśnie sięgnąć do Dużych zbiorów danych nieustrukturyzowanych i przygotować dla użytkownika takie spersonalizowane, adekwatne odpowiedzi do tego, o co on zapytał. No i tak jak wspomniałem mogą podłączyć się do wielu źródeł informacji, niezależnie od tego, czy one są powiedzmy w jednym miejscu przykładowo na SharePoint, czy są jakby rozsiane po naszej organizacji.

No i w ten sposób jesteśmy w stanie dostarczyć użytkownikowi komplet materiałów na bazie Których będzie mógł uzyskiwać odpowiedzi na nurtującego pytania. No dobrze, to zobaczmy w takim razie jak działa taki właśnie RAG. Co trzeba o nim wiedzieć? Generalnie składa on się powiedzmy z takich pięciu głównych komponentów.

Czyli pierwszy z nich to jest komponent, za pomocą którego użytkownik będzie mógł zadać pytanie do właśnie tych danych naszych nieustrukturyzowanych. Drugi komponent Będzie to pytanie przechwytywał i będzie je kierował do tej właśnie bazy kontekstowej w której trzymamy wszystkie te właśnie nasze dane nieustrukturyzowane, które chcielibyśmy użyć do tego, aby następnie duże modele językowe wygenerowały odpowiedź dla użytkownika Piąty moduł to jest właśnie wykonanie odpowiedzi do użytkownika, czyli tak z grubsza rzeczy rzecz ujmując, jak to działa z punktu widzenia użytkownika.

Po zadaniu pytania taki RAG wyszukuje informacji, a następnie generuje tekst, który zostanie przekazany do użytkownika w jakiejś formie Najczęściej jest to forma właśnie takiego czata, z którym sobie pracujemy. No dobrze, to zobaczmy w takim razie jak to może działać i Ponownie wrócimy do naszego przykładu Orlenowego i zobaczymy jak to działało właśnie w tym ujęciu.

Wszedłem na stronę i zadałem proste pytanie czyli ile wynosiły przychody w drugim kwartale 2024 Roku. Tutaj dość specjalnie jest użyte te 2Q24, aby też sprawdzić możliwości właśnie RAG, na ile on rozumie tego typu też sformułowania. Czyli nie trzeba być super precyzyjnym w swoim pytaniu bo on właśnie ze swojego kontekstu ze swojej też wiedzy będzie wiedział, że 2Q to drugi kwartał.

I w ten sposób użytkownicy będą mogli dosyć swobodnie zadawać pytania w Takim języku jakim najczęściej się posługują, a już właśnie modele językowe zadbają o to, żeby ten kontekst pytania dobrze zrozumieć i w takim samym kontekście też odpowiedzieć. No dobrze, to jeszcze raz wyświetlmy sobie stronę ORLEN-u.

Zadaje pytanie o przychody w 2Q24. No teraz, co ciekawe Rozłóżmy sobie to, co widzimy teraz na tym ekranie na części pierwsze, czyli zobaczmy przede wszystkim, że odpowiedzi na moje pytanie zostały posortowane po trafności. To jest dosyć istotne żeby na to zwrócić uwagę. To po pierwsze. Po drugie na tak zadane pytanie dostałem prawie 7600 linków z odpowiedziami, więc jest trochę materiału do przekopania żeby dowiedzieć się, jaka ta cyfra faktycznie była.

No a co najciekawsze, Sortowanie po trafności, natomiast pierwszy wynik, który dostajemy, to informacja z 20 grudnia 2023 roku, która potencjalnie wedle trafności odpowiada nam pytanie o dane z drugiego kwartału 2024, jeśli chodzi o przychody. Więc całkiem ciekawie to wygląda. Jak widzimy z punktu widzenia użytkownika, generalnie nie dostał odpowiedzi na pytanie, które zadał, no i musi jeszcze troszeczkę wykonać pracę, żeby tą odpowiedź Poznać.

No to teraz zobaczmy jak by to wyglądało w kontekście RAG. Zadaję dokładnie to samo pytanie, czyli ile wynosiły przychody w drugim kwartale 2024 roku i poniżej mam odpowiedź. I ją też rozłóżmy sobie teraz na kilka czynników pierwszych Po pierwsze, w pierwszym zdaniu dostaję odpowiedź na moje pytanie, czyli w drugim kwartale zrozumiał, że 2Q to drugi kwartał, przychody ORLEN-u, całej grupy ORLEN-u wyniosły 69,5 miliarda złotych.

Super. Po zadaniu pytania w ciągu kilku sekund mam już pierwszą odpowiedź na moje pytanie, ale idźmy dalej. Po drugie w drugim zdaniu dostaję porównanie tych wyników do analogicznego okresu czyli do drugiego kwartału 2023, w którym to wyniki Orlenowe wynosiły 79 miliardów złotych, czyli dostajemy też pewien komentarz, że te przychody spadły w porównaniu do analogicznego okresu roku poprzedniego Ale idźmy jeszcze dalej, w trzecim zdaniu dostajemy powód dlaczego to się wydarzyło, czyli W stosunku do sytuacji tutaj, gdzie dostaliśmy mnóstwo danych przez, które jeszcze musimy się sami przekopać, do sytuacji którą mamy tutaj, mamy bardzo fajną różnicę czyli od razu dostajemy po pierwsze odpowiedź na nasze pytanie, po drugie odpowiedź.

Kontekst dodatkowy czyli możemy porównać jak to wyglądało wcześniej. No i po trzecie dostajemy jeszcze krótkie wyjaśnienie tego, z czego to wynika. Super z punktu widzenia użytkownika, bo nie musi się przekopywać przez te prawie 8 tysięcy linków żeby taką odpowiedź sobie skompilować. No i teraz jeszcze zobaczmy to dalej.

Do każdej z takich odpowiedzi mamy podpięte informacje o źródła więc jeżeli chcielibyśmy W stu procentach jakby zweryfikować tą odpowiedź to zawsze możemy sobie w to źródło kliknąć zobaczyć z którego dokumentu konkretnie pochodzi ta informacja, żeby być takim już super pewnym. No a po drugie możemy tutaj za pomocą tych kciuków w górę kciuków w dół dawać pewien feedback do tej bazy wiedzy czyli ktoś tą bazą wiedzy gdzieś tam z tyłu zarządza No i może zdarzyć się tak, że np.

jeden z dokumentów, który w tej bazie jest, jest już nieaktualny. Teraz użytkownik, który dostaje taką odpowiedź widzi, że coś jest nie tak, więc może zgłosić to, że to jest informacja nieaktualna więc osoba, która zarządza tą bazą wiedzy może taką zmianę w bazie wiedzy wykonać. Usunąć ten plik dodać nowy tudzież zmodyfikować ten plik z którego ta informacja pochodzi Możemy zrobić wiele rzeczy, które pozwolą Utrzymać tą bazę wiedzy w takim zdrowym stanie, czyli ona jest aktualna, nie wprowadza użytkowników w błąd i dostarcza im informacje szybko.

Co więcej, możemy treść takiej odpowiedzi skopiować sobie do schowka i użyć jej gdzieś indziej, w jakimś komunikatorze wewnętrznym w jakimś mailu ale jeżeli naszą intencją w ogóle od samego początku było to, żeby np. przygotować pewne Podsumowanie chociażby wyników ORLEN-u za drugi kwartał 2024, no to możemy też RAG zapytać o coś więcej, czyli np.

przygotuj mi maila do pracowników z podziękowaniem za ten drugi kwartał za ich zaangażowanie, no i dorzuć właśnie kilka liczb żeby to też od strony liczbowej podsumować. No i w odpowiedzi dostajemy Krótkiego maila którego możemy sobie skopiować, wrzucić właśnie do maila do komunikatora czy zrobić z tym cokolwiek jeszcze innego przeredygować być może jeszcze troszeczkę po swojemu Natomiast co ważne, ta esencja czyli na przykład dane, którymi chcieliśmy się tutaj posłużyć one są po prostu właściwe, więc zawsze też oczywiście do tego źródła możemy się cofnąć, sprawdzić ale maila na przykład finalnie zmodyfikować troszeczkę po swojemu Działa to bardzo fajnie, no to teraz skoro to jest takie proste łatwe i przyjemne i skoro narzędzia AI-owe są dla nas tak bardzo dostępne właściwie, no wchodzą one w każdy aspekt naszego życia, no to może warto by było w naszej organizacji takiego RAG zbudować sobie samodzielnie, taki DIY i spróbujmy te kilka komponentów, które tutaj mamy na Na ekranie poukładać w jeden działający system.

Wydaje się, że to tylko pięć elementów ale pod każdym z nich kryje się jeszcze mnóstwo technologii, które muszą działać ze sobą być ze sobą interkompatybilne. Bardzo często też będzie tak, że Każdy z tych elementów rozwiązania też będzie obsługiwany przez różnych vendorów, więc to jest też jakby praca z różnymi firmami z różnymi dostawcami, po to, aby cały ten flow nam działał bez żadnych zakłóceń.

Trzeba też brać pod uwagę to, że rozwój tej generatywnej sztucznej inteligencji następuje tak szybko, że nadążenie za tym jest naprawdę bardzo trudne jeśli chodzi o próbę zrobienia tego in-house’owo w swojej organizacji więc To jest kolejna rzecz którą warto rozważyć przed podjęciem takiej decyzji. No i ostatni aspekt na którego warto przyłożyć uwagę jest to właśnie aspekt bezpieczeństwa.

By każdy z tych elementów działał w sposób bezpieczny dla Waszej organizacji. Więc to są takie kwestie, które na pewno warto rozważyć startując do projektu No i trzeba się zastanowić jaki zespół powinniśmy mieć, jakie szkolenia oni powinni przejść, jaki obszar na przykład na początek naszej organizacji chcielibyśmy do takiego RAG wrzucić.

Mnóstwo pytań. I tak na dobrą sprawę mam chyba dla Was jedną odpowiedź czyli właśnie Qlik Answers, czyli narzędzie w którym te wszystkie kwestie o których wspomniałem wcześniej, czyli kwestie związane z bezpieczeństwem, z poskładaniem tego wszystkiego w jeden działający organizm, Macie już załatwioną bo jest to rozwiązanie po prostu plug and play.

I mówię to naprawdę z dużym przekonaniem bo wielokrotnie już uruchamiałem Qlik Answers i faktycznie jest to bardzo szybkie. Za chwilkę też podzielę się konkretnym przykładem z dnia dzisiejszego, jak to u jednego z naszych klientów wyglądało. Po drugie jest dostępny dziś czyli nie musicie właśnie czekać iluś miesięcy na to, aż skompletujecie zespół aż wybierzecie obszar w którym chcielibyście takiego RAG sobie Potestować bo czujecie, że jest to Wam potrzebne, tylko dosłownie dziś tu i teraz możecie zacząć pracować ze swoimi danymi nieustrukturyzowanymi.

Jeżeli te dane znajdują się w różnych miejscach organizacji, też tutaj jesteście zabezpieczeni, bo rozwiązanie ma konektory do wielu źródeł informacji niezależnie czy trzymacie je gdzieś na bucketach Czy na SharePoint, czy na jakiejś lokalizacji Google Drive’owej, czy w jakimś folderze FTP, czy w jakimkolwiek jeszcze innym miejscu nazwijmy to elektronicznym, możemy się do tego dobrać i wyciągnąć te informacje do naszego RAG.

Co fajne możecie też od razu wykorzystać to, że produkt jest obudowany też różnego typu API-ami, czyli na przykład jeżeli waszym celem jest to, aby Takiego wirtualnego asystenta bazującego na danych nieustrukturyzowanych dostarczyć blisko do użytkownika, czyli na przykład handlowcom do systemu CRM, to Qlik Answers może być bardzo łatwo wbudowany w tego typu rozwiązanie.

Wspominałem o tym właśnie generowaniu zwrotnej informacji o jakości odpowiedzi. To też system zapewnia więc macie możliwość takiego bieżącego dbania o zdrowie tej wiedzy, którą Wasza organizacja będzie się posługiwała. No i też od strony bezpieczeństwa macie tutaj temat zapewniony ze względu na to, że jest to zbudowane po prostu na rozwiązaniach klasy Enterprise, więc wiele kwestii związanych właśnie z bezpieczeństwem macie po prostu w pakiecie.

No dobra to skoro mówimy sobie tutaj właśnie o takich, powiedzmy, wirtualnych asystentach, którzy potrafią pracować z różnymi danymi, no to na pewno pojawi się pytanie o Copilot. Jak Qlik Answers pozycjonuje się versus Copilot? No i na pewno trzeba zwrócić uwagę na to, że powiedzmy Copilot w tym środowisku Microsoftowym jest no ładnych kilka rodzajów, więc Trzeba na pewno wiedzieć, co porównujemy do siebie.

Są Copilot w tym środowisku Microsoft 365, takie powiedzmy podnoszące produktywność pracowników. Są też Copilot w tym obszarze powiedzmy bardziej związanym właśnie z analizą danych czyli w tym obszarze fabrykowym. Natomiast na pewno to, co cechuje rozwiązania Copilot Microsoftowe, to to, że one są mocno nastawione właśnie na środowiska Microsoftowe.

Czyli najlepiej jeżeli te dane znajdują się na SharePoint’cie Jeżeli nie, to już mamy pewne wyzwanie jeśli chodzi o podłączenie się do nich. Natomiast na pewno bardzo dużym elementem tutaj na, który warto zwrócić uwagę, to jest to, że to wymaga bardzo dużego wsparcia IT, więc nie jesteście w stanie tak na dobrą sprawę tak szybko uruchomić RAG, jak to za chwilkę też zobaczycie w przypadku Qlik Answers, bo to podejście Qlik Answers Answersa jest zupełnie inne.

Tutaj jesteśmy agnostyczni jeśli chodzi o źródła, czyli gdziekolwiek one są, w jakimkolwiek formacie bardzo chętnie Przyjmiemy zindeksujemy i będziemy Wam dostarczali wiedzy na podstawie tychże plików. No i co ważne ono jest, on jest stworzony dla użytkowników biznesowych, czyli jak za chwilkę zobaczymy sobie taki przykład użytkownika, który pracuje na co dzień np.

z przetargami, to on sam samodzielnie może takiego wirtualnego asystenta sobie stworzyć bez konieczności wycieczek do Do działu IT i długich narad, bo czasami na takie zapytania trzeba odpowiadać bardzo szybko więc tutaj każda właściwie minuta czy każda godzina może się liczyć. Warto też spojrzeć też troszeczkę szerzej, czyli ten rynek takich asystentów wirtualnych też rośnie praktycznie jak na drożdżach, więc warto też spojrzeć nie tylko na Qlik Answers i rozwiązanie go pilotowe, ale też na inne możliwości, które na rynku są.

I zobaczyć jak mniej więcej podejście do projektów z każdym z nich może wyglądać. Na początek mamy cztery powiedzmy możliwe podejścia. Te dwa, o których już wspomniałem, czyli Qlik Answers i Microsoft Copilot. Z drugiej strony mamy jeszcze Amazon Q i możliwość zbudowania takiego RAG na bazie klocków, które dostarczane są również przez Microsoft na Azure.

I teraz tak, jeśli chodzi o dostępność Szybkość przejścia od momentu kiedy mamy pomysł do momentu kiedy zadajemy pierwsze pytania do RAG, no to będę bardzo mocno podkreślał, że Qlik Answers faktycznie jest dostępny dzisiaj. Jeżeli dzisiaj wpadniecie na pomysł żeby za godzinę mieć działającego RAG, a jeszcze o tym w ogóle nie myśleliście nie macie żadnej infrastruktury do tego przygotowanej to jest to możliwe w przypadku Qlik Answers tylko pilotem Troszeczkę większa zabawa.

Jeśli chodzi o dwóch pozostałych graczy tutaj, no to raczej mówimy o O kwestiach idących w miesiące jeśli chodzi o zbudowanie jakichś takich pierwszych rozwiązań. Jeśli chodzi o dojrzałość, no to tutaj każdy z nich, oprócz Amazona bo on jest jeszcze troszeczkę nie zweryfikowany, dostarcza to rozwiązanie dla organizacji typu Enterprise, czyli jakby musi być to zabezpieczone bezpieczne pod wieloma względami Klienci mają możliwość też zweryfikowania, w jaki sposób pod spodem to wszystko działa, tak aby być na przykład spokojni o to, że dane, które wrzucimy sobie do takiego rozwiązania, nie będą na przykład używane do tego aby trenować inne modele.

No i teraz na sam koniec zerknijmy sobie jeszcze na podsumowanie potencjalnych kosztów Przy takim założeniu, że chcemy stworzyć takiego asystenta, Na przykład dla naszych handlowców i finalnie z takiego rozwiązania będzie korzystało około tysiąca użytkowników Więc jak zaczniemy sobie tutaj porównywać to od naszej prawej strony, to w przypadku tych rozwiązań bazujących na azurze, gdzie będziemy sobie te klocki samodzielnie składali, no mówimy o takim koszcie mniej więcej 150 tysięcy dolarów jeśli chodzi o powiedzmy o Elementy software’owe.

Nie uwzględniamy tutaj jeszcze kosztu całego zespołu, który musiałby się tym zająć. A tak jak wspominałem wcześniej, jeżeli zaczynamy to budować z klocków no to musimy mieć taki zespół dosyć mocno interdyscyplinarny rozumujący różne technologie, więc tutaj wyzwanie Pojawia się nawet przy znalezieniu takich osób, nie mówiąc już o kosztach z tym związanych.

W przypadku Copilot na pewno trzeba zwrócić uwagę na to, że aby wejść w ogóle w możliwości na przykład korzystania z takiego biznesowego Copilot nie tego którego czasami gdzieś tam widzimy w ofisie tylko takiego faktycznie rozwiązania na poziomie Enterprise, to pod spodem też wiele rzeczy musi być już zapewnione, czyli na przykład jeżeli mówimy o tym rozwiązaniu Jako pilotowym w Fabric, no to nasz abonament na Fabric tak powiem to w uproszczeniu w Microsoftzie, musi być też odpowiedni to już musi być Fabric 64, więc to już jest poziom kosztów, który zaczyna być dosyć istotny.

A jeszcze trzeba pamiętać o tym, że jakby Copilot fabrykowy będzie jakby konsumował tą samą pulę danych, które konsumują Inne narzędzia fabrykowe, więc to też jest jeden z elementów jeden z czynników kosztotwórczych na trzeba zwrócić uwagę. W przypadku Amazon Q to jest około 200 tysięcy dolarów, w przypadku Qlik Answers mówimy tutaj o kwocie poniżej połowie kosztów konkurencji i to tej najtańszej którą tutaj Wam prezentuję.

Zastawiając to z tym, że on jest dostępny Dzisiaj i faktycznie możecie z niego korzystać bez myślenia o innych jeszcze kwestiach, które mogą tutaj wygenerować koszty Jest to bardzo fajna alternatywa do tego co widzicie na rynku. No dobra to zobaczmy w tej chwili live demo, jak to działa, jak to poskłada ze sobą.

No dobrze, to jesteśmy już w samym Qlik Sense’ie i pokażę Wam w jaki sposób właśnie z Qlik Answers korzystać Pokażę też w jaki sposób takiego właśnie pierwszego RAG zbudować. Tutaj nawiązując do tego o czym mówiłem w tej wcześniejszej części prezentacji, no niedalek dzisiaj właśnie jednemu klientów dosłownie telefonicznie pomagałem uruchomić Qlik Answersa od momentu kiedy dostał w mailu zaproszenie do stworzenia Tenanta klikowego, tak aby właśnie miał takie swoje środowisko trialowe.

Do momentu kiedy zaczął zadawać pierwsze pytania w klikansersie na podstawie danych, które tam załadował, nie upłynęło chyba więcej niż 5 minut, więc to też pokazuje Wam, jak łatwo z punktu widzenia użytkownika w to narzędzie wejść, szczególnie jeżeli chcecie właśnie potestować, pobawić się z tym troszeczkę w swojej organizacji i na przykład swojemu szefowi pokazać za dosłownie kilka godzin jakieś pierwsze Pierwsze wnioski z tego, jak moglibyśmy wykorzystać w organizacji właśnie technologię RAC.

No dobra to zobaczmy sobie, jak to funkcjonuje. Na początek takie dwie definicje, czyli Qlik Answers tak naprawdę składa się z dwóch elementów czyli pierwszym z nich jest tzw. baza wiedzy, A drugim jest asystent, który do tej bazy wiedzy jest podpięty. No i tak jak tutaj widzicie, mamy takie dwie pary.

Jeden asystent dotyczy takich rozwiązań e-commerce’owych, a drugi jest rozwiązaniem jest asystentem i bazą wiedzy dotyczącą jednego z przetargów, który jest publicznie dostępny na stronie ORLEN. No i teraz tak, jak sobie wejdziemy w taką bazę wiedzy, To zobaczymy, że ona może się tutaj składać z wielu plików.

Te pliki mogą być też w różnym formacie, czyli mamy tutaj Worda, tutaj PDFa, jeszcze tam oczywiście, tak jak wspomniałem mogą być to PowerPointy pliki HTML itd. To są pliki, które zostały zaczytane do tej naszej bazy wiedzy. Jak widzicie w sumie cała ta baza wiedzy ma tutaj 191 stron, 14 dokumentów. No i dokumenty te zostały zindeksowan.

To znaczy, co się wydarzyło? W momencie kiedy użytkownik zaczyna dorzucać sobie takie pliki, one muszą być zindeksowan, czyli właśnie jeden z tych komponentów, które pokazywałem w kontekście działania RAG, musi jakby rozłożyć sobie ten tekst na czynniki pierwsze, stworzyć sobie z tego bazę wektorową, dzięki której później będziemy mogli sobie już rozmawiać z naszymi danymi.

I teraz co fajne, Z punktu widzenia użytkownika biznesowego nie musimy wiedzieć, co to jest baza wektorowa i jak on to robi. On po prostu to robi i za chwilkę to zobaczycie. Więc to jest baza wiedzy i do takiej bazy wiedzy tutaj znowu z punktu widzenia użytkownika, można bardzo łatwo dodać sobie właśnie asystenta.

No to teraz zobaczmy jak takiego asystenta można by było stworzyć. Na początek pokażę Wam dokument, który będziemy sobie do tej naszej bazy wiedzy podłączali. Czyli to są skonsolidowane wyniki. Finansowe ORLEN-u za drugi kwartał 2024. Mamy tutaj jakieś tabelki, mamy wykresy trochę tekstu trochę grafik, kilkanaście stron, 23 strony dokładnie dokumentu I teraz na chwilkę zwrócę Waszą uwagę tutaj na to, czyli mamy właśnie wyniki Wyniki ORLEN-u i mamy tabelkę, czyli mamy drugi kwartał, mamy jakąś kwotę, która tutaj jest, ona dotyczy przychodów tutaj mamy porównanie do roku poprzedniego a gdzieś tam jeszcze dalej mamy jakąś informację o tym na przykład właśnie z czego te niższe przychody wynikały, więc normalnie gdybyśmy chcieli te wyniki sobie zinterpretować No to przez ten dokument musielibyśmy się przeczytać go dosyć, dosyć dokładnie wyciągnąć z niego wnioski.

Natomiast pokażę Wam właśnie tą stronę alternatywną. Oczywiście to będzie prosty przykład z jednym plikiem, ale tak jak widzieliście tutaj w tym asystencie przetargowym tych plików możemy mieć, dodać zdecydowanie więcej i z nich wszystkich już czerpać sobie wiedzę. No to dobra, stwórzmy sobie w takim razie naszego pierwszego RAG, czyli zaczniemy sobie od stworzenia bazy wiedzy, naszą bazę wiedzy.

Nazywamy, klikamy na utwórz no i możemy się zacząć podłączać do źródeł danych. Teraz możemy tutaj użyć sobie połączenia, stworzyć jakieś połączenie, tak jak mówiłem, jeżeli dane są gdzieś tam na Amazonie, to się do niego podłączymy, jeżeli gdzieś trzymacie je gdzieś na Azure, na Google, na Dropboxie, na SharePoint, czy na jakimś pliku FTP, w folderze FTP też możemy Z nich skorzystać.

No i w ten sposób możemy się podłączyć do źródeł. Jeżeli już np. takie pliki znajdują się po prostu na środowisku Qlik Sense, to po prostu możemy je wybrać z katalogu lub jeżeli właśnie jesteśmy użytkownikiem biznesowym I dostaliśmy właśnie nową dokumentację przetargową jeszcze i nie chcemy tego wrzucać gdzieś tam na jakieś firmowe zasoby, tylko po prostu bardzo szybko chcemy stworzyć sobie swojego rega no to idziemy tutaj i wybieramy sobie pliki, które chcielibyśmy dołączyć.

No w tym naszym przypadku wybieramy sobie ten nasz folder z danymi ORLEN-u klikamy na prześlij Plik nam się zaczytuje i mamy go już w bazie danych tej naszej bazie wiedzy. No teraz jak widzicie po dodaniu tego pliku jeszcze nic się nie wydarzyło. On nie był zindeksowan. Czeka na aktualizację i teraz o co chodzi z tą indeksacją.

Tak jak wspomniałem musimy RAC musi właśnie ten dokument zrozumieć i musi go sobie zindeksować inaczej Musi go rozebrać na czynniki pierwsze. No i teraz możemy sobie takie indeksowanie wykonać albo ręcznie, tak jak to teraz właśnie zrobiłem, albo możemy też ustawić harmonogram takiego indeksowania, tak jak widzicie tutaj, czyli zakładając, że ta baza wiedzy Żyje, że te pliki się zmieniają, że ich zawartość się zmienia, ale też pojawiają się na przykład zupełnie nowe pliki, no to chcielibyśmy, żeby w pewien określonym interwale czasowym ta nasza baza wiedzy się odświeżała.

Więc taki harmonogram możemy sobie ustawić i już o tym zapomnieć. No i też możemy na przykład odkrywać zmiany czyli jeżeli mamy dość dużo tych plików w bazie i nie chcemy za każdym razem indeksować ich wszystkie, No to możemy wykonać właśnie takie weryfikacje tylko tego, co się zmieniło od wstępnego indeksowania i zindeksować tylko to, co faktycznie pojawiło się nowego.

No i teraz w zależności od tego, jaki to jest dokument, ile on ma stron, ile też w ogóle dokumentów w całej bazie będzie, ten proces chwilkę będzie nam trwał. No i elegancko zakończył nam się, więc możemy zacząć już, możemy już iść dalej, czyli widzimy, że 23 strony zostały zindeksowan, wiemy kiedy, więc też z punktu widzenia użytkownika możemy zawsze tutaj sobie sprawdzić no ile świeże są te dane, do których Zaczynam zadawać pytania.

No dobra mamy bazę wiedzy tą historię indeksowania tutaj też możemy sobie później obejrzeć. To skoro mamy bazę wiedzy, no to pozostaje nam tylko stworzenie asystenta. Tutaj ponownie Nazwijmy to sobie Orlan, klikniemy na utwórz i już nasz asystent jest gotowy Teraz co w nim mamy? Po pierwsze widzimy, że tutaj właśnie on ma podpiętą swoją bazę wiedzy.

Tą bazę wiedzy możemy tutaj dodawać więcej. Po prawej stronie mamy już gotowy Formularz do tego, żeby zacząć zadawać pytania. No i możemy troszeczkę jeszcze skonfigurować tego naszego asystenta. Czyli na przykład możemy stworzyć mu tutaj pytania, które będą takimi starterami naszej rozmowy, żeby na przykład użytkowników zachęcić do takiej pierwszej interakcji z rangiem, albo żeby no właśnie jakby zamodelować te pytania, które Najczęściej ci użytkownicy tak czy inaczej będą zadawali, więc niech mają to po prostu na jedno kliknięcie.

Więc z punktu widzenia ustawień w środku znowu nie trzeba dużej wiedzy, po prostu możemy zacząć z tego korzystać. No i teraz jak pamiętacie, mieliśmy pytanie o przychody Orleną, więc zadajemy je po prostu. Jakie były

2Q24

Jak widzicie pytanie zadałem też z błędem literowym, więc mimo wszystko to zrozumiał. Jeżeli zadamy to pytanie troszeczkę w innym kontekście, czyli jakie były przychody w drugim kwartale ta 024? Tutaj już zróbmy to bez błędu i będzie lepiej. Jakie były przychody w drugim kwartale 2.0.2.4 To też sobie z tym poradził.

Jak widzicie on też zaczyna kombinować, daje nam czasami troszeczkę dłuższy kontekst możemy te pytania sobie moderować. Ale jak widzicie od momentu kiedy zindeksowaliśmy sobie naszą bazę danych do momentu kiedy zaczynamy z tymi danymi już sobie dyskutować, Mijają dosłownie pojedyncze minuty Oczywiście jeżeli byśmy chcieli możemy też pogadać sobie z naszym asystentem korzystając tutaj z możliwości głosowych.

Co fajne, Jeżeli macie bazę wiedzy np. w języku angielskim a zadacie pytanie w języku polskim to odpowiedź dostaniecie w języku polskim To jest też pewien benefit tego, że korzystamy gdzieś tam pod spodem z dużych modeli językowych. Czyli mamy naszego pierwszego asystenta, wiecie jak go stworzyć. No to teraz zerknijmy sobie w tych asystentów pozostałych.

Tak jak wspomniałem tutaj w tym asystencie przetargowym to jest taki case właśnie, że jest dział powiedzmy realizacji przetargów w naszej organizacji. Te przetargi pojawiają się dosyć często i chcemy bardzo szybko mieć możliwość weryfikacji tego czy to jest właśnie w ogóle temat, którym chcielibyśmy się zajmować czy na przykład spełniamy wszelkie warunki potrzebne do startu w tym W tym postępowaniu lub jakie są powiedzmy potencjalne blokery, które na przykład będą wymagały ode mnie, jako osoby, która na taki przetarg będzie odpowiadała, decyzji powiedzmy mojego przełożonego żeby powiedział ok, no to w tym bierzemy udział no ale właśnie to jeszcze będzie wymagało jakichś tam dodatkowych kosztów bo na przykład musimy mieć jakąś Dodatkową polisę, żeby w ogóle w tym przetargu wziąć udział.

No i jak widzicie pod tym przetargiem mamy podłączone 14 różnych dokumentów Z jednej strony to są jakieś umowy, to są też załączniki do tychże umów ale też są jakieś karty Charakterystyk np. materiałów czy usług, które gdzieś tam potencjalnie będą zamawiane. 191 stron w tej bazie wiedzy mamy zaczytanych, więc gdybym był użytkownikiem, który przez te 191 stron musi szybko przejść i wyciągnąć jeszcze z tego wnioski, no to jest to pewne wyzwanie.

Więc można pod to, dla takich właśnie przypadków można stworzyć tzw. kolejnego asystenta, To będzie nasz asystent przetargowy. On może być bardzo wstępnie skonfigurowany na tej zasadzie, że tak jak widzicie on już ma pewne startery naszej rozmowy, czyli mogę mieć asystenta jako gotowy element Do którego będę podłączał np.

różne bazy wiedzy, czyli to jest np. baza wiedzy z przetargiem nr 1, ale za chwilkę wpadnie mi do obsłużenia przetarg nr 2, więc z niego też mogę sobie stworzyć bazę wiedzy i szybko podpiąć do takiego asystenta, który już będzie posiadał kilka takich właśnie Startowych pytań, które szybko mi przeanalizują tą dokumentację i na przykład powiedzą, czy nie potrzebuję jakiegoś dodatkowego ubezpieczenia żeby w ogóle w tym przetargu wziąć udział.

I dostaję szybko listę tego, co jeszcze będzie mi potrzebne. No i załóżmy, że jeżeli jesteśmy jakąś mniejszą firmą, to nagle okazuje się, o muszę mieć jeszcze jakieś ubezpieczenie na 2 miliony złotych no to muszę z tym pójść do mojego przełożonego żeby na przykład To zweryfikować i zastanowić się, na ile to możemy z tym podziałać.

Co więcej, tych właśnie startowych pytań może być tutaj więcej. Jeżeli chcemy zobaczyć np. takie kary umowne, przewiduje cała ta baza wiedzy. To znowu dostaniemy szybką listę tego co tam jest i co ważne akurat w tym przypadku w bazie danych były chyba dwie albo trzy umowy, to za chwilę też możemy sobie zobaczyć.

Czyli zobaczcie, mamy na przykład tutaj umowę operacyjną i jeszcze tutaj mamy umowę o świadczenie usług transportowych i te kary umowne są jakby ukryte Tych dwóch dokumentach, więc gdybym to analizował powiedzmy zupełnie samodzielnie, to mógłbym dojść do kar umownych w umowie operacyjnej, ale mógłbym zapomnieć i przegapić np.

o dalszych karach, które są określone w innej umowie albo w jakimś załączniku do tejże umowy, więc w ten sposób możecie naprawdę pomóc użytkownikowi w tym, żeby dogłębnie zrozumiał, co tam w środku jest, znalazł wszelkiego Typu czynniki ryzyka, których trzeba będzie na przykład uwzględnić w momencie, kiedy będziemy odpowiadali na takie zapytanie.

No dobra, to to jest kolejny przykład. Oczywiście tutaj zawsze możemy zadawać pytanie tak, jakbyśmy chcieli to zrobić zupełnie samodzielnie. No i na sam koniec pokażę Wam ten trzeci przykład, czyli właśnie takiego e-commerce helpera Jak on działa? Też ma swoją bazę wiedzy. W tej bazie wiedzy mamy kilka przykładów Plików w których po pierwsze trzymamy informacje o produktach różnego typu ubraniach butach męskich, butach damskich, ale także trzymamy pewną właśnie bazę wiedzy danej firmy gdzie oni akurat na łamach swojego bloga opisują w jaki sposób najlepiej dobierać taki Końcowy klient mógłby dobierać ich produkty do na przykład konkretnej okazji towarzyskiej na którą się wybiera.

Przykład bardziej ze świata modowego, ze świata e-commerce, ale z drugiej strony wyobraźcie sobie, że tak samo może być tutaj informacje o wszystkich produktach mocno technicznych, które mamy do Do dyspozycji jako handlowcy, dodatkowe informacje o tym, co jest ze sobą kompatybilne i to jest np. baza wiedzy za pomocą której handlowiec w obszarze IT przykładowo jest w stanie dobrać kompatybilne produkty swojemu klientowi Albo produkty zamienne, bo np.

to, co klient chciał kupić akurat na stoku nie ma, no ale zależy nam na sprzedaży więc być może będę w stanie mu zaoferować produkty alternatywne, które będą spełniały te parametry, które są dla niego istotne. Jak widzicie, akurat w tej bazie wiedzy dokumentów mamy mniej, ale stron już zdecydowanie więcej.

No i dobra, cofnijmy sobie się tutaj do naszego asystenta i go otwórzmy. No i teraz tak, znowu starter pytanie możemy tutaj mieć, ale możemy też po prostu zadać sobie to pytanie zupełnie standardowo. Jakie buty męskie polecasz na przykładowo?

No i z bloga lecą nam pierwsze informacje, że właśnie na jakieś spotkania warto wybrać takie. I na przykład z mojego punktu widzenia zainteresowała mnie ta nazwa. Totalnie nie wiem co to jest, ale dopytuję dalej. Podaj mi listę loafersów z linkami i cenami.

No i lecimy. Dostaję listę produktów, które spełniają moje oczekiwania czyli to są te lofersy męskie gdzie dostaję też link do poszczególnych produktów dostaję też informacje o ich cenie i to są z kolei już informacje, które lecą nam właśnie Z plików tych dodatkowych informacji o produktach. I teraz z jednej strony można to potencjalnie wykorzystywać jako takie narzędzie dla użytkownika, które pozwoli mu lepiej podejmować decyzje ale z drugiej strony wyobraźmy sobie właśnie sytuację jakichś dużych sieci handlowych, które mają swoje salony, w których mają tam swoich pracowników, którzy muszą posiadać dość rozległą wiedzę żeby na przykład Klientowi coś doradzić przy zmiennym asortymencie, no to jest to wyzwanie i też przy rotacji pracowników jest to wyzwanie.

Więc żeby te 899 stron wiedzy jak widzieliście w naszej bazie wiedzy, szybko przyswoić i na przykład dzięki takiemu asystentowi szybko pomagać Klientom, no to właśnie do tego na przykład RAC jest świetnym świetnym rozwiązaniem. I tutaj warto oczywiście jeszcze pójść dalej. To co będzie teraz dosłownie za chwilkę już możliwe w postaci Qlik Answers, no to właśnie możliwość korzystania z jego API-ów i teraz dzięki tym API-om będziemy mogli też na przykład uzbroić takiego użytkownika w odpowiedzi nie tylko Tekstowe, ale też na przykład korzystając właśnie z różnych możliwości Generative AI będziemy mogli też generować dla niego jakieś ciekawe audio, które opowie mu o jego danych o tym, co w takim dokumencie przetargowym się znajduje albo nudną specyfikację techniczną przedstawi w formie bardzo atrakcyjnego podcastu do wysłuchania w drodze do Pracę.

Więc to są możliwości, które otwierają się dzięki właśnie zastosowaniu GenAI, dzięki zastosowaniu Qlik Answers. No na sam koniec jeszcze pokażę Wam jedną rzecz, czyli tutaj jak widzieliście to ci asystenci działali troszeczkę zupełnie niezależnie od samego Clicka i jego ekosystemu ale też wspominałem o tym, że można Clicka osadzić w innych rozwiązaniach.

I tutaj przykład tego Mamy, powiedzmy standardowe wizualizacje Qlik Sense, pracujemy sobie z nimi tak, jakbyśmy sobie pracowali zupełnie niezależnie, a tutaj poniżej kryje nam się właśnie możliwość wskoczenia do Do naszego asystenta i mamy możliwość rozpoczęcia pytania go o różne informacje, możemy też właśnie skorzystać z historii tych konwersacji, czyli Przekładając to na język korzyści, jeżeli jesteśmy na przykład w systemie CRM i jesteśmy na zakładce związanej z klientami, to podłączyć może nam się tutaj baza wiedzy o naszych klientach i dowiemy się o nich czegoś więcej, na przykład właśnie Przeanalizujemy ich ostatnie sprawozdania finansowe.

Jeżeli będziemy na zakładce z analizą sprzedaży naszych produktów i na przykład zadzwonił do nas klient, który chciałby coś kupić, ale właśnie akurat tego na stoku nie mamy, no to takiego asystenta możemy wykorzystać na szybko do tego, żeby znalazł nam na przykład produkty kompatybilne i żeby ta sprzedaż faktycznie się dokonała, a nie żeby klient poszedł do Do innego sprzedawcy i znalazł to, czego szukał.

Także jak widzicie ci asystenci mogą być właśnie zeszyci oczywiście w samego klika bo to jest standardowe, ale taki pop-up może pojawić się właśnie też chociażby w systemie CRM klienta. No dobra, to wróćmy sobie do naszej prezentacji. Kończąc to, co miałem dla Was dzisiaj do pokazania takie szybkie podsumowanie To, co Wam dzisiaj pokazałem to jest jeden z obszarów AI-owych, w, który wchodzi bardzo mocno Qlik.

Jeżeli chcecie to rozwiązanie przetestować, to oczywiście zapraszam do kontaktu piszcie do mnie. Bardzo szybko jesteśmy w stanie takiego trajla dla Was Wygenerować, żebyście mogli potestować to ze swoimi danymi. A ja zachęcam Was bardzo mocno do tego, żeby śledzić naszą stronę śledzić nasze wpisy na LinkedInie, bo Paweł Banowiecki, który odpowiada u nas za ten obszar związany z Data Integration, Ale też właśnie za obszary AI-owe, no jest skarbnicą wiedzy jeśli chodzi o właśnie te kwestie wykorzystania technologii tych najnowszych poskładanie ich ze sobą razem zastanowienie się w jaki sposób one mogą pomóc waszej organizacji, więc jeżeli jesteście na etapie, że szukacie rozwiązań swoich jakichś wyzwań i zastanawiacie się na ile właśnie Różne rozwiązania z kategorii AI mogłyby Wam w tym pomóc, to bardzo chętnie porozmawiamy z Wami o tym, pokażemy jak potencjalnie narzędzia klikowe, czy też w połączeniu z innymi rozwiązaniami, o których Paweł wie wszystko, mogłyby Wam pomóc.

Ja za dzisiaj Wam bardzo dziękuję, zapraszam Was na kolejne nasze webinary i do usłyszenia do zobaczenia.