słownik

słowa używanezbyt swobodnie.

forward deployed engineer (fde): inżynier, który pracuje wewnątrz twojego zespołu i twojego kodu, zamiast dostarczać z dystansu. model spopularyzowany przez Palantir, za którym w 2026 stanęły pieniądze Anthropic, OpenAI, AWS i Microsoftu. sedno: kto ustala zakres, ten dowozi.; przeczytaj pełną definicję: forward deployed engineer (fde)
doradztwo ai: doradztwo, które kończy się czymś działającym, a nie prezentacją. ocena gotowości, plan na piśmie i zwykle samo wdrożenie. zadaj każdej firmie dwa pytania: ile to kosztuje i kto dokładnie wykona pracę.
ocena gotowości do ai: krótki przegląd tego, czy dane, systemy i zespół udźwigną rozważaną pracę. powinna wskazać procesy warte zmiany i te, które nie są gotowe, i mieć odwagę powiedzieć „jeszcze nie”.
wdrożenie ai: krok między decyzją o użyciu ai a działaniem na produkcji: integracja, uprawnienia, plan wycofania i przekazanie temu, kto będzie to utrzymywał. większość utkniętych programów utyka właśnie tu, nie na modelu.
nadzór nad ai: spisane zasady używania ai w firmie: jakie dane widzi, kto zatwierdza, co jest logowane i jak wyłapuje się zły wynik. konkretnie: dokument polityki, dziennik audytu i plan wycofania — nie deklaracja wartości.
pilotaż ai: ograniczone uruchomienie procesu przed zobowiązaniem się do niego. pilotaż ma sens, gdy kryterium wyjścia jest spisane z góry. bez tego staje się czymś, co działa rok i nigdy nie trafia na produkcję.
wdrożenie kompetencji ai: szkolenie, które zmienia to, co zespół robi w poniedziałek, a nie to, co wie w piątek. terminy grup, realna ocena i praca powstała w trakcie programu zamiast zaświadczenia o obecności.
duży model językowy (llm): model wytrenowany do przewidywania tekstu — dlatego to samo pytanie potrafi dać dwie różne odpowiedzi. przydatny, gdy zadanie znosi weryfikację; ryzykowny, gdy niesprawdzony wynik trafia wprost do klienta albo do ksiąg.
generowanie wspomagane wyszukiwaniem (rag): podanie modelowi twoich dokumentów w momencie pytania, zamiast wtrenowywania ich. tak asystent odpowiada z waszych procedur, a nie z internetu — zwykle taniej i łatwiej to poprawić niż fine-tuning.
agent ai: model z narzędziami i prawem do działania: wyśle maila, zaktualizuje rekord, wywoła api. problemem inżynierskim nie jest rozumowanie, tylko zdecydowanie, czego może dotknąć, a o co musi najpierw zapytać człowieka.
eval: powtarzalny test, który ocenia wynik modelu wobec znanych poprawnych odpowiedzi. bez niego nie wiesz, czy zmiana promptu coś poprawiła, czy tylko zmieniła. to różnica między dowożeniem a zgadywaniem.
dostrajanie (fine-tuning): dalsze trenowanie istniejącego modelu na własnych przykładach, żeby przyjął format albo styl. opłaca się dla spójności wyników; zwykle złe narzędzie do uczenia faktów — tam lepiej sprawdza się wyszukiwanie.