Słownik
Słowa używane zbyt swobodnie.
glossary.sub
- 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)
- Wbudowany inżynier
- Prosta nazwa forward deployed engineera: starszego inżyniera, który pracuje w Twoim zespole i na Twoich narzędziach oraz odpowiada za działający wynik i jego przekazanie. Przeciwieństwo dostawcy, który dostarcza z daleka.
- Przeczytaj pełną definicję: Wbudowany inżynier
- Wypożyczenie pracowników
- Zatrudnianie osób z zewnątrz, by zwiększyć moce zespołu przy zadaniach, które przydzielasz. Działa, gdy znasz już pracę i masz kogoś, kto ją kieruje. Różni się od wbudowanego inżyniera, który odpowiada za działający wynik i przekazanie, a nie za przepracowany czas.
- 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.
Powiedz nam, które zadanie zabiera najwięcej czasu
30 minut. Bez przygotowania. Szczerze powiemy, czy AI może pomóc i od czego zacząć.