Adaptacja AI zdecyduje o randze naszej gospodarki

Polska, jako państwo, powinna postawić na rozwój sektora rozwiązań sztucznej inteligencji i powinien to być wybór strategiczny, spójny, całościowy. Profesor Krzysztof Rybiński, ekonomista i naukowiec oraz Chief Ideator w głośnej polskiej spółce technologicznej Synerise, proponuje zmiany w systemie edukacji, inwestycji państwa i kapitału prywatnego w technologie, podejścia do AI. Czas nagli.

Szymon Augustyniak, CEO: Coraz więcej państw zwraca się ku rozwiązaniom sztucznej inteligencji, widząc w nich przyszłość dla gospodarki. Co polskie państwo powinno zrobić od strony instytucjonalnej, edukacji, aby podeprzeć gospodarkę rozwiązaniami AI?

Prof. Krzysztof Rybiński, Chief Ideator, Synerise: Fakt, że mówią o tym premier Morawiecki czy prezydent Macron to bardzo dobrze. AI to dziedzina kluczowych rozwiązań, które mogą zmienić ludzkość i samego człowieka w ciągu najbliższej dekady. Kształcenie ludzi gotowych do tych wyzwań, do pracy w takim środowisku, do kształtowania sztucznej inteligencji, tak aby stała się sojusznikiem, a nie zagrożeniem jest priorytetowym zadaniem.

Zobacz również:

Z tym się wszyscy zgadzają. Wszyscy zgadzają się też z tym, że system edukacji jest do tych wyzwań, potrzeb nieprzygotowany. Jak wychowywać człowieka gotowego, dojrzałego do relacji ze sztuczną inteligencją?

System jest niegotowy, dlatego że choć AI tak już znacząca, to wciąż dyscyplina elitarna. Po pierwsze ludzi, którzy mogliby pracować ze sztuczną inteligencją, rozwijać ją i znajdować dla niej zastosowania jest bardzo mało. Jedno z badań z ub. r., przeprowadzonych przez Element AI, wykazało, że na świecie jest jedynie 22 tys. osób z kompetencjami, aby pracować w tej dziedzinie i tworzyć nowe rozwiązania. To pokazuje skalę wyzwania.

Był Pan również pedagogiem, co prawda uniwersyteckim, ale tym lepiej widzi Pan deficyty wcześniejszych etapów systemu edukacji. Jak wyobraża Pan sobie spójny i efektywny sposób edukacji „do AI”?

Już od edukacji przedszkolnej trzeba uczyć się programowania. Od dziecka. Bez umiejętności programowania nie da się w sposób świadomy nauczyć rozwiązań sztucznej inteligencji, stosować je, rozwijać i projektować te rozwiązania. Są dzisiaj dwa podstawowe języki: Python i R, które pozwalają wejść w ten świat.
Oczywiście, jest mnóstwo innych, ale te wskazałbym jako bazowe.

Nauka informatyki w szkole podstawowej jest dziś prymitywna i nie daje wyobrażenia o tym, czym jest programowanie, ani tym bardziej uczenie maszynowe czy sztuczna inteligencja. W szkole podstawowej obowiązkowe powinny być oba wcześniej wymienione języki programowania. Na poziomie szkoły średniej należałoby wprowadzić elementy i podstawy data science, dyscypliny, która jest młoda i interdyscyplinarna, oraz uczenia maszynowego. To wszystko okaże się bardzo proste, trzeba tylko mieć podstawy ze szkoły podstawowej. Studia wyższe to powinien być kolejny etap. Nie mówię bynajmniej tylko o studiach informatycznych lub inżynieryjnych, podczas których AI powinno być wykładane z automatu, ale o tym, że każda dyscyplina ma do wykorzystania, do zastosowania technologie informatyczne, w tym rozwiązania sztucznej inteligencji. Na polu badawczym, na polu inwencji i innowacji stosowanej, a potem w gospodarce. A więc na wydziałach prawa, historii, ekonomii, politologii, dziennikarstwa, biologii czy polonistyki.

Trochę tak jak umiejętność pływania u starożytnych Greków była w kanonie człowieka kulturalnego.

Jak się nie rozumie, w jaki sposób pracuje sztuczna inteligencja, to nie można podejmować decyzji o jej wykorzystaniu, nie można z niej świadomie i celowo korzystać. W efekcie pozostaje się na peryferiach, traci się dystans na polu naukowym, gospodarczym, biznesowym. Dzisiaj w wielu dziedzinach nie da się prowadzić poważnych badań, nie korzystając z modeli data science czy sztucznej inteligencji.

Ale dlaczego w szkole podstawowej konkretne języki, a nie np. nauka myślenia, matematyki.

Oczywiście, nauka matematyki na dobrym poziomie to podstawa, bez tego nie da się zrozumieć świata, w którym żyjemy i będziemy żyli. Natomiast jako wykładowca z ponad 25-letnią praktyką wiem, że najlepszą formą nauki jest samodzielne rozwiązywanie konkretnych problemów przez uczniów i studentów. Dzisiaj mamy mnóstwo danych do analizy oraz dwa języki programowania: Python i R, które są fundamentem data science. W obu językach są setki bibliotek z pożytecznymi funkcjami, oba języki są silnie rozwijane w formule Open Source, ale także przez Microsoft i Google. Każdy polski uczeń w XXI wieku powinien umieć programować przynajmniej w jednym z nich.

Poza determinacją i takimi założeniami system edukacji potrzebuje też nauczycieli.

Zmiany wymaga kształcenie nauczycieli – oni muszą przejść intensywne kursy podnoszenia kwalifikacji, aby czegoś mogli sami nauczyć młodzież. Matematyka, podstawy programowania, podstawy budowania modeli data science, podstawy uczenia maszynowego. To daje z kolei szansę wykształcenia ludzi potrafiących nie tylko rozwijać technologię, bo to będzie domeną garstki, ale wykorzystać twórczo technologię w życiu zawodowym: do tworzenia modeli, narzędzi diagnostycznych, uzyskiwania w efekcie trafniejszych diagnoz i lepszych wyników, czy to jako lekarz, czy jako biznesmen.

Czyli rozwiązań zastępujących człowieka i całe wybrane profesje. Znany raport oksfordzki wskazuje ich całkiem sporo, mnie zastanawia jednak, czy sam zawód programisty nie jest zagrożony przez sztuczną inteligencję. Czy popyt na ekspertów AI rzeczywiście będzie tak duży? Być może skupi się ta kompetencja w zaledwie kilku czy kilkunastu globalnych ośrodkach?

Odpowiem, odwołując się do przykładu. Jednym z zawodów wymienionych w raporcie oksfordzkim, podlegającym zmianie ze względu na AI, jest marketer.

Praca marketera zmienia się w sposób diametralny. To dziedzina, którą w przeszłości najlepiej charakteryzowało określenie: „marnujemy połowę budżetu, tylko nie wiemy, którą”. Minęła dekada i marketing wygląda zupełnie inaczej.
Dowodzi tego przykład firmy Synerise. Pracujemy dla wielu klientów, w szczególności wielkich sieci handlowych. Stosujemy modele AI do tworzenia rekomendacji dla klientów na podstawie ich zachowania we wszystkich kanałach sprzedaży i komunikacji, analizujemy miliardy transakcji. Te modele pozwalają zwiększyć sprzedaż średnio o 30%, chociaż były i przypadki pięciokrotnego wzrostu. Obecnie, gdy marketingowiec wykorzystuje nasze modele, może przeprowadzić dokładną analizę atrybucji i wie, jaki kanał komunikacji i jaka forma marketingu wpłynęły na wzrost sprzedaży danego produktu. Marketingowcy, którzy umieją używać takich modeli, są i będą poszukiwani na rynku. Ogólnie, eksperci umiejący tworzyć i stosować w praktyce modele AI będą potrzebni wszędzie, a firmy, które prześpią ten trend, będą na przegranej pozycji. Uczelnie już to dostrzegają, za kilka lat kierunek data science lub podobny będzie na większości uczelni w Polsce, oczywiście wysoki poziom będzie tylko na nielicznych, które prowadzą badania.

Ale czy ten nowy marketingowiec powinien znać dostępne na rynku narzędzia, czy raczej rozumieć sposób działania AI?

Samo klikanie w czarne pudełko to za mało. On musi znać procesy sprzedażowe, ale także rozumieć, w jaki sposób działa AI. Stąd dopiero wynika głębokie zrozumienie, w jaki sposób formułować pytania i kalibrować rozwiązanie, którym się dysponuje.

I uważa Pan, że podobnie muszą się przekształcać także inne profesje?

Świat diametralnie przyspieszył, tylko nie we wszystkich firmach jest to dostrzegane. Najnowszy algorytm rozpoznawania mowy ludzkiej to algorytm Google’a z 2014 r. Najnowszy algorytm rozpoznawania obrazu, który uczy się prowadzić samochód czy wygrać z mistrzem świata w Go – DeepMind, pochodzi z przełomu lat 2013/2014. To są zaledwie trzy lata. Postęp technologiczny w takim tempie sprawia, że wiedza sprzed pięciu lat jest przestarzała. Ludzie muszą się nauczyć korzystać z takich rozwiązań. A niebawem nauczyć się następnych.

Duża, programowa zmiana korpusu wiedzy będzie cechą zawodów przyszłości.

Trzeba odpowiednio do tego zmienić system uczenia się. Nieustanna nauka stanie się przymusem. Inaczej traci się kompetencje. Sam zna Pan przykłady z prasy. Gazety posiadają sprawozdania sportowe pisane przez algorytmy AI, które niczym nie różnią się od sprawozdań napisanych przez człowieka.

Są także komentarze makroekonomiczne od maszyny.

Sam ich kiedyś mnóstwo napisałem, ale w przyszłości to nie będzie potrzebne. Powiem więcej: pojawiły się pierwsze firmy z sektora finansowego, w których głównym ekonomistą jest program AI. Jest on w stanie generować raporty, a człowiek nie jest w stanie ich odróżnić. I to jest przyszłość.

Powstanie mnóstwo miejsc pracy, ale wymagających, dziedzinowych kompetencji. Praca wymagać będzie uzupełniania kompetencji, aby pracować efektywniej. Na razie widzimy więc ten paradoks, że w świecie, w którym roboty zastępują człowieka, w setkach tysięcy miejsc pracy bezrobocie wcale nie rośnie, a wręcz przeciwnie, jest na historycznie niskich poziomach w wielu krajach.

W czasach, kiedy największy producent elektroniki na świecie Foxconn i inni jemu podobni zwalniają setki tysięcy pracowników w wyniku robotyzacji, pojawiają się nowe miejsca pracy wymagające innych kompetencji. Roboty nie zabiorą pracy, za to ludzie będą opłacani lepiej. Dzisiaj chirurg wykonuje 300 operacji rocznie, gdy będzie uzbrojony w AI i roboty, będzie mógł nadzorować 1000 operacji rocznie,
w wielu lokalizacjach. Taki superchirurg i będzie zarabiał trzy razy więcej.

AI nadal ma wiele ograniczeń, nie jest doskonałe, więc mamy trochę czasu na douczenie się.

Oczywiście, znany jest choćby przykład, kiedy nauczono sieć neuronową rozpoznawania owoców. Ale kiedy na owoc przyklejano specjalną naklejkę, sieć neuronowa rozpoznawała każdy owoc jako… toster. Wystarczy zmienić jeden piksel, aby interpretację sieci neuronowej zaburzyć. Można sobie wyobrazić, że z takich rozwiązań korzystają już służby specjalne i przestępcy, żeby nie zostać rozpoznanymi przez kamerę uliczną.

To ciekawy wątek. Elementy czy rozwiązania anonimizujące są w stanie zaburzyć świat, który oprze możliwości poznawcze na łatwej do oszukania AI. Czy może Pan sobie wyobrazić bunt ludzi przeciw maszynom wyrażający się w tym, że będą zacierać i falsyfikować swoje cyfrowe i fizyczne ślady? To grozi zaburzeniem cyfrowej gospodarki.

Będzie teraz dłuższy czas trwał wyścig, jak zbudować algorytm, którego nie będzie można oszukać. Technologie anonimizujące oczywiście powstaną, ale to margines, zastosowanie dla tajnych służb. A gros rozwiązań służy ludziom, korzyści jest zbyt wiele, aby wyobrazić sobie np. masowy ruch społeczny, bunt wobec maszyn. Nie, my wszyscy będziemy raczej dążyć do tego, aby korzystać z rekomendacji, dobrych reklam, sugestii dotyczących diety, treningu, kursu online itd. Młode pokolenie jest w tym już zresztą zanurzone i nie wyobrażam sobie, aby gremialnie miało to odrzucić. Niektórzy już nawet nie potrafią pisać na klawiaturze, bo piszą kciukami i wydają polecenia smartfonowi głosem.

Połowa danych, które istnieją, powstała w ciągu ostatnich dwóch lat. To dane, czy raczej odpady?

Pozornie to odpady. Ale raczej kwestia nauczenia się, jak wydobyć z nich informację. Londyńskie Stowarzyszenie Zoologiczne ma aplikację Instant Wild, która przeszukuje zdjęcia na Instagramie, aby zanalizować zdjęcia użytkowników i oceniać, które gatunki zwierząt są zagrożone. Z drugiej strony są aplikacje wpływające na wynik wyborów, także korzystające z tego oceanu danych.

Dostęp do danych jest zatem ważny, nawet tych pozornie odpadowych. Byłoby pochopnie tak o nich sądzić. Można sobie wyobrazić, że do części danych dostęp będzie zazdrośnie strzeżony, ze stratą dla ogółu. Przygotowywane są prawa Unii Europejskiej, aby udostępniać dane naukowcom, tak aby można było liczyć, ale nie można było ich pobrać czy identyfikować.

Jakość danych bywa kwestionowana, ale i jakość algorytmów do ich analizy. W pośpiechu i niechlujnie powstają beemzety – jak nazwała je Kathy O’Neil – złe algorytmy, których decyzje skazują ludzi na porażkę ekonomiczną albo wręcz życiową. W banku, na policji, w sądzie.

To kwestia etyki, nie tylko jakości pracy twórcy algorytmu. Bo jeśli błędnie decyduje on „zwolnić warunkowo, czy nie”, albo jaką karę zastosować, to o ile pojedyncze pomyłki są możliwe (false positives), o tyle systemowe, znaczące statystycznie dyskryminowanie ze względu na rasę czy płeć staje się to fatalne. Znany jest przykład algorytmu, który rzadziej zwalniał z więzienia warunkowo osoby czarnoskóre niż białe, mimo że popełniły podobne przestępstwa. Zresztą kiedy wpisze się imię typowe dla amerykańskiego czarnoskórego, w Google’u pojawiają się kontekstowo reklamy usług prawniczych obrony w sprawach za drobne przestępstwa. Gdy kobieta szuka ofert pracy w Google, wyświetla się mniej wysoko płatnych ofert, niż gdy szuka mężczyzna. AI nauczyła się złych rzeczy od użytkowników internetu. A jego znaczenie rośnie, w Chinach decyduje przecież, czy człowiek ma prawo kupić bilet na pociąg, samolot, dostać kredyt. Trzeba pracować nad wyeliminowaniem mechanizmów dyskryminacyjnych.

Wróćmy do możliwości odegrania istotnej roli w świecie zdominowanym przez AI. Jak ocenia Pan nasz potencjał – firm, nasz ekosystem innowacyjny, ich predyspozycje i umiejętności działania na całym świecie.

W Unii Europejskiej istnieje inteligentna specjalizacja kraju decydująca o rozdziale środków. Uważam, że naszą kompetencją powinna stać się właśnie sztuczna inteligencja. Po pierwsze dlatego, że będzie rosło jego znaczenie. To jest przyszłość. A po drugie dlatego, że mamy potencjał. Nikt nie będzie się spierał, że polska informatyka jest dziś silna. Dowodzą tego konkursy, obecność – liczna – Polaków w najlepszych na świecie pod względem AI firmach i podmiotach, Open AI, DeepMind, Google. W Polsce też są już firmy, które ten potencjał wykorzystują i Synerise jest takim przykładem. Nasze rozwiązanie w zakresie marketingu uznane zostało przez Microsoft za jedno z trzech najlepszych na świecie dla firm z sektora retail i e-commerce. Ten potencjał jest, firm z sukcesami będzie przybywało.

A kapitał na ich rozwój? Nawet PFR-owi zabrakło na inwestycję w Solaris (rozmowa odbyła się przed odkupieniem przez PFR 35% udziałów w spółce od CAF - red.). Czy podobny los nie spotka polskich firm technologicznych?

Żyjemy w czasach, kiedy dostęp do kapitału jest najłatwiejszy w historii. Stopy procentowe są bliskie zeru. W związku z tym inwestorzy lokujący historycznie w obligacje korporacyjne szukają innych inwestycji, do venture capital płyną duże fundusze.

Barierą rozwoju jest brak ekosystemu takiego, aby firma mogła się rozwijać z polskim kapitałem, aby za wcześnie nie przejął jej fundusz albo zagraniczny potentat. To jest kluczowe zadanie dla rządu, dla państwa. Ekosystem ten powinien wspierać zaangażowanie polskiego sektora prywatnego, tak aby był on skłonny wchodzić w inwestycje związane ze sztuczną inteligencją. Ekosystem powinien też zakładać współpracę kapitału publicznego i prywatnego. To państwo inwestuje na bardzo wczesnym etapie rozwoju, pomaga zbudować prototyp, kiedy inwestycje są jeszcze małe. Drogo robi się dopiero później.
Kapitał publiczny powinien szeroko wspierać etap wstępny, akceptować ryzyko, aby potem obiecującą firmę podchwycił polski kapitał prywatny i pomógł rozwinąć ją do rozmiarów globalnych. To nastawienie po stronie państwa się zmienia, poprawia. NCBR i PFR przewodzą takiej właśnie zmianie. Ważne, aby to wszystko odbywało się na solidnej bazie merytorycznej. Dobre praktyki istnieją, np. EIT, który zbudował unijne centrum kompetencji na styku kapitału publicznego i prywatnego.

Mocny ekosystem innowacyjny to szansa dla talentów, do tej pory często marnowanych.

Bardzo cieszy mnie aspekt, że świetni ludzie po kierunkach typu fizyka, matematyka, czy innych, zyskają inne perspektywy niż sektor finansowy w Polsce, w City czy na Wall Street. W latach 90. i 2000. oni byli straceni dla społeczeństwa. Zajmowali się spekulacjami na rynkach finansowych. Teraz zarobki dla najzdolniejszych pracujących w AI są konkurencyjne wobec sektora finansowego – najbardziej utalentowani ludzie zaczynają trafiać do firm tworzących rozwiązania AI, z których skorzysta społeczeństwo. To się zaczęło zmieniać kilka lat temu, i to jest fantastyczne, bardzo ważne dla Polski.

A czy unicorny po odniesieniu sukcesu spłacać będą społeczeństwu wsparcie państwa z wczesnego etapu? Żeby państwo mogło inwestować w wyszukanie nowych unicornów?

Wolałbym spojrzeć na problem bardziej całościowo. Podatek dochodowy jest tylko jeden, według mnie przyszłe unicorny niech w ogóle nie płacą podatku dochodowego. W zamian niech dużo i mądrze, według własnej najlepszej wiedzy, wydają na badania i rozwój. Aby w efekcie do budżetu państwa trafiły pieniądze od kolejnych beneficjentów ich wynalazków. Aby korzyści efektywnościowe pojawiły się w całej gospodarce. Bodźce podatkowe dla firm trzeba stosować w sektorach typu sztuczna inteligencja. Odpisać, np. podwójnie, w zamian za inwestycje w B&R. To będzie fundament rozwoju, pociągnie ku nowym technologiom rzesze młodych ludzi, oni staną się naszym kapitałem i zdecydują o randze Polski.

Znamy przykłady, kiedy polskie firmy odnoszące sukces, przynajmniej wstępny, tak jak Saule Technologies czy Atende, chcą dzielić się doświadczeniami, sukcesem i pieniędzmi z innymi obiecującymi firmami technologicznymi.

Taki projekt ma również Synerise. To zjawisko faktycznie występuje i jest naturalne przy pewnym poziomie dojrzałości firmy. My mamy 140 pracowników, przetwarzamy miliardy transakcji i już musimy myśleć o nowych kierunkach rozwoju. To jest konieczność, aby wymyślać mechanizmy ściągania talentów i współpracy z najlepszymi.

Ciekawe, jak mogłoby taki organiczny wkład w budowę innowacyjnej gospodarki uwzględnić państwo.

My musimy nauczyć się, jak dobrze się mierzy korzyści.

W przypadku budowy autostrad jest specjalny 500-stronicowy unijny bluebook, który bardzo szczegółowo to określa. Zatem ile CIT czy PIT zapłaci firma technologiczna, to bardzo płytkie myślenie.
Podam przykład, rozwiązanie AI dla działu HR, które dobiera do zadań i projektów pracowników tak, jak dobiera się zawodników do drużyn koszykarskich w NBA: oceniając prawdopodobieństwo pokonania konkretnego przeciwnika. Dzięki AI doświadczenia ze sportu zawodowego można przenieść do HR w firmach. HR tak jak selekcjoner będzie wiedział, którego dnia, jakiemu pracownikowi przydzielić jakie zadania, bo z tym akurat poradzi sobie najlepiej. I konkurencyjność firm wdrażających takie modele AI silnie wzrośnie. Takie efekty mają o wiele większy wpływ na gospodarkę niż PIT czy CIT płacony przez firmy technologiczne.

To jest odpowiedź na głośne stwierdzenie Solovova w MIT Review, które Pan przytacza, że IT jest dzisiaj wszędzie, ale nie w statystykach efektywności.

Mierzymy wiele, ale nie umiemy dobrze mierzyć wpływu data science, korzyści ze sztucznej inteligencji. Jest ogromne przyspieszenie robotyzacji, a nie ma wzrostu bezrobocia. To już daje do myślenia ekonomistom, że ich miary i modele nie przystają do rzeczywistości cyfrowej.

Bardzo dobrze, że boty zastępują człowieka w prostych sprawach, takich jak call center, ale kolejny krok to bot prawnik, bot analityk finansowy, bot psychiatra (ze wsparciem empatyzującego softu Koko), bardziej wyrafinowane prace. Bot nigdy nie choruje, nie płaci ZUS. System ekspercki piszący prawo? Proszę bardzo. Mam taki projekt – system automatycznej oceny jakości prawa w Polsce powstały na bazie wszystkich ustaw gospodarczych po 1989 r., 1300 aktów, kilkanaście kategorii efektu wpływu. Program mógłby na tej podstawie oceniać dowolny projekt ustawy i sztuczna inteligencja powie, jakiej jest jakości. To jest z punktu widzenia technologii bardzo proste, żeby nie powiedzieć: prymitywne zadanie. AI ma szansę stworzyć dobre prawo, ograniczać korupcję. Skoro to się udaje z systemem scoringowym, dlaczego nie może być trafne w przypadku prawa?

Przykładów dużych i małych, prozaicznych jest bardzo wiele. Znam nawet przykład londyńskiego sklepu rzeźniczego, który musiał konkurować z supermarketem. Syn rzeźnika zainstalował proste czujniki, które wychwytywały sygnał komórki osób przechodzących. Odkrył, że kiedy o 22 zamykają dwa pobliskie puby przechodzi tędy mnóstwo osób, więc w godzinach nocnych można obsłużyć je i sprzedać im kanapki. Parę dolarów na czujniki i SaaS od wielkiej firmy i wiedzą, jak to zastosować. Sprzedaż u tego rzeźnika znacznie wzrosła dzięki IoT i uczeniu maszynowemu.

Co dalej z Pana inicjatywą „Poland Go global”? To był dobry wehikuł promocji polskich firm.

Były dwie edycje, potem wyjechałem na kilka lat do Kazachstanu, więc nie wiem co było dalej. Jest teraz dużo konkursów, Synerise jest np. laureatem konkursów EY i Microsoft. Można zaistnieć w wielu miejscach. Z doświadczeń „Poland, go global” płynie i dziś wiele wniosków, często takich, które powinny skłonić do refleksji nasze władze. Opisany w mojej książce „Go global!” Radwag jest wspaniałym przykładem niedocenianej roli państwa. Oni skutecznie konkurują swoją technologią z najlepszymi na świecie. A stało się to możliwe, ponieważ właściciel firmy na początku swojej drogi dostał zlecenie od Poczty Polskiej na produkcję prostych wag. To samo Solaris. Gdyby nie zamówienia z Poznania, nie osiągnęłoby masy krytycznej. Rola państwa to jest przecież także generowanie popytu na innowacyjne polskie rozwiązania. Zaryzykujmy zakupy od małej polskiej firmy, która na tym urośnie.

Minister Jadwiga Emilewicz mówi w wywiadzie u nas o takim inteligentnym zakupującym.

Warunkiem może być to, żeby główne centrum badawcze było w Polsce. To by sprawiło, że przewagę zyskają polskie firmy albo firmy zagraniczne, które inwestują w nas ze względu na kompetencje, a nie tanią siłę roboczą.

A Pana aktualne zadanie w Synerise?

Żeby powstawały nowe rozwiązania potrzebna jest wiedza interdyscyplinarna, bo na styku wielu dyscyplin pojawiają się innowacje. Dobrze to rozumie właściciel, Jarosław Królewski. Ściąga ludzi z kompetencjami z różnych obszarów, np. ekonomistów, specjalistów w różnych dziedzinach. W ostatnim czasie dołączyło dużo takich osób. Na styku dyscyplin pojawiają się najlepsze pomysły, wynalazki. Moim zadaniem jest patrzenie na dane, które przetwarza Synerise, przez okulary ekonomisty i szukanie nowych pomysłów. Kończymy też pisać z Jarkiem książkę o sztucznej inteligencji kierowanej do dyrektorów i prezesów firm.

Godne polecenia podejście nie tylko CEO w firmie tworzącej rozwiązania oparte na AI.

CEO w dowolnym sektorze musi dzisiaj rozumieć, jak ważną rolę odgrywa sztuczna inteligencja. Że te rozwiązania rewolucjonizują kolejno wszystkie obszary działalności firmy. Nawet mówi się, że zgrany slogan „po pierwsze klient” zostanie zastąpiony sloganem „po pierwsze dane”.
Jeśli firmy nie zbudują kultury korporacyjnej poważnie traktującej ten slogan, jeśli nie zaczną mierzyć i analizować danych dostępnych we wszystkich kanałach kontaktu z klientem lub dotyczących wielu procesów biznesowych, napotkają brutalną konkurencję tych, którzy to zrozumieli i wdrażają. To dotyczy wszystkich CEO i przedsiębiorców. Od rzeźnika po wielki banki. Czas nagli.

Prof. Krzysztof Rybiński

Prof. Krzysztof Rybiński

Krzysztof Rybiński, Chief Ideator, Synerise

Polski ekonomista i publicysta, doktor habilitowany nauk ekonomicznych, były wiceprezes Narodowego Banku Polskiego (2004–2008).

Ukończył studia na Wydziale Matematyki, Informatyki i Mechaniki oraz na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego, gdzie następnie uzyskał stopień doktora nauk ekonomicznych o specjalności ekonometrycznej. W 2009 r. habilitował się na podstawie rozprawy zatytułowanej „Globalizacja w trzech odsłonach. Offshoring – globalne nierównowagi – polityka pieniężna” w Kolegium Ekonomiczno-Społecznym Szkoły Głównej Handlowej w Warszawie.

Pracował jako informatyk w firmie komputerowej w Japonii, następnie jako pracownik naukowo-dydaktyczny na Wydziale Nauk Ekonomicznych UW. Był także konsultantem Banku Światowego, Uniwersytetu Środkowo-Europejskiego oraz dyrektorem administracyjnym w Centrum Badań Ekonomicznych Europy Środkowej i Wschodniej. W 1997 r. został głównym ekonomistą warszawskiego oddziału banku ING, od 2001 r. zajmował stanowisko głównego ekonomisty Banku Zachodniego WBK, w latach 2002–2004 był głównym ekonomistą Banku BPH. Pełnił funkcję prezesa Polskiego Stowarzyszenia Ekonomistów Biznesu oraz członka rady Towarzystwa Ekonomistów Polskich.

Od 25 marca 2004 r. do 2 stycznia 2008 r. zajmował stanowisko wiceprezesa Narodowego Banku Polskiego. Od kwietnia 2008 r. do marca 2010 r. był partnerem w firmie Ernst & Young, gdzie kierował zespołem strategii ekonomicznej.

Był także profesorem nadzwyczajnym w Szkole Głównej Handlowej, wiceprzewodniczącym rady nadzorczej Alior Banku i współwłaścicielem spółki SanNao wdrażającej rozwiązania internetowe. Od 2010 do 2015 r. pełnił funkcję rektora Akademii Finansów i Biznesu Vistula. W 2015 r. został rektorem Kazachstańskiego Uniwersytetu Ekonomicznego.

W 2010 r. został ekspertem ds. gospodarczych, współtworzącym program PJN. W 2011 r. poparł program gospodarczy partii Kongres Nowej Prawicy. W trakcie wyborów parlamentarnych w 2011 r. był kandydatem Unii Prezydentów – Obywatele do Senatu w jednym z okręgów warszawskich. Otrzymał 33 665 głosów (16,23% głosów), zajmując trzecie miejsce wśród czterech kandydatów.

Jest autorem publikacji naukowych i prasowych w zakresie ekonomii i finansów.