Cyfrowe gospodarstwo: dlaczego AgriTech może być kolejnym dużym rynkiem dla IT
Cyfrowe gospodarstwo: dlaczego AgriTech może być kolejnym dużym rynkiem dla IT
Abstrakt:
Porozmawiamy o wyzwaniach, możliwościach współpracy z sektorem IT oraz o tym, dlaczego właśnie dziś warto bliżej przyjrzeć się rynkowi AgriTech.
Opis:
Rolnictwo i nowe technologie coraz częściej spotykają się na wspólnym polu. Cyfryzacja procesów, analiza danych, automatyzacja, sztuczna inteligencja czy nowoczesne kanały sprzedaży zmieniają sposób funkcjonowania gospodarstw rolnych i producentów żywności. AgriTech staje się jednym z najbardziej perspektywicznych sektorów dla innowacji, a jego potencjał wciąż pozostaje niedoceniony przez branżę IT. Podczas firechatu porozmawiamy z przedsiębiorcami, którzy od lat rozwijają nowoczesne gospodarstwa i marki oparte na produkcji rolnej.
To historie pokazujące, jak tradycyjne gospodarstwa mogą przekształcać się w nowoczesne, innowacyjne przedsiębiorstwa, budujące własne marki, rozwijające sprzedaż bezpośrednią i wykorzystujące technologię jako przewagę konkurencyjną.
Dancing with Uncertainty: Fundamentalne Wyzwania Systemów Rozproszonych
Dancing with Uncertainty: Fundamentalne Wyzwania Systemów Rozproszonych
Abstrakt:
Opis:
Zmigrowaliście się na mikroserwisy… i nagle zaczyna się jazda: sieć się wysypuje, zegary się rozjeżdżają, wiadomości docierają w innej kolejności niż powinny, dane przestają być spójne, a Ty próbujesz po prostu dowozić.
Prezentacja dotyczy fundamentalnych, nieusuwalnych problemów systemów rozproszonych – takich, które nie wynikają z „błędnej implementacji”, tylko z samej natury zawodnych sieci i wielu niezależnych węzłów.
Prezentacja skierowana jest do wszystkich, którzy chcą lepiej zrozumieć wyzwania systemów rozproszonych, w tym do osób nietechnicznych.
Dobry exit i wcześniejsza emerytura w IT – jak nie wtopić i co potem, aby … nie wtopić
Dobry exit i wcześniejsza emerytura w IT – jak nie wtopić i co potem, aby … nie wtopić
Abstrakt:
Historia dwukrotnej sprzedaży firmy IT przed 45-tka. Co się sprawdziło, czego się nauczył i dlaczego wczesna emerytura wygląda inaczej niż w marzeniach.
Opis:
Jeszcze jako student zaczynający swoją zawodową karierę IT w ubiegłym tysiącleciu, razem z kolegami snuliśmy plany, że trzeba się dorobić do czterdziestki, gdyż potem będziemy niewiele już warci na szybko zmieniającym się rynku IT. A najlepiej było dorobić się oczywiście na zbudowaniu własnej firmy. Nie sprzedałem firmy przed 40-stką, natomiast zrobiłem to dwukrotnie przed 45-tką. I w sumie dobrze, że później.
Opowiem Ci swoją historię zbudowania i sprzedaży firm, czego się z tego nauczyłem i jak diametralnie zmieniło się moje pierwotne postrzeganie wymarzonej wczesnej emerytury software developera. Myślę, że pomoże to ukształtować Wasz punkt widzenia na sprzedaż biznesu czy wczesne przejście na emeryturę.
Zapomniana sztuka myślenia. Jak uczyć się z LLMami, aby nie zwiększać cognitive debt?
Zapomniana sztuka myślenia. Jak uczyć się z LLMami, aby nie zwiększać cognitive debt?
Abstrakt:
Badania pokazuja, ze LLM-y powoduja „dlug poznawczy”. Jak korzystac z AI, zeby wzmacniala myslenie, a nie je zastepowala. Praktyczne techniki krytycznego myslenia.
Opis:
Istnieją badania wykazujące, że stosowanie LLMów powoduje zaciąganie „długu poznawczego” – człowiek intelektualnie idzie na skróty. LLM generuje ścianę tekstu, operator może nawet tego nie czyta – i powstaje złudne wrażenie że „robota jest zrobiona”. Dotyczy to zarówno researchu (nie weryfikowanie źródeł – np. LLM powołujący się na nieistniejące badania – ała, politycy!), kodowania („I don’t read what I push to production”) – ale także – i na tym się skupimy – nauki.
A co jeśli LLMy to narzędzie, które jednocześnie wynosi na wyżyny – jak i przerażająco ogłupia (i wszystko pomiędzy)? LLMy „to tylko narzędzie” – fajnie, fajnie. Ale jak go używać w praktyce aby zmaksymalizować te „wyżyny” i zminimalizować ogłupianie?
Kiedy generowanie tekstu/kodu tanieje, rozumienie i decydowanie relatywnie drożeje.
Sięgniemy do fundamentów kognitywistyki i odkurzymy fundamenty „krytycznego myślenia”, aby następnie zastosować w praktyce „naukę z LLMami” – stosując różnorodne techniki/metody/narzędzia do budowania własnego rozumienia (i modeli mentalnych) dot. określonego zagadnienia, metod weryfikacji, metod „pogłębiania” (nie tylko „zawsze jest wiele pięter wgłąb” – ale także – gdzie się zatrzymać) – i wiele innych praktycznych wskazówek.
Data as Code w praktyce – transformacja procesu zarządzania danymi testowymi
Data as Code w praktyce – transformacja procesu zarządzania danymi testowymi
Abstrakt:
Jak zmienić proces zarządzania danymi testowymi stosując podejście „Data as Code”.
Opis:
Zarządzanie danymi testowymi (Test Data Management) to jeden z największych, a jednocześnie najczęściej pomijanych problemów w nowoczesnych organizacjach IT. Ręczne procesy, ryzyko compliance, wysokie koszty infrastruktury i trudności z utrzymaniem spójności danych to wyzwania, z którymi na co dzień mierzą się zespoły QA i DevOps. Celem prezentacji jest pokazanie, jak skutecznie odpowiedzieć na te problemy przy pomocy podejścia Data as Code. Uczestnicy poznają nowoczesne podejście do TDM oraz możliwości implementacji od generatorów danych w repozytorium po wykorzystanie GenAI oraz rozwiązań komercyjnych. Prezentacja przybliży wymierne korzyści płynące z nowoczesnego TDM – od skrócenia czasu dostarczania danych testowych, przez obniżenie kosztów infrastruktury, aż po poprawę jakości i pokrycia testami.
Pragmatycznie o tym, jak to „biznes” wkłada czasem przysłowiowego kija w szprychy IT
Pragmatycznie o tym, jak to „biznes” wkłada czasem przysłowiowego kija w szprychy IT
Abstrakt:
Konflikty między biznesem a IT rzadko wynikają ze złej woli – znacznie częściej są efektem utraty zaufania, kontroli i wspólnego zrozumienia celu. Prelekcja dotyczy źródeł tych napięć oraz sposobów zapobiegania i wychodzenia z kryzysów na linii biznes–IT.
Opis:
Biznes „znowu zmienił zdanie”. Naciska. Dopytuje o szczegóły. Wchodzi w rozwiązania. Przerywa sprint. Zawraca głowę. Organizuje bezsensowne spotkania. Każe wypełniać raporty. Rozlicza godziny. Dorzuca managerów.
Znacie to?
Dla IT – chaos.
Dla biznesu – próba odzyskania kontroli.
Podzielę się historiami, w których biznes „przeszkadzał” zespołom IT.
Lecz zamiast narzekać na „zły biznes”, porozmawiamy o tym, jak takim sytuacjom zapobiegać, oraz jak sobie poradzić, gdy już się w nich znajdziemy.
Jeśli jesteś z IT – zabierz osobę, która Cię rozlicza z efektów. To będzie bardzo pouczające doświadczenie.
Jeśli jesteś z biznesu – przyprowadź kogoś, kto dowozi Twój produkt. Zobaczycie, że nie wszystko jest takie czarno-białe.
Prezentacja jest oparta na ponad dekadzie doświadczeń z ratowania, wspierania i przejmowania projektów IT tam, gdzie inni zawiedli. Podzielę się z Wami naszymi sprawdzonymi metodami na zapobieganie i wychodzenie z kryzysowych konfliktów na linii biznes vs IT.
Architect of Intents: Jak LLM-y zmieniają SDLC w fabrykę decyzji, a nie kodu
Architect of Intents: Jak LLM-y zmieniają SDLC w fabrykę decyzji, a nie kodu
Abstrakt:
Rola inżyniera ewoluuje z pisania kodu na podejmowanie decyzji. O spójności architektury, szybkiej walidacji outputu AI i mentalności redaktora vs autora.
Opis:
Pamiętacie czasy, gdy wytwarzanie softu przypominało wielką linię montażową? Analitycy biznesowi, systemowi, projektanci, architekci, a na końcu programiści – każdy w swojej silosowej wieży. Agile spłaszczył tę strukturę do trio architekt + developer + qa, a dalsza ewolucja dzieje się na naszych oczach właśnie teraz. W dobie LLM-ów rola inżyniera ewoluuje w stronę „Architect of Intents”. Dziś wąskim gardłem nie jest już szybkość pisania kodu, ale szybkość i trafność podejmowanych decyzji.
Podczas sesji przeanalizujemy trzy krytyczne filary tej zmiany:
– Spójność strukturalna kontra „Kod Frankensteina”: Kiedyś opór materii przy ręcznym pisaniu kodu wymuszał porządek. Dziś AI potrafi wygenerować tysiące linii w sekundy. Jak uniknąć stworzenia niekoherentnej hybrydy sprzecznych wzorców i utrzymać integralność architektury, gdy system rozrasta się w niespotykanym tempie?
– Szybka walidacja (High-Velocity Validation): LLM-y bywają „pewne swych błędów”, proponując nieistniejące biblioteki lub przestarzałe wzorce. Nowoczesny inżynier musi posiadać umiejętność błyskawicznej oceny kompromisów (trade-offs), aby zatrzymać dług techniczny, zanim trafi on do repozytorium.
– Mentalność Redaktora Naczelnego (Review over Writing): Przechodzimy od roli autora do roli krytycznego recenzenta. To ogromna zmiana poznawcza: znacznie trudniej jest znaleźć błąd w kodzie, którego się nie napisało. Zamiast pytać „Jak to zbudować?”, musimy zacząć pytać „Czy to, co zbudowało AI, jest poprawne i bezpieczne?”.
To wystąpienie dla tych, którzy chcą zrozumieć, dlaczego w świecie zdominowanym przez AI, rola architekta i jego zdolność do definiowania intencji staje się ważniejsza (i trudniejsza) niż kiedykolwiek wcześniej.