Łódź, AI i… „Awokado”. Notatki z Qlik AI Reality Tour.

Czy da się opowiadać o AI bez słowa „rezultaty”? W Łodzi, na Qlik AI Reality Tour, Dan Sommer powtarzał je, traktując jak punkt orientacyjny na mapie. I coś w tym było.

W niemal każdej branży wszyscy mają strategię, prawie nikt nie ma efektów. MIT mówi: 95% organizacji nie widzi zwrotu z inwestycji w AI. Różnica nie kryje się w magii modeli, tylko w tym, czy AI potrafi wejść w tryby codzienności: w codzienny rytm pracy, w decyzje, w nawyki. I czy nie miewa „90% racji” tam, gdzie potrzeba 99,5.

Łódzki konkret zamiast korpomowy.

Łódź to dobre miejsce na takie rozmowy. Tu się raczej mówi o konkretach, niż po prostu gada. Na scenie – Dan i Ioanna. Na slajdach – polskie logotypy: Mlekovita, Procam, Yes, Impel, Kielce. W głowie – proste pytanie: jak zamienić dane w ruch ręki, który naprawdę coś zmienia? Bez „synergii”. Po prostu: od kliknięcia do decyzji. Ioanna pokazała to na trzech krótkich scenach z codziennego życia firmy – kierownik zapasów, developer i handlowiec. Każdy z nich pracuje z danymi, ale każdy inaczej.

Scena 1: poranek kierownika zapasów

Poranek. Kierownik otwiera maila. Zamiast zalewu raportów – szept od Discovery Agenta: „tu jest odchylenie”. W Qlik Answers pada zwyczajne pytanie: „które produkty mają wysoki popyt i niską marżę?”. Cytat z demo: „awokado”. Wgląd jest klarowny: widać źródła, aktualność, jakość. Gdy model nie ma prognozy – nie udaje, że ma. Prosi o dane, zamiast wymyślać. A jeśli decyzja zapada – automatyzacja w tle składa zamówienie. Z poziomu tego samego asystenta. Bez przesiadek do innych systemów.

Scena 2: developer i prognoza, która „czuje” zależności.

Obok developer dostaje prośbę o prognozę. Nie „wykres jutra”, tylko coś, co rozumie sezonowość, promocje, ceny, sygnały makro. W Qlik Predict włącza multivariate forecasting. Dashboard jest aktywny: przesuwasz półkę, zmieniasz cenę chipsów, prognoza reaguje, bo „czuje” korelacje. Dwa kliknięcia i publikujesz to jako zdolność agenta dla zespołu zaopatrzenia. To nie jest projekt data science, tylko funkcja ekosystemu. Mniej brawury, więcej powtarzalności.

Scena 3: handlowiec i symulacja bez przesiadek

Handlowiec widzi, że mrożona lasagne „nie dowozi”. Włącza symulację, testuje -20% i od razu widzi, co to zrobi z zapasami. Nie zrywa sesji, by przepisać plan w innym narzędziu – wysyła polecenie do systemu jednym przyciskiem. Drobne korekty danych? Table Recipes – jak w arkuszu: policz dni na półce, wyczyść nazwy, odfiltruj „gotowce”, których w tej analizie nie chcesz. Małe sprawy, które zwykle miesiącami wiszą w kolejce do IT, załatwione są od ręki. Bo obieg jest zamknięty.

Zaufanie liczone w minutach.

„Do data differently” to nie teoria. To metryki. Trust Score, który da się ocenić po swojemu: kompletność, poprawność, a przede wszystkim aktualność, która realnie spada z czasem. W samo południe dane mogą być „zielone”, o 15:00 – już „żółte”. Do tego linia pochodzenia nie tylko dla ETL (czyli przetwarzania i ładowania danych) gotowej, także dla eksperymentów ML i zadań Talend Studio. Wreszcie widać, gdzie „pękła rura”.

Infrastruktura, która nie przeszkadza.

Wyobraź sobie magazyn i kilka taśm pakujących. Nie musisz wszystkiego przerzucać na jedną taśmę — zadania trafiają tam, gdzie w danej chwili będzie szybciej i taniej. Właśnie o to chodzi w nowej propozycji Qlika, która ma uprościć zarządzanie danymi:

• Qlik kupił firmę — Upsolver, która przyspiesza „transport” danych. Efekt: system potrafi przetwarzać ogromne strumienie informacji i robi to sprawniej (nawet kilka razy), a rachunek za chmurę bywa niższy.
• Dane mogą zostać tam, gdzie są (w Twojej „hurtowni” czy „jeziorze” danych). Zamiast je kopiować, system potrafi je „odpytać” na miejscu. Mniej duplikatów, mniej zamieszania.
• Są dwa „tryby pracy”: oszczędny (gdy nie goni czas) i szybki (gdy liczy się natychmiastowa reakcja). Platforma umie przełączać się między nimi automatycznie.
• Podłączenie strumieni danych (np. z aplikacji, urządzeń, zdarzeń) nie wymaga doktoratu z narzędzi. Ma być „klik i działa”, nie instrukcja do odrzutowca.

Upraszczając: zamiast martwić się, gdzie upchnąć dane, zaczynasz decydować, gdzie najlepiej je policzyć. I to właśnie realnie pomaga — w szybkości działania i w kosztach.

Małe rzeczy, duży efekt.

Na konferencjach lubimy wielkie słowa. W realu wygrywają drobiazgi, które skracają dystans między „wiem” a „działam”. To te elementy, które nie trafiają na okładki, ale codziennie oszczędzają minuty, nerwy i pieniądze. W Łodzi było kilka takich „klików”, po których proces staje się płynniejszy, a zespół przestaje żonglować narzędziami. Oto te klocki – małe z wyglądu, duże w skutkach:

• Write-back w kliencie (wreszcie). Co to znaczy: Możesz edytować dane bezpośrednio w aplikacji Qlik (np. poprawić wartość w tabeli, dodać komentarz, zatwierdzić decyzję), a zmiana zapisze się w systemie — bez eksportów do Excela i bez przeładowań. Po co: Szybsza decyzja w tym samym miejscu, gdzie widzisz dane (np. korekta prognozy, zatwierdzenie rabatu, zmiana statusu zamówienia).
• Migracja QlikView/NPrinting/Qlik Sense do chmury z narzędziem po StretchConnect (bez dodatkowych opłat). Co to znaczy: Jeśli masz stare wdrożenia QlikView, NPrinting albo Qlik Sense Client-Managed (on‑premise), jest dedykowane narzędzie, które pomaga je przenieść do Qlik Cloud. Po co: Mniej ręcznej roboty przy migracji, krótszy przestój, łatwiej zachować to, co już działa (raporty, uprawnienia, logikę).
• Table Recipes dla ludzi, którzy myślą tabelami. Co to znaczy: Proste „przepisy” na przygotowanie danych w formie tabel (jak w Excelu), bez kodowania. Np. policz różnicę dat, oczyść nazwy, odfiltruj zbędne wiersze. Po co: Szybkie, „ostatnie szlify” danych bez proszenia IT. Idealne do drobnych poprawek tuż przed analizą lub raportem.
• Nowe regiony chmurowe w Europie – dane zostają tam, gdzie muszą. Co to znaczy: Qlik Cloud działa w kolejnych centrach danych w UE (np. Frankfurt, Irlandia, Londyn; kolejne w drodze), więc możesz wybrać, gdzie fizycznie trzymasz dane. Po co: Zgodność z wymogami prawnymi i korporacyjnymi (RODO, wytyczne klientów), mniejsze ryzyko „wycieczek” danych poza region.

Agenci, którzy naprawdę „pracują”.

Wyobraź sobie jednego pomocnika, który siedzi obok ciebie i ogarnia dwa światy naraz: porządne raporty i dokumenty/maile/notatki. To właśnie ten kokpit z agentami.

• Discovery Agent działa jak czujnik dymu: sam przeszukuje twoje aplikacje i dane, wyłapuje odchylenia i okazje, daje znać „tu zajrzyj”.
• Qlik Answers to asystent do pytań w języku naturalnym. Pytasz: „czemu sprzedaż spadła w lipcu?”, a on odpowiada na podstawie twoich danych — bez „domysłów AI”.
• Kulisy techniczne (MCP, A2A) mają jeden cel: żeby różni „pomocnicy” dogadywali się między sobą i potrafili razem załatwić sprawę.
• Jest też agent dla inżynierów danych: mówisz mu, co chcesz osiągnąć (np. „KPI dla realizacji zamówień, odświeżanie co godzinę, wymiary: magazyn, produkt”), a on podpowiada, jakich danych użyć, układa z tego sensowny model (tzw. „gwiazdę”) i proponuje proste reguły.

Efekt? Krótsza droga od pytania do odpowiedzi — i od potrzeby biznesowej do gotowej tabeli, na której można pracować od razu.

• Checklista z Łodzi.

Nie lubię checklist, które brzmią jak wykute na sztorc „must have”. Wolę takie, które można przypiąć nad biurkiem i odhaczać w realnych projektach. Po Qlik AI Reality Tour w Łodzi zebrało mi się właśnie na taką – praktyczną, krótką, do użycia od jutra. Nie zmienia świata, ale porządkuje ruchy. A to często wystarcza, żeby „efekt Wow!” pojawił się nie w slajdach, tylko w pracy zespołu.

• Zaczynaj od rezultatu. Od końca do początku.
• Mierz aktualność, nie zaklinaj jej.
• „Trzymaj” decyzję blisko danych: symulacja, wybór, write-back – bez przesiadek.
• Prognozuj w wielu wymiarach, bo świat nie jest linią trendu.
• Dbaj o pochodzenie danych – zwłaszcza w ML.
• Licz tam, gdzie to ma sens. Skład i obliczenia to nie ta sama rzecz.
• Ucz agenta języka firmy. Inaczej będzie odpowiadał mądrze, ale nie na to pytanie.

Dan Sommer mówił o tempie zmian jak o kalendarzu, w którym znikasz na urlop i… puff – wracasz do innego świata. Po łódzkiej prezentacji mam podobne wrażenie, ale bardziej przyziemne. To nie dzieje się w Power Poincie. Dzieje się tam, gdzie kierownik magazynu jednym kliknięciem zamawia „awokado”, handlowiec widzi skutki zniżki od razu, a developer publikuje prognozę jako usługę dla agentów. Wtedy „rezultaty” przestają być sloganem. Stają się rytmem pracy.