Artykuł powstał na podstawie odcinka podcastu Globalne Horyzonty, w którym rozmawiam z wyjątkowymi ludźmi ze świata technologii, biznesu i kultury.
Cały odcinek znajdziesz tu:
Gościem odcinka była Kasia Szatyłowicz, doświadczona liderka marketingowa z ponad 7-letnim doświadczeniem w napędzaniu wzrostu startupów technologicznych. Obecnie zajmuje się marketingiem w szwajcarskiej firmie Lightly, specjalizującej się w narzędziach do wizji komputerowej, a wcześniej pełniła funkcję Growth Director w firmie Lakera, działającej w obszarze bezpieczeństwa AI.
W rozmowie poruszone zostały tematy:
- roli i zastosowań wizji komputerowej w różnych branżach
- wykorzystania sztucznej inteligencji w marketingu
- przyszłości i zagrożeń związanych z rozwojem AI
- tożsamości marki w erze automatyzacji
- narzędzi dla growth marketerów
- mierzenia efektywności działań marketingowych w B2B
Wizja komputerowa i jej zastosowania biznesowe
Firma Lightly, w której pracuje Kasia, specjalizuje się w tzw. computer vision (wizji komputerowej), oferując narzędzia do selekcjonowania i oznaczania danych wizualnych. Jak wyjaśnia Kasia:
„Nie oferujemy modeli, tylko narzędzia, dzięki którym ludzie mogą sobie te modele wytrenować. Mamy narzędzie do tego, żeby oni mogli sobie wybrać odpowiednie zdjęcia, odpowiednie firmy, na których mogą sobie trenować swój model. Proponujemy im też taki framework, dzięki którym mogą sobie trenować I potem fine-tunować ten model. I też proponujemy im rozwiązanie, dzięki któremu mogą wrzucać te modele do hardware.”
Kluczowym aspektem tej technologii jest ciągłe ulepszanie modeli dzięki zbieraniu nowych danych z rzeczywistych środowisk. Na przykład, kamery w samochodach Tesla mogą zbierać zdjęcia i nagrania podczas jazdy, które następnie są wykorzystywane do trenowania i poprawiania modeli.
Zastosowania wizji komputerowej są niezwykle szerokie i obejmują m.in.:
- Motoryzację – rozpoznawanie obiektów na drodze
- Rolnictwo – wykrywanie chwastów i optymalizacja upraw
- Medycynę – analiza skanów medycznych i wykrywanie zmian chorobowych
- Przemysł wytwórczy – kontrola jakości na liniach produkcyjnych
- Bezpieczeństwo – monitorowanie przestrzegania zasad BHP w zakładach pracy
Co ciekawe, w ciągu ostatnich lat nastąpiła znacząca ewolucja w procesie uczenia modeli – potrzebują one coraz mniej danych, aby osiągnąć dobre wyniki.
„To, co się wydarzyło przez ostatnie kilka lat, to jest to, że modele uczą się dużo szybciej i potrzebują dużo mniej danych. To się nazywa zero-shot learning” – wyjaśnia Kasia.
Przyszłość i kierunki rozwoju AI
Rozmawiając o perspektywach rozwoju sztucznej inteligencji, Kasia zwraca uwagę na interesujący trend: podczas gdy większość uwagi koncentruje się obecnie na dużych modelach językowych (LLM) takich jak GPT czy Claude, przyszłość może należeć do wyspecjalizowanych, mniejszych modeli.
„Jest coś, czym się bardzo ekscytuję, to jest coś, na co czekam w tym roku, bo wszyscy są bardzo zafascynowani bardzo dużymi modelami, czyli właśnie GPT, Claude… To, na co ja trochę czekam i co mnie trochę ekscytuje, to są właśnie takie modele, które są domain specific, czyli które są małymi modelami, które są bardzo dobrze fine-tunowane na konkretne zadania.”
Te wyspecjalizowane narzędzia mogą przynieść rewolucję w wielu branżach, oferując bardziej precyzyjne i efektywne kosztowo rozwiązania konkretnych problemów. Co więcej, dzięki rozwojowi otwartych modeli, takich jak chiński DeepSeek, koszt korzystania z AI będzie systematycznie malał, co otworzy nowe możliwości dla mniejszych firm i organizacji.
Kasia wspomina również o swojej współpracy z firmą Agimo, która specjalizuje się w tworzeniu „AI agents” i budowaniu zautomatyzowanych procesów pracy (AI workflows). Ta dziedzina, choć wciąż rozwijająca się, ma ogromny potencjał, aby zrewolucjonizować sposób, w jaki pracujemy i zarządzamy rutynowymi zadaniami.
Tożsamość marki w erze automatyzacji
Jednym z najciekawszych wątków rozmowy była kwestia autentyczności i tożsamości marki w świecie, gdzie coraz więcej treści marketingowych jest generowanych przez AI. Kasia zauważa, że podstawowa zasada biznesu pozostaje niezmienna:
„To się nie zmienia tak naprawdę od lat i to jest po prostu takie założenie tego, że ludzie kupują od ludzi. Myślę, że to jest coś, co się nie będzie zmieniać.”
Paradoksalnie, wraz z popularyzacją AI, wartość tego, co „hand-made” – ręcznie stworzone i autentyczne – może wzrosnąć. Kasia przywołuje analogię z przemysłem odzieżowym, gdzie mimo masowej produkcji, produkty wykonane ręcznie mają szczególną wartość dla konsumentów.
Jako przykład skutecznej strategii budowania marki w erze AI, Kasia wskazuje firmę Clay, która zainwestowała w budowanie silnej społeczności wokół swojego produktu:
„To, w jaki sposób oni w ogóle doszli do tego miejsca, gdzie nagle na moim LinkedInie przez kilka miesięcy było wszędzie 'Clay, Clay, Clayj’, to jest to, że oni zainwestowali bardzo dużo w tych swoich partnerów i w to swoje community.”
Interesującym trendem jest również rosnąca rola platform społecznościowych opartych na autentycznych treściach tworzonych przez użytkowników, takich jak Reddit. Kasia zauważa, że coraz więcej wyników wyszukiwania Google prowadzi do wątków na Reddicie, co może świadczyć o poszukiwaniu przez użytkowników prawdziwych, niewykreowanych opinii i doświadczeń.
Narzędzia AI dla marketerów
Kasia dzieli się swoimi ulubionymi narzędziami, które wykorzystuje w codziennej pracy growth marketera:
- Convergence z agentem Proxy – narzędzie do automatycznego zbierania danych z różnych źródeł, np. tworzenia list influencerów na YouTube
- Zapier AI – automatyzacja procesów z wykorzystaniem sztucznej inteligencji
- Agemo – gotowe przepływy pracy AI dla marketerów
- Full Story – narzędzie do analityki produktu i nagrywania sesji użytkowników
- Post Hog – platforma do analityki produktu z otwartym kodem źródłowym
Szczególnie dużo uwagi Kasia poświęca firmie Post Hog, zwracając uwagę na ich doskonały branding i transparentne podejście do biznesu:
„Oni robią tyle rzeczy dobrze z tą firmą. Ich CEO na LinkedInie jest niesamowity. To jest produkt dla Product Analytics. Cały produkt jest open source. Wszystko jest bardzo transparentne, ich cały team, w ogóle ile oni wydają, po prostu świetnie robią branding.”
Mierzenie efektywności marketingu B2B
W kontekście marketingu B2B, Kasia podkreśla, że jej głównym celem jest zazwyczaj zwiększenie inbound marketingu, czyli przyciąganie klientów, którzy samodzielnie zgłaszają zainteresowanie produktem.
Jako kluczową metrykę wskazuje pipeline wygenerowany przez marketing – czyli liczbę potencjalnych klientów pozyskanych dzięki działaniom marketingowym. Jednak tradycyjne pojęcie MQL (Marketing Qualified Leads) budzi pewne kontrowersje:
„Powodem, dla którego to jest też trochę kontrowersyjny temat, jest to, że żeby lead stał się właśnie marketing qualified, to oczywiście musi przejść przez jakiś tam proces scorowania, jakiś tam proces kwalifikacji. Ta cała ścieżka w tym marketingu B2B od poznania powiedzmy twojego brandu przez jakiś tam sposób, czyli jakaś tam brand awareness, bo ktoś widział reklamę, ktoś szedł na stronę, do tak naprawdę założenia tego deala, rozmów i demo, to może być w niektórych firmach, niektórych produktach, rok, nawet półtora roku.”
Kasia zauważa, że ścieżka zakupowa klienta rzadko jest linearna, co utrudnia dokładne śledzenie efektywności poszczególnych działań marketingowych. Mimo to, system oceny leadów (lead scoring) pozostaje użytecznym narzędziem, które pozwala klasyfikować potencjalnych klientów według ich wartości dla firmy.
Interesującym wątkiem rozmowy był również temat napięć między działami marketingu i sprzedaży. Kasia argumentuje, że rozdzielanie tych funkcji i wprowadzanie konkurencji między nimi często prowadzi do kontrproduktywnych starć:
„To tylko i wyłącznie tworzy starcia. Ja nie znam żadnego teamu, gdzie marketing i sales są po prostu tak [zgodne], tylko wszędzie zawsze jest, kto wygenerował więcej pipeline’u, jaki to jest lead source i tak dalej. I to jest dla biznesu tak bardzo kontrproduktywne.”
Nauka z porażek
Na zakończenie rozmowy, Kasia podzieliła się historią nieudanego eksperymentu z firmą V7, gdzie próbowano wprowadzić darmowy plan dla studentów i naukowców:
„Planem było to, że ci ludzie mogą tę platformę używać za darmo. Mogą sobie tam te rzeczy oznaczać, uploadować swoje dane itd. Ale te dane i te wszystkie oznaczenia, które oni mają na tych danych, czyli jakby te data sety, będą publiczne.”
Niestety, plan nie zadziałał, ponieważ tworzone przez użytkowników zestawy danych były zbyt małe i specyficzne, aby miały wartość dla innych. Co więcej, firma ponosiła koszty hostingu tych danych oraz wykorzystania GPU do trenowania modeli.
Główna lekcja z tej porażki? Kasia podkreśla znaczenie dokładnego researchu i zrozumienia potrzeb użytkowników przed wprowadzeniem nowych funkcji czy modeli biznesowych:
„Nauczka jest taka, żeby zrobić dużo większy research tego, czy to w ogóle jest potrzebne i czy to w ogóle ten user generated content ma sens.”
Na zakończenie
Rozmowa z Kasią Szatyłowicz oferuje fascynujący wgląd w świat marketingu technologicznego i sztucznej inteligencji. Pokazuje, jak AI zmienia nie tylko narzędzia, z których korzystamy, ale także nasze podejście do budowania marki, mierzenia efektywności i projektowania produktów.
Najważniejszym wnioskiem wydaje się być przekonanie, że mimo rewolucji technologicznej, sukces w biznesie nadal opiera się na fundamentalnych zasadach – zrozumieniu potrzeb klientów, autentycznej komunikacji i budowaniu społeczności wokół produktu.
Dla polskich przedsiębiorców i marketerów eksplorujących możliwości AI, doświadczenia Kasi stanowią cenny drogowskaz, pokazując zarówno ogromne możliwości, jak i potencjalne pułapki na drodze do wykorzystania sztucznej inteligencji w biznesie.