logo organized
by pjait
Bilety
Bilety

Michał Rawski

Engineering Manager w BLIK, gdzie odpowiada za standardy wytwarzania oprogramowania, governance SDLC, współpracę z dostawcami oraz rozwój i skalowanie zespołu inżynierskiego wraz ze wzrostem organizacji. Łączy przywództwo zespołowe z rolą technicznego doradcy, blisko współpracując z architektami, product managerami i szeroko pojętym biznesem.

Z branżą IT związany od ponad dekady. Zanim zaczął prowadzić zespoły, sam budował systemy dla bardzo różnych obszarów: administracji publicznej, audytu zgodności podatkowej czy branży hotelarsko-turystycznej. Najdłużej związany z ubezpieczeniami, gdzie jako Technical Lead i Team Leader prowadził projekty od etapu MVP do wdrożenia produkcyjnego. Dziś, w fintechu, korzysta z tej różnorodności na co dzień.

Entuzjasta rozwiązań AI w praktyce inżynierskiej. Na co dzień testuje narzędzia oparte na sztucznej inteligencji, weryfikuje ich realną przydatność i wdraża je w procesie dostarczania oprogramowania – od asystentów kodowania i wsparcia code review po automatyzację powtarzalnych etapów delivery – z naciskiem na to, co faktycznie działa w produkcji, a nie tylko w demo.

Absolwent Polsko-Japońskiej Akademii Technik Komputerowych.

warsztaty i wystąpienia

  • AI & WDROŻENIA

    11:10 - 11:50 PANEL

    Pomysł na wykorzystanie AI można dziś stworzyć w kilka godzin. Znacznie trudniej zbudować rozwiązanie, które będzie bezpieczne, skalowalne, zaakceptowane przez użytkowników i rzeczywiście wykorzystywane w organizacji.

    Ten panel poświęcimy praktycznej stronie wdrażania AI. Porozmawiamy o doświadczeniach firm, które przeszły drogę od eksperymentów i PoC do produkcyjnych rozwiązań oraz o
    powodach, dla których wiele projektów nigdy nie wychodzi poza etap pilotażu. Ważne są nie tylko sukcesy, ale również błędy, nieudane eksperymenty i lekcje wyniesione z
    rzeczywistych wdrożeń.

    Wśród tematów dyskusji:
     dlaczego PoC działa, a wdrożenie produkcyjne już nie,
     jakie błędy firmy popełniają najczęściej i czego dziś nie zrobiłyby ponownie
     jak wybierać obszary o największym potencjale do wykorzystania AI,
     jak przejść od pojedynczych eksperymentów do AI działającej w skali organizacji,
     własne modele, rozwiązania open source czy gotowe platformy?
     jak przygotować dane, procesy i infrastrukturę,
     jak oceniać jakość i niezawodność rozwiązań opartych na AI, kto powinien być właścicielem wdrożeń AI: biznes, IT czy dedykowany AI team?
     co tak naprawdę decyduje o tym, że projekt AI wychodzi poza fazę pilotażu i zaczyna tworzyć wartość w skali całej organizacji