Jedna aplikacja Appto, która zastępuje 15 innych narzędzi AI

Jedna aplikacja Appto, która zastępuje 15 innych narzędzi AI

Czego dowiesz się z tego materiału:

• Jaki problem rozwiązuje aplikacja Appto?
• Jak działa centralne zarządzanie kontekstem w firmie?
• Co daje warstwa między firmą a modelami AI?

Dzień dobry, witam Was gorąco i serdecznie. Piąta Aleja, Manhattan, Nowy Jork. I teraz chciałbym mieć zajebistą historię o tym, że przyjechałem tu dla biznesu, zebrać jakąś rundę, spotkać się z inwestorami. Ale nie jestem tu na wakacjach, a dzień przed moimi wakacjami wyszedł nasz nowy produkt: Appto. To odcinek o nim. Po co powstał, co nas motywowało, jak działa i do czego konkretnie służy.

Mówię o tym wprost i uczciwie, bo dla osób wrażliwych na komunikację produktową to dobry moment, żeby zamknąć ten materiał wideo. Dla wszystkich innych: przy okazji pokażę, jak myśleć o takim ustandaryzowanym wdrażaniu AI w firmie. Może zostawi to u Was trochę inspiracji, nawet jeśli klientem Appto nigdy nie będziecie. Te wskazówki da się zastosować w wielu uniwersalnych miejscach.

Jest 7:00 rano, dlatego tak pusto. Normalnie panuje tu harmider i pomimo prawnego zakazu trąbienia trąbią nawet sami policjanci. Idę do Central Parku, gdzieś się rozłożę i zaraz Wam wszystko pokażę.

Widzicie ten ołówek, który wystaje przy Central Parku? Ten i pozostałe dookoła to ciekawy eksperyment. Ultra bogatych ludzi na świecie jest tylu, że jak zrobimy dla nich ultra drogie mieszkania tuż przy parku, to chyba kupią. Wygląda na to, że część z nich się przeliczyła. W momencie, kiedy podaż przekroczyła popyt tych ultra bogatych, niektóre z tych mieszkań stoją puste do dziś. Ciekawy kontrast: z jednej strony park, biegają wiewiórki, z drugiej ogromne wieżowce. Niektórzy mówią, że można było zabudować tak ogromną przestrzeń, ponad 300 hektarów, nieruchomościami ogromnej wartości. Zapominają o jednym: te nieruchomości dookoła Central Parku mają wartość między innymi dzięki temu, że park jest niezabudowany.

Jaki problem rozwiązuje aplikacja Appto?

Udało mi się znaleźć dobre miejsce w parku. Są tu jacyś ludzie dookoła, ale sądzę, że to nie będzie dla nich problem.

Appto to system, który stworzyliśmy jako WiseGroup po to, żeby wdrażać AI w firmach. Zanim wejdę w szczegóły, chcę powiedzieć, jaki był problem, co próbowaliśmy rozwiązać. Gdzieś w okolicach zeszłego roku zaczęliśmy poważnie zajmować się wdrożeniem AI. Byliśmy już na etapie, na którym widzieliśmy bardzo dużo związanych z tym problemów. Nie tylko u nas, ale też u naszych klientów.

W WiseGroup mamy całą masę różnych zespołów o bardzo różnych potrzebach. Zespół konsultantów, zespół trenerów, zespół handlowców, zespół marketerów, zespół HireWise, zespół AdWise i tak dalej. To był pierwszy problem: tych zespołów i ich specyfik jest bardzo dużo. Do tego okazało się, że jedni wolą pracować na GPT, inni na Anthropicu, jeszcze inni na czymś innym.

Potem doszła sprawa kontekstu. Jak się uczycie o AI, to pewnie już wiecie: odpowiedź modelu, który ma dobry kontekst o Twojej firmie, procesach i wszystkim, co Cię dotyczy, jest nie trochę lepsza, tylko nieskończenie lepsza od tej pochodzącej z samych zasobów modelu. Była więc warstwa kontekstu wspólnego dla wszystkich: kim jesteśmy jako grupa, po co jesteśmy, co robimy. I druga warstwa, pofragmentaryzowana na poszczególne zespoły: jakie są procesy w sprzedaży, jakie w konsultingu.

Kontekst rozwalił nas najmocniej. Jeżeli się zmieniał, musiałem wysłać go do wszystkich zespołów i liczyć, że podmienią go w systemie, z którego akurat korzystają. Pewności organizacyjnej, że każdy pracuje na najbardziej aktualnym kontekście, po prostu nie było.

Dlaczego zbudowaliśmy własną warstwę między firmą a AI?

Rozwiązania na ten problem już powstały, ale pojawił się kolejny. Byliśmy za małym graczem, żeby wielcy dostawcy chcieli z nami szczególnie rozmawiać. Chcieliśmy objąć wdrożeniem pilotażowym dwa zespoły, jakieś 50 osób. Nikt nie chciał pogadać, nikt nie rozumiał naszej specyfiki.

Ostatecznie postanowiliśmy stworzyć własne oprogramowanie, które stanie się warstwą łączącą wszystko po naszej stronie z tym, co jest na zewnątrz organizacji. Oprócz kontekstu ogólnego i kontekstu zespołów doszły jeszcze narzędzia: aplikacje takie jak Pipedrive, z których korzystają poszczególne zespoły. One też musiały być połączone w tej warstwie, bo tam są dane, które dalej są kontekstem.

W tej warstwie chciałem sobie zapewnić wszystko: bezpieczeństwo, zarządzanie uprawnieniami i hasłami, zarządzanie tym, z którego modelu korzysta dany zespół. Warstwa taka jak Appto uwalnia przy tym od zależności od jednego dostawcy AI. Nie chciałem wiązać się tylko z OpenAI albo tylko z Anthropikiem. Rzeczywistość dookoła modeli zmienia się tak szybko, że rok temu wszyscy siedzieli na GPT-4 i byli zachwyceni, a po roku całość się pozmieniała. Najważniejsze było zbudowanie warstwy, która stanie się drzwiami do wszystkiego na zewnątrz. Spinam się po API z dowolną listą modeli. Jeśli za pół roku wyjdzie coś lepszego, po prostu je podłączę, a ludzie dalej pracują na narzędziu, które znają.

Jak działa aplikacja Appto?

Patrzycie właśnie na Appto. System dopiero ma publiczną premierę, ale korzysta z niego już grubo powyżej 1000 użytkowników w różnych firmach w Polsce. Pokazuję to na wersji demo, bo na produkcyjnym systemie liczba rzeczy, których nie mogę odsłonić, jest za duża.

Aplikacja działa w przeglądarce i na Slacku, więc masz do niej dostęp z każdego Twojego urządzenia. Jest oczywiście czat, z którego może korzystać każdy użytkownik. Jesteśmy teraz w panelu menedżera. Są asystenci, których mogę tworzyć. To było kolejne założenie: chciałem, żeby każdy menedżer stworzył asystenta w 15 minut, jeśli ma pełny kontekst i dostępne narzędzia. Appto jest zaprojektowane właśnie pod to, żeby robił to menedżer, a nie dział IT.

Jest kontekst organizacyjny, na przykład wiedza o sprzedaży: o ofertowaniu, o kwalifikacji, o case studies. Cały ten kontekst i wszystkie treści związane z organizacją trzymasz w jednym miejscu, a nie porozrzucane po kilku systemach. Kiedy ja jako menedżer zmienię kontekst, wszyscy asystenci, którzy z niego korzystają, zaczną pracować inaczej.

Jest prywatna pamięć o użytkowniku. Jak poproszę Appto, żeby coś zapamiętał, zapamięta. Są projekty, czyli sposób na to, żeby nad jedną inicjatywą pracował z AI nie jeden użytkownik, tylko cała grupa. Projekty umożliwiają udostępnianie pracy z AI całemu zespołowi. Są rutyny. Wiele tematów, które trzy lata temu robilibyśmy jako zlecenie na automatyzację przez wiele godzin, dziś wyklikamy w minuty. Są integracje z narzędziami, których używamy wewnętrznie, oraz z naszym Slackiem.

Jest też panel analityki, którego nam bardzo brakowało. Widzę aktywność w firmie: ilu mam aktywnych użytkowników, ile wysłali wiadomości, jak często wywoływali narzędzia, ile kredytów zużyliśmy w poszczególnych dniach, który użytkownik był najbardziej aktywny, które integracje i modele były najpopularniejsze. Przy takim użyciu widzisz na bieżąco, ile tokenów zużywa każdy zespół.

Asystenci, kontekst i akcje w narzędziach

Zobaczmy to na przykładzie. Jestem menedżerem w zespole sprzedaży. Przyszli do mnie, że chcieliby asystenta, który robi coś, na czym tracą kupę czasu. Klikam: nowy asystent, utwórz od podstaw. Wybieram nazwę, opisuję, co to za asystent, i wybieram, czy jest tylko dla mnie, czy widoczny dla całego zespołu.

Wybieram model, na którym pracuje. To ważne, bo zużycie tokenów jest już na tyle istotne, że zarządzanie tym organizacyjnie zrobiło się kluczowe. Mogę dać jeden model do prostego zadania albo pozwolić handlowcom przełączać modele. Wybieram narzędzia, które asystent widzi, na przykład Pipedrive. Przypisuję mu kontekst: cały folder o kwalifikacji, wiedzę o sprzedaży i ofertowaniu. Decyduję, czy korzysta z prywatnej pamięci użytkownika. Na koniec przypisuję umiejętność, na przykład kwalifikację szansy sprzedaży. Zapisuję i asystent staje się dostępny dla zespołu.

Teraz zobaczmy, jak to działa w praktyce. Zamawiam konsultację na stronie, wypełniam formularz. Mimo że robię to w narzędziu, a Appto stoi z boku, dzieje się cała masa rzeczy. Na Slacku pojawia się informacja, że ten lead został zakwalifikowany: spełnia kryteria, działa w Polsce, branża to agencja marketingowa B2B, na rynku od 2021. Appto wykonało akcję w Pipedrive: dodało notatkę, zmieniło etap, nadało etykietę. Gdy zajrzę do Pipedrive, wszystkie te informacje już tam są.

Centralne zarządzanie kontekstem w praktyce

To dla nas dealbreaker. Pokażę, jak wygląda rutyna od środka. Wyzwalacz: utworzono nową transakcję w Pipedrive, pojawiła się szansa sprzedaży. Instrukcja: dokonaj kwalifikacji leada, pobierając zasady kwalifikacji z kontekstu. Jeśli nie zakwalifikujesz, oznacz jako straconą. Jeśli zakwalifikujesz, przenieś do właściwego etapu, oznacz odpowiednią etykietą branży i wyślij powiadomienie na Slacku.

Teraz zmieniam zasady kwalifikacji w bazie wiedzy. Wchodzę do kwalifikacji i dopisuję: „Nigdy nie kwalifikuj firmy AdWise”. Zapisuję. Od tego momentu cała rutyna działa inaczej u wszystkich agentów. Obojętnie który asystent i który zespół korzysta z tych zasad, całość działa już według nowej reguły.

Wypełniam formularz ponownie, tym razem jako Szymon 2. Wynik: niezakwalifikowany. Firma AdWise formalnie spełnia kryteria, ale jest objęta jednoznacznym wykluczeniem. Szansa sprzedaży od razu ląduje wśród straconych.

To prosty przykład, ale pokazuje sedno. Jako właściciel organizacji steruję zasadami kwalifikacji centralnie. Nie muszę wysyłać ich mailem do 15 handlowców i prosić, żeby podmienili je w swoich asystentach ani, nie daj Boże, w agentach, które gdzieś w organizacji powstały. Zmieniam kontekst w jednym miejscu i praca wszystkich asystentów, którzy z niego korzystają, zmienia się od razu. To był dla mnie absolutny dealbreaker.

AI, które wykonuje działania, a nie tylko je podpowiada

Potestujmy dalej. Wchodzę do głównego czatu i pytam, jakie mamy udane realizacje dla klientów. Asystent handlowca przeszukuje kontekst i odkopuje z bazy wiedzy: sześć udanych case studies, głównie dla firm doradczych i agencji. Automatyzacja obiegu leadów, ofertowania, asystent AI do researchu i draftów, automatyzacja raportowania klienckiego.

Proszę: dodaj pasujące case studies do szansy sprzedaży dla AdWise w Pipedrive. Appto ma podpięty Pipedrive, kontekst i tę konkretną szansę, więc wykonuje działanie. Wypisuje sobie zadania, szuka szansy AdWise, sprawdza zasady kwalifikacji. Widzi zapis, że AdWise nie można kwalifikować. Znajduje dwie szanse, zakwalifikowaną i straconą, i pyta, czy mimo wyjątku chcę kontynuować pracę nad tą wcześniejszą, dodaną jeszcze przed zmianą zasad. Potwierdzam. Dobiera pasujące case studies i dodaje notatkę do szansy sprzedaży.

To była druga kluczowa dla nas rzecz: action based AI. Kiedy o coś proszę, Appto fizycznie wykonuje to w narzędziach, z których korzystamy. Wtedy faktycznie oszczędza czas zespołu. W starym świecie ktoś musiałby ręcznie przeklejać te notatki między narzędziami. Dziś po prostu nie trzeba.

Projekty, czyli wspólna praca zespołu z AI

Kolejna rzecz to projekty. W każdej linii biznesowej mamy jakieś projekty. Mamy na przykład projekt sprzedaży do klienta. Pytam: czy widzisz jakieś ryzyka na podstawie rozmów z klientem? Zapisz je w sekcji analizy na karcie projektu. Asystent zapisuje. Proszę o brief na podstawie wszystkich danych i brief powstaje: kto jest decydentem, w jaki sposób się kontaktować.

Mogę też poprosić: utwórz ofertę dla tego klienta. Asystent ma podpiętego skilla, który pomaga tworzyć oferty. Znajduje go i przygotowuje pełną koncepcję z wyceną, na przykład automatyzacji raportowania i onboardingu klientów. Ostatnio robimy oferty w formie stron internetowych. Jest to szybsze, dla AI optymalne, a dla klienta bywa miłym zaskoczeniem. Czasem dodajemy ikonkę drukarki, żeby dało się zapisać ofertę do PDF.

W projektach zlecam zadania, trzymam analizy, decyzje do podjęcia, założenia, wnioski, ryzyka i wszystkie pliki, także w folderach. Mogę wrzucić wszystkie informacje o kliencie i mieć skilla, który rozpisze projekt tak, żeby pracował na nim cały zespół.

Dlaczego wojna na funkcje nie ma większego sensu?

Gdybym miał to podsumować: mamy warstwę, która pośredniczy między nami a AI i gromadzi wewnętrznie cały kontekst. Z narzędzi, z pracy ludzi, o organizacji, o procesach. Dzięki temu, że jako menedżer mogę to modyfikować, praca wszystkich asystentów jest zawsze aktualna. Tworzę asystentów od ręki. Tworzę rutyny reagujące na wydarzenia albo działające według harmonogramu: rano czytają maile, w południe wykonują działanie.

Za tą prostotą stoi dużo pracy. Kontekst angażujemy oszczędnie. Nie wysyłamy do AI całej wiedzy, tylko listę briefów o dostępnym kontekście. Asystent sięga po konkretny brief dopiero wtedy, kiedy uzna go za istotny. Dzięki temu nie zużywamy tokenów bez sensu. Jest też wiedza podstawowa, wysyłana zawsze, bo bez niej dany asystent po prostu nie zadziała.

Wojna na funkcje nie ma większego sensu. Większość funkcji, które sobie wymyślimy, dodamy do Appto w kilka dni. Skoro my potrafimy, to każdy potrafi. Funkcje przestają być wyróżnikiem. Pokazuję je głównie po to, żeby osobom mniej obytym z AI uświadomić, co się otwiera, kiedy postawi się taką warstwę między firmą a AI: działania w tle, wspólny kontekst, zarządzanie tym wszystkim jako organizacja.

Uważam, że odseparowanie się od dostawców AI jest kluczowe. Ceny tokenów przejdą tę samą transformację co wszystko inne w historii. W końcu wejdzie gracz, który sprzeda tokeny taniej, potem kolejny. Jako organizacja możemy na bieżąco optymalizować zużycie, na przykład zamieniając model w konkretnym asystencie, i robić to centralnie. Uzależniamy się wtedy od systemu takiego jak Appto, ale to kwestia wyboru. Nie ma idealnych decyzji, są decyzje, które pasują do naszej firmy.

Największe wartości Appto

Skoro wojna na funkcje nie ma sensu, to gdzie jest wartość? Widzieliśmy w firmach setki narzędzi i większość z nich jest niewdrożona. Zespoły korzystają z nich losowo. Jedni wgrali kontekst, inni nie. Przyjmuję hipotezę, że kluczowe jest wdrożenie. Jeśli tak, to lokalne firmy, takie jak my, mają swoją przestrzeń. Jeśli jako polska firma pogadamy z dostawcą po polsku, a on to wdroży, zamiast dać samą samoobsługę, to ma dla klienta ogromną wartość.

Druga rzecz: Appto to tylko jedna z aplikacji. Kiedy rozbudowujemy system dla klienta, tworzymy aplikacje obsługujące konkretny proces, natywnie zintegrowane z Appto. Do tego integracje lokalne, na przykład z Optimą albo z Comarchem. Powodzenia z takimi integracjami w wielu narzędziach, a dla polskich firm mają ogromne znaczenie, bo jest tam masa kontekstu i wiedzy.

Kolejna sprawa to anonimizacja danych. Anonimizacja i kontrola prywatności to dla wielu firm warunek wdrożenia AI. My mamy ją wdrożoną na naszej instancji grupowej, a wiele firm ma tu dużo wymagań. Appto zakładamy jako platformę, która spełnia jakieś 80% wymogów wszystkich: zarządzanie rolami, zespołami, kontekstem, skillami, integracje narzędzi, czat tekstowy, czat na Slacku, projekty. Resztę rozwijamy wewnętrznie w firmie.

Przy poważnym wdrożeniu wychodzi wiele luk. Choćby ta, że wiele systemów wysyła cały kontekst do AI, a ja wtedy nadpłacam. Wchodzę i widzę: wczoraj zużyliśmy kilka tysięcy złotych, bo ktoś pracował z czterema skillami. Następnego dnia, po optymalizacji, zużyliśmy 10% tego co wcześniej, bo zrobiliśmy to lepiej.

Ciekawe, w którą stronę skręci ten rynek narzędzi AI i jak dokładnie będzie działać. Zachęcam Was do komentarzy i dyskusji. Jak tylko Appto się pokazało, zaczęli za mną biegać różni pasjonaci AI, że to bez sensu. Być może. Nie upieram się, że to koniecznie ma sens. Ma sens dla nas i dla klientów, którzy już nad tym pracują. Teraz sprawdzimy, czy ma sens szerzej i dla ilu firm może być dużym ułatwieniem w życiu i pracy.

Tyle. Pozdrawiam Was serdecznie z Nowego Jorku. Jestem dumny, że Appto powstało i że taka mała firma z Polski może uczestniczyć w rewolucji, która dzieje się na rynku. Do zobaczenia w kolejnym materiale.