Sergei Audzeichyk
Zajmuję się tą częścią AI, która zaczyna się po efektownej demonstracji.
Jestem inżynierem AI/ML i twórcą produktów AI. Pracuję na styku uczenia maszynowego, inżynierii oprogramowania, prawa, edukacji i badań stosowanych.
Jak trafiłem do tej pracy
Jeden z projektów zaczął się od rozmowy z prawnikiem zajmującym się prawami człowieka. Opisał setki stron materiału, terminy procesowe, wymogi formalne oraz słaby, lecz krytyczny sygnał, którego nie wolno przeoczyć.
Jako inżynier znałem strukturę tego problemu. W widzeniu komputerowym system szuka istotnego wzorca w zaszumionym obrazie. W sprawie prawnej takim „obrazem” staje się zbiór dokumentów, faktów, dat, stanowisk i źródeł. Koszt błędu określa tu jednak nie metryka modelu, lecz los konkretnej sprawy.
Od tego czasu konsekwentnie zajmuję się systemami AI dla złożonej pracy zawodowej. Nie pytam przede wszystkim, czy model potrafi napisać przekonujący tekst. Potrafi. Ważniejsze jest, czy system pokaże podstawę tego tekstu, miejsca niepewności i moment, w którym musi zatrzymać się przed decyzją specjalisty.
Czym się zajmuję
Projektuję kopiloty AI, systemy RAG, agentowe środowiska pracy, potoki badawcze i narzędzia inteligentnej automatyzacji: od wyszukiwania w korpusie prawnym z kontrolą wersji i cytowań po otwarte badania, w których dane i kod są publikowane razem z wnioskiem.
Jak pracuję
Zaczynam od zadania użytkownika, nie od nazwy modelu. Najpierw ustalam, jaką decyzję podejmuje użytkownik, które źródła są dopuszczalne, jak wygląda błąd niedopuszczalny i co można zmierzyć przed wdrożeniem. Następnie buduję najmniejszy działający prototyp wokół jednego procesu.
Testy, rejestrowanie przebiegu i sposób odtworzenia wyniku powstają wraz z pierwszą działającą wersją, nie na końcu. Jeżeli hipoteza nie przechodzi kontroli, należy ją zmienić lub zamknąć — nie ukrywać problemu pod kolejną warstwą agentów.
Dlaczego publikuję otwarcie
Otwarty kod i dane nie służą mi do demonstrowania aktywności, lecz do pokazania metody. Otwartość nie dowodzi bezbłędności. Sprawia, że błąd staje się widoczny, a inna osoba może poprawić rezultat.
Podejście technologiczne
Pracuję z Pythonem, FastAPI i Quart, MongoDB, Redis, React i Next.js, PyTorch i TensorFlow oraz modelami OpenAI, Anthropic i Mistral. Preferuję oficjalne SDK i przejrzyste własne potoki zamiast ciężkich frameworków, gdy abstrakcja ukrywa dane, stan lub przyczynę błędu.
Stos technologiczny jest środkiem. Architekturę wyznaczają problem, prawa dostępu, koszt zmian i zdolność zespołu do utrzymania systemu po pilotażu.
Przekonujący tekst jest najtańszą rzeczą, jaką przyniosła epoka generatywnego AI. Wartość zaczyna się tam, gdzie można pokazać, z czego powstał wniosek, jaką kontrolę przeszedł i dlaczego człowiek zdecydował się na nim oprzeć.