Wszędzie słychać to samo: „Sztuczna inteligencja zabierze pracę programistom, księgowym, lekarzom… nawet prawnicy są zagrożeni!” Wniosek? Jeśli nie chcesz być zastąpiony przez robota, lepiej już dziś zacznij ćwiczyć machanie łopatą. Bo podobno tylko prace fizyczne są bezpieczne – przecież AI nie przybije gwoździa ani nie wymieni uszczelki, prawda? Prawda?

No i tu wchodzę ja, cały na innowacyjnie biało, i pokazuję, że AI nie tylko nie zabiera pracy, ale może ją znacząco ułatwić. Wziąłem na warsztat przykład mojego kolegi – serwisanta AGD. Facet naprawia pralki, lodówki, zmywarki, czyli jak najbardziej fizyczna robota, żadne tam wirtuale. Ale to nie znaczy, że sztuczna inteligencja nie może mu pomóc!

Jak AI wspiera serwisanta AGD?

• Automatyczne odczytywanie e-maili i lokalizowanie zgłoszeń – program samodzielnie przegląda skrzynkę odbiorczą i wyłapuje wiadomości ze zgłoszeniami serwisowymi. Następnie analizuje treść, rozpoznaje adres klienta i prosi serwis geolokalizacyjny o współrzędne geograficzne. Jeśli lokalizacja się nie powiedzie (bo np. klient zrobił literówkę lub numer mieszkania wprawia w zakłopotanie serwis geolokalizujący), AI bierze na warsztat adres, poprawia go i ponawia próbę geokodowania. Dzięki temu serwisant dostaje czytelną mapę ze zgłoszeniami, zamiast walczyć z niekompletnymi danymi.

• Inteligentne SMS-y do klientów – gdy serwisant otworzy zgłoszenie na telefonie, może jednym kliknięciem wygenerować wiadomość do klienta. I to nie byle jaką! AI analizuje opis awarii i na jego podstawie redaguje SMS, który brzmi naturalnie, a jeśli trzeba – dopytuje o dodatkowe szczegóły. Przykładowo, jeśli klient napisał „Pralka nie wiruje”, AI może zapytać: „Czy pralka w ogóle startuje, czy problem pojawia się na końcu programu?” – oszczędzając tym samym serwisantowi dodatkowych telefonów. No i oczywiście, żeby wszystko brzmiało naturalnie, AI dba o poprawne odmiany imion – bo lepiej napisać „Panie Andrzeju, wpadnę zobaczyć tę pralkę” niż „Szanowny Panie Andrzej”.

• Podpowiedzi diagnostyczne – zamiast zgadywać, czemu lodówka przestała chłodzić, serwisant może zapytać AI, co najczęściej powoduje taką awarię i w jakiej kolejności powinien sprawdzić podzespoły. Może to termostat? A może układ chłodniczy? AI analizuje zgłoszenie i podpowiada, od czego zacząć diagnostykę, dzięki czemu oszczędza się czas i nie trzeba rozkręcać pół urządzenia w ciemno.

AI to asystent, nie wróg!

Brzmi jak magia? Może trochę. Ale to przede wszystkim dowód na to, że nawet w pracy, która wymaga siły, śrubokręta i odrobiny smaru na rękach, AI może być świetnym asystentem. Nie odbierze pracy serwisantom – wręcz przeciwnie, pomoże im działać szybciej i sprawniej, co oznacza więcej zleceń i więcej zarobionych pieniędzy.

Więc jeśli boisz się, że sztuczna inteligencja pozbawi Cię pracy – nie panikuj, nie zapisuj się jeszcze na kurs brukarski. Zamiast tego znajdź sposób, by AI pracowała dla Ciebie, a nie przeciwko Tobie. Jak mówią: jeśli nie możesz pokonać wroga, zatrudnij go jako swojego AIsystenta! 😎

Automatyzacja procesów wniosków o dotacje – jak VBA usprawnia pracę

W codziennej pracy administracyjnej czy w organizacjach zajmujących się przyznawaniem dotacji kluczowe jest sprawne zarządzanie dokumentacją, monitorowanie procesów oraz automatyzacja rutynowych zadań. Mając na uwadze te potrzeby, stworzyłem program w VBA, który znacząco usprawnia obsługę wniosków o dotacje. Projekt ten został zaprezentowany w ramach prezentacji dostępnej pod adresem: Złap Czas.

Główne funkcje programu

Mój system wspiera kompleksową obsługę dotacji poprzez:

• Zarządzanie wnioskami – automatyczne przetwarzanie dokumentów, co eliminuje konieczność ręcznego wypełniania formularzy.
• Generowanie umów i dokumentów – na podstawie wprowadzonych danych system samodzielnie tworzy umowy, pisma oraz inne niezbędne dokumenty.
• Obsługę korespondencji – integracja z IBM Lotus Notes umożliwia szybkie generowanie e-maili i wysyłanie powiadomień.
• Monitorowanie procesów – system śledzi status wniosków, przypomina o terminach oraz pozwala na efektywną kontrolę poszczególnych etapów procedury.
• Obsługę wielu użytkowników – możliwość pracy zespołowej, co jest istotne w większych organizacjach.
• Import danych z ePUAP – automatyczne pobieranie informacji, co znacząco przyspiesza weryfikację i dalsze przetwarzanie wniosków.

Dlaczego VBA?

VBA (Visual Basic for Applications) to potężne narzędzie, które pozwala na rozbudowaną automatyzację w środowisku Microsoft Office. Dzięki niemu możliwe było stworzenie rozwiązania w pełni dostosowanego do specyfiki procesu obsługi dotacji, bez konieczności inwestowania w drogie oprogramowanie zewnętrzne. System bazuje na Excelu, co sprawia, że jest intuicyjny i łatwy do wdrożenia nawet dla osób, które nie mają zaawansowanej wiedzy technicznej.

Korzyści z wdrożenia

Wprowadzenie tego rozwiązania do codziennej pracy przynosi szereg korzyści, w tym:

• Znaczne skrócenie czasu obsługi wniosków,
• Redukcję błędów wynikających z ręcznego wprowadzania danych,
• Automatyzację dokumentacji, co zmniejsza obciążenie administracyjne,
• Lepszą kontrolę nad procesem dotacyjnym dzięki możliwości monitorowania statusów i terminów.

Podsumowanie

Automatyzacja procesów administracyjnych staje się coraz bardziej istotna, zwłaszcza w instytucjach obsługujących duże ilości wniosków. Mój system oparty na VBA to przykład, jak przy wykorzystaniu dostępnych narzędzi można zwiększyć efektywność pracy i ograniczyć błędy. Jeśli chcesz dowiedzieć się więcej, zapraszam do kontaktu lub do obejrzenia prezentacji: Prezentacja na Prezi.

Nie każdy pamięta, ale 16 lat temu świat wyglądał trochę inaczej. Smartfony dopiero zaczynały zdobywać popularność, a GPS w telefonach był luksusem, a nie standardem. O sztucznej inteligencji mówiło się głównie na uczelniach i w laboratoriach badawczych.

Już wtedy widziałem potencjał uczenia maszynowego i postanowiłem sprawdzić, czy można lokalizować telefony bez wbudowanego GPS – wykorzystując tylko dane z sieci komórkowej (moc sygnału). Pomysł wydawał się trochę dziwaczny, bo dominowały wtedy klasyczne metody jak triangulacja  sygnału z masztów GSM. Matematyczny układ równań, który nie uwzględniał przeszkód dla sygnału GSM w mieście.

Myślenie na przekór schematom

W 2009 roku powszechnie zakładano, że dokładna lokalizacja wymaga dodatkowego sprzętu. Ja postawiłem na inteligentne oprogramowanie, które mogło działać na zwykłym telefonie, bez ingerencji w infrastrukturę operatorów. Wystarczy stworzoną sieć neuronową karmić informacjami o sile sygnałów z stacji bazowych, a ta będzie podawać współrzędne telefonu.

Żeby sprawdzić, czy to w ogóle ma sens, przeprowadziłem ponad 3000 pomiarów (sygnał/współrzędne). Dzięki temu miałem czym uczyć sieć neuronową geolokalizować. Testowałem różne architektury sieci neuronowych, algorytmy uczenia i dane wejściowe. I co się okazało?

Moje rozwiązanie potrafiło lokalizować telefon z dużą dokładnością – a w warunkach miejskich często przewyższało ówczesne GPS. Co więcej, działało wewnątrz budynków, gdzie system GPS miał (i nadal ma) problemy.

Krok przed rynkiem

Teraz, w 2025 roku, uczenie maszynowe to standard w analizie danych, ale w 2009 roku? Sieci neuronowe wciąż kojarzyły się bardziej z eksperymentami niż z realnymi zastosowaniami. Większość firm telekomunikacyjnych wolała trzymać się deterministycznych algorytmów i klasycznych metod lokalizacji.

Patrząc na to z perspektywy czasu, mój pomysł przewidział wiele późniejszych trendów:

• Nawigację wewnątrz budynków (dziś kluczową dla lotnisk, galerii handlowych czy magazynów),
• Wykorzystanie AI do przetwarzania danych sensorycznych,
• Demokratyzację technologii lokalizacji – czyli dokładne pozycjonowanie bez potrzeby drogich urządzeń.

Co z tego wynikło?

Moja praca powstała jeszcze przed erą Deep Learningu, Big Data i IoT, ale pomysły w niej zawarte nadal są aktualne. Niektóre z nich znalazły później zastosowanie w nowoczesnych technologiach lokalizacji, choć wtedy mało kto traktował takie podejście poważnie.

Jaki z tego wniosek? Czasem warto iść pod prąd.