Słownik pojęć — AI, ML, automatyzacja, dane, chmura

A

A/B testing — metoda porównywania dwóch wariantów (np. procesu, interfejsu, modelu) na rzeczywistych danych, żeby sprawdzić, który daje lepsze wyniki. → Co to jest analiza danych i BI?

Accuracy (dokładność) — metryka jakości modelu ML: procent poprawnych predykcji w stosunku do wszystkich przypadków. Nie zawsze wystarczająca — przy niezbalansowanych danych może być myląca (patrz: precision, recall, F1 score).

ADAS (Advanced Driver Assistance Systems) — systemy wspomagania kierowcy wykorzystujące Computer Vision i czujniki do analizy otoczenia pojazdu w czasie rzeczywistym: rozpoznawanie pasów ruchu, pieszych, znaków drogowych, automatyczne hamowanie awaryjne. → Zastosowania AI w firmach — katalog

Adnotacja (annotation) — ręczne oznaczanie danych treningowych (np. zaznaczanie wad na zdjęciach, tagowanie kategorii dokumentów). Jakość adnotacji bezpośrednio wpływa na jakość modelu. → Co to jest Computer Vision?

Agent AI — system sztucznej inteligencji, który samodzielnie realizuje wielokrokowe zadania: wyszukuje informacje, porównuje dane, wykonuje czynności w systemach firmowych. W odróżnieniu od chatbota, agent nie tylko odpowiada — działa. → Co to jest RAG i Agent AI?

Agentic AI — najnowsza warstwa piramidy AI, budowana na szczycie Generative AI. Systemy, które łączą model językowy z dostępem do narzędzi, pamięcią kontekstową i autonomią w realizacji złożonych zadań. → Co to jest AI?

Agentic workflow — przepływ pracy, w którym agent AI samodzielnie wykonuje sekwencję zadań: odbiera dane wejściowe, podejmuje decyzje, korzysta z narzędzi (np. wysyła maile, odpytuje bazy danych) i raportuje wynik. W odróżnieniu od prostej automatyzacji, agent reaguje na kontekst i wyjątki. → Co to jest RAG i Agent AI?

Agile — zwinne podejście do zarządzania projektami oparte na krótkich cyklach (iteracjach), szybkiej informacji zwrotnej i ciągłym dostosowywaniu planu do rzeczywistości. → Co to jest optymalizacja procesów?

AI (Artificial Intelligence / Sztuczna Inteligencja) — zdolność systemów komputerowych do wykonywania zadań wymagających przetwarzania danych w sposób, który w efekcie przypomina ludzkie rozumowanie: rozpoznawanie wzorców, klasyfikacja, prognozowanie. → Co to jest AI?

AI Engineer — specjalista budujący infrastrukturę produkcyjną dla rozwiązań AI: API, monitoring, skalowanie, retrain. Odpowiada za to, żeby model działał nie w notebooku badawczym, ale w firmowym systemie, stabilnie i bezpiecznie.

AI Software Engineering — dyscyplina łącząca inżynierię oprogramowania z wiedzą o modelach AI/ML. Obejmuje projektowanie, budowę i wdrażanie systemów opartych na sztucznej inteligencji.

Analityka diagnostyczna (diagnostic analytics) — drugi poziom: odpowiada na pytanie „dlaczego się wydarzyło?” poprzez analizę przyczyn źródłowych (drill-down, korelacje). → Co to jest analiza danych i BI?

Analityka opisowa (descriptive analytics) — najniższy poziom analityki: odpowiada na pytanie „co się wydarzyło?” na podstawie danych historycznych. Dashboardy, raporty, KPI. → Co to jest analiza danych i BI?

Analityka predykcyjna (predictive analytics) — trzeci poziom: odpowiada na pytanie „co się wydarzy?” za pomocą modeli statystycznych i ML. → Co to jest analiza danych i BI?

Analityka preskryptywna (prescriptive analytics) — najwyższy poziom: odpowiada na pytanie „co powinniśmy zrobić?” poprzez symulacje scenariuszy i optymalizację decyzji. → Co to jest analiza danych i BI?

Anonimizacja — nieodwracalne usunięcie danych osobowych z zestawu danych, tak że nie da się zidentyfikować konkretnej osoby. Wymagana przy trenowaniu modeli AI na danych klientów. Różni się od pseudonimizacji, która jest odwracalna. → Co to jest RAG i Agent AI?

API (Application Programming Interface) — interfejs, przez który systemy komunikują się ze sobą. Pozwala np. na automatyczne przesyłanie danych z CRM do systemu księgowego bez udziału człowieka. → Co to jest integracja systemów?

Audit trail (ścieżka audytu) — automatyczny zapis kto, kiedy i co zrobił w systemie. Niezbędny w branżach regulowanych i przy wdrożeniach AI — pozwala odtworzyć, na jakiej podstawie system podjął decyzję.

Audyt procesów — systematyczny przegląd tego, jak firma faktycznie działa: które procesy są zmapowane, gdzie są wąskie gardła, jakie dane są zbierane, co można usprawnić. Punkt wyjścia przed każdym wdrożeniem AI czy automatyzacji. → Co to jest optymalizacja procesów?

Augmentacja danych — technika powiększania zbioru treningowego poprzez modyfikacje istniejących danych (np. obracanie, przycinanie, zmiana jasności obrazów). Stosowana w Computer Vision i NLP. → Co to jest Computer Vision?

Auto-scaling — automatyczne dostosowywanie zasobów (serwerów, mocy obliczeniowej) do aktualnego obciążenia. Gdy ruch rośnie — system dodaje zasoby. Gdy spada — zmniejsza. Firma nie płaci za pustą moc.

Automatyzacja — przeniesienie powtarzalnych, przewidywalnych czynności z człowieka na system. Spektrum od prostych makr w Excelu po agentów AI realizujących wieloetapowe zadania. → Co to jest automatyzacja?

AWS (Amazon Web Services) — największa platforma chmurowa na świecie. Oferuje usługi od przechowywania danych (S3), przez serwery (EC2), po gotowe narzędzia AI/ML (SageMaker, Bedrock). cm-opti buduje rozwiązania w chmurze AWS.

B

Backlog — uporządkowana lista zadań i wymagań do realizacji w projekcie. Elementy na górze mają najwyższy priorytet. Backlog jest żywy — zmienia się w miarę pojawiania się nowych informacji.

BaFin (Bundesanstalt für Finanzdienstleistungsaufsicht) — niemiecki federalny urząd nadzoru finansowego, odpowiednik polskiej KNF. Reguluje banki, ubezpieczycieli i rynki kapitałowe w Niemczech. Istotny kontekst przy wdrożeniach AI w sektorze finansowym na rynku niemieckim. → Zastosowania AI w firmach — katalog

Balanced scorecard — narzędzie zarządzania strategicznego, które mierzy wyniki firmy w czterech perspektywach: finansowej, klienta, procesów wewnętrznych i rozwoju. Pomaga przełożyć strategię na mierzalne cele. → Co to jest analiza danych i BI?

Batch processing (przetwarzanie wsadowe) — przetwarzanie danych w paczkach (np. raz dziennie, raz na godzinę), w odróżnieniu od przetwarzania w czasie rzeczywistym. Tańsze, ale z opóźnieniem. → Co to jest analiza danych i BI?

Baza wektorowa — baza danych przechowująca tekst w formie wektorów liczbowych (embeddingów), co umożliwia wyszukiwanie semantyczne — po znaczeniu, nie po słowach kluczowych. Fundament RAG. → Co to jest RAG i Agent AI?

BERT (Bidirectional Encoder Representations from Transformers) — model językowy opracowany przez Google, który analizuje tekst w obu kierunkach jednocześnie. Fundament wielu zastosowań NLP w firmach: klasyfikacja dokumentów, analiza sentymentu, wyszukiwanie semantyczne. → Co to jest OCR i NLP?

Bias (uprzedzenie modelu) — systematyczny błąd w wynikach modelu AI wynikający z nierówności w danych treningowych. Jeśli model uczył się na danych, w których pewne grupy były niedoreprezentowane, może reprodukować te nierówności w swoich decyzjach. Szczególnie istotne w rekrutacji, ocenie kredytowej i ubezpieczeniach. → Co to jest AI?

Big Data — zbiory danych zbyt duże lub zbyt złożone, by przetwarzać je tradycyjnymi narzędziami. Charakteryzuje je 3V: Volume (objętość), Velocity (szybkość napływu), Variety (różnorodność). → Co to jest AI?

BIM (Building Information Modeling) — cyfrowy model budynku lub infrastruktury zawierający dane o geometrii, materiałach, instalacjach i harmonogramie. W połączeniu z AI pozwala śledzić postęp budowy, wykrywać odchylenia od planu i symulować scenariusze. → Zastosowania AI w firmach — katalog

Bottleneck (wąskie gardło) — punkt w procesie, który spowalnia cały przepływ pracy. Identyfikacja wąskich gardeł to pierwszy krok optymalizacji — bo usprawnienie czegokolwiek innego nie da efektu, dopóki gardło istnieje. → Co to jest optymalizacja procesów?

BPA (Business Process Automation) — automatyzacja procesów biznesowych wykraczająca poza pojedyncze zadania — obejmuje cały przepływ pracy, od początku do końca. → Co to jest automatyzacja?

BPMN (Business Process Model and Notation) — standard graficzny do modelowania procesów biznesowych. Pozwala narysować przepływ pracy w sposób zrozumiały zarówno dla biznesu, jak i dla IT. → Co to jest optymalizacja procesów?

Business case — dokument lub analiza uzasadniająca inwestycję: ile kosztuje wdrożenie, ile zaoszczędzimy / zarobimy, po jakim czasie się zwróci (ROI), jakie są ryzyka. Podstawa każdej decyzji o wdrożeniu AI.

Business Intelligence (BI) — zbiór technologii, procesów i narzędzi do przekształcania surowych danych w informacje wspierające podejmowanie decyzji biznesowych. → Co to jest analiza danych i BI?

C

CAC (Customer Acquisition Cost) — koszt pozyskania jednego nowego klienta (budżet marketingowy / liczba nowych klientów). Porównywany z CLV — jeśli CAC > CLV, firma traci pieniądze na każdym nowym kliencie. → Co to jest optymalizacja procesów?

Chain-of-thought (CoT) — technika promptowania, w której prosisz model AI o pokazanie rozumowania krok po kroku, zamiast podania samej odpowiedzi. Poprawia jakość odpowiedzi na złożone pytania, bo wymusza strukturę myślenia.

Change Management — zarządzanie zmianą w organizacji. Obejmuje przygotowanie ludzi, procesów i kultury firmy na wdrożenie nowych rozwiązań. → Co to jest optymalizacja procesów?

Chatbot — program komputerowy prowadzący konwersację z użytkownikiem. W odróżnieniu od Agenta AI, chatbot odpowiada na pytania, ale nie wykonuje samodzielnie zadań w systemach. → Co to jest RAG i Agent AI?

Chunking — dzielenie dokumentu na mniejsze fragmenty (chunki) przed zapisem w bazie wektorowej. Jakość chunkingu decyduje o jakości odpowiedzi RAG. → Co to jest RAG i Agent AI?

Churn prediction — prognozowanie odejścia klienta na podstawie jego zachowań (np. spadek aktywności, reklamacje). Zastosowanie analityki predykcyjnej i ML. → Co to jest analiza danych i BI?

CI/CD (Continuous Integration / Continuous Deployment) — praktyka automatyzacji testowania i wdrażania kodu. Każda zmiana w systemie jest automatycznie testowana i — jeśli testy przejdą — wdrażana na produkcję. Skraca czas od napisania kodu do działającego rozwiązania i redukuje ryzyko błędów.

Cloud computing (chmura obliczeniowa) — model udostępniania zasobów IT (serwery, bazy danych, narzędzia AI) przez internet, bez konieczności posiadania własnej infrastruktury. Firmy płacą za to, czego używają, i mogą skalować zasoby w górę lub w dół w minutach. → Co to jest integracja systemów?

CLV / LTV (Customer Lifetime Value) — prognozowana wartość przychodów, jakie klient wygeneruje w całym okresie współpracy z firmą. Pomaga ocenić, ile warto zainwestować w pozyskanie i utrzymanie klienta. → Co to jest analiza danych i BI?

CMR (Międzynarodowy List Przewozowy) — standardowy dokument przewozowy w transporcie drogowym, uregulowany konwencją CMR. Zawiera dane nadawcy, odbiorcy, opis ładunku, warunki przewozu. W logistyce jeden z najczęściej przetwarzanych dokumentów przez systemy OCR + NLP. → Zastosowania AI w firmach — katalog

CNN (Convolutional Neural Network) — typ sieci neuronowej zaprojektowany do przetwarzania obrazów. Automatycznie wykrywa cechy wizualne (krawędzie, tekstury, kształty) bez ręcznego programowania. → Co to jest Computer Vision?

Co-development — model współpracy, w którym partner zewnętrzny buduje rozwiązanie wspólnie z zespołem klienta, jednocześnie przekazując wiedzę i kompetencje. Cel: z czasem firma przejmuje utrzymanie i rozwój rozwiązania samodzielnie. → Firma zewnętrzna czy własny zespół?

Compliance (zgodność regulacyjna) — działanie firmy zgodnie z obowiązującymi przepisami i standardami (RODO, EU AI Act, normy branżowe). Przy wdrożeniach AI compliance nie jest „dodatkiem” — to wymaganie od dnia pierwszego.

Computer Vision (wizja komputerowa) — dziedzina AI zajmująca się „widzeniem” maszyn — analizą i interpretacją obrazów i wideo. Zastosowania: kontrola jakości, klasyfikacja produktów, bezpieczeństwo. → Co to jest Computer Vision?

Confidence score — wskaźnik pewności systemu AI co do poprawności wyniku (0–100%). Pozwala oddzielić wyniki pewne od tych wymagających weryfikacji człowieka. → Co to jest OCR i NLP?

Confusion matrix (macierz pomyłek) — tabela pokazująca, jak model klasyfikacyjny się myli: ile przypadków poprawnie rozpoznał (true positive, true negative) i ile pomylił (false positive, false negative). Na jej podstawie liczone są precision, recall i F1 score. → Co to jest AI?

Context window — maksymalna ilość tekstu, jaką model językowy może przetworzyć w jednym zapytaniu. Mierzona w tokenach (1 token ≈ 3/4 słowa). → Co to jest RAG i Agent AI?

Continuous Improvement (ciągłe doskonalenie) — podejście zakładające, że procesy nigdy nie są „skończone” — zawsze można je usprawnić. Realizowane w krótkich cyklach: zmiana → pomiar → korekta. Fundament Lean i Kaizen. → Co to jest optymalizacja procesów?

Conversion rate (współczynnik konwersji) — procent osób, które wykonały pożądane działanie (np. zakup, rejestrację, kliknięcie) w stosunku do wszystkich odwiedzających. Podstawowy KPI w sprzedaży i marketingu. → Co to jest analiza danych i BI?

CRISP-DM — metodologia realizacji projektów data science/ML: Business Understanding → Data Understanding → Data Preparation → Modeling → Evaluation → Deployment. → Co to jest AI?

CRM (Customer Relationship Management) — system do zarządzania relacjami z klientami. Przechowuje historię kontaktów, sprzedaży, reklamacji. Jedno z kluczowych źródeł danych dla BI. → Co to jest integracja systemów?

Customer journey (ścieżka klienta) — pełna droga klienta od pierwszego kontaktu z firmą do zakupu i obsługi posprzedażowej. Mapowanie customer journey pomaga zidentyfikować, gdzie klient napotyka problemy — i gdzie automatyzacja lub AI mogą poprawić doświadczenie.

Cyfryzacja — przeniesienie informacji do formy cyfrowej (np. skan dokumentu). Pierwszy krok przed digitalizacją i automatyzacją — sam skan niczego nie automatyzuje, ale umożliwia dalsze przetwarzanie. → Co to jest automatyzacja?

Czas cyklu (cycle time) — czas od rozpoczęcia do zakończenia jednego przebiegu procesu. Podstawowy KPI operacyjny — im krótszy, tym sprawniejszy proces. → Co to jest optymalizacja procesów?

D

Dashboard — interaktywny panel wizualny prezentujący kluczowe wskaźniki (KPI) w czasie rzeczywistym. Pozwala podejmować decyzje na podstawie danych, nie przeczuć. → Co to jest analiza danych i BI?

Data catalog — centralny rejestr opisujący, jakie dane firma posiada, gdzie się znajdują, co oznaczają i kto jest ich właścicielem. Bez katalogu zespoły tracą godziny na szukanie danych, które już istnieją.

Data drift — zmiana rozkładu danych w czasie, powodująca spadek skuteczności modelu ML. Wymaga monitoringu i ponownego treningu. → Co to jest Computer Vision?

Data Engineer — specjalista odpowiedzialny za przygotowanie danych: buduje pipeline'y, czyści i transformuje dane, łączy źródła. Bez Data Engineera Data Scientist nie ma na czym pracować.

Data governance — zestaw zasad, procesów i odpowiedzialności dotyczących zarządzania danymi w firmie: kto ma dostęp, jak dane są klasyfikowane, jak długo przechowywane, kto odpowiada za jakość. Fundament wdrożeń BI i AI.

Data lake — repozytorium przechowujące dane w surowej formie (ustrukturyzowane i nieustrukturyzowane) bez wcześniejszego przetwarzania. → Co to jest analiza danych i BI?

Data lineage — śledzenie drogi danych od źródła do raportu: skąd pochodzą, jak zostały przetransformowane, gdzie trafiły. Pomaga zrozumieć, dlaczego liczba na dashboardzie wygląda tak, a nie inaczej.

Data pipeline — zautomatyzowany przepływ danych od źródła (np. CRM, IoT, pliki) przez przetwarzanie (czyszczenie, transformacja) do celu (hurtownia danych, dashboard, model AI). Kręgosłup każdego wdrożenia BI i ML.

Data quality (jakość danych) — stopień, w jakim dane są kompletne, poprawne, spójne i aktualne. Niska jakość danych to najczęstsza przyczyna niepowodzeń projektów AI i BI — „garbage in, garbage out”.

Data Science — interdyscyplinarna dziedzina łącząca statystykę, programowanie i wiedzę dziedzinową w celu wydobywania wiedzy z danych.

Data Scientist — specjalista łączący statystykę, programowanie i wiedzę biznesową. Analizuje dane, buduje modele predykcyjne, projektuje eksperymenty. Skupia się na pytaniu „co dane mogą nam powiedzieć?”.

Data warehouse (hurtownia danych) — centralne repozytorium danych przetworzonych i ustrukturyzowanych, zoptymalizowane pod kątem analiz i raportowania. → Co to jest analiza danych i BI?

Deep Learning (DL) — podzbiór Machine Learning wykorzystujący wielowarstwowe sieci neuronowe. Fundament technologii takich jak rozpoznawanie obrazu, mowy i języka naturalnego. → Co to jest AI?

Digital twin (cyfrowy bliźniak) — wirtualna replika fizycznego obiektu, procesu lub systemu, zasilana danymi w czasie rzeczywistym. Pozwala na symulacje, testowanie scenariuszy i predykcyjne utrzymanie ruchu.

Digitalizacja — przeniesienie procesów do formy cyfrowej — nie tylko dokumentów, ale sposobu pracy. Klient składa zamówienie online, system automatycznie generuje ofertę, status jest dostępny w panelu. Kolejny krok po cyfryzacji. → Co to jest automatyzacja?

Discovery (warsztat odkrywczy) — pierwszy etap współpracy doradczej: rozmowy z zespołem klienta, mapowanie procesów, identyfikacja wąskich gardeł i szans. Celem jest zrozumienie, nie sprzedaż rozwiązania. → Co to jest optymalizacja procesów?

DMAIC — metodologia Six Sigma: Define → Measure → Analyze → Improve → Control. Strukturalny sposób doskonalenia procesów oparty na danych. → Co to jest optymalizacja procesów?

Docker — platforma do konteneryzacji aplikacji. Pozwala uruchomić system w izolowanym środowisku, niezależnie od infrastruktury. → Co to jest integracja systemów?

DPA (Data Processing Agreement) — umowa powierzenia przetwarzania danych osobowych, wymagana przez RODO (art. 28) przy każdej współpracy, w której partner zewnętrzny przetwarza dane osobowe klienta. Określa cel, zakres, obowiązki i prawo do audytu. → Firma zewnętrzna czy własny zespół?

Drill-down — technika analityczna polegająca na schodzeniu z poziomu ogólnego do szczegółowego (np. przychody firmy → przychody regionu → przychody klienta). → Co to jest analiza danych i BI?

Due diligence — szczegółowy przegląd dokumentacji firmy (umowy, finanse, regulaminy, zobowiązania) przeprowadzany przed transakcją, fuzją lub przejęciem. Tradycyjnie wymaga dni pracy zespołu prawników. AI (RAG + NLP) skraca ten proces, automatycznie przeszukując bazę dokumentów i wyodrębniając kluczowe klauzule. → Zastosowania AI w firmach — katalog

E

Edge computing — przetwarzanie danych na urządzeniu (np. kamerze) zamiast wysyłania ich do chmury. Zmniejsza opóźnienia i wymagania dotyczące łącza. Stosowane w Computer Vision. → Co to jest Computer Vision?

Ekstrakcja danych — automatyczne wyciąganie konkretnych informacji z dokumentów (np. numer faktury, kwota, data, nazwa kontrahenta). Łączy OCR (odczytanie tekstu) z NLP (zrozumienie, co ten tekst znaczy). → Co to jest OCR i NLP?

EMA (European Medicines Agency / Europejska Agencja Leków) — agencja UE odpowiedzialna za ocenę i nadzór nad produktami leczniczymi w Europie. Kluczowy kontekst regulacyjny przy zastosowaniach AI w farmacji — od odkrywania cząsteczek po kontrolę jakości produkcji. → Zastosowania AI w firmach — katalog

Embedding — reprezentacja tekstu (lub obrazu) w formie wektora liczbowego. Pozwala maszynie porównywać znaczenia, nie literalne brzmienie słów. Fundament RAG. → Co to jest RAG i Agent AI?

ERP (Enterprise Resource Planning) — zintegrowany system zarządzania zasobami przedsiębiorstwa: finanse, magazyn, produkcja, HR. Centralne źródło danych operacyjnych. → Co to jest integracja systemów?

ETL (Extract, Transform, Load) — proces pozyskiwania danych ze źródeł, przekształcania ich i ładowania do hurtowni danych lub systemu analitycznego. → Co to jest analiza danych i BI?

EU AI Act — unijne rozporządzenie regulujące systemy sztucznej inteligencji. Klasyfikuje zastosowania AI wg poziomu ryzyka i nakłada odpowiednie wymagania. → Co to jest AI?

Explainability / XAI (Explainable AI) — zdolność systemu AI do wyjaśnienia, dlaczego podjął konkretną decyzję. EU AI Act wymaga wyjaśnialności w systemach wysokiego ryzyka (medycyna, finanse, rekrutacja). W praktyce: model nie tylko mówi „odrzucony”, ale wskazuje, które zmienne wpłynęły na decyzję. → Co to jest AI?

F

F1 score — metryka jakości modelu łącząca precision i recall w jedną wartość (średnia harmoniczna). Przydatna, gdy zarówno fałszywe alarmy, jak i pominięcia mają znaczenie.

FastAPI — nowoczesny framework Pythona do budowania API. Szybki, z automatyczną dokumentacją. Stosowany do udostępniania modeli AI jako usług (microservices).

Feature engineering — proces tworzenia i wybierania cech (zmiennych), na których model ML się uczy. Kluczowy dla jakości predykcji. → Co to jest Computer Vision?

Feedback loop (pętla zwrotna) — mechanizm, w którym wyniki modelu AI są oceniane przez użytkowników, a te oceny wracają jako dane treningowe, poprawiając model. Im więcej firma korzysta z systemu, tym lepiej on działa.

Few-shot learning — technika, w której model uczy się wykonywać zadanie na podstawie kilku przykładów podanych w prompcie, bez pełnego treningu. Zastosowanie: szybkie prototypowanie, klasyfikacja z minimalnymi danymi. → Co to jest RAG i Agent AI?

Fine-tuning — dotrenowanie istniejącego modelu AI na specyficznych danych firmowych, żeby lepiej radził sobie z zadaniami w konkretnej domenie. Tańszy i szybszy niż trening od zera. → Co to jest RAG i Agent AI?

Function calling (wywoływanie funkcji) — mechanizm, dzięki któremu model językowy (LLM) może wywoływać zewnętrzne narzędzia: sprawdzić stan magazynu, wysłać maila, pobrać dane z CRM. Fundament agentów AI — bez niego model tylko generuje tekst, z nim może działać. → Co to jest RAG i Agent AI?

G

Gap analysis (analiza luk) — porównanie stanu obecnego firmy (jak jest) ze stanem docelowym (jak chcemy żeby było). Luki = konkretne obszary do poprawy, które można zamienić na projekty.

Gartner Hype Cycle — model opisujący cykl życia technologii: od przesadzonego entuzjazmu, przez rozczarowanie, po produktywne zastosowania. → Co to jest AI?

Gemba — japońska koncepcja „idź i zobacz” — zrozumienie procesu wymaga pójścia do miejsca, gdzie praca się odbywa, nie analizy zza biurka. → Co to jest optymalizacja procesów?

Generative AI (GenAI) — modele AI, które nie tylko analizują dane, ale generują nowe treści: tekst, kod, raporty, obrazy. Przykłady: ChatGPT, Claude, Gemini. → Co to jest AI?

Git / GitHub — system kontroli wersji (Git) i platforma do współpracy nad kodem (GitHub). Standard w inżynierii oprogramowania — każda zmiana w kodzie jest śledzona, odwracalna i możliwa do przeglądania.

GMP (Good Manufacturing Practice / Dobra Praktyka Wytwarzania) — zbiór zasad i procedur zapewniających, że produkty (leki, żywność, kosmetyki) są wytwarzane i kontrolowane zgodnie z ustalonymi standardami jakości. W farmacji wymóg regulacyjny — AI wspiera zgodność z GMP m.in. przez automatyczną kontrolę jakości na liniach pakujących. → Zastosowania AI w firmach — katalog

Go-live — moment uruchomienia rozwiązania w środowisku produkcyjnym, z prawdziwymi użytkownikami i danymi. To nie koniec projektu — to początek opieki powdrożeniowej.

GPT (Generative Pre-trained Transformer) — rodzina modeli językowych opracowanych przez OpenAI. „Generative” oznacza, że model generuje tekst. „Pre-trained” — że nauczył się na ogromnym zbiorze danych przed dostrojeniem do konkretnych zadań. ChatGPT to interfejs konwersacyjny zbudowany na modelu GPT. Inne rodziny LLM to m.in. Claude (Anthropic) i Gemini (Google). → Co to jest AI?

GPU (Graphics Processing Unit) — karta graficzna wykorzystywana do trenowania modeli AI dzięki zdolności do masowo-równoległych obliczeń. → Co to jest AI?

Ground truth — „prawda referencyjna” — zbiór poprawnie oznaczonych danych, z którym porównuje się wyniki modelu AI. Jakość ground truth determinuje jakość oceny modelu. → Co to jest Computer Vision?

Grounding — technika „zakotwiczenia” odpowiedzi modelu AI w konkretnych źródłach danych (dokumentach, bazach wiedzy), żeby ograniczyć halucynacje. RAG to najpopularniejsza forma groundingu.

Guardrails — reguły i filtry nałożone na model AI, które ograniczają zakres jego odpowiedzi (np. „nie odpowiadaj na pytania spoza tematu”, „nie podawaj danych osobowych”, „eskaluj do człowieka, gdy pewność <70%”). Kluczowe przy wdrożeniach w firmach.

H

Halucynacje AI — sytuacja, w której model AI generuje informacje, które wyglądają wiarygodnie, ale są fałszywe. Jedno z głównych wyzwań przy wdrażaniu LLM. → Co to jest AI?

HOAI (Honorarordnung für Architekten und Ingenieure) — niemiecki regulamin honorariów dla architektów i inżynierów. Określa zasady wynagradzania za usługi projektowe w budownictwie. Jeden z dokumentów, na których pracują systemy RAG w firmach budowlanych działających na rynku niemieckim. → Zastosowania AI w firmach — katalog

Hugging Face — platforma i społeczność udostępniająca tysiące pretrenowanych modeli AI (NLP, CV, audio). Pozwala pobrać gotowy model i dostosować go (fine-tuning) do zadań firmowych zamiast trenować od zera.

Human-in-the-loop — podejście, w którym AI przetwarza dane automatycznie, ale wyniki nietypowe lub o niskim confidence score są kierowane do człowieka do weryfikacji. → Co to jest OCR i NLP?

Hybrid cloud (chmura hybrydowa) — połączenie chmury publicznej (np. AWS) z infrastrukturą on-premise (własne serwery firmy). Stosowane, gdy część danych musi pozostać lokalnie (np. wymagania regulacyjne), a reszta korzysta z elastyczności chmury.

Hyperparametr — ustawienie modelu ML, które nie jest uczone z danych, tylko dobierane przez człowieka przed treningiem. Przykłady: jak szybko model się uczy (learning rate), ile razy przechodzi przez dane (liczba epok), jak duże są porcje danych (batch size). Dobór hyperparametrów wpływa na jakość wyników.

I

IDP (Intelligent Document Processing) — inteligentne przetwarzanie dokumentów: połączenie OCR, NLP i ML w jeden system, który automatycznie czyta dokumenty, wyciąga dane, klasyfikuje je i wprowadza do systemów firmowych. Następca prostego OCR. → Co to jest OCR i NLP?

Incident management — proces reagowania na awarie i problemy w systemach produkcyjnych: wykrycie, diagnoza, naprawa, komunikacja z użytkownikami, analiza przyczyn, zapobieganie powtórce.

Inference (wnioskowanie) — proces, w którym wytrenowany model AI przetwarza nowe dane i generuje wynik (predykcję, klasyfikację, odpowiedź). To jest „praca” modelu po treningu — i to za nią płaci się w chmurze.

Integracja systemów — połączenie narzędzi IT w firmie (CRM, ERP, magazyn, e-commerce) tak, żeby dane przepływały automatycznie, bez ręcznego kopiowania. → Co to jest integracja systemów?

IoT (Internet of Things) — sieć urządzeń fizycznych (czujniki, kamery, maszyny) połączonych z internetem i wymieniających dane. W firmach: monitoring maszyn, śledzenie przesyłek, pomiary środowiskowe. Dane z IoT zasilają dashboardy BI i modele predykcyjne. → Co to jest integracja systemów?

IPA (Intelligent Process Automation) — automatyzacja procesów z elementami AI: systemy nie tylko wykonują zadania, ale analizują, klasyfikują i podejmują decyzje. → Co to jest automatyzacja?

iPaaS (Integration Platform as a Service) — platforma chmurowa do integracji systemów bez pisania kodu od zera (np. Zapier, Make, n8n). → Co to jest integracja systemów?

K

Kaizen — japońska filozofia ciągłego doskonalenia małymi krokami. W praktyce: regularne przeglądy procesów i wdrażanie drobnych usprawnień. → Co to jest optymalizacja procesów?

Kanban — wizualna metoda zarządzania przepływem pracy. Zadania przedstawione jako karty przesuwane między kolumnami (np. „do zrobienia → w toku → gotowe”). Pomaga ograniczyć liczbę zadań w toku i wykryć wąskie gardła. → Co to jest optymalizacja procesów?

Klasteryzacja (clustering) — technika ML polegająca na automatycznym grupowaniu danych w zbiory (klastry) na podstawie podobieństwa, bez z góry określonych kategorii. Zastosowania: segmentacja klientów, grupowanie dokumentów, wykrywanie anomalii. Różni się od klasyfikacji tym, że model sam odkrywa grupy, nie przypisuje do wcześniej zdefiniowanych. → Co to jest AI?

Klasyfikacja (Machine Learning) — zadanie, w którym model przypisuje dane wejściowe do jednej z wcześniej zdefiniowanych kategorii. Przykłady: dokument → faktura/reklamacja/zamówienie, zdjęcie → produkt OK/wada, mail → pilny/standardowy. Jedno z najczęstszych zastosowań AI w firmach. → Co to jest AI?

Klasyfikacja dokumentów — automatyczne przypisanie dokumentu do kategorii (faktura, reklamacja, zamówienie, korespondencja ogólna) na podstawie jego treści, bez ręcznego przeglądania. Jeden z najpopularniejszych pierwszych projektów AI w firmach. → Co to jest OCR i NLP?

Klasyfikacja obrazu — zadanie Computer Vision polegające na przypisaniu obrazu do jednej z predefiniowanych kategorii (np. „produkt OK” vs „wada”). → Co to jest Computer Vision?

Klasyfikacja tekstu — zadanie NLP polegające na przypisaniu dokumentu do kategorii (np. faktura, reklamacja, zamówienie) na podstawie jego treści. → Co to jest OCR i NLP?

KNF (Komisja Nadzoru Finansowego) — polski organ nadzoru nad rynkiem finansowym (banki, ubezpieczenia, fundusze, rynek kapitałowy). Przy wdrożeniach AI w sektorze finansowym w Polsce wymaga transparentności i wyjaśnialności modeli. → Zastosowania AI w firmach — katalog

Konosament (Bill of Lading) — podstawowy dokument w transporcie morskim, potwierdzający przyjęcie ładunku na statek. Zawiera dane nadawcy, odbiorcy, opis towaru, warunki przewozu. W spedycji morskiej jeden z dokumentów przetwarzanych przez systemy OCR + NLP. → Zastosowania AI w firmach — katalog

KPI (Key Performance Indicators) — kluczowe wskaźniki efektywności. Mierzalne wartości pokazujące, czy proces/firma zmierza we właściwym kierunku. → Co to jest analiza danych i BI?

KSeF (Krajowy System e-Faktur) — polski system elektronicznego obiegu faktur ustrukturyzowanych. Zmienia sposób wystawiania, przesyłania i przechowywania faktur w Polsce. Kontekst dla zastosowań AI w księgowości — automatyczna klasyfikacja i przetwarzanie dokumentów musi uwzględniać format KSeF. → Zastosowania AI w firmach — katalog

Kubernetes — system do zarządzania kontenerami (Docker) na dużą skalę. Automatyzuje wdrażanie, skalowanie i zarządzanie aplikacjami. → Co to jest integracja systemów?

L

LangChain — framework do budowania aplikacji opartych na LLM: chatboty, agenty AI, systemy RAG. Łączy modele językowe z narzędziami, pamięcią i bazami danych. → Co to jest RAG i Agent AI?

Latency (opóźnienie) — czas od wysłania zapytania do otrzymania odpowiedzi. W systemach AI: czas od podania danych wejściowych do wygenerowania wyniku. Krytyczne w zastosowaniach real-time (np. CV na linii produkcyjnej).

Lead scoring (ocena potencjału kontaktów handlowych) — metoda, w której model ML ocenia prawdopodobieństwo zakupu przez potencjalnego klienta na podstawie jego zachowań (wizyty na stronie, otwieranie maili, branża, wielkość firmy). Pomaga handlowcom skupić się na kontaktach o największym potencjale. → Zastosowania AI w firmach — katalog

Lead time — całkowity czas od momentu złożenia zamówienia (lub rozpoczęcia procesu) do jego zakończenia. Obejmuje czas pracy, oczekiwania, transportu. Kluczowy KPI w optymalizacji procesów. → Co to jest optymalizacja procesów?

Lean Management — podejście do zarządzania skupione na eliminacji marnotrawstwa (muda) i maksymalizacji wartości dla klienta. → Co to jest optymalizacja procesów?

Least privilege (zasada minimalnych uprawnień) — reguła bezpieczeństwa: każdy użytkownik i system powinien mieć dostęp tylko do tego, co jest niezbędne do wykonania swojego zadania — nie więcej. Kluczowa przy współpracy z partnerami zewnętrznymi i przy wdrożeniach AI operujących na danych firmowych.

LLM (Large Language Model) — wielki model językowy trenowany na ogromnych zbiorach tekstu. Potrafi generować tekst, odpowiadać na pytania, tłumaczyć, pisać kod. Przykłady: GPT-4, Claude, Gemini. → Co to jest RAG i Agent AI?

Low-hanging fruit — zadania lub procesy, które można usprawnić szybko, tanio i z widocznym efektem. Pierwszy krok w optymalizacji i automatyzacji — zamiast zaczynać od najtrudniejszego problemu, zaczynasz od tego, który da najszybszy zwrot. → Co to jest optymalizacja procesów?

M

Machine Learning (ML) — podzbiór AI: algorytmy, które optymalizują swoje działanie na podstawie danych treningowych, zamiast działać wg sztywnych reguł. → Co to jest AI?

Managed service (stała opieka) — model współpracy, w którym partner zewnętrzny po wdrożeniu przejmuje bieżący monitoring, utrzymanie i rozwój rozwiązania za stały, przewidywalny koszt. Firma nie musi budować wewnętrznych kompetencji utrzymaniowych. → Firma zewnętrzna czy własny zespół?

Mapowanie procesów — wizualne przedstawienie kroków, decyzji i przepływów w procesie biznesowym. Pierwszy krok optymalizacji — nie da się poprawić tego, czego się nie widzi. → Co to jest optymalizacja procesów?

Master data management (MDM) — zarządzanie danymi podstawowymi firmy (klienci, produkty, dostawcy, lokalizacje) tak, żeby były spójne we wszystkich systemach. Bez MDM te same dane żyją w różnych wersjach w CRM, ERP i arkuszach.

Maturity model (model dojrzałości) — framework oceniający, na jakim etapie jest firma w danym obszarze (np. dojrzałość danych, dojrzałość AI). Pomaga ustalić priorytety: nie wdrażaj analityki predykcyjnej, jeśli nie masz jeszcze spójnych danych.

MFA (Multi-Factor Authentication) — uwierzytelnianie wieloskładnikowe: oprócz hasła wymagany jest drugi czynnik (np. kod SMS, aplikacja, odcisk palca). Standard bezpieczeństwa przy dostępie do systemów firmowych i danych wrażliwych.

Middleware — warstwa oprogramowania pośrednicząca między systemami. Tłumaczy dane z jednego formatu na drugi, żeby systemy mogły się ze sobą „porozumieć”. → Co to jest integracja systemów?

Mikroserwisy (microservices) — architektura, w której aplikacja składa się z małych, niezależnych usług komunikujących się przez API. Ułatwia skalowanie i rozwój. → Co to jest integracja systemów?

ML Engineering — dyscyplina inżynierska zajmująca się budową, wdrażaniem i utrzymaniem modeli Machine Learning w środowisku produkcyjnym.

MLOps — zestaw praktyk łączących Machine Learning z DevOps: automatyzacja treningu, wdrażania, monitoringu i ponownego treningu modeli ML w produkcji. Odpowiednik CI/CD dla modeli AI.

Model degradation — stopniowy spadek jakości modelu AI w czasie, spowodowany zmianami w danych, procesach lub otoczeniu biznesowym. Dlatego wdrożenie AI to nie jednorazowy projekt — wymaga opieki.

Modele multimodalne — modele AI przetwarzające jednocześnie różne typy danych: tekst, obraz, dźwięk. Mogą np. analizować dokument łącząc OCR, NLP i analizę layoutu. → Co to jest OCR i NLP?

Monitoring modelu — ciągłe śledzenie jakości działania modelu AI po wdrożeniu: czy accuracy nie spada, czy dane wejściowe się nie zmieniły (data drift), czy użytkownicy są zadowoleni z wyników. Bez monitoringu model „starzeje się” po cichu.

MTBF (Mean Time Between Failures) — średni czas między awariami. Kluczowy wskaźnik w utrzymaniu ruchu i serwisie — im wyższy, tym bardziej niezawodna maszyna lub system. Dane o MTBF zasilają modele predictive maintenance. → Zastosowania AI w firmach — katalog

MTTR (Mean Time To Repair) — średni czas naprawy od momentu zgłoszenia awarii do przywrócenia działania. Wraz z MTBF tworzy parę wskaźników, na których opiera się zarządzanie utrzymaniem ruchu. → Zastosowania AI w firmach — katalog

Multi-agent (system wieloagentowy) — architektura, w której wiele agentów AI współpracuje, każdy odpowiedzialny za inny fragment procesu. Jeden agent odczytuje zapytanie, drugi wycenia, trzeci umawia termin — zamiast jednego systemu robiącego wszystko. → Co to jest RAG i Agent AI?

MVP (Minimum Viable Product) — minimalna wersja produktu wystarczająca do przetestowania hipotezy biznesowej. W projektach AI: pierwszy działający model z ograniczonym zakresem, wdrożony u użytkowników, żeby zweryfikować wartość przed pełnym rozwojem.

N

NDA (Non-Disclosure Agreement) — umowa o poufności między firmą a partnerem zewnętrznym. Określa, jakie informacje są poufne i jakie są konsekwencje ich ujawnienia. Standard przy każdej współpracy, w której partner ma dostęp do danych lub procesów firmy.

NER (Named Entity Recognition) — zadanie NLP polegające na rozpoznawaniu w tekście nazw własnych, dat, kwot, adresów i innych encji. Stosowane przy ekstrakcji danych z dokumentów. → Co to jest OCR i NLP?

NLP (Natural Language Processing) — przetwarzanie języka naturalnego: zbiór technologii AI umożliwiających maszynom analizę, klasyfikację i generowanie tekstu w ludzkim języku. → Co to jest OCR i NLP?

No-code / Low-code — platformy umożliwiające budowanie aplikacji i automatyzacji bez (lub z minimalnym) pisaniem kodu. Przykłady: n8n, Make, Power Automate. → Co to jest integracja systemów?

Normalizacja danych — proces ujednolicania formatu danych z różnych źródeł (np. daty w formacie DD.MM.YYYY vs MM/DD/YYYY, nazwy klientów z literówkami). Konieczna przed analizą lub treningiem modelu.

NoSQL — rodzina baz danych zaprojektowanych do przechowywania danych nieustrukturyzowanych lub półstrukturalnych (dokumenty JSON, grafy, klucz-wartość). Uzupełnienie tradycyjnych baz SQL, nie ich zamiennik.

O

OCR (Optical Character Recognition) — optyczne rozpoznawanie znaków: technologia zamieniająca obraz tekstu (skan, zdjęcie) na tekst edytowalny i przeszukiwalny. → Co to jest OCR i NLP?

OEE (Overall Equipment Effectiveness) — wskaźnik efektywności wykorzystania maszyn w produkcji. Łączy trzy czynniki: dostępność × wydajność × jakość. OEE = 100% oznacza produkcję bez przestojów, bez strat prędkości i bez wad. → Co to jest optymalizacja procesów?

Offboarding — proces zakończenia współpracy z pracownikiem lub partnerem zewnętrznym: cofnięcie dostępów, przekazanie dokumentacji, weryfikacja kompletności wiedzy i kodu. Dobrze przeprowadzony offboarding chroni firmę przed utratą wiedzy i danych.

Onboarding — proces wprowadzenia nowego pracownika lub partnera zewnętrznego: przekazanie wiedzy o firmie, procesach, systemach, danych. Im lepiej udokumentowane procesy, tym szybszy i tańszy onboarding. → Co to jest optymalizacja procesów?

Optymalizacja procesów — systematyczne doskonalenie sposobu, w jaki firma działa: identyfikacja wąskich gardeł, eliminacja zbędnych kroków, standaryzacja, mierzenie efektów. → Co to jest optymalizacja procesów?

OTIF (On Time In Full) — wskaźnik logistyczny: jaki procent dostaw dociera na czas i w pełnej ilości. Niski OTIF oznacza problemy w łańcuchu dostaw. → Co to jest optymalizacja procesów?

Outsourcing — zlecenie realizacji zadań lub procesów partnerowi zewnętrznemu zamiast realizacji wewnętrznie. W kontekście AI i automatyzacji: powierzenie diagnozy, budowy i wdrożenia rozwiązania firmie doradczo-wdrożeniowej. → Firma zewnętrzna czy własny zespół?

Overfitting (przeuczenie) — sytuacja, w której model ML za dobrze „zapamiętał” dane treningowe i słabo radzi sobie z nowymi danymi. Jak uczeń, który wykuł odpowiedzi na pamięć, ale nie rozumie tematu. → Co to jest AI?

OWU (Ogólne Warunki Ubezpieczenia) — dokument określający zakres ochrony ubezpieczeniowej, wyłączenia, obowiązki stron i procedury likwidacji szkód. Jeden z najczęściej przeszukiwanych dokumentów przez systemy RAG w firmach ubezpieczeniowych. → Zastosowania AI w firmach — katalog

P

Pareto (zasada 80/20) — 80% efektów pochodzi z 20% przyczyn. W optymalizacji: skup się na 20% zadań, które generują 80% problemów. → Co to jest optymalizacja procesów?

PDCA (Plan-Do-Check-Act) — cykl ciągłego doskonalenia: zaplanuj zmianę, wdróż ją, zmierz efekt, skoryguj. Powtarzaj. Podstawowe narzędzie Lean i Kaizen. → Co to jest optymalizacja procesów?

Personalizacja — dostosowanie treści, oferty lub doświadczenia do konkretnego użytkownika na podstawie jego danych i zachowań. W e-commerce: rekomendacje produktów. W obsłudze klienta: priorytetyzacja zgłoszeń. Wymaga danych, segmentacji i często ML. → Co to jest analiza danych i BI?

Pilot (wdrożenie pilotażowe) — uruchomienie rozwiązania na ograniczonym zakresie (np. jeden dział, jeden typ dokumentów, jedna linia produkcyjna), żeby przetestować działanie przed pełnym wdrożeniem.

PoC (Proof of Concept) — szybki test koncepcji na ograniczonym zakresie danych/procesów, żeby sprawdzić, czy pomysł na wdrożenie AI/automatyzacji ma sens, zanim firma zainwestuje w pełne rozwiązanie. → Co to jest AI?

Precision (precyzja) — metryka jakości modelu: jaki procent wyników oznaczonych jako pozytywne jest faktycznie poprawny. Wysoka precision = mało fałszywych alarmów.

Predictive maintenance (predykcyjne utrzymanie ruchu) — wykorzystanie danych z czujników i modeli ML do przewidywania awarii maszyn, zanim one wystąpią. Pozwala planować przeglądy i wymianę części na podstawie faktycznego stanu, nie kalendarza. Zastosowanie Computer Vision + IoT + ML. → Co to jest Computer Vision?

Process mining — technika analizy danych z systemów IT (logi, timestampy) w celu automatycznego odkrycia, jak procesy faktycznie przebiegają — w odróżnieniu od tego, jak są opisane w dokumentacji. → Co to jest optymalizacja procesów?

Prognozowanie popytu (demand forecasting) — wykorzystanie danych historycznych i modeli ML do przewidywania przyszłego zapotrzebowania na produkty lub usługi. Pozwala lepiej planować zakupy, produkcję i zatrudnienie. → Co to jest analiza danych i BI?

Prompt — polecenie lub pytanie kierowane do modelu AI. Jakość promptu bezpośrednio wpływa na jakość odpowiedzi. Dobrze skonstruowany prompt zawiera kontekst, zadanie, format oczekiwanej odpowiedzi i ograniczenia. → Co to jest RAG i Agent AI?

Prompt chaining — technika łączenia kilku promptów w sekwencję, gdzie wynik jednego staje się wejściem następnego. Pozwala rozbić złożone zadanie na prostsze kroki (np. najpierw wyciągnij dane → potem je przeanalizuj → na końcu napisz raport).

Prompt engineering — umiejętność projektowania promptów, które wydobywają z modelu AI najlepsze wyniki. Obejmuje techniki takie jak chain-of-thought, few-shot, role prompting, czy structured output. Kluczowa kompetencja przy wdrażaniu LLM w firmie.

Pseudonimizacja — zamiana danych identyfikujących osobę (imię, PESEL) na pseudonimy lub kody, z zachowaniem możliwości ponownego przypisania. W odróżnieniu od anonimizacji jest odwracalna. Wymagana przez RODO jako środek ochrony danych.

Python — język programowania dominujący w AI, Data Science i ML. Ekosystem bibliotek (pandas, scikit-learn, PyTorch, TensorFlow) sprawia, że jest standardem w branży. cm-opti buduje rozwiązania głównie w Pythonie, ale dobieramy technologię do problemu — w tym R do analityki statystycznej i platformy no-code/low-code (n8n, Make) do szybkich prototypów i MVP.

PyTorch — framework deep learning od Meta AI. Dominuje w badaniach i coraz częściej we wdrożeniach produkcyjnych. Elastyczny, z dużą społecznością. → Co to jest AI?

R

R — język programowania specjalizujący się w statystyce, analizie danych i wizualizacji. Silny w analityce eksploracyjnej, modelowaniu statystycznym i raportowaniu. Stosowany tam, gdzie liczy się głęboka analiza statystyczna, a nie budowa systemu produkcyjnego.

RAG (Retrieval-Augmented Generation) — architektura łącząca wyszukiwanie informacji z firmowej bazy wiedzy z generowaniem odpowiedzi przez LLM. Pozwala AI odpowiadać na podstawie dokumentów firmy, nie tylko danych treningowych. → Co to jest RAG i Agent AI?

ReAct (Reason + Act) — wzorzec działania agenta AI: model „myśli” (planuje kolejny krok), wykonuje akcję, obserwuje wynik i decyduje, co dalej. → Co to jest RAG i Agent AI?

Real-time processing (przetwarzanie w czasie rzeczywistym) — przetwarzanie danych natychmiast po ich pojawieniu się, bez opóźnień. Wymagane np. w CV na linii produkcyjnej czy monitoringu KPI. Droższe niż batch processing, ale daje aktualny obraz.

Reasoning model (model rozumujący) — typ modelu językowego, który przed udzieleniem odpowiedzi przeprowadza wewnętrzny proces rozumowania krok po kroku. W odróżnieniu od standardowych LLM, które generują odpowiedź od razu, reasoning model „myśli” dłużej, ale daje dokładniejsze wyniki w zadaniach wymagających logiki, matematyki i wieloetapowej analizy. Przykłady: OpenAI o1, o3. Droższy i wolniejszy niż standardowy model, ale przydatny tam, gdzie liczy się precyzja, nie szybkość.

Recall (czułość) — metryka jakości modelu: jaki procent faktycznie pozytywnych przypadków model poprawnie wykrył. Wysoki recall = mało pominięć. Kluczowy, gdy pominięcie jest kosztowne (np. wada produktu, choroba).

Regresja — technika ML przewidująca wartość liczbową (np. cenę, temperaturę, czas dostawy) na podstawie danych historycznych. W odróżnieniu od klasyfikacji, wynik to liczba, nie kategoria. Zastosowania: prognozowanie sprzedaży, szacowanie kosztów, przewidywanie czasu realizacji. → Co to jest AI?

Reinforcement learning (uczenie ze wzmocnieniem) — typ ML, w którym system uczy się metodą prób i błędów, otrzymując „nagrodę” za dobre decyzje i „karę” za złe. Stosowane w systemach rekomendacyjnych, grach, robotyce i optymalizacji procesów. Fundament wielu systemów agentic AI. → Co to jest AI?

Responsible AI (odpowiedzialna AI) — podejście do projektowania i wdrażania systemów AI z uwzględnieniem etyki, transparentności, sprawiedliwości i bezpieczeństwa. Obejmuje: unikanie uprzedzeń (bias), wyjaśnialność decyzji (XAI), ochronę prywatności i nadzór ludzki. EU AI Act formalizuje wiele z tych zasad w prawie unijnym. → Co to jest AI?

REST API — styl architektury API oparty na protokole HTTP. Najpopularniejszy sposób komunikacji między systemami w internecie. → Co to jest integracja systemów?

Retrain (ponowny trening) — ponowne wytrenowanie modelu AI na nowych danych, gdy monitoring wykaże spadek jakości. Może być zaplanowany (np. co kwartał) lub wywołany alertem.

Roadmap (mapa drogowa) — plan wdrożenia rozłożony w czasie: co robimy najpierw (quick wins), co w kolejnych miesiącach, co wymaga przygotowania. Pozwala klientowi widzieć całą ścieżkę, nie tylko następny krok.

RODO (GDPR) — Rozporządzenie o Ochronie Danych Osobowych — unijne prawo regulujące przetwarzanie danych osobowych. Nakłada obowiązki na każdą firmę przetwarzającą dane klientów, pracowników czy użytkowników. Kluczowe przy wdrożeniach AI, RAG i analityki. → Co to jest RAG i Agent AI?

ROI (Return on Investment) — zwrot z inwestycji. Mierzy, ile firma zyskuje w stosunku do tego, ile wydała. Kluczowy wskaźnik oceny opłacalności wdrożenia. → Co to jest optymalizacja procesów?

Role prompting (persona) — technika, w której nadajesz modelowi AI rolę eksperta (np. „Jesteś doświadczonym analitykiem finansowym...”). Pomaga modelowi dostosować ton, poziom szczegółowości i perspektywę odpowiedzi.

Rollback — cofnięcie wdrożenia do poprzedniej, działającej wersji w przypadku problemów. Dobrze zaprojektowany system zawsze ma plan rollbacku.

RPA (Robotic Process Automation) — automatyzacja powtarzalnych zadań za pomocą „botów” naśladujących czynności człowieka w systemach (klikanie, kopiowanie, wklejanie). → Co to jest automatyzacja?

S

SaaS (Software as a Service) — oprogramowanie dostępne przez internet w modelu subskrypcyjnym, bez instalacji na serwerach firmy. → Co to jest integracja systemów?

Scrum — framework zarządzania projektami oparty na krótkich cyklach (sprintach, zwykle 2 tygodnie). Każdy sprint kończy się działającym przyrostem produktu. Popularny we wdrożeniach IT i AI. → Co to jest optymalizacja procesów?

Segmentacja — w Computer Vision: podział obrazu na regiony (np. oddzielenie produktu od tła). W biznesie: podział klientów na grupy wg zachowań. → Co to jest Computer Vision?

Semantic search (wyszukiwanie semantyczne) — wyszukiwanie oparte na znaczeniu, nie na dokładnym dopasowaniu słów kluczowych. Pytanie „jak zwolnić pracownika” znajdzie dokument o „procedurze rozwiązania umowy o pracę”, mimo że słowa się nie pokrywają. Fundament systemów RAG. Wymaga bazy wektorowej i embeddingów. → Co to jest RAG i Agent AI?

Sentiment analysis (analiza sentymentu) — technika NLP polegająca na automatycznym rozpoznawaniu emocji i nastawienia w tekście (pozytywne / neutralne / negatywne). Zastosowania: monitoring opinii klientów, analiza reklamacji, social media. → Co to jest OCR i NLP?

Serverless — model, w którym firma nie zarządza serwerami — kod uruchamia się automatycznie w odpowiedzi na zdarzenia (np. nowy dokument → przetworzenie OCR). Płacisz tylko za czas wykonania, nie za utrzymanie serwera. Przykład: AWS Lambda.

Single source of truth — jedno, centralne źródło danych, z którego korzystają wszystkie systemy i zespoły. Eliminuje rozbieżności i „które dane są aktualne?”. → Co to jest analiza danych i BI?

Six Sigma — metodologia doskonalenia procesów oparta na statystycznej eliminacji zmienności. Cel: max 3,4 defekty na milion operacji. → Co to jest optymalizacja procesów?

SLA (Service Level Agreement) — umowa definiująca mierzalne parametry jakości usługi (np. czas odpowiedzi <2h, dostępność systemu 99,9%). Pozwala rozliczać dostawcę z wyników, nie z wysiłku.

SOP (Standard Operating Procedure) — standaryzowana instrukcja realizacji procesu. Zapewnia powtarzalność i niezależność od konkretnej osoby. → Co to jest optymalizacja procesów?

Sprint — krótki cykl pracy w Scrum (zwykle 2 tygodnie), po którym zespół dostarcza działający element rozwiązania. Pozwala szybko weryfikować kierunek i zbierać feedback.

SQL — język zapytań do baz danych. Pozwala pobierać, filtrować, łączyć i agregować dane. Podstawowe narzędzie analityka danych. → Co to jest analiza danych i BI?

SSO (Single Sign-On) — mechanizm pozwalający użytkownikowi logować się raz i mieć dostęp do wielu systemów bez ponownego wpisywania hasła. Ułatwia pracę i poprawia bezpieczeństwo (jedno silne hasło zamiast dziesięciu słabych).

Staging — środowisko testowe, które wygląda identycznie jak produkcja, ale nie wpływa na realne dane. Służy do końcowych testów przed go-live.

Stakeholder — osoba lub grupa mająca wpływ na projekt lub będąca pod jego wpływem. Identyfikacja stakeholderów na początku wdrożenia zapobiega sytuacji, w której kluczowa osoba dowiaduje się o projekcie w dniu go-live.

Strategia AI — plan określający, gdzie i jak firma wykorzysta sztuczną inteligencję: które procesy automatyzować, jakie dane zbierać, w jakiej kolejności wdrażać, ile to będzie kosztować i jak mierzyć efekty. Bez strategii wdrożenia AI są chaotyczne i nie dają trwałych rezultatów.

Streaming (przetwarzanie strumieniowe) — przetwarzanie danych w momencie ich powstawania, bez gromadzenia w paczkach. Stosowane w monitoringu, alertach, IoT. Narzędzia: Apache Kafka, AWS Kinesis.

Supervised learning (uczenie nadzorowane) — typ ML, w którym model uczy się na danych z etykietami (np. zdjęcia z oznaczeniami „wada” / „OK”). Najczęstszy typ w zastosowaniach biznesowych. → Co to jest AI?

Synthetic data (dane syntetyczne) — dane wygenerowane sztucznie, które naśladują strukturę i rozkład danych rzeczywistych. Stosowane, gdy prawdziwych danych jest za mało do treningu modelu, lub gdy dane rzeczywiste zawierają informacje wrażliwe (RODO). Nie zastępują danych rzeczywistych, ale uzupełniają je. → Co to jest AI?

System prompt — instrukcja ustawiana na początku rozmowy z modelem AI, definiująca jego zachowanie, ton, ograniczenia i kontekst. Użytkownik go nie widzi, ale wpływa na każdą odpowiedź. Fundament wdrożeń chatbotów i agentów AI.

T

TAT (Turnaround Time) — czas obsługi zgłoszenia od momentu przyjęcia do rozwiązania. Kluczowy KPI w obsłudze klienta, wsparciu technicznym i procesach reklamacyjnych. → Co to jest optymalizacja procesów?

TCO (Total Cost of Ownership) — całkowity koszt posiadania rozwiązania: nie tylko zakup/wdrożenie, ale też utrzymanie, aktualizacje, szkolenia, infrastruktura. Kluczowy przy porównywaniu opcji „budujemy sami” vs „kupujemy”.

Temperature — parametr kontrolujący „kreatywność” modelu AI. Niska temperature (0–0.3) = odpowiedzi przewidywalne, powtarzalne, bezpieczne. Wysoka (0.7–1.0) = odpowiedzi bardziej zróżnicowane, kreatywne, ale mniej pewne. W zastosowaniach biznesowych zwykle niska.

Time to value — czas od rozpoczęcia projektu do momentu, w którym firma widzi pierwsze mierzalne korzyści. W dobrze zaplanowanym wdrożeniu AI: tygodnie, nie miesiące. Kluczowy argument przy wyborze podejścia iteracyjnego (pilot → scale) zamiast „wielkiego wdrożenia”.

TMS (Transport Management System) — system do zarządzania transportem: planowanie tras, zarządzanie zleceniami, śledzenie przesyłek, rozliczenia z przewoźnikami. Jeden z kluczowych systemów w firmach logistycznych, który AI wzbogaca o automatyzację zleceń i optymalizację tras. → Zastosowania AI w firmach — katalog

Tokenizacja — proces dzielenia tekstu na jednostki (tokeny) przetwarzane przez model AI. Jeden token to ok. 3/4 słowa w języku polskim. → Co to jest AI?

Training (trening modelu) — proces, w którym model AI przetwarza dane treningowe i optymalizuje swoje parametry, żeby jak najlepiej realizować zadanie. Wymaga danych, mocy obliczeniowej i czasu. Wynik: wytrenowany model gotowy do inference.

Transfer learning — technika polegająca na wykorzystaniu modelu wytrenowanego na dużym zbiorze danych i dotrenowaniu go na mniejszym zbiorze specyficznym dla zadania. Drastycznie zmniejsza wymagania dotyczące danych. → Co to jest Computer Vision?

Transformacja cyfrowa — zmiana sposobu działania firmy z wykorzystaniem technologii: od digitalizacji dokumentów, przez automatyzację procesów, po wdrożenie AI i analityki. To nie projekt IT — to zmiana modelu działania firmy, wymagająca zaangażowania ludzi, procesów i kultury organizacyjnej. → Co to jest automatyzacja?

Transformer — architektura sieci neuronowej stanowiąca fundament współczesnych modeli AI (LLM, modele generatywne). Kluczowa innowacja: mechanizm uwagi (attention). → Co to jest AI?

U

Unsupervised learning (uczenie nienadzorowane) — typ ML, w którym model szuka wzorców w danych bez etykiet. Zastosowania: segmentacja klientów, wykrywanie anomalii, clustering. → Co to jest AI?

V

Value Stream Mapping — technika Lean polegająca na mapowaniu całego strumienia wartości — od zlecenia klienta po dostarczenie produktu/usługi — z oznaczeniem czynności dodających i niedodających wartości. → Co to jest optymalizacja procesów?

Vendor lock-in — uzależnienie od jednego dostawcy technologii, utrudniające zmianę lub migrację. Ryzyko przy wyborze zamkniętych platform, własnościowych formatów danych lub rozwiązań bez eksportu. → Co to jest integracja systemów?

VOB (Vergabe- und Vertragsordnung für Bauleistungen) — niemiecki regulamin zamówień i umów na roboty budowlane. Określa zasady przetargów, warunki umów i odbioru prac. Wraz z HOAI stanowi fundament dokumentacji, na której pracują systemy RAG w budownictwie na rynku niemieckim. → Zastosowania AI w firmach — katalog

W

Webhook — mechanizm, w którym jeden system automatycznie powiadamia drugi o zdarzeniu (np. nowe zamówienie → powiadomienie do magazynu). Działanie „push” zamiast ciągłego odpytywania. → Co to jest integracja systemów?

WMS (Warehouse Management System) — system do zarządzania magazynem: przyjęcia, wydania, lokalizacje, stany, kompletacja zamówień. Jedno z kluczowych narzędzi w logistyce, które AI integruje z ERP, platformą e-commerce i systemem transportowym. → Zastosowania AI w firmach — katalog

Workflow — uporządkowany przepływ pracy: sekwencja kroków, osób odpowiedzialnych i decyzji potrzebnych do realizacji zadania od początku do końca. → Co to jest automatyzacja?

Z

Zero-shot learning — technika, w której model AI wykonuje zadanie bez żadnych przykładów — wyłącznie na podstawie opisu w prompcie. Przykład: „sklasyfikuj ten dokument jako fakturę, zamówienie lub reklamację” — model radzi sobie bez wcześniejszego treningu na tych kategoriach. → Co to jest RAG i Agent AI?