Denis Romanovskiy, Chief AI Officer at SOFTSWISS – Wywiad

Denis Romanovskiy, Chief AI Officer at SOFTSWISS, to doświadczony executive z ponad 25-letnim stażem w kierowaniu dużymi programami inżynierskimi w branżach takich jak gry, oprogramowanie przedsiębiorcze, IoT i platformy online o wysokiej wydajności. Przez ostatnie pięć lat pracował w sektorze iGaming, wcześniej pełniąc funkcję zastępcy dyrektora technicznego w SOFTSWISS, nadzorując zarządzanie techniczne w zespołach produkcyjnych z silnym naciskiem na platformy kasynowe i bukmacherskie, zanim objął obecne stanowisko, aby zdefiniować i wdrożyć strategię AI firmy.

SOFTSWISS to maltańska firma technologiczna z sektora iGaming, która dostarcza rozwiązania kompleksowe dla kasyn online i bukmacherów, w tym platformę kasynową, agregator gier, rozwiązanie bukmacherskie i usługi zarządzane. Firma wspiera operatorów na całym świecie, zapewniając infrastrukturę zaprojektowaną z myślą o skalowalności, zgodności i niezawodności, umieszczając się na przecięciu technologii gier i optymalizacji napędzanej przez AI.

Jak Twoje doświadczenie w systemach o wysokiej wydajności i dostępności wpłynęło na podejście do wdrożenia AI w firmie o ponad 2000 pracowników?

Moje doświadczenie w systemach o wysokiej wydajności i dostępności nauczyło mnie jednej fundamentalnej lekcji: każda złożona zmiana w skali wymaga podejścia systemowego. Nie można po prostu wdrożyć technologii i liczyć, że będzie działać – trzeba zaprojektować cały ekosystem wokół niej i upewnić się, że procesy, struktura i technologia współpracują ze sobą.

Stosujemy dokładnie to podejście do wdrożenia AI w SOFTSWISS. Zaczyna się to na poziomie indywidualnym. Wyjaśniamy każdemu pracownikowi, jak bezpiecznie i skutecznie używać AI – co może zrobić, gdzie są jego ograniczenia i jakie są związane z tym ryzyka. Kluczowe jest to, że ich odpowiedzialność za wyniki nie zanika, gdy AI pojawia się w obrazie. AI zwiększa Twoje możliwości, ale odpowiedzialność pozostaje Twoja. Nadal jesteś odpowiedzialny za jakość wyjścia, decyzje i wyniki.

Następnie przechodzimy na poziom zespołowy, a tam zmieniają się dynamiki. Pojawiają się nowe możliwości – szybsze cykle planistyczne, automatyczna weryfikacja, zaawansowana analiza – ale także nowe ryzyka: nadmierne poleganie na danych AI, erozja myślenia krytycznego, niespójne wdrożenie w zespole. To tam menedżerowie odgrywają decydującą rolę. Muszą dostosować sposób, w jaki przeglądają pracę, jakie pytania zadają i jakie sygnały szukają. Gdy ktoś dostarcza wynik dwa razy szybciej, zadaniem menedżera jest zrozumieć, czy jakość się utrzymała i czy osoba ta naprawdę rozumie, co dostarczyła.

To warstwowe podejście – świadomość indywidualna, adaptacja na poziomie zespołowym, nadzór menedżerski – pozwala nam skalować AI w dużych organizacjach bez kompromitowania stabilności i niezawodności, których wymaga od nas regulowany środowisko. Nie chodzi tylko o technologię. Chodzi o budowanie systemu wokół niej, który sprawia, że wdrożenie jest trwałe.

Czym różni się AI wdrożone jako narzędzie produktywności od AI wbudowanego bezpośrednio w infrastrukturę i systemy decyzyjne, i jak ta różnica wpływa na długoterminowe wyniki biznesowe?

AI produktywności – asystenci czatu i pilotów kodu – to miejsce, w którym ludzie po raz pierwszy spotykają AI w pracy. Ten krok jest ważny, i nie można go pominąć. Buduje on umiejętności AI, uczy ludzi oceniać dane wyjściowe i tworzy nawyki odpowiedzialnego użytkowania w całej organizacji.

Jednak istnieje fundamentalna różnica między AI, które pomaga jednostce, a AI wbudowanym w sposób, w jaki organizacja działa. Infrastrukturalne AI – zintegrowane z systemami przedsiębiorstwa za pomocą platform AI – staje się częścią systemu zarządzania. Obejmuje planowanie, kontrolę i audyt. Przestrzega ram zarządzania i bezpośrednio wpływa na łańcuchy decyzyjne.

Przerwa między wpływem jest znacząca. Narzędzia produktywności dostarczają 20-30% zysków wydajności w poszczególnych zadaniach – cenne, ale stopniowe. Infrastrukturalne AI przyspiesza całe procesy o 3-5 razy. A w czasie zmienia samą organizację – eliminuje niektóre role częściowo lub całkowicie, tworzy nowe i kompresuje procesy robocze, które kiedyś wymagały wielu przekazań.

Dlatego te dwie kategorie wymagają różnych podejść. AI produktywności to wyzwanie włączania. Infrastrukturalne AI to transformacja organizacyjna, która wymaga starannego planowania, zarządzania zmianą i ciągłego nadzoru.

Jakie zmiany architektoniczne i kulturowe są wymagane do przejścia od izolowanych eksperymentów AI do scentralizowanej, organizacyjnej platformy AI?

Architektonicznie, scentralizowana platforma jest niezbędna – ta, która zapewnia bezpieczny dostęp do wielu dostawców modeli, przy zachowaniu ścisłej polityki danych. Bez tej warstwy, eksperymenty skalują fragmentację zamiast wartości.

Kulturowo, większa zmiana polega na przechodzeniu od myślenia ukierunkowanego na wykonanie do myślenia ukierunkowanego na projektowanie. Gdy wykonanie staje się tańsze i szybsze dzięki AI, przewaga konkurencyjna przechodzi na to, jak dobrze zespoły projektują przepływy pracy. Pracownicy powinni projektować procesy, w których AI zajmuje się powtarzalnymi operacjami, podczas gdy ludzie pozostają odpowiedzialni za koordynację i jakość decyzji.

Jak duże przedsiębiorstwa mogą systematycznie zwiększać swoją prędkość uczenia się podczas wdrażania AI, i jakie mechanizmy operacyjne sprawiają, że jest to mierzone?

Prędkość uczenia się zwiększa, gdy eksperymenty są uporządkowane. W SOFTSWISS mianujemy mistrzów AI w zespołach produkcyjnych, którzy identyfikują przypadki użycia, doskonalą najlepsze praktyki i dzielą się nimi w całej organizacji. Warsztaty przyspieszają jeszcze transfer wiedzy.

Pomiar jest związany z wskaźnikami biznesowymi. Śledzimy wskaźniki takie jak Czas do rozwiązania w pomocy technicznej lub poziomy automatyzacji w przeglądzie kodu. Jeśli wdrożenie AI nie poprawia mierzalnych wskaźników, pozostaje powierzchowne.

Jakie procesy dziedziczone najczęściej ograniczają wpływ wdrożenia AI w ustanowionych firmach technologicznych?

Głównym ograniczeniem jest próba integracji AI z sztywnymi strukturami zarządzania o długich cyklach planistycznych i ustalonej alokacji zasobów. Przewagą AI jest szybkość, a przestarzałe modele zarządzania spowalniają tę przewagę.

Innym czynnikiem ograniczającym jest słaba klasyfikacja danych. Bez uporządkowanych i dobrze zarządzanych danych, bezpieczna i skalowalna integracja AI staje się niezwykle trudna.

Czy możesz podać przykłady, w których integracja AI bezpośrednio z systemami podstawowymi przyniosła mierne korzyści w wydajności, przychodach lub wynikach operacyjnych?

W pomocy technicznej AI wbudowane w Jira analizuje historię biletów i dokumentacji, aby zaproponować ścieżki rozwiązania, znacznie redukując czas rozwiązania.

W HR, automatyczni asystenci obsługujący zapytania o świadczenia i urlopy oszczędzają setki godzin każdego miesiąca.

W rozwoju, automatyzacja przeglądu kodu napędzana przez AI sięga 60–80%, przyspieszając cykl rozwojowy o dwa do czterech razy. Te zyski są operacyjnie mierne i mają bezpośredni wpływ na wydajność.

Jak projektujesz ramy zarządzania, które zapewniają audytowalność, bezpieczeństwo i odpowiedzialność, gdy AI jest głęboko wbudowane w przepływy pracy przedsiębiorstwa?

Zarządzanie musi tworzyć kontrolowane środowisko, a nie ograniczać innowacje. Opieramy się na umowach z dostawcami na poziomie przedsiębiorstwa i stosujemy maskowanie danych przed wysłaniem informacji do modeli chmurowych.

Odpowiedzialność jest wbudowana w projekt systemu. Działania napędzane przez AI działają w ramach określonych granic, pozwalając na anulowanie przez człowieka. Ostateczna odpowiedzialność spoczywa na liderze zespołu, który projektuje i jest odpowiedzialny za przepływ pracy.

Jakie strukturalne przewagi pozwalają małym zespołom AI-rodzinnym skalować się szybciej niż tradycyjne przedsiębiorstwa, i jak większe organizacje mogą się dostosować bez utraty stabilności?

Kluczowa różnica leży w architekturze. Tradycyjne firmy dzielą pracę na sekwencyjne etapy – każdy należy do oddzielnego stanowiska, z przekazaniem i kolejkami między nimi. Zespoły AI-rodzinne mogą wykonywać wszystkie etapy jednocześnie. Nie ma kolejek, nie ma czekania na następną osobę w łańcuchu. Cały proces jest zautomatyzowany od końca do końca, co daje im ogromną przewagę szybkości.

Dla większych organizacji droga do przodu jest stopniowa. Po pierwsze, budujemy umiejętności AI i wyposażamy zespoły w narzędzia AI. Dajemy ludziom czas na naukę, eksperymentowanie i integrację AI w istniejące przepływy pracy. Na tym etapie innowacje zachodzą w ramach istniejących procesów, a nie zamiast nich.

Gdy zespoły zyskują doświadczenie i pewność siebie, można wyznaczać bardziej ambitne cele – optymalizację całych procesów, a nie tylko poszczególnych kroków. To tam zaczyna się prawdziwa transformacja, ale działa tylko wtedy, gdy ludzie i procesy są gotowe do tego.

Kluczem jest tempo. Poruszanie się za szybko powoduje utratę stabilności. Poruszanie się za wolno powoduje, że rynek zostawia cię w tyle. Prawidłowe podejście to celowe, sekwencyjne postępy – tak aby organizacja ewoluowała, nie tracąc tego, co już działa.

Jak działanie w sektorze iGaming, z jego wymogami regulacyjnymi i niezawodności, wpływa na sposób, w jaki infrastruktura AI jest projektowana i wdrażana?

iGaming to unikalne środowisko. Obejmuje ono prawdziwe pieniądze, transakcje w czasie rzeczywistym i nadzór regulacyjny w wielu jurysdykcjach. W SOFTSWISS działamy pod kilkoma licencjami – każda z nich ma własne wymagania zgodności. Oznacza to, że każda decyzja technologiczna, w tym AI, musi uwzględniać złożone środowisko regulacyjne, które wykracza poza standardową ochronę danych.

Rynki regulowane wymagają ścisłej zgodności z zasadami przechowywania, usuwania i przetwarzania danych, w tym RODO. Ale w iGaming zakres jest szerszy – wymagania dotyczące przeciwdziałania praniu pieniędzy, odpowiedzialnej gry, warunki licencyjne, które dyktują, jak dane płyną i gdzie mogą być przetwarzane. Infrastruktura musi gwarantować, że wrażliwe dane nie są używane do zewnętrznego szkolenia modeli i że każda decyzja napędzana przez AI pozostaje audytowalna.

Jednocześnie standardy niezawodności są wyjątkowo wysokie. Systemy działają 24/7 z ogromnymi wolumenami transakcji. Każdy system AI, który wdrażamy, musi spełniać te same standardy – zawsze dostępny, w pełni audytowalny i zdolny do obsługi wolumenów danych, które widzimy w pomocy i operacjach zgodności. W tej branży awaria AI nie jest tylko niedogodnością – jest to ryzyko regulacyjne i finansowe.

Jakie możliwości będą wyróżniać firmy, które prawdziwie integrują AI z modelem operacyjnym, od tych, które pozostają powierzchownymi użytkownikami?

W dojrzałych organizacjach AI każdy pracownik będzie miał AI pod ręką – z bezpiecznym dostępem do danych korporacyjnych w całym systemie, bez barier ani ręcznych wniosków. Procesy będą zautomatyzowane od końca do końca, bez kolejek lub przekazań między rolami. Praca będzie płynąć ciągle, a nie w etapach.

Ale automatyzacja sama w sobie nie wystarcza. To, co odróżnia liderów od reszty, to zdolność do kontrolowania pracy napędzanej przez AI w skali. Zespoły i organizacje będą musiały dostosować się do automatycznego monitorowania jakości – wykrywania problemów wcześnie i korygowania ich, zanim się kumulują.

Rola indywidualnego pracownika zmienia się fundamentalnie. Zamiast wykonywać zadania, określają specyfikacje dla AI – dostarczają wystarczający kontekst, jasne cele i metody kontroli jakości. Ich wartość leży w kierowaniu AI i optymalizowaniu jego wyjścia, a nie w wykonywaniu pracy ręcznie.

Rola liderów również się zmienia. Menedżerowie i dyrektorzy stają się architektami myślenia systemowego w całej organizacji. Ich zadaniem jest łączenie różnych strumieni pracy, narzędzi i artefaktów w strumienie wartości, które rozwiązują problemy klientów lepiej niż konkurenci, nie optymalizując poszczególnych zadań – ale projektując, jak wszystko pasuje do siebie.

Ta głęboka integracja – AI w każdej ręce, zautomatyzowane procesy, systematyczna kontrola jakości i przywództwo skoncentrowane na wartości end-to-end – będzie definiować długoterminową przewagę konkurencyjną.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić SOFTSWISS.