Founder's Letter

Żyjemy w fascynującym momencie. Rewolucja technologiczna, która w naszej branży zdarza się raz na pokolenie, dzieje się właśnie teraz, na naszych oczach. Co więcej – dostęp do niej jest tak powszechny, że każdy z nas może dziś eksperymentować z narzędziami, o których jeszcze dwa lata temu mogliśmy tylko marzyć.

To niesamowite uczucie: mieć w laptopie technologię zdolną przeprowadzić tysiąc wywiadów w godzinę i analizować je głębiej niż niejeden sztab badaczy. AI przestało być ciekawostką czy asystentem od pisania maili. Stało się pełnoprawnym partnerem do myślenia.

Jednak mimo tego entuzjazmu, czuję niedosyt. Mam wrażenie, że marnujemy ten potencjał, próbując wtłoczyć nową technologię w stare schematy pracy. Mamy w rękach potężne instrumenty, ale często blokujemy ich możliwości, przykładając do nich miarę z poprzedniej epoki. A przecież czasem wystarczy tylko zmienić metodę, by nagle odblokować zupełnie nową jakość.

Doskonale ilustrują to eksperymenty z metodą Semantic Similarity Rating (SSR). Okazało się, że gdy pytamy model wprost o ocenę na skali 1-5, dostajemy sztuczne, spłaszczone wyniki – AI "ucieka" w bezpieczne trójki. Wystarczyła jednak zmiana metodyki: zamiast żądać liczby, poproszono model o naturalną opinię i zmapowano ją semantycznie na skalę. Efekt? Wyniki nagle stały się niemal nieodróżnialne od ludzkich.

To tylko jeden z wielu przykładów. Takich badań powstaje na świecie coraz więcej, ale wiedza o nich jest rozproszona. W Croaissant chcemy to zmienić. Naszym celem jest agregowanie tych odkryć i prowadzenie własnych eksperymentów, aby zbudować bazę skutecznych, sprawdzonych metod pracy badawczej z AI – zwłaszcza w obszarze symulowania ludzkich decyzji podejmowanych w sieci.

I tutaj wkracza ekonomia behawioralna. To ona daje nam "wsad" do tych pytań. Technologia bez zrozumienia ludzkiej natury jest ślepa — pozwala tylko szybciej popełniać błędy. Wierzę, że AI to potężny silnik, ale to nauka o ludzkich zachowaniach (o tym, jak jesteśmy przewidywalnie irracjonalni) jest kierownicą. Dopiero gdy połączymy moc obliczeniową z wiedzą o tym, dlaczego ludzie podejmują decyzje, możemy wejść na nowy poziom precyzji.

Traktuję Croaissant jako laboratorium, w którym eksperymentujemy na dwóch ścieżkach:

1. Ewolucja: Jak ulepszyć to, co już znamy?

Bierzemy na warsztat klasyczny warsztat badawczy. Sprawdzamy, gdzie AI realnie przyspiesza analizę danych czy desk research, a gdzie wciąż błądzi i potrzebuje ludzkiego oka. Szukamy złotego środka, który pozwoli dowozić lepsze wnioski szybciej.

2. Rewolucja: Jak robić rzeczy wcześniej niemożliwe?

To ta bardziej ekscytująca część. Zamiast tylko badać przeszłość (co użytkownicy zrobili), próbujemy symulować przyszłość. Tworzymy "syntetycznych użytkowników" i cyfrowe bliźniaki, by przewidywać reakcje i testować setki scenariuszy optymalizacyjnych, zanim napiszemy choćby linijkę kodu.

Nie zakładam, że mam już wszystkie odpowiedzi. Croaissant powstał właśnie po to, żeby ich szukać – metodą prób, błędów i ciągłych eksperymentów.

Do zobaczenia w laboratorium,

Grzegorz Pławecki

Founder, Croaissant