Na Uniwersytecie Warszawskim powstała nowa spółka spin-off Project42, która zajmuje się tworzeniem zaawansowanych narzędzi analitycznych. Jej założyciele – doktoranci Maciej Ciemny i Kamil Mieszkowski, wraz z zespołem, pracują nad rozwiązaniami, które mogą usprawnić funkcjonowanie przedsiębiorstw i instytucji.

Działalność nowej spółki spin–off UW opiera się na wykorzystaniu potencjału analizy dużych ilości danych. Project42 tworzy algorytmy, oprogramowania oraz usługi analityczne umożliwiające przedsiębiorstwom lepsze wykorzystanie posiadanych zbiorów informacji.

 

Oprócz założycieli, doktorantów Macieja Ciemnego z Wydziału Fizyki i Kamila Mieszkowskiego z Wydziału Zarządzania UW, w pracach spółki bierze udział kilkanaście osób zajmujących się różnymi dziedzinami – począwszy od zarządzania przez fizykę i matematykę po ekonomię i glottodydaktykę.

 

Rozwiązania tworzone przez Project42 wykorzystują technologie data science oraz uczenia maszynowego. Proces współpracy z klientami obejmuje przede wszystkim dokładną analizę potrzeb, na podstawie której projektowane są odpowiednie narzędzia dostosowane do konkretnych problemów.

 

W świecie meachine learning

Chociaż spółka kieruje swoje rozwiązania głównie do przedsiębiorstw, data science i uczenie maszynowe mogą mieć także zastosowanie, dzięki lepszej analizie danych na temat obywateli, w codziennym funkcjonowaniu instytucji sektora publicznego, np. w ochronie zdrowia. Wykorzystanie zaawansowanych narzędzi do analizy informacji o pacjentach może przyczynić się do poprawy efektywności leczenia.

 

– Obecnie jesteśmy jeszcze na progu rewolucji, która może zupełnie zmienić nie tylko to, czym jest Internet, ale i całe społeczeństwo. Już teraz zaawansowane algorytmy wykorzystywane są w amerykańskim sądownictwie czy służbie zdrowia. Czas więc na to, by te innowacje zaczęły funkcjonować w polskim społeczeństwie i polskich przedsiębiorstwach – mówi Kamil Mieszkowski, współzałożyciel Project42.

 

Technologie te mają potencjał, by odegrać większą rolę w życiu społecznym. Już teraz, choć nie zawsze to sobie uświadamiamy, machine learning towarzyszy nam na co dzień. Przykładem zastosowania tego mechanizmu są np. popularne serwisy oferujące możliwość odpłatnego oglądania filmów, które „zapamiętują” preferencje użytkownika i na podstawie jego reakcji (czy obejrzał chętnie, czy zrezygnował) oceniają swoją skuteczność i modyfikują strategię działania.

 

Przyszłość dla firm

Spółka Project42 oficjalnie rozpoczęła swoją działalność w październiku, ale pierwsze prace prowadzone były już na początku zeszłego roku. Pomysł na taką tematykę wziął się bezpośrednio z obserwacji zagranicznych trendów rynkowych, np. w Stanach Zjednoczonych, gdzie podobne działania stosowane są już na szeroką skalę.

 

W Polsce wciąż niewiele przedsiębiorstw wykorzystuje automatyzację czy zaawansowane metody analizy danych. Ta sytuacja może się zmienić w kolejnych latach. – Sztuczna inteligencja, uczenie maszynowe i data science stanowią przyszłość wielu branż, np. w transporcie, handlu czy produkcji przemysłowej. Choć obecnie na polskim rynku wykorzystanie tych technologii jest marginalne, to jednak wiele firm będzie musiało zacząć je wdrażać, by zachować swoją konkurencyjność – podkreśla Maciej Ciemny.

 

Technologie data science i machine learning mogą przy-nieść korzyści nie tylko dużym przedsiębiorstwom i instytucjom finansowym, jak banki, ale także pomóc małym i średnim przedsiębiorstwom. Zastosowanie zaawansowanych technik analizy zbiorów danych ułatwia znalezienie obszarów wymagających poprawy w firmie, a co za tym idzie, pozwala np. obniżyć koszty działalności.

 

Kolejne wyzwania

Wykorzystanie potencjału innowacyjnych rozwiązań to niewątpliwie wyzwanie dla przedsiębiorstw. Project42 ma przed sobą również własne wyzwania. Wszystkie działania związane z danymi są poufne, dlatego najistotniejsze dla założycieli spółki jest tworzenie produktów z zachowaniem wysokich standardów etycznych.

 

Obecnie Maciej Ciemny i Kamil Mieszkowski budują zespół, który będzie mógł zająć się najbardziej skomplikowanymi problemami związanymi z analizą danych. Pracują również nad nowymi projektami, które w dalszej perspektywie pozwolą im rozwinąć działalność spółki.