Obliczenia wykorzystujące światło pokazują, dlaczego oszczędności trzeba mierzyć od początku zadania aż do uzyskania poprawnego wyniku.
AI w firmie może tanio przygotować odpowiedź, którą pracownik będzie długo poprawiał. Jeżeli liczysz wyłącznie rachunek za obliczenia, tej różnicy nie zobaczysz. Dlatego pytanie o następcę procesorów graficznych, czyli GPU, warto zacząć od zadania, za które płaci klient.
Badania nad obliczeniami wykorzystującymi światło otwierają ciekawą perspektywę: część pracy można powierzyć odpowiednio zaprojektowanemu układowi optycznemu. Dla przedsiębiorcy najważniejsze jest jednak to, czy taka zmiana obniży koszt dostarczenia poprawnego wyniku. Właśnie pod tym kątem warto przyjrzeć się pomysłom przedstawionym podczas międzynarodowej dyskusji Y Combinator.
Światło ujawnia ukryty koszt obliczeń
Ilker Oguz wskazuje, że w systemach optycznych samo przetwarzanie światła odpowiada tylko za część zużycia energii (19:27–21:26). Kosztują również zamiana danych cyfrowych na sygnały optyczne i z powrotem oraz utrzymywanie właściwych ustawień urządzenia. Sprawność pojedynczej operacji nie przesądza więc o sprawności całego systemu.
W badaniu Oguz i współautorzy pokazali optyczny model dyfuzyjny, czyli model tworzący obraz przez stopniowe usuwanie szumu. Światło przechodzi przez zaprojektowane warstwy, które uczestniczą w tym przekształcaniu. To konkretny przykład dopasowania urządzenia do zadania wymagającego wielokrotnego powtarzania podobnych obliczeń.
Oguz dodaje jednak zastrzeżenie dotyczące porównania energetycznego (od 25:42): zakłada ono pasywne, utrwalone warstwy optyczne, podczas gdy prototyp korzystał z przestrzennego modulatora światła, urządzenia pozwalającego zmieniać jego właściwości. Wskazuje też potrzebę wykazania przewagi kompletnego systemu w większej skali. Dla potencjalnego klienta to powód, by pytać, które elementy oferty już zmierzono, a które pozostają założeniem.
Jedna poprawnie wykonana sprawa jako miara
Przełóżmy to na hipotetyczny przykład polskiej hurtowni, która chce automatycznie odczytywać zamówienia przesyłane pocztą elektroniczną. Sama odpowiedź modelu jest tylko etapem pracy. Trzeba jeszcze pobrać załącznik, rozpoznać oznaczenia produktów, dopasować je do katalogu i sprawdzić, czy ilości trafiły do właściwych pozycji.
Jeżeli pracownik musi później prostować pomyłki, oszczędność na obliczeniach może niewiele zmienić. Sensowną miarą staje się koszt zamówienia poprawnie wprowadzonego do systemu: wraz z obsługą wyjątków, utrzymaniem połączeń między programami i kontrolą jakości. Taki rachunek pozwala porównać obecną metodę pracy z proponowaną automatyzacją.
Podobnie warto oceniać zastosowania AI w sprzedaży. Wygenerowana oferta ma wartość, kiedy zawiera właściwe produkty, ceny i warunki. Przy pomiarze czasu pracy uwzględnij zatem przygotowanie danych oraz sprawdzenie gotowego dokumentu.
AI w firmie powinna przejść właśnie taki sprawdzian. Wybierz proces, którego przebieg znasz, i ustal, co uznajesz za poprawne zakończenie zadania. Dopiero wtedy porównuj dostawców, bo każdy z nich może inaczej definiować sukces prezentowanego rozwiązania.
Elastyczność też ma swoją cenę
Z optycznego przykładu wynika jeszcze jedna wskazówka: powtarzalność zadania może mieć wartość techniczną. Jeśli rozwiązanie zyskuje dzięki wielokrotnemu użyciu tych samych parametrów, trzeba sprawdzić, jak zachowa się po zmianie wymagań. Ten wniosek warto potraktować jako pytanie przy wyborze technologii, a nie gotową ocenę wszystkich urządzeń optycznych.
Dla młodej firmy to istotna różnica. Gdy zespół wciąż sprawdza, czego potrzebują klienci, może często zmieniać sposób przetwarzania danych, model lub kryteria jakości. W takiej sytuacji łatwość wprowadzania zmian powinna znaleźć się w kalkulacji obok kosztu pojedynczego uruchomienia.
Przy budowaniu aplikacji z AI bez programisty również warto zapytać o możliwość przeniesienia danych i wymiany używanego modelu. Wygodne rozpoczęcie pracy nie mówi jeszcze, ile będzie kosztowała późniejsza przebudowa. Poproś o pokazanie takiej zmiany na przykładowym procesie, zanim oprzesz na narzędziu obsługę klientów.
Jeżeli natomiast zadanie jest dobrze rozpoznane i powtarza się w podobnej postaci, specjalizacja sprzętu może zasługiwać na próbę. Warunek pozostaje praktyczny: korzyść musi przetrwać po doliczeniu wdrożenia, utrzymania i aktualizacji. Sam pokaz działania urządzenia nie odpowie na te pytania.
Próba na danych, z którymi naprawdę pracujesz
Rozmowę z dostawcą zacznij od materiałów przypominających codzienną pracę firmy. W przypadku hurtowni będą to także nieczytelne załączniki, niepełne nazwy produktów i zamówienia wymagające wyjaśnienia. Zadbaj o osobny zestaw sprawdzający, którego dostawca nie wykorzysta do wcześniejszego dostrojenia rozwiązania.
Dla zespołu obsługującego klientów po polsku dołącz też odmiany nazw, skróty branżowe oraz wiadomości bez znaków diakrytycznych. Sprawdź, czy rozwiązanie potrafi powiązać je z właściwymi pozycjami katalogu, bez dopisywania brakujących informacji.
Przed próbą uzgodnij, co będzie mierzone. Dzięki temu demonstracja może dostarczyć danych potrzebnych do decyzji, zamiast pozostawić każdej stronie inną interpretację wyniku.
- Jakość: które zadania wykonano poprawnie i jakie pomyłki wymagały interwencji człowieka?
- Czas: ile trwała cała obsługa sprawy, łącznie z oczekiwaniem, ponowieniami i poprawkami?
- Koszt: jakie opłaty oraz nakład pracy zespołu przypadały na zaakceptowany wynik?
- Zmiana: co trzeba zrobić, gdy pojawi się nowy format dokumentu albo inny sposób oceny odpowiedzi?
Ustal również, kiedy próba zostanie przerwana. Jeśli błędy dotyczą danych kluczowych dla realizacji zamówienia, sama szybkość przetwarzania nie uzasadni rozszerzenia wdrożenia. Taki warunek chroni czas zespołu i pozwala dostawcy od początku pracować nad właściwym problemem.
Co z tego wynika dla przedsiębiorcy
Obliczenia optyczne zasługują na uwagę, bo pokazują możliwość projektowania sprzętu wspólnie z algorytmem. Przedsiębiorca może już dziś skorzystać z lekcji płynącej z tych badań: oceniać technologię w granicach całego procesu, za którego działanie odpowiada. Rachunek powinien kończyć się na użytecznym wyniku dla klienta.
Pomaga tu dyscyplina podobna do tej, którą wymaga strategia marketingowa bez pogoni za nowościami: każda nowa możliwość potrzebuje konkretnego celu. Wyznacz więc jedno zadanie, zmierz jego obecny koszt i przygotuj warunki porównania. Z takim punktem odniesienia łatwiej rozpoznasz technologię, która rzeczywiście poprawia ekonomikę Twojej firmy.
Sprawność pojedynczej operacji nie przesądza więc o sprawności całego systemu.
Rachunek powinien kończyć się na użytecznym wyniku dla klienta.

Źródła
- Y Combinator: alternatywy dla procesorów graficznych — Nagranie opublikowane 2 października 2026 r. Wystąpienie Ilkera Oguza: 19:27–21:26 — koszty konwersji sygnałów i ograniczenia obliczeń optycznych; od 25:42 do końca prezentacji — demonstracja, założenia porównania energetycznego i potrzeba sprawdzenia kompletnego systemu w większej skali.
- Optyczne modele dyfuzyjne do generowania obrazów — Praca Ilkera Oguza i współautorów opublikowana w 2024 r. Opisuje wykorzystanie propagacji światła przez warstwy optyczne do realizacji modelu generującego obrazy przez stopniowe usuwanie szumu.
- Transkrypcja dyskusji Y Combinator o alternatywnych metodach obliczeń — Pomocniczy zapis wypowiedzi ze znacznikami czasu, wykorzystany do sprawdzenia zastrzeżeń dotyczących prototypu i porównania zużycia energii.
Innohub TV
Zobacz tę treść także w Innohub TV
Wybraliśmy dla Ciebie klipy z Innohub TV, które rozwijają ten sam temat.
Zapytaj WSZiB: Przedsiębiorczość cyfrowaWSZiB w Krakowie
Brak odcinków.