.webp)
13 Minuty
Core Stage, Startup Fair Vilnius — Pełna sala, jasne światła i panel, który przypominał raczej przekazanie pałeczki między pokoleniami niż typową dyskusję. Pod moderacją Arvydasa Bložė z Practica Capital, troje innowatorów poniżej 25 roku życia ukazało, jak generacja AI-first przełamuje tradycyjne bariery, wybiera szybkość działania zamiast protokołu i traktuje kulturę organizacyjną jak oprogramowanie: wdrażane szybko, nieustannie doskonalone i otwarte na uczenie się na forum publicznym. Na scenie: Kristijonas “Chris” Šidlauskas z Sintra.ai, Jonas Bartašius z Based Space oraz Augustė Brukštutė z Alcemi.
Poniżej znajduje się szczegółowy, samodzielny raport z tej rozmowy, oddający kluczowe idee, napięcia oraz praktyczne strategie, z których korzysta to pokolenie. Całość została przejrzysto zorganizowana z myślą o łatwości czytania i pozycjonowaniu.
Część 1 — Kontekst, mentalność i przełom sztucznej inteligencji
Panel o zmianie, a nie o trendzie
Bložė zaczął od szczerej refleksji: ścisła współpraca z założycielami młodszymi o dekadę lub więcej ujawniła fundamentalną zmianę postawy. Stara szkoła to optymalizacja i zarządzanie ryzykiem, nowa — to eksploracja i szybkie iteracje. Postawiło to sprawę jasno: zamiast mówić młodemu pokoleniu, co mają tworzyć, powinniśmy wsłuchać się w to, jak pracują.
Co przyciągnęło tych założycieli?
Augustė przedstawiła AI jako uniwersalną ścieżkę startową. Pozwala osobom nietechnicznym i niedoreprezentowanym zdobywać wiedzę na żądanie i mierzyć się z większymi, złożonymi problemami, bo koszt nauki i testowania obecnie jest niemal zerowy.
Chris przyznał, że zawsze nie przepadał za zasadami i wolał tworzyć własną rzeczywistość. Sztuczna inteligencja wzmacnia proaktywną postawę — z laptopem i subskrypcją za 20 euro można przejść od pomysłu do prototypu w kilka godzin.
Jonas wszedł do branży od strony marketingu zorientowanego na wyniki, konkurując z amerykańskimi markami. Już od pierwszego dnia musiał myśleć globalnie — standardem była orientacja na najlepszych na świecie, a nie tylko najbliższych konkurentów.
Dlaczego AI to jedyna taka szansa w pokoleniu?
Panel wyodrębnił trzy kluczowe zmiany strukturalne:
Niższe bariery wejścia
AI skraca dystans między ciekawością a kompetencjami. Dawniej wyszukiwarka odpowiadała na pytania, dziś AI generuje gotowe szkice, prototypy i działający kod. To poszerza spektrum wiarygodnych założycieli i pozwala małym zespołom działać na skalę korporacyjną.Szybkość jako przewaga
Koszty weryfikacji pomysłów spadły tak nisko, że szybkość pierwszych eksperymentów stała się kluczowa. Zespoły, które iterują krótko, wdrażają szybciej i lepiej się uczą, wyprzedzają te, które debatowałyby bez końca.Oprogramowanie się zmienia
Jonas zauważył, że systemy przechodzą od zdeterminowanych do opartych na kontekście. Produkty będą coraz bardziej adaptacyjne, ceny zaczną odzwierciedlać koszty modeli AI, a praca nad produktem obejmie m.in. projektowanie promptów, orkiestrację narzędzi i ewaluację pipeline’ów. Produktu nie da się już ustawić raz na zawsze — trzeba mierzyć, kierować i stale trenować system.
Globalnie już od pierwszego commit’a
Rynek litewski jest z natury niewielki, więc budowanie produktów po angielsku i sprzedaż globalna to nie trik wzrostowy, lecz podstawowy standard. Skutkuje to dwoma rzeczami:
Komunikacja i UX są projektowane od początku pod użytkownika międzynarodowego.
Standardy, rekrutacja i wycena opierają się o światową czołówkę, co dyscyplinuje realizację.
Kultura na nowo: płaska struktura, feedback jako system, zabawa jako strategia
Od hierarchii do przestrzeni na inicjatywę
Paneliści postrzegają kulturę organizacyjną jak system produkcyjny, a nie ładne slogany na ścianie.
Płaska struktura z założenia: Doświadczeni menedżerowie z dużych firm oczekują drabinek kariery i tytułów. Młodzi założyciele rozumieją konieczność jasności, lecz unikają warstw spowalniających inicjatywę. W płaskiej strukturze role i uprawnienia są jasno sprecyzowane, ale każdy może „dostarczać”, jeśli rozumie kontekst.
Feedback jako pętla produktu: Jak podsumował Arvydas, szybkość ma sens tylko tam, gdzie zespół jest otwarty na korekty. Coraz popularniejsze jest powoływanie osoby odpowiedzialnej za zbieranie informacji zwrotnej od użytkowników i zespołu, zamykanie pętli co tydzień i przekładanie wniosków na backlog.
Zabawa to nie luksus: Chris podkreślił, że eksperymentowanie i zabawa tworzą przestrzeń do odkryć — także rekrutacyjnych czy projektowych. Trzeba próbować, wdrażać, usuwać oraz rekonfigurować zespoły szybko. Traktować zakłady jak funkcje, a nie trwałe struktury.
Proces ponad pozory
Jonas zaproponował użyteczny model myślowy: celem pracy powinien być stan, a nie tylko efekt. Jeśli zespół dba o jakość procesu, wartość dla użytkownika i energię, rezultaty pojawią się naturalnie. Nastawienie na efekty zewnętrzne prowadzi do pozorów działania — stąd u młodego pokolenia tak duży nacisk na rytm pracy, nie celebracje.
Konkretny nawyk zmieniający zachowania
Augustė zaproponowała prostą, ale skuteczną zasadę: zanim przerwiesz kolegę, najpierw zapytaj model AI. Takie podejście ogranicza dezorganizację pracy i uczy całą ekipę samodzielnego wyszukiwania informacji, co przynosi kumulatywne efekty.
Inkluzywność — świadomy wybór projektowy, nie slogan
AI jako czynnik wyrównujący szanse
Niski koszt nauki oraz możliwość złożenia pierwszych wersji produktu z narzędzi low-code sprawiają, że dawni strażnicy bram przestają mieć znaczenie. Zwłaszcza dla kobiet w IT. Praca zdalna i procesy wspierane przez AI usuwają wiele dawnych barier.
Rekrutuj za ciekawość i zdolność do nauki, nie dyplom
Dla tej generacji liczą się dwa sygnały:
Wrodzona ciekawość: błysk w oku i dowody, że ktoś potrafi uczyć się samodzielnie i dostarczyć efekty.
Praca z intencją 9-18: długie, skupione bloki pracy dające namacalne postępy. To nie wyścig na pokaz, lecz wytrwałość.
Mając te dwie cechy, reszty można się nauczyć — często korzystając z AI. Dyplomy i sztywna hierarchia w kulturze szybkiej informacji i informacji zwrotnej są przeszkodą, nie atutem.
Reguły, instytucje i granice buntu
Wyłoniło się zdrowe napięcie:
Chris zderza się z zasadami, które zamykają kreatywnych ludzi w złych ramach.
Jonas zwrócił uwagę, że to mocne instytucje budują dobrobyt państw. Rozwiązaniem nie jest brak zasad, lecz ich świadoma aktualizacja do nowych realiów.
Trzy słowa Jonasa, które podbiły publiczność jako fundament ekosystemu, to: szacunek, wdzięczność, siła woli. Szacunek do ludzi i systemów, które nas tu doprowadziły. Wdzięczność za stworzoną platformę. Siła woli, by budować kolejną warstwę bez czekania na pozwolenie.
Przewaga kultury pracy
W starciu z dobrze finansowaną konkurencją, paneliści wskazują na wytrwałość jako bałtycką przewagę. Mniej rozpraszaczy, skupienie na długich blokach pracy skoncentrowanej i konsekwencja mogą stać się kluczową przewagą. Liczy się nie tylko tempo, ale zdolność do utrzymania go w czasie.
Zacznij chaotycznie, ucz się publicznie
Najważniejsze sentencje ze sceny podsumowały wspólne motto:
Zacznij chaotycznie, nie analizuj przesadnie.
Zachowaj radość i element zabawy.
Wybierz swoją grę, poznaj poziomy i awansuj.
To nie są puste slogany — realnie wpływają na organizację tygodnia pracy, priorytet działań i sposób projektowania produktów rozwijanych „na oczach” użytkowników.
Część 2 — Praktyczne instrukcje i checklisty dla zespołów AI-first
Dyskusja zaowocowała szeregiem konkretnych praktyk. Ta część zamienia filozofię AI-first w checklisty do wdrożenia przez każdego nowego założyciela startupu technologicznego.
1) Uczyń AI pierwszym doradcą zespołu
Buduj wspólną bibliotekę promptów do zadań od debugowania po analizę rynku.
Przeszkol wszystkich w klarownym formułowaniu zapytań: problem, ograniczenia, artefakty, pożądany rezultat i kryterium ewaluacji.
Dodaj do każdego zgłoszenia pole: co doradził model, co spróbowano, czego się nauczono.
Efekt: mniej przerywania pracy, szybsze prototypy i zapisy eksperymentów dostępne do analizy.
2) Zbuduj tygodniowy rytm feedbacku
Wskaż właściciela procesu zbierania informacji zwrotnej.
W każdy piątek rozpowszechniaj jednostronicowy raport: trzy najważniejsze sygnały od użytkowników, co wdrożono, co się zmieniło, co będzie testowane.
Wnioski bezpośrednio przekładaj na roadmapę, by zespół widział sens zmiany priorytetów.
Efekt: szybkie adaptacje i nauka w trakcie działania.
3) Zachowaj płaskość, ale podkreślaj decyzje
Dla każdego obszaru określ, kto decyduje, kogo należy konsultować i jak odwrócić decyzje.
Zamiast długich spotkań statusowych organizuj krótkie przeglądy decyzyjne z odnośnikami do dokumentacji i metryk.
Każdy może zgłosić blokadę pisemnie i oczekuje się odpowiedzi w ciągu 24 godzin.
Efekt: autonomia bez chaosu.
4) Rekrutuj za zdolność uczenia się i energię
Zamiast przesiewu dyplomów, stosuj próbki pracy na rzeczywistych zadaniach.
W rozmowie rekrutacyjnej pytaj kandydatów o samodzielne nauki z AI — niech pokażą notatki lub transcript.
Oceń dopasowanie przez płatny tygodniowy sprint, zamiast próbki zadaniowej oderwanej od rzeczywistości.
Efekt: zespół rozwijający się w trakcie działań.
5) Projektuj inkluzywność na co dzień
Standardem są pisemne, AI-przeszukiwalne instrukcje, nie przekaz ustny.
„Maker time” przysługuje każdemu, nie tylko inżynierom.
Założyciele prowadzą otwarte godziny konsultacji dla debiutantów i kobiet w AI.
Efekt: prawdziwie szeroka ścieżka rozwoju nowych współpracowników.
6) Projektuj produkt jak grę i „leveluj” z głową
Wzorując się na ideach z OpenAI Dev Day przywołanych przez Jonasa, zarządzaj postępem jak „poziomami gry”:
Poziom 1 — Nauka: dostarczaj minimalną, ale realną wartość dla użytkownika i mierz czas do uzyskania tej wartości.
Poziom 2 — Umiejętność: popraw efektywność realizacji zadań, ogranicz liczbę korekt i wskaźników podpowiedzi.
Poziom 3 — Mistrzostwo: poszerzaj „obszar działania” i mierz sukces finałowymi rezultatami użytkownika, nie samą liczbą funkcji.
Efekt: wspólny język postępów dla całej firmy.
7) Wybierz domyślny scenariusz wzrostu
Jeśli działasz w szybko zmieniającej się branży i natychmiast pokazujesz retencję oraz zaangażowanie, idź na globalny wzrost.
Jeżeli rozwiązywany problem wymaga zaufania, zacznij od głębi w wąskim segmencie rynku.
W obu przypadkach jasno komunikuj: komu służymy, jakie zmieniamy aspekty i jak to udowadniamy co tydzień.
Efekt: inwestorzy i kandydaci szybciej rozumieją firmę, a klienci mogą powtórzyć twoją opowieść własnymi słowami.
8) Zakoduj wytrwałość zespołu
Stosuj kwartalne plany pracy równoważące sprinty z tygodniami regeneracji.
Automatyzuj żmudne zadania, by czas głębokiej pracy pozostał nietykalny.
Mierz efekty kumulatywnej poprawy, a nie jednorazowych „eksplozji wysiłku”.
Efekt: systematyczne postępy przynoszą lepszy efekt niż chwilowa mobilizacja.
Implikacje dla Litwy i krajów bałtyckich
Małe rynki tworzą globalne nawyki: produkty „English-first” i ekspansja zagraniczna to reguła, a nie aspiracja.
Społeczności to akcelerator: mikropody założycieli na podobnym etapie wymieniają się doświadczeniami praktycznie w czasie rzeczywistym.
Instytucje mają znaczenie: Jasno określone zasady gry zmniejszają tarcia. Następne wyzwanie to dostosowanie ich do gospodarki AI bez utraty zaufania.
Podsumowanie
Pokolenie AI-first nie czeka na „lepsze czasy”. Wykorzystuje tanią inteligencję, płaskie struktury i nieustanne pętle informacji zwrotnej, by działać szybciej niż tradycyjne „cykle pozwoleń”. Są wdzięczni za bazę, którą odziedziczyli, szanują wcześniejsze generacje, a jednocześnie mają wolę nowego definiowania reguł gry.
Jeśli szukasz kwintesencji atmosfery na Core Stage w Wilnie: dostarczaj teraz, słuchaj uważnie, awansuj i pozwól, by kultura uczyła się równie szybko, jak kod.
Źródło: smarti
Zostaw komentarz