Chief Data Officer, który wdrażał data governance w dużej organizacji wie, że nie jest to proste zadanie - trzeba znaleźć balans pomiędzy jakością danych i czasochłonnością procesu, a elastycznością biznesową. A jakim wyzwaniem jest wdrażanie DG w grupie kapitałowej złożonej z ponad 300 spółek, działającej w różnych obszarach biznesu (B2B i B2C) w kilku krajach? Jak wdrożyć data governance, które będzie pomocą dla biznesu, a nie wąskim gardłem? Jak sprawić, by biznes sam zaczął domagać się standardów, widząc w nich bilet wstępu do świata AI?

Historia o budowaniu w Grupie Orlen kultury odpowiedzialności za dane w modelu federacyjnym, gdzie technologia staje się akceleratorem zmiany. Prezentacja o tym, jak za pomocą AI przełamać barierę skali i zautomatyzować onboarding właścicieli danych – dowodząc, że na starcie drogi, AI jest równie skutecznym narzędziem w rękach liderów danych, co biznesu.

Wraz z rozwojem AI, agentów analitycznych i interfejsów konwersacyjnych coraz częściej słyszymy, że klasyczne dashboardy przestaną być potrzebne, a biznes samodzielnie „porozmawia z danymi”. Czy to oznacza koniec zespołów wizualizacji danych? Zdecydowanie nie – AI zmienia eksploracji danych, ale jednocześnie zwiększa znaczenie standardów, kontekstu i odpowiedzialności za interpretację danych. Dashboardy nie znikają, lecz ewoluują - z narzędzi eksploracyjnych w kierunku świadomie projektowanych doświadczeń decyzyjnych.

Prezentacja o tym, które elementy pracy zespołów BI i data science ulegają automatyzacji, jak zmieniają się kompetencje ekspertów wizualizacji danych oraz jak przygotować organizację i platformę analityczną (Power BI Premium / Microsoft Fabric) na współpracę z AI.

Wszyscy dziś mówią o AI, ale my chcemy pokazać, jak wygląda prawdziwa historia oparta na uporze i konsekwencji – krok po kroku zmieniając organizację i udowadniając, że można wdrażać rozwiązania AI bez wielkich budżetów, zachowując pełne bezpieczeństwo danych oraz transparentność procesów. To nasza droga od problemu do rozwiązania. Przedstawimy proces zmiany: jak wdrożone innowacje przyniosły poprawę efektywności i otworzyły nowe, nieprzewidziane możliwości wykorzystania AI w organizacji, inspirując do dalszej transformacji cyfrowej. Skupimy się również na Data Governance jako fundamencie – wspierającym standardy dla danych wsadowych w AI.

Wystąpienie pokaże, jak realnie zacząć budowę Data Governance w globalnej organizacji, nawet jeśli dziś „nie ma nic” – brak formalnych ról, procesów i strategii. W duecie – liderka po stronie biznesu oraz doradca z PwC – podzielą się trzema kluczowymi lekcjami z rzeczywistego wdrożenia w organizacji, w której obszar Data Governance faktycznie nie istniał. Opowiedzą, jak rozmowy z biznesem pomogły nazwać prawdziwe problemy z danymi i przełożyć je na konkretne potrzeby oraz priorytety działań. Pokażą także, że samo narzędzie, bez jasno zdefiniowanych właścicieli i opiekunów danych, pozostaje martwe – i dopiero tam, gdzie pojawia się odpowiedzialność po stronie biznesu, platformy do Data Governance zaczynają realnie „żyć” i przynosić wartość. Istotną częścią wystąpienia będzie rola komunikacji i zarządzania zmianą – jak przekonać biznes, że Data Governance to wsparcie, a nie kontrola. Uczestnicy otrzymają konkretne wskazówki, od jakich prostych kroków zacząć w firmie znajdującej się na poziomie „zero” oraz jakich błędów unikać, bazując na doświadczeniach z globalnego projektu.

Rynek pierwotny w Polsce to jeden z najbogatszych zbiorów danych o nieruchomościach w Europie Środkowej. W Property Group nie tylko agregujemy te dane - budujemy na nich produkty, które realnie zmieniają sposób, w jaki deweloperzy sprzedają, a kupujący szukają mieszkań. Ale droga od surowego zbioru danych do gotowego produktu to nie tylko modele i dashboardy. To przede wszystkim proces — od zapewnienia jakości i zgodności danych, przez data governance, po kulturę eksperymentowania, w której coraz większą rolę odgrywa AI. Na przykładzie naszych doświadczeń z rynku nieruchomości pokażę, jak zorganizować ten proces tak, żeby dane nie tylko wspierały biznes, ale same stawały się produktem.

Czy smartfon może stać się najważniejszym źródłem decyzji biznesowych? A może już nim jest? Czy Twoja organizacja potrafi w pełni wykorzystać płynące z niego dane i ich wartość na rzecz swojego rozwoju? Podczas wystąpienia pokażę, jak dane z sektora telco mogą zmienić podejście do strategii data‑driven w branżach takich jak bankowość, ubezpieczenia, czy e‑commerce. Omówię ich szerokie zastosowanie w procesach antyfraudowych, KYC, oceny wiarygodności i potwierdzania tożsamości, czy przy tworzeniu modeli scoringowych.

Zapraszam na historię o tym, jak unikatowe możliwości daje połączenie danych telco z danymi biznesowymi. Na realnych scenariuszach zaprezentuję wpływ tych danych na aktualne wyzwania firm — od bezpieczeństwa po wzrost konwersji.

A to wszystko przy centrum decyzyjnym, mieszczącym się w smartfonie.

Wraz z rosnącym wykorzystaniem agentów AI pojawia się pytanie, jak ich sensownie "zaangażować" w Data Governance. Nie jako dodatek, ale element realnie wspierający zarządzanie danymi i skracający czas decyzji. Z drugiej strony, musimy zbalansować dodatkową złożoność i ryzyko operacyjne. Kluczowe pozostaje zrozumienie ograniczeń agentów oraz wyzwań związanych z wdrożeniem - na tej podstawie możemy wypracować podejście, które uwzględnia zarówno efektywność operacyjną, jak i realny zwrot z inwestycji.

Budowa wewnętrznych zespołów IT i przejmowanie kompetencji software’owych to dziś jeden z najgorętszych trendów. Po latach rozczarowań współpracą z zewnętrznymi dostawcami wiele organizacji mówi: „zrobimy to sami”. Tylko czy to rzeczywiście tańsze, szybsze i lepsze rozwiązanie?

W tej prezentacji przyjrzymy się, kiedy budowa własnego zespołu data/AI ma sens,a kiedy staje się kosztowną iluzją kontroli. Pokażę, jakie kompetencje są naprawdę niezbędne, gdzie najczęściej niedoszacowujemy kosztów oraz jak wygląda realny TCO „wewnętrznego software house’u”.

Jeśli zastanawiasz się, czy rozwijać własne capability w obszarze danych, czy jednak zaufać partnerom zewnętrznym — to wystąpienie pomoże Ci podjąć bardziej świadomą decyzję.

W świecie nadmiaru danych śledczy i pracownicy medyczni mają trudność z szybkim łączeniem informacji z rozproszonych źródeł: istotne fakty giną w nieustrukturyzowanych materiałach. Stosowane narzędzia zmuszają ekspertów do ręcznego scalania dokumentów, obrazów i logów, zamiast wspierać wnioskowanie. Prezentacja omawia ograniczenia poznawcze analityków i ryzyko decyzji opartych na niepełnych danych.

Aby z bezładu informacji wyciągnąć sensowne wnioski stosujemy Networks Notebook – autorski system wykorzystujący technologię grafową. Łączy ono grafy wiedzy, otwarte modele LLM (Bielik, Llama, Qwen) i Business Intelligence. Pozwala to znacząco ogranicza szum informacyjny, redukując duże zbiory danych do kluczowych elementów. System ujawnia relacje niewidoczne w tradycyjnej analizie, dostarczając wyjaśnialne wyniki i skracając czas pracy. Eksperci mogą skupić się na interpretacji, a nie gromadzeniu informacji. Analiza grafowa działa w różnych branżach – od zwalczania przestępczości po medycynę.

W wielu organizacjach wdrożenia AI koncentrują się na szybkości, a nie na jakości wdrożenia. Projekty są implementowane w sposób oddolny i nieskoordynowany, stosując różne zasady wyboru projektów, oceny ryzyk oraz mierzenia sukcesu. Prowadzi to do realizacji działań ważnych lokalnie, lecz niekoniecznie kluczowych dla całej firmy, a także do pomijania ryzyk regulacyjnych, jakości danych i ograniczeń technologii, co zwiększa ryzyko niepowodzeń i obiektywnej oceny dotyczącej utrzymywania projektów.

Rozwiązaniem jest zarządzanie ujednoliconym portfelem inicjatyw AI na poziomie całej organizacji. Podczas prezentacji przedstawione zostanie takie podejście - od wyboru najlepszych pomysłów, przez skuteczną realizację projektów, po zarządzanie wdrożonymi rozwiązaniami.

W ok. 99% polskich miast nie funkcjonuje rola Chief Data Officera, a praca z danymi ma charakter doraźny, rozproszony i podporządkowany bieżącej obsłudze procesów administracyjnych. Taki model blokuje podejście strategiczne do danych, uniemożliwiając ich porównywalność, ponowne wykorzystanie oraz świadome zarządzanie jakością informacji na poziomie całej organizacji.
Propozycją rozwiązania jest rozporządzenie regulujące minimalny, kluczowy zasób danych, który wszystkie jednostki samorządu terytorialnego byłyby zobowiązane prowadzić w jednolitej formie. Omówione zostaną koncepcje wspólnych katalogów danych, standardów, słowników oraz metadanych, które zapewniałyby spójność semantyczną i techniczną danych w skali kraju.

Istotnym elementem koncepcji jest „marchewka”, czyli korzyści wynikające z wdrożenia jednolitych standardów danych. Należą do nich przede wszystkim możliwość rzetelnej i porównywalnej oceny samorządów na tle innych JST, opartej na rzeczywistych danych operacyjnych, a nie deklaratywnych ankietach. Równolegle przedstawiona zostanie „metoda kija”, czyli argumentacja za wprowadzeniem obowiązku prawnego oraz mechanizmów egzekucyjnych powiązanych z jego niespełnieniem.

Rok 2026 to koniec ery „compliance dla samej zgodności”. W obliczu nowej zimnej wojny technologicznej, odwrotu USA od paradygmatu trustworthy AI (eliminacja EO 14110) oraz unijnej fali deregulacji (Digital Omnibus Package), dotychczasowe podejście do wdrażania regulacji stało się balastem finansowym. W 2026 roku „good-enough compliance” nie jest zaniedbaniem, lecz kluczową kompetencją lidera danych. Podczas prezentacji zostanie zaprezentowany autorski model triażu regulacyjnego, który pozwala Chief Data Officerowi wyjść z roli „hamulcowego” i stać się strategicznym partnerem biznesu. Chłodna analiza świata, w którym dane są dobrem narodowym chronionym przez kapitał, pozwala uwolnić zasoby na monetyzację danych, zamiast przepalać je na walkę z legislacyjnym szumem.

To nie jest historia o taryfach, tylko o tym, jak „stały koszt w tle” w globalnym łańcuchu dostaw nagle stał się strategicznym ryzykiem. Pokażemy, że nawet przy niedoskonałych danych możliwe jest budowanie wartości dzięki AI - poprzez iteracyjne podejście, które jednocześnie przyspiesza analizy i wspiera poprawę jakości danych. Na przykładzie certyfikacji USMCA opowiemy, jak synergia technologii i biznesu prowadzi do podejmowania AI-driven decyzji, które przyniosły GE Healthcare znaczące oszczędności.

Prezentacja opiera się na trzech kluczowych filarach:

• Wykorzystanie i przewagi pracy na danych single-source – przedstawione na realnych case studies z obszaru marketingu i wzrostu biznesowego.
• Wyzwania związane z wykorzystaniem danych single-source – organizacyjne, analityczne oraz regulacyjne.
• Aspekty technologiczne przetwarzania danych i realizacji celów biznesowych, w tym zastosowanie nowoczesnych rozwiązań AI.

Niezwindykowane należności w firmie o obrotach liczonych w setkach milionów złotych mogą sięgać kilku milionów złotych rocznie. To poważna kwota, która ma istotny wpływ na płynność finansową spółki. Marzeniem CFO jest automatyzacja tego procesu, aby windykacja odbywała się efektywnie i bez nadmiernego angażowania pracowników. Z pomocą mogą przyjść agenci AI, ale jak wiedzą CDO – to się nie uda, jeżeli dane nie będą odpowiednio przygotowane. A to jest wyzwanie: dane o należnościach czy dane kontaktowe rozproszone między ERP, Saleforce, system wewnętrznym do zamówień, bank i e-mailową komunikacją z klientem. Często brakuje wspólnej definicji statusów spraw, trzeba ręcznie ustalać przyczyny opóźnień procesy z tym związane przez lata działały intuicyjnie, ale nie były uporządkowane w sposób umożliwiający automatyzację. Prezentacja na podstawie doświadczeń w porządkowaniu procesu windykacji i wdrażaniu agentów w taki sposób, żeby były wsparciem, a nie źródłem nowych problemów.

Wraz z rosnącą rolą AI – od prostych automatyzacji po agentowe systemy decyzyjne – organizacje coraz częściej próbują „dokleić” sztuczną inteligencję do istniejących procesów. Prawdziwa zmiana nie dotyczy jednak narzędzi, lecz przede wszystkim sposobu organizacji pracy: przejścia od modelu odpowiedzialności za implementację rozwiązania do zespołów, w których ludzie i AI współtworzą rozwiązania, aby osiągać realną wartość.

To wystąpienie pokazuje, jak projektować cross-domenowe zespoły human-AI w środowisku dużych organizacji – tam, gdzie dane, technologia, produkt i biznes się przecinają, ale rzadko współdziałają w jednym modelu odpowiedzialności, a ograniczenia technologiczne, compliance i regulacyjne tworzą dla zespołów realną ścieżkę przeszkód.

Prezentacja odpowiada na pytania, jak rozdzielać odpowiedzialność w zespole pomiędzy ludzi a AI, jak projektować workflow human-AI, gdzie kończy się automatyzacja, a zaczyna odpowiedzialność człowieka, dlaczego klasyczne modele zarządzania nie wystarczają w środowisku uczących się systemów oraz jak budować rozwiązania w złożonych organizacjach.

Jednym z istotnych i czasochłonnych obowiązków samorządów jest zarządzanie infrastrukturą, m.in. drogową. Miasto Rybnik postanowiło wesprzeć ten proces nowoczesnymi narzędziami poprzez stworzenie bliźniaka cyfrowego (digital twin) ulic. Dzięki temu zarządzania pasem drogowym i infrastrukturą drogową opiera się na aktualnych danych, spójnych procedurach i jednym środowisku pracy dla jednostek miejskich. W ramach projektu wdrożono system do zarządzania pasem drogowym, infrastrukturą drogową, obiektami inżynierskimi oraz organizacją ruchu, wraz z ewidencją dróg i wsparciem działań administracyjnych i operacyjnych zarządcy drogi.

Prezentacja na temat praktycznej strony wdrożenia: jakie dane zebrano w ramach wdrożenia, w jaki sposób zostały uporządkowane, jak wspierają zarządzanie ulicami i infrastrukturą oraz w jaki sposób te same zasoby danych mogą być ponownie używać w innych obszarach zarządzania przestrzenią miejską.

Chief Data Officer zarządza zbiorami danych w organizacji – wie jakie dane są przechowywane w hurtowniach danych, co się znajduje w data catalogu, jak ułożone są procesy data governance, itd. Ale co z shadow data, czyli danymi, które wyciekły poza organizację i o których nikt już nie pamięta. Ten drugi zbiór jest często większy, niż się wydaje, i to on jest realnym źródłem ryzyka regulacyjnego, finansowego i reputacyjnego.

Prelekcja o tym jak wykorzystać techniki OSINT (białego wywiadu) do zmapowania tego, czego CDO nie widzi: dostępne spoza organizacji dashboardy, otwarte bazy danych, firmowe dokumenty umieszczone w serwisach współdzielenia plików, dane indeksowane przez Google Dorks i Shodana, ujawnienia w GitHubach pracowników, eksfiltracje na dark webie i w kanałach Telegram/forum. Wyzwania zostaną przedstawione na przykładach prawdziwych zanonimizowanych zdarzeń z polskiego rynku.

Uczestnicy otrzymają praktyczne rady co CDO powinien wiedzieć, czego unikać i jak zorganizować ten proces u siebie, żeby włączyć framework OSINT do data governance jako „External Data Discovery" - z uwzględnieniem RODO, AI Act, Data Act i NIS2.

Agenci LLM obiecują błyskawiczny dostęp do danych i decyzji. Ale co jeśli powiemy, że za ich sukcesem kryje się coś, czego nie widać na pierwszym slajdzie prezentacji? Prezentacja doświadczeń wdrożeń agentów: co sprawia, że agent przestaje zgadywać i zaczyna dostarczać powtarzalne wyniki. Zaprezentowane zostaną sprawdzone reguły „rób to / nie rób tego" - te same, które uratowały przed chaosem definicji wskaźników i sporami o dane. Słuchacze nową architekturę danych przyszłości: jak uporządkować definicje, źródła i jakość tak, żeby agent działał jak precyzyjny mechanizm, a nie loteria. To będzie praktyczny przepis z pierwszej ręki - prosta checklista i plan kroków, który działa w codziennej rzeczywistości firmy. Uczestnicy dowiedzą się dlaczego niektórzy mają agentów produkcyjnych, a inni wciąż poprawiają prompty.

Największa wartość z danych powstaje dziś na styku organizacji, a nie wewnątrz nich. Dlatego samo uporządkowanie danych wewnątrz już nie wystarcza. Pojawia się potrzeba ich bezpiecznego współdzielenia. Forum Wymiany Danych to przestrzeń dialogu między administracją a sektorem prywatnym, której celem jest budowa bezpiecznych i efektywnych modeli wymiany danych. Wystąpienie pokaże, jak w praktyce rozwijać taki model, z uwzględnieniem jakości, zaufania, bezpieczeństwa i ram prawnych. Na konkretnych przykładach zostaną przedstawione bariery i sposoby ich przełamywania, tak aby dane mogły realnie wspierać decyzje i rozwój rozwiązań analitycznych.