Přeskočit na hlavní obsah

Ze slonovinové věže do co-workingu: vtipné výzvy korporátního ředitele ve startupovém světě

Vydáno

Od J.J. Smíška 

Když jsem nedávno navštívil jedno moderní co-workingové centrum v centru Prahy, potkal jsem tam neobvyklou postavu. Pan Direktor, dříve korporátní magnát, se teď snažil najít své místo v živém prostředí startupu.

Místo toho, aby se usadil v impozantní široce prosklené rohové kanceláři s výhledem na město, jak byl zvyklý, objevil se u stolu vedle kávovaru. Jeho pohled na neustále se plnící hrníčky byl skoro komický. A když začal mluvit o "synergii" a "změně paradigmatu" během ranního týmového setkání, programátoři v místnosti jen nechápavě kroutili hlavou.

Ale to nebylo vše. Zatímco většina týmu nosila pohodlná trička a džíny, pan Direktor se pyšnil svou dokonale padnoucí košilí a sáčkem. Jeho formální oblečení působilo vedle ležérně oděných kolegů opravdu bizarně.

V průběhu týdne jsem sledoval, jak se snažil zarezervovat místnost pro formální prezentaci o tom, kam budou jako tým chodit na oběd. A protože mu nikdo neporadil, jak funguje Slack, jeho nadšené e-maily plné korporátního žargonu zaplavily všechny komunikační kanály.

Nejvíce mě však pobavilo, když jsem ho viděl po půlnoci. Ve světě korporátu byl zvyklý dodržovat striktní pracovní dobu, ale v startupovém světě často nejlepší nápady vznikají uprostřed noci.

Přesto všechno jsem obdivoval jeho odhodlání a snahu adaptovat se na nové prostředí. Bylo jasné, že za všemi těmito komickými situacemi byl člověk, který se opravdu snažil rozumět a integrovat se do nového světa startupů. A kdo ví? Možná se jednoho dne stane skutečnou hvězdou startupového nebe.





Komentáře

Okomentovat

Populární příspěvky z tohoto blogu

Za hranice DevOps 1.0: Proč je BizDevOps pro SaaS společnosti nezbytností?

Vydáno
Přechod od tradičního DevOps k BizDevOps představuje zásadní tektonický zlom ve filozofii, která pečlivě integruje hluboké pochopení potřeb zákazníka s agilitou vývoje softwarových služeb a jejich provozu. Je to revoluce, která je stejně kontroverzní jako stěžejní a dramaticky rozšiřuje základy toho, co dnes běžně chápeme jako efektivní dodávku softwaru. Jádrem našeho článku je zásadní otázka: Mohou organizace, které jsou zakořeněné v ustáleném rytmu DevOps 1.0, přijmout rozsáhlé organizační, technologické a názorové změny potřebné pro BizDevOps?  Tunelové vidění technologických specialistů Ve světě softwaru-jako-služby (SaaS) stojí mladý DevOps specialista Luboš na kritické křižovatce. Vyzbrojen skvělými dovednostmi v oblasti kódování a rozsáhlými znalostmi cloudových architektur se Luboš s jistotou a lehkostí orientoval v technických aspektech své profese. Jak se však před ním rozprostřela krajina SaaS plná nesčetných výzev a komplikací, Luboš se potýkal s problémy, které nebylo ...
Okomentovat
Pokračování Zde »

Integrating HATEOAS, JSON-LD, and HAL in a Web-Scale RAG System

Vydáno
  The intersection of Hypermedia as the Engine of Application State (HATEOAS), JSON for Linked Data (JSON-LD), and Hypertext Application Language (HAL) presents a novel approach to enhancing Retrieval-Augmented Generation (RAG) systems. By leveraging these standards, we can streamline and potentially standardize the interaction of Large Language Models (LLMs) with knowledge graphs, thus facilitating real-time data retrieval and more effective training processes. Leveraging HATEOAS HATEOAS principles are crucial for enabling dynamic navigation and state transitions within RESTful APIs. In the context of RAG systems, HATEOAS allows LLMs to interact with APIs in a flexible manner, discovering related resources and actions dynamically. This capability is essential for traversing knowledge graphs, where the relationships between entities can be complex and varied. By providing hypermedia links in API responses, HATEOAS ensures that LLMs can effectively navigate and utilize the knowledge...
Okomentovat
Pokračování Zde »

Retrieval-Augmented Generation (RAG) with Embedding-Based Dense Retrieval

Vydáno
RAG is a technique where a generative AI model (like ChatGPT) doesn’t just rely on its own training data to generate responses. Instead, it retrieves relevant information from external sources (like databases or documents) to provide more accurate and up-to-date answers. 2. Keyword-Based Retrieval Keyword-based retrieval is the traditional method used to find relevant information. Here’s how it works: Keywords Extraction: The system looks for specific words or phrases (keywords) that match the user’s query. Matching: It searches the external documents for those exact keywords. Retrieval: Documents containing those keywords are retrieved and used to generate the response. Example: User Query: "Best restaurants in New York" Keywords Extracted: "best," "restaurants," "New York" Process: The system finds documents that contain these words to provide a list of top restaurants in NYC. Pros: Simple and fast. Easy to implement. ...
Okomentovat
Pokračování Zde »