Ten artykuł jest transkrypcją premierowego odcinka drugiego sezonu IDology - podcastu o wzornictwie przemysłowym Mindsailors. Możesz obejrzeć cały odcinek na YouTube lub posłuchać wersji audio na Spotify , Apple Podcasts lub Google Podcasts .

W premierowym odcinku drugiego sezonu IDology dyrektor operacyjny naszej firmy, Voytek Holysz, spotkał się z Piotrem Dalewskim, inżynierem ds. projektowania mechanicznego w Mindsailors, firmie zajmującej się wzornictwem przemysłowym, oraz współzałożycielem Mindsailors i starszym projektantem, Rafałem Pilatem, aby porozmawiać o generatywnej sztucznej inteligencji.

Wszyscy możemy przyznać, ze wszystkimi zaletami i wadami, że Generative AI jest świetnym narzędziem dla projektantów produktów i tym podobnych. Niektórzy powiedzieliby nawet, że pomaga pominąć niektóre etapy projektowania... Ale czy naprawdę może zrewolucjonizować Twój proces projektowania produktu? Czy naprawdę powinieneś polegać na AI? Przekonajmy się!

Voytek Holysz: Okej, myślę, że możemy kontynuować tę rozmowę, ponieważ już ją prowadziliśmy. I pamiętam, że ty, Piotrze, wspomniałeś, że zanim porozmawiamy o AI w projektowaniu i dlaczego AI nie jest koniecznie „narzędziem do rozwiązania wszystkiego” dla projektantów przemysłowych, musimy najpierw odpowiedzieć na pytanie, dlaczego nasze produkty są projektowane i w jaki sposób?

Piotr Dalewski: Tak, myślę, że zrozumienie tła projektu jest kluczowe dla sukcesu produktu. Na początku naszego procesu projektowania staramy się głęboko zrozumieć wizję naszego klienta, że wiemy, że to konkretne urządzenie powinno spełniać pewne konkretne potrzeby. Te produkty są bardzo często innowacyjne, nie są jeszcze dostępne na rynku i nie mamy innych produktów, z którymi moglibyśmy je porównać. Tak więc tak naprawdę ogranicza nas tylko nasza wyobraźnia, ale tej wyobraźni nie jest tak łatwo ukształtować w podpowiedź, możemy umieścić jakąś przeglądarkę GPT lub AI.

Voytek: Tak. Powiedziałeś, że jeśli dobrze rozumiem, to jest przypadek zrozumienia idei stojących za produktami, aby uczynić je dobrymi, a AI jest czymś, co jest bardzo dosłowne, jak wspomniałeś o podpowiedziach, muszą być bardzo, bardzo dosłowne, aby AI coś wygenerowała, ponieważ możesz umieścić pomysł w podpowiedzi, AI nie będzie wiedziała, co ci dać.

Piotr: Tak, tak naprawdę nasi klienci nie chcą mieć ogólnych rozwiązań, ogólnych problemów. Nasze pomysły biorą się z wielu godzin dyskusji, wielu e-maili, pewnego rodzaju warsztatów, kiedy analizujemy te potrzeby użytkowników, firm produkcyjnych, a nawet wizję inwestorów, a nawet wszystkich interesariuszy. Tak więc, aby zrozumieć te potrzeby i ukształtować je w brief, potrzeba dużo czasu, a także dużo empatii, tak jakbyśmy musieli zrozumieć całą wizję i cały proces logiczny.

Myślę, że ważne jest również to, że wielu klientów ma różne wizje, różne produkty są kierowane do różnych klientów, ale mają też różne potrzeby. Na przykład, gdy jakaś firma wypuszcza swój pierwszy produkt na rynek, skupia się na produkcji małoseryjnej, a w projektowaniu, szczególnie w dokumentacji lub dalszym rozwoju, skupiamy się na rozwiązaniach, które są dla nich odpowiednie. Tak więc na przykład unikamy skomplikowanych lub wyrafinowanych sposobów montażu, ponieważ zwiększyłyby one koszt wprowadzenia na rynek. A jeśli mamy dużą firmę, która już wypuściła kilka produktów i zna swój rynek, i wie, że może zainwestować duże kwoty pieniędzy, możemy skupić się na bardziej zaawansowanych technologiach.

Więc zanim zaczniemy projektować, musimy mieć wizję tego produktu. Jeśli chcemy zaawansowanego projektu, możemy zasugerować podwójne formowanie wtryskowe lub inne formowanie wtryskowe, lub gdy projektujemy pod masową produkcję, myślimy bardziej o montażu: więc używamy jakiegoś rodzaju zatrzasków, czegoś, co zatrzaski ułatwiają montaż i ograniczają pracę. Więc wszystkie te potrzeby wpływają na nasze prace projektowe, więc byłoby bardzo, bardzo trudno napisać polecenie, które obejmowałoby wszystkie te elementy.

Voytek: Rafał, ile masz lat doświadczenia jako projektant przemysłowy?

Rafał Piłat: Około 18.

Voytek: To już 18 lat. To bardzo ważne, co powiedziałeś – wspomniałeś o empatii, to 18 lat negocjacji, wydobywania informacji i wyciągania intencji od innych ludzi: od klientów, współpracowników lub producentów, o których wspomniałeś, i to jest rodzaj pracy, która bazując tylko na danych lub informacjach nie byłaby zasadniczo możliwa bez empatii, bez zrozumienia, jak myśli inna osoba, co myśli, kiedy coś mówi, ponieważ to nie zawsze jest to samo. Czy zgadzasz się, że ta empatia może być kluczem do wszystkiego? Ten brak empatii po prostu mówi „Nie, to nie będzie możliwe”?

Rafał: Powiedziałbym, że jednym z największych problemów w pracy z klientami jest, jak powiedziałeś, wydobywanie od nich informacji. Bardzo często spotykamy się z klientami, którzy mają trudności z werbalizowaniem swoich pomysłów, opisywaniem nam tego, czego naprawdę potrzebują, nie są nawet świadomi pewnych problemów, które ich produkt powinien rozwiązać. Dlatego nie tylko musimy interpretować życzenia naszych klientów, ale także musimy być w stanie wyobrazić sobie, wcielić się w rolę osób, które faktycznie będą korzystać z tych produktów.

Więc myślę, że to jest jedna z najważniejszych rzeczy dla projektanta, aby móc wczuć się w czyjąś sytuację i spróbować wyobrazić sobie, jak produkt będzie używany i jakie potencjalne problemy mogą wyniknąć z używania takiego produktu. Obecne modele AI mają bardzo ograniczoną wiedzę pod względem interpretowania naszych pomysłów i, powiedzmy, znajdowania rozwiązań problemów, które mamy. Są specjalnie szkolone albo na tekstach, albo na obrazach; brakuje im wiedzy specjalistycznej, powiedzmy, na temat rozwiązywania problemów, które są związane na przykład z ruchem, konstrukcją, procesem produkcyjnym itd. Więc w tym względzie myślę, że obecna generacja, może następna generacja AI lub jakiś rodzaj eksperckich modeli AI będzie w stanie rozwiązać pewne problemy lub rozwiązać je w jakiś sposób, ale obecna generacja jest bardzo ograniczona pod względem procesu twórczego i kreatywnego podejścia do rozwiązywania problemów, o których wspomniałem.

Voytek: Tak, to tak, jak pamiętam, że byliśmy, chyba kiedyś poruszyłeś mem o tym, że projektanci graficzni są bezpieczni, ponieważ gdyby AI miała ich zastąpić, klienci musieliby najpierw powiedzieć, czego tak naprawdę chcą. W przypadku każdej pracy twórczej jest to proces wzajemnego zrozumienia, zanim będziemy mogli dojść do rezultatu.

Rafał: Tak, jestem pewien, że nie tylko projektanci przemysłowi, ale wszelkiego rodzaju ludzie, którzy mają do czynienia z klientami i pracują w kreatywnej dziedzinie, zgodzą się, że praca z niektórymi klientami może być zgadywaniem, a nie próbą interpretowania ich intencji i, powiedzmy, przekształcania briefu produktu w coś wykonalnego. Więc na pewno jesteśmy bezpieczni pod tym względem.

Piotr: Chciałbym dodać kilka słów o tej ekstrakcji danych dla klientów. Kiedy zaczynamy produkt, zazwyczaj mamy brief. I możemy powiedzieć, że to dla nas swego rodzaju zachęta. Ale tak naprawdę nie tylko ekstrahujemy te dane, ale także je weryfikujemy; staramy się zrozumieć, jako bardziej doświadczeni, cel tego urządzenia. Staramy się weryfikować wszystkie potrzeby, które widzą klienci, ale także próbujemy zdefiniować problemy, które mogą wystąpić i ewentualnie dodać dodatkowe funkcje, które ulepszą produkt. Tak więc nie chodzi o generowanie projektu, ale staramy się również rozwijać lub udoskonalać dane wejściowe, aby osiągnąć najlepsze rezultaty.

Voytek: To również ciekawe, ponieważ porównałeś brief projektu do monitu dla projektantów, co jest genialnym porównaniem. I mimo wszystko, kiedy dajesz monit AI, przynajmniej na razie, to po prostu zaczyna działać. I jak powiedziałeś, pierwszą rzeczą, którą robisz, jest spojrzenie na brief z wnikliwością, jak z krytyczną konfrontacją, z faktami, aby potwierdzić, czy brief ma sens z punktu widzenia projektu. To jest coś, o czym przynajmniej na razie nie wiem, nie jestem tego świadomy, że AI może coś takiego zrobić.

Piotr: Cóż, bardzo ważne jest też to, że nie robimy tego sami. Nasz zespół projektantów jest na tym skupiony, mamy warsztaty lub burzę mózgów z klientem. Powiedziałbym więc, że jest wiele, wiele „komputerów”, które myślą o najlepszym rozwiązaniu. I co jest też całkiem zabawne podczas tych warsztatów i spotkań, zauważyłem, że nie jest tak łatwo się ze sobą komunikować, ponieważ słowa są takie same, ale tak naprawdę myślimy o czymś innym za nimi.

Na przykład klient mówi: „Chcę czegoś futurystycznego”, a dla kogoś może to być coś w stylu Gwiezdnych Wojen, inna osoba pomyśli może o Interstellar lub cyberpunku, więc to samo słowo ma kilka znaczeń. Dlatego na wczesnych etapach procesu projektowania komunikujemy się nie tylko słowami, ale także przygotowujemy moodboardy. Czasami, jeśli chodzi o estetykę, komunikujemy się bardziej za pomocą obrazów niż słów. Kiedy próbujemy sobie coś wyjaśnić, poruszamy również rękami lub próbujemy komunikować się nie tylko za pomocą słów, a kiedy pracujesz ze sztuczną inteligencją, nie jest to niemożliwe. To ogromna zaleta, jeśli chodzi o pracę z zespołem projektowym.

Voytek: Ale także to, o czym wspomniałeś, „zaprojektuj mi coś futurystycznego”: AI po prostu bierze przykłady cyberpunkowe, przykłady międzygwiezdne itd., miesza je i daje ci „coś futurystycznego”. Tak po prostu nie działa projektant. Mam na myśli, że jako projektant używasz moodboardów i inspiracji, ale nie tak dosłownie jak AI.

Rafał: Jasne, myślę, że to zawsze kwestia gustu, ale estetyka projektu lub produktu jest po prostu częścią projektu, ponieważ, powtórzę, kluczowym elementem każdego projektu jest jego funkcjonalność i konstrukcja. Nie możemy projektować, lub mam na myśli, staramy się nie projektować tylko rzeczy, które po prostu ładnie wyglądają - muszą służyć jakiemuś celowi. Nie tworzymy obrazu, tworzymy wizualizację czegoś, co ostatecznie zamieni się w produkt.

Więc zasady są zupełnie inne, gdy myślisz o zbudowaniu czegoś z klocków, a gdy po prostu próbujesz namalować obraz. To są dwa zupełnie różne procesy i wymagają też zupełnie innych podejść.

Voytek: Okej. Pamiętam też, że rozmawialiśmy o tym, jak AI radzi sobie z inżynierią wsteczną, ponieważ mówimy o tworzeniu czegoś zupełnie nowego, nowych pomysłów, nowych produktów, nowych rozwiązań, co niekoniecznie oznacza nowe kształty lub wymyślanie nowych kolorów czy cokolwiek innego. Ale nadal wymaga to pewnej dozy oryginalności, co jest problemem dla AI, która zasadniczo działa na zestawie obrazów. Również, aby zrozumieć, jak powiedziałeś, funkcjonalność, ponieważ wiemy, że ma to być urządzenie, a nie tylko ładny obrazek. Wspomniałeś, że próbowałeś inżynierii wstecznej dla swoich projektów z AI. Jak to poszło?

Rafał: Nie poszło zbyt dobrze, ponieważ gdy zapytałem, chyba Midjourney, aby zinterpretował lub opisał obraz, co on faktycznie widzi, miał trudności z identyfikacją nie tylko tego, czym było urządzenie, ale także tego, jaka była jego funkcja, więc zgadywanie było całkowicie błędne. Ale z drugiej strony nie powinienem być zaskoczony, ponieważ ostatecznie, nawet jeśli czasami pokazujemy nasz projekt ludziom, oni również mają trudności ze zgadywaniem, czym jest urządzenie lub obiekt, jaka jest jego funkcjonalność, jaki jest główny cel takiego urządzenia.

Więc myślę, że nie powinniśmy oczekiwać jakichś rewolucyjnych umiejętności od modelu AI, który, jak powinniśmy pamiętać, jest trenowany na czymś, co już istnieje: więc jeśli dojdzie do problemu analizy obrazu, który nie przypomina niczego istniejącego na świecie, będzie miał problemy z jego interpretacją. I działa to również w drugą stronę: kiedy oczekujesz bardzo kreatywnego kształtu lub, powiedzmy, estetyki lub konstrukcji, która powinna być oryginalna, która nie powinna być kopią czegoś innego, czasami, powiedzmy, wygląd nie odpowiada funkcjonalności obiektu. AI nie będzie w stanie pracować nad tak konkretnym projektem.

Myślę, że to są obecnie największe ograniczenia, moim zdaniem, przy stosowaniu silników sztucznej inteligencji nawet do generowania początkowych pomysłów na obiekty.

Voytek: Czy możesz podać mi przykład tego, co opisujesz?

Rafał: Jasne, mieliśmy projekt, który dotyczył stołu fryzjerskiego, to był mebel do farbowania włosów.

Voytek: Jak stacja robocza?

Rafał: Stanowisko fryzjerskie, którego celem jest ułatwienie procesu farbowania włosów. Mieliśmy wewnętrzny kontekst, kiedykolwiek ktoś przychodził do naszego biura, czy to był klient, czy przyjaciel, przez jakiś czas mieliśmy prototyp w naszym biurze i zawsze pytaliśmy ludzi: „Okej, czy możesz zgadnąć, co to urządzenie robi?”. Nie sądzę, żeby była jedna osoba, która choć trochę zgadła, jaka jest jego funkcjonalność, myślę, że najlepszym przypuszczeniem było to, że może służyć do jakiegoś rodzaju makijażu, np. jako stacja do nakładania makijażu lub coś w tym stylu, ale nikt nie zgadł, że to w rzeczywistości stacja do farbowania włosów lub urządzenie fryzjerskie.

Voytek: Czy na tym etapie, przynajmniej na tym etapie, mówimy o narzędziach AI w projektowaniu produktów, że są one trenowane na danych, które są bardzo uniwersalne, więc AI może powiedzieć, że patrzy na urządzenie medyczne. Odpowiedziałby jak zwykła osoba: „co to jest?” - „to jest jakiś rodzaj urządzenia medycznego”. Ale gdybyś pokazał to samo urządzenie lekarzowi zawodowemu lub komuś, kto pracuje z podobnymi urządzeniami, prawdopodobnie byłby w stanie powiedzieć: „To jest przenośne EKG lub coś takiego”.

Rafał: Tak, myślę, że jest to częściowo związane z rzeczywistym procesem nauczania SI, ponieważ próbowałem trenować SI za pomocą moich własnych obrazów z zestawem obrazów, które przygotowałem. Możesz użyć, powiedzmy, silnika, aby faktycznie spróbować zgadnąć, co widzi, ale możesz oczekiwać najlepszych wyników, gdy faktycznie sam stworzysz opis. A ten opis powinien być tak dokładny, jak to tylko możliwe. Na przykład, jeśli pokazuję obraz osoby, która ma sześć lat, a następny obraz przedstawia osobę, która ma siedem lat, to mogę nauczyć SI, że twarz na pierwszym obrazku była w innym wieku niż na drugim. Tak więc jest to związane z nauczaniem SI, jak powinna interpretować to, co widzi.

Oczywiście, im lepszy opis, tym lepszy będzie efekt końcowy. Ale nadal, jak powiedziałem, nawet ludzie z ogólną wiedzą czasami będą mieli trudności z opisaniem celu urządzenia, którego wcześniej nie używali ani nie widzieli. Więc myślę, że nawet lekarze mogliby mieć problemy, gdybyśmy im pokazali, na przykład moją spiralę, która jest przenośnym spirometrem, nie wygląda jak żaden inny spirometr. Więc myślę, że może być problematyczne, nawet dla lekarza, zgadywanie, czym może być to urządzenie.

Voytek: Okej, więc na razie - to jest, w pewnym stopniu, również kwestia technicznej wiedzy eksperckiej lub doświadczenia po stronie AI. Ponieważ, jak powiedziałeś, ma ogólną wiedzę, ogólną koncepcję, ale brak technicznej wiedzy eksperckiej sprawia, że nadal nie jest świadoma lub nie jest w stanie zinterpretować, co dokładnie powinna zaprojektować?

Piotr: Tak naprawdę nie wiemy, jaka jest podstawowa wiedza na temat pewnego rodzaju sztucznej inteligencji, wiemy, że są to wyszkolone modele. Najważniejsze jest to, że musimy wiedzieć, jakie były dane wejściowe. Więc teraz możemy wygenerować trochę tekstu, kilka artykułów na blogu i stworzyć obrazy. Ale patrząc w przyszłość, jeśli chodzi o projektowanie całych produktów - mam na myśli po prostu tworzenie całych modeli CAD i narzędzi z poziomu monitu.

Myślę, że widzę jeden duży problem, że modele AI są trenowane na jakimś rodzaju danych, a te dane powinny być walidowane. Mam na myśli sprawdzoną wiedzę, sprawdzone projekty, w tym wszystkie szczegóły, takie jak w projekcie: kąty pochylenia lub promienie gięcia, lub po prostu dane techniczne. Jeśli chcemy trenować, na przykład, taki algorytm AI, który tworzy te dane, powinniśmy go zasilać, powinniśmy uczyć się na sprawdzonych projektach. I tak naprawdę te projekty nie są dostępne nigdzie w Internecie, cóż... Istnieją pewne rodzaje baz danych, takie jak GrabCAD, w których użytkownicy mogą udostępniać RDS, ale nie są one walidowane, nie są sprawdzane przez producentów narzędzi, są po prostu losowymi danymi, powiedzmy, i wiele z nich może mieć pewne wady, błędy i takie rzeczy.

Więc jeśli chodzi o inwestycję, ponieważ rozwój produktu to duża inwestycja, mamy to na uwadze, powinniśmy skupić się na sprawdzonych danych. Byłoby bardzo, bardzo trudno zmusić te dane do trenowania jakiegoś modelu AI, aby dać nam dobre wyniki. Ponieważ są to bezpieczne dane: nie udostępniamy naszych produktów i projektów online, a nawet duże firmy nie pokazują swoich produktów, możesz zobaczyć tylko zdjęcie lub jakiś rodzaj renderu, ale nie masz całego wzoru na to, jak to wyprodukować, możesz to zrekonstruować.

Voytek: Do pewnego stopnia możemy zgadywać.

Piotr: Tak, albo możesz kupić, rozmontować i zmierzyć wszystko, co jest bardzo pracochłonnym, kosztownym procesem. Ale tak naprawdę myślę, że wyszkolenie takiego modelu byłoby możliwe w niektórych zamkniętych środowiskach, dużych firmach w pewnym zakresie dla pewnego rodzaju skonfigurowanych produktów, może jakiegoś rodzaju przenośników rolkowych, rzeczy tego typu.

Jednak kosztuje nas to dużo czasu i dużo wiedzy, którą niełatwo posiąść. A źródła tej wiedzy są bardzo ograniczone, zwykle trzeba się szkolić w jakimś obszarze projektowania. Trzeba zostać zatrudnionym w jakiejś firmie produkcyjnej, a potem uczyć się krok po kroku. Więc myślę, że to dość skomplikowane.

Z drugiej strony, patrząc w przeszłość, kiedy rozwijały się pewne rodzaje technologii, ich koszt wzrósł na rynku globalnym. Mam na myśli, kiedy pojawiły się nowe programy artystyczne, które pozwalają projektować, spowodowało to wzrost liczby produktów na rynku. I myślę, że rozwój AI z pewnością zmieni rynek, zmieni sposób pracy projektantów. Ale tak naprawdę myślę, że będzie to bardziej narzędzie, albo powiedziałbym, sojusznik.

Więc myślę, że ludzie będą bardziej kreatywni, bardziej zainspirowani do tworzenia nowych produktów i pojawi się więcej produktów. Ale zawsze będzie potrzeba kogoś, kto to udowodni, sprawdzi wszystkie fakty i faktycznie, aby te produkty wprowadzić na rynek, będziemy potrzebować kogoś, kto pokieruje tym procesem.

Rafał: Tak, tak jak ja to widzę, te narzędzia, te narzędzia ulepszone przez AI, rozwiną się w pewnego rodzaju pomoc podczas rzeczywistego projektowania lub modelowania. Wyobrażam sobie, że być może będziemy mieć jakiegoś rodzaju kreatorów, którzy przyspieszą naszą pracę, na przykład wybierzesz kilka części i spróbujesz je połączyć, a następnie maszyna zasugeruje najlepszy sposób ich połączenia, lub nawet wybierze, na podstawie symulowanej wagi części, jakie byłyby najlepsze nakrętki i śruby do użycia w takim montażu.

Więc być może zobaczymy jakiegoś rodzaju czarodziejów, którzy ulepszą naszą pracę, którzy po prostu uczynią ją bardziej wydajną. Ale chyba nie oczekuję modelu, który wykona całą pracę za mnie. Ponieważ na końcu jest to dyskusja o wiedzy kontra doświadczenie.

Uważam, że maszyna zawsze będzie posiadać jakąś wiedzę teoretyczną, ale bez faktycznej weryfikacji praktycznej przez kogoś innego lub praktycznej walidacji prototypu i doświadczenia zdobytego podczas pracy nad różnymi rodzajami projektów lub produktów, nigdy nie będzie tak wydajna jak człowiek, który faktycznie rozwiązuje konkretne problemy lub ma ogromną ogólną wiedzę na różne tematy związane z projektowaniem produktu, w tym przypadku.

Piotr: Musimy mieć świadomość, że koszty projektowania stanowią jedynie ułamek całego procesu produkcji lub projektowania. W zależności od projektu mogą wynieść około 10–15%. Aby zrealizować taki projekt, potrzebni są kompetentni, doświadczeni projektanci lub decydenci, którzy wezmą odpowiedzialność za wszystkie te wybory.

Rafał: I nie tylko projektanci, bo to jest tak złożony proces tworzenia nowego produktu, że oprócz projektantów potrzebni są inżynierowie, potrzebni są też specjaliści z innych dziedzin.

Voytek: Potrzebna jest logistyka, eksperci od marketingu, eksperci od biznesu, podatki finansowe, bezpieczeństwo. Więc trzeba zrozumieć wszystkich interesariuszy lub perspektywy w produkcie.

Rafał: Zgadza się. I każda z tych osób ma jakąś rolę i wpływ na każdy projekt. Więc myślę, że byłoby myśleniem życzeniowym oczekiwać, że AI po prostu wykona całą pracę za nas.

Piotr: To tylko nasze założenia. Może za 10 lat te odcinki będą bardzo nieaktualne.

Rafał: I będziemy się śmiać.

Voytek: Tak. Ponieważ istnieje podświadoma ludzka potrzeba mówienia sobie, że jesteśmy tak niezastąpieni i tak wyjątkowi, że myślimy „nie ma mowy, nigdy tego nie zrobię”, ale kto wie? Może z czasem dla każdego eksperta powstanie osobna sztuczna inteligencja, będą oni pracować w tandemie w biurach projektowania przemysłowego AI.

Rafał: To prawda. Kto wie? Nie można powiedzieć na pewno, jak modele będą działać za 10 lat, jak potoczą się badania nad sztuczną inteligencją, może maszyny zrobią to lepiej niż my.

Voytek: Cóż, prawdopodobnie nic się nie zmieni, dopóki nie nastąpi ogromny skok w mocy obliczeniowej.

Rafał: Tak. Musimy jeszcze poczekać na prawdziwe modele AGI, które jeszcze się nie pojawiły. I myślę, że dopóki nie będziemy mieć czegoś takiego, nie możemy oczekiwać prawdziwej pracy twórczej i narzędzi do rozwiązywania problemów.

Voytek: Super. Świetna rozmowa, chłopaki. Dziękuję.

Rafał: Dziękuję.

Piotr: Dziękuję.

Piotr Dalewski, inżynier ds. projektowania mechanicznego w firmie Mindsailors, kładzie nacisk na możliwości produkcyjne, projektowanie z myślą o montażu i optymalizację produktu w ramach podejścia inżynierii wartości w całym procesie badawczo-rozwojowym.

Rafał Piłat jest przedsiębiorcą i współzałożycielem Mindsailors, wielokrotnie nagradzanej firmy zajmującej się wzornictwem przemysłowym. Sam ma ponad 18-letnie doświadczenie w pracy jako projektant.

Voytek Holysz jest dyrektorem operacyjnym Mindsailors z 16-letnim doświadczeniem w prowadzeniu biznesu w obszarze kreatywnych usług B2B, marketingu, sprzedaży i produkcji wideo.