Wiedza kontra praktyka – jak połączyć świat nauki z biznesesem?

Artur Surówka jest fizykiem z doktoratem, który po latach pracy naukowej postanowił przenieść swoje doświadczenie do świata biznesu. Pracował jako badacz i wykładowca, współpracując z ośrodkami w Niemczech, Wielkiej Brytanii i Włoszech. Jego zainteresowania koncentrują się na sztucznej inteligencji, Big Data oraz analizie danych, zwłaszcza w kontekście diagnostyki technicznej. Obecnie w ABB (Korporacyjne Centrum Technologiczne) wdraża nowoczesne technologie AI i analitykę danych do monitorowania urządzeń elektrycznych.

1. Jak wyglądała Twoja ścieżka kariery od pracy na uczelni do obecnego stanowiska w ABB?

Z wykształcenia jestem fizykiem – ukończyłem AGH, zdobywając tytuł inżyniera i magistra fizyki medycznej, a następnie doktorat z fizyki. Początek mojej kariery to praca akademicka – prowadziłem badania naukowe oraz zajęcia dydaktyczne, ściśle współpracując z ośrodkami w Niemczech, Wielkiej Brytanii i Włoszech.

Moje badania skupiały się na analizie danych związanych z tkanką ośrodkowego układu nerwowego, wykorzystując promieniowanie X i podczerwień. W tym czasie zainteresowałem się również sztuczną inteligencją i technologiami Big Data – najpierw jako narzędziem wspierającym moje badania, a później jako kluczowym obszarem zawodowym.

Po pandemii podjąłem decyzję o przejściu do biznesu i obecnie pracuję w dziale badań i rozwoju ABB (Korporacyjne Centrum Technologiczne), koncentrując się na wdrażaniu AI i analityki danych w diagnostyce urządzeń elektrycznych.

2. Jak łączysz wiedzę zdobytą w środowisku naukowym z praktycznymi wyzwaniami w IT?

Fizyka dała mi solidne podstawy w zakresie modelowania matematycznego – rozumiem zarówno możliwości, jak i ograniczenia stosowanych algorytmów.

Doświadczenie w pracy badawczej pozwala mi krytycznie oceniać nowe technologie, eksplorować innowacyjne rozwiązania i prowadzić dyskusje na temat ich zastosowania w biznesie. Co więcej, umiejętność tłumaczenia skomplikowanych zagadnień technicznych, którą rozwijałem jako wykładowca, okazuje się kluczowa przy współpracy z osobami spoza świata IT.

3. W jakich technologiach programujesz na co dzień i dlaczego są one kluczowe w Twojej pracy?

Na co dzień korzystam głównie z Pythona i C++, a w zakresie baz danych pracuję zarówno z SQL, jak i NoSQL. W obszarze machine learningu i deep learningu kluczowe są dla mnie TensorFlow oraz PyTorch.

Ostatnio intensywnie eksploruję techniki modelowania bayesowskiego, w tym PyMC3 i TensorFlow Probability. Dodatkowo, praca w środowiskach chmurowych (Spark, Databricks, SageMaker, Dataiku) jest nieodzowną częścią moich zadań w analizie Big Data.

4. Jakie dane szczególnie Cię interesują i w jaki sposób ich analiza wpływa na realizację projektów?

Specjalizuję się w analizie szeregów czasowych, czyli danych zbieranych w różnych momentach czasu. Kluczowym aspektem mojej pracy jest wykrywanie anomalii – nietypowych wzorców w danych, które mogą wskazywać na awarie lub nadchodzące problemy techniczne.

Opracowywane przeze mnie modele pomagają w przewidywaniu usterek i optymalizacji działania urządzeń, co w przemyśle przekłada się na realne oszczędności i poprawę efektywności operacyjnej.

5. Jak oceniasz potencjał synergii między nauką a biznesem w Polsce i za granicą?

Jest ogromny! Polskie instytucje naukowe dysponują świetnym zapleczem kadrowym i technologicznym, ale współpraca z biznesem wciąż nie jest tak dynamiczna jak np. w Finlandii, Niemczech, Wielkiej Brytanii czy USA.

Tam firmy aktywnie angażują się w życie akademickie – prowadzą wspólne projekty badawcze, oferują programy stażowe i fundują stanowiska naukowe. W Polsce widzę duży potencjał do wzmacniania tego rodzaju współpracy.

6. Jakie działania mogłyby poprawić współpracę uczelni z biznesem w Polsce?

Kluczowe jest wzajemne zrozumienie – zarówno dla akademii, jak i biznesu sukces oznacza coś innego.

Potrzebujemy większej świadomości realiów rynkowych wśród naukowców oraz lepszego zrozumienia specyfiki badań naukowych przez biznes. Niezbędne są także transfery kadrowe – naukowcy powinni częściej zdobywać doświadczenie w firmach, a specjaliści z przemysłu powinni mieć możliwość pracy na uczelniach. To realnie zwiększyłoby innowacyjność obu sektorów.

7. Jakie widzisz szanse na rozwój interdyscyplinarnych zespołów?

Podział na tradycyjne dziedziny nauki coraz częściej traci sens – wyzwania współczesnego świata wymagają łączenia różnych perspektyw.

Interdyscyplinarność pozwala odkrywać nowe zależności, rozwijać innowacyjne podejścia i skuteczniej rozwiązywać problemy. Zespoły różnorodne pod względem kompetencji technicznych i umiejętności miękkich mają znacznie większy potencjał twórczy, dlatego ich rozwój powinien stać się priorytetem zarówno w akademii, jak i biznesie.

8. Co najbardziej motywuje Cię do pracy w ABB?

ABB to globalny lider technologiczny, co oznacza, że zajmujemy się realnymi wyzwaniami przemysłu, a nasze rozwiązania mają praktyczne zastosowanie na całym świecie.

Rozwiązywanie skomplikowanych problemów i możliwość pracy nad innowacjami daje mi ogromną satysfakcję.

9. Jakie umiejętności są kluczowe dla osób wchodzących w świat IT i nauki?

Poza umiejętnościami technicznymi najważniejsza jest wyobraźnia. Jak powiedział Einstein: „Wyobraźnia jest ważniejsza od wiedzy” – to właśnie ona napędza innowacje.

W IT kluczowe są także umiejętność pracy zespołowej i otwartość na różnorodność kulturową. W nauce niezbędna jest pasja, ciekawość świata i chęć dzielenia się wiedzą. W obu tych obszarach liczy się zdolność do ciągłego uczenia się i dostosowywania do zmieniającej się rzeczywistości.

10. Jakie rady dałbyś osobom planującym przejście z akademii do biznesu (lub odwrotnie)?

Jeśli myślisz o przejściu z uczelni do biznesu, kluczowe jest określenie, w jakiej roli widzisz się na rynku pracy. Warto analizować trendy, rozwijać kompetencje biznesowe i zdobywać doświadczenie poza akademią.

Z kolei jeśli planujesz powrót z biznesu do nauki, ważne jest jasne określenie ścieżki badawczej i dydaktycznej oraz umiejętne przełożenie doświadczenia z przemysłu na wartościowe badania i publikacje. W obu przypadkach kluczowa jest elastyczność i otwartość na naukę.

11. Jakie trendy technologiczne będą kluczowe w najbliższych latach?

Sztuczna inteligencja i Big Data będą nadal zyskiwać na znaczeniu, a ich integracja z urządzeniami przemysłowymi i codziennym życiem stanie się jeszcze głębsza.

12. Gdybyś mógł cofnąć się w czasie, czy podjąłbyś te same decyzje zawodowe?

Zdecydowanie tak! Moja ścieżka zawodowa dała mi szerokie spektrum umiejętności – od fizyki, przez AI, po badania naukowe – co pozwala mi działać w różnych obszarach i szybko adaptować się do zmieniającego się rynku.