Przewodnik po zmianie AI

Jakie sześć podstaw wyjaśnia większość tego, co widziałeś?

• Model a aplikacja. Model to mózg (GPT, Claude, Gemini). Aplikacja to samochód zbudowany wokół niego (ChatGPT, Claude.ai, Cursor). Ten sam mózg może siedzieć w wielu samochodach. Twój produkt też będzie samochodem.
• Przewiduje tekst. Model czyta ogromne ilości tekstu i uczy się, co zwykle następuje dalej. Dlatego pisze płynnie, a jednocześnie potrafi z pewnością siebie się mylić ("halucynacja"). Zawsze testuj to, co zbudował.
• Zna tylko to, co leży na biurku. "Okno kontekstu" to jego biurko. To, co wkleisz lub załączysz, leży na biurku. Cała reszta jest zapominana między czatami. W projekcie nr 2 trzymaj krótki plik ze specyfikacją (co robi aplikacja, zasady, decyzje) i podawaj go za każdym razem.
• Tokeny to licznik. Zużycie rozlicza się w małych kawałkach tekstu, jak abonament płatny za wiadomość. Długie czaty i duże pliki kosztują więcej i działają wolniej. To także cena każdej funkcji AI w Twoim produkcie.
• Czat a agent. Czat odpowiada. Agent działa: czyta Twoje pliki, pisze kod, uruchamia go, widzi błąd, naprawia i powtarza przez wiele godzin. Ten skok sprawia, że jedna osoba może dziś zbudować SaaS.
• Dlaczego pierwszy projekt zrobił się bałaganem. Duże, mgliste prośby dają duże, mgliste wyniki. Małe kroki, spisany plan, zapisywane wersje (git) i szybki test po każdym kroku utrzymują porządek.

Co wydarzy się w najbliższych latach? (opinia prelegenta, nie fakty)

• Koszty spadają, możliwości rosną, zmiana przyspiesza.
• AI przechodzi od słów do nauki: nowa matematyka, kandydaci na leki.
• Mocy obliczeniowej nadal będzie brakować.
• Prace biurowe są pod presją; kto uczy się AI, radzi sobie dobrze.
• Wymienione zagrożenia: wydatki finansowane długiem, cyberataki, nadmierne używanie, napięcia z powodu nierówności.

Czym jest ta "AI", o której wszyscy mówią?

Komputerowym pomocnikiem, który przeczytał ogromną liczbę książek, stron internetowych i rozmów. Rozmawiasz z nim albo piszesz do niego jak do bardzo oczytanego przyjaciela. Potrafi coś wyjaśnić, napisać list, przetłumaczyć, zaplanować podróż albo pomóc w przepisie.

Jak zmieniła się w ostatnich latach?

• 2022: umiała rozmawiać i pisać. Jak mądry korespondencyjny przyjaciel.
• 2024: nauczyła się myśleć przed odpowiedzią. Jak uczeń, który sprawdza rachunek.
• 2025: potrafi wziąć całe zadanie i sama wykonywać je przez wiele godzin. Jak zatrudniony asystent.

Co mój syn z nią robi?

Używa jej do budowania małych usług internetowych, trochę jak do stawiania małego sklepiku, który działa sam. Dawniej potrzebny był zespół programistów. Teraz może to zrobić jedna osoba z dobrym pomysłem i takim pomocnikiem. Z czasem może takie sklepiki sprzedawać.

Czy to niebezpieczne?

• Jak prąd albo samochody: bardzo przydatne, ale potrzebne są zasady i ostrożność.
• Niektórzy poważni ludzie obawiają się, że bardzo potężna AI mogłaby kiedyś wymknąć się spod kontroli. Inni uważają, że to odległa sprawa. Nikt tego nie wie na pewno, a firmy zaczęły wkładać wysiłek w bezpieczeństwo.
• Codzienne zagrożenia są zwyczajniejsze: oszuści (fałszywe głosy i wiadomości), pomyłki podawane z pewnością siebie i spędzanie zbyt wiele czasu z maszyną zamiast z ludźmi.

Czy odbierze ludziom pracę?

Niektóre prace biurowe bardzo się zmienią. Ludziom, którzy uczą się z niej korzystać, zwykle idzie lepiej niż tym, którzy ją ignorują. Zawody wymagające rąk i obecności, jak pielęgniarstwo, budownictwo i naprawy, też są poszukiwane, choćby przy budowie centrów danych, na których AI działa.

Jak z niej bezpiecznie korzystać?

• Dobre zastosowania: tłumaczenie listu, wyjaśnienie niejasnego formularza, podpowiedzi przepisów, plan podróży, wiadomość do rodziny.
• Ważne odpowiedzi (zdrowie, pieniądze, prawo) sprawdzaj u prawdziwego lekarza, w banku lub u prawnika. Może się mylić, brzmiąc pewnie.
• Nigdy nie podawaj haseł, danych bankowych ani numerów dokumentów.
• Jeśli telefon lub wiadomość od "rodziny" pilnie prosi o pieniądze, rozłącz się i oddzwoń na zwykły numer tej osoby. Głosy można podrobić.

1. O jaką pulę pieniędzy walczy AI?

Stare oprogramowanie sprzedawało narzędzia. AI może wykonywać pracę, więc rywalizuje o pieniądze, które firmy płacą ludziom za wykonywanie zadań. 10 podzielone przez 0,65 to ok. 15 razy; 20 podzielone przez 0,65 to ok. 31 razy.

2. Ile świat wyda na technologie w 2026?

Gartner, prognoza z kwietnia 2026, za SaaStr. Oprogramowanie +15,1%, centra danych +55,8%, całe IT +13,5% rok do roku. Liczba Gartnera dla oprogramowania obejmuje więcej niż 650 mld $ ze slajdu, więc nie są zgodne.

3. Ile wielka technologia wydaje na infrastrukturę AI?

Wytyczne dot. nakładów 2026 na 29 kwi 2026, za Yahoo Finance. Słupki pokazują środek przedziału; razem ok. 725 mld dolarów. Ostrzeżenie prelegenta: częściowo finansuje się to już długiem.

4. Jak szybki jest "szybki"? (mnożniki wzrostu)

• Od 200 mln $ do 700 mln $ w rok: jedna firma od wartościowej pracy umysłowej (prelegent, bez nazwy).
• Od 110 mln $ do 3,4 mld $ w miesiąc: średnia z siedmiu transakcji, wycena "dwuetapowa" (dane prelegenta).
• 10% dziennie: 1,10 pomnożone przez siebie 30 razy to ok. 17,4. To moje wyliczenie, by pokazać, co znaczy "10%+ dzień do dnia".
• Od 0 do 100 mln $ w 7 dni: produkt klasyfikujący, ok. 100 razy tańszy od modelu ogólnego. To jego twierdzenie, określone jako wartość odstająca wśród odstających. Jego slajd mówi "0 do 70%", więc liczby mogą różnić się od nagrania.

5. Czy skoki AI następują coraz bliżej siebie?

Od lis 2022 do gru 2024 mija 25 miesięcy. Od gru 2024 do lis 2025 mija 11 miesięcy. Dlatego mówi, że firmy aplikacyjne muszą wymyślać się na nowo mniej więcej co cztery miesiące.

0:28Technologia przychodzi w nakładających się falach

• Układy → systemy → sieci → internet → mobile → aplikacje AI.
• Największa fala dotąd: AI celuje w wydatki na oprogramowanie i znacznie większe wydatki na usługi.
• Najszybsza: bo każdy ma już telefon i internet. Dystrybucja istnieje.
• Inny kształt: wcześniejsze fale zmieniały to, jak informacja jest przesyłana. Ta zmienia, jak jest przetwarzana. Grunt pod nogami twórców wciąż się przesuwa.

2:32Trzy punkty zwrotne w pięć lat

• Lis 2022 ChatGPT: pre-training (szybkie myślenie, "system 1").
• Koniec 2024 o1: rozumowanie (wolne myślenie, "system 2").
• Jesień 2025 Claude Code + Opus 4.5: agenci długiego horyzontu. Jego teza: tu pojawiło się AGI.
• Ich blog ze stycznia 2026 głosił "2026: This is AGI". Wtedy się śmiano, teraz to konsensus (jego słowa).

3:59Dobre, złe i brzydkie

• Dobre: aplikacje, które kończą zadania; ekspercka pomoc dla lekarzy na wsi; edukacja (Alpha School jako zapowiedź); prace fizyczne przy budowie centrów danych.
• Złe: wielka technologia finansuje wydatki długiem; gorsze ryzyko cybernetyczne; "psychoza AI" u intensywnych użytkowników; większość prac biurowych zagrożona.
• Brzydkie: straszenie zagładą (twierdzi, że alarmistyczne wpisy o centrach danych pochodzą z akcji sponsorowanej przez państwo chińskie; to jego twierdzenie, niesprawdzone); nierówności majątkowe podnoszące napięcia społeczne, być może gorzej.

6:34Wewnątrz laboratoriów AI

• Brzytwa Ockhama: laboratoria kiepsko komunikują się publicznie, więc gdy brzmią dziwnie, mówią dosłownie.
• Cel przesunął się z AGI na ASI.
• RSI: modele budują same siebie; "przez dużą część ostatniego roku".
• Szybsza poprawa zwiększa P(doom); laboratoria traktują już poważnie alignment.
• Modele wychodzą poza język, w naukę.
• Nadchodzi: wydajniejsze architektury, własne układy, uczenie ciągłe.
• Biznes: zacięta rywalizacja o tokeny, "deploy cos" (konsultanci wysyłani do dużych firm), niedobór mocy obliczeniowej, chłodniejsza wojna o talenty, więcej przejęć przez laboratoria.

9:39Luka dyfuzji to Twoja szansa

• Twórcy aplikacji, głównie startupy, żyją w tej luce.
• Najlepszy zakład: wartościowa praca umysłowa (programowanie, cyberbezpieczeństwo, zdrowie, finanse, księgowość). Każda dziedzina dostanie gigantyczną firmę.
• Powstają nowe systemy ewidencji, jak fala Salesforce/Workday w erze chmury.
• Technologie graniczne (kandydaci na leki w kilka dni) i wyspecjalizowane "neolaby".

9:52Startupy: menu, wzrost, operacje, wyceny

• Miej własną inteligencję: przenieś obciążenia z dużych modeli na dostrojone modele open source, tańsze przy tej samej jakości.
• Wymyślaj się na nowo co ~4 miesiące, gdy zmieniają się modele.
• Zespoły "najsilniejszego ogniwa": chroń najlepszych i pozwól im działać.
• Schematy organizacyjne wyglądają jak sieć agentów.
• Wyceny są szalone: od ok. 110 mln $ do 3,4 mld $ w miesiąc w siedmiu transakcjach.

15:04Zakończenie

Pre-training a rozumowanie a agenci

• Pre-training: AI czyta ogromny kawał internetu i uczy się wzorców. Jak lata szkoły.
• Rozumowanie: czas na myślenie przed odpowiedzią. Jak pokazanie toku rozwiązania zamiast wypalenia odpowiedzi.
• Agenci (długi horyzont): pracują nad zadaniem godzinami, używając narzędzi i sprawdzając siebie. Od odpowiedzi w teście do skończonego projektu.
• Dlaczego to ważne: każda warstwa sprawiła, że wcześniejsze "funkcje AI" wyglądały na małe. Produkty zbudowane na starej warstwie zostały pochłonięte.

AGI a ASI

• AGI: potrafi wykonać większość pracy umysłowej mniej więcej tak dobrze jak dobry człowiek. Prelegent mówi, że pojawiło się pod koniec 2025. Inni się nie zgadzają; nie ma jednej definicji.
• ASI: wyraźnie mądrzejsza od najlepszych ludzi w niemal wszystkim. Laboratoria celują teraz tutaj. Bez daty.
• Analogia: AGI to świetny pracownik. ASI to cała firma geniuszy, która nigdy nie śpi.
• Dlaczego to ważne: nie buduj wokół słabości, która może zniknąć w następnym kwartale.

Brzytwa Ockhama w AI

• Ogólne znaczenie: najprostsze pasujące wyjaśnienie zwykle jest właściwe.
• W wystąpieniu: laboratoria brzmią dramatycznie i sprzecznie ("AI jest niebezpieczna" i "budujemy ją szybciej"). Najprostsze wyjaśnienie: mówią poważnie jedno i drugie, a komunikują się słabo.
• Bierz to dosłownie: gdy laboratorium mówi, że pędzi ku superinteligencji, uwierz i planuj z tym na uwadze.
• Dla Twoich produktów: wybierz proste odczytanie (AI staje się lepsza i tańsza) i zapytaj, które Twoje pomysły to przetrwają.

RSI, takeoff, P(doom), alignment

• RSI (rekurencyjne samodoskonalenie): AI, która pomaga budować lepszą AI, która buduje jeszcze lepszą. Koło zamachowe. Prelegent mówi, że po części dzieje się to od roku.
• Takeoff: poprawa zbyt szybka, by ludzie nadążyli.
• P(doom): Twoja ocena szansy, że AI przejmie kontrolę nad ludzkością lub ją zgładzi. Eksperci podają bardzo różne liczby.
• Alignment: sprawienie, by AI niezawodnie chciała tego, czego my chcemy. Prelegent mówi, że laboratoria zauważyły, iż było to niedofinansowane.

Od języka do STEM

• Pierwsza fala: słowa (czat, pisanie, streszczenia).
• Teraz: nauka, technologia, inżynieria, matematyka. Nowe twierdzenia matematyczne, cząsteczki leków w kilka dni.
• Dlaczego to duże: słowa to mały wycinek gospodarki. Nauka i inżynieria kryją ogromną wartość.
• Dla twórców: kolejne nisze to zawody techniczne, w których godzina eksperta jest droga.

System ewidencji (SoR) w oprogramowaniu AI

• Prosto: oficjalne miejsce, w którym firma trzyma prawdę o jednej dziedzinie. Salesforce = klienci. Workday = pracownicy. ServiceNow = zgłoszenia IT.
• Analogia: szafa na dokumenty, z której muszą korzystać wszyscy. Trudno ją zastąpić, bo mieszka w niej historia i nawyki.
• W AI: gdy AI wykonuje pracę, miejsce przechowujące pracę, dane i decyzje staje się nowym systemem ewidencji.
• Obronność: nakładka AI na cudzy system łatwo wymienić. Bycie systemem ewidencji mocno wiąże.

Inne słowa z wystąpienia

• Token: jednostka rozliczania użycia AI (mniej więcej kawałek słowa).
• TAM: całkowity rynek docelowy, pieniądze, o które produkt mógłby walczyć.
• Luka dyfuzji: możliwości istnieją, ale niewielu z nich korzysta.
• Własna inteligencja: uruchamianie dostrojonego modelu open source dla kosztów i kontroli.
• Hiperskalerzy: giganci chmury.
• Uczenie ciągłe: modele, które uczą się dalej po premierze.

Pięć ruchów, by pomysł był bardziej unikalny

• 1. Sprzedawaj wyniki, nie licencje. "Twoje faktury są uzgodnione" bije "narzędzie do uzgadniania faktur".
• 2. Wybierz nudną, drogą niszę. Księgowość, zgodność, administracja zdrowotna, bezpieczeństwo.
• 3. Stań się systemem ewidencji. Trzymaj dane i decyzje, by odejście bolało.
• 4. Zbuduj pętlę danych. Każde użycie poprawia produkt tak, że klon nie może zacząć z tego samego miejsca.
• 5. Miej własną dystrybucję. Publiczność, partnerstwa, marka parasolowa z zaufaniem.

Realizm w sprzedaży (opinia autora, nie z wystąpienia)

• Wystąpienie dotyczy firm na skalę venture capital z ekstremalnymi wycenami. Małe produkty wycenia się według przychodów, retencji i ryzyka.
• Kupujący zapyta, co powstrzyma produkt przed śmiercią przy następnej premierze modelu.
• Laboratoria i firmy ugruntowane kupują dane, klientów i dystrybucję, nie interfejs.
• Stawiaj na przychody cykliczne, dane klientów, niszę i niskie koszty utrzymania.