O czym jest ten film
- Mamy dostęp do taniej „myśli na żądanie”, ale nie mamy instynktu, żeby wiedzieć, do jakich zadań ją kierować — 1,6 mln agentów zarejestrowanych w OpenClaw i prawie żaden nie wykonał choćby jednego zadania.
- Autor proponuje minutowy test, który klasyfikuje każde zadanie: czat, jeden agent, zespół agentów albo „zrób to sam bez AI”.
- Test opiera się na czterech pytaniach: rozmiar, niezależność części, rozdział ról i sprawdzalność wyniku.
- Podstawa naukowa: badanie Stanforda z 2024 r. — więcej prób oznacza więcej rozwiązanych problemów, ale tylko wtedy, gdy istnieje mechaniczny sposób weryfikacji odpowiedzi.
- Podstawa produkcyjna: system wieloagentowy Anthropic pokazał, że o jakości przebiegu decyduje głównie liczba zużytych tokenów (osiemdziesiąt procent różnicy), a nie sformułowanie promptu.
- Systemy wieloagentowe mają sens, gdy zadanie nie mieści się w jednym oknie kontekstowym albo gdy części zadania muszą wykonać „różne umysły”.
- Bez taniej weryfikacji (evali) skalowanie wielu prób przestaje się opłacać mniej więcej po stu podejściach.
- Autor pokazuje trzy realne zadania: rezerwacja terminu (jeden agent), przegląd kontraktów i użycia czterdziestu narzędzi SaaS (zespół agentów), decyzja o zatrudnieniu (ludzki osąd).
- Klucz do opłacalności: drogi model planuje i ocenia, a tanie modele robocze wykonują pracę i „palą” tokeny — dzięki temu koszt spada o rząd wielkości.
- Cztery pytania opisują charakter pracy, a nie konkretne narzędzia, więc pozostaną aktualne, choć same narzędzia się zmienią.
Redakcyjne tłumaczenie
Interesują mnie agenci, którzy działają
Interesują mnie agenci, którzy działają, a nie tacy, którzy nie działają. Ale jeden z podstawowych problemów z odnajdywaniem działających agentów polega na tym, że nie wiemy, jak wygląda praca, gdy ma „kształt agenta”. Nie potrafimy rozpoznać zadań agentowych, kiedy stają nam przed oczami. Czy to zadanie dla jednego agenta? Dla wielu agentów? A może w ogóle nie jest to zadanie dla agenta? Ludziom naprawdę trudno praktycznie zrozumieć — siedząc przy własnym biurku — do której z tych kategorii pasuje ich praca.
Ten film to rozwiązuje. Pokażę ci, po czym to poznać. Dam ci grunt akademicki, grunt praktyczny z czołowych laboratoriów AI oraz prosty, minutowy test. Na dodatek dam ci gotową „umiejętność” (skill) opartą na AI, po którą możesz sięgnąć, żeby od razu wejść w samą pracę.
(Informacja dodatkowa: OpenClaw to sieć społecznościowa napędzana przez agentów AI — jej głośny „moment” polegał na tym, że zarejestrowało się tam około 1,6 miliona agentów, a niemal żaden nie wykonał choćby jednego zadania.)
Bo nie chodzi o to, żeby robić to dla samego robienia. Nie siedzisz i nie szacujesz pracy dla samego szacowania — to byłoby „golenie jaka”, czyli mnożenie czynności zastępczych zamiast realnej roboty. To, o co ci chodzi, to wejść w pracę szybciej i trafniej ją dobrać. Skorzystamy więc z minutowego testu, którego cię nauczę, i przejdziemy prosto do rzeczy. Zbudowałem do tego narzędzie: będziesz mógł od razu przeskoczyć do rozwiązania wieloagentowego, jednoagentowego, do zwykłego czatu albo do żadnego AI w ogóle. Tak — porozmawiamy też o tym, kiedy w ogóle nie używać AI.
Powód, dla którego to wszystko ma znaczenie, jest taki, że żyjemy w momencie „po OpenClaw”. Na szczycie popularności OpenClaw zarejestrowało się 1,6 miliona agentów w sieci społecznościowej napędzanej agentami. Większość z nich nie wykonała ani jednego zadania. Nie wykonali, bo ludzie stawiali OpenClaw i nie wiedzieli, co zrobić dalej. Żyjemy w świecie, w którym mamy inteligencję i nie wiemy, jak jej użyć — nie mamy pojęcia, jak z pewnością dopasować nasze zadania do agentów. Ten film to rozwiązuje.
Trzy zadania na twoim biurku
Podam ci konkret. Trzy zadania. Nie moje — twoje. Masz je wszystkie trzy na biurku.
Założę się, że masz zadanie związane z terminarzem: trzeba znaleźć okno na spotkanie, zapisać się na zajęcia, wcisnąć wizytę w napięty kalendarz.
Zadanie drugie: masz stos czegoś, czego nie przeczytasz, a musisz. Może to skrzynka mailowa, może folder z umowami, może dysk współdzielony. Wielki stos czegoś — może notatki ze spotkań, które od zawsze zamierzałeś uporządkować. Wybierz swój stos. Każdy jakiś ma.
Zadanie trzecie: masz do podjęcia decyzję wymagającą osądu. Którego kandydata zatrudnić? Jak coś nazwać? W którą stronę poprowadzić produkt?
I oto, co chcę, żebyś wiedział o tych trzech zadaniach. Jedno z nich to trzydziestosekundowa robota dla AI. Drugie wymaga całego zespołu agentów, żeby wykonać je porządnie — a rachunek za tokeny jest, nawiasem mówiąc, mniejszy, niż myślisz, i pokażę ci jak. A trzecie, niezależnie od tego, ile AI użyjesz, i tak będzie wymagało twojego udziału. Wiem to, bo faktycznie wydałem pieniądze, żeby to sprawdzić — przepuściłem wszystkie trzy testy i zobaczysz, jak je uruchamiam na ekranie w trakcie tego filmu.
Wszyscy kupili sobie „myślenie”, ale nikt nie wie, na co je skierować. To jeden z rdzennych problemów gospodarki AI. Jeśli nie potrafimy wymyślić, jak wykorzystać tę inteligencję, to ją marnujemy. Dzięki temu testowi rozpoznasz: czy to zadanie na czat, na jednego agenta, na wielu agentów, czy takie, którego w ogóle nie warto tykać AI. Trik polega na tym, że wystarczy oszacować tylko cztery rzeczy, żeby odpowiedzieć na to pytanie — i można to zrobić naprawdę szybko. To cała ta umiejętność. Uruchomię przed kamerą moją wersję wszystkich trzech zadań, żebyś zobaczył, jak ten test działa. Przy jednym z nich agent powie mi „nie” — i to uwielbiam. Zaraz wyjaśnię dlaczego.
Myślenie odłączyło się od ludzi
Przez całą naszą historię, zanim pojawiło się AI, jeśli chciałeś przyłożyć myślenie do problemu, miałeś dwie opcje. Mogłeś zatrudnić mózg — kogoś, kto pomyśli za ciebie — albo poczekać, aż sam będziesz miał czas pomyśleć. Myślenie było przywiązane do ludzi. A ludzie są drodzy, wolno się ich znajduje, zasypiają, potrzebują jedzenia, odpoczynku, a do tego jasnego kierunku i dostępu do zasobów — to wszystko sprawia, że zatrudnianie jest kosztowne.
Ta epoka się skończyła. To nie znaczy, że skończyły się miejsca pracy — mówiłem o tym i wrócę do tego w innym filmie. Ale epoka wiązania myślenia z ludźmi dobiegła końca, zwłaszcza po listopadzie 2025 roku. Myślenie jest teraz mierzone. Ma cenę za token. Możesz kupić go trochę, możesz kupić dużo. Możesz je kupić dziś wieczorem na problem, który odkryłeś dopiero po południu. I nikt, łącznie ze mną, nie wyrósł z instynktem, jak sobie z tym radzić. To jest dla nas zupełnie nowe. To nowy rodzaj instynktu menedżerskiego. Nikt nigdy nie musiał się pytać: które zadanie w moim tygodniu jest naprawdę warte pięćdziesięciu dolarów kupionej myśli? Rok temu takie pytanie po prostu nie istniało.
Więc kiedy ludzie stają przed swoim błyszczącym, nowym agentem i mówią „ale co ja mam z tym w ogóle zrobić?”, to nie jest problem z narzędziem. To nie brak wyobraźni z naszej strony. To pytanie budżetowe, na które nie mamy narzędzi, bo nigdy wcześniej nie musieliśmy na nie odpowiadać.
Może oglądasz demo, w którym ktoś zwołuje dwadzieścia trzy agenty, i czujesz, że zostałeś w tyle. Chcę cię pocieszyć. Możesz nie potrzebować tych dwudziestu trzech agentów do swojego zadania. Mogą być przesadą — a ja jestem ostatnią osobą, która namawia do rozwiązania wieloagentowego tam, gdzie nie jest potrzebne. Trik polega na tym, że mógłbyś takiego potrzebować. Uświadomiłem sobie, że najważniejszej umiejętności nikt nie uczy i nigdzie nie mogłem jej znaleźć: skąd wiadomo, kiedy potrzebujesz agenta, kiedy potrzebujesz wielu agentów, a kiedy żadnego?
Dwa fakty, na których zbudowano ten test
Zanim przejdę do minutowego testu, chcę ci podać dwa fakty, na których go oparłem — żebyś umiał go dalej rozwijać.
Po pierwsze, Stanford, 2024 rok. Badacze wzięli tani model do kodowania i dali mu jedną próbę na każdy błąd w standardowym benchmarku. Naprawił 15,9 procent z nich. Nieimponujące nawet jak na tamte czasy. Potem dali temu samemu taniemu modelowi 250 prób na każdy błąd. Skoczył do 56 procent — bez zmiany modelu, bez zmiany „szkieletu” (harnessu), bez zmiany czegokolwiek. Dla kontekstu: najlepszy pojedynczy wynik najlepszego modelu, jaki można było wtedy kupić w 2024 roku, to 43 procent. Pobili więc stan techniki po prostu przez trochę większą liczbę prób.
Dlaczego cytuję badanie z 2024 roku dla AI w 2026? Bo Stanford odkrył prawidłowość — wzorzec w zużyciu tokenów, który do dziś obserwujemy u agentów. Kiedy wykreślili krzywą poprawy — jak modele robiły się lepsze w naprawianiu błędów wraz z dokładaniem prób — okazało się, że poprawa układała się w gładką, przewidywalną krzywą na czterech rzędach wielkości liczby prób. Więcej prób, więcej rozwiązanych problemów. Jak w zegarku.
To akademia. Ale w produkcji też się to sprawdza. Anthropic zbudował system badawczy z wielu agentów i przestudiował, co faktycznie przewidywało, czy przebieg był dobry, czy zły. Czy sformułowanie promptu? Nie miało aż takiego znaczenia, jak można by sądzić — właściwie w ogóle. Największym pojedynczym czynnikiem, wyjaśniającym 80 procent różnicy między dobrym a złym przebiegiem, było zużycie tokenów. Czyli: ile systemowi pozwolono myśleć. Zespół agentów Anthropic pobił samotnie działający czołowy model o 90,2 procent.
Wyjaśnienie Anthropic, po ludzku, brzmi tak: zespół agentów to sposób, żeby wydać więcej tokenów, niż jeden agent jest w stanie sensownie utrzymać — a to daje przyczepność na trudnych problemach. Przebieg wieloagentowy może kosztować 10, 15, 20, 30 razy więcej niż pojedynczy agent, a nawet więcej. Przez długi czas byliśmy tym ograniczeni, bo zużycie tokenów robiło się drogie i dla pojedynczych osób wydawanie na zespoły agentów po prostu nie było praktyczne. To się zmieniło.
Dlatego Ringer ma znaczenie. Ma znaczenie, bo sprowadza moc rozwiązywania problemów wieloagentowo w zasięg pojedynczych osób — koszty tokenów przestały być zaporowe. (Informacja dodatkowa: Ringer to autorskie narzędzie/„szkielet” wieloagentowy zbudowany przez prowadzącego, opisany szerzej w jego wcześniejszym filmie.) Przez długi czas budżetowanie agentów oznaczało ograniczanie zakresu pracy, a nie po prostu kupienie większego stosu myślenia. To się zmieniło wraz z lepszymi modelami open source z ostatniego mniej więcej miesiąca. I właśnie dlatego cała gra polega na tym, żeby wiedzieć, które zadania są tego warte.
Haczyk, którego nikt nie cytuje
Bo gdyby więcej tokenów niezawodnie oznaczało lepsze odpowiedzi, byłby to bardzo krótki film — „wydawaj więcej” i tyle. Ale jest haczyk. To ta połowa badania Stanforda, której nikt nie cytuje. To samo badanie, ten sam tani model, wciąż 2024 rok. Naukowcy parli dalej: do 100 prób, do 1000 prób, do 10 000 prób na jeden błąd. I śledzili proste pytanie: dla jakiego odsetka problemów poprawna odpowiedź istnieje gdzieś w stosie prób?
Przy 10 000 prób ponad 95 procent przebiegów zawierało poprawną odpowiedź. Właściwa odpowiedź prawie zawsze tam była. I tu pojawia się prawdziwe pytanie: jak ją znaleźć? Skąd wziąć weryfikację, która pozwoli ci zobaczyć, że właściwa odpowiedź tam jest? Jeśli dajesz agentowi wiele prób, czy istnieje automatyczny sprawdzacz — zestaw testów?
Stanford sprawdził i to. Okazało się, że tam, gdzie istniał automatyczny sprawdzacz — zestaw testów, coś mechanicznego, co potrafi ocenić każdą próbę — tak, odpowiedzi dawały się znaleźć. Pokrycie zamieniało się wprost w wyniki. Ale tam, gdzie sprawdzacza nie było i model musiał sam wybrać najlepszą odpowiedź ze stosu — próbowali głosowania większościowego, próbowali modeli nagradzających — wszystko zatrzymywało się na około 100 próbach.
Innymi słowy: potrzebujesz evali. Potrzebujesz zewnętrznej weryfikacji, żeby skalować systemy wieloagentowe. Bo spójrz na tę lukę: właściwa odpowiedź istnieje, ale nikt nie potrafi wskazać, która to. Każdy dolar wydany za tą linią kupuje próby, które są generowane — odpowiedź prawdopodobnie tam jest, ale nigdy nie zostaje znaleziona. To słabość systemów wieloagentowych. Ten zacieniony obszar na wykresie to pieniądze. Pieniądze, których nie odzyskasz, jeśli źle zaprojektujesz swój system.
Jest jeszcze drugie zastrzeżenie, po drugiej stronie. Pojedynczy agent też nie wchłonie nieograniczonych wydatków, bo wszystko, co czyta i robi, ląduje w oknie kontekstowym. W miarę jak okno się zapełnia, jakość zwykle spada — nawet przy nowych technikach jak autokompakcja. Ostatecznie model będzie musiał albo oddelegować pracę innym agentom, albo porzucić zadanie. I tak właśnie wiele nowszych modeli agentowych radzi sobie z długimi zadaniami. Znaczy to, że przy narzędziach takich jak ChatGPT 5.6 możesz mimowolnie uruchamiać rozwiązania wieloagentowe, jeśli dasz im dostatecznie duże zadanie. Częścią mojego celu jest pomóc ci robić to świadomie.
Jedno to ograniczenie pamięci, drugie to ograniczenie weryfikacji. Musisz umieć oceniać systemy i musisz wiedzieć, kiedy twoje zadanie jest na tyle duże, że jeden agent go nie utrzyma. To ograniczenie pamięci wpycha cię w system wieloagentowy.
Kiedy dzielić pracę między agentów
Każdy działający projekt zespołu agentów jest odpowiedzią na jeden z dwóch problemów. Wszystko inne to po prostu „więcej agentów”. Potrzeba dzielenia mocy zmienia się w czasie, w miarę jak agenci stają się sprawniejsi — i to jedna z rzeczy, które czynią ten obszar naprawdę trudnym. Trudno wiedzieć, co przydzielić agentowi, kiedy agenci wciąż mądrzeją.
Ale jest drugi powód, by dzielić pracę, niemający nic wspólnego z pojemnością. Niektóra praca ma części, które z natury muszą wykonać różne umysły albo różni agenci. Nie dlatego, że jednemu agentowi czy umysłowi brakuje umiejętności, lecz dlatego, że te części „zatruwają się” nawzajem. Audytor, który jednocześnie prowadził księgi, nie jest gorszym audytorem — po prostu w ogóle nie jest audytorem. Potrzebujesz dwóch różnych ról w takim problemie. Recenzja naukowa działa tylko dlatego, że recenzent nie napisał pracy. Twój bank nie pozwoli, żeby osoba wprowadzająca płatność była zarazem osobą ją zatwierdzającą — nie dlatego, że jest nieuczciwa, ale dlatego, że od stuleci sposobem na rzetelną pracę było zapewnienie kontroli i równowagi opartej na wielu umysłach.
Agenci dodają do tego triku jedną rzecz, której nigdy wcześniej nie było. Nie można „odwiedzieć” tego, co się wie. Czytałeś własną stronę produktu tysiąc razy — nigdy nie zobaczysz jej tak, jak widzi ją obcy. Ale teraz możesz uruchomić umysł, który nigdy jej nie widział. Możesz uruchomić agenta, który jej nie widział. Po raz pierwszy w historii możesz mieć świeże spojrzenie na żądanie. Najbardziej przydatne widzę to tam, gdzie chcesz zrównoważyć w systemie agentów realne konflikty interesów — rzeczy, które trzeba przejrzeć dwukrotnie, żeby upewnić się, że są zrobione poprawnie. Na myśl przychodzi umowa, projekt dokumentu, plan.
Test agentowy — cztery rzeczy do oszacowania
Zbierz to wszystko razem, a otrzymasz test agentowy: cztery rzeczy, które w mniej więcej minutę oszacujesz o dowolnym zadaniu na biurku.
Po pierwsze — rozmiar. Czy zadanie jest większe niż to, co jeden agent utrzyma przy pełnej jakości? Twój kalendarz nie jest większy — mieści się w rogu okna kontekstowego, żaden problem. Twoja poczta z ostatniego kwartału? To zależy, ile maili dostajesz, ale u wielu z nas też się mieści. Za to stos stu dokumentów może wyjść poza okno kontekstowe. Tysiąc dokumentów na pewno by wyszło.
Po drugie — niezależność. Czy części da się wykonać bez wiedzy o tym, co zrobiły inne części? Czytanie stosu dokumentów dzieli się świetnie, bo jeden agent-czytelnik może przeczytać dowolny dokument i nigdy nie musi rozmawiać z innymi. Kodowanie czasem się dzieli, a czasem nie — zależy, jak każesz agentowi zorganizować pliki. Jeśli agenci potrafią rozdzielić kod na niezależne części, to wielu agentów może pracować nad problemami programistycznymi i bywa to niezwykle skuteczne.
Po trzecie — rozdział ról (separation of concerns). Czy jakieś części zadania muszą wykonać różne umysły? Prawdziwy krytyk, który nie pisał projektu. Streszczenie napisane przez kogoś, kto nie robił lektury. Wynik trzymany z dala od danych wejściowych, które sam prowadzisz i analizujesz — bo potrzebujesz oddzielnej ramy. Jeśli o tym myślisz, myślisz o zespole agentów.
Po czwarte — i to kluczowe — sprawdzalność (checkability). Pamiętasz weryfikację i evale? Czy sprawdzenie odpowiedzi jest o wiele tańsze niż jej wytworzenie? Zestaw testów, kod wyjścia, dokument źródłowy, na który możesz wskazać — coś, na co rzucisz okiem i powiesz „to jest dobrze” albo „to jest źle”. Jeśli sprawdzanie jest niemal darmowe, to każda dodatkowa próba się opłaca. Jeśli natomiast sprawdzanie jest kosztowne i długo trwa, wartość twoich systemów wieloagentowych szybko się wysyci. Badanie Stanforda sugeruje, że przy mniej więcej stu próbach nie wyciśniesz już z tego wiele więcej.
Złóż te cztery elementy, a dostaniesz ogólny werdykt. Problem może być mały — wtedy to zwykły czat tam i z powrotem. Może mieścić się w oknie kontekstowym — wtedy to agent z celem: naprawdę użyteczny, działa samodzielnie, sprawdza własną pracę i doprowadza rzecz do końca. Albo może być większy niż jedna perspektywa lub mieć części wymagające osobnych umysłów — wtedy to zespół agentów. Jest jeszcze czwarta opcja, ta, która ironicznie oszczędza najwięcej pieniędzy: może w ogóle nie potrzebujesz AI. Może to decyzja wymagająca osądu, z którą musisz sam usiąść i podjąć ją samodzielnie — i to nadal musi się dziać w epoce AI.
Karta pierwsza: terminarz
Zadanie z kalendarzem. Chyba domyślasz się odpowiedzi. Moja wersja: „znajdź mi w tym tygodniu okno na siłownię, które zmieści się między moimi spotkaniami”. To bez wątpienia zadanie dla jednego agenta. To nie zadanie wieloagentowe. Względnie szybkie, pięciominutowe. Możesz podać je Claude’owi, możesz podać je Codexowi — dla dzisiejszych modeli to żaden problem. Ten poziom jest rozwiązany. Jeśli cię to zaimponowało, powinieneś podnieść sobie poprzeczkę co do tego, do czego AI jest zdolne, bo to od jakiegoś czasu jest łatwizna.
Karta druga: przegląd czterdziestu narzędzi
Moja wersja to skomplikowany przegląd dokumentów. Do prowadzenia mojego biznesu medialnego używam około czterdziestu różnych narzędzi. Wszystkie mają różne daty odnowienia, różne umowy, różne maile, które nieustannie do mnie ślą. A ja potrzebuję jednego pulpitu, który pokaże mi daty odnowień we wszystkich naraz — i który da mi też obraz, gdzie faktycznie z tych narzędzi korzystam, a gdzie nie. To z kolei daje mi inteligentny sposób oceny: czy chcę zbudować własne rozwiązanie zamiast któregoś z nich, czy raczej polegać na tych, których używam cały czas, i uznać, że są warte swoich pieniędzy. Trudno podjąć taką decyzję świadomie, jeśli nie wiem, kiedy nadchodzą odnowienia i jak faktycznie z narzędzia korzystam.
W tym stosie są łatwo tysiące stron dokumentów — czy liczysz maile, czy umowy, na które się godzę, czy logi użycia, które gromadzę, korzystając z tych narzędzi. Kiedy spojrzysz na to wszystko razem, potrzebujesz zespołu agentów, żeby rozwiązać ten problem: żeby przejść przez poszczególne narzędzia i wyświetlić — oto data odnowienia, oto twoje faktyczne użycie, oto liczba zużytych tokenów, a jeśli to nie narzędzie AI, to np. liczba logowań. A potem, żeby dać mi obraz, które narzędzia nadają się do przebudowy. Jeśli spojrzysz na to przez pryzmat złożoności, użycia i kosztu, zaczyna się układać macierz, z której wynikają biznesowe decyzje dotyczące twojego oprzyrządowania.
To skomplikowane zadanie. To znacznie więcej, niż utrzyma jeden agent. Za to łatwo je ocenić, bo kiedy na to patrzę, mogę powiedzieć: „O tak, tego narzędzia faktycznie używam tyle”, albo „tego w ogóle nie używam”. Widzę np. — „tak, Superhuman używam mnóstwo”, żadna niespodzianka. Albo wyskakuje jakiś inny SaaS i myślę: nie używałem go od wieków, co to w ogóle jest? Albo widzę kandydata do zastąpienia własnym rozwiązaniem — coś, co chciałbym zbudować wewnętrznie. To bardzo decyzja zależna od konkretnego biznesu. Jeśli mogę użyć agentów do tej roboty, to po pierwsze — sam nigdy nie miałbym na nią czasu; po drugie — pomaga mi podejmować lepsze decyzje skupiające moją dźwignię biznesową; po trzecie — mogę upewnić się, że maksymalizuję to, na co idą moje pieniądze, czy to na umowy SaaS, czy na agentów, bo przebieg agentów też nie jest darmowy. I mogę czuć, że kieruję agentów na problem o realnym zwrocie z inwestycji.
Jak działa ta maszyneria
Poświęćmy sześćdziesiąt sekund na maszynerię, bo tu właśnie dwa ograniczenia, o których mówiłem wcześniej, przekładają się na konkretny projekt „szkieletu” wieloagentowego, który zbudowałem. Poszedłem w to głęboko w środowym filmie, więc tu daję ci tylko zarys.
Każde zadanie dostaje specyfikację. Pisze ją raz najsilniejszy model, który potem już nigdy nie dotyka pracy. Każde ukończone zadanie przechodzi kontrolę, a kontrola jest mechaniczna: źródło musi być dołączone i pasować do zadania, inaczej wpis zostaje odrzucony. Opinia agenta o własnej pracy nie jest dowodem. Nieudane zadanie dostaje ponowną próbę — z dołączoną informacją o niepowodzeniu — a każdy wynik zasila bieżącą kartę wyników, którą mogę mieć na oku, żeby łatwo rozumieć, jak dany przebieg agentów sobie radzi. Tak działa Ringer. Chodzi o to, żeby cały ten skomplikowany proces zdobywania weryfikacji — tej, która pozwala skutecznie korzystać z systemów wieloagentowych — zamienić w coś tak prostego jak oglądanie strumienia na pulpicie, podczas gdy agenci rozwiązują trudny problem.
Ten układ oszczędza mnóstwo na tokenach. W środowym filmie zwracałem uwagę, że udało mi się obniżyć koszty Fable 5 mniej więcej dziesięciokrotnie, zachowując moc obliczeniową Fable 5 — bo pozwoliłem Fable być mózgiem systemu: organizować i podejmować decyzje osądowe w systemie wieloagentowym. Ale wszystkie tokeny na wykonanie samej pracy zlecono znacznie tańszym agentom roboczym.
Tu widać wynik przebiegu: narzędzia uszeregowane wg kosztu względem użycia, odnowienia z terminami wypowiedzenia, ryzykowne zapisy w umowach oraz rekomendacja dla każdego narzędzia — zatrzymać, renegocjować, anulować, a może zbudować własne — z dołączonymi źródłami.
I tu dochodzimy do części, którą większość dem AI pomija. To nie jest zrobione, kiedy ja mówię, że jest zrobione, i to pokazuję. To jest zrobione, kiedy pokazuję ci rachunek. Ile mnie kosztowało wykonanie całej tej pracy? Środowy film wyjaśnia, jak to działa: używasz drogiego modelu do planowania i oceny — jak Fable — oraz mnóstwa tanich modeli do kodowania, palenia tokenów, robienia researchu i faktycznego wykonywania przepływów wieloagentowych. To właśnie umożliwia pojedynczym osobom przejście przez proces, który opisałem, dla pracy leżącej na ich biurku — i powiedzenie: „to problem wieloagentowy, przyłożę do niego wielu agentów i mam pewność, że nie przepalam kupy pieniędzy”. Nawiasem mówiąc, konfiguracja nie zajęła długo — poniżej godziny. To nie jest trudne. A jeśli masz coś z tysiącami dokumentów, a po nim kolejne takie zadanie i jeszcze kolejne, to poniżej godziny na konfigurację jest świetne.
Inne rodzaje „stosów”
Zapewne masz też inne rodzaje stosów. Może to przekazanie projektu — ktoś odchodzi, a wszystko żyje w notatkach ze spotkań, wątkach czatu i niedokończonym stosie dokumentów w folderze, a nowa osoba wejdzie i spędzi tydzień, przekopując się i wdrażając. Chcesz to przyspieszyć? Ten sam kształt. To brzmi jak zastosowanie rozwiązania wieloagentowego — możesz przygotować dla nowej osoby briefing, który ją wdroży i oszczędzi jej dziesiątki godzin. Może to archiwum badawcze na koniec projektu. Może kwartał w skrzynce — dziesiątki tysięcy maili do przejrzenia. Może budowa systemu follow-upu do zimnych leadów, żeby rozkręcić sprzedażowy lejek. Stosy masz tak czy inaczej. Rozpoznaj, gdzie je masz, i patrz na nie jak na podatne na wielu agentów.
Z życia osobistego: mnóstwo dokumentacji medycznej albo stosy wyciągów bankowych, gdy chcesz przeanalizować wzorce wydatków i kondycję finansową. Te wymagają jednak starannej konfiguracji. Chcesz, żeby eksporty lądowały w folderze, nad którym masz kontrolę, a agenci czytali wyłącznie z tego folderu. Najlepiej uruchamiać to na maszynie, którą sam posiadasz, żeby dane finansowe i zdrowotne nie wyciekły. Widzisz kształt zadania — ale przy szczególnie wrażliwych danych warto rozważyć uruchomienie lokalnie, np. na Macu Mini. Mam filmy o tym, jak to skonfigurować i zbudować własny stos.
Karta trzecia: decyzja wymagająca osądu
Ostatnia karta. Którego kandydata zatrudnić? Jak nazwać produkt? W którym kierunku poprowadzić biznes? To są zadania, o których słyszę, że ludzie oddają je AI. Nie róbmy tego. Słyszałem nawet: „Nie oddaję tego AI, ale pozwalam mu pomóc mi w decyzjach osądowych o kandydatach” albo „pozwalam AI pomóc w wyborze kierunku produktu”. Rozumiem, że chcemy, by AI nas wspierało — jestem za researchem, jestem za opiniami AI, które nas wspierają. Ale jeśli nie masz silnego instynktu co do tego, co jest właściwe, i nie jesteś gotów zastosować własnego ludzkiego osądu, to jest to sytuacja, w której popełnisz błąd — bo żaden czołowy model nie pobije eksperta w tym, w czym jest on największym ekspertem.
Rozmawiałem z ludźmi będącymi ekspertami w swoich dziedzinach — w produkcie, inżynierii, inwestowaniu, prowadzeniu firm — którzy używają Fable 5 czy 5.6 od OpenAI i mówią: „Jestem lepszy w mojej pracy i w decyzjach, które podejmuję, bo prowadzę rozmowy z Fable 5, prowadzę rozmowy z ChatGPT 5.6 i dostaję ścianę, od której mogę odbijać pomysły”. Ale instynkty tych modeli nie są światowej klasy. Nie są na tyle mocne, żebyś mógł znaleźć to „je ne sais quoi” — tę rzecz niewypowiadalną, która mówi: „to jest kandydat, którego wybieram”, spośród dwóch tak samo dobrze wykwalifikowanych osób. „Wiem, że ta osoba ma cechę charakteru, którą dostrzegłem na rozmowach i którą chcę mieć w zespole”. AI nie jest w tym dobre. To wymaga ludzkiego osądu. I tu, jak mówiłem, najtańszą rzeczą bywa usiąść, odłożyć AI na bok i wystukać własną odpowiedź — użyć własnego osądu.
Podsumowanie i narzędzie
Zostawię cię z tym. Po pierwsze — dam ci umiejętność (skill), narzędzie, którym ustalisz, czy coś jest jednoagentowe, wieloagentowe, czy powinieneś zrobić to sam. Instynkt możesz rozwijać na własną rękę — podałem ci dokładne pytania — ale jeśli chcesz gotowy skill, mam go.
Po drugie — pamiętaj, że narzędzia, które ci tu pokazuję, zostaną zastąpione. Prompt do arkusza wyewoluuje. Agent z jednym celem wyewoluuje. Dzisiejsze konfiguracje zespołów też z czasem się zmienią. Ale to, co się nie zmieni, to moc tych oszacowań i pytań, które ci dałem. Wciąż będziemy pytać o rozmiar zadania, o niezależność jego części, o rozdział ról i o weryfikowalność — bo one opisują pracę, a nie zmieniające się narzędzia. Dlatego je wybrałem. Na rynku, gdzie wszystko jest jednorazowe, ten test jest jak zakup „na całe życie”.
Możesz nazwać swój stos. Nazwać przekazanie projektu. Nazwać folder, którego nikt nie otwiera. Uruchomić przeciw temu swoje oszacowania i ustalić: czy to zadanie dla agenta, czy dla wielu agentów — i od razu ruszać. To właśnie dla ciebie zbudowałem: narzędzie, które pozwala oszacować to wszystko w minutę lub mniej i od razu wystartować z wieloma agentami, jeśli tego trzeba, albo rekomenduje konfigurację jednoagentową, z której przejdziesz prosto do Codexa, Claude’a czy narzędzia z wyboru.
Dlaczego to zbudowałem? Bo nikt inny nie powie ci, czy twoje zadanie ma „kształt agenta”. Zbudowałem coś, co to zrobi. Jest już dostępne. Opisujesz zadanie, ustawiasz suwaki — cztery oszacowania plus dwie „gałki pieniężne”: jak często zadanie wraca jako koszt oraz ile warta jest dla ciebie dobra odpowiedź — i dostajesz werdykt. Możesz czatować, użyć agenta, zespołu albo w ogóle się nie fatygować. Każdy werdykt przychodzi z dołączonym następnym krokiem, bo werdykt bez drogi naprzód to po prostu więcej pracy domowej dla ciebie. Chcesz czegoś, co wciągnie cię w robotę: „OK, wchodzę do Ringera i robię to zadanie” — jedno kliknięcie. „Chcę wejść do ChatGPT” — jedno kliknięcie. „O, to ludzki osąd” — dobra przypomnienie.
I to może być najcenniejsza rzecz w tym narzędziu. Wielu ludzi, kiedy są podekscytowani AI, przesadnie oddaje mu za dużo. To narzędzie bywa pomocnym przypomnieniem, kiedy zastosować ludzki osąd. Zrób najpierw sam tę minutę myślenia. Sprawdź narzędzie. Jeśli się zgadzasz — jesteś w zgodzie i ruszasz z pewnością. Jeśli się nie zgadzasz — to ciekawy przypadek. Zastanów się nad tą rozbieżnością między narzędziem a własnym instynktem, bo prawdopodobnie jest tu coś, czego możesz się nauczyć. Prawdopodobnie narzędzie dostrzega coś, czego ty — z perspektywy rozmiaru i złożoności — możesz nie zauważać. Narzędzie, jednoklikowy start Ringera i całą resztę znajdziesz pod linkiem poniżej. Miłej zabawy.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Najpierw zaklasyfikuj zadanie, dopiero potem sięgaj po AI
Na czym polega: Zanim rzucisz zadanie agentowi, ustal jego typ: czat, jeden agent, zespół agentów albo „zrób to sam”. Większość zmarnowanego potencjału AI (jak 1,6 mln biernych agentów OpenClaw) bierze się z braku tego kroku.
Jak stosować: Wyrób sobie nawyk minutowej klasyfikacji każdego większego zadania na biurku — potraktuj to jak decyzję budżetową („ile kupionej myśli jest warte to zadanie?”), a nie techniczną.
Na co uważać: Nie klasyfikuj dla samej klasyfikacji — celem jest szybsze wejście w pracę, nie kolejna warstwa proceduralnego „golenia jaka”.
2.Cztery pytania testu: rozmiar, niezależność, rozdział ról, sprawdzalność
Na czym polega: To rdzeń całej metody. Rozmiar (czy mieści się w jednym oknie kontekstowym), niezależność (czy części da się robić osobno), rozdział ról (czy potrzeba „różnych umysłów”) i sprawdzalność (czy weryfikacja jest tańsza niż wytworzenie odpowiedzi).
Jak stosować: Przejdź przez cztery pytania po kolei. Duży rozmiar lub potrzeba osobnych umysłów pcha cię w stronę zespołu agentów; małe i samodzielne zadanie to czat albo pojedynczy agent.
Na co uważać: Pytania opisują charakter pracy, nie narzędzia — dlatego przetrwają zmiany modeli. Nie zastępuj ich modą na „ile kto ma agentów”.
3.Więcej tokenów pomaga tylko wtedy, gdy masz jak zweryfikować odpowiedź
Na czym polega: Badanie Stanforda: przy 10 000 prób poprawna odpowiedź istniała w 95% przypadków, ale bez mechanicznego sprawdzacza wybór najlepszej odpowiedzi wysycał się już przy ~100 próbach. Zużycie tokenów wyjaśniało też 80% różnicy między dobrym a złym przebiegiem w systemie Anthropic.
Jak stosować: Skaluj wiele prób/agentów tam, gdzie masz tani, mechaniczny test poprawności (zestaw testów, kod wyjścia, dokument źródłowy do porównania).
Na co uważać: Bez taniej weryfikacji każdy dolar wydany powyżej ~100 prób kupuje odpowiedzi, których i tak nie znajdziesz — to spalone pieniądze, nie postęp.
4.Zespół agentów rozwiązuje jeden z dwóch problemów: pamięci albo rozdziału ról
Na czym polega: Wielu agentów ma sens, gdy zadanie nie mieści się w oknie kontekstowym jednego agenta (problem pamięci) albo gdy części muszą wykonać niezależne „umysły”, żeby się wzajemnie nie „zatruwały” (rozdział ról). Wszystko inne to tylko „więcej agentów”.
Jak stosować: Przy stosach tysięcy dokumentów dziel pracę między czytelników-agentów. Przy umowach, planach czy draftach użyj osobnego agenta-krytyka, który nie widział wejścia.
Na co uważać: Nie mnóż agentów bez powodu — jeśli zadanie nie trafia w żaden z dwóch problemów, wieloagentowość to zbędny koszt.
5.Wykorzystaj „świeże oczy na żądanie”
Na czym polega: Nowość, której wcześniej nie było: możesz uruchomić agenta, który nigdy nie widział twojego materiału, więc oceni go jak obcy. To rozwiązuje problem „nie da się odwiedzieć tego, co się wie”.
Jak stosować: Do recenzji strony produktu, umowy czy draftu użyj świeżego agenta bez wcześniejszego kontekstu — tam, gdzie w grze są konflikty interesów lub potrzeba niezależnego przeglądu.
Na co uważać: Świeżość znika, gdy podasz agentowi zbyt dużo kontekstu wejściowego — trzymaj rolę recenzenta oddzieloną od danych, które oceniasz.
6.Tani-drogi podział ról obniża koszt wieloagentowy o rząd wielkości
Na czym polega: Drogi model (np. Fable 5) planuje, ocenia i podejmuje decyzje osądowe, a całą „palącą tokeny” robotę — kodowanie, research, wykonanie — zlecasz tanim agentom roboczym. Autor obniżył tak koszty ~10-krotnie, zachowując moc drogiego modelu.
Jak stosować: Projektuj przepływy tak, by najsilniejszy model pisał specyfikację raz i już nie dotykał pracy; egzekucję oddaj tanim modelom. To właśnie czyni wieloagentowość opłacalną dla pojedynczej osoby.
Na co uważać: Przebieg agentów nie jest darmowy — kieruj go na problemy o realnym ROI (tysiące dokumentów, powtarzalne stosy), a nie na drobiazgi.
7.Rozpoznawaj „stosy” jako kandydatów na wielu agentów
Na czym polega: Skrzynka mailowa za kwartał, folder z umowami, przekazanie projektu, archiwum badawcze, dokumentacja medyczna, wyciągi bankowe — każdy duży, luźno powiązany zbiór dobrze dzieli się między agentów-czytelników.
Jak stosować: Nazwij swój stos i przepuść go przez cztery pytania. Czytanie dokumentów dzieli się świetnie, bo agenci nie muszą ze sobą rozmawiać. Konfiguracja bywa krótsza niż godzina.
Na co uważać: Przy danych wrażliwych (finanse, zdrowie) uruchamiaj lokalnie, na własnej maszynie (np. Mac Mini), z agentami czytającymi wyłącznie kontrolowany folder — inaczej ryzykujesz wyciek.
8.Wynik jest gotowy dopiero, gdy znasz rachunek
Na czym polega: Autor krytykuje dema, które kończą się na pokazaniu efektu. Prawdziwe zamknięcie zadania to koszt: ile faktycznie zapłaciłeś za pracę. Bez tego nie ocenisz ROI.
Jak stosować: Do każdego przebiegu agentów dokładaj bieżącą kartę wyników i finalny koszt tokenów. Porównuj koszt z wartością decyzji, którą dzięki temu podejmujesz.
Na co uważać: „Zrobione” wg agenta to nie dowód — kontrola musi być mechaniczna (dołączone i pasujące źródło), a opinia agenta o własnej pracy nie liczy się jako weryfikacja.
9.Nie oddawaj AI decyzji wymagających prawdziwego osądu
Na czym polega: Wybór kandydata, nazwa produktu, kierunek biznesu — tu żaden czołowy model nie pobije eksperta w jego własnej dziedzinie. Instynkty modeli nie są światowej klasy w wychwytywaniu subtelnych, „niewypowiadalnych” cech.
Jak stosować: Używaj AI jako ściany do odbijania pomysłów i źródła researchu, ale ostateczny osąd zostaw sobie. Czasem najtańsze i najlepsze jest odłożyć AI i samemu wystukać odpowiedź.
Na co uważać: Ryzyko jest największe, gdy nie masz silnego własnego instynktu i „pozwalasz AI pomóc” w decyzji — wtedy właśnie łatwo o błąd. Nadmierne delegowanie to częsty grzech entuzjastów AI.
10.Traktuj rozbieżność między swoim instynktem a narzędziem jako sygnał do nauki
Na czym polega: Metoda działa najlepiej, gdy najpierw sam poświęcisz minutę na ocenę, a potem sprawdzisz werdykt narzędzia. Zgoda = ruszasz z pewnością. Niezgoda = ciekawy przypadek do przemyślenia.
Jak stosować: Gdy narzędzie i twój instynkt się różnią, zatrzymaj się i zapytaj, co narzędzie widzi w rozmiarze i złożoności zadania, czego ty nie dostrzegasz — i odwrotnie. Tak budujesz własny instynkt szybciej.
Na co uważać: Werdykt bez następnego kroku to tylko więcej pracy domowej — upewnij się, że po klasyfikacji faktycznie wchodzisz w robotę, a nie utykasz na samym szacowaniu.