O czym jest ten film
- „Inżynieria pętli” (loop engineering) zrobiła się głośna w kontekście budowania oprogramowania, ale rozmowa pokazuje, jak używać pętli do prowadzenia całego biznesu, a nie tylko do kodowania.
- Pętla to znany schemat „zbuduj → zmierz → naucz się”, przeniesiony na agenta AI działającego w tle przez tygodnie, miesiące, a nawet lata.
- Kluczowy jest obiektywny wskaźnik, do którego pętla dąży, oraz warunek zatrzymania — inaczej agent kręci się w nieskończoność bez sensu.
- Sztandarowy przykład to pętla SEO oparta na Google Search Console i API Data for SEO — agent co miesiąc analizuje pozycje i wprowadza poprawki.
- Ellie prowadzi taką pętlę produkcyjnie dla Inbox Zero oraz świeżo uruchomił ją dla starego projektu draftfantasy.com.
- Koszt takiej pętli SEO jest niski (rzędu kilku dolarów za uruchomienie), zwłaszcza wobec kosztu agencji SEO; na planach Max tokenów praktycznie nie brakuje.
- Druga pętla to reklamy (Facebook/Google Ads) — AI testuje warianty kopii, ale najlepiej działa hybryda człowiek + AI, nie w pełni generowane reklamy.
- Trzecia, „święty Graal”, to pętla feedbacku produktowego: agent czyta opinie, analitykę i logi, priorytetyzuje, prototypuje i mierzy efekt na kluczowej metryce.
- Rekomendacja Grega: rozdzielić „pętlę bugów” (metryka: uptime) od „pętli produktu” (metryki: retencja, DAU/MAU, wiralność).
- Zasada praktyczna: zaczynać od „minimalnej opłacalnej pętli” z małym, weryfikowalnym celem (np. 10 lajków), a nie od nierealnych KPI typu 100 tys. followersów.
Redakcyjne tłumaczenie
Wprowadzenie: pętle to nie tylko kodowanie
Greg: Pewnie słyszeliście o pętlach inżynierskich — krążą po Twitterze i robią furorę. Uważam je za naprawdę ciekawe, ale jeszcze ciekawsze robią się wtedy, gdy używa się ich do prowadzenia biznesu. Pętli można użyć, żeby zdobywać klientów, poprawiać SEO, być widocznym dla modeli językowych i ulepszać swój produkt przez całą dobę. Nie widziałem jeszcze, żeby ktoś pokazał, jak faktycznie takie pętle wdrożyć. Dlatego przygotowałem tutorial: jak pętle działają, jak wykorzystać je do prowadzenia biznesu i jak je zbudować w Claude Code albo Codex. W tym odcinku dzielę się wszystkim z moim znajomym Elliem, tak żebyście sami umieli to zrobić — zdobyć ruch, klientów, zbudować startup. Moja ulubiona pętla to akurat ta ostatnia, którą pokazujemy. Miłego oglądania, do zobaczenia na końcu.
Ellie, witaj w programie. Czego widzowie nauczą się do końca tego odcinka?
Ellie: Nauczycie się, jak używać pętli, żeby lepiej zautomatyzować swój biznes. Pętle stały się bardzo popularne w ostatnich tygodniach — ludzie używają inżynierii pętli głównie do rozwijania produktów. Ale można pójść znacznie dalej: da się to zastosować do SEO, do reklam na Facebooku, praktycznie do automatyzacji każdej części biznesu. I właśnie o tym dziś porozmawiamy.
Greg: Świetnie. Czyli ludzie budują pętlami produkty, a ty mówisz, że można ich użyć wręcz do prowadzenia całego biznesu — co pomoże zdobywać klientów i działać efektywniej. Proszę cię o to, żebyś jasno wyjaśnił, jak to zrobić, i pokazał przykłady, które widzowie będą mogli po prostu skopiować i zacząć jeszcze dziś. Podejmujesz się tego?
Ellie: Tak, jasne. Pokażę wam, jak używać pętli do prowadzenia biznesu. Omówimy to najpierw z lotu ptaka — na czym polega koncepcja i gdzie można ją zastosować — a potem pokażę, jak to naprawdę działa w praktyce, żeby nie zostało to czystą teorią. Pokażę, jak można masowo poprawić SEO za pomocą pętli. Wielu z was pewnie już robi coś takiego: jeśli macie cokolwiek działającego według harmonogramu, to jest to forma pętli. Ale my chcemy to popchnąć naprawdę daleko. Przy dzisiejszym stanie AI można zrobić bardzo dużo pętlą działającą przez długi czas. Zwykle mówimy o pętlach, które działają pół godziny. A my mówimy tu o pętlach, które mogą trwać miesiącami, a nawet latami.
Greg: Zróbmy to. Zaczynajmy.
Skąd wzięła się inżynieria pętli i dlaczego nie jest niczym nowym
Ellie: Jakiś miesiąc temu inżynieria pętli zrobiła się bardzo popularna. Boris z Claude Code zaczął o tym pisać na Twitterze. Peter Steinberger z OpenClaw też. I nagle wszyscy zaczęli się zastanawiać: co to jest ta „inżynieria pętli”? To dość prosta koncepcja, ale mocno wystrzeliła. Fajnie, że w końcu ma swój termin — wcześniej dało się to opisać, ale nie było jednego słowa, teraz jest.
(Informacja dodatkowa: Boris Cherny to jeden z twórców Claude Code, narzędzia Anthropic do kodowania z pomocą AI. Codex to odpowiednik od OpenAI.)
Krótko po tym, jak zaczął się cały ten hype, mój znajomy Demetri napisał żartobliwie: „W 2026 roku już nie promptujesz. Twoje oprogramowanie powinno umieć samo się zbudować i samo osiągnąć dopasowanie do rynku. Twoim jedynym zadaniem jest znaleźć pieniądze na tokeny i zadbać o siebie”. On oczywiście żartował — nabijał się z całej tej mody, bo mieliśmy już inżynierię promptów, inżynierię kontekstu, inżynierię harnessów; co miesiąc nowy hype. Ale gdy przeczytałem ten tweet, pomyślałem: chwila, a gdyby dało się to naprawdę zrobić? Jak wyglądałoby prowadzenie całego biznesu jako jednej wielkiej pętli? O tym właśnie dziś porozmawiamy.
Sama idea pętli nie jest nowa. Jakieś 10–15 lat temu popularna była książka The Lean Startup, a jej trzon to właśnie pętla: budujesz coś, mierzysz efekt, uczysz się, budujesz dalej. Jeśli rozłożysz biznes na czynniki albo weźmiesz pytanie Demetriego — jak cały biznes mógłby działać jako pętla — sprowadza się to do: zbuduj coś, zbierz feedback, popraw i powtarzaj: buduj i ucz się, buduj i ucz się, mierząc po drodze. Dokładnie to samo można zrobić z AI. I nie chodzi tylko o wysoki poziom „biznes buduje i zbiera feedback” — można to zastosować do bardzo wielu części firmy.
Zresztą już to robicie. Poprawiając SEO, sprawdzacie: na której pozycji jestem dziś, gdzie chcę być, co mogę zrobić, żeby awansować, kto jest nade mną. Przeprowadzacie eksperymenty i próbujecie wejść wyżej, mając dokładne pomiary spływające z Google. To świetny przykład pętli, którą można prowadzić. Sam ją prowadzę w produkcji. Jeśli znacie „lean manufacturing” albo historię Toyoty — stąd zresztą wiele z tego wyrosło — tam też mamy pętlę: nieustanne iterowanie i ulepszanie. To nie są nowe koncepcje, wszyscy je znamy. Kiedy skleiło się to ze słowem „pętla”, zrobiło się „wow, co to jest?”, ale w gruncie rzeczy dobrze to rozumiemy. Pytanie brzmi tylko: jak sprawić, żeby nasz agent robił to samo.
Greg: No właśnie, a przykład Toyoty był chyba podstawą The Lean Startup, prawda? Eric Ries spojrzał na Toyotę i zapytał: jak ta japońska firma potrafi produkować tak niezawodne, powtarzalne samochody? Dzięki mechanizmowi pętli — mieli wysoce wydajną linię montażową i dlatego tworzyli świetne produkty w dobrej cenie. Ries stwierdził, że w ten sam sposób można budować startup. Wcześniej ludzie tak nie robili — było to bardziej „artystyczne”: wypuszczali produkt i zmieniali go na bieżąco. Przeniesienie procesu Toyoty na startupy było jednym z powodów, dla których po 2005 roku mieliśmy tyle udanych firm. Więc o czym konkretnie mówimy, gdy mówimy o pętlach z agentami AI?
Anatomia pętli: buduj, weryfikuj, warunek zatrzymania
Ellie: Jeśli pętla lean startupu to „buduj, mierz, ucz się”, to z agentem mamy bardzo podobne kroki. Jest krok „buduj” — mówisz AI: „idź i zbuduj mi nowy SaaS”. Potem krok „weryfikuj” — jeśli budujesz produkt, weryfikacją może być to, że wszystkie testy przechodzą, albo że agent użył przeglądarki i sprawdził, że da się wszystko wyklikać, albo że pilnuje go inny agent. W Claude Code robisz to komendą /goal — uruchamiasz pętlę, a drugi agent sprawdza, czy zadanie faktycznie skończone i działa. Jeśli nie działa, każe głównemu agentowi-budowniczemu kręcić się dalej, aż wszystko będzie działać.
Zawsze musi być warunek zatrzymania — nie chcesz, żeby AI zapętliło się w nieskończoność. Musi istnieć rezultat, do którego pętla zbiega. Przykład takiego warunku: „funkcja działa w przeglądarce”. Chcę, żeby rejestracja działała — mówisz /goal spraw, żeby rejestracja działała, a gdy zadziała w przeglądarce, test przechodzi i to koniec pętli.
Inny przykład, dla budujących produkty AI. Prowadzę Inbox Zero — to AI, które zarządza twoją skrzynką. Kluczowe są dla mnie ewaluacje (evals), czyli testy sprawdzające, jak dobrze radzi sobie AI. W przypadku Inbox Zero to pytanie, jak dobrze model kategoryzuje maile: przyszedł newsletter — czy zostanie oznaczony jako newsletter? Różne modele wypadają lepiej lub gorzej, zależnie od promptu też. Celem jest wywindować wyniki ewaluacji naprawdę wysoko — czy to przez dobór modelu, czy dostrajanie promptu. I to również można prowadzić jako pętlę: mówisz agentowi „chcę, żeby testy/ewaluacje przechodziły z wynikiem 90% i więcej”. Agent wielokrotnie uruchamia prompt i go dostraja. Jeśli widzi, że przechodzi tylko w 88% przypadków, próbuje ponownie — za każdym razem odrobinę lepiej, aż przekroczy 90% trafności.
Krok „weryfikuj” może dotyczyć czegokolwiek — przykład SEO
Po stronie inżynierii chodzi więc o ciągłe budowanie i weryfikowanie. Ale krok weryfikacji nie musi dotyczyć produktu — może dotyczyć czegokolwiek. Tak naprawdę potrzebujesz jakiegoś sygnału zwrotnego wracającego do systemu, jakiejś obiektywnej metryki. W przypadku SEO tą metryką jest twoja pozycja w wyszukiwarce Google. Dziś, gdy wpiszesz w Google „inbox zero”, Inbox Zero jest na pierwszym miejscu. Ale na inne hasło — „AI email assistant” — bardzo chcemy się wybić, a jesteśmy gdzieś na pozycji 30. Możemy więc uruchomić pętlę, która działa np. co miesiąc i próbuje wypchnąć nas coraz wyżej, aż wskoczymy na pierwszą stronę. Taka pętla właściwie nie musi się kończyć — może domknie się, gdy będziemy na pozycji pierwszej. Ale to nie jest pętla działająca pół godziny bez przerwy: uruchamia się raz, robi swój krok, a miesiąc później kontynuuje i próbuje przesunąć nas wyżej.
Ten przykład jest dobry, bo przekłada się na wiele innych rzeczy w firmie. Reklamy na Facebooku — wydajesz 100 dolarów miesięcznie albo dziennie i chcesz dojść do rentowności. To ta sama idea. Pytanie brzmi: jak sprawić, żeby agent AI tam dotarł.
Greg: Przy SEO zwykle wynajmuje się agencję albo freelancera, żeby prowadzili tę pętlę. Ty sugerujesz, że na starcie nie musisz nikogo zatrudniać — możesz zbudować pętlę z jasnym KPI, w tym wypadku pozycją w Google, która nie jest szara, tylko czarno-biała: albo w tym miesiącu awansowałeś, albo spadłeś, albo zostałeś w miejscu. Możesz więc powiedzieć: dobrze radzę sobie czy nie? — i na tej podstawie podejmować działania. Jedyny znak zapytania to: czy agenty na dziś są wystarczająco mądre, żeby pracować równie dobrze albo lepiej niż agencja lub freelancer? Bo jako właściciel biznesu zależy ci na awansie w rankingach, a nie na pętli dla samej pętli.
Ellie: Dokładnie. I nawet jeśli spróbujesz, a nie wyjdzie, tak naprawdę nic nie tracisz — większość z nas i tak nie zatrudniłaby eksperta SEO. Więc w najgorszym razie przeprowadzasz eksperyment i widzisz, że miał negatywny wpływ. Taka pętla, gdyby np. przesunęła nas z pozycji 20 na 30, pozwala po prostu cofnąć zmianę. Nic nie jest wykute w kamieniu — to eksperymenty, które, miejmy nadzieję, długoterminowo wypchną nas w górę, a jeśli coś pójdzie źle, zawsze możemy cofnąć.
Greg: Czyli sądzisz, że agenty są dziś wystarczająco dobre, żeby realnie wpłynąć na pozycję w Google i przynieść więcej ruchu?
Ellie: Z własnego doświadczenia — zdecydowanie przynosi to pozytywne efekty. Pełny wpływ zajmie kilka miesięcy, ale zanim nagraliśmy ten odcinek, spojrzałem w liczby i widzę mnóstwo wskaźników idących w dobrą stronę. Niektóre hasła przesuwają się np. z trzeciej strony Google na drugą. To ma wartość. Ostateczny cel to oczywiście pierwsza strona. Sporo zależy od różnych czynników — Inbox Zero ma domain rating jakieś 63–64. Dla zupełnie nowego biznesu z bardzo niskim ratingiem mogłoby to wyglądać inaczej. Ale ja bez oporów uruchomiłbym to zarówno dla ugruntowanego biznesu, jak i dla nowego, który dopiero startuje.
Greg: Rzecz w tym, że przy SEO nie oczekuj efektów w 24 godziny.
Ellie: SEO to sprawa miesięcy, nie dni — generalnie. To pętla, którą chcesz mieć działającą w tle, gdy robisz inne rzeczy.
Greg: Właśnie. Możesz się obudzić w czwartym miesiącu, gdy niby nic się nie dzieje — i nagle bum, bum, bum, jesteś na pierwszej stronie. Zdarzyło mi się to: SEO przez jakiś czas nie działało, ale robiłem to, co trzeba, żeby dobrze rankować, i nagle to się skumulowało i zaczęło przynosić owoce. Wejdźmy głębiej i zobaczmy przykłady.
Ellie: To coś, co kumuluje się w czasie. Zresztą wszystko, co robisz marketingowo, ma wpływ. Mówimy o SEO, ale to samo wspiera twoje pozycjonowanie w modelach językowych — LEO/GEO, czyli ranking w wynikach LLM-ów. Więc to nadal ma ogromną wartość, nawet jeśli ktoś rzadziej korzysta już z klasycznej wyszukiwarki Google.
(Informacja dodatkowa: GEO/LEO — „Generative/LLM Engine Optimization”, optymalizacja pod kątem bycia cytowanym przez modele językowe, takie jak ChatGPT czy Claude, analogicznie do klasycznego SEO.)
Jak faktycznie ustawić pętlę SEO
Agencja SEO najpierw zrobiłaby audyt strony. To coś, co i tak warto zlecić AI niezależnie od wszystkiego — po prostu zróbcie audyt. Wyjdzie z niego np.: „popraw te meta tagi”, „dodaj dane JSON-LD, które dadzą mały boost”, „nie masz mapy strony”. Jest sporo rzeczy, które AI naprawi od ręki — szybkie wygrane dla większości witryn.
(Informacja dodatkowa: JSON-LD to format danych strukturalnych osadzanych na stronie, pomagający wyszukiwarkom rozumieć jej treść.)
Potem agencja zaczyna eksperymentować z konkretnymi hasłami: „rankujesz nieźle na »AI email assistant«, ale nie jesteś jeszcze na pierwszej stronie — co się dzieje, co da się poprawić?”. Całym tym tokiem myślenia nie musisz się nawet za bardzo przejmować — AI samo w to wejdzie i stwierdzi np.: „kanibalizujesz własne linki, bo dzielisz moc linkową między dwa różne odnośniki na stronie”. Cokolwiek AI (czy agencja) wymyśli, wprowadza poprawki, nie widzi efektów od razu, wraca miesiąc później i sprawdza: awansowaliśmy czy spadliśmy. Dokładnie to samo ma robić za nas nasz agent.
Najpierw trzeba dać mu dostęp do potrzebnych narzędzi. Najważniejsze to Google Search Console — tam widać wszystkie dane, a Search Console ma API, więc agent zobaczy dokładnie, na jakich pozycjach rankujesz.
Tu patrzymy na moją Google Search Console dla draftfantasy.com. Ten biznes założyłem jakieś 12 lat temu, wciąż działa; nie jest moim głównym projektem, ale przez mistrzostwa świata ma ostatnio spory ruch. Widać, jak rankuje — 10 milionów wyświetleń w wyszukiwarce w ciągu ostatnich 3 miesięcy. Poniżej widać część zapytań; na hasło „380” ma teraz 120 tysięcy kliknięć, co jest naprawdę szalone, przy milionie wyświetleń. To akurat biznes, na którym jeszcze nie puszczałem tej pętli — nie chciałem wchodzić w liczby Inbox Zero, ale chętnie pokażę, co dzieje się z draftfantasy.com. Jakieś dwa dni temu powiedziałem swojemu Claude Code: „zrób dla Draft Fantasy to samo co dla Inbox Zero — puść pętlę SEO”. Czemu nie? Będzie działać w tle, nie muszę o tym myśleć, z czasem wprowadzi dobre poprawki, zapamięta, co zrobiła, i pójdzie dalej.
Widać tu mnóstwo danych o pozycjach fraz. Weźmy średnią pozycję — to ważna metryka. Na hasło „380” jestem na czwartym miejscu, ale chcę wskoczyć na pierwsze. AI może przejrzeć wszystkie te dane na ekranie, podłączyć się przez API Google, wciągnąć je do siebie i podjąć naprawdę mądrą decyzję — szczerze, lepszą niż ja — które hasła przynoszą teraz najwięcej ruchu i jak je poprawić, żeby rankować wyżej. Teraz jest 4,4; gdybym dobił do trzeciej albo drugiej pozycji, to nie byłoby 120 tysięcy kliknięć, tylko może pół miliona. Ogromna wartość, a często są jakieś nisko wiszące owoce do zebrania.
Więc pierwsza rzecz — i to niezależnie od tego, czy robisz pętle, czy nie — jednym z najprostszych trików jest podłączenie AI do twoich narzędzi i prawdziwych danych. Tu byłaby to Google Search Console. Kolejne to Data for SEO — API podobne do Ahrefs i SEMrush, które pokazuje, jak wypadasz na tle konkurencji. Search Console powie ci, że rankujesz na piątym miejscu; Data for SEO pokaże, które cztery artykuły są nad tobą na ważną dla ciebie frazę. Im więcej informacji dasz AI, tym lepiej sobie poradzi.
(Informacja dodatkowa: Ahrefs i SEMrush to popularne płatne narzędzia analityki SEO; Data for SEO udostępnia podobne dane przez API.)
Jak ta pętla wtedy wygląda: wprowadza poprawki, sprawdza obiektywną metrykę (pozycję w Google), uczy się z niej i nieustannie iteruje. Co miesiąc albo co dwa tygodnie ogląda się za siebie — wszystko zanotowała. To ważna część: niech pamięta, np. w pliku markdown zapisuje wszystko, co się wydarzyło i co ostatnio poprawiła. Potem sprawdza swój eksperyment: zadziałał czy nie? Zmieniłam opis strony — czy to wypchnęło artykuł wyżej, czy niżej? I na tej podstawie iteruje, tak jak zrobiłaby to agencja.
Greg: Czyli jeśli ktoś chce dziś stworzyć taką pętlę SEO, najprościej zrobić zrzut ekranu tego wszystkiego, wkleić do Claude Code albo Codeksa i powiedzieć: „chcę stworzyć pętlę SEO, dam ci dostęp do Google Search Console i Data for SEO, a ocenić masz się po obiektywnej metryce pozycji w Google — sprawdzaj metryki”. To jest to, co ludzie powinni robić, czy da się to jeszcze zoptymalizować?
Gotowy prompt i uruchomienie w praktyce
Ellie: Szczerze, tak zrobione już zaprowadziłoby cię daleko. Pokażę przykład. Wejdź na atomieve.dev — to kolejna strona, którą niedawno wypuściłem. Jest tu realny przykład takiego „SEO improvera”. Nikt nie musi tego używać, jeśli zna Eve (projekt Vercela, który właśnie wyszedł) czy Flow framework od zespołu Astro — to jedne ze sposobów budowania agentów, ale nie są obowiązkowe. Nawet bez nich możesz wkleić ten URL do Claude Code albo Codeksa i powiedzieć: „skopiuj stąd pomysły”. Znajdziesz tu prompt robiący dokładnie to, o czym mówiliśmy: „oto moja Google Search Console, oto klucz API do Data for SEO”, a poniżej pełny prompt do skopiowania.
Greg: O, świetne. Czyli to rozbudowana wersja tego, co przed chwilą opisałem — „jesteś SEO improverem, będziesz oceniany po tych trzech metrykach”, w formie pliku instructions.md dla konkretnego zadania.
Ellie: Dokładnie. Widać np., że mówi: „gdy wprowadzasz zmiany, wybierz podzbiór rekomendacji z tego tygodnia, które czysto mapują się na pliki w repozytorium bloga”. Możesz to przeczytać, ale idea jest taka, jak ustaliliśmy. Jeśli chcesz pobawić się z CLI, możesz uruchomić to komendą albo po prostu wkleić prompt do Claude Code — to prompt, który ci to skonfiguruje. Nie musisz używać Eve ani Flow; dla niektórych to może wręcz skomplikować sprawę. Pokażę to szybko w moim własnym Claude Code.
Tu widać mój Codex działający w terminalu na moim komputerze. Wziąłem naszą ideę, zrobiłem zrzut wykresu, który mieliśmy wcześniej — i to jest pętla, którą chcemy uruchomić. Mówię: „chcę ustawić to dla siebie, chcę stworzyć pętlę SEO”. Nawet z takim poleceniem powinniśmy zajść całkiem daleko. Jeśli robisz to sam, porozmawiaj z AI trochę więcej o tym, co ma się wydarzyć; możesz użyć trybu planowania. Ale to naprawdę takie proste. AI przeprowadzi cię przez to, jak podłączyć Google Search Console. Jeśli odpalasz to na własnym komputerze, jest najłatwiej — trzeba zainstalować CLI albo użyć API Google, kilka kroków, żeby dać dostęp do danych, a potem powinno być łatwo. Powiedz coś w stylu „chcemy poprawić nasze SEO” — to główna rzecz.
Możesz to zrobić na własnym repozytorium — zależy, gdzie jest twój blog. Jeśli to WordPress, dajesz dostęp do WordPressa; jeśli jest na GitHubie, robisz to inaczej. Dajesz AI dostęp do bloga, do wszystkiego, co robisz, do wszystkich danych — i stamtąd powinno działać samo. Jeden krok później: warto ustawić automatyzację. Jeśli używasz Claude, mają teraz coś, co chyba nazywa się „routines”; Cursor ma automatyzacje, Codex też je ma. Uruchamiasz jedną z nich, a idea jest taka, że co kilka tygodni pętla podejmuje pracę tam, gdzie skończyła. A jeśli chcesz dużo głębszy przykład, użyj tego, co pokazaliśmy przy atomieve i Eve.
(Informacja dodatkowa: „routines”/„automations” to funkcje harmonogramowania w Claude, Cursorze i Codeksie, pozwalające uruchamiać agenta cyklicznie bez ręcznego startu.)
Koszty pętli: kiedy warto się nimi przejmować
Greg: Miałem niedawno w podkaście znajomego, Rossa Mike’a. On jest inżynierem front-endu i patrzy na pętle z perspektywy inżynierskiej. Powiedział wprost: nie wierzę w cały ten hype wokół pętli — bogaci na nich będą dostawcy tokenów, bo ludzie po prostu będą palić tokeny. Nie rozmawialiśmy wtedy o zastosowaniach biznesowych, tylko o inżynierii. Gdybym wdrażał pętlę SEO, czy mądrze byłoby powiedzieć jej: „kliknięcie jest dla mnie warte trzy centy, a klient sto dolarów — zatrzymaj pętlę, jeśli koszty przekroczą wartość”? Bo te pętle będą kosztować — 50, 100, 200 dolarów miesięcznie, zależnie od tego, co robisz — i możesz uznać, że nie warto. Jak myślisz o analizie kosztów i korzyści przy pętlach?
Ellie: Oglądałem wasz odcinek z Mikiem, był świetny, i zgadzam się z wieloma jego tezami — jest zbędny hype wokół tych terminów. Co do kosztów: Mike wspominał, że Peter Steinberger, który pracuje teraz w OpenAI, wydaje 1,3 miliona dolarów miesięcznie na kredyty AI — pewnie już nawet więcej. Z tym się w pełni zgadzam. Ale akurat ta pętla jest bardzo tania, więc jak najbardziej warto ją odpalić i nie ma co martwić się kosztem, zwłaszcza w porównaniu z agencją SEO. Jest tania, bo każde uruchomienie nie dzieje się bez przerwy — dzieje się raz na miesiąc. Nie zdziwiłbym się, gdyby jedno uruchomienie kosztowało mniej niż 5 dolarów w tokenach. Właśnie puściłem ją w tle. Te przebiegi nie są głębokie — to nie AI wpadające w nieskończoną pętlę. W pewnym sensie jest nieskończona, ale nieskończona w czasie: uruchamia się raz w miesiącu przez najbliższe 2–5 lat.
Warto, żeby AI informowało cię między przebiegami — sam tak robię. Za każdym razem, gdy pętla się wykona, chcę o tym wiedzieć, więc każę jej pingować mnie na Slacku po zakończeniu. Wtedy przeglądam efekty i szybko je zatwierdzam albo odrzucam. Bardzo chętnie dostaję takie comiesięczne aktualizacje z propozycjami poprawek SEO.
Jeszcze jedno, czego Mike nie wspomniał: jeśli jesteś na planie Max, dostajesz w ramach subskrypcji za 100 czy 200 dolarów miesięcznie tokeny warte dziesiątki tysięcy dolarów. Jeśli masz bardzo napięty budżet i jesteś na planie za 20 dolarów, wtedy owszem, musisz mocno uważać na tokeny — i pomyśleć o tańszych modelach open source do takich zadań, w stylu GLM 5.2. Ale jeśli masz szczęście być na planie Max za 100–200 dolarów, masz tam tysiące tokenów i nie ma co się martwić kosztem. To powinno być całkiem tanie.
Druga pętla: reklamy i hybryda człowiek + AI
Greg: Przyjrzeliśmy się pętlom SEO. Jakie inne pętle warto rozważyć?
Ellie: Kolejna dobra to pętla reklam na Facebooku. Puszczasz reklamy, może AI samo generuje warianty, patrzy na dane, wypuszcza eksperyment z trzema wersjami, widzi, że wariant A idzie świetnie, i mocniej w niego inwestuje. Dokładnie to robiłaby agencja reklamowa — testuje mnóstwo kopii, grafik, obrazów, wideo. To samo można zrobić z AI. Trudność jest taka, że treści generowane przez AI nie zawsze są rewelacyjne. Wideo czy grafika z AI niekoniecznie dorówna temu, co złoży człowiek. Pewnie działają gdzieś bardzo dobre reklamy generowane przez AI, ale zgadywałbym, że te tworzone przez ludzi radzą sobie lepiej. Za to zmiana linijki tekstu — to AI zrobi bardzo łatwo, a potem sprawdzi wynik i poprawi. A przy reklamach Google, gdzie nie ma obrazów i chodzi o wybicie się w wynikach wyszukiwania, AI z łatwością podmienia samą kopię.
Greg: To zabawne, bo ludzie stają się warstwą API. Tworzysz folder i codziennie nagrywasz nową reklamę — gadasz 30 sekund do kamery — a AI to montuje: wchodzi do folderu i edytuje. To co innego niż tworzenie w pełni sztucznej reklamy — mniej kontekstu, mniej warstwy ludzkiej. Moim zdaniem najlepsze reklamy to — jeśli masz miliony do wydania — zatrudnienie najlepszych ludzi na świecie. Ale nie każdy ma miliony ani setki tysięcy na najlepsze agencje; nie kręcimy tu reklam na Super Bowl. Więc sposób to miks ludzi i AI, żeby dojść do naprawdę wysokiej jakości. Wpinasz to w swoją pętlę reklam i masz to, co najlepsze z obu światów: ludzki feeling reklamy plus optymalizację AI wokół niej. A gra w reklamach na Facebooku to w ogóle gra na wolumen — ludzie o tym zapominają. Chodzi o mnóstwo różnych narracji i haczyków, i sprawdzanie, który zadziała: bierzesz jeden produkt i próbujesz różnych kątów, hooków, różnych typów ludzi — kobieta, mężczyzna, starsza osoba, młodsza — patrzysz, jak reaguje algorytm, ucinasz przegranych, dokładasz do zwycięzców. Widzę, jak taka pętla mogłaby to optymalizować.
Ellie: Dokładnie. Zresztą tę pętlę robimy tak czy inaczej, czy to my, czy AI. Możesz mieć wpis w Todoist: „co 3 dni przypomnij mi, żeby na to spojrzeć”. To samo robisz z AI — „za 3 dni sprawdź reklamy na Facebooku”. Nie musisz siedzieć nad tym co godzinę; co dzień czy dwa oglądasz się za siebie i próbujesz nowych kątów. Jeśli jako człowiek chciałbyś przetestować tysiąc kątów — trudno. Dla AI to dość proste, przetestuje jak najwięcej wariantów. Oczywiście budżet ma znaczenie: musisz dać każdemu wariantowi dość budżetu, żeby dało się ocenić, czy zadziałał.
Trzecia pętla: feedback produktowy — „święty Graal”
Greg: Ellie, mamy czas pokazać jeszcze jedną pętlę?
Ellie: Tak. To ta ostateczna, najciekawsza — pętla feedbacku produktowego. Gdybyś naprawdę chciał, żeby cały biznes działał na AI — AI, które samo się buduje, zbiera feedback od użytkowników i buduje dalej — to byłoby coś takiego.
Greg: To naprawdę ciekawe. Patrzę na to: masz agenta AI, który czyta feedback klientów, patrzy w analitykę, np. PostHog, w logi, w Sentry, i na tej podstawie priorytetyzuje. Znajduje największe bolączki, uczy się, prototypuje funkcje, naprawia bugi, a potem patrzy na — nie wiem — DAU albo przychód.
(Informacja dodatkowa: PostHog to narzędzie analityki produktowej, Sentry monitoruje błędy aplikacji; DAU to liczba dziennych aktywnych użytkowników.)
Ellie: No właśnie, możesz sam zdecydować.
Greg: Możesz zdecydować — czasem to NPS, czasem retencja, czasem wiralność. Albo pozwolić agentowi zdecydować: „dla każdej funkcji dobierz najlepszy możliwy KPI”, może z twoim zatwierdzeniem. To też ma sens, bo różne funkcje… Właściwie, Ellie, ja zrobiłbym osobną pętlę bugów i osobną pętlę funkcji. Pętla bugów byłaby wokół uptime’u — metryką byłby uptime i podobne rzeczy. A pętla feedbacku produktowego wokół kluczowych metryk: DAU/MAU, retencja, wiralność.
Ellie: Zdecydowanie, świetne podejście. Ta pętla to niemal pętla ostateczna — w gruncie rzeczy pętla lean startupu, ale wszystko, co robisz w biznesie, sprowadza się do: jak oddać AI jak najwięcej informacji, żeby budowało samo siebie. To byłby prawdziwy „company builder”, gdzie pomysł i wszystko inne siedzi w samym agencie. Na prawdziwym biznesie byłoby to ryzykowne, ale na pewno zobaczymy sporo firm próbujących czegoś w tym stylu. Rzucasz linijkę: „zbuduj mi biznes, który pomaga agentom nieruchomości”, i zaczyna coś budować. Gdyby miał dość narzędzi, żeby się marketingować i zbierać feedback od użytkowników — a ten feedback może być choćby w analityce, w bazie danych czy w czymkolwiek, do czego ma dostęp — to byłaby pętla ostateczna. Jestem pewien, że w najbliższym roku zaczniemy widzieć naprawdę dobre biznesy budowane w ten sposób. Widziałem już wczesne eksperymenty — pewnie żaden nie idzie rewelacyjnie, ale to wygląda na przyszłość. Cokolwiek da się zrobić przy komputerze, AI też potrafi zrobić — więc czemu nie miałoby samo decydować o funkcjach, eksperymentować i dostosowywać produkt w czasie, tak jak robią ludzie?
Gdzie jeszcze i od czego zacząć: minimalna opłacalna pętla
Greg: Zrobiliśmy pętlę feedbacku produktowego — święty Graal — pętlę reklam i pętlę SEO. Podsumuj, Ellie: jakie jeszcze pętle możemy wykorzystać? Czy niebo jest granicą?
Ellie: Myślę, że tak. AI ma ograniczenia, ale wygląda na to, że każdą część biznesu można ustawić na pętlę. Ty jako założyciel budzisz się codziennie, dzwoni budzik, masz swój harmonogram — jesteś agentem rozpoczynającym swoją pętlę. Myślisz: jak dziś ulepszyć mój biznes? Z AI jest tak samo — jak wprowadzić je w ten sam tryb? Media społecznościowe, treści wideo, cold outreach, support — wszystko, co robisz, sprawdzasz co kilka godzin, poprawiasz i patrzysz na obiektywną metrykę. W social mediach: ile lajków, ile wyświetleń, ile konwersji zdobyłem? To wszystko można teoretycznie wpuścić do AI, żeby się poprawiało, iterowało i następnym razem robiło lepiej. Są rzeczy, których nie zrobi świetnie — byłbym sceptyczny, czy AI dojdzie do 100 tysięcy followersów na Twitterze — ale jest wiele obszarów, w których na pewno może mieć ogromny wpływ, a próbując, nic nie tracisz.
Greg: Ja nie dałbym mu pętli „znajdź 100 tysięcy followersów na X”. Chcesz zacząć od mniejszej pętli — minimalnej opłacalnej pętli, MVL. Najpierw po prostu twórz świetne posty i optymalizuj wokół nich. A weryfikowalnym wynikiem nie jest 100 tysięcy followersów, tylko np. 10 lajków.
(Informacja dodatkowa: „MVL” — minimum viable loop, przez analogię do MVP, czyli minimalnego opłacalnego produktu.)
Ellie: Zgadzam się w stu procentach. Celem nie powinno być 100 tysięcy followersów. Dla mnie byłyby to wyświetlenia posta — lajki, wyświetlenia, coś takiego. Każda wypuszczona treść: jak dobrze się sprawdza? Liczba followersów oczywiście z czasem urośnie, trudno przecież zejść w dół. Ale metryka, którą bym windował, to ile wyświetleń dostajemy średnio na tydzień. Sam tak robię: wypuściłem w tym tygodniu 10 tweetów, dziewięć wypadło słabo, jeden dobrze. Dlaczego akurat ten? Jak zrobić to lepiej następnym razem? Ty jesteś w tym świetny, masz dużo większy zasięg i pewnie robisz dokładnie to samo. Pytanie brzmi: czy da się skłonić AI, żeby samo prowadziło ten proces?
Greg: Ellie, dziękuję, że wpadłeś, że wyjaśniłeś pętle, otworzyłeś nam oczy i podzieliłeś się przykładami. Linki, gdzie śledzić Elliego w social mediach, wrzucę do opisu i notatek. Dzięki jeszcze raz i do zobaczenia następnym razem.
Ellie: Wspaniale się rozmawiało. Dziękuję.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Pętla to „zbuduj → zmierz → naucz się”, tylko rozciągnięta na miesiące
Na czym polega: Inżynieria pętli to nie nowy wynalazek, lecz stary cykl lean startupu (i lean manufacturingu Toyoty) oddany agentowi AI. Nowość polega na czasie działania: pętla nie kończy się po pół godzinie, tylko odpala się cyklicznie przez miesiące czy lata, za każdym razem robiąc jeden krok i ucząc się z wyniku.
Jak stosować: Zanim cokolwiek zautomatyzujesz, wypisz swój proces jako trzy kroki: co budujesz, jak mierzysz efekt, czego się z niego uczysz. Dopiero taki rozpisany cykl oddaj agentowi.
Na co uważać: Nie myl pętli długoterminowej (krok raz na miesiąc) z pętlą ciągłą (agent kręci się bez przerwy). Ta pierwsza jest tania i bezpieczna, druga potrafi spalić budżet i wpaść w bezsens.
2.Każda pętla potrzebuje obiektywnej metryki i warunku zatrzymania
Na czym polega: Sercem pętli jest twardy, mierzalny sygnał zwrotny (pozycja w Google, wynik ewaluacji, koszt konwersji) oraz jasny warunek stopu. Bez nich agent zapętla się w nieskończoność bez zbieżności do rezultatu.
Jak stosować: Zdefiniuj metrykę „czarno-białą”, jak pozycja w Google: albo awansowałeś, albo nie. Ustaw warunek stopu (np. „funkcja rejestracji działa w przeglądarce”, „ewaluacje ≥ 90%”).
Na co uważać: Metryki miękkie („lepszy tekst”) nie nadają się na cel pętli — agent nie ma jak zweryfikować sukcesu. Jeśli celu nie da się zmierzyć automatycznie, pętla nie zadziała.
3.Pętla SEO oparta na Google Search Console to najlepszy pierwszy projekt
Na czym polega: Agent podłączony do Google Search Console (i opcjonalnie Data for SEO) analizuje pozycje fraz, wprowadza poprawki i co miesiąc sprawdza, czy strona awansowała — dokładnie tak, jak robiłaby to agencja SEO.
Jak stosować: Zacznij od jednorazowego audytu AI (meta tagi, JSON-LD, mapa strony — szybkie wygrane), potem podłącz Search Console przez API/CLI na własnym komputerze i każ agentowi optymalizować konkretne, wartościowe frazy.
Na co uważać: SEO działa w skali miesięcy, nie dni. Nie oceniaj pętli po tygodniu i miej świadomość, że nowa domena z niskim domain rating może dawać słabsze efekty niż ugruntowana.
4.Każda zmiana musi być odwracalna — to obniża ryzyko eksperymentu
Na czym polega: Ponieważ pętla to seria eksperymentów, kluczowe jest, by móc cofnąć każdą zmianę, gdy metryka spadnie (np. z pozycji 20 na 30).
Jak stosować: Trzymaj zmiany w systemie kontroli wersji (repozytorium bloga/strony), żeby rollback był jednym ruchem. Każ agentowi zapisywać, co i kiedy zmienił.
Na co uważać: Bez wersjonowania i dziennika zmian nie odróżnisz, która modyfikacja pogorszyła wynik — i stracisz możliwość bezpiecznego cofnięcia.
5.Pamięć pętli w pliku markdown to warunek uczenia się
Na czym polega: Agent musi pamiętać między przebiegami, co już próbował i z jakim skutkiem — inaczej co miesiąc zaczyna od zera zamiast iterować.
Jak stosować: Poleć agentowi prowadzić plik (np. markdown) z historią hipotez, wprowadzonych zmian i ich efektów na metryce. Przy kolejnym przebiegu ma go najpierw przeczytać.
Na co uważać: Bez tej pamięci pętla powtarza te same nieudane eksperymenty. Zadbaj, by dziennik faktycznie łączył zmianę z jej wynikiem, a nie tylko listował działania.
6.Koszt pętli SEO jest niski — nie to jest wąskim gardłem
Na czym polega: Pojedynczy comiesięczny przebieg pętli SEO potrafi kosztować poniżej 5 dolarów w tokenach — grosze wobec kosztu agencji. Krytyka „na pętlach zarobią tylko dostawcy tokenów” dotyczy głównie ciągłych pętli inżynierskich, nie rzadkich pętli biznesowych.
Jak stosować: Jeśli jesteś na planie Max (100–200 dolarów), masz zapas tokenów wart wielokrotnie więcej — puść pętlę bez obaw o koszt. Na napiętym budżecie rozważ tańsze modele open source (np. klasy GLM) do prostszych zadań.
Na co uważać: Ta ekonomia dotyczy pętli rzadkich (raz na miesiąc). Pętle działające bez przerwy albo generujące wideo/grafiki potrafią kosztować wielokrotnie więcej — tam warto wpiąć limity oparte na wartości kliknięcia/klienta.
7.Człowiek w pętli jako lekki nadzorca, nie operator
Na czym polega: Zamiast oddawać wszystko agentowi, ustaw powiadomienie (np. ping na Slacku) po każdym przebiegu, byś mógł szybko zatwierdzić lub odrzucić zmiany.
Jak stosować: Dodaj do promptu polecenie „powiadom mnie po zakończeniu przebiegu i czekaj na akceptację”. Comiesięczny przegląd propozycji zajmuje minuty, a daje kontrolę.
Na co uważać: Pełna autonomia na realnym, produkcyjnym biznesie jest ryzykowna — sam Ellie zaznacza, że pętlę „samobudującego się biznesu” odradza na prawdziwej firmie. Zachowaj bramkę akceptacji przy zmianach o realnym wpływie.
8.Reklamy rób w modelu hybrydowym: człowiek tworzy, AI optymalizuje
Na czym polega: AI słabo generuje pełne kreacje wideo/graficzne, ale świetnie podmienia kopię, testuje warianty i ucina przegranych. Najlepszy efekt daje surowiec od człowieka plus optymalizacja AI.
Jak stosować: Nagrywaj proste materiały (np. 30 sekund do kamery), wrzucaj do folderu i pozwól AI je montować oraz testować warianty kopii, hooków i grup odbiorców. Ucinaj przegranych, dokładaj do zwycięzców.
Na co uważać: Reklamy to gra na wolumen — każdemu wariantowi daj dość budżetu, by dało się rozstrzygnąć, czy działa. Nie licz, że w pełni generowane przez AI kreacje pobiją dobre materiały ludzkie.
9.Rozdziel pętlę bugów od pętli produktu — różne metryki
Na czym polega: „Święty Graal”, czyli pętla feedbacku produktowego (czyta opinie, PostHog, Sentry, prototypuje i mierzy efekt), lepiej działa rozbita na dwie: pętlę bugów z metryką uptime i pętlę funkcji z metrykami rdzenia (retencja, DAU/MAU, wiralność).
Jak stosować: Zbuduj osobny agent pilnujący stabilności (cel: uptime, naprawa błędów) i osobny szukający wzrostu (cel: wybrana metryka produktowa). Możesz pozwolić agentowi dobierać KPI per funkcja, ale z twoim zatwierdzeniem.
Na co uważać: Jedna metryka nie opisze zdrowia produktu — mieszanie bugów i wzrostu w jednej pętli rozmywa priorytety. To najbardziej eksperymentalna z pętli; traktuj ją jako poligon, nie fundament realnego biznesu.
10.Zacznij od minimalnej opłacalnej pętli (MVL), nie od ambitnego KPI
Na czym polega: Odpowiednikiem MVP jest „minimum viable loop” — mała pętla z realistycznym, weryfikowalnym celem. Zamiast „zdobądź 100 tys. followersów” celuj w „10 lajków” albo „średnia liczba wyświetleń na post w tygodniu”.
Jak stosować: Wybierz jeden wąski proces (np. jakość pojedynczych postów) i jedną łatwo mierzalną metrykę na najbliższym kroku. Rozszerzaj pętlę dopiero, gdy ta zacznie działać.
Na co uważać: Nadmiernie ambitne, odległe cele (followersi, wiralność) są poza zasięgiem dzisiejszego AI i uniemożliwiają weryfikację kroków. Metryki „nieodwracalne” (jak liczba followersów) słabo nadają się na cel — wybieraj takie, które realnie rosną i spadają z tygodnia na tydzień.