O czym jest ten film
- Nowe wyzwanie na 2026 rok: nie każ AI wybrać promptu ani narzędzia — każ mu wybrać problem.
- Autor dał Codeksowi i Fable wolną rękę: przejrzyjcie moje pliki i Slacki, zdefiniujcie problem, zaproponujcie rozwiązanie i zbudujcie automatyzację.
- Oba agenty wskazały różne punkty bólu — i to jest sedno eksperymentu.
- Codex: świetny „harness”, jeden przebieg, zero błędów, ale wybrał bezpieczny, wąski, „nudny” problem.
- Fable: uciążliwy w obsłudze (dużo okien uprawnień), ale trafił w problem strategicznie ważniejszy i dający dźwignię.
- Fable rozpoznało, że najtrudniejsze w pracy autora jest wybór właściwej historii do opowiedzenia, i zabrało się za „pre-pipelining” pomysłów.
- Słabość Fable: zdefiniowało ten cenny problem zbyt wąsko; słabość Codeksu: sam z siebie nigdy nie sięga po ambitny problem.
- Praktyczny wniosek: uruchamiaj te same zadanie równolegle w Fable i Codeksie, żeby uzyskać różnorodność perspektyw.
- Autor zamienia cały proces w reużywalną „skill” — z zabezpieczeniami (ściany wokół prywatnych danych) i przypomnieniem dla AI, by „myślało szeroko” i budowało kompletnie.
- Rozwiązanie problemu „open claw” — masz agenta, ale nie wiesz, co z nim zrobić — polega na tym, że sam agent audytuje twoje zachowanie i wskazuje, co zautomatyzować.
Redakcyjne tłumaczenie
Nowe wyzwanie: każ AI wybrać problem
Nie mogę się doczekać, żeby pokazać wam ten materiał, bo to jest to starcie Fable kontra Codex 5.6, na które czekałem. Co zrobiłem? Poprosiłem AI, żeby zautomatyzowało coś, czego mu nie wskazałem. Innymi słowy: częścią wyzwania w 2026 roku jest to, żeby poprosić swoje AI o wybór problemu. Nie prosisz go tylko o dobór promptu. Nie prosisz go tylko o dobór narzędzia. Prosisz je, żeby wybrało problem.
Powiedziałem więc: „Codex, Fable — wolna ręka. Możecie przejrzeć wszystkie moje lokalne pliki. Możecie zajrzeć do wszystkich moich Slacków. Do wszystkiego, co opisuje mój proces biznesowy. A kiedy to zrobicie, jesteście zobowiązani wrócić do mnie z definicją problemu. I jesteście zobowiązani wrócić z rozwiązaniem oraz automatyzacją”.
Kiedy nad tym pracowałem i przeprowadzałem to starcie, zdałem sobie sprawę, że mogę zamienić to w reużywalną „skill” (Informacja dodatkowa: „skill” w ekosystemie agentów AI to gotowy, przenośny zestaw instrukcji, który można wielokrotnie uruchamiać i wymieniać między użytkownikami). I właśnie to dla was dziś składam. Świetnie się to robi i świetnie używa. Bo większość z nas ma inne werbalne rozumienie problemów w swoim biznesie, niż pokazuje nasze zachowanie — szczególnie jeśli pracujesz w zespole. Niezależnie od tego, czy jesteś liderem, czy indywidualnym wykonawcą, możesz nie zdawać sobie sprawy z całego bałaganu, który dzieje się wokół ciebie. To twój największy punkt bólu. I wiecie, co jest fascynujące? Codex i Fable wskazały różne punkty bólu.
Codex — plusy: znakomity harness
Zacznijmy od Codeksu, od plusów. Uwielbiam harness Codeksu (Informacja dodatkowa: „harness” to warstwa uruchomieniowa agenta — sposób, w jaki narzędzie przyjmuje zadanie, wykonuje je i zarządza wynikami). Mówiłem to już wcześniej, ale teraz mam okazję wyjaśnić dlaczego. Kiedy daję Codeksowi zadanie — a daję je Codeksowi Ultra — on po prostu idzie i to robi. Codex Ultra to specjalne ustawienie, które trzeba wyłowić z interfejsu; musisz je ręcznie wybrać, a system ostrzega, że spali dużo tokenów.
Ciekawostka: ChatGPT for Work i Codex razem zyskują ostatnio około miliona użytkowników dziennie. To ogromne skalowanie. Łącznie z ChatGPT for Work i Codeksem więcej ludzi korzysta z tego zestawu produktów niż z Claude Code. Zdobywa to ogromną popularność i rozumiem dlaczego.
Codeksowi mogłem postawić takie wyzwanie: po pierwsze — odkryj mojego Slacka, wszystkie miejsca, w których pracuję. Po drugie — napisz potem skrypt automatyzujący. Po trzecie — opowiedz historię, dlaczego to się stało i dlaczego wybrałeś to, co wybrałeś. Jest tu wiele zadań naraz, a ja nie dałem mu problemu. Musiał go wybrać sam.
Fable — uciążliwe, ale strategiczne
Fable było kompletnym utrapieniem w obsłudze. Muszę być szczery — po to tu przychodzicie, nie owijam w bawełnę. Fable było prawdziwym utrapieniem: wiele okien z prośbą o uprawnienia. Ale przeczekałem to, bo naprawdę chciałem zobaczyć, co Fable wymyśli. I na koniec, gdy już przemełło problem, wróciło z znacznie, znacznie lepszym problemem. Znalazło o wiele ciekawszy problem.
Bo Fable zrozumiało strategicznie — i tu właśnie czuć ten „zapach dużego modelu”, nie umiem tego inaczej ująć — że jedną z najtrudniejszych rzeczy w biznesie opowiadania historii jest znalezienie właściwej historii do opowiedzenia. Znalezienie tego, o czym warto mówić w świecie nieskończonej liczby historii generowanych przez AI. Ludzie ciągle mnie pytają: „Nate, jak ty to wybierasz?”. I szczerze — to dużo bólu, potu, krwi i łez, myślenia o tym, co chcecie usłyszeć, co ma sens, czasem pytania was wprost, a często po prostu muszę zdać się na instynkt. To było bardzo instynktowne.
Fable wskoczyło dokładnie w to i powiedziało: „Założę się, że mogę zbudować coś, co pomoże w pre-pipeliningu”. Czyli w takim dopracowywaniu pomysłów, żeby łatwiej było je wybrać. I w tym jest dźwignia. To nie jest sucha koncepcja „przekazania pałeczki”. Ten pomysł ma nogi.
Twist: świetny problem, za wąska definicja
I tu przychodzi zwrot akcji — Fable wróciło ze zbyt wąską definicją problemu. Bo widzicie: Codex przeprowadził audyt mojego medialnego Slacka i tego, jak opowiadam historie. I wpadł na najnudniejszą możliwą interpretację problemu. Może i realną — to może być prawdziwy problem — ale w typowo „codeksowym” smaku. To jest mój minus Codeksu i widać go w rodzaju problemów, które wybiera, gdy ma otwartą przestrzeń do działania.
Mógł wybrać dowolny problem, dosłownie powiedziałem: „Dowolny rozmiar, masz całkowicie wolną rękę”. A wybrał: „Hej, może usprawnimy pakiet przekazania materiałów, żeby Nate szybciej wchodził w pisanie scenariusza?”. Żeby cały research był gotowy i Nate mógł ustalić, jaką historię chce opowiedzieć. Ale to nie jest najbardziej bolesny problem w tej chwili. To nie jest najtrudniejszy problem w biznesie teraz. To problem, który Codex znalazł, bo był wypowiedziany i bo Codex mógł go objąć ramionami.
I to jest ogromna wskazówka, jeśli jesteś użytkownikiem Codeksu. Kiedy dajesz Codeksowi wolną rękę i mówisz: „Wybierz dowolny problem” — Codex będzie się sam ograniczał. Nawet w trybie ultra, mając mnóstwo tokenów do spalenia — a spalam z Codeksem po kilka miliardów tokenów dziennie — nadal wybiera problemy ograniczone. Owszem, doprowadza je do końca. Zrobił wszystko do końca. Jeden przebieg, zero błędów. Ale to nie wystarcza. Potrzebuję lepszego węchu na problem.
Przy tym wszystkim Fable jest niesamowitym myślicielem strategicznym. Świetnie zrozumiało intencję stojącą za promptem i odkryło problem, o który warto powalczyć. Uwielbiam to. Narzędzie, które zbudował Codex, jest w porządku — pewnie go użyję. Narzędzie Fable jest teraz niezbędne. Muszę je mieć. Nie mogę bez niego funkcjonować. I to jest poprzeczka, którą chcę ustawić. Nie interesują mnie agenty AI budujące narzędzia, które są „w porządku”. Bo zbyt wielu z nas dostało agenta (Informacja dodatkowa: autor mówi o problemie „open claw” — masz otwartego, gotowego agenta AI, ale nie wiesz, co z nim zrobić) i nic z tym nie zrobiło.
Rozwiązanie „open claw” i budowa skilla
Ten materiał jest dla ludzi, którzy nie zdają sobie sprawy, że problem „open claw” — „co ja mam zrobić z tym agentem?” — jest rozwiązywalny przez samo AI. Nie musisz wiedzieć, co trzeba zrobić, żeby wyciągnąć wartość z agentów. Możesz po prostu powiedzieć agentowi: „Popatrz na moje zachowanie, wybierz okazję do automatyzacji i działamy”.
I to prowadzi mnie do budowy. Uświadomiłem sobie, że owszem, dla mnie to wystarczy, ale wy zasługujecie na rozwiązanie automatyzacyjne, które jest jak magiczny łatwy przycisk. Okazuje się, że tym, czego potrzeba, jest skill, który wstawia zabezpieczenia — pozwala postawić ściany. Miałem prywatnego Slacka, którego nie chciałem udostępniać moim AI, więc postawiłem tam ścianę: „Tego nie ruszaj w toku tego researchu”.
To pozwala agentowi rozszerzyć rozumienie problemu, wejść w pierwszy, drugi, trzeci poziom przyczynowości, zrozumieć, gdzie w przestrzeni problemu jest dźwignia, wybrać strategicznie, a potem — po dojściu do prawdziwych przyczyn tego, co dzieje się w twoim biznesie, projekcie czy życiu osobistym — wrócić z rekomendacją automatyzacji (to bardzo „2025”). A co jest „2026”? Wrócić z gotowym narzędziem, które sam zbudował, żeby to naprawić.
Dołączyłem — bo nauczyłem się tego w procesie z Codeksem — specjalną sekcję w tym skrypcie, która przypomina AI, żeby nie myślało wąsko, i że gdy myśli szeroko, musi budować kompletnie. Jeśli ma zbudować dla ciebie rozwiązanie, musi je doprowadzić do końca i pomyśleć o bezpieczeństwie. Musi pomyśleć o uwierzytelnianiu, jeśli to potrzebne. Musi pomyśleć, jak wyciągniesz z tego wartość biznesową.
Nie wiem, co wy z tym zbudujecie — i to jest cała magia. Ponieważ AI jest niedeterministyczne, mogę uruchomić „automagiczny” skill, który audytuje twój unikalny odcisk palca. Nigdy tego nie widzę. Dane nigdy nie trafiają do mnie — wszystko dzieje się w twojej instancji AI. I na podstawie skilla zbuduje dla ciebie rozwiązanie automatyzujące dopasowane do najbardziej palących problemów w twoim biznesie, życiu osobistym czy pobocznym projekcie. Możesz je nakierować: pisząc prompt, powiedz „to dotyczy tego side projektu”, „to dotyczy tego obszaru biznesu” albo „to moje życie prywatne i o to mi chodzi”. Nazywam to automagicznym przyciskiem do automatyzacji.
Uruchamiaj równolegle: różnorodność perspektyw
Ponieważ wszedłem w przestrzeń problemu, ponieważ zobaczyłem, z czym mocuje się każdy z agentów, mam teraz opcję: pobiec na całość i wyciągnąć pełne rozwiązanie mojej koncepcji „pre-pipeline”, którą wymyśliło Fable — ale z Codeksu, który jest tańszy. Innymi słowy: jeśli uruchomisz to jednocześnie w Fable i w Codeksie, dostaniesz różne odpowiedzi, różne myślenie, różnorodność perspektyw. Będziesz mógł wrócić i powiedzieć: „To jest zwycięzca i tak chcę to wdrożyć”. A tańszy silnik pomoże ci to dobrze wdrożyć, bo jest znacznie tańszy w uruchomieniu niż samo Fable.
Świetnie się to uruchamiało, nie będę kłamał. Chcę, żeby ludzie zrozumieli: robienie takich rzeczy z AI jest przyjemne. Fajnie jest uświadomić sobie, że nie muszę już sam dźwigać ciężaru odnajdywania wszystkich problemów. Mogę poprosić AI o pomoc. Mogę się nie zgodzić, mogę się zgodzić, mogę dostroić i ukształtować perspektywę, a potem zbudować narzędzie — i to wszystko może się wydarzyć w jednym promptcie. Jednym promptcie, który mówi: „Użyj tego skilla i idź po to”.
Wydaję to jako skill, bo skille łatwo się wymienia, rozumie, uczy się z nich i rozwija w czasie. Chcę, żeby to był framework, który szybko rozwiniecie. Jeśli was to zainspirowało — powiedzcie mi, co automatyzujecie. Powiedzcie, co kazaliście przynieść swojemu Codeksowi, a co swojemu Claude’owi. Jeśli zrobiliście split test — który wolicie?
Bo szczerze: gdy wypiekłem to wszystko do końca, jestem rozdarty. Uwielbiam strategiczną perspektywę Fable — gdyby przyłożono mi pistolet do głowy i kazano wybrać, wybrałbym Fable, bo ta strategiczna perspektywa daje mi dźwignię, którą potem przerobię w Codeksie. Ale harness Codeksu jest tak wygodny, że jako codzienny „daily driver” spalam tam znacznie więcej tokenów — jest szybki, niezawodny, nie serwuje irytujących pop-upów i do większości pracy, jeśli nie chodzi o rozpoznawanie problemu, po prostu mogę ruszać. Co wy o tym sądzicie? Napiszcie w komentarzach. Pozdrawiam.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Każ agentowi wybrać problem, nie tylko rozwiązanie
Na czym polega: Zamiast dawać AI gotowe zadanie, daj mu dostęp do swoich danych roboczych i zobowiąż go, by sam zdefiniował problem, zaproponował rozwiązanie i je zbudował.
Jak stosować: Sformułuj prompt trójdzielnie — „przejrzyj X, zdefiniuj najważniejszy problem, zbuduj automatyzację i uzasadnij wybór”. Świadomie zostaw przestrzeń problemu otwartą.
Na co uważać: To ujawnia rozbieżność między tym, co mówisz o swoich problemach, a tym, co pokazuje twoje zachowanie — bądź gotów na niewygodne wnioski i nie odrzucaj ich z automatu.
2.Uruchamiaj to samo zadanie równolegle w dwóch agentach
Na czym polega: Codex i Fable, dostając identyczne polecenie, wskazały różne problemy. Różnorodność modeli daje różnorodność perspektyw.
Jak stosować: Puść to samo otwarte zadanie jednocześnie przez dwa różne silniki, porównaj definicje problemu, wybierz zwycięzcę, a wdrożenie zleć tańszemu z nich.
Na co uważać: To kosztuje podwójnie w tokenach i czasie; opłaca się przy zadaniach „rozpoznawania problemu”, a nie przy rutynowej robocie wykonawczej.
3.Codex trzyma się bezpiecznych, wąskich problemów
Na czym polega: Nawet w trybie ultra i przy ogromnym budżecie tokenów Codex wybiera problemy ograniczone i „wypowiedziane” — takie, które potrafi domknąć.
Jak stosować: Używaj Codeksu tam, gdzie problem jest już zdefiniowany i chodzi o solidne, bezawaryjne wykonanie. To niezawodny „daily driver”.
Na co uważać: Nie licz, że sam z siebie wskaże ci najbardziej palący, strategiczny problem — jego wybór będzie zachowawczy, nawet gdy dasz mu pełną wolność.
4.Fable ma „węch na strategię”, ale bywa zbyt wąskie w definicji
Na czym polega: Fable rozpoznało, który problem daje realną dźwignię, ale jego finalna definicja problemu okazała się za wąska.
Jak stosować: Sięgaj po Fable, gdy potrzebujesz odkryć, co naprawdę jest warte zachodu. Traktuj jego wskazanie jako strategiczny kierunek, nie gotową specyfikację.
Na co uważać: Zweryfikuj i rozszerz zaproponowaną definicję sam — dobra intuicja co do problemu nie oznacza jeszcze pełnego zakresu rozwiązania.
5.Wygoda harnessa realnie steruje tym, czego używasz na co dzień
Na czym polega: Autor spala więcej tokenów w Codeksie mimo słabszego wyboru problemu — bo jest szybki, niezawodny i nie zasypuje pop-upami.
Jak stosować: Przy wyborze narzędzia codziennego wliczaj tarcie obsługi (uprawnienia, szybkość, stabilność), a nie tylko jakość modelu.
Na co uważać: Wygoda potrafi przesłonić jakość myślenia — świadomie przełączaj się na „lepszy strategicznie” model, gdy stawką jest wybór problemu, a nie tempo pracy.
6.Problem „open claw” jest rozwiązywalny przez samo AI
Na czym polega: Masz agenta, ale nie wiesz, co z nim zrobić. Rozwiązaniem jest kazać mu przeanalizować twoje zachowanie i samemu wskazać okazję do automatyzacji.
Jak stosować: Jeśli utknąłeś z „co ja mam z tym zrobić”, odwróć pytanie — niech agent zaudytuje twoje pliki i komunikację i zaproponuje pierwszy cel.
Na co uważać: Wynik zależy od jakości danych, które udostępnisz; agent zobaczy tylko to, do czego go dopuścisz.
7.Stawiaj „ściany” wokół danych, których agent nie ma dotykać
Na czym polega: Autor wprost zablokował prywatnego Slacka przed audytem, mimo że dał agentowi szeroki dostęp.
Jak stosować: Zanim uruchomisz szeroki audyt zachowania, zdefiniuj explicite obszary wykluczone (kanały prywatne, wrażliwe repozytoria, dane osobowe).
Na co uważać: Domyślnie „wolna ręka” oznacza dostęp do wszystkiego — brak wyraźnego zakazu to zgoda; ściany trzeba postawić przed startem, nie po fakcie.
8.Wymuszaj „myślenie szeroko” i budowę kompletną w instrukcji
Na czym polega: Autor dodał do skilla sekcję przypominającą AI, by nie myślało małostkowo, a budując rozwiązanie, doprowadzało je do końca — z bezpieczeństwem, uwierzytelnianiem i wartością biznesową.
Jak stosować: Wpisz do promptu/skilla jawne wymagania: „nie zawężaj problemu”, „zbuduj kompletnie”, „uwzględnij bezpieczeństwo i sposób uwierzytelniania”.
Na co uważać: Bez takiego przypomnienia model (zwłaszcza zachowawczy) domyślnie pójdzie w minimalny, bezpieczny zakres i odda połowiczne rozwiązanie.
9.Standardem 2026 jest gotowe narzędzie, nie sama rekomendacja
Na czym polega: W 2025 agent zwracał rekomendację automatyzacji; w 2026 oczekuj, że wróci z działającym narzędziem, które sam zbudował.
Jak stosować: Podnieś poprzeczkę w swoich zleceniach — żądaj gotowego, uruchamialnego rozwiązania, nie tylko planu czy opisu.
Na co uważać: „Działa” to nie to samo co „niezbędne” — oceniaj, czy narzędzie realnie rozwiązuje palący problem, a nie tylko domyka zadanie technicznie.
10.Pakuj powtarzalny proces w reużywalny skill
Na czym polega: Zamiast jednorazowego eksperymentu autor zamienił cały workflow w skill — łatwy do wymiany, nauki i ewolucji.
Jak stosować: Gdy jakiś sposób pracy z AI się sprawdza, zapisz go jako skill/framework z zabezpieczeniami, żeby uruchamiać go jednym promptem i rozwijać w czasie.
Na co uważać: Skill dziedziczy skłonności modelu (np. zawężanie problemu), więc wbuduj w niego korekty tych słabości, zamiast liczyć, że sam model je nadrobi.