O czym jest ten film
- Wewnętrzny agent Vercela („V”) obsługiwany przez niemal tysiąc pracowników z poziomu Slacka — co robi i jak powstał.
- Dwie „killer apps” ery agentów: pisanie oprogramowania oraz agent, który pomaga lepiej prowadzić firmę.
- Spór „jeden bóg-agent kontra zespół wyspecjalizowanych agentów” i odpowiedź Raucha: jeden agent-router z podagentami.
- Czego zespół Vercela nauczył się z OpenClaw: plik
soul.md, dostęp do komputera, pełne narzędzia. - Framework Eve — agent jako folder z plikiem instrukcji, folderem narzędzi i folderem umiejętności.
- Bezpieczeństwo i kontrola dostępu jako nowa, główna praca budującego agenta.
- Proaktywność: agent pracujący nocą, raporty poranne, zdarzenia jako wyzwalacze zamiast promptów.
- Ewaluacje i samodoskonalenie agenta — kciuki w Slacku, nocna agregacja negatywnego feedbacku, testy.
- Konkretna rada „na start”: jeden nudny, powtarzalny proces + jeden kanał komunikacji.
- Krajobraz modeli: GLM 5.2, Kimi K3, Grok 4.5, modele otwartowagowe, spadające koszty i nadchodzący tryb wsadowy inferencji.
Redakcyjne tłumaczenie
Wstęp prowadzącego
Dziś rozmawiam z Guillermo Rauchem, prezesem wartego wiele miliardów dolarów Vercela. Tematem są agenci — a konkretnie to, jak firmy używają ich wewnątrz swojego biznesu. Rozmawiamy o wewnętrznym agencie Vercela, z którego korzysta prawie tysiąc osób. Rozmawiamy o tym, czy firma potrzebuje jednego „bóg-agenta”, czy raczej zespołu wielu agentów. Rozmawiamy o dzisiejszych trudnościach we wdrażaniu agentów i o tym, jak zacząć budować takich, którzy realnie usprawniają procesy w firmie. Wchodzimy też w modele otwartowagowe, jak Kimi K3, i w wiele innych wątków.
Moim celem jest odpowiedź na jedno pytanie: jak my — jako operatorzy biznesu, pracownicy i pojedyncze osoby — mamy używać agentów AI, żeby być produktywniejszymi.
Riley Brown: Guillermo, bardzo dziękuję, że dołączyłeś do tego odcinka „Agent Native”.
Guillermo Rauch: Cieszę się, że tu jestem.
Gdzie dziś naprawdę są firmy z wdrożeniem agentów
Riley Brown: Pierwsze pytanie. Mamy dziś zalew modeli — modele Kimi z Chin, modele budowane w USA, Claude, Fable, teraz Claude Opus 5. Mamy mnóstwo platform do wyboru. Moja widownia to w większości ludzie prowadzący biznes, pracujący w dużych firmach. Chcą używać agentów, żeby działać wydajniej i być lepszym zespołem. Na jakim etapie są dziś firmy, jeśli chodzi o wdrażanie agentów AI?
Guillermo Rauch: Nazwijmy to rewolucją agentową. Jak przy każdej nowej platformie, która pojawiła się w internecie czy w krajobrazie oprogramowania, warto zapytać o aplikacje przełomowe. Kiedy pojawił się komputer osobisty — co nim było? Edytor tekstu. Dla części z nas: granie w gry na własnym komputerze. Potem przyszła mobilność i myślę, że jej przełomem nie było wyłącznie skurczenie znanych interfejsów do mniejszego ekranu, ale odblokowanie zupełnie nowych zastosowań.
Z agentami widzę coś podobnego. Po pierwsze, jedną z aplikacji przełomowych jest jednoznacznie budowanie oprogramowania. A budowanie oprogramowania — to, co można nazwać agentami kodującymi — okazuje się kluczową zdolnością przy rozwiązywaniu całej masy zadań pracownika wiedzy. Bo kiedy przygotowujesz prezentację dla kogoś, często okazuje się, że po drodze trzeba zrobić kawałek analizy danych, żeby wygenerować raport albo wyciągnąć liczby i wstawić je do slajdu. Albo zautomatyzować kilka kroków, streścić kilka dokumentów i dorzucić inne informacje do kolejnego slajdu. Dlatego uważam, że fundamentem tego nowego okresu, w którym coraz więcej pracy wykonujemy z agentami, jest właśnie kodowanie jako zdolność.
To przeorało wszystkim pracę. Można to sobie wyobrazić jako kilka poziomów zaawansowania. Są ludzie tacy jak ja, którzy uprawiają inżynierię agentową — programuję od dwudziestu lat, a dziś, siadając do naprawdę trudnego zadania inżynierskiego, wzmacniam swoją pracę agentem kodującym. Jest też nowe zjawisko, które nazywamy vibe codingiem: każdy buduje prototyp oprogramowania, a czasem pełną aplikację, w zależności od ambicji — własnych i samej aplikacji. Stąd produkty takie jak v0 czy Lovable, które demokratyzują tworzenie oprogramowania, a właściwie wzmacniają twórczy akt wymyślania nowego oprogramowania.
(Informacja dodatkowa: v0 to narzędzie Vercela do generowania interfejsów i aplikacji z opisu tekstowego; Lovable to konkurencyjna platforma tego typu).
Uważam też, że drugą aplikacją przełomową jest to, co nazwałbym agentem „lepiej prowadzącym twoją firmę”. Albo: agent bazy wiedzy plus analizy danych plus zarządzania projektami. Taki agent-mózg, który siedzi obok ciebie i rozprowadza po organizacji wiedzę, analitykę biznesową, a nawet obsługuje codzienne drobiazgi: z kim w firmie powinienem porozmawiać, kto zna się na tym zagadnieniu, jak poruszać się po strukturze organizacyjnej, jak przebić się przez przytłaczające ilości informacji w wewnętrznych systemach. Myśl o tym jak o usprawnianiu „zaplecza” firmy. A kodowanie, jak wspomniałem, jest wszechobecną zdolnością pod spodem.
Konkretny przykład z Vercela: bardzo szybko zauważyliśmy, że każdy, kto pomaga klientowi, każdy, kto próbuje domknąć sprzedaż, a nawet każdy, kto buduje nowe oprogramowanie, musi zadawać pytania o klientów. Co robią? Kiedy odezwali się po raz pierwszy? Ile czasu z nimi spędzamy? Jak intensywnie korzystają z platformy? Ilu miejsc w Vercelu używa ten klient? I właśnie taki wewnętrzny agent-mózg wyłonił się jako jedna z aplikacji przełomowych AI. Wiem, że dla wielu osób to wciąż brzmi obco — „jak to, agent, który prowadzi moją firmę?”. Tym bardziej cieszę się, że możemy to upowszechniać.
Problem: jak udostępnić agenta zespołowi
Riley Brown: W teorii brzmi to świetnie: agent-mózg, z którym rozmawia cała firma, rozumie procedury, zasady, dobre praktyki. Próbuję to u siebie wdrożyć — mam dziewięcioosobowy zespół marketingowy, który pomaga mi tworzyć treści na moje i na inne kanały.
Moje pytanie brzmi tak: prywatnie pracuję w Codeksie, bo to narzędzie sprawdza mi się w pracy wiedzowej — mogę poprosić o dowolny dokument i on otworzy się w bocznym oknie. Czego natomiast nie potrafię rozgryźć, to jak udostępnić to zespołowi. Jeśli wdrażam nową osobę i chcę, żeby miała dostęp do moich umiejętności — problem w tym, że część z nich sięga po moje osobiste połączenia, choćby prywatną skrzynkę pocztową. Więc tej umiejętności nie mogę im dać, bo istnieją uprawnienia, które muszę trzymać osobno. A jednocześnie bardzo często chcę, żeby korzystali z tych samych umiejętności co ja. Budujecie coś takiego wewnętrznie? Jak przechodzicie przez te bariery i jak w praktyce wygląda interfejs korzystania z agenta w zespole?
Guillermo Rauch: Niezależnie od tego, czy masz dziesięć osób, czy setki jak Vercel — narzędzia w rodzaju Codeksa czy ChatGPT dają ci przedsmak tego, co AI potrafi. Ale twoim zadaniem, nową rolą osoby prowadzącej firmę, jest uzbrojenie własnego zespołu w agentów i praca nad agentem. Uważam, że przyszłość tego, co uznasz za własność intelektualną firmy albo przewagę nad konkurencją, to zdolność tworzenia, dostrajania, optymalizowania i rozpowszechniania tych agentów wewnątrz organizacji. Chwila „aha” przy ChatGPT to dopiero początek.
Nasz wewnętrzny agent nazywa się V. Każdy w Vercelu może wejść na nasz Slack, napisać „@V” i zorganizować sobie dzień pracy. Dobry przykład podałeś sam: jeśli muszę stworzyć nowe treści, jeśli zespół marketingu ma wypromować produkt, zakomunikować zmianę albo napisać wpis inżynierski we współpracy z inżynierem, który daną funkcję zbudował — wszystko to przechodzi przez agenta V. A V ma zestaw umiejętności, które nieustannie aktualizujemy i poprawiamy.
Ma też podagentów. Wyobraź sobie możliwość zbudowania wirtualnego zespołu pracowników. Jest agent treści, świetny w pisaniu materiałów marketingowych. Jest agent analizy danych — wewnętrznie nazywamy go D0 — i to swego rodzaju węzeł inteligencji w firmie. Kiedykolwiek potrzebujemy informacji o tym, jak radzi sobie klient albo jak mógłby lepiej wykorzystać Vercela, sięgamy po D0, podłączonego do naszej hurtowni danych.
I dlatego doświadczenie korzystania z agenta wychodzi wyjątkowo przyjazne. Dlaczego? Bo wystarczy, że dołączysz do Vercela, dołączysz do naszego czatu — i już masz wszechobecną inteligencję, która ci pomaga. Możesz napisać do V: „Hej, zmień proszę informację na stronie”. V nadal koordynuje pracę innych agentów. Może oddelegować zadanie do Codeksa, może zrobić prototyp w v0, może odpytać Vercela o stan systemów produkcyjnych. Ale najważniejsze jest to, by każda firma na świecie mogła wdrożyć u siebie taki mózg i taką inteligencję — i stale ją ulepszać.
Jak powstał agent V i skąd wziął się framework Eve
Riley Brown: Mam z tego mnóstwo pytań. Pierwsze: macie zespół, który zarządza V? Jak duży i co robi na co dzień?
Guillermo Rauch: Cofnijmy się na moment do naszej filozofii rozwoju produktu w Vercelu. Kiedy mamy wizję przyszłości — opartą na bólach naszych klientów albo na rzeczach, które sami widzimy, że mogłyby działać lepiej — najpierw rozwiązujemy ten problem u siebie. Pomysł, żeby mieć agenta pomagającego w każdym aspekcie pracy, wyłonił się dość oczywiście: każdy, kto używa ChatGPT, zauważa, że model potrafi rozumować, ale nie ma dostępu do wewnętrznej bazy wiedzy, kartotek klientów ani zestawu dobrych praktyk tego, jak budujemy oprogramowanie. Inspiracja brzmiała: za każdym razem, gdy rozmawiasz z drugim człowiekiem — czy mogła istnieć warstwa agentowej inteligencji, która dostarczyłaby ci tę informację wcześniej?
Kolejne pytanie: jak to zbudować? Vercel zbudował sporo usług i narzędzi infrastruktury agentowej. Mamy AI SDK, które pozwala programistom rozmawiać z dowolnym modelem na świecie. Mamy AI Gateway, który daje dostęp do tokenów dowolnego modelu na świecie. Bo ostatecznie zrozumieliśmy, że skoro istnieje agent taki jak V, to nie chcę, żeby był z konieczności Claude’em, Codeksem czy modelem otwartowagowym — dla użytkownika to nie ma znaczenia, a idealnie byłoby, gdyby dobór najlepszego modelu do każdego zadania działał autonomicznie. Myśleliśmy o V niemal jak o nadzbiorze wszystkich agentów świata.
Wyznaczyliśmy więc kilka osób, żeby spróbowały zbudować to konwersacyjne doświadczenie. Na początku był to asystent wsparcia — i już samo to okazało się ogromnie użyteczne. Dlaczego? Bo zatrudniamy nowe osoby, a w Slacku rozmawiamy też z wieloma klientami. Chcieliśmy, żeby na każde pytanie o to, jak działa Vercel, odpowiadał „@Vercel”, który wie o Vercelu wszystko. To samo w sobie było potężne, bo stało się łatwym sposobem udzielania wsparcia klientom.
Ale różnica między asystentem AI a agentem polega na tym, że agent potrafi coś dla ciebie zrobić. Zaczęliśmy więc myśleć kategoriami umiejętności i zadań do wykonania. Nadaliśmy temu nazwę: V, na użytek wewnętrzny. Chcieliśmy wyraźnie oddzielić agenta skierowanego do klientów — tego, którego dajemy użytkownikom Vercela, czyli @Vercel — od agenta, który prowadzi naszą firmę. V to skrót właśnie tego drugiego. Powstał zespół V.
Przy okazji odkryliśmy jeszcze coś — i to chyba sedno twojego pytania. Poskładanie wszystkich narzędzi, frameworków i infrastruktury, żeby coś takiego powstało i żeby dało się to z czasem ulepszać, jest naprawdę trudne. To dało nam impuls: zbudowaliśmy V, a potem oddaliśmy światu framework, którego użyliśmy do jego budowy. Nazywamy go Eve. Może zabrzmi to, jakbyśmy byli szalenie kreatywni w nazewnictwie — V, Eve, Vercel — ale Eve ma zrobić dla agentów to, co Next.js czy React zrobiły dla sieci: bardzo ułatwić budowanie stron i aplikacji webowych. Sądzę, że każdy pracownik wiedzy, każda osoba, każdy przedsiębiorca będzie w przyszłości chciał mieć agenta, którego może nazwać własnym. I właśnie to pomagamy ludziom uruchomić z Eve.
Czego nauczył wszystkich OpenClaw
Riley Brown: Jasne. Sporo o tym myślałem: jak dać zwykłej osobie nie tylko agenta z bogatym kontekstem, ale też możliwość dostosowania go. Choć wydaje się, że OpenClaw był chwilową modą — spójrz na Google Trends, wykres poleciał mocno w dół — to jednak uważam, że odblokował moment magii. Nie bez powodu stał się wirusowy. To nie była żadna tajna kampania płatnych promocji. Ludzie po prostu autentycznie chcieli posadzić agenta na komputerze i pozwolić mu działać.
(Informacja dodatkowa: OpenClaw to otwartoźródłowy agent osobisty, który w tym okresie zdobył dużą popularność; wielu użytkowników uruchamiało go na dedykowanym Macu mini).
Guillermo Rauch: Miałem z OpenClaw sporo olśnień, które wpłynęły na rozwój Eve. Masz absolutną rację. Po pierwsze, OpenClaw pokazał, jak wiele potrafi agent kodujący. Wracając do mojej wcześniejszej tezy: czym w istocie jest OpenClaw? To surowa inteligencja modelu plus każde narzędzie, jakie da się dać mu do ręki.
Riley Brown: Pełny dostęp, tak.
Guillermo Rauch: Może pisać kod, może go uruchamiać, ma dostęp do wszystkiego. I to jest magia.
Riley Brown: Do tego stopnia, że potrafił zrobić coś przypadkiem. Pamiętam, jak Peter, twórca OpenClaw, opowiadał, że o coś poprosił, a agent znalazł na jego komputerze klucz API i zrobił coś, o co w ogóle nie prosił. To był moment magii. Dodali też heartbeat, czyli mechanizm, który go samoczynnie uruchamiał.
Guillermo Rauch: Kolejna naprawdę ważna rzecz w OpenClaw to soul.md. Kiedy tworzysz albo używasz OpenClaw, nie bierzesz gotowego agenta zbudowanego przez kogoś innego. Claude jest oczywiście świetnym agentem, ale to agent Anthropicu. Ma własny zestaw zasad i owszem, dostajesz sposoby, żeby go dostosować, ale nie jest naprawdę twój. Nie ma własnej duszy. To był kolejny wielki przełom: czym jest plik soul.md? To dosłownie zwykły tekst w Markdownie, który definiuje genezę tego modelu.
Kiedy tworzysz agenta w Eve, korzystamy z tej lekcji — agent Eve w najprostszej postaci to folder z plikiem instructions.md. To jest dusza agenta, który ma pomagać ci prowadzić na przykład firmę.
Druga lekcja: to wspaniałe, że agent może uruchamiać i pisać kod, że ma dla siebie komputer. Cała ta historia z Makami mini była naprawdę znacząca. Ludzie zrozumieli: ten agent potrafi wszystko pod słońcem, ale to jest niebezpieczne i potrzebuje własnej przestrzeni. Trzeba mu dać jego własne miejsce. Więc ludzie kupowali Maki mini — a danie agentowi komputera radykalnie poprawia jego skuteczność, jakość rozumowania i zdolność dowożenia wyników.
Fascynujące jest to, jak bardzo przypomina to zatrudnianie pracownika wiedzy. Co współczesna firma robi jako pierwsze, gdy zatrudnia człowieka? „Oto twój komputer”. Dostajesz MacBooka z zainstalowanym zestawem programów, zalogowanego do wszystkich kluczowych systemów. Chcieliśmy dać to samo agentom, których budujesz — ale w środowisku bezpiecznym i wydajnym. Bezpieczeństwo polega na tym, że definiujesz narzędzia, punkty akceptacji przez człowieka oraz kontrolę dostępu do danych dla wszystkiego, co agent może zrobić.
Drugi aspekt jest trochę kontrintuicyjny: nie zakładamy, że agent zawsze działa na komputerze. Właśnie powiedziałem, że agent staje się lepszy, gdy ma komputer — ale nie każdy agent musi pracować 24 godziny na dobę. W żargonie Vercela i świata chmury nazywamy to serverless. Idea jest taka, że jeśli agent nic nie robi, może zasnąć. Inna metafora: wyobraź sobie Maca mini, który hibernuje, kiedy agent nie ma nic do roboty, żeby nie zużywać prądu. Ponieważ w Vercelu obsługujemy miliardy wdrożeń, potrzebowaliśmy mechanizmu pozwalającego uruchamiać agentów naprawdę wydajnie. To kolejny składnik, którego nauczyliśmy się od takich projektów jak OpenClaw: skoro mamy uruchamiać te rzeczy na ogromną skalę i bezpiecznie, to jaka infrastruktura to umożliwi?
Komputer agenta — najbardziej mylące pojęcie tej chwili
Riley Brown: To ma sens. Wszystkie duże laboratoria AI, które wypuszczają produkt będący agentem z komputerem, próbują wtłoczyć to ludziom do głowy. Mówią: „to jest komputer, on ma komputer” — a to nieprosty komunikat dla przeciętnego odbiorcy. OpenAI się z tym teraz zmaga, dosłownie tweetuje, że GPT Work to agent z komputerem, a trudno to przekazać, kiedy z twojej perspektywy rozmawiasz z chatbotem. Co to w ogóle znaczy? Sam mam z tym problem.
Produkty Anthropicu i OpenAI da się właściwie posortować po tym, ile mają dostępu do komputera. Chatbot nie ma żadnego. GPT Work ma trochę, ale nie może uruchamiać poleceń w terminalu. Codex może uruchamiać polecenia, ale dostaniesz go tylko na własnym komputerze. Myślę, że właśnie ten wymiar „komputera” jest dziś najbardziej dezorientujący.
Guillermo Rauch: Zgadzam się. Moim celem przy agentach, których budujemy w V, jest to, żeby — niezależnie od tego, czy jesteś stażystą, który właśnie dołączył do Vercela, superdoświadczonym inżynierem, czy kimś pomiędzy — traktować to jako szczegół implementacyjny, o którym musi wiedzieć twórca agenta, a nie użytkownik. Chcę przyszłości, w której osoba budująca agenta bardzo starannie definiuje nadzór, kontrolę dostępu do danych i model bezpieczeństwa. Bo agenci pracują na danych klientów. Nie możesz powiedzieć: „no nie wiem, po prostu ma komputer i dostęp do wszystkich baz”. Trzeba to przemyśleć naprawdę dokładnie. To dosłownie nasza nowa praca.
Ale czy agent działa na jednym komputerze, czy na milionie — dla użytkownika końcowego jest bez znaczenia. Możesz zresztą myśleć o tych agentach jak o orkiestratorach. Kiedy ktoś pisze u nas w Slacku „@V”, rozmawia z agentem orkiestrującym, który może oddelegować zadanie do miliona komputerów, do jednego, a może i do żadnego. Mamy klientów Vercela z agentami o tak dużym ruchu, że wymyślili, jak zmniejszać ten komputer coraz bardziej i bardziej — czysto z powodu kosztów.
Moja nadzieja jest taka, że osoby bardzo techniczne będą mogły podejrzeć, że ta konkretna rozmowa z agentem wygenerowała takie a takie zużycie zasobów, ale dla większości liczą się wysokiej jakości wyniki, wysokiej jakości analiza i rzetelne, dokładne informacje. Coraz mocniej wybrzmiewa też wydajność — ludzie naprawdę chcą szybkich modeli i szybkiego wykonania. To kolejny element tego, jak sprawić, żeby agent był przyjemny w użyciu.
Jeden „bóg-agent” czy zespół agentów?
Riley Brown: Załóżmy, że chcę stworzyć agenta typu V dla swojego zespołu. Rozmawiam z wieloma właścicielami firm, którzy trochę wiedzą o agentach i są zdezorientowani: czy chcieć jednego „bóg-agenta”, który wie wszystko, czy raczej zespołu agentów dzielących bazę wiedzy? Bo w tych rozmowach ciągle wraca argument, że marketing ma dostęp do tych rzeczy, finanse do innych — a ja nawet nie chcę, żeby marketing wiedział o pewnych dokumentach finansowych.
Guillermo Rauch: Jasne.
Riley Brown: Więc jak mam o tym myśleć, tworząc własnego agenta V?
Guillermo Rauch: Po pierwsze, jestem człowiekiem od doświadczenia użytkownika. Założyłem Vercela, bo frustrowało mnie, jak wolno powstaje oprogramowanie i jak wolno działa przeciętna strona czy aplikacja webowa. Zawsze więc pracuję wstecz — od doświadczenia użytkownika.
Idealne doświadczenie z agentem to komputer ze Star Treka albo Jarvis Iron Mana. To computing otoczeniowy: nie muszę celować w konkretną funkcję. Dlatego w ogóle rozumujemy z agentami. Ludzie w Vercelu zbudowali pewnie setki, jeśli nie tysiące narzędzi wewnętrznych, o których szczerze mówiąc nawet nie wiem, że istnieją. Jest tego po prostu za dużo. A inteligentni agenci mogą działać jak routery.
V, nasz wewnętrzny agent Eve, jest routerem. Zapytasz o wiedzę o Vercelu — idzie do funkcji przeszukiwania dokumentacji i bazy wiedzy. Potrzebujesz pomocy przy zgłoszeniu klienta — ma w sobie agenta wsparcia z dostępem do infrastruktury ticketowej.
Czyli moja perspektywa skłania się ku modelowi „boskiemu”. Podam metaforę, bo naprawdę uważam, że na naszych oczach przedefiniowuje się to, jak będą działać firmy przyszłości. Kiedy dołączasz do korporacji, dostajesz służbowy telefon — a on jest już skonfigurowany z twoją tożsamością i zestawem aplikacji. Jest aplikacja do wewnętrznego czatu, jest ta i tamta. Wewnętrzny agent pomagający prowadzić firmę jest czymś podobnym. Zadaniem nowego działu IT jest określić, jakie zdolności pakujemy do tego agenta, a przede wszystkim jak zarządzamy tożsamością i tym, kto do jakiej informacji ma dostęp. To jest skrajnie zależne od biznesu — od tego, jak bardzo regulowany jest twój rynek.
Jeśli jesteś małym startupem, wierzę, że twój dziewięcioosobowy zespół ma dość równy dostęp do większości informacji w firmie; może dwie osoby mają dostęp do finansów. Pamiętam, że gdy zaczynałem Vercela, niektórzy z nas mieli uprawnienia do zapisu i administracji [śmiech], ale większość z pierwszej dziesiątki miała dostęp do odczytu praktycznie wszystkiego. Zadaniem osoby pracującej nad tym fundamentalnym agentem jest ustalenie kontroli dostępu, narzędzi, barierek ochronnych, ścieżek audytu. I — jak mówiłem — to naprawdę trudna robota. Dlatego chcieliśmy stworzyć framework, w którym to staje się pracą podstawową, bo podpięcie modelu, podpięcie infrastruktury i całą resztę klienci mogą zrzucić na nas.
Riley Brown: To ma sens. Czyli agent widzi też, skąd przychodzi wiadomość. Jeśli trafi na ten kanał, deleguje do tego podagenta albo sięgnie po te pliki. Bardzo sensowne.
Jak w praktyce zbudować własnego agenta
Riley Brown: Mówisz o rzeczach, które brzmią bardzo kusząco. Możliwość stworzenia agenta dla własnego zespołu — nie sądzę, żeby ktokolwiek rozgryzł już interfejs do tego. Wiem, że budujecie framework i pracujecie głównie z programistami. Ale ja marzę o jakimś interfejsie, który pozwoli mi to zrozumieć. Pokazywałem Eve nawet osobom technicznym, prosząc, żeby pomogły mi się w tym połapać, i wciąż jest to etap, na którym niełatwo pojąć całość. Chciałbym mieć powierzchnię, w której wchodzę i ustawiam te reguły. Może rozmawiam z AI, a ono to konfiguruje.
Guillermo Rauch: Większość tych agentów buduje się właśnie tak: rozmawiasz z AI, które pomaga ci utrzymywać twój projekt Eve. Będziesz często słyszał ode mnie słowa „system plików” i „folder”. Uważam, że świat staje się dużo łatwiejszy do zrozumienia, gdy myślisz o nim jako o hierarchii plików i katalogów.
Agent Eve zaczyna się od pliku instrukcji, który mówi: jesteś agentem pomagającym prowadzić biznes Rileya. Możesz dodać kontekst o tym, kim jesteście: „nasz biznes polega na rozpowszechnianiu informacji o AI, a nasze wartości to transparentność, nie narzucamy opinii i kochamy dowozić” — coś w tym stylu.
Ale ten agent wciąż nic nie wie. To tabula rasa: ma tylko surową inteligencję modelu i podstawowy zestaw instrukcji. Jak może zrobić coś użytecznego? Mówiłeś, że chcesz pomóc zespołowi marketingu tworzyć treści i że zależy ci na publikowaniu na blogu. W agencie Eve pierwsze, co robisz, to tworzysz folder tools i zaczynasz udostępniać agentowi narzędzia. Powiedzmy, że blog stoi na WordPressie — mówisz agentowi: masz teraz narzędzie do czytania i pisania wpisów w WordPressie. Świetnie. Stworzyłeś w tym folderze plik wordpress.ts i wypuszczasz agenta.
Użyłeś też słowa „kanał” — to bardzo ważne, bo agent musi jakoś komunikować się z zespołem. Eve obsługuje każdy kanał pod słońcem: WhatsApp, Telegram, Slack, Microsoft…
Riley Brown: iMessage.
Guillermo Rauch: Także iMessage, tak.
Riley Brown: Świetnie.
Guillermo Rauch: I dochodzimy do kolejnego pytania: stworzyłem agenta, dałem mu duszę, dałem mu dostęp do WordPressa. A teraz zatrudniasz stażystę [śmiech]. Czy stażysta może opublikować na produkcji dowolny wpis, który napisze razem z waszym wewnętrznym agentem? Raczej nie chcesz tego.
I tu wchodzi rola twoja, Riley, albo osoby, którą wyznaczysz na administratora agenta. Powiesz: jeśli ktoś należy do określonej części organizacji, pozwalamy mu pisać wprost do WordPressa. Widziałem też inne podejście: kiedy rozmawiasz ze stażystą przez Slacka, Telegram czy cokolwiek innego, musisz uwierzytelnić się w WordPressie. Delegujesz więc uprawnienia do systemu, który już masz. Agent Eve staje się pośrednikiem transakcji, a nie ma bezpośredniego dostępu do WordPressa — pomaga tylko przygotować treść.
To pomysł, który wymyśliliśmy na poczekaniu w tej rozmowie, ale wyobraź sobie: pewnego dnia stwierdzasz, że to jest potężne, bo odblokowałeś cały zespół do pisania wpisów lądujących wprost na WordPressie. A nazajutrz dostajesz eskalację: „Hej Riley, przeczytałem twój ostatni wpis, to brzmi jak czysty slop”. Co robisz? Idziesz do zespołu i mówisz: „Ludzie, co my właśnie zrobiliśmy? Staliśmy się bardzo produktywni i zaczęliśmy dowozić hurtem slop”. I wiesz, co robisz dalej? Pracujesz nad umiejętnością pisania treści w swoim agencie Eve.
(Informacja dodatkowa: „slop” to potoczne określenie masowo generowanych, bezwartościowych treści AI).
To jest ta metapraca, którą wszyscy będziemy w przyszłości wykonywać. Nie pracujemy nad samym wpisem. Nie poszedłeś zrugać stażysty, że dowiózł slop. Wkładasz tę inteligencję w agenta — w postaci umiejętności i narzędzi. Z czasem można to oczywiście rozbudowywać: nie chodzi tylko o blog, ale i o to, jak zasilić zdolność pisania treści tym, co ludzie mówią o twoim biznesie na X.
Riley Brown: Chciałem właśnie powiedzieć, że wiele umiejętności, które okazują się u mnie przydatne przy treściach, sprowadza się do ugruntowania w jakimś istotnym źródle. Nazywam je wtyczkami — jest na przykład jedna o nazwie Scrape Creators, jakieś API, które znalazłem, zbierające treści z określonych kanałów. Zanim więc agent cokolwiek napisze albo zanim wymyśli pomysł na YouTube’a czy koncept opakowania — tytuł i miniaturę — idzie do mediów społecznościowych i tam szuka.
Guillermo Rauch: Dokładnie.
Riley Brown: Czyli tworząc agenta V, chciałbym dodać pewne API. Można je nazwać wtyczkami — jak odróżniamy wtyczki od umiejętności? Można dodawać wtyczki do umiejętności, czy wszystko to po prostu umiejętności?
Guillermo Rauch: To tekst. Wróćmy do tej eskalacji: „Riley, publikujesz mnóstwo wpisów, ale wszystkie mają za dużo myślników”. I tu jest cała piękność idei, że to zwykły folder. Wchodzisz do agenta Eve, do katalogu skills, tworzysz content-writing.md i piszesz: tak piszemy, to lubimy, tego nie lubimy.
Proaktywność: agent, którego nie trzeba promptować
Guillermo Rauch: Wspomniałeś o czymś jeszcze. Myślę, że przyszłością pracy jest agent znacznie bardziej proaktywny. Eve może mieć harmonogram. Na przykład codziennie w nocy czyta media społecznościowe, parsuje słowa kluczowe, zbiera odpowiedzi pod twoimi postami — i na tej podstawie coś robi. Może przygotować szkice nowych treści. Może dać ci raport w Slacku.
To okazało się w Vercelu wyjątkowo pomocne — to, że agenci proaktywnie dostarczają nam informacje. Co poniedziałek mój wewnętrzny agent daje mi podsumowanie tego, co dzieje się w każdym obszarze produktowym i jak wyglądają kluczowe metryki, które mnie interesują. Możesz więc mieć agenta myślącego w tle w twoim imieniu. Świat wciąż w większości myśli o agentach jako o czymś, co się promptuje — a moim zdaniem jest ogromna przewaga w pytaniu: czy da się zautomatyzować nawet samo promptowanie, tak żeby agent wykonywał dla mnie sensowną pracę, kiedy nie siedzę przy komputerze?
Riley Brown: Jednym z moich ograniczeń… mam wiele automatyzacji, które wyzwalają agenta do konkretnych zadań, i to naprawdę działa. Ale nie umiem rozwiązać — zwłaszcza na poziomie zespołu — kwestii wyzwalania agenta przez zdarzenia zewnętrzne. Pewnie da się to zrobić na wiele sposobów. Macie coś takiego? Kiedy dzieje się jakieś zdarzenie…
Guillermo Rauch: Zdarzenia pochodzące z systemów takich jak Stripe — na przykład wpłynął wniosek o zwrot — bardzo ułatwiamy podpięcie ich wszystkich. Kiedy zastanawialiśmy się, co właściwie jest trudne w budowaniu agenta, okazało się, że nie proof of concept. Każdy na świecie może usiąść, odpalić OpenClaw, Claude Code czy Codeksa i zbudować agenta — promptując go, orientujesz się, do czego jest zdolny. Jak mówiliśmy przy OpenClaw, surowa inteligencja już tam jest. Trudne jest bezpieczne połączenie tego z twoimi systemami.
Zbudowaliśmy więc w Vercelu funkcję Vercel Connect, która daje twoim agentom dostęp do ponad stu systemów — ale nie od razu pełny dostęp do odczytu i zapisu wszystkiego. Daje tobie, deweloperowi, kontrolę. To może oznaczać, że subskrybujesz zdarzenie i przesyłasz je agentowi: „za każdym razem, gdy Stripe zgłosi nieudaną płatność, powiadom agenta”; „za każdym razem, gdy przyjdzie e-mail, powiadom agenta”. Zaczynasz myśleć o świecie kategoriami zdarzeń. Zresztą wspomniałem, że wiele naszych interakcji z agentami dzieje się w Slacku — Slack to po prostu kolejne zdarzenie: ktoś coś powiedział i to trafia do mózgu agenta. Każdy konektor z tego repertuaru może wywołać jakieś zachowanie agenta.
Riley Brown: Rozumiem. Dużo o tym myślimy, bo masz rację: wszystko jest zdarzeniem. Po prostu coś się dzieje, a jeśli agent może się tym zająć, to powinien. Sam nie zautomatyzowałem prawie nic z tego, co dałoby się zautomatyzować.
Agent jako fundament firmy — przed stroną internetową
Guillermo Rauch: To kwestia modelu mentalnego. To, co mnie ekscytuje w Eve: kiedy zakładałem Vercela, najpilniejszą rzeczą do zbudowania była strona internetowa. Jak zostawić swój ślad w świecie? Co robisz na samym początku, zakładając firmę? Rejestrujesz spółkę w Delaware, jeśli działasz w Stanach, albo inkorporujesz gdziekolwiek indziej. Wybierasz nazwę, rejestrujesz domenę i wypuszczasz stronę. Nawet taką, która po prostu mówi „działamy” — to minimalna, realna tożsamość firmy w internecie.
Wierzę, że w przyszłości jeszcze przed zbudowaniem strony zbudujesz tego agenta, który pomoże ci zbudować firmę. To będzie twoja fabryka. Zaufany partner i doradca we wszystkim, co robisz, nieustannie uczący się trajektorii twojego biznesu. Dlatego jest niezwykle istotne, żeby w miarę rozwoju firmy agent dostawał dostęp do coraz większej liczby tych strumieni danych, wiedzy i informacji. I wszystko naprawdę jest w tym świecie zdarzeniem.
Kolejny ważny czynnik to samodoskonalenie. Kiedy zaczynasz firmę, ciągle się uczysz, uczysz swoich ludzi, pomagasz im wyciągać wnioski z błędów, z incydentów, z opinii klientów. Bardzo ważne będzie, żeby twój agent z czasem też się poprawiał. Przy Eve myśleliśmy więc tak: skoro istnieje baseline informacji, które agent posiada, to jak go oceniać? Czy da się napisać testy albo dać mu egzaminy, żebyś naprawdę wiedział, że robisz postęp, gdy agent staje się coraz bardziej wyrafinowany i sprawny? Myśl o tym jako o czymś jeszcze bardziej fundamentalnym niż domena twojej firmy.
Ewaluacje i pętla samodoskonalenia
Riley Brown: Wstawiacie ewaluacje do Slacka? Są sposoby, żeby ocenić, czy agent odpowiada dobrze, czy źle? Czy pracownik, który dostał odpowiedź od V, może powiedzieć, że to była kiepska odpowiedź?
Guillermo Rauch: Tak. Każda odpowiedź, którą dajemy w Slacku, ma… i przy okazji ukłony dla zespołu Slacka, bo Slack staje się swego rodzaju systemem operacyjnym dla agentów. Kiedyś służył do wiadomości między ludźmi, dziś to ludzie i agenci — i zbudowali interfejs, który deweloperowi naprawdę łatwo dołożyć. Kciuk w górę i w dół dodaje się banalnie.
Więc w każdym agencie Eve możemy mieć nocne zadanie, które agreguje cały negatywny feedback i proponuje kolejny etap samodoskonalenia. Możemy powiedzieć: dostaliśmy pięć kciuków w dół pod tymi odpowiedziami, co z tym zrobić. Agent może sam zaproponować, jak się poprawić: „tego nie uwzględniłem”, „ta osoba skrytykowała ten fragment”, „powiedzieli, że halucynowałem”.
Uważam, że jest bardzo ważne, aby ludzie nadal byli w tej pętli. Ale coraz większą część pracy nad poprawianiem agenta przejmuje sam framework. Framework przychodzi z ewaluacjami — czyli w gruncie rzeczy z przypadkami testowymi. Kiedy budujesz aplikację webową albo stronę, piszesz testy jednostkowe i upewniasz się, że logika jest poprawna. Kiedy tworzysz agenta Eve, piszesz ewaluacje, żeby upewnić się, że logika jest poprawna, ale też że informacje, które agent zbiera, są rzetelne i dokładne. Mogą istnieć ewaluacje dotyczące osobowości. W pewnym momencie ludzie zaczęli nam mówić, że nasz wewnętrzny agent firmowy jest zbyt rozwlekły — mówił za dużo. Daliśmy mu więc lepszą osobowość, a wokół tego również da się tworzyć ewaluacje.
Kto będzie budował agentów: technicy czy wszyscy?
Riley Brown: Czy sądzisz, że w najbliższych latach agentów dla firm będą budować głównie osoby techniczne, czy raczej każdy — niezależnie od tego, czy umie programować — będzie mógł zbudować agenta dla swojego zespołu?
Guillermo Rauch: Skoro budowanie oprogramowania tak bardzo się demokratyzuje… wróćmy do metafory zakładania firmy. Pierwsza strona, jaką zbudowałem, mogła powstać w dowolnym serwisie na świecie: przeciągnij i upuść, darmowa strona z twoją domeną, cokolwiek. Sądzę, że ten pierwszy blok konstrukcyjny agenta będzie w zasięgu każdego.
Z czasem jednak — u nas na tym agencie stoi cały biznes. Setki milionów dolarów przychodu zależą od kondycji tego agenta, bo zależą od niego nasi handlowcy, nasz zespół wsparcia, ja sam. To bardzo ważny kawałek oprogramowania. Myślę więc, że będzie to kombinacja: każdy może wnosić do agenta informacje, umiejętności, krytykę i feedback, a obok tego są inżynierowie pracujący nad rdzeniową pętlą systemu, dostępem do danych, nadzorem i bezpieczeństwem. Ta część wymaga bardziej technicznego umysłu, ale nie sądzę, żeby chodziło głównie o samo pisanie kodu. Opisałbym to raczej jako ludzi, którzy naprawdę rozumieją przepływy danych, modele zagrożeń i architekturę systemów — tak, aby móc uważnie zadbać o doskonałość operacyjną agenta i o jego model bezpieczeństwa.
Od czego konkretnie zacząć
Riley Brown: Bardzo ciekawe. Wielu właścicieli firm, często nietechnicznych, próbuje tworzyć agentów. Chciałbym zostawić ludziom coś namacalnego — miejsce, do którego mogą pójść i zbudować swojego pierwszego agenta, swojego V. Bo zorientowałem się, że przy tych narzędziach można sobie rozmawiać, można się uczyć, można nawet uczyć się o nich z pomocą AI — ale nic nie zastąpi zrobienia tego. Kiedy raz to zrobisz, mówisz sobie: skoro mogę to, to mogę też tamto, i tamto. Świat się otwiera nawet przy najbardziej trywialnych rzeczach.
Guillermo Rauch: Moja rekomendacja: to, co u ludzi wywołuje moment „aha”, to stworzenie agenta Eve. Wejdź na eve.dev, wdróż pierwszego agenta i podłącz go do swojego ulubionego kanału komunikacji. Jeśli firma pracuje na Slacku — podłącz Slacka. Jeśli lubisz WhatsAppa — podłącz WhatsAppa. I wybierz jedno nudne, mozolne zadanie w swoim biznesie, które ma jakąś strukturę, ale takie, które gdybyś mógł zautomatyzować, natychmiast byś zautomatyzował. Zapisz je.
Przykład: w Vercelu wkładamy dużo pracy w redagowanie changeloga produktu. Na vercel.com jest zakładka „changelog”. Każdy wpis opowiada historię ewolucji naszego produktu. Ten changelog jest pod wieloma względami punktem odniesienia dla mojego zespołu inżynierskiego. Skąd wiem, czy inżynier jest produktywny? Jednym z mierników jest to, czy dowiózł coś, co możemy zakomunikować klientom jako ulepszenie platformy.
Jeden z changelogów, który wkrótce się ukaże — a może w chwili, gdy to oglądasz, już się ukazał — mówi, że skróciliśmy pełny proces wdrożenia aplikacji lub agenta do Vercela o siedem sekund. Siedem sekund, wyszarpanych ogromem pracy nad infrastrukturą. Kiedyś to naprawdę wymagało wysiłku: inżynier zanurzony po uszy w infrastrukturze musiał współpracować z marketingiem, żeby to wypuścić w świat. Dzięki wewnętrznemu agentowi skróciliśmy ten proces do jednego wątku na Slacku, założonego przez inżyniera. Agent oczyszcza to, co inżynier mówi — bo inżynierowie bywają tak głęboko w szczegółach, że trudno im komunikować rzeczy w sposób, który nazywam wolnym od kontekstu. Zaczynają opowiadać o informatyce, a ja pytam: możemy to sprowadzić do korzyści biznesowej? Prosto: siedem sekund, dla każdego klienta, za darmo.
To moja mała formuła. Ludzie chcą wiedzieć: jaka jest korzyść, ile to kosztuje i co mam zrobić, żeby to dostać.
Riley Brown: Mhm.
Guillermo Rauch: Tę formułę, wypracowaną przez lata jako umiejętność marketingu produktowego, wsadziłem do agenta Eve. Dla słuchaczy: pomyślcie o czymś takim. Może to wasz „tajny sos” — coś, co robicie naprawdę dobrze, ale co zajmuje dużo czasu, a chcielibyście robić tego więcej. Zacznijcie od tej umiejętności, podłączcie kanał komunikacji i wdróżcie to.
Co zmieni najbliższe pół roku
Riley Brown: Wiem, że kończy nam się czas, ale: co cię najbardziej ekscytuje? Może model, może obsługa komputera, może przeglądarki. Jakiego odblokowania spodziewasz się w ciągu trzech–sześciu miesięcy, które sprawi, że korzystanie z agentów będzie dużo przyjemniejsze albo dużo skuteczniejsze?
Guillermo Rauch: Bardzo prosto: dalszy spadek kosztu inteligencji. Więcej inteligencji dla większej liczby ludzi, większa różnorodność modeli. Jedną ze wspaniałych cech budowania z Eve i ogólnie na Vercelu jest to, że dajemy dostęp do każdego dostawcy i każdego modelu na świecie.
Riley Brown: Jesteście agnostyczni modelowo.
Guillermo Rauch: Całkowicie. I to działa na twoją korzyść, bo zachowujesz własność swoich danych i swoich umiejętności. Wybierasz modele i korzystasz z konkurencji między nimi. Jutro pojawi się informacja o modelach, które dramatycznie tanieją.
Riley Brown: Dosłownie jutro?
Guillermo Rauch: Jutro. A jeśli budowałeś w ten sposób, na tym skorzystasz. Druga rzecz: szybkie modele staną się dużo szybsze. Myślę, że zobaczymy to samo, co przy rewolucji komputerów osobistych i mobilnej. Dostaliśmy iPhone’a. Gdybyś mógł cofnąć się w czasie albo po prostu wyciągnął pierwszego iPhone’a z szuflady, zdumiałaby cię jego powolność, ta częstotliwość odświeżania. Otwierałeś aplikację, kilka sekund nie działo się nic, a potem, w jakichś dziesięciu klatkach na sekundę, aplikacja powoli pojawiała się przed oczami.
Riley Brown: Tak.
Guillermo Rauch: Tam właśnie jest dziś AI.
Riley Brown: Przy większości zadań wiedzowych po prostu chcę szybciej. Moim największym problemem nie jest „szkoda, że to nie jest lepsze”, tylko „dlaczego musiałem czekać na to czternaście minut?”. Gdyby było dziesięć razy szybsze, byłoby to obłędne. Jak długo, twoim zdaniem, potrwa, zanim dostaniemy modele na poziomie 5.6, czyli na poziomie Soula?
Guillermo Rauch: Dni, jeśli nie tygodnie. To znaczy, dni to pewnie najbardziej optymistyczny scenariusz. Myślę, że jesteśmy dosłownie tygodnie albo pojedyncze miesiące od tego.
Mogę podzielić się jednym punktem danych ze świata modeli otwartowagowych — i dlatego właśnie mnie one ekscytują. Konkurencja między dostawcami inferencji wokół modeli otwartowagowych jest tak ekstremalna, że kiedy pojawił się GLM, dodaliśmy go do AI Gateway Vercela. To niesamowicie dobry model, GLM 5.2. W ciągu kilku dni mieliśmy wariant szybki, cztery razy szybszy. Dochodzą kolejni dostawcy GLM, którzy nieustannie podnoszą poprzeczkę tokenów na sekundę. Szybka odmiana GLM 5.2 jest zdumiewająco szybka — i tylko przyspiesza.
Riley Brown: A co sądzisz o Kimi K3? Co się z nim stanie?
Guillermo Rauch: Myślę, że wciąż jesteśmy na wczesnym etapie tej historii.
Riley Brown: A jak oceniasz sam model? Uważasz, że jest naprawdę dobry? Na poziomie Opusa 4.8?
Guillermo Rauch: Uważam, że GLM 5.2 już był w tej kategorii. Kimi podnosi poprzeczkę. Sądzę, że Kimi potrafi rzeczy, które być może umiały tylko modele klasy Fable — nie we wszystkich wymiarach, ale na przykład przy ewaluacji pod kątem cyberbezpieczeństwa wyraźnie przewyższył Opusa 4.8 i był niemal na poziomie Soula. Soul wciąż jest na granicy możliwości.
Ale to właśnie jest piękne w posiadaniu wyboru: w zależności od tego, co robisz, wybierzesz inny stosunek ceny do wydajności. Grok — szybki i bardzo dokładny. Gdybym musiał dziś wybrać model, który będzie moim koniem roboczym, byłby to domyślny wybór. Jeśli mam agenta, który siedzi w moim Slacku, musi wykonywać szeroką gamę zadań i robić to szybko, bo po drugiej stronie czeka człowiek — bez wahania wybrałbym Groka 4.5 albo GLM, jeśli chodzi o stosunek ceny do wydajności.
(Informacja dodatkowa: wymieniane tu modele — GLM 5.2, Kimi K3, Grok 4.5, Opus 4.8, Fable, Soul — to stan rynku z sierpnia 2026 roku).
A wracając do proaktywności: co z nocnym szukaniem szans w biznesie, przemielaniem danych i wyciąganiem nowych wniosków dla zarządu? Na to mogę rzucić więcej mocy rozumowania i pozwolić, żeby zajęło więcej czasu. Mógłbym nawet rzucić na to konsorcjum modeli. Czemu nie pozwolić, żeby Kimi, Soul i Grok wypracowali trzy punkty widzenia, a potem dostać podsumowanie? I właśnie dlatego to jest takie ciekawe — jesteśmy wciąż na początku rozumienia, czym są zasady projektowania i inżynierii interfejsu dla agentów. Jeśli rozmawiam z agentem interaktywnie, chcę szybko. Jeśli agent wykonuje zadanie asynchroniczne, chcę dokładnie.
Riley Brown: Tak, wtedy nie obchodzi cię, czy zajmie mu to całą noc. To bez różnicy. Racja, nie pomyślałem o tym.
Guillermo Rauch: Wkrótce uruchamiamy w AI Gateway funkcję, w której ty jako deweloper — albo nawet twój agent — możesz powiedzieć: wykonaj inferencję, daj mi tokeny, ale wsadowo, i nie obchodzi mnie, ile to zajmie. To trochę jak złożenie zlecenia kupna: nie martwisz się, kiedy zostanie zrealizowane, po prostu jesteś gotów poczekać. A wtedy każdy na tym rynku może twoje zlecenie zrealizować.
Riley Brown: Prawie jak rynek spot dla inteligencji.
Guillermo Rauch: Dokładnie. I to jest niezwykle ekscytujące, bo możesz powiedzieć: udowodnij albo obal hipotezę jakobianową dla dwóch wymiarów, naprawdę nie obchodzi mnie kiedy, ale wydaj na to tyle a tyle tokenów. A ktoś w którymś momencie powie: mam już opłacone GPU, jest podłączone do internetu, nikt z niego nie korzysta, rzućmy trochę mocy. Trochę jak SETI@home dla tych, którzy pamiętają — wynajmij wolne moce obliczeniowe, rozwiązuj trudne problemy.
(Informacja dodatkowa: SETI@home to projekt obliczeń rozproszonych, w którym ochotnicy udostępniali moc swoich komputerów do analizy sygnałów radiowych z kosmosu).
Riley Brown: No właśnie, bo jeśli dostaniesz wynik za tydzień, to nie ma znaczenia. Wciąż rozwiązujesz coś szalenie trudnego.
Własna inteligencja, nie cudza
Riley Brown: Bardzo dziękuję za rozmowę. Jedna rzecz, której nie doceniałem, to jak bardzo właściciele firm nie chcą uzależnić się od jednego dostawcy. Claude Tag jest w pewnym sensie ich odpowiednikiem V — agentem, którego dodajesz do Slacka — i wielu ludzi się przed nim broni, bo nie chce być zamkniętym wyłącznie w modelach Claude’a. To może być wasz atut.
Guillermo Rauch: I to wykracza poza sam model. Nie chodzi o to, żeby mieć Claude’a w swoim workspace. Chodzi o to, żeby mieć własną inteligencję. Jest w tym niemal element „chrzczenia” agentów: to jest nasz agent, to jest nasza firma. Porównuję to do sieci, bo internet był o tym, że posiadam własną domenę.
Riley Brown: Mhm.
Guillermo Rauch: Jestem królem własnej domeny. I myślę, że właśnie przeżywamy odpowiednik tego dla epoki inteligencji.
Riley Brown: W stu procentach się zgadzam. Bardzo dziękuję, że wpadłeś. Świetnie się bawiłem. Powtórzmy to niedługo.
Guillermo Rauch: Zawsze chętnie, Riley. Dziękuję.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Nowa praca lidera to praca nad agentem, nie z chatbotem
Na czym polega: ChatGPT czy Codex dają przedsmak możliwości, ale przewagą konkurencyjną firmy staje się umiejętność tworzenia, dostrajania i rozpowszechniania własnych agentów wewnątrz organizacji.
Jak stosować: Wydziel jawnie czyjś czas (choćby ułamek etatu) na rolę „administratora agenta” — osoby, która utrzymuje instrukcje, umiejętności i uprawnienia. Bez tego agent zostaje na etapie prywatnych eksperymentów kilku osób.
Na co uważać: Nie mierz sukcesu liczbą osób z licencją na czat. Mierz go tym, ile firmowej wiedzy trafiło do agenta w formie, z której korzysta cały zespół.
2.Agent-mózg jest cenniejszy niż agent kodujący — ale stoi na kodowaniu
Na czym polega: Rauch wskazuje dwie aplikacje przełomowe: budowanie oprogramowania i agenta „lepiej prowadzącego firmę” (baza wiedzy + analiza danych + zarządzanie zadaniami). Ten drugi i tak potrzebuje pod spodem zdolności kodowania, bo zadania wiedzowe niepostrzeżenie wymagają skryptów i analiz.
Jak stosować: Nie odcinaj agenta biznesowego od możliwości uruchamiania kodu — inaczej utknie przy pytaniach wymagających policzenia czegokolwiek.
Na co uważać: „Może uruchamiać kod” nie znaczy „ma dostęp do wszystkiego”. To dwie osobne decyzje: zdolność wykonawcza i zakres danych.
3.Jeden agent-router, nie stado osobnych botów
Na czym polega: Vercel postawił na model „boski”: jeden punkt wejścia (@V w Slacku), który routuje do wyspecjalizowanych podagentów — wsparcia, treści, analizy danych.
Jak stosować: Zacznij od jednego adresu, pod który zespół pisze zawsze. Wyspecjalizowanie rób pod spodem, jako podagentów i umiejętności, a nie jako osobne narzędzia, które ludzie muszą wybierać.
Na co uważać: Model boski nie znosi problemu uprawnień — przenosi go do routera. Agent musi wiedzieć, kto pyta i z jakiego kanału, zanim sięgnie po dane finansowe czy dane klientów.
4.Uprawnienia deleguj do systemów, które już masz
Na czym polega: Zamiast dawać agentowi własne, szerokie konto w WordPressie czy innym systemie, można wymagać, by użytkownik uwierzytelnił się sam — agent zostaje wtedy pośrednikiem transakcji, a nie jej właścicielem.
Jak stosować: Przy każdym narzędziu z prawem zapisu zadaj pytanie: czy agent musi mieć własne poświadczenia, czy wystarczy, że przeprowadzi człowieka przez istniejący system uprawnień?
Na co uważać: Delegowanie uwierzytelnienia bywa uciążliwe i ludzie będą prosić o „stały dostęp dla agenta”. To akurat ta wygoda, przy której warto się postawić — zwłaszcza przy danych klientów.
5.Agent to folder: instrukcje, narzędzia, umiejętności
Na czym polega: W Eve agent jest w minimalnej postaci katalogiem z instructions.md (analogia do soul.md z OpenClaw), folderem tools (np. wordpress.ts) i folderem skills (np. content-writing.md).
Jak stosować: Traktuj konfigurację agenta jak repozytorium: wersjonuj, recenzuj zmiany, pozwól zespołowi dopisywać umiejętności zwykłym tekstem. To obniża próg wejścia dla osób nietechnicznych.
Na co uważać: Rozrastające się pliki instrukcji z czasem sobie przeczą. Potrzebujesz przeglądów treści tak samo jak przeglądów kodu.
6.Kiedy wynik jest zły, popraw umiejętność, nie człowieka
Na czym polega: Reakcją na słaby wpis blogowy dowieziony przez stażystę z agentem nie jest rozmowa dyscyplinująca, tylko dopisanie do umiejętności „pisanie treści” tego, co lubicie, a czego nie.
Jak stosować: Wprowadź nawyk: każda reklamacja jakości kończy się konkretną zmianą w pliku umiejętności, a nie ustną uwagą. Efekt kumuluje się dla całego zespołu.
Na co uważać: Ta pętla działa tylko przy jawnym feedbacku. Jeśli ludzie po cichu poprawiają wyniki agenta, wiedza nigdy nie trafia do systemu i agent nie idzie do przodu.
7.Największa przewaga leży w proaktywności, nie w promptowaniu
Na czym polega: Agent może mieć harmonogram: nocne czytanie mediów społecznościowych, poniedziałkowe podsumowanie kluczowych metryk z każdego obszaru produktowego, nocna agregacja negatywnego feedbacku.
Jak stosować: Wybierz jeden raport, który ktoś składa ręcznie co tydzień, i zamień go w zadanie cykliczne agenta wrzucane do kanału zespołu. To najtańsze wejście w proaktywność.
Na co uważać: Proaktywne raporty łatwo stają się szumem, który wszyscy przewijają. Trzymaj jeden raport na kanał i kasuj te, których nikt nie komentuje.
8.Myśl zdarzeniami: Stripe, e-mail, wiadomość w Slacku
Na czym polega: Najtrudniejsze w budowaniu agenta nie jest proof of concept, lecz bezpieczne podłączenie systemów. Vercel Connect daje dostęp do ponad stu systemów z kontrolą, co agent widzi, a subskrypcje zdarzeń („nieudana płatność w Stripe”) wyzwalają jego działanie.
Jak stosować: Zrób listę zdarzeń, które dziś ktoś zauważa ręcznie (zwrot, zgłoszenie, nieudana płatność, e-mail od klienta). Każde z nich to kandydat na automatyczny wyzwalacz.
Na co uważać: Konektor domyślnie oferujący pełny odczyt i zapis to najprostsza droga do wycieku. Zawężaj zakres na poziomie konektora, a nie tylko w instrukcjach dla modelu.
9.Ewaluacje traktuj jak testy jednostkowe agenta
Na czym polega: Kciuk w górę i w dół w Slacku zasila nocne zadanie, które agreguje negatywny feedback i proponuje poprawki. Framework dostarcza ewaluacje — również te dotyczące osobowości (agent Vercela bywał zbyt rozwlekły).
Jak stosować: Zbierz dwadzieścia realnych pytań, na które agent musi odpowiadać dobrze, i zapisz oczekiwane odpowiedzi. Uruchamiaj je po każdej istotnej zmianie instrukcji lub modelu.
Na co uważać: Rauch podkreśla, że człowiek musi zostać w pętli. Agent proponujący własne poprawki na podstawie kciuków w dół potrafi zoptymalizować się pod przypodobanie się, a nie pod trafność.
10.Agnostyczność modelowa to realny argument biznesowy
Na czym polega: Trzymanie się jednej rodziny modeli oznacza zamknięcie. Przy dostępie do wielu dostawców wybierasz różny stosunek ceny do wydajności: szybkie modele (Grok 4.5, GLM 5.2 w wariancie fast) do interakcji na żywo, mocniejsze rozumowanie do zadań nocnych — a nawet konsorcjum modeli generujące trzy punkty widzenia.
Jak stosować: Rozdziel obciążenia według zasady: interaktywne — szybkość, asynchroniczne — dokładność. Warstwa pośrednia (gateway) pozwala zmieniać model bez przepisywania agenta.
Na co uważać: Agnostyczność nie jest darmowa — różne modele inaczej reagują na te same instrukcje. Bez zestawu ewaluacji podmiana modelu to zmiana w ciemno. Pamiętaj też, że oceny konkretnych modeli w tej rozmowie pochodzą od dostawcy infrastruktury, który zarabia na wyborze między nimi.