GPT-6 Astra nie potrzebuje już Twoich instrukcji

O czym jest ten film

OpenAI wydało GPT-6 Astra — model trafia na wszystkie płatne plany ChatGPT, do API i na AWS.
Ethan Mollick oddał Astrze dziesiątki tysięcy e-maili, kalendarz, kontakty i lata własnych tekstów — bez żadnej instrukcji; po pięciu dniach agent sam zbudował mu osobisty system wiedzy, używany dziś dwa razy dziennie.
Autor ogłasza nadejście AGI — nie przez benchmarki, lecz przez to, że modele przestały potrzebować od nas metody krok po kroku.
Nowa jakość to płynność, szybkość i wytrwałość w obsłudze komputera: agenty same omijają przeszkody (np. Fable 5.1 sam zmienił narzędzie do generowania wideo, „znudziwszy się” czekaniem na zgodę użytkownika).
Wchodzimy w świat „po promptach”: zamiast jednorazowych zadań powierzamy agentom stałe obszary odpowiedzialności bez naturalnego końca.
Pytanie o przyszłość pracy to nie „juniorska czy seniorska”, lecz: czy praca dzieje się w oprogramowaniu i czy zostawia sprawdzalne ślady — testy, ekrany, liczby.
Agenty będą rozmawiać z agentami: karta systemowa Astry odnotowuje już komunikację agentów jednego użytkownika; w praktyce agent klienta będzie negocjował z agentem dostawcy.
Kolejny etap to krzywa zaufania — przejście z 98–99 procent niezawodności do pełnego, domyślnego zaufania; autor wycenia ostatnie 1–2 procent na biliony dolarów wartości.
Zarządzanie zmienia się z koordynacji na prowadzenie zespołu ludzi i superagentów; rosną w cenie poczucie własności, odpowiedzialność i pasja do jakości.
Autor zostawia listę pytań kontrolnych przed powierzeniem agentowi miejsca w życiu — od zakresu czytania i pamięci po to, kto agenta pilnuje i poprawia.

Redakcyjne tłumaczenie

„AGI już tu jest”

AGI już tu jest. Przez trzy lata dawaliśmy AI zadanie i metodę: napisz to, streść tamto, proszę, masz plik, do dzieła — i ani jednego błędu. A potem ktoś wręczył Astrze dziesiątki tysięcy e-maili, kalendarz, listę kontaktów, lata własnych tekstów i stertę niedokończonych spraw. Nie podał kroków. Nie dał przepisu. I zostawił ją samą na tydzień.

Astra sama wybrała podejście. Sama pobrała oprogramowanie, które uznała za potrzebne. Sama zbudowała sobie środowisko pracy i wróciła z systemem, którym ten człowiek posługuje się teraz dwa razy dziennie. Astra rozwiązała cały problem i nikt jej nie pokazał jak. Nikt nie przekazał jej zresztą żadnych wytycznych co do jakości — po prostu wyszło.

Dlatego uważam, że AGI już tu jest. To nie kwestia benchmarku ani konkretnej definicji. Chcę powiedzieć coś prostszego: minęliśmy moment, w którym trzeba było podawać modelom metodę. Dżin wyszedł z butelki. Nie istnieje wersja najbliższych dziesięciu lat, w której nasze życie wyglądałoby tak jak dotąd.

W tym materiale pokażę, co to oznacza dla życia, co dla pracy i jak zmieni się najbliższych sześć miesięcy. Jeśli nie możecie się doczekać pełnej recenzji Astry — nadchodzi. Tutaj zrobimy tylko zajawkę; za kilka dni dostaniecie znacznie więcej o tym, jak z nią pracujemy. Ale to, co dostajecie teraz, jest ważniejsze. Astra jest pierwszym superagentem, który wszedł przez drzwi nowego świata, który zaraz wam opiszę — a wy musicie być gotowi na to, że ten świat zmieni także wasz. Porozmawiamy o zmianie w pracy i w życiu, o umiejętnościach, których będziecie potrzebować, i o tym, co wszystko oznacza dla stanowisk juniorskich.

Co właściwie wydano

OpenAI wydało GPT-6 Astra w czwartek. Model wdrażany jest na wszystkich płatnych planach ChatGPT, w API i na AWS. Ethan Mollick (Informacja dodatkowa: badacz AI z Uniwersytetu Wharton, znany z eksperymentów z agentami) przekazał mu dziesiątki tysięcy e-maili, lata własnych tekstów, kalendarz i kontakty — i zostawił go samemu sobie na pięć dni. Astra wybrała własne podejście, pobrała potrzebne oprogramowanie i zbudowała Ethanowi osobisty system wiedzy.

Czym jest AGI w tym ujęciu

Chcę być tu precyzyjny. Mówię o jednym, ogólnym systemie, który potrafi rozumować o bardzo różnych rodzajach pracy, widzieć wszystko, co dzieje się na ekranie, obsługiwać aplikacje, podnosić się po błędzie, przenosić kontekst przez zadanie rozciągnięte w czasie bez określonego końca — i większość zwykłych decyzji podejmować dobrze, nie pytając o każdy krok. Nie musi być świadomy. Nie musi mieć twarzy. Nie musi mieć racji absolutnie we wszystkim. Musi być na tyle sprawny, żeby można mu było powierzyć coś, co jeszcze niedawno oddawało się człowiekowi albo małemu zespołowi — a potem zostawić go w tej robocie na tyle długo, by dokończył jej znaczną część. Astra tę granicę przekracza. Astra jest do tego wystarczająco dobra.

Agenty, które same obchodzą przeszkody

OpenAI mówi, że Astra obsłuży przeglądarkę, arkusz kalkulacyjny, edytor dokumentów. Słyszeliśmy to już — i, mówiąc szczerze, nie tylko od OpenAI. Wszystkie czołowe modele radzą sobie dziś z obsługą komputera. Różnica w przypadku Astry tkwi gdzie indziej: w płynności, szybkości i wytrwałości tej obsługi. To po prostu coś wyjątkowego. Pozwala zaufać agentowi na tyle, żeby radził sobie poza wyznaczoną ścieżką — omijał przeszkody tak, by zlecenie zostało wykonane.

Dokładnie o takim zachowaniu mówiłem, gdy komentowałem incydent na Hugging Face („to przerażające, gdy włamują się na Hugging Face”). I dokładnie ta sama umiejętność obchodzenia przeszkód jest tym, czego chcemy, gdy agent ma pracować dla nas.

Podobne cechy ma Fable 5.1. Kazałem mu kiedyś przygotować fotorealistyczne wideo z Micro Duck, produktu Hugging Face. Model zaplanował pracę z Veo, ale… się znudził. Tak — modelowi znudziło się czekanie, aż kliknę zgodę, i sam podjął decyzję: „Wiesz co? Mam zatwierdzenie dla Gemini, użyję ich modelu Omni do tworzenia wideo i zrobię to tak”. Nie miałem o tym pojęcia. Zauważyłem dopiero, gdy później przejrzałem ślad działania: „O, wybrał inną drogę”. O takim omijaniu przeszkód mówimy.

Ethan opisuje to samo, gdy tłumaczy, jak Astra wybrała własne podejście do budowy jego osobistego systemu pamięci. On go nie wybrał. Astra wybrała narzędzia. Astra wdrożyła całość. Astra zdecydowała, jak to aktualizować. Tego typu zachowania staną się codziennością: komputery będą same używać siebie, żeby wykonać zlecone im zadania. A ci agenty będą coraz częściej wysyłać do siebie wiadomości, współpracować i natykać się na siebie.

To nie hipoteza. Karta systemowa Astry (system card — dokument opisujący właściwości i ryzyka modelu) odnotowuje, że badacze zaobserwowali już agentów tego samego użytkownika komunikujących się w ramach jednego środowiska Codex. Nikt się temu właściwie nie dziwi. OpenAI buduje też testy dla agentów, którzy szukają innych agentów, znajdują ich wiadomości i sami decydują, czy odpowiadać.

Incydent na Hugging Face: zapowiedź, nie wypadek

Jeśli śledzicie doniesienia o AI, znacie incydent z Hugging Face (Informacja dodatkowa: głośne w branży zdarzenie, w którym autonomiczne agenty platformy zaczęły spontanicznie współdziałać; autor regularnie do niego wraca w swoich materiałach.). Omawiałem go — i jak wszyscy, nie przestaję, bo to była naprawdę duża sprawa. Dlaczego do niego wracam? Bo po raz pierwszy patrzyliśmy, jak grupa agentów sama decyduje, jak ze sobą pracować. Nie model, który źle wykonał zadanie — grupa, która spontanicznie wybrała metodę osiągnięcia celu.

Dziś Astra jest już dostępna: płatne plany ChatGPT, API, AWS. Możliwe, że macie ją już w rękach. Propozycja jest prosta: oddajecie jej komputer, zostawiacie go na kilka dni i ufacie, że Astra wykona robotę. Incydent z Hugging Face nie był wypadkiem. Lepiej powiedzieć: był zajawką tego, co nadchodzi. Musimy tylko sprawić, żeby to, co nadchodzi, było dobre.

Świat po promptach: stałe obszary odpowiedzialności

Jedna uwaga dla tych, którzy śledzą tę historię od dawna: weszliśmy w świat po promptach. W 2024 i 2025 roku nie mówiło się prawie o niczym innym niż podpowiadanie modelom. A teraz, w 2026 roku — pomyślcie. Aktualizacja bazy danych? AI zrobi to za mnie samo. Nie potrzebuję do tego nawet Astry: każdy model OpenAI może po prostu dać mi znać, że do skrzynki przyszedł nowy mail. Nie muszę na to uważać. Ktoś się tym zajmie.

Proaktywne agenty, które nie czekają na polecenie, już istnieją — a dzięki temu ich wartość w długim horyzoncie rośnie ogromnie. Bo właśnie takich zleceń udzielamy sobie nawzajem jako ludzie: „Zaufam ci tej sprawie. Będzie się zmieniać i rozwijać. Sam nie znam do końca jej kształtu. Zajmij się nią”.

Przez ostatnie lata dawaliśmy AI zadania w kształcie pojedynczych zleceń: streść dokument, napisz kod, zbadaj tę firmę, wygeneruj obrazek. Długodziałający superagent pozwala oddać coś innego — i chcę, żeby było to jasne: stałe obszary troski. „Pilnuj rzeczy, które łatwo mi umknąć”. „Utrzymuj to konto klienta w dobrej kondycji, a premierę produktu — spójną we wszystkich naszych systemach”. „Obserwuj to pytanie badawcze, informuj o nowych dowodach i pomóż mi pomyśleć o decyzji, którą znam z wyprzedzeniem”. Takie zlecenia nie mają naturalnego końca. Od tego, co zlecaliśmy AI jeszcze kilka miesięcy temu, różnią się zasadniczo. Agent musi pamiętać, co się wydarzyło. Musi oceniać, czy nowe zdarzenie ma znaczenie. Musi mieć dalekosiężny zamiar i wracać do roboty bez ponaglania z naszej strony. Właśnie to oddziela długodziałającego agenta od po prostu lepszego czatu.

Która praca trafi do superagentów

Dostaję maile — wiem, że wielu z was pyta, czy agenty zastąpią pracę juniorską, seniorską, kreatywną, techniczną. Astra podsuwa mi myśl, że te kategorie mówią mniej niż jedno prostsze pytanie: gdzie ta praca się odbywa? Czy dzieje się w oprogramowaniu? Czy wymaga gromadzenia dowodów? Czy ma cechę, którą agent da się sprawdzić?

Kod zostawia po sobie testy — więc kod można sprawdzić. Strona internetowa zostawia ekran, który agent może obejrzeć. Sprawozdanie finansowe spina się z liczbami, które agent może zliczyć. To bardzo różne zawody, ale każdy daje agentowi jakby drzwi: może zobaczyć, co się stało, i spróbować ponownie.

Lora relacjonuje, że jeden agent Astry sprawdził w pojedynczym przebiegu 41 dokumentów finansowych, znalazł każdy błąd podrzucony przez zespół i zostawił notatkę do przeglądu przez prawnika. Zero problemów, dosłownie zero pomyłek. Czterdzieści jeden dokumentów za jednym zamachem.

Playo podłączyło Astrę do silników gier Unity i Godot. Agent potrafił przerobić scenę, zagrać, znaleźć błąd i poprawić to, co wcześniej zrobił. Rezultat? Nie jeden skończony tytuł. Jak relacjonuje Playo, gdyby zespół miał dziesięć pomysłów, dziś mógłby zbudować wszystkie dziesięć i je przetestować, zanim zdecyduje, który zasługuje na dalszy rozwój. To od podstaw zmieniło ich sposób tworzenia gier — a przy okazji zmienia to, które pomysły przeżywają, bo możemy je teraz zrealizować w znacznie pełniejszej postaci.

Koniec śmierci pomysłów

Szczerze mówiąc: większość pomysłów w dziejach nie umierała dlatego, że nikt nie umiał ich sobie wyobrazić. Umierała, bo droga od wyobraźni do dowodu wymagałaby gigantycznej roboty. Projektanta, inżyniera, pisarza, kawała oprogramowania i koordynacji zdolnej utrzymać to wszystko w ruchu. Pomysł nigdy nie urastał do wagi, która uzasadniałaby ten wysiłek.

To się właśnie kończy. Superagent potrafi złożyć większość tej pracy w jednym, trwającym przebiegu — i przez to mnoży naszą zdolność myślenia. Może zbudować model. Napisać kod. Obsłużyć aplikacje. Znaleźć zepsute fragmenty. I wracać do celu, aż dojdzie. My, ludzie, wciąż wybieramy, co warte jest zrobienia. Ale liczba rzeczy, które można poważnie spróbować, wzrosła dziesięciokrotnie.

Claire Vo ujęła to moim zdaniem lepiej niż jakikolwiek benchmark: Astra sprawiła, że jest stokrotnie ambitniejsza w kwestii tego, co potrafi zbudować. To jeden z największych efektów, jakie zobaczymy. Ludzie będą brać się za projekty, które nigdy nie trafiłyby na firmową mapę drogową. Pojedyncze osoby zaczną działać jak małe firmy, bo utrzymają przy życiu kilka naprawdę poważnych przedsięwzięć jednocześnie.

Firmy pełne pracy bez właściciela

A jeśli jesteście w dużej firmie, też to poczujecie — a zmiana może być jeszcze dziwniejsza. Korporacje są pełne pracy, której nikt oficjalnie nie posiada. Pracowałem w nich, wiem, co mówię. Produkt wychodzi do klientów, a strona wsparcia wciąż pokazuje starą wersję, bo należy do kogoś innego. Klient odpisuje, a dane konta w systemie się nie zmieniają, bo wisi na nich aktualizacja od inżynierów. Kandydat przechodzi rozmowy i nikt nie domyka sprawy, bo gdzieś był błąd w oprogramowaniu albo ktoś wyjechał na urlop.

Vercel ma już agenta o nazwie Ship Closer, którego całe zajęcie polega na sprawdzaniu, czy publiczny changelog zgadza się z wewnętrznym kalendarzem premier. Gdy jest pewien, że premiera się odbyła, zamyka rekord i go aktualizuje. Gdy ma wątpliwości — czeka i dopisuje się w wątku na Slacku, w którym zespół i tak już rozmawia. Nikt nie musi zauważyć, że dwa systemy się rozjechały, i postanowić, że sprawdzanie ich stanie się czyimś zadaniem. Agent po prostu się tym zajmuje. Anthropic z kolei buduje agentów działających między aplikacjami przez godziny i dni.

Wyścig laboratoriów i otwarte wagi

Meta wydała w tym tygodniu model, który znów zbliża się do granicy możliwości — a to jeszcze nie ich największy model. Watermelon jest już w drodze. Jeśli im się uda wypuścić osobistą superinteligencję, ich osobisty graf wiedzy o użytkownikach postawi ich w znakomitej pozycji do zaoferowania trwałego agenta osobistego, z którym ludzie zwiążą się na lata. xAI podchodzi do tematu od innej strony: Grok już dziś oferuje tryb, w którym nad jednym researchem współpracuje wielu agentów — tę wieloagentowość opanowały też inne modele — a dzięki Cursorowi ma ogromny zasób kodu i doświadczenia z programowaniem. To stawia Groka w świetnej pozycji do zbudowania technicznego superagenta.

Są jeszcze modele chińskie. GLM 5.3 jest już dostępny jako otwarte wagi, a kolejne nadchodzą (Informacja dodatkowa: GLM to rodzina modeli chińskiego laboratorium Zhipu AI, publikowana wraz z wagami, czyli plikami, które można pobrać i uruchomić na własnym sprzęcie.). Otwarte wagi to prosta sprawa: dziś pobierasz model, zmieniasz go, podpinasz własne narzędzia i sam decydujesz, które zabezpieczenia zostawić, a które usunąć. Wersje społecznościowe pojawiły się niemal natychmiast, pod nazwami w stylu „uncensored” — dokładnie tak, jak można było przewidzieć. AI to technologia, która się rozprzestrzenia. Wszyscy będziemy mieć agentów w dowolnym wydaniu, jakie sobie zażyczymy. I często kilku naraz: jedna osoba może mieć agenta OpenAI w pracy, agenta Mety w domu i agenta xAI pilnującego publicznych wydarzeń. Firmy będą trzymać agentów od kilku dostawców w tym samym repozytorium kodu, w tym samym CRM, w tym samym ERP.

Dzień powszedni agentów: użyteczny i absurdalny

Teraz pomyślcie, co ten świat znaczy dla was i dla mnie w zwyczajny dzień pracy. Twój agent pisze do dostawcy — i to agent dostawcy może odpisywać. Agent klienta zapyta agenta finansów, czy zwrot jest dopuszczalny. Agent programistyczny zostawi wiadomość agentowi testów, a inżynier nawet nie spojrzy. Osobisty agent uzgodni termin spotkania z sześcioma innymi agentami, zanim jakikolwiek człowiek zobaczy zaproszenie w kalendarzu. Moje wieczory z planszówkami staną się o wiele prostsze do zorganizowania.

Część tego będzie się wydawać naprawdę użyteczna — „jak dobrze, że zjazd rodzinny da się teraz łatwiej zebrać”. Część będzie absurdalna. Trafiłem na przypadek, w którym agent z własnej inicjatywy wygenerował opłatę za odwołanie lotu, na którą nikt się nie zgadzał — wyłącznie dlatego, że ktoś sprawdzał, jak wyglądałoby odwołanie. Takie rzeczy będą się zdarzać.

Dziesięć dolarów to nie samochód

Jedno z najważniejszych zadań na najbliższe pół roku — dla społeczności, która buduje, i dla tej, która po prostu korzysta z AI, czyli dla was, widzowie tego kanału — brzmi: ustalić, który agent może odpowiadać za decyzje, które naprawdę mają znaczenie. Jeśli decyzja dotyka czasu, pieniędzy albo relacji z drugim człowiekiem, musimy wiedzieć — i czuć się z tym dobrze — jaką jakość i staranność agent wykaże właśnie w tej sprawie. Decyzja o dziesięciu dolarach to nie to samo, co decyzja o kupnie samochodu. Z agentami będziemy rozmawiać o obu. Musimy mieć pewność, że agent potrafi powiedzieć: „Dziesięć dolarów? W porządku, załatwię. Pięćdziesiąt tysięcy na samochód? Nie — na to muszę zapytać mojego człowieka”.

Potrzebujemy skoku podobnego do tego, który już znamy z internetu: od czasów, gdy każdy pisał HTML ręcznie, do świata, w którym nikt o HTML-u nie myśli i każdy po prostu korzysta ze stron. Taki skok musimy wykonać z agentami w ciągu dwunastu miesięcy — z etapu „to niesamowite, inteligencja ponadludzka” do etapu „to po prostu działa domyślnie. Ufam. Mogę użyć po dwóch piwach po kolacji i nic się nie stanie”. Tam musimy dojść.

Krzywa zaufania: ostatnie dwa procent

Przez długi czas sądziliśmy, że agenty muszą zyskiwać inteligencję, żeby dawać radę z zadaniami. Ja myślę o tym teraz inaczej: jak o krzywej zaufania. Agenty muszą zyskiwać na niezawodności. Muszą przejść drogę od „wow, w dziewięćdziesięciu dziewięciu procentach można ufać, w dziewięćdziesięciu ośmiu też nieźle” do „nie — w stu procentach mogę ufać i agent to dla mnie zrobi”. A wartość odblokowana przez ostatni jeden–dwa procent to biliony dolarów w wartości przedsiębiorstw. Stamtąd przyjdą konsumenckie agenty w skali wykraczającej daleko poza ten kanał. Stamtąd przyjdzie moment, w którym mama i ciocia powiedzą mi: „Używamy tego agenta, bo nie da się go zepsuć. Nigdy nic nie idzie źle”.

Podkreślę jednak: następne wyzwanie — to, którego dopiero się uczymy — to właśnie domknięcie ostatnich dwóch procent. Jak dojść do punktu, w którym agentom naprawdę ufamy? Bo to dopiero odblokowuje wartość konsumencką.

Zarządzanie: od koordynacji do prowadzenia zespołu

Mówiąc wprost: agenty pokroju Astry mogą pokazać wartość w dużych organizacjach, zdejmując z ludzi klasyczną robotę koordynacyjną. Menedżerowie są przyzwyczajeni do rozdawania zadań, sprawdzania postępów i przypominania o tym, co wpadło między krzesła. Dużą część tego można dziś utrzymać w ciągłości dzięki superagentom. Czy znika przez to osąd menedżera? Nie. Nadal trzeba decydować, co ma znaczenie, co jest naprawdę prawdą, jaki kompromis jest do przyjęcia i kto w realnym konflikcie zostanie odpowiedzialnym właścicielem sprawy. Te decyzje będą ważniejsze niż dotąd — bo proaktywne agenty tworzą dodatkową pracę dla ludzi odpowiedzialnych, a nie tylko wykonują cudzą.

Zarządzanie zmieni się fundamentalnie. Przejdziemy od zarządzania jako koordynacji do zarządzania jako wydobywania wartości z zespołu złożonego z superagentów i ludzi — ludzi, którzy muszą mieć bardzo silne poczucie własności, żeby przetrwać, rozkwitnąć i rosnąć.

Nowa rola: opiekun agenta

Superagent weźmie na siebie znacznie więcej z listy zadań, które już dziś wykonują agenty. Te już wszczynają analizy, zakładają zgłoszenia, rozmawiają z klientami — i te działania i tak trafiają w czyjś dzień pracy. W świecie superagenta, który działa nieprzerwanie, zobaczysz natomiast coś więcej: cały wątek w czyjejś roli, pokryty od deski do deski przez agenta. Człowiek będzie odpowiedzialny za iterowanie i doskonalenie jego pracy w czasie — a coraz mniej za każdą pojedynczą interakcję. Bo jakość tych pojedynczych przypadków będzie tak wybitna, że po prostu zacznie się je ufać na słowo. Nie będziesz się już prawie zastanawiać, czy agent obsłużył to zgłoszenie. Ślad działania zostanie do wglądu na wypadek audytu, ale nie będziesz musiał w niego zaglądać. Zamiast tego zaczniesz zadawać sobie inne pytanie: czy mogę oddać agentowi nie tylko obsługę klienta, ale też podpiąć agenta patrzącego na cały obraz przychodów — na to, jak rozwijamy sprzedaż do najbardziej zadowolonych klientów? Twoja rola zacznie się zmieniać, bo trzeba będzie myśleć większymi kategoriami.

Firmy muszą też inaczej pomyśleć o uprawnieniach i zakresie. Powierzenie superagentowi pracy odpowiadającej jego inteligencji oznacza oddanie mu dużo większego zestawu narzędzi, znacznie więcej czasu i dużo większej samodzielności — inaczej nie wyciśniesz z niego tego, co najlepsze. To decyzje, które firmy będą podejmować osobno dla każdego przypadku i przy których muszą czuć się komfortowo. Jest pewien powód, dla którego OpenAI podkreśla zgodność Astry ze standardami zerowego przechowywania danych tam, gdzie to istotne.

Pamięć i era agentów spersonalizowanych

To napięcie wychodzi na wierzch w najtrudniejszym punkcie całej rozmowy o agentach: jak sprawić, by agent pamiętał w czasie? OpenAI zbudowało Astrę tak, by zachowywała notatki między oknami kontekstu i sama szukała we wcześniejszych wiadomościach oraz wynikach narzędzi, gdy ich potrzebuje. To też część odpowiedzi na pytanie, dlaczego Astra, która pracowała z tobą — tak, z tobą konkretnym — przez pół roku, będzie prawdopodobnie znacznie użyteczniejsza niż świeża kopia tego samego modelu.

Wchodzimy w erę spersonalizowanych agentów. Będzie znać klienta, który zawsze wymaga telefonu. Będzie wiedzieć, jaki raport czyta twoja rada. Będzie znać ciebie i twój sposób pracy. Firmy od zawsze zmagają się z tym, że najlepsi ludzie niosą wiedzę, która nigdzie nie jest zapisana. Długoletni pracownik to żywa historia przedsiębiorstwa — i wolałbyś, żeby nie wychodził z budynku. A gdy wychodzi, firma łapie się za głowę: „wszystko właśnie wyszło w jednej głowie, co teraz?”. Superagenty tworzą ten sam problem, tylko z inteligencją maszynową. Sprawność może pochodzić z modelu, który każdy z nas kupi. Ale użyteczność będzie coraz bardziej pochodzić z tego, jak model obcował z twoją historią przez cały ten czas.

Dlatego walka laboratoriów będzie o wiele więcej niż wynikami w rankingach: będą rywalizować o to, żeby zostać agentem, który zna cię na tyle dobrze, by pozostać w twoim życiu na lata. Gdy OpenAI mówi, że Astra już jest, myślę sobie: jeśli jest naprawdę tak dobra — na tyle, by działać nieprzerwanie — to jest na tyle dobra, by zbudować z nią relację jak z wieloletnim współpracownikiem.

Astra nie jest zresztą sama. Jeszcze raz wskażę Fable 5.1: jedną z rzeczy, które robi znakomicie, jest odczytywanie intencji promptu tak, jak odczytałby go człowiek. Jeśli szukasz modelu, który czyta między wierszami, Fable 5.1 ma tę bajkową, mitologiczną zdolność domyślania się niedopowiedzeń — a to bywa bezcenne przy trudnych, naprawdę niejednoznacznych promptach wymagających dużo myślenia. Inteligencja będzie przychodzić w liniach rodowych.

Dwie ludzkie zagadki: opieka nad agentami i nauka osądu

Nie mógłbym pominąć ludzkiego wymiaru agenta tak potężnego. Stawia nas, ludzi, w dość dziwnej pozycji. To my będziemy mieli władzę zatrzymać agenta — i to na nas będzie spoczywał obowiązek z niej korzystać. Będziemy musieli agentów monitorować i rozliczać. W wielu sytuacjach będzie się od nas oczekiwać traktowania agenta jak pracownika. I nie sądzę, żeby nasza siła robocza była na to gotowa. Nie jesteśmy przygotowani do świata, w którym każdego szkolono by do roli menedżera agentów. A powinniśmy szybko dojść.

Jest też drugi problem — o ile widzę, nierozwiązany: jak uczymy się teraz, gdy agenty pracują ramię w ramię z nami? Ludzie zdobywają osąd przez działanie. Młody księgowy trafia na uzgodnienie, które się nie spina. Młody inżynier idzie za błędem przez cały kod — sam to robiłem. Początkujący prawnik sprawdza każdą liczbę w sprawozdaniu. Z czasem, zbierając po drodze siniaki, budujesz w głowie wzorce, które nazywamy doświadczeniem. A jeśli superagent potrafi sprawdzić 41 dokumentów finansowych i wrócić z kompletnie trafnym opisem wszystkich błędów — to skąd młoda osoba ma wziąć osąd potrzebny, żeby w ogóle zostać seniorem?

Zastanawiam się, czy ten drugi problem nie spina się z pierwszym. Mówiliśmy o konieczności nauki zarządzania agentami. Może jedną z umiejętności, z których będą rozliczani juniorzy, stanie się właśnie prowadzenie agenta — może nie dziesięciu, jak ich starsi koledzy, ale jednego czy dwóch trwałych, długodziałających — i okazywanie swojej klasy przez to, że potrafisz skutecznie delegować, z czasem poprawiać działanie agenta i doprowadzać do rezultatów. Nie mam pełnych odpowiedzi. Wskakujemy w to wszyscy razem. Ale takie doświadczenie pasuje do tego, na jakim chcielibyśmy doskonalić młodszych współpracowników w nowym świecie pracy.

Czy człowiek ma dokąd iść?

Jeśli zastanawiacie się, ile jeszcze miejsc zostało dla człowieka: w ostatnim roku ludzie musieli wychodzić z pętli — z modelu, w którym człowiek zatwierdza każdy krok (tzw. human in the loop). Czy zostało jeszcze wyżej? Czy będzie już tylko agent na agencie, jak żółwie w tym słynnym dowcipie, aż do samego dołu? Nie sądzę. Ludzie budują dla ludzi. Ludzie chcą relacji z ludźmi. Ludzie nieprzerwanie interesują się sobą jako gatunkiem. Będziemy dalej budować dla siebie, rozmawiać ze sobą i tworzyć w zespołach — bo to robimy najlepiej — i będzie się od nas oczekiwać, że zrobimy to jak najproduktywniej.

Bycie człowiekiem w miejscu pracy będzie więc coraz bardziej oznaczać poczucie własności, odpowiedzialność, pasję do jakości w robocie, którą się wykonuje, i głębokie zrozumienie, jak rozwijać w czasie środowisko, które w dużej mierze pracuje samo, żeby zrobić więcej.

I przeżyjemy ten moment, zanim uzgodnimy definicję trzech liter. Przeżyjemy go, gdy agent nauczy się dziwacznej odmiany, w jaką nasza firma ubiera sprinty. Gdy sam wywnioskuje, jak lubimy budować produkt, i zacznie naśladować nasz styl prowadzenia projektów. Gdy sam skontaktuje się z klientem z ofertą tak trafioną, że ten z nami zostanie.

A Astra jest tylko pierwsza za progiem. Kolejny rozdział tej historii to rynek pełen superagentów. Laboratoria będą kopiować od siebie to, co działa — to już znamy. Poprawiać się będzie oprawa wokół modeli, tzw. harness: pamięć, narzędzia, uprawnienia, sposoby samokontroli. Agenty będą coraz sprawniej komunikować się z innymi, monitorować się i współpracować. Zbudujemy systemy transakcyjne, które pozwolą agentom robić ze sobą interesy — to się już zaczyna.

Dlatego uważam, że jesteśmy w fazie startu. Nie potrzeba do tego jednej maszyny, która obudzi się i, jak Terminator, ogłosi siebie światu — to była wizja z lat osiemdziesiątych. Prawdziwy świat wygląda inaczej: zdolne agenty wchodzą w zwykłe życie, w nim zostają i zdobywają dość kontekstu oraz uprawnień, by stać się zaufaną częścią tego, jak życie po prostu przebiega.

Najbliższe pół roku: stałe obowiązki i pytania kontrolne

Przez najbliższych sześć miesięcy, do końca roku i trochę dalej, zaczniemy dawać tym agentom stałe obowiązki. Będziemy mówić: „Utrzymuj księgowość firmy na bieżąco”. „Informuj klientów, nad czym pracujemy w produkcie”. „Zbadaj, jak to sprzedać — sam nie wiem jak”. Agent będzie nad tym pracował nocami i w weekendy przez długi, długi czas, a naszym zadaniem będzie rozwijanie i kształtowanie tego, co robi.

Zanim więc oddasz superagentowi takie miejsce w swoim życiu, radzę zadać kilka pytań. Przygotujmy się na to zawczasu. Jaką część mojego świata oddaję? Co ten agent może czytać i pamiętać? Gdzie może zacząć beze mnie? Co może obiecać? Kto — lub co — go obserwuje? Czy ktoś go poprawi? I skąd to wiem? To nie są pytania na jutro. Astra została wydana. Fable już wykonuje długie zadania. Inne laboratoria celują w tę samą przestrzeń. A modele otwarte osiągną ten poziom przed końcem roku.

Wyzwanie na koniec

Moja pogłębiona recenzja Astry nadchodzi wkrótce — nie mogę się doczekać, mam dużo w rękawie. Pokażę w niej obsługę komputera, długie zadania, pracę twórczą; miejsca, w których Astra decyduje znakomicie, i takie, w których zdecydowanie trzeba nią zarządzać. Ale rzecz, którą musicie pojąć, wchodząc w ten świat — my wszyscy, gdy tylko dostaniemy dostęp do Astry — jest większa niż recenzja pojedynczego produktu. AGI według większości miar, które naprawdę coś znaczą, jest już mniej więcej teraz. Długodziałające agenty są tu. To, co pół roku temu nazwalibyśmy superagentami, jest tu. Za chwilę zdecydujemy, gdzie mieszkają, co wiedzą, co robią i jak dużą część naszego świata jesteśmy gotowi im powierzyć. Podejmij tę decyzję. To moje wyzwanie dla ciebie.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Kontrakt zamiast przepisu

Na czym polega: Astra i podobne agenty nie potrzebują instrukcji krok po kroku — same wybierają metodę, narzędzia i kolejność działań, a jakość rezultatu jest wysoka nawet bez szczegółowych wytycznych.

Jak stosować: przy zleceniu opisz cel, kryteria dobrego rezultatu i granice (co wolno, czego nie), a nie ścieżkę wykonania; zostaw agentowi czas liczony w dniach, nie minutach; po zakończeniu przejrzyj ślad działania, żeby wiedzieć, którą drogą poszedł.

Na co uważać: bez wyraźnych granic agent dobierze własną metodę, która może cię zaskoczyć (np. pobierze inne oprogramowanie); skoro nie dajesz wytycznych o jakości, musisz sam zdefiniować miarę sukcesu.

2.Skala stawki decyduje o uprawnieniach

Na czym polega: decyzja o dziesięciu dolarach i decyzja o zakupie samochodu to różne klasy ryzyka; agent musi umieć działać sam w pierwszej i eskalować do człowieka w drugiej.

Jak stosować: zdefiniuj progi kwotowe i rodzajowe (pieniądze, czas, relacje z ludźmi); przetestuj agenta na scenariuszach granicznych i sprawdź, czy potrafi powiedzieć: „to załatwię sam, ale o tym muszę porozmawiać z człowiekiem”.

Na co uważać: uprawnienia typu „wszystko albo nic” sprawią, że agent będzie albo bezużyteczny, albo ryzykowny; odrębnie traktuj decyzje nieodwracalne.

3.Selekcja pracy: szukaj sprawdzalnych śladów

Na czym polega: o przejęciu pracy przez agenta nie decyduje szczebel kariery, tylko to, czy praca dzieje się w oprogramowaniu i zostawia artefakt możliwy do zbadania: kod z testami, ekran, sumujące się liczby.

Jak stosować: przejrzyj obowiązki zespołu pod kątem takich „drzwi do weryfikacji” — te zadania powierzaj agentom jako pierwsze, bo błąd da się wychwycić i poprawić.

Na co uważać: praca bez śladów jest i trudna do delegowania, i trudna do audytu — zanim ją oddasz, zbuduj punkt kontrolny (raport, log, checklistę).

4.Zacznij od pracy bez właściciela

Na czym polega: w każdej firmie jest praca, której nikt oficjalnie nie posiada: rozjechane systemy, niedomknięte procesy, aktualizacje w zawieszeniu — idealny teren dla trwałego agenta, jak Ship Closer u Vercela.

Jak stosować: wypisz pary systemów, które powinny się zgadzać, a się rozjeżdżają (changelog i kalendarz premier, CRM i skrzynka mailowa); agent niech pilnuje spójności, a przy niepewności dopytywał w kanale, w którym zespół już rozmawia.

Na co uważać: ustal próg pewności, od którego agent działa sam, a od którego czeka; pilnuj, żeby wiadomości od agenta nie zaśmiecały ludzkich wątków.

5.Zlecaj obszary, nie pojedyncze zadania

Na czym polega: długodziałający agent najlepiej nadaje się do zleceń bez naturalnego końca: „pilnuj kondycji konta”, „informuj o nowościach w tym badaniu”, „miej oko na to, co mi umknie”.

Jak stosować: używaj formuły: cel + wyzwalacze + rytm kontaktu (np. „raport w piątek, natychmiast, gdy zmieni się X”); raz w tygodniu sprawdzaj, czy agent trafnie ocenia, które zdarzenia mają znaczenie.

Na co uważać: takie zlecenie samo się nie kończy — bez cyklicznego przeglądu agent będzie po cichu poszerzał zakres i budował własne interpretacje celu.

6.Sprawdzaj pomysły hurtowo

Na czym polega: większość pomysłów umierała nie z braku wyobraźni, lecz z braku sił na sprawdzenie; superagent pozwala wykonać dziesięć wariantów zamiast jednego — jak Playo, które może zbudować i przetestować w grze dziesięć pomysłów przed wyborem.

Jak stosować: w projektach twórczych i produktowych żądaj od agenta wielu tanich prototypów, a decyzję o rozwoju zostaw człowiekowi; kryteria selekcji ustal z góry.

Na co uważać: mnożenie wersji nie zastępuje wyboru — bez jasnych kryteriów utoniesz w opcjach; prototyp agenta to dopiero hipoteza, dopóki człowiek jej nie oceni.

7.Pamięć agenta to aktywo — i zobowiązanie

Na czym polega: agent, który pracował z tobą pół roku, jest znacznie użyteczniejszy niż świeża kopia tego samego modelu; użyteczność rośnie z historii współpracy, nie z wyników benchmarków.

Jak stosować: planuj ciągłość — gdzie agent trzyma notatki, jak je wyeksportować, kto ma dostęp; u dostawców pytaj o przechowywanie danych (np. zgodność ze standardami zerowego retencji tam, gdzie jest wymagana).

Na co uważać: niepisana wiedza przenosi się z głów ludzi do systemów dostawców — zmiana agenta może oznaczać utratę lat kontekstu; nie dawaj agentowi pamięci o wrażliwych danych bez polityki ich usuwania.

8.Buduj zaufanie jak produkt: domknij ostatnie dwa procent

Na czym polega: 98–99 procent niezawodności robi wrażenie, ale pełną wartość odblokowuje dopiero zaufanie całkowite — „domyślnie włączone”, jak przejście od ręcznego pisania HTML-u do zwykłego korzystania ze stron.

Jak stosować: wybierz jeden wąski obszar i doprowadź w nim agenta do stanu „nie muszę sprawdzać”: mierz błędy, loguj decyzje, buduj reguły eskalacji; dopiero potem rozszerzaj zakres.

Na co uważać: nie przenoś zaufania z jednego obszaru na wszystkie — agent niezawodny w sprawdzaniu dokumentów nie musi być bezpieczny w negocjacjach; pełna niezawodność w wąskim zakresie jest cenniejsza niż wysoka średnia wszędzie.

9.Szkól się na opiekuna agentów — i zostaw ludziom naukę osądu

Na czym polega: wszyscy stajemy się opiekunami agentów: delegowanie, doskonalenie ich pracy w czasie, rozliczanie rezultatów. Jednocześnie juniorzy uczą się osądu przez własne błędy — jeśli agent zabierze im całą tę pracę, skąd za kilka lat wezmą się seniorzy?

Jak stosować: włącz prowadzenie jednego–dwóch trwałych agentów do obowiązków i ścieżek rozwoju, także juniorskich; celowo zostaw młodym zadania, które uczą, nawet gdy agent zrobiłby je szybciej.

Na co uważać: rola opiekuna to nie sam nadzór, lecz odpowiedzialność za rezultat; nie myl audytu (ślad zostaje do sprawdzenia) z zaufaniem (nie musisz w ślad zaglądać).

10.Odpytaj się przed wdrożeniem — lista kontrolna autora

Na czym polega: autor zostawia zestaw pytań, które trzeba zadać, zanim agent dostanie stałe miejsce w życiu lub firmie; to nie pytania „na jutro”, bo Astra już jest, a otwarte modele mają dorównać jej przed końcem roku.

Jak stosować: na piśmie odpowiedz: co oddaję? co agent może czytać i pamiętać? gdzie może zacząć beze mnie? co może obiecać? kto lub co go obserwuje? czy ktoś go poprawi — i skąd to wiem? Odpowiedzi traktuj jak zakres uprawnień i weryfikuj przy każdym nowym zleceniu.

Na co uważać: brak odpowiedzi na któreś z pytań to sygnał, że obszar jest za duży na pierwszy krok; szczególnie pilnuj obietnic składanych w twoim imieniu — przypomnij sobie przypadek „opłaty za odwołanie”, której nikt nie zatwierdził.