O czym jest ten film
- Film otwiera montaż wypowiedzi o zagrożeniach płynących z rozwoju AI — m.in. ostrzeżenia Daria Amodei, szefa Anthropic, że sztuczna inteligencja jest bardziej autonomiczna niż jakakolwiek technologia w historii.
- Autor opisuje wydarzenie, które jego zdaniem przekracza punkt zwrotny: rząd USA nakazał Anthropic wyłączenie najnowszych modeli (Fable i Mythos) po demonstracji obejrzenia ich zabezpieczeń.
- Formalnym powodem nakazu był zakaz dostępu dla osób bez amerykańskiego obywatelstwa — którego nie dało się egzekwować inaczej niż odcięciem modeli wszystkim użytkownikom.
- Wersja Mythos o luzniejszych zabezpieczeniach, dostępna wąskiemu gronu obrońców, znalazła tysiące nieznanych wcześniej luk — w tym 27-letnią w OpenBSD i 16-letnią w FFmpeg, często bez nadzoru człowieka.
- Po osiemnastu dniach Anthropic wytrenowało klasyfikator blokujący zgłoszoną technikę w ponad 99% przypadków, rząd przetestował zabezpieczenia i ograniczenia zniesiono.
- Wniosek autora: to wyścig bez sędziego — jeden kraj potrafił odciąć jeden model, ale nie samą technologię, konkurencję ani presję na dalszy rozwój.
- Trzy prognozy: edukacja AI stanie się infrastrukturą rynku pracy; cyberbezpieczeństwo będzie zawodowym beneficjentem AI (a ubezpieczenia cyber zaczępy pytać o agentów); rządy spróbują „kontroli zbrojeń AI”, ale bez realnej globalnej pauzy.
- Autor pokazuje viralowy wątek rezygnacji Jacoba Coxena z Anthropic oraz reakcje Berniego Sandersa i Evana Hubingera, który szacuje ryzyko zagłady ludzkości przez AI na ponad 10% w skali dekady.
- Trzy umiejętności dla zwykłych użytkowników: zlokalizowanie prawdziwego problemu (przykład gabinetu medycyny estetycznej), kontrola uprawnień agenta oraz przejęcie odpowiedzialności za rezultat.
- Na koniec autor odsyła do darmowego przewodnika w swojej społeczności.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Wyłączenie modelu nie wyłącza wyścigu
Na czym polega: Rząd USA odciął Fable na osiemnaście dni, ale nie zdołał zatrzymać ani samej technologii, ani konkurencji — chińskie laboratoria i pozostali amerykańscy gracze działali dalej.
Jak stosować: Planując wdrożenia AI, zakładaj, że możliwości modeli będą stale rosły niezależnie od regulacji. Projektuj procesy tak, żeby dało się je zacisnąć lub rozszerzyć, gdy pojawi się mocniejszy model.
Na co uważać: Nie buduj przewagi na przekonaniu, że „ktoś to w końcu ureguluje”, i nie uzależniaj całej firmy od jednego dostawcy — jego model może zniknąć z dnia na dzień.
2.Agenci znajdują luki niewidoczne dla ekspertów od lat
Na czym polega: Wersja Mythos odkryła 27-letnią lukę w OpenBSD i 16-letnią w FFmpeg, którą automatyczne testy „przepuściły” pięć milionów razy — często bez żadnego nadzoru człowieka.
Jak stosować: Wykorzystaj AI do audytu własnego kodu i infrastruktury, zanim zrobi to ktoś z zewnątrz. Skanowanie podatności stało się tanie i powszechne.
Na co uważać: Te same możliwości ma strona atakująca — luka, której nie znasz dzisiaj, może być znana komuś innemu już teraz.
3.Pytanie o dziesięciokrotny wzrost przed automatyzacją
Na czym polega: Zamiast budować dokładnie to, o co prosi klient, sprawdź, co jest prawdziwym wąskim gardłem. Narzędzie autora: „Gdyby wasz biznes urósł jutro dziesięciokrotnie, który proces pękłby pierwszy?”
Jak stosować: Przed projektem przeanalizuj z właścicielem firmy, gdzie już dziś uciekają pieniądze (w przykładzie z filmu: nie brak klientów, lecz nieobecności na umówionych wizytach).
Na co uważać: Mocniejszy model wykona zły plan z zawrotną szybkością — automatyzacja niewłaściwego procesu zwielokrotnia straty.
4.Dostęp agenta nie jest zero-jedynkowy
Na czym polega: Można oddzielić to, co agent czyta, od tego, co zmienia, i od akcji wymagających zatwierdzenia człowieka.
Jak stosować: Zaczynaj od dostępu tylko do odczytu, przełączaj na tryb szkiców przed publikacją czy wysyłką do klienta, a przy pieniądzach, usuwaniu danych i produkcji zawsze zostawiaj krok zatwierdzenia przez człowieka.
Na co uważać: Podpięcie agenta od razu do poczty, CRM-a, płatności i repozytorium kodu to cyfrowa wersja wręczania nowemu pracownikowi loginu do konta firmowego w pierwszym dniu pracy.
5.Logi i wyłącznik awaryjny to minimum higieny
Na czym polega: Każda akcja agenta powinna być zapisana, a cały system — natychmiastowo wyłączalny, gdy zacznie się dziwnie zachowywać.
Jak stosować: Przygotuj zawczasu odpowiedzi na pytania, które zada ubezpieczyciel lub audytor: które agenty mają dostęp do danych klientów, kto zatwierdza ryzykowne działania, gdzie leżą logi, co zrobić przy przejęciu agenta.
Na co uważać: Brak logów to brak dowodu kontroli w razie incydentu — i w praktyce droższa lub niedostępna polisa.
6.Polisa cyber nie chroni przed atakiem
Na czym polega: Ubezpieczenie może pokryć część szkód i wesprzeć reakcję, ale nie zastępuje ochrony ludzi, kont, oprogramowania, dostawców i danych. Z czasem stanie się swego rodzaju filtrem wymuszającym dowody na powagę podejścia do ryzyka.
Jak stosować: Potraktuj ankietę ubezpieczeniową jako checklistę wdrożenia agentów AI — pytania o uprawnienia, logi i procedury awaryjne.
Na co uważać: Kontrola nad własnymi agentami nie chroni przed kimś, kto używa AI przeciwko tobie: przekonującejszy phishing, szybsze skanowanie słabych punktów, sprawniejsze poruszanie się po włamaniu.
7.Przed wdrożeniem: linia bazowa, cel i termin
Na czym polega: Zanim cokolwiek zbudujesz, ustal, którą liczbę w biznesie system ma zmienić, zapisz punkt startowy, wartość docelową i czas, który dajesz na dotarcie do niej.
Jak stosować: Mierz tę samą wartość przed i po uruchomieniu; dołóż pytanie „co ten system może zrobić źle i kto odpowiada za sprawdzanie?”.
Na co uważać: Bez pomiaru nie masz odpowiedzi na pytanie właściciela „czy to w ogóle zadziałało?” — zostaje tylko opinia.
8.Za błędy agenta odpowiada człowiek
Na czym polega: AI może napisać maila, kod czy rekomendację, ale nie poniesie konsekwencji, gdy poda złą cenę albo napisze do niewłaściwej osoby. Odpowiedzialność zostaje po stronie operatora.
Jak stosować: Tam, gdzie agent rozmawia z klientami: przeglądaj jego wypowiedzi, ustal moment, w którym rozmowę przejmuje człowiek, i prowadź rejestr każdej wiadomości.
Na co uważać: Dopracowany, elegancki tekst bywa całkowicie błędny — forma odpowiedzi nie jest dowodem jej poprawności. A z drugiej strony: za sukcesy agentów również przypisz zasługi sobie i zadbaj, żeby firma to widziała.
9.Kompetencje AI jako nowa infrastruktura edukacyjna
Na czym polega: Rządy zaczynają finansować edukację AI tak, jak kiedyś podstawy obsługi komputera — programy obejmą szkoły, biblioteki, kolegia i urzędy pracy, a certyfikaty mogą trafić do publicznie finansowanych ścieżek przekwalifikowania.
Jak stosować: Inwestuj we własną, udokumentowaną ścieżkę kompetencji AI; jeśli doradzasz firmom, pomagaj małym pracodawcom skorzystać z publicznych programów wsparcia.
Na co uważać: Kurs bez praktyki i bez mierzalnych efektów nie przekona pracodawcy — buduj portfolio projektów, nie same certyfikaty.
10.Kariera w cyberbezpieczeństwie rośnie razem z AI
Na czym polega: Amerykańskie statystyki prognozują wzrost zatrudnienia analityków bezpieczeństwa informacji o 29% w latach 2024–2034. AI przejmie wstępną analizę alertów i skanowanie podatności, a człowiek przesunie się w stronę decyzji: czy model ma rację, jakie agenty mają dostęp do czego, jak reagować na awarię i jak udowodnić, że system jest bezpieczny.
Jak stosować: Rozwijaj umiejętności oceniania wyników AI, zarządzania dostępami agentów i dokumentowania bezpieczeństwa — to one będą deficytowe.
Na co uważać: To przestaje być praca „przy monitoringu alertów”; rola rośnie w stronę decyzyjności i odpowiedzialności, więc wymaga rozumienia biznesu, nie tylko narzędzi.
Redakcyjne tłumaczenie
Otwarcie: montaż z serwisów informacyjnych
Dyrektor generalny Anthropic, Dario Amodei, ostrzega przed zagrożeniami płynącymi z gwałtownego rozwoju sztucznej inteligencji.
„AI jest bardziej autonomiczna niż jakakolwiek technologia w historii.”
„Wierzy pan, że będzie mądrzejsza od wszystkich ludzi?”
„Wierzę, że osiągnie ten poziom — że będzie mądrzejsza od większości albo wszystkich ludzi, w większości albo wszystkich dziedzin.”
„Przez stulecia wizja technologii wymykającej się spod kontroli — siły samosterującej się i samonapędzającej, wykraczającej poza ludzką wolę — pozostawała fikcją. Już nie.”
„Administracja Trumpa zmusiła Anthropic, jedną z czołowych amerykańskich firm zajmujących się sztuczną inteligencją, do wyłączenia najnowszych i najmocniejszych modeli. Firma podaje, że powodem były nieokreślone zagrożenia dla bezpieczeństwa narodowego.”
Granica, za którą nie ma powrotu
Szczerze mówiąc, jeszcze niedawno takie narracje służyły głównie straszeniu widzów dla wyświetleń — wykorzystywaniu tematu, którego większość społeczeństwa nie rozumie. To już koniec tej epoki. Z Claude właśnie przekroczyliśmy granicę, za którą nie ma powrotu.
Trzy dni po premierze najmocniejszego modelu w historii firmy rząd USA wystawił jedno polecenie — i cały model został wyłączony. To nie był odosobniony incydent: kilka miesięcy wcześniej ten sam rząd postawił już firmę na czarnej liście. A przez cały ten czas chińskie laboratoria publikowały kolejne otwarte modele, które bardzo szybko zbliżają się do czołówki. Trzy tygodnie później Amerykanie cofnęli restrykcje i Fable 5 wrócił do sieci.
Wyciągam z tego prosty wniosek: to wyścig. Nie ma w nim sędziego — jest tylko meta i nagroda za zwycięstwo. Tak, Claude Code faktycznie zaczyna być niebezpieczny. Ale istnieje poważniejszy powód do niepokoju: ta fala dotknie nie tylko rządów, lecz także wszystkich, którzy używają Claude na co dzień.
Pokażę, o co chodzi, przedstawię swoje prognozy i trzy umiejętności, dzięki którym ta fala was nie obejmie.
Co naprawdę nakazał rząd
Sam nakaz zakazywał dostępu do Fable i Mythos osobom bez amerykańskiego obywatelstwa — w tym zagranicznym pracownikom Anthropic zatrudnionym na terenie Stanów Zjednoczonych. Jest tylko jeden problem: gdy ktoś odpytuje API, Anthropic nie ma niezawodnego sposobu, by w czasie rzeczywistym sprawdzić jego narodowość. A ponieważ nakaz wszedł w życie natychmiast, jedyną drogą do pewnej zgodności z prawem było odcięcie obu modeli wszystkim użytkownikom.
Według rządu impulsem było tzw. jailbreak — obejście zabezpieczeń modelu, które skłoniło Fable do skanowania oprogramowania w poszukiwaniu słabych punktów i przygotowania pokazu, jak konkretną lukę można wykorzystać. Anthropic zaprotestowało: ten sam test wykrył zaledwie kilka drobnych, wcześniej znanych podatności. Firma dodała też, że pokazany exploit potrafiły odtworzyć wszystkie testowane modele — w tym starsze wersje Claude i modele GPT.
Spór sprowadzał się do tego, czy pojedyncze obejście uzasadniało wycofanie całego modelu. Ale sama umiejętność, która stała za tym obejściem, była znacznie trudniejsza do zignorowania.
Fable i Mythos: ten sam model, inne zabezpieczenia
Fable i Mythos to w istocie ten sam model podstawowy, tyle że z różnymi warstwami bezpieczeństwa. Fable jest wersją publiczną; Mythos ma mniej zabezpieczeń i trafia wyłącznie do wąskiego grona zaufanych obrońców.
Jeszcze przed wyłączeniem wersja podglądowa Mythos znalazła tysiące nieznanych wcześniej luk i opracowała wiele związanych z nimi exploitów — często bez żadnego sterowania przez człowieka. Wykryła błąd w OpenBSD sprzed dwudziestu siedmiu lat oraz szesnastoletnią lukę w FFmpeg, która pięć milionów razy „przechodziła” przez automatyczne testy, nie dając się wykryć.
(Informacja dodatkowa: OpenBSD to system operacyjny uznawany za jeden z najlepiej zabezpieczonych na świecie, a FFmpeg to biblioteka do obróbki audio i wideo, na której opiera się ogromna część oprogramowania multimedialnego.)
Gdy mówię, że Claude Code robi się niebezpieczny, nie posługuję się metaforą. Wystarczy tę inteligencję umieścić w agencie, który czyta waszą bazę kodu, posługuje się waszymi narzędziami i sam podejmuje działania — a znajdzie słabości, których ludzcy eksperci nie widzieli przez lata. A potem jeszcze policzy, jak część z nich wykorzystać.
Osiemnaście dni offline i powrót do gry
Podczas osiemnastodniowego przestoju Anthropic wytrenowało nowy klasyfikator bezpieczeństwa, który — jak firma twierdzi — blokuje zgłoszoną technikę w ponad 99 procentach przypadków. Rząd przetestował zaktualizowane zabezpieczenia, ograniczenia zniesiono i Fable wrócił. Anthropic zobowiązało się również do udostępniania przyszłych modeli wskazanym partnerom rządowym jeszcze przed premierą oraz do pomocy w opracowaniu wspólnego standardu oceniania obejść zabezpieczeń.
Tymczasem chińskie laboratoria i pozostali amerykańscy gracze nie zwalniali tempa. Nie ma publicznych dowodów, że to właśnie konkurencja skłoniła rząd do cofnięcia decyzji. Cała sytuacja pokazuje jednak coś innego: żadna pojedyncza firma — ani nawet pojedynczy kraj — nie zatrzyma w pojedynkę całej branży. Bo zachęty w tym wyścigu premioują wygraną, a nie ostrożność.
Prognoza 1: edukacja AI jako infrastruktura rynku pracy
Moja pierwsza prognoza: rządy zaczną traktować umiejętność posługiwania się AI jak element infrastruktury gospodarczej. Już dziś pieniądze płyną na krajowe moce obliczeniowe i do firm AI, ale zaczynają też docierać do sal lekcyjnych i do pracowników. Biały Dom powołał zespół ds. edukacji AI, a program „AI Ready America” Narodowej Fundacji Nauki finansuje kompetencje AI, szkolenia zawodowe i wdrażanie tej technologii w małych firmach. Przypuszczam, że w perspektywie pięciu–dziesięciu lat skala tych działań bardzo urośnie.
Osoba, która straci pracę, dostanie być może publicznie finansowaną certyfikację AI — przez lokalne kolegium albo program rynku pracy — a być może skorzysta z naszego programu certyfikowanych konsultantów AI w AIS. Nauczyciele będą przechodzić szkolenia z AI w ramach zwykłego doskonalenia zawodowego. Lokalne programy wsparcia biznesu będą płacić małym firmom za wdrażanie tych narzędzi. Żaden kraj nie chce mieć milionów pracowników, którzy czekają, aż AI im się „przydarzy”, podczas gdy rywal uczy całe swoje społeczeństwo, jak z niej korzystać.
Edukacja AI zacznie więc wyglądać mniej jak niszowy bootcamp programistyczny, a bardziej jak podstawowa kompetencja zawodowa — na podobieństwo tego, jak kiedyś obscługa komputera. Ten wyścig dotrze do szkół, bibliotek, kolegiów i urzędów pracy.
(Informacja dodatkowa: community college to amerykańskie, zwykle publicznie finansowane dwuletnie uczelnie, dostępne lokalnie i nastawione na kształcenie praktyczne.)
Prognoza 2: cyberbezpieczeństwo i ubezpieczenia na pierwszej linii
Druga prognoza: cyberbezpieczeństwo stanie się jednym z największych zawodowych beneficjentów AI, choć sama praca się zmieni. Amerykańskie Biuro Statystyki Pracy prognozuje już dziś wzrost zatrudnienia analityków bezpieczeństwa informacji o 29 procent w latach 2024–2034. Agenci AI dokładają obrońcom dodatkowy kod, dodatkowy dostęp i zautomatyzowane akcje do zabezpieczenia. Sztuczna inteligencja przejmie zapewne wstępną analizę alertów i skanowanie podatności.
Ludzka rola przesunie się w stronę zadań obciążonych realną odpowiedzialnością: oceniania, czy AI ma rację; decydowania, które agenty mają dostęp do czego; badania nietypowych przypadków; reagowania, gdy coś pójdzie nie tak; udowadniania, że system rzeczywiście jest bezpieczny.
Ubezpieczenia od ryzyk cyber zajdą z tym całą drogę do zwykłych firm. Ubezpieczyciele już dziś pytają o uwierzytelnianie wieloskładnikowe, aktualizacje oprogramowania, kopie zapasowe, szkolenia pracowników, dostęp dostawców i plany reagowania na incydenty. Pytania o AI dokładają się do tej listy, a nie zastępują jej. Bo kontrola nad własnymi agentami nie chroni przed kimś, kto użyje AI przeciwko wam: atakujący mogą dzięki niemu pisać bardziej przekonujące maile phishingowe, szukać słabych punktów i szybciej poruszać się po włamanym systemie.
Ankieta odnowieniowa polisy zacznie pytać o rzeczy w stylu: które agenty mogą wysyłać pieniądze? Które mają dostęp do danych klientów? Czy którykolwiek może wdrażać kod? Czy jego działania są rejestrowane? Kto może go wyłączyć? Firma, która nie umie odpowiedzieć, zapłaci więcej albo w ogóle nie dostanie ochrony.
Trzeba jednak pamiętać: polisa nie powstrzymuje ataku — w zależności od warunków może pokryć część szkód i wesprzeć reakcję. Firmie i tak zostaje ochrona ludzi, kont, oprogramowania, dostawców i danych. Regulatorzy mogą publikować standardy, a ubezpieczyciel wyceni, ile kosztuje ich lekceważenie. Ubezpieczenie cyber stanie się jednym z filtrów, które zmuszą firmy do wykazania, że traktują to ryzyko na poważnie.
Prognoza 3: kontrola zbrojeń AI bez globalnej pauzy
Prognoza trzecia: rządy spróbują zbudować jakąś wersję kontroli zbrojeń AI, ale nie wierzę w czystą, globalną pauzę, w której wszyscy zgodnie zwolnią. To po prostu nierealistyczne. Krajany podpisały już międzynarodowe porozumienia dotyczące AI, a ONZ bada, jak weryfikować deklaracje laboratoriów na temat najmocniejszych modeli.
Wytrenowanie takiego modelu od zera wymaga gigantycznych klastrów specjalistycznych chipów, sporej mocy, infrastruktury centrów danych i ogromnych pieniędzy. Człowiek w piwnicy raczej dziś czegoś takiego nie dokona. Ale ten sam człowiek może pobrać model open source, go dotrenować, zdjąć zabezpieczenia albo użyć go w sposób, którego twórca nigdy nie przewidział. AI jest bardzo inteligentna, ale jest przede wszystkim wzmacniaczem ludzkich intencji — i ta myśl bywa niepokojąca. Kontrola robi się o wiele trudniejsza, gdy kopie zaczną się rozchodzić.
Pierwszy system „kontroli zbrojeń AI” będzie więc raczej chaotycznym zbiorem mechanizmów: śledzenia chipów, logów chmurowych, ewaluacji modeli, raportów o incydentach, inspekcji centrów danych. Może uczynić największe treningi bardziej widocznymi, ale nie udowodni, że każde laboratorium, każdy kraj, każdy prywatny podmiot i każdy człowiek w piwnicy naprawdę się zatrzyma. A pokusa, żeby oszukiwać, jest gigantyczna. Ci sami rządowcy, którzy domagają się mocniejszych reguł bezpieczeństwa, finansują krajowe moce obliczeniowe, szkolą pracowników i starają się nie zależeć od modeli rywali.
Rezygnacja, która wzburzyła branżę
Muszę wam to pokazać, bo nigdy nie widziałem, żeby wątek na Twitterze zrobił się tak szybko viralowy. Jacob Coxen napisał wczoraj:
„Rezygnuję dziś z Anthropic. Ostatnie trzy lata spędziłem na badaniach nad pretreningiem — w OpenAI i w Anthropic. Żadna z tych firm nie zachowuje się odpowiedzialnie. Pędzą prosto ku samodoskonalącej się superinteligencji, stawiając na kartę nasze życie.”
Nie będę czytał całości, ale rozwinął ten temat w dłuższy wątek, a każdy wpis ma po kilka milionów wyświetleń. Krótko mówiąc: nie lekceważcie siły tej technologii. To wkrótce systemy o superludzkich możliwościach, które zdołają zhakować wszystko, z dnia na dzień przewrócić dowolną dziedzinę i zdobyć realną władzę oraz realne zasoby. Postęp nie zwalnia.
Co stało się dalej? Mnóstwo cytatów. Bernie Sanders napisał:
„Pan Coxen ma rację. Sami twórcy tej technologii przyznają, że może zagrozić przyszłości ludzkości. Dlatego wkrótce przedłożę ustawę zakazującą superinteligencji i wstrzymującą rozwój AI.”
No dobrze — ale co, jeśli wejdzie ona w życie wyłącznie w Stanach Zjednoczonych?
I jeszcze jeden wpis, tym razem Evana Hubingera — według jego profilu kierownika badań naukowych nad alignmentem w Anthropic, wcześniej związanego z OpenAI i Google:
„Jacob ma rację. Szczerze wierzymy, że AI może zabić wszystkich ludzi. Ja osobiście oceniam tę szansę na ponad 10 procent w ciągu najbliższej dekady. Wierzę, że Anthropic stara się, jak potrafi, ale wciąż nie mamy planu rozwiązania problemu dopasowania superinteligencji do ludzkich intencji — i wyraźnie nie zmierzamy do jego rozwiązania.”
Ludzie, to naprawdę poważna sprawa. Każde laboratorium wie, że samodzielne zwolnienie tempa może oznaczać utratę prowadzenia albo przegrany wyścig. Wyłączenie Fable było małą zapowiedzią tego problemu: jeden rząd potrafił przez osiemnaście dni odciąć jeden model, ale nie potrafił odciąć samej technologii, konkurencji ani presji, żeby iść dalej.
Co z tego wynika dla zwykłych ludzi i firm
To zostawia zwykłych ludzi i firmy z dość osobliwym problemem. Wyścigu nie zatrzymamy, ale i całkowite unikanie AI nie wchodzi w grę — bo ktoś, kto używa tych narzędzi dobrze, będzie po prostu działał znacznie szybciej. Celem jest więc wykorzystanie całej tej mocy bez oddawania własnego osądu, dostępu i odpowiedzialności. Sprowadza się to do trzech umiejętności: zlokalizowania prawdziwego problemu, kontrolowania systemu i brania odpowiedzialności za wynik.
Umiejętność 1: zlokalizuj prawdziwy problem
Interesariusz, klient — jak zwał, tak zwał — przychodzi do was i mówi: „Widziałem takiego agenta AI na LinkedIn. Zbuduje nam pan coś takiego?”. Jeśli otworzycie Claude i zbudujecie dokładnie to, o co proszono, możecie zautomatyzować coś, co nigdy nie było prawdziwym problemem. Im mocniejsze stają się te modele, tym ważniejsze jest ustalenie, który problem naprawdę zasługuje na tę moc.
Podam przykład, żeby to utkwiło w pamięci. Klientka prowadząca gabinet medycyny estetycznej przyszła do mnie po systemy AI, które miały ściągnąć więcej klientów — była przekonana, że boli ją brak przychodów. Zanim cokolwiek zbudowaliśmy, zadałem jedno z moich ulubionych pytań: „Gdyby wasz biznes urósł jutro dziesięciokrotnie, który proces pękłby pierwszy?”. Kiedy przyjrzeliśmy się firmie, okazało się, że pozyskiwanie klientów wcale nie było palącym problemem. Zapytań było pod dostatkiem — tylko że spora część klientów nie przychodziła na umówione wizyty. Kasa uciekała z firmy już po tym, jak klient się pojawił. Wpompowanie większej liczby leadów do nieszczelnego systemu sprawiłoby tylko, że więcej pieniędzy by z niego wyciekało.
Lepszym pierwszym projektem było poprawienie kontaktu z klientami po umówieniu wizyty i ograniczenie liczby nieobecności — bo to uderzało wprost w wąskie gardło, które już wtedy kosztowało firmę pieniądze.
I właśnie tu wasz osąd staje się naprawdę cenny. Claude wykona zły plan z zawrotną szybkością — musicie znać biznes na tyle dobrze, żeby skierować go we właściwą stronę. Ta wartość powstaje na długo przed napisaniem pierwszego prompta.
Umiejętność 2: kontroluj system
Gdy zatrudniacie kogoś w poniedziałek, nie oddajecie mu od razu loginu do konta firmowego ani całej bazy danych. A jednak firmy robią cyfrową wersję dokładnie tego: podpinają agenta AI od razu do wszystkiego — poczty, CRM-a, systemu płatności, repozytorium kodu — bez przemyślenia uprawnień.
Agent rzeczywiście potrzebuje dostępu, żeby być użyteczny, ale dostęp nie jest zero-jedynkowy. Możecie zdecydować, co może czytać, co może zmieniać, które akcje wymagają zatwierdzenia i czy da się dokładnie prześledzić, co zrobił. Zaczynajcie zawsze od dostępu tylko do odczytu, tam gdzie się da. Niech agent przygotowuje szkice, zanim cokolwiek trafi na produkcję albo do klienta. Zawsze zostawiajcie człowieka w pętli zatwierdzania przy pieniądzach, usuwaniu danych, publikacji i wszystkim, co dotyczy środowiska produkcyjnego. Logujcie każdą akcję i upewnijcie się, że całość da się szybko wyłączyć, gdyby zaczęła się dziwnie zachowywać.
To w zasadzie firmowa wersja agentowej części prognozy o ubezpieczeniach cyber. Ubezpieczyciel prędzej czy później zapyta: które agenty mają dostęp do danych klientów? Kto zatwierdza ryzykowne działania? Gdzie leżą logi? Co się stanie, gdy któryś z agentów zostanie przejęty? Jeśli znacie odpowiedzi, jesteście o klasę lepiej przygotowani na ryzyka, które sami tworzyście.
Zapamiętajcie: im sprawniejszy agent, tym ciaśniejsze muszą być granice. I nawet przy bardzo dobrych granicach agent potrafi podać dopracowaną, kompletnie błędną odpowiedź.
Umiejętność 3: bierz odpowiedzialność za wynik
Ostatnia umiejętność to przejęcie odpowiedzialności za wszystko, co wyjdzie z drugiej strony tych agentów. AI może napisać maila, napisać kod, odpowiedzieć klientowi, podać rekomendację — ale nie może odpowiedzieć za to, że zacytowało złą cenę albo napisało do niewłaściwej osoby. To musicie wziąć na siebie wy.
Zanim cokolwiek zbudujecie, ustalcie, którą liczbę w biznesie ten system ma zmienić: więcej klientów, wyższa wartość każdego z nich, cięcie kosztów, zapobieganie kosztownym pomyłkom. Im precyzyjniej to określicie, tym lepiej. Potem zapiszcie punkt odniesienia, wartość docelową i czas, który dajecie systemowi na dotarcie do celu. Dodałbym jeszcze jedno pytanie: co ten system może zrobić źle i kto odpowiada za sprawdzanie?
W przypadku gabinetu medycyny estetycznej zapisalibyśmy odsetek klientów przychodzących na wizyty, zanim cokolwiek ruszyliśmy. Ustalilibyśmy cel i mierzyli tę samą wartość po uruchomieniu systemu kontaktów. A ponieważ AI rozmawia z prawdziwymi klientami, musielibyśmy też przeglądać to, co pisze: ustalić, kiedy rozmowę przejmuje człowiek, i prowadzić rejestr każdej wiadomości wysłanej do klienta.
Wtedy gdy właściciel zapyta: „Czy to zadziałało?”, pokażecie dokładnie, która liczba się zmieniła. A gdy zapyta: „Czy to było pod kontrolą?”, pokażecie, jak system się zachowywał, kto co zatwierdzał i co się działo, gdy nie był pewien. Taki dowód z każdym rokiem zyskuje na wartości, bo firmy będą potrzebować ludzi, którzy potrafią dostarczyć rezultat i za nim stać.
Cała idea jest prosta: jeśli wasz agent popełni błąd, odpowiadacie wy. Ale jeśli zrobi coś naprawdę dobrego — zasługa należy się wam i musicie zadbać, żeby biznes to rozumiał. W miarę jak Claude będzie coraz sprawniejszy, wasza rola przesunie się o poziom wyżej: to wy decydujecie, co automatyzować, to wy kontrolujecie, czego system może dotknąć, i to wy bierzecie odpowiedzialność za to, co z niego wyjdzie.
Na koniec
Przerobiliśmy dziś sporo materiału, więc spakowałem wszystko do darmowego przewodnika w mojej społeczności — link znajdziecie w opisie filmu. Jeśli dowiedzieliście się czegoś nowego, zostawcie łapkę w górę, bardzo mi to pomaga. Dziękuję, że dotrwaliście do końca — do zobaczenia w następnym odcinku.