O czym jest ten film
- OpenAI wypuściło Dotsy — agentów z własnym komputerem w chmurze, pamięcią i zdolnością do pracy po twoim wylogowaniu. Pierwszy Dot wymaga planu Pro od 100 dolarów miesięcznie.
- Meta oferuje podobny zestaw funkcji w Muse, w tym wariant darmowy. Autor argumentuje, że opakowanie agentów się ujednolica, ale ich realna użyteczność — już nie.
- W praktyce Dot uprzątnął z kalendarza „martwe” sobotnie spotkanie i wykrył kolizję wizyty w urzędzie komunikacji z planami podróży autora.
- Na DevDay zapowiedziano także: Spaces i Pages (wspólna praca ludzi oraz AI nad dokumentami), wydajnościowy model GPT 6.1 Soul, chmurowe środowiska Codex i narzędzia dla twórców aplikacji agentowych.
- Soul 6.1 zbliża się do Astry na wybranych testach przy jednej piątej ceny tokenów — autor radzi sprawdzić własne zużycie, zanim dokupi się większe limity.
- Prywatność pomyślana inaczej: Dots nie widzą całej historii ChatGPT — dostają wspomnienia użytkownika i budują własne na podstawie podłączonych aplikacji; to od ciebie zależy, co ujawnisz.
- Porównanie z Muse (darmowa pomoc w codziennej administracji) i Instinct (podróże, intensywna monetyzacja) oraz odpowiedzi Anthropic: łączenie czatu z „co-workiem” w Claude i Claude Tag działający w Slacku.
- Spaces i Pages to atak na Microsoft Office; autor analizuje, dlaczego w tradycyjnych firmach wdrożenie może utknąć mimo partnerstwa OpenAI z Microsoftem.
- Haczyk cenowy: obecni subskrybenci planu za 200 dolarów od 29 października dostaną mniejszy limit za tę samą cenę; Dotsy są niedostępne m.in. w Europejskim Obszarze Gospodarczym.
- Okazje biznesowe: Decisions API (odpowiedź OpenAI na klasyfikator Jev), rozszerzenia pluginów w ChatGPT oraz logowanie przez ChatGPT — usługa z modelem „przynieś własne AI”.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Wybieraj agenta po robocie, nie po opakowaniu
Na czym polega: Wszyscy agenci mają podobny zestaw: komputer, pamięć, praca w tle. Różnice leżą w modelu, narzędziach pod maską i dostrojeniu do zastosowań — Muse świetnie ogarnia drobną administrację życia, Dotsy celują w pracę zawodową.
Jak stosować: Zanim zapłacisz, wypisz trzy do pięciu zadań, które faktycznie się u ciebie powtarzają, i sprawdź, który agent wykonuje je najlepiej. Testuj na darmowych lub najtańszych planach.
Na co uważać: Marketing obiecuje uniwersalność, a wygrywają agenci, którzy jedno robią znakomicie. Spor o podobieństwo Dotsów do Grokbota nic nie mówi o jakości — wygląd to nie użyteczność.
2.Powierz agentowi jeden powtarzalny obowiązek zawodowy
Na czym polega: Autor zaczyna od stałych „sfer odpowiedzialności” (kalendarz, konflikty terminów). Powtarzalność pozwala agentowi poznawać dany typ zadań i z czasem robić je coraz lepiej.
Jak stosować: Jeśli używasz ChatGPT lub Codexa w pracy, wybierz proces roboczy, nie prywatne drobiazgi — płacisz za plan, więc licz zwrot w pracy. Podłączając Slacka i inne aplikacje, świadomie wybierasz, gdzie agent ma się skupić.
Na co uważać: Rozproszenie na wiele drobnych zadań osobistych utrudni ocenę wartości i spowolni naukę agenta.
3.Zanim dokupisz limity, sprawdź, czy tańszy model wystarczy
Na czym polega: GPT 6.1 Soul działa blisko Astry na wybranych ewaluacjach przy jednej piątej ceny tokenów. Autor przy skomplikowanych dokumentach, kodzie i researchu traci 1–2 punkty procentowe tygodniowego limitu.
Jak stosować: Ciężkie, rutynowe prace przenoś na tańszy model, a najmocniejszy zostaw zadaniom, które naprawdę go wymagają. Po nocnej pracy agenta sprawdzaj zużycie rano.
Na co uważać: Soul wymaga nieco skręcić poziom złożoności względem Astry — nie każde zadanie znosi to bez strat.
4.Przydzielaj modele według charakteru zadania
Na czym polega: Playbook autora: Astra — złożone, długie zadania wymagające precyzyjnego ukierunkowania; Soul 6.1 — masywy danych i plików bez palenia limitu; Fable 5.1 — wyławianie wzorców z setek stron; Opus 5.5 — czyste pisanie, gdy nie ma pośpiechu; Sonnet 5.5 — dobrze zdefiniowane zadania.
Jak stosować: Traktuj to jak delegowanie, nie jak kolekcję subskrypcji: każde zadanie ma swój model. Umiejętność doboru to „metaumiejętność” najbliższych lat.
Na co uważać: Granice są płynne. Zacznij od dwóch modeli (drogi plus tani), zanim rozpędzisz się do pięciu.
5.Licz zwrot z subskrypcji, nie sam dostęp
Na czym polega: Dobre, darmowe AI jest dziś wszędzie: Muse, hojny Gemini, ChatGPT dla większości z 1,2 miliarda użytkowników. Autor nie podniósłby planu wyłącznie dla Dotsów.
Jak stosować: Miej konkretny plan odzyskania stu dolarów miesięcznie — w czasie, pieniądzach albo przychodzie. Jeśli po miesiącu nie widzisz zwrotu, wróć do tańszego planu.
Na co uważać: Konsumencki nawyk „kupuję, bo chcę” przy tych cenach prowadzi do przepalania budżetu.
6.Śledź zmiany warunków w droższych planach
Na czym polega: Istniejący subskrybenci za 200 dolarów zachowają dotychczasowy limit tylko do 29 października; potem dostaną mniej za tę samą cenę. Nowi klienci startują od niższego limitu od razu.
Jak stosować: Przejrzyj zużycie z ostatnich tygodni i oszacuj, czy nowy limit starczy — jeśli pracujesz głównie na Soul 6.1, strata może być niewielka.
Na co uważać: Argument „model jest wydajniejszy” rzadko przekonuje ciężkich użytkowników. Przygotuj się na realny spadek pokrycia, nie na obietnice.
7.Szybkość bez umiejętności sterowania to kosztowna kombinacja
Na czym polega: Plan za 500 dolarów daje Astrę generującą do ośmiu razy szybciej w Codexie — co równie szybko produkuje błędne odpowiedzi po zawrotnej cenie.
Jak stosować: Drogi, szybki plan kupuj dopiero wtedy, gdy umiesz precyzyjnie ukierunkowywać model: własne instrukcje, umiejętności, nawyk weryfikacji wyników.
Na co uważać: Wysoka prędkość premiuje też twoje błędy. Bez kontroli jakości zwrot z inwestycji będzie ujemny.
8.Decyduj, co agent ma o tobie wiedzieć — i pomagaj mu wybierać, co ważne
Na czym polega: Dots nie ma wglądu w całą historię ChatGPT: dostaje wspomnienia i buduje własne z podłączonych aplikacji. To rozwiązanie stawiające prywatność wyżej i dające użytkownikowi wybór.
Jak stosować: Świadomie wybieraj aplikacje do podłączenia i informacje do przekazania — tak wyznaczasz agentowi zakres. Uzupełniaj go samodzielnie, bo domyślnie faworyzuje najnowsze dane.
Na co uważać: Proaktywność oparta na „świeżości” bywa trywialna — agent może budzić cię błahostkami, dopóki nie nakarmisz go kontekstem o tym, co naprawdę ważne.
9.Do wspólnych przestrzeni przenoś uzasadnienia, nie tylko pliki
Na czym polega: Spaces służą wyłącznie pracy wspólnej — prywatne czaty i wspomnienia nie trafiają do zespołu. Sam dokument nie zachowuje informacji, dlaczego decyzja zapadła.
Jak stosować: Wyrabiaj nawyk zapisywania rozumowania (decyzja, powód, odrzucone warianty) tam, gdzie pracuje zespół, i przenoś je z prywatnych rozmów z AI do wspólnej przestrzeni.
Na co uważać: To nowa kategoria bez norm i narzędzi. Jeśli wszyscy zakładają, że „AI to pamięta”, wiedza zespołu zacznie się sypać.
10.Klasyfikacja i pluginy to najbliższa okazja do zarobku
Na czym polega: Decisions API (odpowiedź OpenAI na Jev) tanio i szybko klasyfikuje dane: zmiany, ceny, daty premier. Rozszerzenia pluginów pozwalają sprzedawać narzędzia wewnątrz ChatGPT, a logowanie przez ChatGPT zwalnia z rozliczania tokenów — klient przynosi własną subskrypcję.
Jak stosować: Szukaj u klientów problemów „o kształcie klasyfikacji” oraz buduj pluginy pod pytania, które ludzie i tak zadają AI (np. dashboard „głosu klienta”).
Na co uważać: Decisions API jest w ograniczonym podglądzie, a marketplace’ów nie da się łatwo rozkręcić. Zaczynaj od jednego, wąskiego problemu.
Redakcyjne tłumaczenie
Wojny agentów się zaczęły
OpenAI wypuściło właśnie Dotsy — agentów z własnym komputerem, własną pamięcią i zdolnością do dalszej pracy po tym, jak się wylogujesz. Meta stawia podobny fundament z Muse, do tego z wariantem darmowym, którego Dotsy nie mają. Pierwszego Dota dostajesz dopiero w ChatGPT Pro, od stu dolarów miesięcznie. Zapłacisz? I dlaczego w ogóle miałbyś płacić, skoro komputer, pamięć i pracę w tle może skopiować każdy? Co sprawia, że trzymasz agenta przy sobie, kiedy jest ich już cała masa?
Moja odpowiedź: konkretna robota, którą agent wykonuje dobrze — i to akurat dla ciebie. Chcę opowiedzieć całą historię: co się stało, dlaczego to ważne i dlaczego Dotsy są jednocześnie fascynujące oraz… być może nie najważniejszą premierą tego DevDay w dłuższej perspektywie.
Co mój Dot zrobił dla mnie
Korzystam z Dotsów sporo. Po pierwsze: wyłapały w moim kalendarzu spotkanie, które co jakiś czas lądowało w sobotę. „Naprawdę masz to spotkanie w sobotę?” — byłem zbyt zajęty i zbyt zirytowany, żeby to posprzątać, nikt na nie nie przychodził, wszyscy wiedzieli, że to martwe spotkanie. Kto w ogóle lubi weekendowe spotkania? Dot po prostu to załatwił: „Mogę się tym zająć” — przebudował zaproszenie i wyczyścił kalendarz. Po drugie: wykrył kolizję między umówioną wizytą w DMV (Informacja dodatkowa: DMV, Department of Motor Vehicles, to amerykański urząd komunikacji — w kulturze USA synonim biurokratycznej udręki, odpowiednik polskiego wydziału komunikacji.) a moimi planami podróży.
Drobne rzeczy — ale właśnie one składają się na większą obietnicę Dotsów: że wiedza, którą zbudowałeś razem z AI, zacznie na ciebie pracować. A tego kontekstu u OpenAI jest mnóstwo. Na DevDay podano, że ich produkt ma 1,2 miliarda użytkowników. Firma jest więc w świetnej pozycji, by odnieść sukces narzędziem zbudowanym wokół kontekstu AI.
Co ogłosiło OpenAI
Dotsy to agenci, którym można powierzyć trwałe obowiązki. Spaces to wspólne miejsce pracy dla ludzi i AI, a w nim Pages — dokumenty edytowane razem. Wchodzimy na teren Microsoftu; wrócę do tego. GPT 6.1 Soul sprawia, że bardziej wymagająca praca mieści się w zasięgu tańszego modelu — w świecie, w którym każemy AI robić coraz więcej, to czysto wydajnościowe zagranie. Codex dostał środowiska chmurowe wielokrotnego użytku do pracy developerskiej — i to duża sprawa. Jeśli należysz do ludzi, którzy noszą laptopa z uchylonym ekranem (a widuję ich w Seattle i San Francisco mnóstwo), macie powód do radości: środowisko trafia do chmury. Deweloperzy dostali natomiast narzędzia do budowania aplikacji wykorzystujących agentów i działających wewnątrz ChatGPT — moim zdaniem ogromna szansa biznesowa, i o niej też porozmawiamy.
Pełna lista premier jest na ekranie; szczegóły możesz przejrzeć sam albo obejrzeć nagranie transmisji — zostało zapisane i świetnie się ogląda.
Krótka odpowiedź na pytanie o portfel
Jeśli chcesz wiedzieć tylko tyle, ile to kosztuje: pierwszego Dota dostajesz w uprawnionych planach Pro, zaczynając od stu dolarów. Za dwieście kupujesz więcej limitu. Pięćset — kwota, która zapiera dech — daje największy limit i Astrę w trybie ultra szybkim, czyli jazdę na maksymalnych obrotach. Nie potrzebujesz planu za pięćset, żeby mieć Dotsa.
Po wielu godzinach z Soul 6.1 radzę poważnie przyjrzeć się temu, na którym modelu faktycznie pracujesz, zanim dokupisz moc. GPT 6.1 Soul używa się niemal jak Astry, a ledwo rusza mój limit: skomplikowane dokumenty, kod, research — a ja tracę jeden, dwa punkty procentowe z tygodniowego limitu w OpenAI. To jeden z bohaterów w cieniu tej premiery. My, ciężcy użytkownicy płatnych planów, mamy bowiem poranny rytuał: agent zrobił w nocy robotę, my sprawdzamy zużycie. Istnieje cała popularna seria wtyczek do monitorowania zużycia AI — bo o to właśnie pytanie. Mówię o Soul 6.1, nie 6.0, i ten model sprawia, że chcę przenosić na niego coraz więcej pracy, a Astrę zostawiać zadaniom, które naprawdę jej wymagają. Zgadza się to z danymi publicznymi: OpenAI podaje, że Soul zbliża się do Astry na wybranych ewaluacjach przy jednej piątej standardowych cen tokenów wejścia i wyjścia. Więc oczywiście mniej obciąża limity — po prostu jest tańszy.
Będzie też mowa o zmianie, którą muszą znać obecni subskrybenci planu za 200 dolarów — ta była mniej popularna. Do tego dojdziemy.
Zakład OpenAI: praca zostaje w ChatGPT
Jeśli poskładać wszystkie premiery, widać zakład, jaki przyjmuje OpenAI. Fundament: z czasem coraz więcej twojej pracy zostanie w ChatGPT, więc AI będzie mieć coraz więcej kontekstu do następnego zadania. W takim świecie przystępniejszy cenowo model — Soul 6.1 albo cokolwiek, co wyjdzie później — pozwala oddawać mu coraz więcej roboty i nakręcać koło zamachowe. A wspólna przestrzeń pracy pozwala kolegom budować na tym, co już zrobiłeś, bez wychodzenia z ekosystemu. OpenAI buduje przyszłego konkurenta Microsoft Office. Dokładnie o ten obszar wspólnej pracy im chodzi.
Forma się upodabnia, użyteczność — nie
I tu dochodzę do rozróżnienia, do którego wracam w całej tej strategii: forma kontra użyteczność. Forma produktu (branżowo „form factor”, czyli opakowanie, w jakie ubrano funkcjonalność) coraz bardziej się ujednolica — wszyscy agenci zaczynają wyglądać tak samo. Po premierze Dotsów doszło nawet do przepychanek na Twitterze między ludźmi OpenAI i Groka, bo Dots jest podobny do Grokbota. Ale w tym zamieszaniu gubimy sedno: użyteczność moim zdaniem się NIE ujednolica. Wiem, że to odważna teza, więc zostańcie ze mną. To, że agent ma komputer, pamięć i pracę w tle, nie znaczy, że pod maską siedzi to samo — ten sam model, ta sama oprawa narzędziowa, to samo dostrojenie do zastosowań. W realnym użytkowaniu okazuje się, że różne modele wyrastają w różne kompetencje i różne typy zadań. Użyteczność nie jest ta sama, nawet jeśli opakowanie jest. I moim zdaniem mówi się o tym za mało. Ci agenci są marketingowani bardzo szeroko, a wygrają konkretnymi zadaniami, które wykonują znakomicie.
Weźmy Muse. Ma darmowy punkt wejścia, korzystam z niej mnóstwo i poświęciłem jej osobny materiał. Muse robi bardzo dobrze prace praktyczne, choć niewymagające wielkiej inteligencji: pomoc z e-mailami, drobnymi zakupami; pomagała mi też zorganizować wieczór we dwoje. A funkcja, która robi całą różnicę: dzwonienie za ciebie. Kiedy nie chce ci się oddzwaniać do dentysty — Muse to załatwi.
Asystent Instinct to inna bajka. Jest bardziej proaktywny niż Muse i mocno stawia na podróże. Założyciele Instinct w wywiadach mówią głównie o transakcjach związanych z podróżami i restauracjami, a niedawno ujawnili, że 40 procent użytkowników w ciągu kilku tygodni od rejestracji dodaje kartę płatniczą do sejfu Instinct. Jasno idą w monetyzację i — moim zdaniem — w inną demografię.
Wróćmy do Dotsów. Patrzę tu na to, co dzieje się z kontekstem nagromadzonym podczas poważnej pracy z AI. Dotsy są do pracy; Muse i Instinct przytaczam, bo dają wyobrażenie o szerokości tego rynku — ale oba to agenci od spraw osobistych. Wierzę w przyszłość, w której używamy wielu agentów naraz. Żaden nie będzie jedynym zwycięzcą, ale żeby ich dobrze używać, trzeba rozumieć, co który potrafi. Nakładanie się funkcji jest realne — Muse też ma maszynę wirtualną. Dlatego patrz na te zadania, do których nieustannie wracasz. Patrz na własne nawyki. Na tym mi cały czas zależy.
Traktuj Dotsy jako pierwszy ruch w dłuższej grze i spodziewaj się produktu, który będzie dojrzewał. Będzie ewoluował wraz z danymi o tym, co robią użytkownicy. Ten proces już widać przy Muse: premiera, dobry wynik, ponad pięć milionów pobrań — i od razu narzędzia dla małych firm, bo właśnie takie zachowania wyłaniają się na platformie. Dotsy to pierwszy krok serii rozwiązań, które poszerzą sposób, w jaki przykładasz inteligencję do kontekstu, który i tak już masz w ChatGPT.
Jak to działa i gdzie są granice
Dot działa na modelu ChatGPT-6 Astra, ma własny komputer w chmurze i własną pamięć. Możesz się z nim kontaktować wszędzie: przez ChatGPT w przeglądarce, na telefonie, w Slacku, w Codexie. Podłączasz aplikacje, które chcesz, i powierzasz mu odpowiedzialność. Jestem głęboko przekonany o wartości kontekstu dla użytecznej pracy z AI i chcę, żeby wiedza, którą zbudowałem, była łatwiej dostępna do realnych zadań. OpenAI robi zagranie w stronę „inteligentnego kontekstu” — i to jest element o ogromnym potencjale. Na razie drobne zadania, w których mi pomaga, smakują jak początek tej historii.
Jedno będę uważnie obserwować: jak produkt nauczy się rozróżniać istotność informacji. Mówiąc prosto: skoro Dot wie o mnie dużo — a wie, bo dużo używam tego produktu — to skąd ma wiedzieć, przy czym naprawdę warto być proaktywnym? Na razie w podpowiedziach, którymi zasypuje mnie z samego rana (a tak, on naprawdę to robi), widać wyraźny priorytet najnowszych informacji. Chciałbym, żeby lepiej trafiał w rzeczy ważne. Albo produkt będzie się musiał tego nauczyć wraz z użytkowaniem, albo ja będę musiał więcej go karmić i więcej z nim pracować. W takich sprawach nie da się po prostu „nacisnąć opcji”: chodzi o to, jak pracujesz z możliwościami modelu, żeby wyciągnąć z nich wartość. Dlatego tak mocno naciskam na umiejętności pracy z agentami — to metaumiejętność, której potrzebujemy wszyscy.
Kontekst ma też swoje granice. To, że większe zagranie idzie w inteligencję opartą na kontekście, nie znaczy, że Dot od razu wie wszystko, co robiłem w ChatGPT. Nie wie. Otrzymuje twoje wspomnienia z ChatGPT i może tworzyć własne na podstawie podłączonych aplikacji. To bardzo ciekawy wybór — wybór stawiający prywatność wyżej. Według mnie świetna robota: sam decydujesz, co z twojej wiedzy w ChatGPT ujawniasz proaktywnemu agentowi. Ludzie szukają sprawczości; nikt nie chce, żeby agent wysysał wszystkie dane. Możliwość wyboru pozwala używać Dotsów po swojemu — i intuicyjnie buduje zaufanie: wiem, że istnieje granica i że to ja decyduję, kiedy przez nią przechodzę.
Od czego zacząć z Dotem
Jeśli zaczynasz: znajdź coś, co będzie cię ciągnąć do rozmowy — sferę odpowiedzialności. Pracujesz w ChatGPT lub Codexie? Skup się na zastosowaniu zawodowym. Płacisz za to, więc chcesz zwrotu w pracy. Jeśli dojdą sprawy prywatne — ludzie też tak używają — świetnie; ale najpierw upewnij się, że to działa w pracy. Podłączając Slacka i pozostałe narzędzia, wybierasz, gdzie agent ma się skupić. Rób to świadomie i wybierz coś powtarzalnego — wtedy Dot będzie mógł poznawać ten typ zadań i z czasem robić je coraz lepiej.
Przykład startowy OpenAI jest tu pomocny: premiera produktu, zmiana zakresu. To sytuacja, o której mówiłem już przy Claude Opus — w takie scenariusze agenci potrafią wchodzić, czy to od OpenAI, od Anthropic czy od kogoś innego. Dot rozumie odbiorców i kierunek, bo ma kontekst (pozwoliliśmy mu na to między innymi w Slacku), i z wyprzedzeniem przygotowuje poprawki do materiałów premierowych. Wiem, że na hasło „inteligentny kontekst” niektórym przewracają się oczy, więc wyjaśnię konkretnie: opóźnia się funkcja — zmienia się ogłoszenie, zmienia się deck sprzedażowy, zmienia się prezentacja. Wszystko to spada lawiną po nieprzewidywalnym wydarzeniu. W takim świecie wartością jest wiedza, które obietnice złożone klientom zależały od tej jednej zmienionej funkcji — oraz posiadanie agenta, który bez przerwy czuwa, to czyta, rozumie i zawczasu przygotowuje korekty. Właśnie tu Dots zaczyna błyszczeć. I właśnie tu zobaczymy różnice względem funkcji Autopilot.
Przypominam tezę z mojego materiału o Microsofcie: w typowych zastosowaniach biznesowych inteligencji jest już pod dostatkiem. Tym bardziej rzuca się w oczy, że OpenAI postawiło na Dotsy najmocniejszy model — Astrę. Zobaczymy, jak to rozwiną, ale na dziś znaczy to: firma wierzy, że istnieją zadania wymagające modelu z absolutnej czołówki, których słabsze modele z jej stajni nie obsłużą równie dobrze. Ciekaw jestem, jakie to zadania. Chętnie usłyszę, do czego używacie swoich Dotsów.
Rynek na inteligencję proaktywną
Jeśli cofnąć się i popatrzeć na to, jak proaktywny agent dodaje wartość, rynek jest ogromny. Znasz się na AI, oglądasz takie materiały, myślisz o wdrożeniach dla innych — z pozycji małej firmy albo czegoś na boku? Jest tu biznes do wzięcia. Znasz branżę, w której nieaktualne obietnice składane klientom generują kosztowne problemy? Pomaganie firmom w utrzymywaniu obietnic zgodnych z rzeczywistością to usługa, którą możesz sprzedawać — a to najprostszy i najbardziej oczywisty przykład. Dotsy pozwalają w gruncie rzeczy sprzedawać proaktywną inteligencję firmom, które mają ChatGPT, ale nie mają czasu, żeby wyciągnąć z niego wartość.
W szerszym obrazie: patrzcie na ostatnie 30–60 dni. Dreamforce (Informacja dodatkowa: doroczna konferencja Salesforce.), DevDay, premiera Muse. Wszyscy dochodzą do tego samego: trzeba wyciągać wartość na zewnątrz, a nie tylko pompuwać aktywność do środka. Dopóki agenci byli głupszy, opowieść brzmiała: „czy potrafimy ludzi zmusić do lekkich aktywności wydajniej”. Teraz chodzi o wynik. Jeśli rozważasz Dotsy i pluginy (to też duża premiera DevDay) i widzisz szansę, żeby ludzie dostawali wartość z produktu albo usługi, którą sprzedajesz — myśl w kategoriach rezultatów. Tam podąża rynek.
Spaces i Pages — cios w Microsoft
Nie zapominajmy o najbardziej bezpośrednim konkurencie w kategorii pracy wiedzowej, którą OpenAI właśnie otworzyło: o Microsofcie. Spaces i Pages to dosłownie wspólne przestrzenie cyfrowe, w których agenci i ludzie pracują nad żywym dokumentem — a docelowo nad żywym miejscem całego projektu. W przykładowym scenariuszu handlowiec oznacza obietnicę daną klientowi, lider produktu wyjaśnia, dlaczego funkcja się opóźniła (uwielbiam, że tłumaczyć poślizg musi osoba od produktu — bardzo w duchu tej branży), a kolejna wersja materiałów łączy obie te informacje. Nadchodzi następna zmiana — i plan, i dyskusja, i ludzie zdolni do korekty są już w tym samym miejscu.
Spaces będzie produktem bardzo ciekawym do obserwacji. W takich sytuacjach prawie nie warto patrzeć na listę funkcji — lista jest w porządku, świetna. Pytaj raczej: jakie organizacje będą z tego korzystać? Jaki typ zespołów to zakłada? Spaces i Pages zakładają bardzo płaską strukturę, coś na kształt laboratoriów badawczych; miejsce, w którym ludzie czują się swobodnie w asynchronicznej współpracy cyfrowej, z agentami włącznie. To przestrzeń dla ludzi płynnie władających AI. Spaces wyglądają, jakby przybyły do nas z 2027 roku. Zakładają organizacje w pełni oswojone z AI — a takich poza Doliną Krzemową prawie nie widuję. Bardzo ciekawe będzie, kto je przyjmie i jak szybko.
Microsoft ma tu naturalną przewagę. Autopilot może i nie działa na modelu z czołówki, ale będzie obdarzony zaufaniem, bo to Microsoft. Perspektywa agentów i ludzi współpracujących w przestrzeniach projektowych sprawi, że administratorzy IT w wielu firmach dostaną znaki zapytania, na które nie znają odpowiedzi. To nie znaczy, że Spaces nie zrobią kariery, ani że OpenAI nie ma dobrych odpowiedzi. To znaczy tylko, że argument „za kupowanie Microsoftu nikt jeszcze nie został zwolniony” tu nie zadziała. Przedsiębiorstwa też składają się z ludzi: przy wyborze dostawcy kierują się tym, co najmniej ryzykowne. Więc pytanie o Spaces brzmi: czy w korporacyjnym środowisku strategicznym OpenAI uda się pokazać, że to nowy sposób wspólnej pracy, i czy zrobi go atrakcyjnym, konsekwentnie w to inwestując. To bywało dla OpenAI wyzwaniem — Sora nie przetrwała*(Informacja dodatkowa: Sora to generator wideo OpenAI; po głośnym debiucie nie utrzymała zainteresowania.)* i tak dalej. To zakłady, które firma przyznaje się stawiać masowo właśnie dlatego, że jest „napędzana AI”. Świetnie — ale potem trzeba umieć podwoić stawkę, żeby produkt przyciągnął klientów korporacyjnych. To jest moje pytanie i bardzo chce mi się na nie patrzeć, bo potencjał jest spory.
W praktyce: jeśli dotąd pracowałeś w ChatGPT sam, OpenAI daje ci powód, żeby ściągnąć tam kolegów. Spaces i Pages są dostępne już teraz w planach Pro (a więc także dla osób indywidualnych) oraz Enterprise. Współdzielone slajdy i arkusze — już wkrótce. Plan biznesowy i korporacyjny dostaną też team tasks, ciekawą funkcję do powtarzalnych przydziałów, a ChatGPT weźmie udział w Slacku czy Teams. I tak przy okazji: jeśli myślicie, że to czysta wojna Microsoftu z OpenAI, wypada przypomnieć, że te firmy są też partnerami. Napięcie rozwiązuje się przez partnerstwo i wspólną dystrybucję: firma może wybrać dowolne AI i mieć je tam, gdzie chce. Bo firmy chcą wyników — jeśli dostaną prosty pakiet „pracownicy, macie wszystko, wybierajcie i pracujcie produktywnie”, mogą go kupić.
Meetings, granice prywatności i nowa umiejętność
Żadna praca nie obędzie się bez spotkań, więc OpenAI pokazało na DevDay wtyczkę Meetings: zapisuje streszczenia i listy zadań do wykonania prosto do Spaces. Na razie beta na macOS dla planów Pro i Business; na pewno wkrótce rozszerzą. Chodzi o spięcie spotkania, rozmowy, dokumentu i pracy w jedno. Widzicie ten świat: spotkanie trwa, transkrypt rośnie w czasie rzeczywistym, Dot i twoi agenci siedzą w przestrzeni i budują materiały, podczas gdy wy rozmawiacie. Brzmi jak scenka z przyszłości, ale wszystkie klocki są już na miejscu. Dla firm spoza Doliny, przyzwyczajonych do Copilota w e-mailu, będzie to skok o klasę wyżej — efekt „on robi wszystko to, kiedy ja mówię” jest po prostu gotowy.
I od razu uspokoję: wasze prywatne czaty i wspomnienia nie trafiają do zespołu. Ta granica jest wyraźnie pilnowana — Spaces służą wyłącznie wspólnej pracy. A to stawia przed nami ciekawe wyzwanie i nową umiejętność, bo takich narzędzi rodzimych dla AI szybko przybędzie. Jak argumentowałem w tekście o przestrzeniach pracy dla AI: wasze rozumowanie — to, dlaczego podjęliście decyzję — musi pomagać następnej osobie robiącej robotę. Jeśli tylko jeden kolega pamięta, dlaczego decyzja zapadła, zapisanie najnowszego dokumentu w Spaces nie rozwiąże problemu wiedzy nieformalnej. Trzeba świadomie wnosić do wspólnej przestrzeni to, co użyteczne z prywatnej pracy z AI. Jest jakaś decyzja z czatu, którą powinieneś przenieść? Jakieś rozumowanie? W jakiej formie? To naprawdę duża, wschodząca kategoria: bez norm, bez wypracowanych oczekiwań, bez narzędzi. Wszystko to będzie kluczowe przez najbliższe pół roku.
A gdzie w tym wszystkim Anthropic?
Anthropic absolutnie jest w grze — firma z natury przedsiębiorcza, laboratorium zrodzone już w erze AI, z modelami z czołówki. Co robią? Łączą czat i „co-work” w jednym doświadczeniu Claude i wprowadzają to dla użytkowników Pro i Max. Sesje Claude dają tę samą poręczną możliwość przygotowywania dokumentów, arkuszy i prezentacji. Claude jest w tej rozmowie na pewno — ja ostatnio uwielbiam kombinację Fable 5.1 do przemyślanej, intuicyjnej pracy i Astry do miażdżenia zadań, a Opusa 5.5 używam bardzo ciężko. Jak zawsze mówię: nie mam faworytów, używam mnóstwa AI.
Anthropic ma nawet coś na pograniczu Dotsów i Spaces: Claude Tag, wypuszczony w czerwcu, w becie dla planów Team i Enterprise, działający w Slacku. Pamięta istotne informacje z kanałów, potrafi planować pracę i proaktywnie dopominać się o dokończenie. Porównajcie to z kierunkiem team tasks i integracji Slacka po stronie OpenAI — nachodzą na siebie; kształtem produktu atakują podobne problemy. I znów powtórzę: wszystko to zakłada biegłość w AI, której poza Doliną rzadko widuję. Jedno z ciekawych pytań tej branży brzmi: czy głośna premiera świetnego produktu przyspieszy adopcję i zmusi ludzi do innego myślenia o zespołach — czy dopiero spory wysiłek wdrożeniowy u klienta, w pierwszej linii, wraz z zarządzaniem zmianą przyniesie skutek? Patrzę na to tak: wydarzenia typu DevDay dają zrozumienie ogólne, a brudne szczegóły trzeba potem dopracowywać z ludźmi, którzy realnie wdrażają — bo sprawa jest złożona i każda organizacja ma swój niepowtarzalny odcisk palca zespołu.
A jeśli jesteście zespołem tradycyjniejszym i nie jesteście gotowi na pełną współpracę w przestrzeniach? OpenAI może mieć odpowiedź — zobaczymy, jak się to potoczy. Zapowiedziano specjalistyczne Dotsy projektowane pod procesy i stanowiska w organizacjach, we współpracy z Microsoftem (no proszę, mówiłem, że to partnerzy) i z integracją z mechanizmami kontroli agentów w Microsoft 365. To pozwala OpenAI konkurować o pracę pracowników, godząc się z systemami, którymi ich pracodawcy zarządzają agentami. Firmy będą po prostu wieloagentowe. Tak się stanie — a większość tego właśnie chce: bez uzależnienia od jednego dostawcy.
Jak ja dziś przydzielam modele
Pytanie, które dostaję bez końca: skoro jest ich tyle, jak je rozdzielić? Podam swoją ściągę. Modeli Anthropic i OpenAI używam ciężko codziennie, po obu stronach.
Astra — tam, gdzie potrzebuję niestrudzonego, bardzo inteligentnego pracownika, który po prostu miażdży problemy. Udźwignie wysoki poziom złożoności technicznej, jest bardzo sterowna, czyli znakomicie reaguje na wskazówki, i mam dla niej zestaw własnych umiejętności — dostaję wyniki na tyle przewidywalne, że powierzam jej długą robotę.
Soul 6.1 — podobny charakter, ale złożoność muszę trochę skręcić, bo to nie Astra. Za to ma ten upór, który kocham: rzuca się na problemy, świetnie radzi sobie z obsługą komputera i sprawnie syntetyzuje wiele źródeł danych. Idealna, gdy mam wielki kawał roboty, dużo plików, dużo tokenów kontekstu — i nie chcę spalić całego tygodniowego limitu.
Po stronie Anthropic: Fable 5.1 jest fenomenalnie intuicyjny. Nie jestem nawet pewien, czy „intuicyjny” to właściwe słowo. Dałem mu zestaw materiałów z pół roku: skomplikowane transkrypty, dokumenty, setki i setki stron, i powiedziałem: „Są tu wzorce, których nie widzę, bo nie jestem w stanie trzymać tego wszystkiego w głowie naraz — człowiek po prostu nie umie. Zadam ci pytanie o to, dokąd chcę iść dalej, a ty musisz to ze mną rozgryźć”. Fable wyartykułował nowe spostrzeżenia, wprost wywiedzione i wywnioskowane z dokumentów. To było przede mną, ale przez samą objętość tego nie widziałem. I wyrażone pięknie — była intuicja w sposobie, w jaki to ujął. Z takimi problemami idę teraz do Fable.
Opus 5.5 — wydajny podobnie do Soul 6.1, a lubię je oba, bo mają różne charaktery. Opusa da się odzwyczaić od ozdobnej, manierowanej prozy. Da się nim kierować i słucha chętnie — co przy tym modelu jest wyraźnie odświeżające. Pisze czysto, wypracowuje potężne ilości materiału. Nie jest szybki jak Astra czy tryb ultra szybki — daję mu prace, na które mam czas, a jakość jest bardzo wysoka.
A jeśli chcecie jeszcze więcej wydajności u Anthropic: Sonnet. Wyceniony jak Soul, bardzo solidny. Sonnet 5.5 świetnie przyjmuje dobrze zdefiniowane zadania, przerabia je i radzi sobie ze złożonością. Kiedy powierzam coś Sonetowi, mam pewność, że przerobi — może nie tak szybko jak tryb ultra szybki, ale przerabi naprawdę dobrze.
To pierwsze przemyślenia — mam nadzieję, że pomogą w wyborze. Jak mówiłem, nie chciałbym wybierać: wszystkie te modele mają swoje miejsce w moich obciążeniach. I to jest większy punkt: uczcie się tej umiejętności. Mądre przydzielanie zadań AI to kompetencja przyszłości. Wszyscy będziemy delegować AI — pytanie tylko, jak dobrze.
Czy warto podnieść plan dla Dotsów?
Jesteście użytkownikami darmowymi albo na planie za dwadzieścia dolarów. Podnosić do Pro? Czy Dot jest tego wart? Pierwszy osobisty Dot wchodzi w skład wszystkich trzech uprawnionych planów Pro — nie musisz brać 200 ani 500, wystarczy sto dolarów. Dostępność Dotsów jest jednak ograniczona geograficznie: jeśli jesteście w Wielkiej Brytanii, Szwajcarii lub Europejskim Obszarze Gospodarczym — na razie nie ma; trzeba poczekać. Może to kwestia regulacyjna, nie wiem.
Jest za to haczyk dla obecnych subskrybentów za 200 dolarów. Uprawnieni subskrybenci — to nowa zmiana — zachowują dotychczasowy limit do 29 października, a potem przechodzą na niższy limit za tę samą cenę. Dostaniecie mniej za swoje dwieście. Popularne to nie jest. Odpowiedź OpenAI brzmi oczywiście: Soul 6.1 jest tak wydajny, że nie stracicie zadań. Zobaczymy. Z mojego doświadczenia z rewolucją AI wynika, że ludzie chcą coraz więcej AI i nie cieszą się, gdy dostają mniej — nieważne, jak wydajny jest model. A jeśli zapisujecie się dziś: nowa subskrypcja od razu ma niższy limit. To, co dwieście dolarów pokrywało w zeszłym miesiącu, będzie się różnić od tego, co pokryje w przyszłym.
Jeśli sięgniecie po wersję najszybszą — Pro Max, tryb ultra szybki, plan za pięćset — Astra generuje tokeny naprawdę szybko: do ośmiu razy szybciej w Codexie. To bardzo premiuje umiejętność właściwego sterowania. Wiecie, jak szybko można dostać złą odpowiedź po zawrotnej cenie? Traktowałbym to jak szczeble umiejętności. Jeśli nie jesteś pewien swojej zdolności sterowania AI — nie płaciłbym pięciuset, bo nie wyciągniesz z tego wartości.
Patrzcie na to ekonomicznie: oszczędzam czas? Oszczędzam pieniądze? Zarabiam na tyle, żeby to była dobra inwestycja? Nie jesteśmy do tego przyzwyczajeni — subskrypcje konsumenckie kupujemy „bo chcemy”. Ale to robi się wystarczająco drogie, żeby mieć plan odzyskania tych stu dolarów. Dotsy mogą w tym pomóc. Inne funkcje też mogą. Może okaże się, że Soul 6.1 tyle załatwia i tak wydajnie, że plan się zwróci. Tak myślę o każdym płatnym planie AI, nie tylko OpenAI. Darmowe, dobre AI jest dziś wszędzie: Muse za darmo, hojny darmowy Gemini, ChatGPT darmowe dla większości z tych 1,2 miliarda użytkowników. Musisz być w punkcie, w którym powiesz: to jest tego warte.
I wprost: nie podnosiłbym planu wyłącznie dla Dotsów. Dotsy mają duży potencjał, by kształtować przyszłość pracy i nasze rozumienie autonomii i proaktywności — będą częścią tej przyszłości. Pojawią się inne, podobne produkty w miejscu pracy. To model myślowy jest dla mnie ważny, nie ten konkretny produkt. Jeśli jednak używacie ChatGPT dużo jak ja — jako konkretny produkt też się broni. Natychmiast odzyskał mi czas w kalendarzu, od razu rozplątał sprawę z DMV — nie musiałem ruszać strony urzędu. Realna wartość. Ale myśl o tym jak o inwestycji w przyszłość: zwrot z twojego czasu, zwrot z produktu — i na tej podstawie decyzja.
Decisions API — odpowiedź OpenAI na Jev
Nie mogę pominąć Jev i Decisions API. Decisions API to odpowiedź OpenAI na Jev: model o jednej konkretnej funkcji — klasyfikuje to, co mu podasz. Korzysta z Luny, żeby wybierać spośród odpowiedzi, które zdefiniujesz: może klasyfikować zmiany, kwestie cenowe, daty premier. Tak jak Jev — ograniczona decyzja jest użyteczna. Decisions startują w ograniczonym podglądzie, ale podobnie jak Jev wyglądają na bardzo tanie i bardzo szybkie. Śledzę te trendy i zgadzam się z Diego, założycielem Jev: klasyfikacja będzie megatrendem drugiej połowy roku. Mnóstwo problemów biznesowych ma po prostu kształt klasyfikacji. Ciekawe będzie patrzeć, jak z tego wyrasta cały ekosystem automatyzacji — dla firm i dla nas samych. Sam używam Jev w tle do klasyfikacji e-maili; kazałem Codexowi napisać małe narzędzie w Pythonie, żeby nie palić tokenów na wywołania — działa super wydajnie. A jeśli nie wiecie, co to Python — w 2026 roku nie musicie wiedzieć.
Rozszerzenia pluginów: wielka szansa dla budujących
Na koniec temat, który najbardziej mnie kręci: rozszerzenia pluginów. Dają nam szansę współkształtowania oprogramowania ChatGPT i budowania interaktywnych narzędzi zasilanych API naszych klientów albo ich subskrypcjami OpenAI. Każdy może współtworzyć ekosystem ChatGPT. Zaledwie się odwrócę, a w AI powstaje kolejny marketplace — a uruchomienie marketplace’u notorycznie nie jest łatwe. OpenAI ma jednak ogromną bazę użytkowników, żeby to rozkręcić, i już teraz widzę anegdoty o pluginach z ogromnym odbiorem — bo wokół zadań wymagających specjalistycznych narzędzi jest mnóstwo pasywnego użytkowania, które dziś sprowadza się do zadawania AI pytań. Pytasz AI o dashboard „głosu klienta”? Wyobraź sobie plugin, który wsuwa się w odpowiedź: „Chcesz narzędzie od takiego-a-takiego, które robi to świetnie i pasuje do twoich danych?” — „Tak, poproszę” — i tak rusza marketplace.
Prowadzisz coś na boku? Jesteś budowniczym? Zbuduj plugin, który rozwiązuje problem — i dopasuj go do pytań, które ludzie faktycznie zadają. To będzie ogromny rynek. Wiąże się to z logowaniem przez ChatGPT, które OpenAI udostępniło innym firmom: nie musisz płacić za tokeny, żeby ludzie korzystali z twojej usługi AI — przynoszą własną subskrypcję ChatGPT. Na razie dla ograniczonej grupy partnerów, ale na pewno to skalują. Wydaje mi się to oczywistością: jako przedsiębiorca czy firma nie musisz ogarniać oszustw tokenowych ani rozliczania tokenów — oferujesz usługę i mówisz „przynieś własne AI”. To będzie znacząca kategoria, tylko że budowanie będzie wyglądać inaczej, bo budujesz wokół kształtu produktu, który ktoś przynosi z ChatGPT.
Sens DevDay: małe zespoły z większymi ambicjami
Jeśli odejść krok do tyłu i spojrzeć na całość, DevDay to opowieść o tym, że małe zespoły mogą sięgać znacznie wyżej. Kiedyś usługa wymagała wielkiej inwestycji inżynierskiej i więcej ciągłej ludzkiej uwagi, niż klient był w stanie opłacić. Dziś to może być w zasięgu. Podnieś poprzeczkę swoich ambicji. Wielka część naszej roboty w 2026 i 2027 roku to znalezienie ambicji, która dorówna dostępnej inteligencji. Refleksja, którą niedawno snułem: do 2036 roku stosunek naszej sprawczości i ambicji do inteligencji będzie tysiąc razy mniejszy niż dziś — i podejrzewam, że to szacunek zachowawczy. Chodzi o proporcję: ile inteligencji będzie dostępne wobec naszej gotowości i zdolności, żeby coś z nią zrobić. Inteligencja może rosnąć ogromnie, a my wciąż próbujemy projektów tej samej wielkości — i to widzę jako pułapkę. Smak też się liczy: musisz decydować, czy dana rzecz zasługuje na istnienie, czy klient jej potrzebuje, czy wynik jest dość dobry. Moim ulubionym dziś przykładem smaku konsumenckiego jest Muse — przez te wszystkie przemyślane detale.
Sprawczość widać i w historii premier OpenAI. Może pamiętacie, że firma wycofała Atlas, samodzielną przeglądarkę. Rozmawiałem kiedyś na tym kanale z jej twórcami — sporo z tych agentowych możliwości trafiło do ChatGPT i Codexa. Sam produkt jako forma nie był dla nich priorytetem, ale zdolność agenta do pracy przez przeglądarkę okazała się trafionym fundamentem, który po prostu znalazł właściwy dom. Jestem bardzo optymistycznie nastawiony do zespołów, które mają smak i sprawczość: próbują, a z czasem trafiają na właściwą formę. Przy Dotsach patrzcie na te zadania, do których ludzie będą ich używać, w miarę jak opakowanie będzie się zmieniać. Spodziewam się, że Dotsy jako trwała kategoria to „inteligencja działająca na kontekście”. Jak ewoluują? To pytanie na kolejny DevDay.
I wreszcie spojrzenie najszersze: pytanie, które wynosimy z DevDay w resztę 2026 i 2027 roku, brzmi — jakie zadania da się wykonać dobrze i doprowadzić do rezultatu? Przeciągnąłem wątek wyników przez cały ten materiał, bo to jest pytanie. Nie tylko do OpenAI — do Microsoftu, do Anthropic, do całej reszty. I jest to pytanie z „b” jak bilion. Możliwość odblokowania wartości przez faktyczne wykonywanie pracy jest gigantyczna — i właśnie tam skupimy się przez najbliższy rok, rok i pół.
A teraz wy: jaka była wasza ulubiona funkcja DevDay, jaka najmniej, jak używacie Dotsów? Dajcie znać w komentarzach — chętnie przeczytam.