O czym jest ten film
- Autor oddał Claude Code stery agencji generującej około miliona dolarów rocznie i zlecił jej automatyzację wszystkiego; po czterech latach zawiedzionych prób z wcześniejszymi modelami (od GPT-3.5 Turbo) tym razem efekt go pozytywnie zaskoczył.
- Fundamentem całego przedsięwzięcia jest tygodniowy audyt: zbudowane przez Claude narzędzie robi zrzut ekranu mniej więcej co pięć sekund, kompresuje go i opisuje, nad czym autor właśnie pracuje; całość trafia do bazy danych.
- Równolegle model zadaje w ciągu dnia 10–15 pytań o bieżącą pracę — bo pokazanie, co się robi, daje więcej kontekstu niż opowiadanie, którego często sami nie potrafimy spójnie ułożyć.
- Efektem audytu jest pełna lista procesów agencji: zbieranie list kontaktów (Apify, LinkedIn Sales Navigator), weryfikacja e-maili, pisanie maili na zimno, „rozgrzewanie” domen, umawianie rozmów, przygotowywanie propozycji i inne.
- Taką listę wkleja się do nowej, czystej instancji Claude z celem „zautomatyzuj całą pracę bez kontaktu z klientem”; brakujący kontekst przekazuje się, nagrywając odpowiedzi na pytania modelu — to praca na około godzinę.
- Każde zadanie przechodzi test powtarzalności (eval): dziesięć uruchomień, ręczna ocena wyników i próg akceptacji w okolicach ósemki na dziesięć; poniżej progu działa pętla poprawek, aż system dojedzie do wymaganej jakości.
- Warunkiem dobrej jakości są wzorcowe materiały: przykłady skutecznych maili, poprawnie zbudowanych list i dobrych propozycji — bez nich systemy nie osiągną progu.
- Przetestowane systemy zapisuje się jako „umiejętności” i udostępnia całemu zespołowi, również osobom nietechnicznym, które wystarczą prostsze interfejsy czatu.
- Testy warto uruchamiać partiami po 3–4 równolegle — to sprowadza czas poprawek z tygodnia do jednego dnia.
- Na końcu dzieli się umiejętności na te planowane automatycznie (np. ranne podsumowanie dla klientów) i te odpalane na żądanie pod ludzkim nadzorem; autorowi zostało 5–6 codziennych zadań, reszta działa sama.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Automatyzuj to, co realnie robisz, nie to, co pamiętasz, że robisz
Na czym polega: Wywiad z samym sobą o własnych zadaniach zawsze wypada zbyt elegancko. Audyt oparty na automatycznych zrzutach ekranu co kilka sekund plus pytania zadawane na bieżąco dają obraz faktycznej pracy, z całą jej chaotycznością.
Jak stosować: Poproś model o zbudowanie narzędzia śledzącego: zrzut ekranu mniej więcej co 5 sekund, natychmiastowa kompresja do czytelnego rozmiaru, krótki opis tego, co widać. Prowadź go przez około tydzień, wyniki gromadź w bazie danych.
Na co uważać: Taki monitoring potrafi pochłonąć cały limit jednej sesji — zaplanuj wyższy plan abonamentowy. Zrzuty muszą być kompresowane od razu, inaczej baza urośnie do nierealnych rozmiarów.
2.Pokaż pracę zamiast ją opisywać
Na czym polega: Często sami nie mamy pełnej świadomości kontekstu stojącego za własnymi decyzjami. Ekran plus seria drobnych pytań w ciągu dnia dają modelowi więcej informacji niż najlepszy spisany opis.
Jak stosować: Połącz monitorowanie ekranu z pytaniem modelu typu: „Nad czym pracujesz? Po co? Dlaczego tak? Jakich narzędzi Ci brakuje?” — kilkanaście razy dziennie.
Na co uważać: Pytania muszą być drobne i częste; jeden długi wywiad na koniec dnia gubi kontekst i spłyca odpowiedzi.
3.Zbuduj wyczerpującą listę procesów i podaj ją z jasnym celem
Na czym polega: Audyt kończy się listą wszystkich rezultatów i procesów, w które jesteś osobiście zaangażowany. Dopiero tę listę — razem z precyzyjnie sformułowanym celem — wrzuca się do nowej instancji Claude.
Jak stosować: Jedno polecenie: „Oto wszystko, co robię na co dzień. Cel: zautomatyzowanie zdecydowanej większości pracy bez kontaktu z klientem. Zbuduj systemy dla każdego punktu i pytaj, jeśli brakuje Ci kontekstu”.
Na co uważać: Używaj czystej, nowej instancji — nie mieszaj tego zadania z poprzednimi rozmowami. Cel świadomie ograniczaj do zadań niewidocznych dla klienta; reszta wymaga człowieka i tak zostanie z tobą.
4.Brakujący kontekst najszybciej przekażesz głosem
Na czym polega: Gdy model zaczyna dopytywać o szczegóły, pisanie odpowiedzi jest wolne i męczące. Nagrywanie i transkrypcja pozwala przekazać tę samą wiedzę kilkukrotnie szybciej.
Jak stosować: Zwykłe narzędzie do transkrypcji mowy; jedna sesja w stylu „wygadania się” — około godziny — i model ma materiał do budowy automatyzacji.
Na co uważać: Na głos mówi się więcej, niż się zamierzało. Przejrzyj transkrypcję pod kątem danych wrażliwych firmy i klientów, zanim wkleisz ją do modelu.
5.Nie ufaj pojedynczemu uruchomieniu — testuj powtarzalność
Na czym polega: Model potrafi raz rozwiązać zadanie znakomicie, a za drugim razem, przy identycznym poleceniu — słabo. Test powtarzalności (eval) to seria uruchomień tego samego zadania i uśredniony wynik; dopiero on mówi coś o jakości.
Jak stosować: Autor uruchamiał każde zadanie dziesięć razy i ręcznie oceniał wszystkie dziesięć rezultatów. Bez tej żmudności nie wiadomo, które systemy trzymają poziom.
Na co uważać: Ocena wymaga twojej wiedzy eksperckiej — nie deleguj oceniania wyników całkowicie na model, bo stracisz kontrolę nad jakością.
6.Ustaw próg jakości i kręć pętlą poprawek
Na czym polega: Autor przyjął próg w okolicach ósemki na dziesięć. Wszystko poniżej wracało do Claude z konkretną informacją zwrotną: „wyniki wyglądają tak, a chcę, żeby wyglądały inaczej — jak poprawić system?”.
Jak stosować: Iteruj, aż średnia z testów przekroczy próg; dopiero wtedy proces uznajesz za gotowy do dalszych kroków.
Na co uważać: To najbardziej czasochłonny etap całej metody — zarezerwuj na niego realny zapas czasu. Tam, gdzie stawka jest niższa, można świadomie obniżyć poprzeczkę, ale decyzja powinna być celowa, nie przypadkowa.
7.Dostarcz wzorcowe materiały — bez nich system nie dojedzie do progu
Na czym polega: Sama pętla poprawek nie wystarczy, jeśli model nie ma punktów odniesienia. Autor musiał dołożyć przykłady skutecznych maili na zimno, poprawnie zbudowanych list kontaktów i dobre propozycje handlowe.
Jak stosować: Przed testami zbierz najlepsze realizacje z przeszłości i wklejaj je jako szablony oraz materiał porównawczy.
Na co uważać: Jakość przykładów staje się sufit jakości automatyzacji. Słabe wzorce model utrwali równie skutecznie jak dobre.
8.Zakonserwuj sprawdzone systemy jako umiejętności i podziel się nimi
Na czym polega: Procesy, które przeszły próg, zapisuje się jako umiejętności — gotowe do wywołania procedury. Na planie zespołowym można je udostępniać współpracownikom, także nietechnicznym, którzy wystarczy prostszy interfejs czatu.
Jak stosować: Po dopracowaniu systemu zapisz go jako umiejętność i rozpropaguj w organizacji — wartość przestaje zależeć od jednej osoby.
Na co uważać: Umiejętność to nie zabytek: gdy zmieni się proces biznesowy albo narzędzie, umiejętność też trzeba zaktualizować.
9.Testuj partiami po 3–4, nie pojedynczo
Na czym polega: Poprawianie jednego drobiazgu i pełne przetestowanie od zera po każdej zmianie to najwolniejsza droga. Zbieranie kilku poprawek i równoległe uruchamianie testów skraca pracę z tygodnia do jednego dnia.
Jak stosować: Zbierz 3–4 zmiany w umiejętnościach, odpal testy jednocześnie, dopiero potem oceniaj.
Na co uważać: Przy równoległości łatwiej się pogubić, która zmiana co poprawiła — prowadź krótkie notatki, żeby pętla poprawek zostawała czytelna.
10.Rozdziel automatyzację harmonogramową od pracy na żądanie
Na czym polega: Nie wszystko, co model potrafi zrobić dobrze, powinno działać samo. Proste, powtarzalne czynności — jak ranne podsumowanie dla klientów: czym się zajmuję, co zrobiłem wczoraj, co mnie blokuje — nadają się do pełnej automatyzacji. Tworzenie rezultatów, budowa systemów i całe kampanie wymagają nadzoru człowieka i odpalania wtedy, kiedy są potrzebne.
Jak stosować: Dla każdej dopracowanej umiejętności zadaj pytanie: „Czy ma to działać beze mnie, według harmonogramu?”. TAK — planujesz; NIE — zostawiasz na ręczne uruchamianie.
Na co uważać: Nawet w pełni zautomatyzowane czynności warto rzucić okiem przed wysłaniem — błąd w materiałach trafi prosto do klienta i obciąży twoją reputację, nie modelu.
Redakcyjne tłumaczenie
Wreszcie to działa — po czterech latach prób
Oddałem Claude Code dostęp do firmy, która przynosi około miliona dolarów rocznie, i zleciłem zautomatyzowanie w niej wszystkiego. I — co rzadko się zdarza w tym temacie — wykonała zadanie naprawdę dobrze.
(Informacja dodatkowa: Claude Code to narzędzie firmy Anthropic, w którym model Claude samodzielnie operuje w środowisku użytkownika — pisze i uruchamia kod oraz buduje automatyzacje.)
Od razu zaznaczę: to nie będzie materiał w duchu „AI przejęło moje życie, wszystko jest magiczne”. Próbowałem tego wiele razy w ciągu ostatnich czterech lat, z różnymi modelami — zaczynając jeszcze od GPT-3.5 Turbo — i niemal zawsze wychodziłem rozczarowany. Tym razem jednak dotarliśmy do punktu, w którym to po prostu działa. Pokażę więc prosty, powtarzalny proces, dzięki któremu zautomatyzujecie większość pracy umysłowej dokładnie tak, jak ja.
Krok 1: Audyt — niech model patrzy ci przez ramię
Wszystko zaczyna się od audytu własnej pracy. Zajął mi około tygodnia. Poprosiłem model Opus 5.5 w trybie maksymalnego rozumowania, żeby zbudował narzędzie śledzące: robiło zrzut ekranu mniej więcej co pięć sekund, czyli około dwunastu razy na minutę. To ogromna liczba obrazów, więc narzędzie musiało od razu kompresować je do minimalnego, wciąż czytelnego rozmiaru i opisywać, co widać — nad czym pracuję, co właśnie robię. Całość trafiała do bazy danych.
(Informacja dodatkowa: Opus to najmocniejsza linia modeli Anthropic; „max thinking” oznacza tryb rozszerzonego rozumowania — najwolniejszy i najdroższy, ale najdokładniejszy.)
Równolegle kazałem Claude zadawać mi w ciągu dnia pytania — dziesięć, może piętnaście. Proste: „Nad czym pracujesz? Po co? Dlaczego tak zrobiłeś? Jakich systemów potrzebujesz, żeby to dopiąć?”. Cała idea jest taka, że możesz modelowi opowiedzieć o swojej pracy, ale często sam nie masz pełnej świadomości całego kontekstu, jakiego wymaga dana decyzja. Pokazanie jest więc zdecydowanie skuteczniejsze niż opowiadanie.
Ten etap pochłonął mniej więcej cały limit jednej sesji — musiałem przejść na wyższy plan abonamentowy. Jeśli chcecie pracować na maksymalnym rozumowaniu, co polecam, zapewne czeka was to samo. W zamian dostajecie bardzo szczegółowy rozkład wszystkiego, czym zajmujecie się na co dzień.
Efekt audytu: lista wszystkiego, co robisz
Na końcu tego etapu miałem przed sobą obszerną listę wszystkich rezultatów i procesów, w które jestem osobiście zaangażowany w agencji. U mnie były to między innymi: zbieranie list potencjalnych klientów z Apify lub LinkedIn Sales Navigatora, uzupełnianie i weryfikacja adresów e-mail, pisanie tekstów i sekwencji maili na zimno, kupowanie i „rozgrzewanie” domen oraz kont wysyłkowych, odpowiadanie na reakcje, umawianie i sprawdzanie rozmów, prowadzenie rozmów wstępnych i sprzedażowych, przygotowywanie propozycji. W prowadzeniu agencji jest tego mnóstwo, więc oszczędzę wam pełnej wyliczanki — ale spokojnie, lista była naprawdę długa.
(Informacja dodatkowa: „rozgrzewanie” domeny to stopniowe budowanie reputacji nowego adresu wysyłkowego, żeby wiadomości nie lądowały w spamie.)
Krok 2: Przekaż listę z jasnym celem i domknij kontekst głosem
Najważniejsza rzecz: gdy macie już taką listę, wklejcie ją do nowej, czystej instancji Claude i powiedzcie wprost: „Oto wszystko, co robię na co dzień. Moim celem jest zautomatyzowanie zdecydowanej większości pracy, w której nie stykam się z klientem. Pomóż mi dla każdego punktu zbudować system, który automatyzuje maksimum. Czegokolwiek ci brakuje — pytaj”. Model będzie dopytywał, a wy po prostu nagrywacie odpowiedzi i zamieniacie je na tekst. Zwykłym narzędziem do transkrypcji wygadacie cały kontekst w niecałą godzinę — i wtedy model ma wszystko, czego potrzebuje do budowy automatyzacji.
Krok 3: Testy powtarzalności — serce całego procesu
Dla każdego zadania trzeba potem przygotować tak zwany eval. To test, który wielokrotnie mierzy, jak dobrze model radzi sobie z konkretnym zadaniem przy konkretnym poleceniu, a potem uśrednia wyniki. Po co to komu? Bo bywa, że model w pojedynczym podejściu wypada znakomicie, a przy tym samym zadaniu chwilę później produkuje słaby rezultat. Bez powtórzeń nie odróżnicie jednego od drugiego.
W moim przypadku każde zadanie z tamtej listy uruchomiłem dziesięć razy, przejrzałem dziesięć wyników i sam je oceniłem. Jeśli średnia wypadała poniżej mniej więcej ósemki na dziesięć — czasem godziłem się na trochę mniej, ale zwykle właśnie ósemka, czyli osiemdziesiąt procent — pytałem Claude: „Jak poprawić system, żeby wynik rósł? Widzę, że rezultaty wyglądają tak, a chcę, żeby wyglądały inaczej”. I tak w kółko, aż systemy i procedury naprawdę doszły do formy. W efekcie praktycznie wszystkie procesy stanęły na poziomie siedmiu–ośmiu na dziesięć albo wyżej.
To był zdecydowanie najbardziej czasochłonny etap całości. Zrzuty ekranu nie kosztowały mnie ani minuty — narzędzie po prostu przyglądało mi się w trakcie pracy. Tu za to szła robota czynna: „to jest źle, poprawiamy; tamto jest źle, naprawiamy”. Często musiałem też dołożyć szablony i materiały: przykłady skutecznych maili na zimno, poprawnie zbudowanych list, dobre propozycje. Słowem: trochę własnego wysiłku trzeba będzie włożyć.
Od systemów do umiejętności — i udostępnienie zespołowi
Wszystkie systemy, które przekroczyły ustalony próg, można zakonserwować jako umiejętności. To o tyle istotne, że na planie zespołowym, takim jak Claude Teams, można je przekazywać innym ludziom w organizacji — także nietechnicznym, którzy wcale nie muszą dotykać Claude Code, żeby z tego korzystać. Wystarczą im prostsze narzędzia, na przykład zwykła rozmowa z Claude w czacie.
(Informacja dodatkowa: „umiejętność” (ang. skill) to zapisany, gotowy do wywołania proces — raz dopracowana procedura staje się powtarzalnym narzędziem dla całego zespołu.)
Przy okazji rada, która oszczędzi wam mnóstwo czasu: nie poprawiajcie jednego drobiazgu i nie odpalajcie po każdej zmianie pełnej serii dziesięciu testów od zera. Lepiej zbierać poprawki po trzy, cztery i uruchamiać je równolegle — wtedy zmiany wprowadzane przez Claude wykonują się jednocześnie. Gdybym szedł po kolei, zajęłoby mi to tydzień zamiast jednego dnia.
Krok 4: Co dać harmonogramowi, a co zostawić sobie
Na koniec dla każdej umiejętności zadałem Claude proste pytanie: „Czy ma sens, żeby to działało samodzielnie, według harmonogramu, beze mnie?”. Niektóre nadają się do pełnej automatyzacji — na przykład przygotowanie ranego zarysu wiadomości do klientów, którą robię codziennie rano: nad czym pracuję, co zrobiłem wczoraj, co mnie blokuje. Tu wystarczy rzucić okiem przed wysłaniem i wcisnąć enter. Inne — budowanie konkretnych rezultatów, konstruowanie systemów, pisanie całej kampanii mailowej od deski do deski — nie powinny ruszać same, bo wciąż wymagają nadzoru człowieka. Te odpalam wtedy, kiedy są mi potrzebne.
Wynik: pięć, sześć zadań dziennie
Gdy zaplanujecie wszystko, co da się zaplanować, zostaje dosłownie krótka lista zadań — u mnie pięć, sześć codziennych czynności w agencji. Pozostałe osiemdziesiąt, dziewięćdziesiąt procesów działa w pełni automatycznie. Pod koniec zautomatyzowałem w firmie praktycznie wszystko, co mogło funkcjonować beze mnie — i to ważne rozróżnienie: nie „wszystko”, tylko „wszystko, co nie wymaga mojego udziału”.
W tej firmie muszę dziś tylko przychodzić na rozmowy i mówić o systemach, które chcę zbudować. Niektórym taki układ by nie odpowiadał, ale dla mnie to właśnie najbardziej wartościowa i najprzyjemniejsza część: kontakt z ludźmi, rozgryzanie, co ich zatyka, i proponowanie rozwiązań z własnej głowy — na bazie doświadczenia i studiów przypadków. Zresztą na tym etapie też można się konsultować z Claude.
Uczucie wolności — i gdzie jest granica tego procesu
Nie umiem opisać, jako ktoś, kto w przeszłości przemełował tony inżynierii oprogramowania, bezowocnych testów A/B i przeciągania modułów po ekranie, jak wielka to ulga. Szczerze mówiąc, pierwszy raz w życiu mam poczucie, że pracuję praktycznie na samym szczycie możliwej wydajności. Nie bardzo widzę, co dałoby się jeszcze wycisnąć po tej metodzie — pewnie technologia znowu mnie zaskoczy — ale na razie wyraźnie czuć, że zbliżamy się do AGI. Jeśli przejdziecie tę ścieżkę od początku do końca tak jak ja, poczujecie to samo.
(Informacja dodatkowa: AGI (sztuczna inteligencja ogólna) to hipotetyczny poziom AI dorównujący intelektem człowiekowi w dowolnej dziedzinie; hasło „czuć AGI” żartobliwie opisuje moment, w którym narzędzia przerastają wcześniejsze wyobrażenia.)
Skąd wziąć gotowy proces i jakich narzędzi używać
Jeśli chcecie dokładnie ten proces, o którym opowiadam, całkowicie za darmo — wejdźcie na Maker Zero, to drugi link w opisie filmu. Znajdziecie tam szczegółowy prompt, który przeprowadzi was przez całą budowę krok po kroku. Stanowczo polecam używać najmocniejszego dostępnego modelu w trybie maksymalnego rozumowania. To zadanie czysto planistyczne: wszystko, co powstanie później, jest następstwem tej jednej decyzji, więc nie ma sensu oszczędzać na najzdolniejszym modelu. Nawet jeśli wyczerpiecie limit, odczekacie do odnowienia sesji i ruszacie dalej.
A jeśli chcecie budować biznes właśnie na takich wdrożeniach, zajrzyjcie do pierwszego linku w opisie — Maker School. To mój 90-dniowy program z rozliczaniem postępów, z gwarancją: zdobędziecie klienta w ciągu 90 dni albo zwracam pieniądze. Chodzi o usługi automatyzacji i konsultingu AI, w duchu tego, o czym dziś rozmawialiśmy. Dziękuję wam, jak zawsze, za wsparcie kanału — do zobaczenia w następnym materiale.