✦ Klient poszedł gdzie indziej (5)

W poprzednim numerze pisałem, że model przestał być wąskim gardłem, a stało się nim wdrożenie, i że 95 procent pilotów nie rusza rachunku wyników. To była diagnoza dziury. Ten tydzień pokazał, gdzie dokładnie ta dziura leży, i odpowiedź jest bardziej kłopotliwa niż „wdrożenie jest trudne”.

8 lipca Gartner opublikował badanie, w którym zderzył dwie własne liczby. Liderzy obsługi klienta zainwestowali w AI medianę 12 procent budżetu na 2025 rok. To najwięcej ze wszystkich dziesięciu badanych funkcji biznesowych, więcej niż finanse, więcej niż IT, więcej niż HR. Dodatni zwrot finansowy ze swoich zastosowań AI wykazało 24 procent z nich. Funkcja, która postawiła najwyższą stawkę, ma trzy czwarte porażek.

Gartner zapytał 3566 klientów B2B i B2C, w lutym i marcu tego roku, gdzie załatwiają sprawy z obsługą. Wyszło, że korzystanie z zewnętrznych narzędzi generatywnej AI w kontakcie serwisowym niemal się podwoiło przez rok, a korzystanie z firmowych chatbotów pozostaje, cytuję za Gartnerem, statystycznie niezmienione od 2022 roku. Cztery lata inwestycji, trzy generacje modeli, dziesiątki wdrożeń, i wskaźnik, który przez ten cały czas stoi w miejscu.

Przeczytaj te dwa zdania jeszcze raz, bo one nie mówią, że chatboty są złe. One mówią, że klient wziął swój problem i poszedł z nim gdzie indziej, do ChatGPT, do Claude'a, do czegokolwiek, co ma pod ręką, a my przez cztery lata dokładaliśmy pieniądze do okienka na własnej stronie, przy którym nikt nie stoi. Eric Keller z Gartnera ujmuje to bez znieczulenia: rozczarowujący efekt inwestycji w AI skierowaną do klienta ma mniej wspólnego z ograniczeniami technologii, a więcej z rozminięciem się z oczekiwaniami klienta.

Do tego dochodzi druga rzecz z tego samego badania, tyle że z próby 1303 seniorów zarządzających, zbieranej od stycznia do kwietnia. Wśród klientów, którzy używają generatywnej AI, 58 procent użyło jej, żeby wykonała za nich zadanie, a nie tylko odpowiedziała na pytanie. W relacjach B2B to już 74 procent. Firmowe chatboty w większości wciąż odpowiadają na pytania. Klient przyszedł umówić wizytę, złożyć dokument, zmienić dane na koncie, a dostał akapit tekstu i link do formularza.

Teraz część, która robi z tego coś więcej niż kolejną statystykę o nieudanych pilotach. 6 lipca, na scenie w San Francisco, Dario Amodei rozmawiał z Matthew Herperem ze STAT-u przy okazji premiery Claude Science. Amodei jest autorem eseju „Machines of Loving Grace” z 2024 roku, w którym postawił tezę, że AI pozwoli robić dekadę postępu w rok, czyli wiek w dekadę. Zapytany o to dziś, powiedział: „Nie sądzę, żebyśmy dziś mogli robić postęp w tempie 10 lat na rok, z kilku powodów”. Wymienił trzy: modele nie są jeszcze tak dobre, jak kiedyś będą, badacze potrzebują czasu, żeby nauczyć się tych narzędzi używać, a infrastruktura i systemy regulacyjne będą się zmieniać latami.

Cztery dni wcześniej Yann LeCun napisał, że litera „G” w AGI to bzdura, i że wielkie modele językowe to interfejs statystyczny, a nie rozumienie świata. Powtórzył to na tyle skutecznie, że pięć z siedmiu dziennych briefów, które czytam, wróciło do tego cytatu w ciągu tygodnia.

Na najwyższym piętrze ponad dwustu ekonomistów, w tym szesnaścioro noblistów, podpisuje 13 lipca list, w którym mówią, że AI może wywołać transformację gospodarki większą niż rewolucja przemysłowa, w nieporównanie krótszym czasie, i że trzeba działać teraz. Piętro niżej szefowie laboratoriów, które tę transformację mają dostarczyć, mówią, że idzie wolniej, niż sami obiecywali. A na parterze, tam gdzie ktoś naprawdę wydał pieniądze, Gartner mierzy 24 procent dodatnich zwrotów.

Łatwo z tego zrobić historię o entuzjastach kontra sceptykach. To byłaby wygodna historia i nieprawdziwa. Pod listem ekonomistów podpisali się Jack Clark z Anthropic, Sarah Friar z OpenAI, Jeff Dean z Google i sam LeCun, ten od bzdury w AGI. Amodei, który schodzi z własnej tezy o dekadzie w rok, w tym samym czasie ostrzega, że koszty inference mogą wypchnąć wydatki branży w okolice biliona dolarów do końca 2027 roku i pchnąć firmy AI ku ryzyku bankructwa. Ci sami ludzie jednocześnie mówią „to jest ogromne” i „to idzie wolniej, niż mówiliśmy”. Rozjazd biegnie w poprzek każdego z tych obozów, bo dotyczy dwóch różnych pytań, które branża uparcie skleja w jedno: czy to jest wielkie, i czy to już działa u mnie. Na pierwsze odpowiadają zgodnie. Na drugie żaden z nich nie odpowiada wcale.

Dla kogoś, kto ma budżet, praktyczny wniosek z tego tygodnia jest węższy i konkretniejszy niż „AI jest przereklamowana” albo „AI zmieni wszystko”. Brzmi tak: zanim dołożysz złotówkę do własnego interfejsu AI, sprawdź, czy twój klient nie zadaje już tego pytania gdzie indziej. Bo jeśli tak, to nie budujesz przewagi, tylko meblujesz pokój, z którego wszyscy wyszli. A rachunek za meble przyjdzie i tak, w medianie 12 procent budżetu.

✦

OpenAI: GPT-5.6 Sol, Terra, Luna. 9 lipca rodzina trafiła do szerokiej dostępności w ChatGPT, Codeksie i API, po tym jak od 26 czerwca siedziała w zamkniętym preview dla wąskiej grupy zaufanych partnerów, których listę OpenAI przekazało rządowi Stanów Zjednoczonych. Cennik za milion tokenów: Sol 5 dolarów na wejściu i 30 na wyjściu, Terra 2,50 i 15, Luna 1 i 6. OpenAI podaje, że Terra ma osiągi porównywalne z GPT-5.5 przy dwukrotnie niższej cenie. Doszły dwa nowe tryby: max dla najdłuższego rozumowania i ultra, który wychodzi poza pojedynczego agenta, dokładając subagentów. Zmieniło się też nazewnictwo: liczba oznacza generację, a Sol, Terra i Luna to trwałe poziomy możliwości, które mogą się rozwijać własnym tempem.

Werdykt: Osiągi poprzedniego flagowca za połowę ceny to jest dokładnie ten ruch, który przenosi AI z pilotażu do budżetu operacyjnego, bo pozwala policzyć koszt na transakcję zamiast koszt na demo. Sol zostaw do zadań, w których naprawdę potrzebujesz maksimum, i pamiętaj, że tryb ultra z subagentami mnoży zużycie tokenów, a więc i rachunek. OpenAI, Simon Willison.

Warto odnotować jedno zdanie, które przy tej premierze przeszło bez echa. Sam Altman, według relacji CNBC i Bloomberga, powiedział w dniu startu, że po rozmowach z administracją, w tym z sekretarzami Lutnickiem i Bessentem, firma wprowadziła w modelu „wiele zmian”, i nazwał to wspólnym dopracowywaniem w obie strony. Model frontier modyfikowany w konsultacji z rządem przed publicznym wydaniem to precedens, który warto zapamiętać, niezależnie od tego, co się o nim myśli. CNBC, transkrypt, Bloomberg.

SpaceXAI: Grok 4.5. Premiera 8 lipca, publiczne wejście dzień później, pod nowym szyldem SpaceXAI. Cena 2 dolary na wejściu i 6 na wyjściu za milion tokenów, czyli agresywnie poniżej Sola. Musk nazwał go modelem klasy Opus. Artificial Analysis umieściło go na czwartym miejscu swojego indeksu, za Fable 5, GPT-5.5 i Opusem 4.8. Model nie wyszedł w Unii Europejskiej. Na stronie xAI wciąż stoi zdanie, że w UE nie jest dostępny ani w produktach, ani w API, a dostęp „spodziewany jest w połowie lipca”. Mamy 15 lipca, czyli dokładnie środek tego okna, i strona nie została zaktualizowana.

Werdykt: szerzej w benchmarku niżej, bo Grok 4.5 to najciekawszy przypadek tego roku na to, jak dwie liczby o tym samym modelu prowadzą do dwóch przeciwnych decyzji zakupowych. Na teraz: cena kusi, ale model niedostępny w UE nie istnieje jako opcja dla firmy działającej w UE, a to, że lab tłumaczy nieobecność „przeglądem zgodności” i milknie po terminie, jest samo w sobie informacją o dojrzałości dostawcy. x.ai, TechCrunch.

Meta: Muse Spark 1.1 i Meta Model API. 9 lipca Meta otworzyła publiczne preview swojego API: milion tokenów kontekstu, obsługa sterowania komputerem, orkiestracja subagentów, pakiet zgodny z interfejsem OpenAI. To ostatnie jest ważniejsze niż parametry, bo oznacza, że podmiana dostawcy sprowadza się do zmiany adresu końcówki. Cała rzecz dzieje się tydzień po tym, jak Zuckerberg przyznał wewnętrznie, że program agentów stoi od czterech miesięcy.

Werdykt: dla firmy, która zaczyna myśleć o wielodostawcowej architekturze, zgodność API to realna dźwignia negocjacyjna, bo obniża koszt wyjścia. Traktowałbym Muse Spark nie jako model do wdrożenia, tylko jako argument w rozmowie o cenniku z obecnym dostawcą. Meta.

OpenAI: GPT-Live. Model głosowy w trybie pełnego dupleksu, delegujący trudniejsze zapytania w tle do GPT-5.5. Brzmi jak człowiek, potakuje, wtrąca „mmhmm”. W tym samym tygodniu influencer występujący jako Husk przepuścił go przez test literowania i model położył się na banalnym słownictwie. Werdykt: świetny do rozmowy, nie do procesu, w którym literalna dokładność ma znaczenie. Głos, który brzmi kompetentnie, myli się dokładnie tak samo jak tekst. Trudniej to tylko zauważyć, bo płynność czyta się jako pewność, a Husk potrzebował do obalenia go jednego słowa: seventeen. OpenAI, Fast Company.

Czego nie było. Gemini 3.5 Pro miał wyjść 30 czerwca, zgodnie z zapowiedzią z majowego I/O, i nie wyszedł ani wtedy, ani przez kolejne dwa tygodnie. Dalej jest już samo poszlakowe: media donoszą, powołując się na nienazwane źródła, że Google skasowało bazowy model i zaczęło pretraining od nowa przez strukturalne problemy z rekurencyjnym wywoływaniem narzędzi, i wskazują 17 lipca jako nowy cel. Google nie potwierdziło ani daty, ani restartu, ani dwóch milionów tokenów kontekstu, ani cennika. Traktujcie to jak plotkę, bo na dziś to jest plotka, choć akurat ta ma już drugi przesunięty termin za sobą. Werdykt: nie planuj niczego na Gemini 3.5 Pro przed publicznym wydaniem, bo to już drugi termin, który się posypał. TechTimes.

✦

ChatGPT Work kontra Claude Cowork, dzień po dniu. 9 i 10 lipca oba laboratoria wyłożyły na stół to samo: środowisko pracy zamiast okna czatu. OpenAI scaliło ChatGPT, Codeksa i przeglądarkę Atlas w jedną aplikację, a ChatGPT Work dostał kilkanaście integracji, w tym Gmaila, Salesforce'a i Slacka, oraz rozliczanie rosnące wraz ze złożonością zadania. Anthropic dwa dni wcześniej, 7 lipca, zapowiedział Cowork na przeglądarkę i telefon, w becie rozkładanej na tygodnie, startując od planu Max.

Werdykt jest dwuczęściowy i pierwsza część brzmi: to jest realna zmiana kategorii, a nie kolejna funkcja. Mollick opisał to celniej niż działy marketingu obu firm, w eseju o zmierzchu chatbotów: przechodzimy ze świata, w którym nie-eksperci używają chatbotów do łatania własnych luk, do świata, w którym eksperci używają agentów do wykonania roboty. Jeśli zestawisz to z liczbami Gartnera z otwarcia, wychodzi niewygodna symetria. Firmy przez cztery lata inwestowały w chatboty, których adopcja stała w miejscu, i akurat teraz, gdy kategoria się domyka, dostają nową kategorię do kupienia.

Druga część werdyktu jest o tym, czego nie kupować na słowo. OpenAI podaje, że mechanizm Auto-Review zablokował sto procent prób ekstrakcji danych podczas red-teamingu. Sto procent w bezpieczeństwie to nie jest wynik, to jest opis testu, który był za łatwy albo za wąski. Nie znam systemu, który wytrzymuje wszystko, i nie znam poważnego zespołu bezpieczeństwa, który raportowałby taką liczbę bez rozkładu na scenariusze. Do tego rozliczanie rosnące ze złożonością zadania oznacza koszt, którego nie da się zaplanować w budżecie rocznym, bo zależy od tego, jak trudne rzeczy ludzie wymyślą w listopadzie.

Rekomendacja: pilotaż na danych niewrażliwych, umowa z klauzulą zakazu trenowania na danych firmy, twardy limit kosztowy z alertem, i własny red-teaming zanim cokolwiek dotknie produkcji. Kategoria jest dobra i pewnie u was wejdzie. Deklaracja o stu procentach dowodem nie jest i nie powinna nikomu wystarczyć. The New Stack, The Decoder, Anthropic.

✦

Na świecie · Autor tezy o dekadzie w rok sam z niej schodzi – Dario Amodei na scenie ze STAT-em, przy premierze Claude Science: „Nie sądzę, żebyśmy dziś mogli robić postęp w tempie 10 lat na rok, z kilku powodów”. Powody: modele nie są jeszcze tak dobre, badacze potrzebują czasu, żeby się ich nauczyć, a infrastruktura i regulacje zmieniają się latami. Autor „Machines of Loving Grace” mówi, że jego własna wizja może być widoczna dopiero za dekadę. Kiedy CEO tonuje własną obietnicę, to jest mocniejszy sygnał niż dziesięciu zewnętrznych sceptyków. STAT.

Na świecie · Litera „G” jako bzdura – Yann LeCun uderza w hype wokół AGI, nazywając go zagrożeniem dla stabilności rynku, i sprowadza wielkie modele językowe do interfejsu statystycznego bez rozumienia świata. To samo w tygodniu, w którym zbiera około miliarda dolarów seedu na AMI i world models, które mają rozumieć świat fizyczny jak dziecko albo zwierzę. W tle World Labs Fei-Fei Li, wyceniane wcześniej na około miliard, od stycznia rozmawia o rundzie przy pięciu miliardach. Kapitał obstawia następny paradygmat, nie ten obecny. TNW, eWeek.

Na świecie · Zmierzch chatbotów – Ethan Mollick opisuje przejście ze świata, w którym nie-eksperci używają chatbotów do łatania własnych luk, do świata, w którym eksperci używają agentów do wykonania roboty. Przy okazji zdanie, które tłumaczy połowę tego numeru: ludzie „są źli w odczuwaniu wykładniczości”. Tekst jest z 30 czerwca, więc formalnie sprzed okna, ale w tym tygodniu czyta się jak komentarz do liczb Gartnera. One Useful Thing, 30 czerwca.

Na świecie · Rachunek za inference – Amodei ostrzega, że koszty inference mogą wypchnąć wydatki branży w okolice biliona dolarów do końca 2027 roku, z ryzykiem bankructw. Masayoshi Son z drugiej strony sceny, według relacji Reutersa, mówi, że AI będzie potrzebować pięciu bilionów dolarów rocznie do 2040, i odrzuca tezę o bańce. Dwaj ludzie patrzą na ten sam rachunek i jeden widzi ryzyko upadłości, a drugi warunek konieczny. Reuters, Son.

Na świecie · Model mówi inaczej po arabsku – nowe badanie Anthropic pokazuje, że wartości Claude'a różnią się zależnie od języka rozmowy: najostrożniejszy jest po angielsku, najbardziej uległy po arabsku. Dla każdego, kto obsługuje klientów w kilku językach, to nie jest ciekawostka z laboratorium, tylko pytanie, czy polityka bezpieczeństwa, którą przetestowano po angielsku, obowiązuje w każdym oknie czatu. Gizmodo.

Na świecie · Cisza jako sygnał – Andrej Karpathy od 19 maja siedzi w zespole pretreningu Anthropic i publicznie zamilkł. Ilya Sutskever w tym czasie forsuje tezę, że era skalowania skończyła się w 2025 i od 2026 znowu decydują badania, nie moc obliczeniowa. Dwaj ludzie, którzy najgłośniej opowiadali o skalowaniu, dziś albo milczą, albo mówią, że skalowanie nie wystarczy. CNBC.

Finanse i kapitał · Prąd stał się wąskim gardłem szybciej niż ktokolwiek liczył – Nowy Jork, według relacji WSJ i The Verge, jako pierwszy stan wprowadził moratorium na budowę centrów danych powyżej 50 megawatów, na okres do roku. W Danii operator sieci wstrzymał przyjmowanie wniosków o przyłączenia, bo w kolejce stoi około 14 gigawatów projektów, dwukrotność krajowego szczytu zapotrzebowania. W Irlandii centra danych zjadają 23 procent energii kraju. W częściach Stanów rachunki konsumentów mają wzrosnąć o 23 miliardy dolarów do 2028. Kto planuje wdrożenie AI na trzy lata do przodu, powinien mieć w modelu ryzyka nie tylko cenę tokena, ale i to, czy w wybranej lokalizacji ktoś w ogóle podłączy prąd. WSJ, The Verge.

Finanse i kapitał · Ekonomiści przestali się przyglądać – ponad dwustu ekonomistów, w tym szesnaścioro noblistów, podpisało 13 lipca list „We Must Act Now”, w którym stwierdzają, że AI może w ciągu dekady wywołać transformację gospodarki większą niż rewolucja przemysłowa, tyle że w nieporównanie krótszym czasie, i że trzeba budować bodźce i instytucje już teraz. Wśród podpisów Acemoglu, Stiglitz, Krugman, Bernanke, Bengio, LeCun, Eric Schmidt, Jeff Dean, a także ludzie z OpenAI i Anthropic. Jedyny podpis z polską afiliacją instytucjonalną: Jakub Growiec ze Szkoły Głównej Handlowej. Polskich nazwisk przy zagranicznych instytucjach jest więcej, choćby Wojciech Zaremba z OpenAI. wemustactnow.ai.

✦

Nowa rubryka. Będę tu czytał raporty Wielkiej Czwórki, MBB i analityków tak, jak się czyta pismo od strony, która ma interes w wyniku, bo taką stroną są. W tym tygodniu świeży materiał dał jeden z jedenastu, i to też jest informacja: flagowce wychodzą w styczniu pod Davos i w cyklu maj-czerwiec, więc lipiec u doradców jest pusty. Wolę to napisać, niż podać wam styczniowy raport jako nowość.

Gartner, 8 lipca. Badanie, od którego zaczyna się ten numer, wraca tu tylko po to, żeby zapisać, co się w nim broni, a co nie. Broni się metoda, i to ją wyróżnia w całym tygodniu: próba jest ujawniona, okres zbierania danych też, a wnioski trzymają się tego, co zmierzono. Nie broni się jedno słowo. „Wykazał dodatni zwrot finansowy” to deklaracja lidera, nie audyt, więc prawdziwa liczba jest raczej niższa niż wyższa. I jeszcze jedno, dla porządku: Gartner uderza w kategorię chatbotów, sprzedając jednocześnie wyjście z niej, w postaci wirtualnego briefingu o zamykaniu luki wartości AI. Nie unieważnia to badania, ale warto wiedzieć, kto trzyma młotek. Gartner.

Gartner, 1 lipca: 234 miliardy dolarów wydatków na oprogramowanie pod ostrzałem agentów. Teza: agenty wykonują zadania w wielu systemach naraz, więc interfejs przestaje być wartością i pęka związek między liczbą użytkowników a przychodem. Do 2030 na ryzyko wystawione ma być do 234 miliardów dolarów, około 20 procent wydatków na aplikacje biznesowe w modelu SaaS. Metoda: nieujawniona. To prognoza, nie badanie, bez próby i bez opisu modelu. Całą robotę wykonuje w tym zdaniu słowo „do”. Zastrzeżenie: Gartner sprzedaje doradztwo strategiczne dostawcom oprogramowania, czyli dokładnie tym, których ta prognoza ma przestraszyć. Co z tym zrobić: jeśli negocjujecie wieloletnią umowę na licencje per użytkownik, to jest argument do rozmowy o elastyczności, a nie prognoza do wpisania w budżet. Gartner.

Gartner, 7 lipca: 60 procent firm przejdzie na małe zespoły inżynierskie do 2029. Z 15 procent w 2026. Mały zespół to typowo cztery, pięć osób, czasem dwie. Metoda: znowu nieujawniona, znowu prognoza, a baza „15 procent w 2026” nie ma podanego źródła. Według Gartnera AI napędza popyt na więcej inżynierów, nie mniej, bo zapotrzebowanie na oprogramowanie rośnie szybciej niż zyski z efektywności. I drugie, jeszcze mocniejsze: do 2028 firmy, które oprą się na AI, żeby wyciąć role juniorskie, wydrążą własny dopływ talentu. Gartner.

Gdzie się nie zgadzają: 17 procent kontra 53 procent. Ta sama rzecz, ten sam kwartał, trzykrotna różnica. Gartner w swoim badaniu CIO podaje, że agenty AI wdrożyło 17 procent organizacji. KPMG w kwartalnym badaniu z 24 czerwca, na próbie ponad 2100 seniorów zarządzających z 20 krajów, podaje 53 procent. Najpewniejsze wyjaśnienie: KPMG pyta zarządzających o cokolwiek, co zasługuje na miano agenta, a Gartner pyta dyrektorów IT o wdrożenie produkcyjne. Rzecz w tym, że żadna z firm nie podaje definicji wdrożonego agenta, więc czytelnik nie ma jak tego sprawdzić. Kiedy następnym razem ktoś przyniesie wam na zarząd slajd z odsetkiem firm, które „już mają agenty”, pierwsze pytanie brzmi: kto to policzył i co uznał za agenta. Bez tej odpowiedzi zostaje wam liczba, której nie da się z niczym porównać, a więc i nie da się na niej niczego oprzeć.

Bonus spoza okna, ale metodologicznie najlepszy w tym zestawie. Accenture wypuściło 30 czerwca AI Progress Barometer, który nie pyta nikogo o samoocenę, tylko punktuje od zewnątrz około trzech tysięcy największych firm świata w skali 0-100. Ameryka Północna 48,9, Europa 43,1. Ale rozbicie jest ciekawsze niż średnia: duże firmy europejskie, powyżej dziesięciu miliardów dolarów przychodu, są zaledwie 2,1 punktu za amerykańskimi, a małe europejskie aż 7,6 punktu. Europejski problem z AI siedzi więc nie w korporacjach, tylko w firmach poniżej dziesięciu miliardów przychodu, i to o nich jest ta luka 7,6 punktu. Accenture.

✦

✦

41 procent długich postów na LinkedIn napisała w całości maszyna. Pangram Labs przeanalizowało ponad milion postów od 24 kwietnia. Dokładnie 1 002 627 postów. Ponad 40 procent tekstów powyżej 250 słów na LinkedIn jest w pełni wygenerowanych przez AI, a sam LinkedIn odpowiada za 62 procent całego oflagowanego materiału z pięciu badanych platform. Na X w pełni maszynowa jest mniej więcej jedna trzecia dłuższych form. Fala omówień trwa czwarty dzień i nie gaśnie, bo to jest lustro postawione dokładnie przed tymi, którzy je podają dalej.

Marietje Schaake podbiła to badanie dwa dni z rzędu, dorzucając rzecz, która robi z tego problem systemowy, a nie estetyczny: algorytmy premiują te teksty. Jeśli maszyna pisze, maszyna promuje, a człowiek przewija, to pytanie o wartość tej platformy dla kogokolwiek staje się otwarte. Pangram Labs, 404 Media, The Register.

Fundusz Yanna LeCuna przeżył osiem godzin. W piątek 10 lipca fundusz Extelligence Invest ogłosił LeCuna jako jednego z dwóch partnerów generalnych, w roli niezarządzającej. Po jakichś ośmiu godzinach strona zniknęła, LeCun się wycofał, a fundusz tłumaczył się „niedawno poznanymi” wyłącznymi zobowiązaniami LeCuna wobec innych funduszy. Zabawne, dopóki nie zauważy się, że dokładnie w tym tygodniu ten sam człowiek zbiera miliard dolarów na world models. Rynek, w którym nazwisko potrafi uruchomić fundusz przed sprawdzeniem, czy nazwisko wie o funduszu, jest rynkiem, na którym warto czytać due diligence dwa razy. TNW.

✦

✦

mBank i Visa: transakcja zainicjowana przez agenta AI kartą banku. Komunikat poszedł 2 lipca, więc formalnie sprzed okna tego numeru, ale to najkonkretniejsza rzecz, jaka wydarzyła się w polskiej bankowości w związku z agentami, i szkoda ją zgubić. W ramach programu Visa Agentic Ready, w realnym środowisku sprzedażowym, z pełnym łańcuchem: tokenizacja, Visa Payment Passkeys, silne uwierzytelnianie, monitoring fraudów.

Komunikat mówi o pierwszej transakcji zainicjowanej przez agenta AI w imieniu posiadacza karty wydanej przez bank. Nie mówi „pierwsza w Polsce”. Ta ostrożność jest celowa i uczciwa, więc ja też jej nie będę poprawiał na chwytliwsze.

Dlaczego to case, a nie notka prasowa: bo domyka konkretny problem techniczny, który blokował całą kategorię. Agent, który kupuje, musi się jakoś uwierzytelnić, a przepisy o silnym uwierzytelnianiu pisano dla człowieka z telefonem. Ktoś w końcu pokazał, że da się to spiąć zgodnie z regułami, a nie obok nich. Liczba efektu na razie wynosi jeden, bo to jedna transakcja, i uczciwie trzeba to powiedzieć. W tej kategorii pierwsza transakcja waży jednak więcej niż tysięczna, bo dowodzi, że ścieżka w ogóle istnieje. Tysięczna powie nam dopiero, czy ktoś nią chodzi.

Pytanie, które zostaje na później i na które nikt jeszcze nie ma dobrej odpowiedzi: kto odpowiada, kiedy agent kupi źle. Nie „czy”, tylko „kto”, bo to jest pierwsza rzecz, o którą zapyta klient, gdy zobaczy na wyciągu coś, czego nie zamawiał. mBank, PRNews.

✦

Meta wycofuje Muse Image i przyznaje, że „missed the mark”. Tydzień temu opisywałem tu premierę Muse Image i zwracałem uwagę na haczyk: publiczne konta na Instagramie zostały objęte generowaniem obrazów domyślnie, wystarczyło oznaczyć czyjś profil w promcie, żeby zrobić obraz z jego twarzą, a wypisać się można było tylko na przyszłość. Pisałem wtedy, że to gotowy materiał na aktualizację polityki wykorzystania wizerunku, zanim zrobi to ktoś inny.

Zrobili to inni, i to szybciej, niż się spodziewałem. Funkcja ruszyła we wtorek 7 lipca, a w piątek po południu Meta ją wyłączyła. Trzy dni. W oświadczeniu: usłyszeliśmy, że ta funkcja rozminęła się z oczekiwaniami, więc nie jest już dostępna.

Warto znać dokładny kształt tego ustawienia, bo diabeł siedzi w szczególe. Domyślnie objęte były publiczne konta osób powyżej osiemnastego roku życia. Konta nieletnich i konta prywatne były wyłączone z automatu. Czyli ktoś usiadł, przemyślał to, wyodrębnił grupy wymagające ochrony i świadomie uznał, że dorosły z publicznym profilem zgody nie potrzebuje. Trudno to nazwać przeoczeniem, skoro ktoś usiadł i wypisał, kogo chronić.

Creative Artists Agency, która reprezentuje między innymi Zendayę, Toma Cruise'a i Meryl Streep, odpowiedziała zdaniem, które warto powiesić nad każdym projektem AI dotykającym danych o ludziach: niczyje imię, wizerunek, głos ani twórczość nie powinny być używane przez stronę trzecią, w tym przez modele AI, bez wyraźnej i udokumentowanej zgody. Dołączył związek aktorów SAG-AFTRA, wzywając członków do ręcznego wyłączenia funkcji. Instrukcja jednego twórcy, jak się wypisać, zebrała ponad półtora miliona wyświetleń na Reelsach. Wypisywanie się z cudzego produktu okazało się treścią viralową, co jest chyba najgorszą rzeczą, jaka może się przydarzyć premierze.

Lekcja nie dotyczy modelu, bo model działał dokładnie tak, jak zaprojektowano. Dotyczy ustawienia domyślnego. Ktoś wybrał opt-out zamiast opt-in na cudzej twarzy i przepchnął to do produkcji w firmie z największym działem prawnym w tej branży. To jest ta klasa decyzji, której nie wyłapie żaden audyt modelu, bo audyt sprawdza, co model potrafi, a nie kogo o zgodę nikt nie zapytał.

Pytanie do własnej organizacji, warte zadania w tym tygodniu: ile funkcji opartych na AI jest u was domyślnie włączonych dla klienta, który o nie nie prosił, i kto podjął tę decyzję. Newsweek, Benzinga.

✦

Rząd kładzie 400 milionów na stół w grze o gigafabrykę AI. 14 lipca Rada Ministrów przyjęła uchwałę gwarantującą wkład ponad 400 milionów złotych, żeby Polska mogła wystartować w europejskim przetargu na gigafabrykę sztucznej inteligencji. Dariusz Standerski, wiceminister cyfryzacji, mówi o inwestycji o łącznej wartości nawet 12 miliardów złotych. Przetarg, prowadzony przez unijne EuroHPC JU, ma ruszyć po 20 lipca, konsorcja dostaną 15 tygodni na zgłoszenia. Lider konsorcjum i operator centrum danych muszą być podmiotami europejskimi, i to nie tylko z siedzibą w Unii, ale z pełną kontrolą kapitałową po stronie europejskiej. Polska ma, według resortu, potencjał do współpracy z siedmioma innymi państwami członkowskimi.

Najważniejszy szczegół w całym komunikacie nie jest w nagłówku. Po wybudowaniu infrastruktury państwo zobowiązuje się do zakupu mocy obliczeniowych przez 60 miesięcy. Pięć lat. To nie jest dotacja, to jest zobowiązanie odbioru, i to ono, a nie 400 milionów wkładu, jest prawdziwą ceną wejścia. Warto to zestawić z resztą tego numeru: kupujemy pięcioletni kontrakt na moc w tygodniu, w którym Gartner mierzy 24 procent dodatnich zwrotów z AI, a Amodei ostrzega przed bilionem dolarów kosztów inference do końca 2027. Nie jest to zarzut, bo suwerenność obliczeniowa jest realnym dobrem i lepiej ją mieć niż nie mieć. Jest to pytanie, na które ktoś powinien mieć odpowiedź przed podpisem: na co konkretnie ta moc, dla kogo dostępna i po ile. WNP, CyberDefence24, 14 lipca.

ESA otwiera ośrodek w Warszawie, a Scanway studzi. 13 lipca zapadła decyzja o ośrodku Europejskiej Agencji Kosmicznej w Warszawie, o profilu civil security and resilience. Strefa Inwestorów opisuje go jako pierwszy taki ośrodek poza państwami założycielami agencji. Sama ESA tak tego nie ujmuje, pisząc jedynie, że centrum będzie działać komplementarnie do istniejących. Polska zadeklarowała 731 milionów euro na lata 2026-2028, z czego około 550 milionów na programy opcjonalne. BGK i spółki PFR mają utworzyć fundusz około pół miliarda złotych na inwestycje w spółki kosmiczne. Prace ruszają w 2027.

Najtrzeźwiejszy komentarz przyszedł od firmy, która na tym powinna zarobić. Mikołaj Podgórski, dyrektor operacyjny Scanwaya: „na razie mówimy o ogłoszeniu projektu”. Uruchomienie ośrodka i finansowania to proces na lata. W tygodniu, w którym wszyscy publikowali zdjęcia z podpisania, ktoś z branży powiedział, ile to naprawdę znaczy dzisiaj. ESA, Strefa Inwestorów.

Creotech: PIRX-1 na orbicie. Pierwszy satelita wojskowego systemu obserwacji Ziemi MikroGlob poleciał 7 lipca Falconem 9 w ramach misji Transporter-17, a 8 lipca spółka potwierdziła dwukierunkową łączność i telemetrię wszystkich podsystemów. Trwa faza uruchamiania. Nazwa od komandora Pirxa, co jest jedyną rzeczą w polskim sektorze kosmicznym, o której nie da się powiedzieć złego słowa. Bankier, Space24.

Scanway: sztuczna inteligencja, która sama ustawia teleskop na orbicie. Sto dni na głównym rynku GPW, portfel zamówień powyżej 130 milionów złotych, kontrakty z EnduroSat, Nara Space i KP Labs. Technicznie najciekawsza jest autorska optyka adaptacyjna z modelem AI, który ma sam decydować o dokolimowaniu obrazu na orbicie, bez udziału człowieka na Ziemi. Uczciwie: to na razie działa w laboratorium, spółka mówi o połowie drogi, a misja demonstracyjna ma polecieć do końca 2028. Firm robiących teleskopy bardzo wysokiej rozdzielczości jest na świecie około sześciu. Kosmonauta.net.

NASK zapowiada HIVE2. W planach ogłoszonych pod koniec czerwca jest pierwszy polski model wizyjno-językowy na licencji komercyjnej. Podkreślam: w planach, model jeszcze nie istnieje. To wątek, który ciągnie się z poprzedniego numeru, i wart pilnowania przez każdego, kto myśli o modelu, którego nikt nie wyłączy zza oceanu. NASK.

✦

Snorkel GDPval+: model najlepszy do pracy zawodowej jest jednocześnie najbardziej kłamliwy. I jeszcze grał u siebie. Na około dwóch tysiącach zadań eksperckich Grok 4.5 osiągnął średnią zdawalność 29 procent, przed GPT-5.5 z 22 procentami i Opusem 4.8 z 21. W zadaniach prawniczych Grok wyciągnął 40 procent, przy 27-28 procentach konkurencji. W edukacji 58, w ochronie zdrowia 35, w kontroli jakości 37. Ten sam model, według pomiaru Artificial Analysis, ma wskaźnik halucynacji na poziomie 54 procent, podniesiony z 25 procent w poprzedniej wersji, przy wzroście dokładności z 35 do 52 procent.

Zanim ktoś wklei te 29 procent do prezentacji, jedno zdanie z sekcji metodologicznej, które w omówieniach nie pojawiło się ani razu. GPT-5.5 i Opus 4.8 startowały z uniwersalnym agentem ewaluacyjnym, dobranym przez badających. Grok startował z własnym agentem xAI, i Snorkel pisze wprost, że stało się to na życzenie xAI. Modele nie biegły więc w tych samych butach. To nie znaczy, że wynik jest sfabrykowany, bo nie jest, a Snorkel uczciwie to ujawnił zamiast schować. Znaczy, że porównanie mierzy model razem z jego oprawą, a różnica między 29 a 22 zawiera w sobie nieznaną porcję przewagi domowej. Dorzućmy, że każdy model podchodził do zadania raz, a oceniał inny model według eksperckiej rubryki.

Decyzja: te liczby czytane osobno prowadzą do trzech różnych zakupów. Dział zakupów zobaczy 29 procent i najniższą cenę na rynku. Dział ryzyka zobaczy 54 procent halucynacji. Ktokolwiek przeczyta metodologię do końca, zobaczy, że nie wie, ile z tych 29 procent to model, a ile harness. Każdy z tych trzech będzie miał rację co do swojej liczby i wyciągnie z niej inny wniosek zakupowy.

Moja: dla systemu wysokiego ryzyka 54 procent halucynacji dyskwalifikuje niezależnie od zdawalności, i nie ma tu miejsca na dyskusję o cenie. Dla zastosowań, gdzie człowiek i tak sprawdza każdą odpowiedź, wysoka zdawalność przy niskiej cenie może być racjonalna, pod warunkiem że sprawdzanie jest realne, a nie deklarowane. A model niedostępny w UE nie jest opcją, tylko ciekawostką. Dorzućcie do tego przyznanie się OpenAI, że około 30 procent zadań w SWE-Bench Pro jest zepsutych, i macie pełny obraz tego, ile naprawdę mierzą rankingi, na których opiera się połowa decyzji zakupowych w tej branży. Snorkel.

✦

24 procent. Tyle wdrożeń AI w obsłudze klienta zwróciło koszty. Funkcja, która postawiła najwięcej, przegrała najczęściej. Gartner.

41 procent. Tyle długich postów na LinkedIn jest w całości wygenerowanych przez AI, według analizy ponad miliona postów z okresu od 24 kwietnia do 30 czerwca. Platforma odpowiada za 62 procent całego oflagowanego materiału z pięciu badanych serwisów. Pangram Labs.

60 miesięcy. Tak długo polskie państwo zobowiąże się kupować moc obliczeniową, jeśli gigafabryka AI powstanie. Tyle wynosi prawdziwa cena wejścia do gry o 12 miliardów złotych. Z nagłówków zapamiętacie 400 milionów wkładu, bo taka liczba lepiej się mieści w tytule. WNP.

✦

✦

Rada UE zatwierdziła 29 czerwca pakiet, który przesuwa terminy dla systemów wysokiego ryzyka. Te samodzielne dostają czas do 2 grudnia 2027, te wbudowane w produkty do 2 sierpnia 2028. Publikacja w unijnym dzienniku jeszcze nie nastąpiła.

I tu rzecz, którą sam miałem w pierwszej wersji źle, więc podaję ją wprost. Krążyło przekonanie, że obowiązek oznaczania treści generowanych wchodzi 2 sierpnia. Komunikat Rady mówi co innego: okres przejściowy dla transparentności został skrócony z sześciu miesięcy do trzech, z terminem 2 grudnia 2026. W tym samym pakiecie od grudnia zaczyna obowiązywać zakaz generowania niekonsensualnych treści seksualnych i materiałów krzywdzących dzieci, a piaskownice regulacyjne przesunięto na sierpień 2027.

Przesunięcie nie jest powodem, żeby zwolnić, bo klasyfikacja waszych zastosowań nie zmieniła się ani o milimetr. Zmieniła się wyłącznie data, od której ktoś przyjdzie sprawdzić. I jeszcze jedno, praktyczne: jeśli sprawdzacie te terminy w internecie, patrzcie na datę aktualizacji strony. Najpopularniejszy publiczny kalendarz AI Act ma w stopce sierpień 2024 i o tym pakiecie nie wie. Rada UE, Gibson Dunn.

✦

W nocy z 14 na 15 lipca 1965 roku sonda Mariner 4 zrobiła pierwsze zdjęcia Marsa z bliska. Dwadzieścia dwa obrazy. Zespół w JPL nie miał cierpliwości czekać, aż komputer je wyrenderuje, więc translator danych wydrukował surowe wartości pikseli na paskach papieru, a ludzie z sekcji telekomunikacji pokolorowali te liczby ręcznie, dokładnie jak w malowaniu po numerach. Gotowy obraz wręczyli dyrektorowi JPL. Wisi tam do dziś.

Dokładnie pięćdziesiąt lat później, 14 lipca 2015, sonda New Horizons minęła Plutona.

Ta anegdota jest lepszym komentarzem do całego tego numeru niż cokolwiek, co mógłbym dopisać. Dane to były liczby. Obraz był interpretacją. Ktoś wybrał, który kolor przypisać której wartości, i dopiero wtedy ludzie „zobaczyli Marsa”. Każdy dashboard, każdy ranking i każda odpowiedź modelu przechodzi przez ten sam krok, tylko dziś kredki trzyma ktoś, kogo nie widać. NASA JPL.

✦

Wracam w tym tygodniu do trzech rzeczy, które sobie zapisałem.

Najbardziej brutalne zdanie tego tygodnia przeszło bez echa, bo brzmi nudno. Gartner pisze, że użycie firmowych chatbotów jest statystycznie niezmienione od 2022 roku. Przeczytałem to trzy razy, bo za pierwszym razem przeleciało mi przez oczy jak zdanie techniczne. Cztery lata, przez które ta linia na wykresie leży płasko, a każdy z nas widział w tym czasie kilkanaście prezentacji o tym, jak chatbot odmieni obsługę klienta. Żadna z nich nie miała slajdu z tą linią.

Druga rzecz to zbieg, którego chyba nikt nie poskładał. Kiedy Amodei tłumaczy, dlaczego nie robimy postępu w tempie dekady na rok, wymienia między innymi to, że badacze potrzebują czasu, żeby nauczyć się używać narzędzi. Opisuje dokładnie to samo, co Gartner mierzy u klientów, a Mollick nazywa końcem epoki chatbotów. Trzech ludzi z trzech różnych miejsc stołu mówi jedno: technologia wyprzedziła umiejętność jej użycia. Tego wąskiego gardła nie da się kupić, bo to jest czas i praktyka, a nie licencja. Kupić da się natomiast rok stania w miejscu, i to akurat idzie łatwo.

Trzecia jest o kredkach z Marsa, i to ta wraca do mnie najczęściej. Zespół JPL kolorował piksele, bo chciał zobaczyć obraz szybciej, niż pozwalała maszyna. Przez sześćdziesiąt lat zmieniło się tyle, że maszyna renderuje dziś szybciej, niż my patrzymy. Skalę kolorów ktoś nadal wybiera, tylko już go nie widać na zdjęciu.

✦

Człowiek, który napisał, że AI da nam dekadę postępu w rok, mówi dziś, że tego tempa nie ma, a jego klienci właśnie policzyli, że 24 procent projektów zwróciło koszty. Obie rzeczy są prawdziwe i obie mówią o tym samym: technologia wyprzedziła umiejętność jej użycia.

✦

Do zobaczenia za tydzień.

PS. Numer powstawał w tygodniu, w którym trzy różne instytucje policzyły trzy różne rzeczywistości, a jedna z nich zmierzyła Groka w jego własnych butach. Jeśli coś tu przeoczyłem, napiszcie. Czytam każdą odpowiedź.