Wyciek kodu Claude Code pokazał jak AI będzie pracować za rok
Pod koniec marca 2026 ktoś w Anthropic wypuścił na npm pakiet Claude Code v2.1.88 z plikami debugowymi, których nie powinno tam być. Przez kilka godzin każdy mógł pobrać pół miliona linii kodu ich narzędzia - niemal 2000 plików, pełną architekturę. Drugi poważny wyciek w Anthropic w ciągu tygodnia - kilka dni wcześniej wyciekły publicznie informacje o nieogłoszonym modelu o kodowej nazwie Mythos.
Bloomberg i Fortune pisały o ryzyku dla planowanego IPO. Tech-Twitter przez trzy dni analizował zawartość. Mnie zaciekawiło co innego.
W kodzie znaleziono trzy funkcje, których jeszcze nie ma w produkcji: PROACTIVE, DREAM i KAIROS. Pierwsza to agent, który pracuje w tle zanim użytkownik go o cokolwiek poprosi. Druga to model, który nie zatrzymuje się po zadaniu - iteruje pomysły non-stop. Trzecia to persistent background worker, który sam odpala zadania, naprawia błędy i wysyła powiadomienia gdy coś skończy.
Używam Claude Code codziennie. Buduję w nim strony, automatyzacje i boty dla klientów. Dzisiaj wpisuję polecenie i czekam. Za kilka miesięcy, jeśli zobaczymy te trzy tryby w produkcji, ten sam terminal odezwie się do mnie pierwszy: "zauważyłem błąd w skrypcie z poniedziałku, naprawiłem, sprawdź".
I tu wraca pytanie, które zadają mi właściciele małych firm w każdej rozmowie: czy AI zastąpi moich pracowników?
Pytanie jest źle postawione
Miesza dwie rzeczy. Czy AI jest w stanie wykonać czyjąś pracę w całości (w większości ról w małej firmie raczej nie), vs czy AI jest w stanie wykonać część czyjejś pracy (tak, i to już się dzieje u mnie i u moich klientów).
Spróbuj zadać je inaczej: czy AI zastąpi pierwsze 15 minut każdego emaila, każdej rozmowy z nowym leadem, każdego raportu, każdego researchu? Na to odpowiedź brzmi: już zastępuje.
W małej firmie nikt nie jest zatrudniony etatowo do robienia "pierwszych 15 minut". Te minuty są rozproszone między wszystkich - recepcjonistka tłumaczy dzwoniącemu gdzie jesteście, handlowiec pisze wstępnego maila, Ty odpisujesz na komentarze pod postem, księgowa segreguje nowe faktury. Pomnóż przez liczbę osób i liczbę takich mikro-zadań dziennie. Właśnie tu AI zaczyna mieć realne znaczenie.
Według raportu Brand24 z marca 2026 (1.3 miliona analizowanych wzmianek o ChatGPT), 79% rozmów o AI w polskim internecie dotyczy konkretnych zastosowań - "jak to może mi pomóc dzisiaj", nie teorii o przyszłości pracy. Rynek już to rozumie. Właściciele firm też zaczynają.
4 wdrożenia, które chodzą u mnie codziennie
Zamiast teorii pokażę Ci co konkretnie robi AI w mojej firmie i u moich klientów. Żadnych obietnic, żadnych "mogłoby". Tylko to, co faktycznie pracuje każdego dnia.
1. Chatbot sprzedażowy dla firmy med-tech (550+ gabinetów w bazie klientów)
Dla polskiej firmy med-tech, dostawcy oprogramowania dla ponad 550 gabinetów stomatologicznych w Polsce, wdrożyłem chatbota AI na stronie firmowej. Stack: Chatbase + GPT-4.1, dwa tygodnie pracy od briefu do działającego systemu.
Co bot robi:
- Odpowiada na cztery najczęstsze pytania (ile kosztuje, czy da się przenieść dane z innego systemu, jakie są funkcje, jak umówić demo)
- Zbiera dane kontaktowe w konkretnej strukturze: imię, nazwa gabinetu, email, telefon, liczba lekarzy, województwo
- Na podstawie województwa przypisuje właściwego opiekuna handlowego
- Ma wbudowany priorytet sprzedażowy: rekomenduje wersję pełną przed budżetową, umowę trzyletnią przed roczną
Czego bot NIE robi:
- Nie zamyka sprzedaży - to robi handlowiec w telefonie
- Nie potwierdza cen ani opcji, których nie ma w instrukcji (zasada zero halucynacji, o niej za chwilę)
- Nie podejmuje decyzji handlowych, nie obiecuje rabatów, nie zobowiązuje firmy do terminów
Efekt: handlowcy dostają leady z konkretnymi informacjami zamiast suchego "ktoś pytał o cenę". Wiedzą zanim podniosą słuchawkę: imię, gabinet, 3 lekarzy, województwo śląskie, zainteresowany wersją pełną. Rozmowa sprzedażowa zaczyna się od piątej minuty, nie od pierwszej. Dla kilkuosobowego zespołu handlowego to są godziny tygodniowo odzyskane z "pierwszych 15 minut" na rzeczywistą pracę.
2. Poranna prasówka, która czyta internet zamiast mnie
Drugi przykład to wdrożenie wewnętrzne. Nazywam je Morning Menu.
Co to jest: skrypt w Pythonie, który codziennie o 9:00 zbiera artykuły z kilkunastu kuratowanych źródeł - Anthropic, OpenAI, DeepMind, TechCrunch AI, Hugging Face, Simon Willison, One Useful Thing, kilka innych. Gemini 2.0 Flash tłumaczy każdy artykuł na polski, pisze streszczenie, a potem ocenia w dwóch skalach:
- BIZ (1-10) - jak bardzo dany temat jest istotny dla mojej firmy i moich klientów
- POST (1-10) - jak dobry materiał to jest na post w social media
Do tego oznaczenia priorytetu 🔥🔥🔥 / 🔥🔥 / 🔥 oraz TOP 5 Biznes + TOP 5 Content na końcu. Cały mail ląduje w mojej skrzynce przed 10.
Co robię ja: otwieram email, widzę 5-7 najważniejszych rzeczy w branży z oceną relewancji. Zamiast ręcznie przedzierać się przez 50 nagłówków z 15 źródeł.
Co to zmieniło w praktyce: ten artykuł, który właśnie czytasz, powstał w 80% z jednej porannej prasówki. Cztery z pięciu tematów mojego tygodniowego planu contentu pochodzi z Morning Menu. Prasówka mnie nie zastąpiła - nie pisze postów, nie decyduje o czym mam mówić, nie rozmawia z klientami. Ale zastąpiła pierwsze 90 minut mojego dnia, które kiedyś schodziły na czytanie branżowych newsletterów.
3. Asystent do pisania w moim tonie
Trzeci case: zbudowałem wewnętrznego asystenta AI, który uczy się mojego stylu pisania. Nie produkt z półki, tylko własny stack, który znam od środka i mogę dowolnie modyfikować.
Jak działa:
- Ma zbiorczy dokument z moimi zasadami stylu - długość zdań, fraz których używam, słów których NIE używam, przykłady zatwierdzonych komentarzy, które "trafiły w punkt"
- Ma wbudowany 13-punktowy checklist wykrywania tekstów "pisanych przez AI" - symetryczne pary zdań, sentencjonalne zwroty, puste wypełniacze, nadmiar trójek
- Ma mechanizm self-tuning: gdy mówię mu "to nie brzmi jak ja" albo "zapamiętaj, to brzmi dobrze", dodaje lekcję do pamięci i używa jej następnym razem
- Stosuje różne limity na różne kanały: inne dla LinkedIn posta (1300 znaków), inne dla komentarza (2-3 akapity), inne dla cold maila (max 7 linijek)
Co robi za mnie: pisze pierwszy draft każdej odpowiedzi na maila, każdego komentarza na LinkedIn, każdego cold maila. Ja edytuję, czasem przepisuję w całości, ale nie zaczynam od białej kartki. Czas na jedną odpowiedź mailową spadł z około 15 minut do 3-4 minut. Przy dwudziestu mailach dziennie to jest 220 minut odzyskanych - prawie 4 godziny. W skali tygodnia - jeden pełny dzień roboczy, który wraca do rzeczy, w których człowiek jest nie do zastąpienia.
Czego NIE robi: nie wysyła niczego sam. Nie decyduje, czy odpowiedź idzie w ogóle. Nie rozmawia z klientami w moim imieniu. Ton jest mój, decyzje są moje, wysyłka jest moja. AI jest edytorem pierwszego draftu, nie autorem gotowego tekstu.
4. Stack lead generation - cztery skrypty zamiast junior handlowca
Ostatni przykład to zestaw czterech narzędzi, które razem robią pracę, którą w innej firmie robiłby junior handlowiec na etacie:
- Scraper leadów znajduje firmy z danego regionu lub branży i zbiera dane kontaktowe w formacie CSV
- Audyt cyfrowy dla każdej znalezionej firmy generuje spersonalizowany raport: co jest na stronie, co brakuje, co można poprawić (SEO, szybkość, UX, konwersja)
- Cold email generator pisze spersonalizowaną wiadomość na podstawie konkretnych wniosków z audytu - nie "cześć, jestem Damian", tylko "zauważyłem, że Twoja strona wolno ładuje obrazki na mobilnych, i to prawdopodobnie odcina Ci jakąś część leadów"
- Lead pipeline monitoruje skrzynkę i dodaje każdą odpowiedź na cold maila do centralnego arkusza z tagowaniem (gorący / ciepły / do follow-up)
Brzmi jak sci-fi? Wcale nie. Cztery skrypty w Pythonie, żadnej magii.
Co dokładnie robi tu człowiek: klikam "odpal", czytam, zatwierdzam każdy email przed wysłaniem (bo w cold outreach liczy się ton, a ja wiem co brzmi dobrze u mnie). Odpowiadam osobiście na gorące odpowiedzi. AI robi całą pracę przygotowawczą - tę, która w tradycyjnym pipeline zajmuje 80% czasu na jednym leadzie.
Efekt: mam ramy, w których jeden człowiek przygotowuje kontakt z 50 firmami tygodniowo zamiast z 5. Scraping, audyt i pierwszy spersonalizowany mail robi AI. Mnie zostaje ocena, redakcja i rozmowa - dokładnie to, w czym człowiek jest niezastąpiony. AI nie zastąpiło handlowca. Dało mi dźwignię, której wcześniej nie miałem.
Trzy błędy, które widzę przy wdrożeniach AI w małych firmach
Pokazałem co działa. Teraz to, co nie działa - bo żeby AI pracowało za Ciebie, musisz mu najpierw powiedzieć co ma robić i czego ma NIE robić.
Błąd 1: "Wklej widget i zapomnij"
Najczęstszy scenariusz: właściciel firmy czyta o AI, wrzuca na stronę darmowy chatbot z domyślną konfiguracją i liczy, że "samo będzie odpowiadać". Po dwóch tygodniach wyłącza, bo bot odpowiada bez sensu.
Chatbot, który ma zbierać leady dla firmy sprzedającej oprogramowanie, nie wie co rekomendować, jeśli mu nie powiesz. Jeśli nie napiszesz wprost "wersja pełna to główny produkt, wersja podstawowa to opcja budżetowa" - bot będzie traktował wszystkie opcje równo i zacznie od najtańszej, bo tak jest grzecznie i bezpiecznie.
W case'ie, z którego pokazałem Ci wcześniej chatbota, w wersji 1 bot promował tańszą opcję zamiast głównego produktu. Dlaczego? Bo nikt mu nie powiedział, co jest priorytetem. Po poprawce w wersji 2, z dodaniem jawnej sekcji "PRIORYTET SPRZEDAŻOWY" w instrukcji, to się zmieniło.
Błąd 2: AI bez jawnych zakazów halucynuje
Drugi problem: modele językowe domyślnie chcą pomagać. Jeśli klient zapyta "czy możecie mi dać opcję płatności miesięcznej", a bot nie ma w instrukcji jawnego "NIE, takiej opcji nie ma" - bot ją potwierdzi, bo wyczuwa, że tego chcesz usłyszeć.
W tym samym wdrożeniu chatbota to się faktycznie wydarzyło w wersji 1: bot potwierdził nieistniejącą opcję płatności miesięcznej. Klient zadzwonił do handlowca, handlowiec musiał tłumaczyć, że takiej oferty nie ma, klient wyszedł zniesmaczony.
Rozwiązanie: każda instrukcja chatbota AI powinna mieć sekcję zakazy - wprost wymienione rzeczy, których bot ma nie potwierdzać. Nie wystarczy powiedzieć "nie halucynuj". Trzeba dać konkretną listę: "nie potwierdzaj płatności miesięcznej", "nie potwierdzaj rabatów większych niż 10%", "nie zobowiązuj nas do terminów wdrożenia".
Błąd 3: Chatbot, który odpowiada, ale nic nie zbiera
Trzeci błąd: bot odpowiada na pytania, ale nie zbiera danych. Albo zbiera takie, których nikt potem nie używa.
Jeśli bot pyta tylko "jak mogę Ci pomóc?" i daje odpowiedź, to handlowiec widzi w logach "był ktoś, pytał o X, zniknął". Nie ma kogo zadzwonić. Dobry bot nie tylko odpowiada, ale zbiera konkretne dane w konkretnym formacie, tak żeby handlowiec mógł wziąć telefon i zadzwonić z kontekstem.
W moim wdrożeniu bot zbiera sześć pól: imię, nazwa gabinetu, email, telefon, liczba lekarzy, województwo. Dlaczego akurat te? Bo handlowiec potrzebuje dokładnie tego do pierwszej rozmowy. Mniej danych = niedokończona rozmowa. Więcej pól = klient traci cierpliwość i zamyka czat przed końcem.
Co to znaczy dla właściciela małej firmy (5-50 osób)
Nikogo nie zwolnisz przez AI. Możesz za to urosnąć dwukrotnie bez zatrudniania proporcjonalnie więcej osób.
To nie jest teoria. To jest moja sytuacja. Prowadzę Falcon Works sam. Robię wdrożenia dla klientów, piszę artykuły, wysyłam cold maile, prowadzę social media, obsługuję obecnych klientów i buduję produkty. Bez AI musiałbym zatrudnić 2-3 osoby, żeby dotrzymać tempa.
Dziś siedzę sam, ale mam 7 asystentów AI, dwa chatboty, skrypty do lead generation, automatyczną prasówkę, automatyzację KSeF i asystenta do pisania. Każdy z nich robi robotę kilku do kilkunastu minut dziennie, która wcześniej zajmowała mi godziny.
Zmienia się pytanie, które warto zadać: nie "czy zatrudniać mniej osób", tylko "co moi ludzie robią dziś, czego AI może zrobić pierwszy draft?". Odpowiedź to prawdopodobnie 30-40% ich dnia. I to jest miejsce, w którym AI zmienia coś realnie, mierzalnie, już teraz.
FAQ
Czy AI naprawdę zastąpi pracowników w mojej firmie w 2026?
W większości ról w małej firmie nie zastąpi. AI nie zamknie sprzedaży, nie zarządzi zespołem, nie podejmie trudnej decyzji z klientem, nie zadba o atmosferę w biurze. Może za to wykonać pierwsze 15-30% zadań w każdej roli: pierwszy draft maila, wstępną odpowiedź na pytanie klienta, pierwszą wersję raportu, przygotowanie danych do spotkania. To jest realna zmiana, ale nie rewolucja w strukturze zatrudnienia.
Od czego zacząć wdrożenie AI w małej firmie?
Od znalezienia jednego powtarzalnego zadania, które zajmuje dużo czasu i ma jasne zasady wykonywania. Typowe przykłady: odpowiadanie na te same pytania klientów, wysyłanie ofert, przygotowywanie raportów, filtrowanie maili. Nie zaczynaj od "dużego projektu AI" - zacznij od jednego konkretnego procesu, który boli najbardziej. Więcej w artykule Od czego zacząć automatyzację w firmie.
Ile kosztuje wdrożenie chatbota AI dla małej firmy?
Zależy od zakresu. Sam model językowy (OpenAI, Anthropic) to kilkadziesiąt do kilkuset złotych miesięcznie, zależnie od liczby rozmów. Platforma (Chatbase, Voiceflow, własne wdrożenie na OpenAI API) to od kilkudziesięciu złotych miesięcznie w górę. Konfiguracja, instrukcje, zbieranie danych, integracja ze stroną i systemem handlowców - to jednorazowa praca od kilku do kilkunastu godzin, w zależności od złożoności. W Falcon Works wdrożenie chatbota sprzedażowego zajmuje około dwóch tygodni od briefu do działania. Dokładny zakres i wycena ustalamy indywidualnie - zakres decyduje o wszystkim.
Czy chatbot AI może zastąpić recepcjonistkę?
Może zastąpić część jej pracy: zbieranie informacji od dzwoniącego, odpowiadanie na pytania "ile kosztuje", "gdzie jesteście", "czy macie wolne terminy". Ale nie zastąpi rozmowy z pacjentem, który jest zdenerwowany, nie zastąpi decyzji o tym, kiedy przekazać sprawę lekarzowi, nie zastąpi wyczucia sytuacji. W gabinecie stomatologicznym dobry wzorzec to: chatbot robi pierwszy kontakt online, recepcjonistka zamyka. Odwrotna kolejność nie działa.
Czy AI wymyśla rzeczy, których nie wie?
Tak, i to jest poważny problem, jeśli wdrożysz AI bez zabezpieczeń. Modele językowe domyślnie próbują "pomagać" - jeśli zapytasz o coś, czego nie wiedzą, zmyślą brzmiącą sensownie odpowiedź. W każdym wdrożeniu, które robię, pierwszą zasadą jest lista jawnych zakazów: wypisane wprost rzeczy, których bot ma nie potwierdzać, oraz instrukcja "jeśli nie wiesz, powiedz że nie wiesz i odeślij do człowieka". Bez tego nawet najlepszy model narobi Ci problemów w ciągu tygodnia.
Jak długo trwa wdrożenie asystenta AI od zera do działania?
Dla prostego chatbota na stronę, z zebraniem leadów - około dwóch tygodni od pierwszej rozmowy do działającego systemu. Dla asystenta AI do konkretnej roli (np. odpowiadanie na maile w tonie firmy, analizowanie raportów finansowych) - od tygodnia do miesiąca, w zależności od tego, ile materiałów trzeba mu dać i ile iteracji jest potrzebnych. Większość czasu to nie kodowanie, tylko konfiguracja i doprecyzowanie "co ma robić, a czego ma nie robić". Więcej w artykule Asystent AI w firmie - co to jest, jak działa.
Podsumowanie
AI w 2026 nie jest tym, o czym pisze się w wielkich raportach o rewolucji i końcu pracy. To narzędzie, które realnie zmienia, ile pracy dostarczasz w ciągu dnia - nie przez zwolnienia, ale przez skracanie tych fragmentów zadań, które i tak były mechaniczne.
Cztery case'y, które Ci pokazałem - chatbot sprzedażowy, poranna prasówka, asystent do pisania, stack lead-gen - to nie teoria. To wdrożenia, które u mnie lub u moich klientów pracują codziennie. Każde z nich rozwiązuje konkretny problem i oszczędza konkretne godziny.
Wyciek kodu Claude Code sprzed tygodnia i trzy tryby, które tam znaleziono - PROACTIVE, DREAM, KAIROS - to sygnał, że za kilka miesięcy AI przestanie być narzędziem "na polecenie". Zacznie pracować w tle, iterować, samo odpalać zadania. To zmienia matematykę tego, co można zdążyć zrobić w firmie w ciągu tygodnia.
Jeśli chcesz zacząć, ale nie wiesz od czego, napisz na biuro@falconworks.pl albo umów się na rozmowę na falconworks.pl/kontakt. Nie sprzedam Ci kursu, nie opowiem historii sukcesu za milion. Usiądziemy, spojrzymy na Twoje procesy i powiem Ci konkretnie: co można zautomatyzować, co zostawić i od czego zacząć.