Znasz już Claude — i co dalej?

O czym jest ten film

Samo opanowanie Claude ma niewielką wartość długoterminową — narzędzia będą się zmieniać; liczą się umiejętności, które przenosisz na każdą nową fazę rozwoju AI.
Rynek wymienia „najlepszy model biznesowy” mniej więcej co roku: chatboty → agencje automatyzacji → budowniczowie agentów → AI agentowe (Gartner prognozuje 202 mld dolarów wydatków w samym 2026 roku).
McKinsey: około 88% organizacji używa AI, ale tylko mniej więcej jedna trzecia przekłada to na realne projekty — ta luka kompetencyjna jest główną okazją rynkową.
Wartość przesuwa się z samego budowania na decydowanie, co budować: rolą następnej fazy jest konsultant AI — „lekarz”, który diagnozuje problem, a nie „farmaceuta”, który wydaje to, o co poproszono.
Do tej roli prowadzą dwie drogi: niezależny konsultant obsługujący wiele firm albo wewnętrzny ekspert AI w jednej organizacji — także tej, w której pracuje się już dziś.
Firmy poważnie traktują stanowiska typu Chief AI Officer (badanie IBM: 76% dużych organizacji, wobec 26% dwa lata temu), ale rynek firm średniej wielkości wciąż stoi otworem.
Autor — były pracownik Goldman Sachs, współzałożyciel agencji AI True Horizon (ponad 100 tys. dolarów miesięcznie w niecały rok) — opiera wnioski na obserwacji społeczności ponad 400 tys. członków.
Pytanie rozstrzygające: dlaczego zatrudnić ciebie, a nie kogoś z identyczną wiedzą z tych samych tutoriali? Wygrywają ci, którzy dowodzą konkretnych wyników biznesowych.
Mapa czterech kroków: audyt własnej roli pod kątem wąskich gardeł → małe projekty z przypisanym KPI → dostrzeganie powtarzających się wzorców → sformalizowanie roli od środka firmy.
Studium przypadku: Alan — po piętnastu latach pracy przy e-mailach, w rok od zera do stanowiska Head of AI, dzięki temu, że podczas nauki jawnie dokumentowała swoje projekty.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Kształć umiejętności, nie ulotną biegłość w narzędziu

Na czym polega: mistrzostwo w konkretnym narzędziu, takim jak Claude, szybko traci na wartości, bo narzędzia zmieniają się co chwilę. Trwała jest kompetencja: rozumienie procesów biznesowych, projektowanie rozwiązań i umiejętność wykazania efektu.

Jak stosować: opisując siebie (CV, LinkedIn, rozmowy kwalifikacyjne), mów językiem problemów i wyników, a nie nazw narzędzi — „skróciłem obsługę zgłoszeń o 40%” zamiast „znam Claude i n8n”. Przy każdym nowym narzędziu pytaj, który z twoich realnych problemów ono rusza.

Na co uważać: pułapka „certyfikatu z produktu” — znajomość funkcji narzędzia bez umiejętności zastosowania jej w cudzym biznesie jest warta niewiele.

2.Fazy rynku zmieniają się co rok — decyduje wczesna reakcja

Na czym polega: rynek przeszedł już kilka faz (chatboty, agencje automatyzacji, agenty, AI agentowe) i przy każdej zmianie najwięcej zyskiwali ci, którzy ruszyli wcześnie; reszta walczyła o przetrwanie w wyścigu na dno.

Jak stosować: obserwuj kierunek zmian i przygotowuj się na następną fazę zawczasu — jeśli dziś budujesz proste automatyzacje, równolegle ucz się pracować z agentami i mierzyć ich wpływ na biznes.

Na co uważać: na przywiązanie do dorobku z poprzedniej fazy — lista usług, które dziś się sprzedają, za rok może stracić na wartości.

3.Okazja leży w luce kompetencyjnej, nie w narzędziach

Na czym polega: według McKinseya 88% organizacji używa AI, ale tylko około jedna trzecia przekuwa to w realne projekty; zaledwie 6% firm jest w AI naprawdę dobrych, a około 30% projektów porzucano. Rynek pełen jest płacących klientów, którzy nie wiedzą, co z tym zrobić.

Jak stosować: formułuj ofertę wprost pod tę lukę — nie „zbuduję ci agenta”, lecz „sprawdzę, gdzie AI u ciebie faktycznie działa, a gdzie przepalasz pieniądze”.

Na co uważać: statystyki rynkowe uzasadniają kierunek, ale nie zastępują wiedzy o konkretnej firmie — nie argumentuj samymi liczbami z raportów.

4.Bądź lekarzem, nie farmaceutą

Na czym polega: klient nie wie, czego potrzebuje — wie tylko, co go boli. Farmaceuta wyda dokładnie to, o co poprosisz; lekarz najpierw ustala, co dolega. Budowniczowie są jak farmaceuci, konsultanci jak lekarze — i to lekarz zarabia poważne pieniądze.

Jak stosować: zamiast brać zlecenie „zbuduj chatbota do obsługi klienta”, zacznij od diagnozy: pytaj o objawy, liczby i miejsce, w którym proces się zatyka. Dopiero potem przepisuj rozwiązanie.

Na co uważać: na pokusę natychmiastowego proponowania rozwiązań — skok do budowania bez diagnozy odbiera ci przewagę i spycha do roli wykonawcy.

5.Nie musisz rzucać pracy — do tej samej roli prowadzą dwie drogi

Na czym polega: konsultantem AI można być na własny rachunek (wiele firm, pełna kontrola nad czasem, konieczność samodzielnego pozyskiwania klientów) albo wewnętrznie (jedna firma, stabilność, głębia, stała pensja — nawet u obecnego pracodawcy).

Jak stosować: wybieraj według własnej tolerancji ryzyka, nie według mody. Jeśli cenisz stabilność, zacznij od drogi wewnętrznej — zawsze można ją później zamienić na niezależną praktykę, mając dorobek w ręku.

Na co uważać: obie drogi wymagają tych samych kompetencji (diagnoza, recepta, dowód) — sama zmiana etykiety nic nie da.

6.Rola wewnętrznego eksperta AI to awans i realna dopłata do pensji

Na czym polega: analiza PwC blisko miliarda ogłoszeń wykazała, że średni dodatek płacowy za umiejętności AI w rok wzrósł z 21,5% do 56%. Poza tym 76% dużych organizacji ma już rolę typu Chief AI Officer, a prawie dwie trzecie pracowników przyznało, że pominęli kogoś przy awansie z powodu przestarzałych umiejętności.

Jak stosować: jeśli jesteś na etacie, buduj przewagę u obecnego pracodawcy: przejmuj tematy AI, dokumentuj wyniki, a gdy nazbierasz dowodów — sam zaproponuj utworzenie takiej roli.

Na co uważać: badanie IBM objęło głównie gigantów (mediana przychodów 5,8 mld dolarów) — w firmach średniej wielkości budżety i struktury bywają inne i rolę trzeba często wykreować samemu.

7.Wyróżnia zasada: najpierw wąskie gardło, potem wskaźnik, na końcu budowa

Na czym polega: automatyzowanie tego, co się powtarza, nie czyni cię cennym — można tak oszczędzić dwadzieścia minut na zadaniu, na które nikt nie czekał. Wartość powstaje, gdy projekt celuje w realne ograniczenie biznesowe i ma z góry przypisany konkretny wskaźnik (KPI), który ma przesunąć.

Jak stosować: przed każdym projektem zapisz jedno zdanie: „to wąskie gardło blokuje X, a sukces mierzymy wskaźnikiem Y”. Tylko tak potem udowodnisz: „zbudowałem agenta, który przesunął ten wskaźnik o tyle”.

Na co uważać: na projekty „do szuflady” — bez wcześniejszego uzgodnienia metryki każdy efekt da się podważyć, a ty zostaniesz z kosztem zamiast z argumentem.

8.Mapę czterech kroków da się rozegrać od jutra

Na czym polega: krok pierwszy to audyt własnej roli pod kątem ograniczeń i przypisanie im liczb; drugi — mały projekt wdrożony w jednym zakątku firmy jako pierwsze studium przypadku; trzeci — dostrzeżenie powtarzających się wzorców problemów; czwarty — sformalizowanie roli z dowodami w ręku.

Jak stosować: zacznij od pierwszego kroku w obecnej pracy — lista problemów z metrykami to gotowy plan na kwartał. Każdy ukończony projekt pokazuj szefowi, zespołowi i publikuj na zewnątrz.

Na co uważać: nie pomijaj trzeciego kroku — samo odhaczanie projektów po kolei nie czyni konsultanta; konsultantem jest ten, kto rozpoznaje problem, zanim ktokolwiek wskaże rozwiązanie.

9.Dowód bije rozgłos: buduj na oczach innych

Na czym polega: rekruterzy pytają „co zbudowałeś?”, a nie „ilu masz obserwujących”. Alan — piętnaście lat przy e-mailach, bez technicznego wykształcenia — dokumentując projekty już podczas nauki (dwa kanały YouTube, LinkedIn, nagrania demonstracyjne), w rok zdobyła stanowisko Head of AI, rozmawiając bezpośrednio z prezesem.

Jak stosować: każdy projekt kończ krótkim zapisem: problem, rozwiązanie, wynik, link do demo. Nie potrzebujesz publiczności — wystarczy miejsce, gdzie dowody można zobaczyć i które da się komuś wysłać.

Na co uważać: na publikowanie danych pracodawcy — pokazuj mechanizm i rodzaj efektu, a wrażliwe liczby anonimizuj.

10.Okno jest otwarte, ale etykieta „AI” wygaśnie

Na czym polega: jak kiedyś „marketer internetowy” czy „księgowy od Excela”, tak i „konsultant AI” za kilka lat zabrzmi absurdalnie — AI stanie się oczywistością w każdym zawodzie. Przewaga jest realna dziś, gdy większość rynku jeszcze nie nadąża.

Jak stosować: zbieraj dorobek teraz, w okresie, gdy sama biegłość w AI jeszcze wyróżnia; za kilka lat liczyć się będzie wyłącznie głębia doradztwa.

Na co uważać: nie buduj tożsamości wyłącznie wokół etykiety „AI” — buduj pozycję eksperta od rozwiązywania problemów w swojej dziedzinie, wspieranego sztuczną inteligencją.

Redakcyjne tłumaczenie

Znasz Claude od podszewki — i co dalej?

Opanowaliście Claude od podszewki. Potraficie stawiać agentów, automatyzacje i całe złożone systemy — i teraz co? Założyć agencję AI? Sprzedawać automatyzacje? Pisać oprogramowanie dla firm? Opcji jest mnóstwo, ale dziewięćdziesiąt procent z nich nie ma nic do rzeczy dla przeciętnego odbiorcy tego kanału. Dobrze wiem, że większość z was pracuje na etacie, robi karierę w korporacji i woli przewidywalność pensji niż huśtawkę pracy na własny rachunek. Tylko że w branży, w której grunt rusza się codziennie, bezpieczeństwo, do którego przywykliście, zaczyna topnieć. Poniżej najlepszy — moim zdaniem — sposób na zarabianie na umiejętnościach Claude w ramach kariery, którą już prowadzicie, wraz z konkretną mapą drogową.

Rynek AI nie stoi w miejscu

Zanim przejdę do mapy, trzeba zrozumieć jedną rzecz: świat AI nie zatrzymuje się ani na sekundę. Dlatego samo mistrzostwo w Claude, wzięte w oderwaniu, długoterminowo znaczy niewiele — narzędzia się zmienią. Prawdziwą wartość mają umiejętności spod spodu oraz zdolność przenoszenia ich na każdą nową fazę AI, ilekroć ta się pojawi. Ma to o tyle znaczenie, że ta branża nigdy nie miała jednej stałej „najlepszej pracy” ani jednego najlepszego modelu biznesowego — wymienia je mniej więcej co roku. I za każdym razem, gdy tak się dzieje, otwiera się zupełnie nowe okno dla ludzi, którzy uważnie patrzą.

Cztery fazy, jeden schemat

Cofnijmy się o rok, gdy AI faktycznie eksplodowało. Pierwsze płatne zlecenia były trywialne: wystarczyło postawić jedną automatyzację albo chatbota dla małej firmy czy zespołu — i już można było niezgorzej zarobić. Szybko się to przesunęło. Nadeszła faza „systemów AI”, czyli to, co dziś zwie się erą agencji automatyzacji: wszyscy zaczęli pakować usługi w produkty, zakładać agencje i sprzedawać gotowe systemy „zrobione za klienta” na lewo i prawo. Potem znów przesunięcie — era budowniczych agentów. Ludzie przestali stawiać proste automatyzacje i zaczęli budować agentów, którzy potrafią myśleć i wykonywać za nas mnóstwo powtarzalnych czynności, które każdy z nas odhacza codziennie. Aż wreszcie najnowsza faza: AI agentowe. Gartner prognozuje, że w samym 2026 roku wydatki na nie sięgną około 202 miliardów dolarów. Zatrzymajcie się nad tą liczbą: firmy przelewają takie pieniądze w systemy, które nie tylko odpowiadają na pytania, ale faktycznie wykonują pracę. Wygląda na to, że właśnie w tej fazie siedzimy.

Schemat, który chcę wam pokazać, jest taki: przy każdej zmianie fazy ci, którzy ruszyli wcześnie, zdołali złapać falę. Ci, którzy tkwili przy starej, walczyli o przetrwanie w zatłoczonym wyścigu na dno. Nigdy nie chodziło o poznanie konkretnego narzędzia — chodziło o rozumienie, co narzędzia potrafią i ile ta zdolność jest warta dla zwykłych ludzi. A szalona rzecz: samo budowanie co miesiąc robi się łatwiejsze, próg wejścia nieustannie spada.

Prawie wszyscy używają AI, prawie nikt nie jest w tym dobry

McKinsey policzył, że około 88 procent organizacji używa już AI gdzieś w swoim biznesie, ale tylko około jedna trzecia przekuła to w realne projekty. Powtórzę: prawie wszyscy używają AI, ale prawie nikt nie jest w tym dobry. I właśnie ta luka jest całą okazją.

Następna faza: konsultant AI

Następna faza to nie nowy odmiana budowniczego. Wartość przesuwa się na osobę, która decyduje, co w ogóle budować, po co to budować i czy to zadziałało. Tą osobą jest konsultant AI — ktoś, kto najpierw ustala, co naprawdę nie gra, a dopiero potem, jak to naprawić.

Pomyślcie o różnicy między farmaceutą a lekarzem. Farmaceuta wyda wam dokładnie to, o co poproście; lekarz musi dojść, czego naprawdę potrzebujecie. Budowniczowie są jak farmaceuci, konsultanci jak lekarze — i to lekarz zarabia prawdziwe pieniądze, bo klienci nigdy nie wiedzą, czego potrzebują. Wiedzą tylko, co ich boli. Waszym zadaniem nie jest więc bycie najszybszym w stawianiu rozwiązań, tylko nazwanie właściwego problemu.

Pieniądze to potwierdzają: rynek doradztwa AI ma do 2028 roku przekroczyć 64 miliardy dolarów. Mniej więcej 30 procent firmowych projektów AI po prostu porzucano, a wśród firm korzystających z AI zaledwie około 6 procent naprawdę się w tym sprawdza. Prawie każdy biznes jest dziś w tym słaby — i co ważne, doskonale o tym wie. Właśnie w tym miejscu wchodzi konsultant.

Dwie drogi do tej samej roli

Najlepszy ruch, jaki możecie teraz zrobić, to zostać takim konsultantem. Tylko że prowadzą do tego dwie zupełnie różne drogi i wybór zależy od tego, kim jesteście.

Pierwsza: niezależny konsultant AI. Wchodzicie do obcych firm, szukacie ich problemów, przepisujecie i budujecie rozwiązania, które je usuwają. To w gruncie rzeczy pomysł agencji AI, z tą różnicą, że pozycjonujecie się jako długoterminowy partner, a nie jako ekipa zdolnych programistów od automatyzacji. Zamiast sprzedawać automatyzacje, sprzedajecie rozwiązanie konkretnego problemu. Dla pełnej jasności: sam wybrałem tę drogę, więc znam ją od podszewki.

Druga: konsultant wewnętrzny. To drzwi, o których chcę zacząć mówić więcej, bo zrozumiałem, że nie każdy marzy o własnej praktyce. Zamiast obsługiwać wiele firm z zewnątrz, stajecie się ekspertem od AI w jednej, konkretnej organizacji — być może tej, w której pracujecie już dziś. A firmy zaczynają traktować to bardzo poważnie: tworzą stanowiska typu Chief AI Officer czy dyrektor ds. AI, z pensjami rzędu od stu do kilkuset tysięcy dolarów rocznie. IBM w swoim badaniu prezesów z 2026 roku ustalił, że 76 procent organizacji ma już kogoś w roli wzorcowanej na Chief AI Officer — dwa lata temu było to 26 procent. Odsetek organizacji z taką rolą na poziomie zarządu niemal potroił się w rekordowym tempie.

Uczciwie jednak: to badanie objęło około dwóch tysięcy prezesów całkiem potężnych firm — mediana przychodów 5,8 miliarda dolarów, a prawie cztery piąte z nich to spółki notowane na giełdzie. Te 76 procent to w dużej mierze wielkie koncerny ścigające się, kto szybciej obsadzi fotel. Rynek firm średniej wielkości — a to u nich większość z was będzie pracować albo konsultować — stoi wciąż otworem. Mówi mi to, że dla reszty zostało mnóstwo miejsca.

Najciekawsze jest to, że obie drogi opierają się na tym samym: diagnozujesz problem, przepisujesz rozwiązanie AI, dowodzisz, że zadziałało. Różnica sprowadza się do tego, czy robisz to dla wielu firm, czy dla jednej. Nie ma też znaczenia, jakiego narzędzia użyjesz, byle przynieść realne wyniki — dlatego właśnie umiejętności ważą tyle.

Droga niezależna przypadnie wam do gustu, jeśli chcecie pełnej kontroli nad czasem, lubicie różnorodność i nie przeszkadzają wam rozmowy sprzedażowe ani samodzielne szukanie klientów. Wewnętrzna — jeśli wolicie stabilność, chcecie jednego miejsca, w którym da się zejść naprawdę głęboko, i cenicie stałą pensję, bez rzucania etatu i zakładania biznesu. Nie twierdzę, że jedna jest lepsza. Wszystko zależy od waszych celów, doświadczenia i tego, czego w ogóle chcecie od tej całej okazji.

Skąd wiem, o czym mówię

Rozumiem, że co drugi mówi wam teraz, co robić z AI. Dlatego krótki kontekst: byłem po obu stronach. Zaraz po studiach trafiłem na pełen etat do Goldmana Sachsa. Gdy AI zaczęło rozkręcać się na dobre, byłem w zespole tym kolegą, który badał je po godzinach — siedziałem w tym po uszy, kombinowałem w wolnym czasie i próbowałem zainteresować tematem współpracowników. Szczerze chciałem zostać firmowym człowiekiem od AI: liczyłem, że poprowadzę nową inicjatywę albo projekty AI w Goldmanie. Ale to ogromna organizacja, przytłoczona regulacjami i oporem wobec zmian — wszystko toczyło się dla mnie zbyt wolno. W końcu postawiłem na siebie i wyszedłem.

Chwilę później dorabiałem na zleceniach, a potem z dwójką wspólników założyłem agencję AI True Horizon. W niecały rok przekroczyliśmy sto tysięcy dolarów przychodu miesięcznie. Odszedłem z niej, bo zrozumiałem, że bardziej pociąga mnie edukacja, występowanie przed ludźmi i pomaganie jak największej liczbie osób w samodzielnym opanowaniu tych technologii. I tak dotarłem do miejsca, w którym jestem: buduję największą społeczność automatyzacji AI na świecie — ponad czterysta tysięcy członków, wszystko w niecałe dwa lata.

Nie wspominam o tym po to, żeby się przechwalać. Chodzi o to, że dzięki społeczności widzę, co naprawdę dzieje się na rynku: co próbują właściciele firm, pracodawcy, początkujący przedsiębiorcy. Materiałów o zakładaniu biznesu AI jest zatrzęsienie, ale większość z was nie zamierza tego robić — albo sądzi, że to jedyna opcja. Wielu z was chce po prostu awansować jako pracownicy, znaleźć lepszą pracę, zyskać więcej poczucia bezpieczeństwa. I prawie nikt nie publikuje treści, które w tym realnie pomagają.

Jeszcze jedna rzecz: nie mam wykształcenia technicznego. Przychodzę z marketingu i analityki, nigdy nie byłem inżynierem. Wspominam o tym tylko dlatego, że próg wejścia w naukę tych rzeczy spadł praktycznie do zera — dziś może to zrobić każdy. Jeśli więc siedzicie i pytacie, czy w ogóle nadajecie się do nauki, to znaczy, że zadajecie złe pytanie. Odpowiedź brzmi: tak.

Pytanie, które rozstrzyga, kto wygrywa

Prawdziwe pytanie jest inne: gdy ktoś zapyta, dlaczego ma zatrudnić właśnie was, a nie kogoś, kto obejrzał dokładnie tyle samo poradników na YouTube, zna tę samą terminologię i ma to samo doświadczenie — co odpowiecie? Bo w tym rynku wygrywają nie ci, którzy nauczyli się najwięcej, lecz ci, którzy potrafią dowieść, że dostarczają realne wyniki biznesowe. To jest pytanie kluczowe — i padnie, niezależnie od tego, którą drogą pójdziecie. (Budujemy zresztą po cichu coś, co pomoże wam w kwestii wiarygodności — ale o tym kiedy indziej.)

Cztery typy ludzi — i sens tej zmiany dla każdego

Nie ważne, która z dwóch dróg bardziej wam pasuje — zostanie konsultantem AI to naturalny następny krok. Rozróżniam cztery typy ludzi, którzy pewnie to oglądają, i dla każdego z nich ten ruch ma sens.

Pierwszy typ: osoba, która buduje w Claude dla przyjemności. Nic w tym złego. Ale jeśli tylko zdołacie w jakikolwiek sposób spieniężyć to, co robicie, zyskujecie podwójnie. Po pierwsze, potwierdzacie, że jesteście w tym naprawdę dobrzy — to najtańszy sposób, by sprawdzić, czy komuś zależy na waszych umiejętnościach na tyle, żeby za nie zapłacić. Po drugie, finansujecie hobby. Narzędzi AI przybywa, tokeny są drogie, subskrypcje też — trochę gotówki z boku pozwoli wam dalej eksperymentować, i to na większą skalę.

Drugi typ: aspirujący przedsiębiorca — ktoś, kto chce na tym naprawdę zarobić i zbudować firmę. Jeśli to wy, posiadacie kompetencję na rynku z ogromnym popytem i garstką ludzi, którzy potrafią ten popyt obsłużyć. Popatrzcie na liczby: Światowe Forum Ekonomiczne prognozuje, że do 2030 roku AI stworzy około 170 milionów nowych miejsc pracy. Nawet po odjęciu stanowisk, które zostaną zastąpione lub przekształcone, wciąż zostaje około 80 milionów netto. Do tego mniej więcej połowa amerykańskich ofert pracy w technologii wymaga już umiejętności AI — a ta liczba podwoiła się w ciągu roku. Macie więc gigantyczną falę popytu i garstkę ludzi, którzy potrafią na niej jechać. Wniosek? Nie musicie być najlepsi na świecie — wystarczy, że w każdym pomieszczeniu, do którego wejdziecie, będziecie najlepszą osobą od tego tematu.

Trzeci typ: pracownik, który chce po prostu pójść o szczebel wyżej. To najświeższa grupa i to właśnie w niej droga wewnętrzna okazuje się strzałem w dziesiątkę. Zostanie firmowym ekspertem od AI chroni posadę, a przy okazji działa jak podwyżka. PwC przeanalizowało blisko miliard ogłoszeń o pracę i wykazało, że średni dodatek płacowy za umiejętności AI w ciągu jednego roku podskoczył z 21,5 do 56 procent. A pieniądze to dopiero połowa sprawy: w innym badaniu prawie dwie trzecie pracowników przyznało, że zdarzyło im się pominąć kogoś przy awansie, bo jego umiejętności się zestarzały. To, co umiecie, po cichu zaczyna rozstrzygać, kto idzie w górę, a kto zostaje w tyle.

Czwarty typ: osoba, która już prowadzi własny biznes. Dla was to wręcz zbyt proste. Nie musicie zatrudniać drogiego konsultanta ani sami stawać się konsultantem na zlecenie. Po prostu konsultujecie własną firmę — jeden proces naraz. Macie idealnego pierwszego klienta, i tym klientem jesteście wy sami.

Etykieta „konsultant AI” ma datę ważności

Chcę zwrócić uwagę na jedną rzecz, bo zmienia ona pilność całej sprawy: sama etykieta „konsultant AI”. Moim zdaniem ma przyklejony termin przydatności. Jak każda z fal, o których mówiliśmy, i ta jest przejściowa. AI przeniknie do każdej branży, wypełni wszelkie szczeliny, wniknie w każdą rolę. Za kilka lat nikt pewnie nie będzie się przedstawiał jako „konsultant AI” — będzie to po prostu konsultant, bo każdy konsultant będzie używał AI i będzie musiał znać je jak język ojczysty. Kto nie będzie „mówił w AI”, ten nie dostanie zleceń.

Pomyślcie: gdyby dziś ktoś podszedł i nazwał się „księgowym od Excela”, brzmiałoby to niedorzecznie — przecież zakłada się, że każdy księgowy zna Excela. Ale cofnijcie się do czasów, gdy Excel się pojawił: jedni księgowi go przyjęli, inni trzymali się starego sposobu — i wtedy podkreślanie tej umiejętności miało sens. Podobnie z ludźmi, którzy w czasach nadejścia internetu nazywali siebie „marketerami internetowymi”. Dziś to po prostu marketing — tak działa każdy. Dokładnie w tym miejscu jesteśmy z AI. Etykieta jest tymczasowa, ale przewaga jest prawdziwa, umiejętności są prawdziwe, a okno, by je zgarnąć, właśnie stoi szeroko otworem. Po prostu nie zostanie otwarte w ten sposób na zawsze.

Nie musicie rzucać pracy

Znam to: część z nos myśli, że zostanie konsultantem AI albo firmowym ekspertem wymaga natychmiastowego wypowiedzenia, budowania wielkiej marki osobistej, kręcenia filmów i postawienia na to całego życia. Nie wymaga. Cały sens tego materiału jest taki, że istnieje znacznie sprytniejszy i znacznie mniej ryzykowny sposób.

Zasada, na której stoi cała mapa

Większość ludzi podchodzi do tego zupełnie opacznie — i właśnie dlatego większość budowniczych nigdy nie zostaje konsultantami. Zły ruch to rozejrzeć się po swojej pracy, znaleźć powtarzalne czynności i je zautomatyzować. Nie że to złe — po prostu nie czyni was wyjątkowo cennymi. Bo jeśli zautomatyzujecie coś, co wcale nie ogranicza biznesu, spędziliście tydzień, oszczędzając może dwadzieścia minut na zadaniu, na które i tak nikt nie czekał. Nikt nie będzie zachwycony.

Prawdziwy ruch to dwie rzeczy. Po pierwsze: każdy projekt, który budujecie, musi celować w realne wąskie gardło firmy — coś, czego naprawa przyspiesza organizację, zwiększa przychody albo tamuje straty tam, gdzie firma nie powinna ich ponosić. Po drugie: każdy projekt musi mieć przypisany jasny wskaźnik — KPI — jeszcze zanim zaczniecie budować. Konkretną liczbę, którą próbujecie przesunąć; swego rodzaju gwiazdę polarną danego projektu.

Kolejność więc: najpierw wąskie gardło, potem wskaźnik, na końcu budowa. I to właśnie pozwala komunikować wartość w sposób, w jaki nikt inny na tym rynku obecnie tego nie robi. Każdy potrafi powiedzieć: „zbudowałem agenta AI”. Prawie nikt nie powie: „zbudowałem agenta AI, który przesunął ten konkretny wskaźnik o tyle, w tej konkretnej firmie, co przełożyło się na tyle procent więcej zysku albo tylu nowych klientów”. To właśnie was wyróżnia. Pełny model operacyjny, na którym to wszystko stoi, opisuję w książce, którą właśnie piszę — na potrzeby tej mapy wystarczy prosta reguła: wąskie gardło, KPI, budowa.

Cztery kroki na start od jutra

Krok pierwszy: zrób audyt własnej roli. Usiądźcie z soczewką wąskich gardeł, którą właśnie wam dałem, i przejdźcie przez swoją pracę. Zamiast wypisywać wszystko, co się powtarza, pytajcie: co konkretnie spowalnia zespół, blokuje przychody albo powoduje realny ból dalej w procesie — i nikt tego na razie nie rozwiązuje? To jest wasza prawdziwa lista. Do każdego punktu dopiszcie konkretną liczbę, którą chcielibyście przesunąć, gdyby problem zniknął. I to jest lista pierwszych projektów — nie tych łatwych, tylko tych, na których naprawdę komuś zależy.

Krok drugi: bierzcie małe projekty. Wybierzcie jeden punkt z listy, rozpiszcie zakres i zbudujcie rozwiązanie. Potem zapytajcie, czy można je wdrożyć w jednym tylko zakątku firmy — tam, gdzie da się coś przetestować, udowodnić, że działa, i pokazać realne wyniki. Bo te wyniki — jakiekolwiek okażą się — to wasze pierwsze studium przypadku. Możecie pokazać je szefowi, zespołowi, wstawić do portfolio, wrzucić na LinkedIna — żeby ludzie zaczęli zauważać.

Krok trzeci: stańcie się ekspertami od rozwiązywania problemów, nie tylko od budowania. To najważniejszy krok całej mapy. Po wystarczającej liczbie tych małych projektów zaczynacie dostrzegać wzorce pod spodem. Zauważacie, że firmy wpadają w kółko na tę samą garstkę problemów. I to jest ostatnia umiejętność, której brakuje, by zostać prawdziwym konsultantem. Przestajecie być kimś, kto buduje to, co mu wręczą — jesteście kimś, kto wchodzi w sytuację, znajduje prawdziwy problem, projektuje system i go rozwiązuje. A gdy to następuje, to współpracownicy zaczynają przychodzić do was, a nie odwrotnie.

Krok czwarty: sformalizujcie to. Gdy dostarczycie wystarczająco dowodów, że firma potrzebuje takiej osoby na etacie, przychodzi czas na sformalizowanie. Idziecie do szefa albo zarządu z dowodami i sami proponujecie rolę. Większość z was nie znajdzie takiego ogłoszenia na LinkedInie — najpewniej będziecie musieli stworzyć je od środka. A uda się to tylko dlatego, że kroki jeden do trzech po cichu zbudowały wam argumentację. I nawet jeśli organizacja nie jest jeszcze gotowa, to gdy będzie — a prędzej czy później będzie — chcecie być pierwszym nazwiskiem, które im się pojawi w głowie.

To cała mapa: audyt, budowa, rozpoznawanie wzorców, formalizacja. Cztery kroki. I pamiętajcie o przenikaniu AI we wszystko: nie musicie uczyć się zupełnie nowej branży. Zastanówcie się, co już robicie na co dzień, w czym jesteście dobrzy — i jak AI może pomóc wam działać szybciej, mądrzej i z lepszymi efektami w tym, czym już się zajmujecie.

Studium przypadku: od e-maili do Head of AI w rok

To nie teoria. Usiadłem niedawno z członkinią naszej społeczności, która rozegrała dokładnie ten scenariusz na żywo. Nazywa się Alan. Rok temu miała za sobą piętnaście lat pracy jako email developer — bez głębokiego technicznego zaplecza, bez doświadczenia w AI. Wtedy zwolniono cały jej zespół i musiała wymyślić siebie na nowo. Zaczęła od nauki n8n, przeszła do Claude Code i — jeszcze podczas nauki — zrobiła jedną rzecz, którą ludzie pomijają: zaczęła budować jawnie, na oczach wszystkich. Założyła dwa kanały na YouTube, na których pokazywała to, co robi; wrzucała projekty na LinkedIn; nagrywała krótkie demonstracje wszystkiego, nad czym pracowała. I uwaga: nie ma tysięcy subskrybentów ani obserwujących. Ma za to dowody.

Gdy aplikowała na stanowisko Head of AI w piętnastoosobowej firmie, rekruter wysłał jej e-mail z jednym pytaniem: „Co udało ci się zbudować?”. To dokładnie to pytanie, które — jak mówiłem — rozstrzyga, kto w tym rynku wygrywa. Zamiast klepać długi, mętny wywód, po prostu odesłała linki. Studium przypadku. Realny dowód. Ominęła dział kadr całkowicie, trafiła prosto do prezesa i dostała pracę. Rok od zera do Head of AI. Pełną rozmowę z nią znajdziecie na kanale.

(Informacja dodatkowa: n8n to popularne narzędzie do budowy automatyzacji bez kodu, a Claude Code — środowisko firmy Anthropic do tworzenia oprogramowania z pomocą AI.)

Podsumowanie

Pozwólcie, że zmieszczę cały ten materiał w jednym oddechu. Nie musicie rzuacać pracy. Nie musicie budować wielkiej marki osobistej. Nawet nie musicie być wybitnie techniczni. Prawdziwy ruch: wybierzcie realne wąskie gardło w swojej roli albo firmie, przypnijcie do niego wskaźnik, zbudujcie rozwiązanie — a potem kilka kolejnych, żeby zebrać dorobek. Ten dorobek umieście tam, gdzie ludzie będą mogli go zobaczyć; wystarczy własna strona z portfolio — cokolwiek, co da się komuś wysłać.

A jeśli chcecie przeprowadzić ten plan w czyimś towarzystwie, link w opisie prowadzi do darmowej społeczności. Wszystko, o czym rozmawialiśmy, rozpisałem w darmowym przewodniku — do tego kursy, repozytoria na GitHubie, schematy działania i kilkaset tysięcy ludzi, którzy chcą być z AI na bieżąco. Zupełnie za darmo. Na koniec — jeśli materiał był dla was wartościowy, dajcie znać łapką w górę. Dzięki, że dotrwaliście do końca; do zobaczenia w kolejnym odcinku.