O czym jest ten film
- Nick Saraev, który w swojej firmie doradczej Leftclick dochodził do ok. 70 tys. dolarów miesięcznie, opisuje zawód konsultanta AI — czyli człowieka, który pomaga firmom przejmować pracę ludzi za pomocą automatyzacji.
- Rynek jest wciąż niemal pusty: według amerykańskiego Urzędu Spisu Ludności między grudniem 2025 a majem 2026 realnie korzystało z AI tylko 15–20% firm w USA.
- Metoda ma sześć kroków: znalezienie wąskiego gardła, goal factoring, budowa systemu, wdrożenie, iteracja przez ewaluacje i synchronizacja zespołu — tylko jeden z nich to programowanie.
- Fundamentem jest teoria ograniczeń z książki „Cel” Eliyahu Goldratta: firma działa tak szybko, jak jej najwolniejszy proces, więc przyspieszanie czegokolwiek innego nic nie daje.
- Do lokalizowania problemu służy mapa RACE: zasięg, pozyskanie, konwersja, rozwój — i rozmowa z klientem o liczby dla każdego etapu (przykład: agencja domykająca 1 spotkanie na 10).
- Goal factoring to dekompozycja celu aż do listy drobnych, konkretnych działań — którą następnie wkleja się do Claude’a, prosząc o plan realizacji.
- Budowa systemu na przykładzie kreacji reklamowych: connector Meta Ads AI pozwala Claude’owi pobierać raporty i tworzyć reklamy bezpośrednio na koncie klienta.
- Wdrożenie polega na zamianie jednorazowej pracy w powtarzalny „skill” uruchamiany według harmonogramu, z przekazaniem klientowi całej infrastruktury i własności intelektualnej.
- Dalsza poprawa to ewaluacje (wielokrotne testy rozkładu wyników) oraz cotygodniowe spotkania zespołu, na których najlepsi przekazują swoje praktyki reszcie.
- Trzy warunki brzegowe: nie automatyzować procesów bez zwrotu, nie wymyślać nowych systemów zamiast wzmacniać istniejące oraz wymusić pomiary od pierwszego dnia projektu.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Sprzedawaj rozwiązanie problemu, nie „projekt AI”
Na czym polega: Większość firm wie, że AI może zmienić ich procesy, ale utknęła na etapie świadomości problemu — wiedzą, że coś boli, nie mają rozwiązania. Konsultant AI to właśnie to rozwiązanie dostarcza, a rynek jest wciąż słabo obsłużony.
Jak stosować: Pozycjonuj ofertę jako naprawę konkretnego problemu biznesowego (przychody, koszty, tempo reakcji), a nie jako „wdrożenie sztucznej inteligencji”. Na rozmowach handlowych pytaj o ból i liczby, nie o stos technologiczny.
Na co uważać: Nie wybieraj usługi dlatego, że brzmi imponująco — Saraev przywołuje ludzi, którzy latami próbowali sprzedawać systemy compliance AI, których nikt nie chciał. Bez realnego wąskiego gardła nie ma klienta.
2.Budowanie to tylko ok. 15% pracy
Na czym polega: Z sześciu kroków metody tylko jeden polega na faktycznym budowaniu systemu. Reszta to diagnoza, zaprojektowanie rozwiązania, wdrożenie, testowanie i przeszkolenie ludzi.
Jak stosować: Brak umiejętności kodowania nie wyklucza cię z zawodu — przewagę buduje umiejętność rozmowy z biznesem i rozkładania problemów; do samej budowy wystarczy Claude Code lub podobny agent.
Na co uważać: Nie zaczynaj od narzędzia. System zbudowany bez uprzedniej diagnozy wąskiego gardła nie zmieni wyników firmy, choćby był technicznie bezbłędny.
3.Firma porusza się tak szybko, jak jej najwolniejsze ogniwo
Na czym polega: To teza „Celu” Goldratta: przyspieszenie wąskiego gardła mnoży produktywność całej firmy, a przyspieszenie czegokolwiek innego praktycznie nic nie daje, bo system i tak czeka na najwolniejszy etap.
Jak stosować: Zanim cokolwiek zaproponujesz, znajdź jedno, właściwe ograniczenie i pracuj wyłącznie na nim. Po jego naprawie świadomie poszukaj następnego — to naturalny cykl, nie porażka.
Na co uważać: Po usunięciu jednego wąskiego gardła nowym staje się kolejny etap. Bez cyklicznego przeglądu projekt zamiera — dlatego warto rozliczać współpracę ryczałtem w rytmie „tydzień przeglądu, tydzień wdrożenia”.
4.Mapa RACE wskazuje, gdzie prawie zawsze siedzi problem
Na czym polega: Zasięg (Reach), pozyskanie (Acquire), konwersja (Convert) i rozwój (Expand) to cztery obszary wzrostu. Większość firm nie ma problemów z realizacją zleceń — po prostu nie ma wolumenu, żeby takie problemy zdążyły powstać.
Jak stosować: Kieruj niemal cały wysiłek na jeden z tych czterech obszarów. Zapleczem operacyjnym zajmuj się dopiero, gdy klient ma na tyle dużą skalę, że ono faktycznie hamuje.
Na co uważać: Automatyzacja procesu, który nie dotyczy wzrostu, to jak wtaczanie głazu pod górę — dużo wysiłku, zero zwrotu. Najpierw ROI, potem technologia.
5.Diagnoza to liczby dla każdego etapu lejka
Na czym polega: Na pierwszym spotkaniu przechodzisz RACE litera po literze i wyciągasz liczby dla każdego etapu. Ten o najgorszej względnej konwersji niemal zawsze jest wąskim gardłem — np. agencja widziana przez 1000 osób dziennie, umawiająca 10 spotkań, ale domykająca tylko 1 przy średniej branżowej 25–30%.
Jak stosować: Pytaj konkretnie: „Ilu ludzi widzi was dziennie?”, „Ile spotkań umawiacie?”, „Ile domykacie?”, „Jak długo zostaje klient i ile wnosi?”. Potem porównaj wyniki ze średnią w branży klienta.
Na co uważać: Jeśli klient nie zna własnych liczb, najpierw ustaw pomiar — bez punktów odniesienia nie wykażesz efektów swojej pracy, nawet jeśli będą świetne.
6.Goal factoring: kwadrans dekompozycji celu do konkretu
Na czym polega: Technika wywodząca się ze środowiska Center for Applied Rationality: od celu schodzisz kolejnymi poziomami w dół („jak to osiągnąć?”, a potem to samo dla każdego sposobu), aż zostanie lista małych, konkretnych działań.
Jak stosować: Narysuj drzewo cel → sposoby → pod-sposoby → akcje, a potem wklej całość do topowego modelu z poleceniem zbudowania planu realizacji. Według autora skuteczność takiego strzału przekracza 80%.
Na co uważać: To nie model ma za ciebie myśleć. Bez własnej, rzetelnej dekompozycji dostaniesz plan powierzchowny — wartość leży w odpowiedziach „jak”, a nie w klejeniu promptu.
7.Connectory zamieniają model w wykonawcę na koncie klienta
Na czym polega: Funkcja connector w Claude łączy model z zewnętrznymi kontami — reklamowymi, CRM-em, Slackiem, Dyskiem. Connector Meta Ads AI (uruchomiony w połowie 2026) pozwala Claude’owi budować raporty i realnie tworzyć reklamy przez API.
Jak stosować: Połącz model z kontem klienta i zleć np.: pobranie raportu aktywnych reklam z 90 dni, pogrupowanie, wyłuskanie najlepszych pod względem kosztu pozyskania klienta, a następnie napisanie po pięć nowych wersji haków, nagłówków i tekstów oraz wariantów oferty.
Na co uważać: Model z dostępem do kont działa na żywo. Zawsze żądaj trybu „wstrzymane” i własnej kontroli przed publikacją czegokolwiek.
8.Wdrażaj jako rutyny i skille, nie jednorazowe prompty
Na czym polega: Jednorazowo wykonaną pracę konsolidujesz w skill — procedurę zapisaną jak standardowa instrukcja — i uruchamiasz automatycznie według harmonogramu (routines). Tak powstaje infrastruktura, którą klient obsługuje sam.
Jak stosować: Na starcie współpracy ustaw u klienta konto Claude Teams lub Enterprise, podłącz narzędzia, zdefiniuj harmonogram (np. codziennie rano albo przy każdym nowym materiale) i przekaż klientowi całość wraz z własnością intelektualną.
Na co uważać: Nie zostawaj sam w pętli. Praca polegająca na ręcznym wklejaniu tego samego promptu za każdym Together nie jest ani wartościowa, ani skalowalna — budujesz systemy, nie zależność od siebie.
9.Testuj rozkład wyników, nie pojedynczy strzał
Na czym polega: Model nie zwraca jednego wyniku, tylko rozkład — raz wyjdzie coś świetnego, a trzy na sześć prób bywają słabe. Dobry system zawęża ten rozrzut, ale poznasz go tylko wielokrotnym testem.
Jak stosować: Uruchom skill kilkanaście razy, oceń każdy wynik w skali 1–10 i policz średnią. Po każdej zmianie powtórz test i porównuj średnie — tak stopniowo piętrzysz jakość. W dużych firmach odpalaj pełen zestaw procedur przy każdej nowej wersji modelu.
Na co uważać: Koszt tokenów na testy jest zwykle pomijalny wobec kosztu wdrożenia zmiany, która nie działa. Jeden udany wynik nie jest dowodem, że system działa.
10.Cotygodniowy sync przenosi wiedzę od najlepszych do reszty
Na czym polega: Kompetencje AI w zespołach są bardzo nierówne. Regularne spotkania (w grupach 5–12 osób) przenoszą praktyki najlepszych do słabszych, zanim różnica w wynikach stanie się problemem firmy.
Jak stosować: Raz w tygodniu osoba z najlepszymi wynikami opowiada krok po kroku, co zrobiła; logi jej rozmów z Claude Code lub Codexem zamień z pomocą modelu w nowy lub zaktualizowany skill i rozślij całemu zespołowi.
Na co uważać: Rolą konsultanta jest zbudowanie mechanizmu i wycofanie się, nie dożywotnie prowadzenie spotkań. Najsłabsi w jednej umiejętności bywają świetni w innej — sync ma przenosić wiedzę, nie etaquetować ludzi.
Redakcyjne tłumaczenie
Zawód, który żyje z automatyzowania pozostałych
Sztuczna inteligencja zabiera miejsca pracy szybciej, niż mobilna gra twojego dziecka prosi o podpięcie karty. I ciekawostka: w tym środowisku — fal zwolnień i całej reszty — najwięcej długoterminowej wartości ma zawód, który polega na pomaganiu firmom w automatyzowaniu pracy ich ludzi. Problem w tym, że prawie nikt nie wie, jak ta praca wygląda od kuchni. Ja robię ją zawodowo i zarabiam na niej niezłe pieniądze, więc pokażę ci dokładnie, jak wykonywać ten fach — doradztwo AI — w 2027 roku, od początku do końca.
Konsultant AI w praktyce podchodzi do firmy, rozmawia z właścicielem i szefami poszczególnych działów, a następnie ustala, które zadania wykonywane dziś przez ludzi może przejąć AI. Potem pomaga wdrożyć system, który to robi — co jest znacznie prostsze, niż brzmi — i bierze za to zapłatę. Jest w tym pewna meta: im więcej zawodów automatyzuje AI, tym cenniejszy zawód, który tę automatyzację przeprowadza. Robiłem to w firmie doradczej Leftclick, gdzie dochodziliśmy do około 70 tysięcy dolarów miesięcznie, i popyt na dokładnie taką usługę jest dziś ogromny.
Każdy właściciel firmy słyszał już o potencjale AI do przebudowy procesów, ale większość utknęła na etapie, w którym zna problem, a nie ma rozwiązania — to klient, który wie, że coś go boli, ale nie wie jeszcze, czym to leczyć. I właśnie rozwiązanie mu dostarczasz. Dotyczy to małych firm i wielkich korporacji. Anthropic mówi w zasadzie to samo: podobno dyrektor finansowy stwierdził, że popyt przedsiębiorstw na Claude’a tak mocno wyprzedza wszystko inne w ofercie firmy, że aż się to odczuwa. A większość firm nawet nie wystartowała.
Każdemu się wydaje, że jest „AI-native”, czyli że AI pracuje u nich naturalnie jak powietrze. Nie jest. Większość ludzi nie ma pojęcia, w jakim stopniu AI potrafi dziś wykonać większość pracy w ich firmie — nie licząc tego, co w najbliższych miesiącach dorzucą Claude Code i podobne środowiska. Według amerykańskiego Urzędu Spisu Ludności między grudniem 2025 a majem 2026 realnie korzystało z AI około 15–20% firm w USA. Minęło trochę czasu, ale nawet jeśli dziś jest to 30–40%, wciąż skromnie — w końcu wysłanie zapytania do ChatGPT nie wymaga większego wysiłku niż wpisanie frazy w Google. Chodzi o to, że choć ludzie deklarują korzystanie z AI, w istocie nie korzystają z AI.
Sześć kroków, z których tylko jeden to kodowanie
Jak więc to robić? Jak przystało na porządny film na YouTube, mam metodę. Prostą i mocno przećwiczoną. Po pierwsze: znajdź wąskie gardło w firmie, z którą pracujesz. Po drugie: użyj procesu zwanego goal factoringiem, żeby dokładnie wiedzieć, co zbudować i jakie rozwiązanie zaproponować. Po trzecie: zbuduj systemy i procesy, które to naprawiają — o tym za chwilę. Po czwarte: wdróż je. Po piąte: iteruj z użyciem ewaluacji. I wreszcie zsynchronizuj całość z zespołem w całej organizacji. Dam ci mocno ustandaryzowany proces, spokojnie. A potem powtarzasz go w kółko, kawałek po kawałku automatyzując resztę gospodarki.
I teraz rzecz zabawna: tylko jeden z tych sześciu kroków polega na faktycznym budowaniu. Masę ludzi rozjeżdża ten zawód, bo są przekonani, że budowanie jest najważniejsze. „Nie umiem używać agentów AI do kodowania, nie wiem, jak cokolwiek wdrożyć”. Drogi panie, to jakieś piętnaście procent całej układanki. Pozostałe 85% wymaga odrobiny zdrowego rozsądku i paru wartościowych kanałów do śledzenia.
Krok 1. Wąskie gardło — jedno, i to właściwe
Zaczynasz od znalezienia ograniczenia w biznesie: czegoś, co da się sensownie poszerzyć tak, żeby przez całą firmę przepłynęło więcej pracy. Jeśli ta idea jest ci obca, pochodzi z doskonałej książki wydanej po raz pierwszy w 1984 roku — „Celu” Eliyahu Goldratta. Polecam ją bez końca; kocha ją MrBeast, kocha ją chyba Elon Musk, w zasadzie każdy, kto buduje firmy na poważnym poziomie. Napisana jest w formie powieści, po prostu ją przeczytaj.
(Informacja dodatkowa: „Cel” to klasyk literatury zarządzania i podstawa teorii ograniczeń — podejścia, w którym poprawia się naraz tylko jedno, najwęższe ogniwo procesu, bo ono wyznacza tempo całego systemu.)
Cała teza książki jest taka: system porusza się tak szybko, jak jego najwolniejszy, najbardziej stłumiony krok. Przyspieszysz właśnie ten krok — i produktywność całej firmy rośnie proporcjonalnie do tego, o ile go poszerzyłeś. Przyspieszysz krok, który wąskim gardłem nie jest — i nic się nie stanie, bo system i tak czeka na najwolniejsze ogniwo, nie na coś dalej albo wcześniej w linii.
Przykład: firma ma mnóstwo potencjalnych klientów. Obejrzałeś dużo moich materiałów i jesteś najlepszy na planecie w ich pozyskiwaniu, ale mimo że toniesz w zapytaniach, odpowiadasz na nie dwa, trzy dni. Leżą sobie w skrzynce. Najlepszy system reklamowy świata nic tu nie pomoże, bo twoim problemem nie jest już generowanie zapytań — tylko za wolne na nie odpowiadanie. W tym przykładzie to właśnie odpowiadanie jest ograniczeniem.
RACE: mapa czterech miejsc, gdzie siedzi problem
W biznesach cyfrowych szukam wąskich gardeł za pomocą czteroliterowego akronimu RACE: Reach, Acquire, Convert, Expand — zasięg, pozyskanie, konwersja, rozwój.
- Zasięg (Reach) — ile par oczu w ogóle patrzy na markę. Jeśli odbiorców jest za mało, żeby cokolwiek dalej mogło się wydarzyć, problem siedzi tutaj.
- Pozyskanie (Acquire) — zamiana zasygu na jakikolwiek przejaw zainteresowania: umówione spotkanie, wypełniony formularz, zapis w kalendarzu. Tamten przykład z tonącym w zapytaniach, które nie zamieniają się w nic konkretnego, to dokładnie problem pozyskania.
- Konwersja (Convert) — zamiana zainteresowania w pieniądze na koncie, czyli po prostu proces sprzedaży. Zdolność handlowców do domykania: z dziesięciu spotkań dwa albo pięć.
- Rozwój (Expand) — praca nad relacją, którą już masz, tak by klient płacił więcej: podnoszenie wartości życiowej klienta, LTV.
Dopóki twój system robi jedną z tych czterech rzeczy, z perspektywy doradztwa AI zwykle jesteś w domu. Problem większości ludzi polega na tym, że skupiają się na czymś, co nie mieści się w RACE. Nie chcesz grzebać w zapleczu operacyjnym większości dzisiejszych firm — chcesz być z przodu: w zasięgu, pozyskiwaniu, konwersji albo rozwoju. Bo większość firm nie ma problemów z wykonaniem zleceń. Po prostu nie mają wolumenu, żeby takie problemy w ogóle zdążyły powstać.
Pierwszym zadaniem jest więc ustalenie, co właściwie boli daną firmę — niemal zawsze będzie to jeden z czterech elementów RACE. Zrobisz to dobrze, a policzysz sobie za to sporo.
Prowadzę zresztą Maker School — dziewięćdziesięciodniowy program, w którym gwarantuję pierwszego płacącego klienta za taką usługę; w chwili nagrania działa jeszcze wyprzedaż minus 50%, na parę dni. Człowiek musi żyć. I bardzo częsty wzorzec u nowych uczestników: „Cztery lata w doradztwie AI i nic nie działa. Przez ostatnie dwa lata próbowałem sprzedawać systemy compliance AI dla administracji publicznej i nikt tego nie chce”. Pytam: „A myślisz, że rządowy compliance to wąskie gardło firm, z którymi rozmawiasz?”. — „Nie, po prostu nazwa robi wrażenie, dużo sylab”. I na tym polega cała lekcja: nie wybieraj tematu za sylaby, tylko za ból. Wybierz coś, co naprawdę boli.
Jak wygląda diagnoza na pierwszej rozmowie
Na pierwszym spotkaniu przechodzisz RACE litera po literze i pytasz o liczby — a przynajmniej o ich rzędy wielkości — dla każdego etapu. Etap o najgorszej względnej konwersji, o najgorszych liczbach, niemal zawsze jest twoim wąskim gardłem.
Weźmy przykład: jesteś agencją marketingu cyfrowego, robicie około 50 tysięcy dolarów miesięcznie i przychodzicie na rozmowę ze mną, bo wszystko u was dzieje się ręcznie. Po wymianie uprzejmości pierwsze pytanie brzmi: ilu ludzi dziennie widzi waszą firmę? — „Jak to: widzi?” — No, jakie prowadzicie reklamy, jak wygląda wasz lejek? Klient pokazuje lejek. — „Tysiąc”. — Dobrze. Tysiąc osób dziennie widzy XYZ Digital. Ile spotkań umawiacie z tych tysiąca? — „Dziesięć”. — Czyli konwersja z wyświetleń na umówione spotkania, a to już mocny sygnał zamiaru zakupu, wynosi około jednego procenta. Właśnie zweryfikowałem R — zasięg, tysiąc — i A — pozyskanie, dziesięć. Jak na agencję tego rozmiaru wyniki mieszczą się w normie, nie ma się czym przejmować. Co zabawne, większość agencji marketingowych nie umówi dziesięciu spotkań dziennie nawet pod przymusem — raczej jedno, dwa tygodniowo. Ale wróćmy.
Dobrze, a z tych dziesięciu spotkań ile realnie domykacie? — „No… jedno”. I tu u mnie dzwoni alarm. Jedno na dziesięć to znacznie mniej niż branżowa średnia rzędu 25–30% — cztery spotkania, jedno domknięcie. Mamy więc wyraźnie zidentyfikowane wąskie gardło. Później dopytam jeszcze o rozwój: ile miesięcy średnio zostaje u was klient, jaka jest rotacja, jaki LTV. Może paść przyzwoita liczba. Wniosek: w tej firmie nie interesuje mnie nic poza stopą domknięć i konwersją. Od tej chwili każda rozmowa dotyczyć będzie wyłącznie procesu sprzedaży: szkoleń handlowców, systemów AI wspierających domykanie, automatycznych podjąść, porządnych procedur operacyjnych, może nakładki w rodzaju promptera wyświetlającej skrypt rozmowy na ekranie sprzedawcy.
Wszystko to budowałem w różnych firmach. Najbardziej w pamięci świeży przykład podmiotu, który przeprowadziliśmy z 3 mln dolarów miesięcznie do około 10 mln — trzyipółkrotnie poszerzyliśmy krytyczne wąskie gardło siedzące dokładnie w tym obszarze.
Krok 2. Goal factoring, czyli rozłożenie celu na czynniki
Wąskie gardło znane — trzeba z nim coś zrobić. Kolejny etap to goal factoring. Nazwa pochodzi z Center for Applied Rationality; jestem wielkim nerdem, więc spędziłem mnóstwo czasu na starych blogach wywodzących się z LessWrong. Tam wyglądało to na skomplikowane, a w praktyce jest to proces bardzo prosty i bardzo mocny, jeśli się go rozumie.
Jak działa? Masz cel. Pytasz siebie: jak osiągnąć ten cel? Schodzisz poziom niżej. Potem, dla każdego sposobu, który pomaga osiągnąć cel, pytasz znowu: a to jak osiągnąć? I tak schodzisz w dół, aż dojedziesz do podstawowych, konkretnych działań, które realnie przesuwają sprawę do przodu.
Przykład. Klient ma ograniczenie w zasięgu. Cel: więcej osób widzi ich reklamy. Jak to osiągnąć? Masz kampanię, działa. Jak jej przydać? Można podnieść budżet — dziś 5 tysięcy dolarów, może 10. Można dołożyć nową platformę — do Facebooka dorzucić Google albo YouTube. Można dać obecnej platformie więcej kreacji reklamowych — bo może dziś krążą tylko dwie, słabo zoptymalizowane. To samo z tekstami.
Weźmy kreacje. Jak osiągnąć więcej kreacji? Znaleźć reklamy, które już działają, i napisać nowe wersje haków, nagłówków — wszystkiego, co siedzi w kreacji. Potem przerobić te materiały wideo w nowych formatach. A jak to zrobić? Najpierw trzeba je znaleźć. I tak dalej.
Owocem tego procesu jest długa lista małych, bardzo konkretnych działań. Część z nich będzie idealna dla Claude’a — bierzesz listę, wklejasz do modelu i tyle. Nie chodzi o to, że Claude dopiero to umożliwia: robię to od dobrych siedmiu lat, odkąd się o tej technice dowiedziałem. Ale Claude wyraźnie podnosi tempo, z jakim rozkładam cel na czynniki, a potem realizuję pojedyncze działania z listy. Szkoda, że to nie jest bardziej magiczne i bardziej skomplikowane — mielibyśmy głębszą fosę. Ale ludzie: usiądźcie, pomyślcie naprawdę mocno przez kwadrans, narysujcie diagram jak ten na ekranie, wklejcie go do Claude’a i powiedzcie: „Zbuduj plan działania, który obsłuży jak najwięcej z tych punktów”. Gratulacje — macie systemy, które w tym pomogą. Na topowym modelu klasy frontier skuteczność takiego strzału to według mnie ponad 80%.
Krok 3. Budowa systemu — przypadek kreacji reklamowych
Potem czas na budowę, a Claude odrobi za ciebie większość roboty. Załóżmy, że rozwijamy zestaw kreacji klienta. Najprościej: bierzesz reklamy źródłowe — najlepiej inne, sprawdzone materiały z niszy klienta — i wklejasz je do Claude’a z prośbą o odtworzenie. Potem prosisz o bardzo prosty system, w którym dostarczamy jedną, maksymalnie dwie wysokiej jakości reklamy, a on rozkręca je w pięćset wariantów. Testujemy, wyłanujemy te z najwyższą konwersją, wyłączamy przegranych, zostają zwycięzcy. Gratulacje — właśnie podwoiliście albo potroiliście skuteczność reklam. A to banalne.
Claude’a łączysz z kontami klienta jednym kliknięciem w aplikacji Claude Desktop — funkcją zwaną connector, czyli łącznikiem z zewnętrznym kontem: reklamowym, CRM-em, Slackiem, Dyskiem Google, czymkolwiek. Meta ma na przykład connector Meta Ads AI, uruchomiony, o ile pamiętam, w kwietniu albo maju. Dzięki niemu Claude buduje szczegółowe raporty i realnie wykonuje działania przez API — tworzy reklamy, wgrywa je i tak dalej.
(Informacja dodatkowa: connector to funkcja Claude umożliwiająca modelowi dostęp do zewnętrznych kont i usług; w materiale mowa o uruchomieniu connectora Meta Ads AI w połowie 2026 roku.)
Mój prompt do czegoś takiego wyglądałby dosłownie tak: „Połącz się z kontem Meta Ads tego klienta. Pobierz raport wszystkich aktywnych reklam z ostatnich 90 dni. Pogrupuj je według jakiejś kategorii. Znajdź najlepsze pod względem kosztu pozyskania klienta. Dla każdej z najlepszych napisz pięć nowych wersji haka, pięć nagłówków, pięć tekstów głównych i parę delikatnie przerobionych wariantów oferty. Gotowe utwórz na koncie jako reklamy wstrzymane, żeby nic nie wydawało. Przygotuj podsumowanie zmian i uzasadnienie. Po drodze zajrzyj do biblioteki reklam Facebooka, znajdź kreacje, które warto zduplikować, zrób zrzuty ekranu i użyj ich jako materiału. Na końcu rozpisz wszystko, co powstało — ja tylko sprawdzę i zaznaczę ptaszka”. I tak właśnie mogliśmy realnie podwoić czyjś biznes. Mówię to bez fałszywej skromności: część tych zadań jest tak prosta, że poradziłoby sobie z nimi dziecko.
I nie znaczy to, że ta praca nie jest wartościowa. Trzeba zrozumieć jedno: duża część naszej wartości pochodzi z samego faktu, że stoimy na zewnątrz firmy. Właściciel — a każdy z nas jest jakoś właścicielem swojego biznesu — siedzi w nim z głową w dole, jak w studni. Rzadko może ją podnieść, nabrać tchu i spytać: „Czekaj, gdzie ja właściwie jestem? Co ja w ogóle robię?”. Ty, jako obserwator z boku, nie dźwigasz tego obciążenia. Widzisz jasno: co jest problemem, jak go rozwiązać, jaka jest konkretna lista działań i co się stanie, gdy wkleję ją do najlepszego dostępnego modelu. Poza tym właśnie za to się płaci — i dlatego mogę oferować szalone gwarancje w stylu: „50 tysięcy dolarów w ciągu 60 dni albo nie płacicie”.
Potem po prostu sprawdzasz wyniki. Zostawiasz to, co zadziałało, a to, co nie — wyłączasz.
Krok 4. Wdrożenie: od jednorazówki do infrastruktury
Kolejny etap to wdrożenie — żeby twoja praca nie była pojedynczym wyczynem, tylko systemem, który klient może powtarzać sam. Dlaczego? Po pierwsze, oddajesz klientowi własność intelektualną, a to samo w sobie jest wartościowym elementem oferty. Po drugie, nie chcesz sam stać się wąskim gardłem. Pewnie, utrzymałbyś posadę dłużej, gdyby przy każdej nowej reklamie klient dzwonił: „Hej, odpal to”, a ty wklejałbyś ten sam prompt. Ale nie byłaby to specjalnie wartościowa posada. A jesteś w biznesie po to, żeby dostarczać wartość. Długa droga do powiedzenia: automatyzację trzeba wdrożyć.
Jak? Jeśli przepływ jest czysto proceduralny, bez AI w środku, mówisz Claude’owi Code (czy innemu agentowi): wgraj te skrypty do chmury — i to jest hasło do zapamiętania: NeoCloud. Agent pójdzie i zarezerwuje przestrzeń, zwykle z pokaźnym darmowym budżetem na start, na platformie typu Modal. Jeśli natomiast AI jest wplecione w przepływ — a nasz system reklamowy dokładnie taki był — sięgnij po rutyny Claude albo zadania cykliczne. Claude Code ma dziś routines: raz robisz coś ręcznie, tak jak przed chwilą; konsolidujesz to w skill, czyli tę samą pracę zapisaną jako standardowa procedura operacyjna; podpinasz potrzebne aplikacje i narzędzia, wrzucasz całość do kontenera w chmurze — i leci automatycznie według harmonogramu. Może raz dziennie rano, może przy każdej nowej reklamie, której Claude nie rozpoznaje.
(Informacja dodatkowa: w Claude Code „skill” to procedura zapisana w pliku, którą model wykonuje według sprawdzonej instrukcji; „routines” pozwalają uruchamiać takie procedury automatycznie, według harmonogramu. „NeoCloud” to potoczna nazwa dostawców chmury wyspecjalizowanej w obciążeniach AI.)
To bardzo cenne i bardzo tanie. Przy odrobinie wprawy budujesz dla firmy dwadzieścia, trzydzieści takich mechanizmów, które działają całkowicie niezależnie od ciebie, a przy tym da się im przypisać konkretne rezultaty — co dla konsultanta AI, który chce budować powtarzalny przychód, jest bezcenne.
Logistycznie robi się to dziś tak: zakładasz konto Claude Teams albo Claude Enterprise — sam zostajesz administratorem albo przynajmniej na jakiś czas współdzielisz konto — i całość konfigurujesz po stronie klienta. Dlaczego? Bo zwykle nie pracujesz z jednoosobowymi firmami: w grę wchodzą ludzie, którzy będą z tych automatyzacji korzystać i musieli móc je sprawdzać. Mocno polecam konto zespołowe. I znowu: kolejny argument, żeby Anthropic w końcu zatrudniło mnie do marketingu — wszyscy pytają, czy jestem przez nich sponsorowany. Chciałbym być, ludzie, dajcie jakieś akcje.
Świetna wiadomość: tę konfigurację robisz tylko raz. Potem procesy stoją i możesz po prostu oddać ludziom rutyny Claude oraz skille z nich zbudowane. Dla klienta to bardzo atrakcyjne — budujesz mu infrastrukturę. Większość doradców tylko gada i składa raporty, a skoro Claude jest teraz jak dłonie, które realnie coś łapią, łatwo pójść o krok dalej: zamienić wszystkie procesy, pomysły i projekty w systemy, które faktycznie działają.
W ofercie możesz to ująć tak: „Moja filozofia jest prosta — oddaję wam całą własność intelektualną, wszystkie systemy i całą infrastrukturę. Ma działać ze mną i beze mnie. Nie zamierzam być w tym procesie wąskim gardłem, choć bardzo lubię z wami pracować. Więc na pierwszym spotkaniu naszej współpracy ustawię się na wszystkich waszych kontach, założymy Claude Teams, Claude Enterprise albo odpowiednik z Codexem, ogarnę uwierzytelnianie dwuskładnikowe — i tyle. Jesteśmy gotowi”.
Krok 5. Iteracja przez ewaluacje
Po wdrożeniu przychodzi poprawianie. Najlepszy sposób — o którym mało kto mówi, bo mało kto to w pełni rozumie — to ewaluacje: zestaw testów, które dajesz systemowi, rutynie czy skillowi, żeby mieć większą pewność, że jest dobry, albo przekonać się, że jest zły.
Po co to komu? Bo modele AI nie zwracają jednego wyniku przy każdym uruchomieniu — zwracają rozkład wyników. Możesz raz wyciągnąć coś świetnego, ale po pięciu, sześciu próbach trzy okażą się bardzo słabe. Liczy się rozkład, a między świetnym a fatalnym wynikiem bywa szeroki rozrzut. Dobry system ten rozrzut zawęża — ale nie poznasz go, dopóki nie przetestujesz wiele razy. Zamiast sprawdzić raz, „kreacja zadziałała”, uruchamiasz test dziesięć razy, w kontroli jakości oceniasz każdy wynik w skali od 1 do 10 i liczysz średnią. Dzięki temu, gdy później coś zmienisz albo ulepszysz i powtórzysz test, masz mocną pewność, że zmiana faktycznie działa — w przeciwieństwie do jednorazowych promptów znanych z YouTube i X.
W dużych przedsiębiorstwach na pewno chcesz to wystandaryzować i skalować: odpalać wszystkie skille i procedury za każdym razem, gdy wychodzi nowy model albo ktoś zaproponuje nowe podejście. W ten sposób realizujesz strategię zwaną hill climbing — stopniową wspinaczkę: poprawiasz rozwiązanie krok po kroku, za każdym razem zostając na osiągniętym poziomie, dopóki kolejna zmiana nie wnosi już niczego. Dodatkowy koszt tokenów jest przy tym zwykle niewielki, a koszt zaniechania — pieniądze tracone przez brak testów — przewyższa go bezdyskusyjnie.
Krok 6. Synchronizacja zespołu, czyli kanały, którymi płynie wiedza
Na końcu potrzebny jest sync zespołowy. Nie wiem, jak u was, ale ja wolę agentów AI od ludzi — przynajmniej od kolegów z biura. Nie przepadam za szkoleniami z podanych rąk; mówię to, patrząc wprost w obiektywkamery. Praca w zespołach jest świetna, ale ma też mnóstwo wad. Wspominam o tym po to, by powiedzieć: problem zespołu chcesz rozwiązać raz, a nie siedzieć na szkoleniach bez końca. Chcesz zbudować pojemnik, w którym zespół sam prowadzi swoje szkolenia, sam podnosi kompetencje i sam rozprowadza wiedzę po organizacji. Bo na tym polega bycie dobrym właścicielem firmy: budujesz kanały nawadniające, którymi informacja płynie od osoby prowadzącej biznes i kluczowych decydentów do reszty ludzi.
Pamiętaj przy tym jedno: w dużym zespole jedni zawsze będą znacznie bardziej zżyci z AI niż inni i po prostu osiągać lepsze wyniki. Potrzebujesz systemu, który rutynowo przenosi wiedzę od najlepszych do najsłabszych, zanim ci najsłabsi ściągną firmę w dół. Zresztą najsłabsi nie zawsze są najsłabsi: jedni nie dają rady w konkretnej umiejętności, a w innych rolach rozkwitają. Układ potrafi się przestawiać tam i z powrotem.
Jak to zorganizować? Zwykle cotygodniowe spotkanie. Raz w tygodniu. Jeśli organizacja jest duża, ma kilka działów, powyżej pięćdziesięciu osób, nie zrobisz tego na jednym zjeździe: najlepiej pracują podgrupy pięcio-, dziesięcio-, maksymalnie dwunastoosobowe. Na spotkaniu znajdujesz osobę, która w zeszłym tygodniu wyciągnęła najlepsze wyniki, i prosisz, żeby krok po kroku opowiedziała, co dokładnie zrobiła i jak. Jeśli ma logi rozmów z Codexem albo Claude Code, bierzesz je i mówisz modelowi: przejrzyj te logi, wyciągnij z nich ukrytą procedurę, zapisz ją jako nowy skill albo aktualizację skilla, którego używa reszta, i roześlij wszystkim. Robi się to na planie Claude Teams — czy używacie Claude Cowork, zwykłego czatu, projektów czy Claude Code. Produktów jest dziś bez liku, więc przeczytajcie dokumentację. W każdym razie skill możesz wysłać do każdego w zespole i wszyscy go dostają.
Wiem, że brzmi to banalnie, ale to jedna z tych rzeczy, których większość firm nie ogarnia. Niektórzy próbują robić to dziesięć razy dziennie; moim zdaniem jedno proste cotygodniowe spotkanie daje zdecydowanie najlepszy stosunek efektu do wysiłku. Rozprowadza wiedzę po organizacji i pilnuje, żeby kompetencje nie robiły się zbyt nierówne. Robiłem to w wielomiliardowych firmach z setkami pracowników i w małych, trzy-, pięcioosobowych — jakaś forma syncu jest zawsze potrzebna.
I pamiętaj: jako konsultant AI nie pracujesz wyłącznie dla właściciela. No dobrze — w ostatecznym rozrachunku właśnie dla niego — ale twoich rozwiązań nie będzie używał tylko on. Będą z nich korzystać różni ludzie w organizacji, żeby przynosić wyniki właścicielowi. Całe twoje zadanie sprowadza się do pytania: jak wykorzystać wszystkie dostępne zasoby? A to bardzo prosty sposób. Kiedy już to ustawisz, prawdopodobnie nie pokazujesz się na tych spotkaniach — wielokrotnie próbowano mnie zatrudnić do ich prowadzenia, ale zawodowo już tego nie robię. Potem tylko powtarzasz w kółko, tam i z powrotem.
Eli Goldratt — autor książki, którą tu tak wychwalam — ostatnim krokiem swojego procesu czyni przestrogę: nie pozwól, by bezwładność stała się nowym ograniczeniem. Chodzi o to, że gdy naprawisz jedno wąskie gardło, zwykle kolejny etap staje się następnym. Całkowicie normalne, ale oznacza, że jako konsultant AI po prostu zmieniasz przedmiot pracy. Możesz ułożyć to tak: tydzień przeglądu wąskich gardeł, tydzień wdrożenia; możesz rozliczać się w godzinach albo ryczałtem, jak wolisz. Tak robię i bardzo mi to służy.
Trzy warunki, bez których to nie zadziała
Po pierwsze: nie automatyzuj rzeczy, które nie dają zwrotu. Mnóstwo ludzi bierze na warsztat zepsute procesy albo takie, które z definicji nie przyniosą żadnego ROI. Przypominam: 99% wysiłku kieruj w RACE — zasięg, pozyskanie, konwersję albo rozwój. Jeśli nie pracujesz nad jedną z tych czterech rzeczy, jesteś Syzyfem, przyjacielu: wtaczasz głaz pod górę bez powodu, a on za chwilę stoczy się z powrotem na ciebie. Jedyny sposób, żeby wygenerować tu zdrowy zwrot: każda godzina poświęcona firmie klienta musi po pierwsze dotyczyć wąskiego gardła, a po drugie — gardła, które warunkuje wzrost.
Po drugie: nie wymyślaj systemów, tylko wzmacniaj istniejące. Jeśli system jest zupełnie nowy, w firmie jeszcze nie istnieje, a ty dopiero go proponujesz, nie będziesz w tym dobry — bo technicznie nie automatyzujesz czegoś, tylko coś wymyślasz. A wymyślaniem nie chce się bawić konsultant AI. Może i brzmi to efektownie, ale pracuj przede wszystkim na tym, co już się sprawdza. System działa w 20% swojego potencjału? Zrób, żeby działał w 100%. Nie buduj nowości — jak budujesz nowości, nie jesteś konsultantem, tylko developerem albo typem od SaaS-a.
Po trzecie: mierz wszystko, od pierwszego dnia. Uderzyło mnie to mocno na początku własnej drogi: sam nie mierzyłem procesów, a i procesy, w których próbowałem doradzać, nie miały żadnego pomiaru. Dlaczego to problem? Bo to kwestia bezpieczeństwa posady. Jeśli firma nie wie, jak kiepsko sobie radzi, to kiedy przynosisz oczywiste, świetne wyniki, zawsze mija sporo czasu, zanim przełożą się one na kieszeń. A między dostarczeniem rezultatów a ich materializacją w zysku przychodzi: „Hej, Nick, co ty właściwie zrobiłeś w tej organizacji? Rozmawiamy o tym dwa miesiące, a nic się nie wydarzyło”. Dostałem to kilka razy i zawsze sprowadzało się do braku porządnych praktyk pomiarowych. Jeśli proces, który próbujesz naprawić, jeśli te wąskie gardła nie są mierzone, a na rozmowie z klientem pada odpowiedź „nie wiem, sprawdźmy na miejscu” — to nie jest proces, w którym chcesz siedzieć. A jak już w nim jesteś, zaznacz wyraźnie na starcie projektu: mierzymy wszystko. Cały cel jest taki, że muszę ci pokazać wyniki, żebyś czuł się komfortowo, mi płacąc.
Na koniec
Narzędzia będą się dalej zmieniać, ale to, o czym tu mówiłem, praktycznie nigdy — przynajmniej dopóki całej gospodarki nie przejmą malutkie obwody wyryte w oczyszczonym piasku. Wtedy, podejrzewam, będziemy mieli do rozwiązania nieco większy problem.
Mam nadzieję, że doceniacie ten materiał — próbuję dziś innego stylu, więc jeśli wam pasuje, dajcie znać w komentarzach, a zrobię więcej. A jeśli potrzebujesz pomocy w zdobyciu pierwszego klienta AI, do tego służy moja społeczność Maker School: dziewięćdziesięciodniowy program z gwarancją zwrotu pieniędzy, jeśli w pierwszych 90 dniach nie zdobędziesz płacącego klienta. Ktoś magicznie kliknie przycisk zwrotu i środki wrócą do portfela. Jestem spokojny co do tej oferty, bo praktycznie każdy, kto dołącza, wyciąga z niej mnóstwo wartości — a może to być i ty. Dziękuję za obejrzenie i jeśli możesz — kliknij subskrypcję. Z jakiegoś powodu połowa z was tego nie robi. Może to przez moje włosy, nie wiem. W każdym razie: miłego dnia.