Plan mode to przeszłość - planowanie wręcz przeciwnie (+ nowy cookie banner epoki AI)

Plan Mode is dead, czyli tryb planowania umarł, planować nie potrzeba, nie musimy tego robić. Wracamy tak naprawdę do vibe codingu, Andrej Karpathy miał rację, może trochę za szybko, no ale cały ten proces gdzieś tam rozwijania tego software’u, po co to komu skoro mamy te Insight modele? Przemek, jak to wygląda? Mamy jeszcze głośny temat września, czyli model Jev. Cóż ten model nowego wnosi i czy on w jakikolwiek sposób tutaj stolik wywraca? Mieliśmy premierę Opusa 5.5, cóż z tej premiery wynika? Oprócz tego, że jest to bardzo dobry model. Tym razem będzie mowa o radiu, o reklamach emitowanych w radiu albo w radio, o tym jak AI wpływa na oznaczenia tego, w jaki sposób te reklamy są tworzone.

Ja powiem troszeczkę, a nie mówiłem. A tak na poważnie, dla mnie to jest absurd, nie ma co tutaj komplikować. Dla mnie to jest absurd, moje stanowisko jest jasne, proste. Uważam, że przestrzeń taka radiowa została niepotrzebnie skomplikowana. Witajcie w podsumowaniu najważniejszych tematów września w świecie LLM-ów, agentów i generatywnego AI. W tym odcinku zmierzymy się z tezą o śmierci planowania przy programowaniu z AI. Będzie również o premierach najnowszych Insight modeli od Anthropic i OpenAI. Omówimy również kontrowersyjny komentarz Przemka odnośnie cookie bannerów na miarę czasów AI. No właśnie, wrzesień przyniósł nam tezę o tym, że od premiery takich modeli jak Claude Fable czy GPT-SoL nie trzeba prowadzić modeli za rękę, Plan Mode przestaje być potrzebny, a samo planowanie może negatywnie wpływać na pracę genialnych modeli.

Czy faktycznie tak jest? Omówimy argumenty obu stron i przedstawimy nasze techniki efektywnego wykorzystywania modeli najnowszej generacji. Od 2 sierpnia obowiązują nas kolejne przepisy AI Act, a radio zalała fala komunikatów o lektorze wygenerowanym przez AI. Czym jest deepfake według litery europejskiego prawa i czy anonimowy lektor w reklamie w ogóle podlega takiemu obowiązkowi? 22 września Anthropic i OpenAI jednocześnie wypuściły nowe modele. Opus 5.5 według Anthropic dorównuje Fable 5.1 za dużo niższą cenę, podczas gdy GPT-6 SoL i Luna również są udostępniane ze stawkami niższymi o połowę. Cóż tym razem kombinują Big Techy? Właśnie te tematy poruszymy w tym odcinku. Zacznijmy od wspomnianego planowania przy programowaniu z AI.

Wchodząc do tematów planowania przy programowaniu z AI, tak naprawdę weźmiemy tutaj na tapet taki jeden artefakt, który pojawił się właśnie pod koniec tego miesiąca i w pewnym sensie taki reverse engineering zrobimy. Zastanowimy się, co doprowadziło tutaj branżę i cały ten ekosystem programowania z AI do takich, a nie innych wniosków. Jak to zwykle bywa w naszym podcaście, też pokażemy, że ta dyskusja ma inne oblicza. Punktem wejścia do całej tej dyskusji będzie tekst, który pojawił się na Hacker News, też w amerykańskiej części internetu tekst Ayman Nadeem, inżynierki i założycielki firmy Nuanced, czyli takiej desktopowej aplikacji do kodowania z AI, wcześniej pracowniczki GitHuba, która zakomunikowała, że Plan Mode is dead, czyli tryb planowania umarł, planować nie potrzeba, nie musimy tego robić, jest to jakieś wypaczenie, jest to coś zbędnego.

Oczywiście rozpoczęła się burza przez ten jej artykuł, wątek na Hacker Newsie przekroczył ponad 580 punktów. Co dla osób, które na Hacker Newsie spędzają dużo czasu, jest takim sygnałem, że to jest jakiś naprawdę istotny materiał, warty naszej uwagi, zebrał też powyżej 500 komentarzy, wypowiadały się tam naprawdę tuzy świata programowania. No i oczywiście tutaj na polską stronę internetu ta dyskusja też spłynęła, m.in. tego samego dnia na polskim YouTubie, na kanale Automatyzacja Biznesu, panowie Szymon Kita i Marcel Bilski właśnie dyskutowali też o tym temacie, tam padły takie słowa, że od Claude Fable i GPT-6 SoL mamy nową erę modeli sztucznej inteligencji i tutaj przede wszystkim Prym wiedzie koncept orkiestracji, znaczy tego, że te modele już nie potrzebują instrukcji, panowie wspominają, że nie pamiętają kiedy oni używali Plan Mode i uważają, że on jest niepotrzebny.

No i pojawia się też takie stwierdzenie, że to jest legacy, który został w tych narzędziach, że to jest niepotrzebne, a nawet szkodliwe, dlatego, że te nowe modele bardzo dobrze potrafią zrozumieć intencje programisty. Tutaj pojawia się, od razu mogę zaspoilerować, trafna obserwacja a propos tego, że jeśli bardzo inteligentnemu modelowi damy zbyt dokładną instrukcję, to faktycznie tracimy część jego inteligencji, bo model idzie naszym tokiem myślenia, a mógłby wybrać coś, co jest potencjalnie optymalne, co jest potencjalnie bardziej dopasowane do tego problemu. My to też często widzimy w świecie programowania, kiedy to taki duży opór jeśli chodzi o wykorzystywanie AI nie wywodzi się z tego, że AI robi coś źle, tylko inaczej niż my chcielibyśmy, żeby robiło.

I wydaje mi się, że spoiler na samym początku jest całkiem akceptowalny, mianowicie faktycznie te zbyt dokładne instrukcje już są dzisiaj suboptymalne, natomiast czy możemy się zdecydować, Marcin, na takie stwierdzenie, że ten Plan Mode i ogólnie tryb planowania umarł, że to już jest niepotrzebne? Zakładamy, że pewnie jak mamy to tutaj na otwarcie naszego odcinka, to chcemy to troszkę zniuansować i rozplątać, bo kilka wątków się w ogóle tutaj miesza. Dokładnie tak, właśnie mamy pomieszanie tak naprawdę wielu wątków, czym innym jest Plan Mode, czym innym jest planowanie, co ten plan zawiera i w jakiej sytuacji my z tego planowania korzystamy, bądź też nie. Postaramy się to wszystko rozłożyć na czynniki pierwsze i dojść do właściwych wniosków na stan rzeczy końcówka września, początek października 2026 roku.

Skąd się wziął Plan Mode? Plan Mode pojawił się w pierwszej kolejności w Claude Code i jak napisał Boris Cherny we wspomnianym wątku na Hacker News, był to jego pomysł, kiedy pracując nad pierwszymi wersjami Claude Code miał dość ciągłego wspominania modelowi, że zaplanujmy, przygotujmy tą implementację, a dopiero potem przejdźmy do samego kodowania. W tych zamierzchłych czasach, półtora roku temu, takie planowanie i to szczegółowe było niezbędne, żeby realizować niebanalne rzeczy z modelami, z agentami, kiedy pisaliśmy kodzik. Co jest ważne, ten Plan Mode nie był niczym rozbudowanym. Był to zwykły prompt, który nie miał wielkiego wpływu na Harness. i tak naprawdę w ten sposób to pozostało. My oczywiście z tych Plan Mode’ów w pierwszych wersjach korzystaliśmy, chociaż dość szybko też przeszliśmy na własne prompty do planowania.

Prawda jest taka, to co Boris Cherny napisał potwierdzało naszą intuicję. Tam jest po prostu jakiś prompt i do wielu zadań, np. do zadań front-endowych, do zadań back-endowych, można napisać customowe prompty, które będą lepiej radziły sobie z tym konkretnym zadaniem i to też zresztą prezentowaliśmy w pierwszych edycjach 10xDevs. Oczywiście od tego czasu wiele się zmieniło i faktycznie z tego Plan Mode’u przestaliśmy już dawno korzystać. Może z wyjątkiem Codexa, gdzie aby mieć fajny UI dla naszego procesu planowania, ten Plan Mode cały czas jest wymagany, ale to nasz prompt przejmuje kontrolę nad tym całym procesem. Więc po pierwsze, czym był ten Plan Mode? Dla wielu ludzi to też był mechanizm kontroli ryzyka.

Mówili, no to teraz ten model nic nie zrobi złego, on będzie tylko przeglądał kod, co najwyżej jakiś markdown mi napisze, jestem bezpieczny. Tej kontroli ryzyka tak naprawdę nigdy tam nie było. Ona oczywiście w większości wypadków występowała, bo modele miały ograniczone możliwości, ale nie o to w gruncie rzeczy wszystkim chodziło. Tam chodziło o kontrolę i również wyspecyfikowanie dość szczegółowe tego procesu. My dość szybko zdaliśmy sobie sprawę, że wolimy mieć pełną kontrolę nad tym procesem i za pomocą naszych skilli taki proces planowania prowadzić. Więc co do Plan Mode’u w takiej formie, w jakiej jest dostępny obecnie w Harnessach, jako jakiś tryb w UI, no to pełna zgoda, nie potrzebujemy już tego, wiele alternatyw, jakie możemy stworzyć samodzielnie działa po prostu lepiej.

Nie potrzebujemy również tego procesu dla każdej zmiany. Nie potrzebujemy waterfalla dla wprowadzania przycisków, komponentów. Rok temu, półtora roku temu było to potrzebne, żeby ten kod był sensowny. Jeszcze trzeba było patrzeć modelowi na ręce jak on ten kod pisze. Mieliśmy taki workflow trzy na trzy i to naprawdę wnosiło wartość, bo bardzo łatwo było, żeby model pogubił się w jakkolwiek złożonej robocie. W planach nie potrzebujemy również szczegółów implementacji i tego również w tym naszym procesie planistycznym już od dawna nie ma. No właśnie, więc to są te argumenty, powiedzmy grabarzy Plan Mode’u. Bardzo dawne i ciężko tutaj z tym dealować. Wpadł na to dopiero teraz, no to stosunkowo późno sobie zdał sprawę, że ten Plan Mode nie jest najlepszym, co mamy do dyspozycji.

Te tryby nie dość, że nie dawały najlepszych planów, to jeszcze jak wiele osób słusznie wskazuje, potrzebowały dużo czasu, zużywały bardzo dużo tokenów, no i wcale nie prowadziły do najlepszych rezultatów. No właśnie, ale czy to jest koniec tej historii? Czy na tym powinniśmy skończyć i stwierdzić, dobra, nie potrzebujemy Plan Mode’u, czy nie potrzebujemy w ogóle procesu planowania, wystarczy prosty prompt. Wracamy tak naprawdę do vibe codingu. Andrej Karpathy miał rację, może trochę za szybko, no ale cały ten proces gdzieś tam rozwijania tego software’u, po co to komu, skoro mamy te Insight modele. Przemek, jak to wygląda? Możemy to doprecyzować, zaraz tutaj pewnie przedstawimy jakieś takie nasze rekomendacje, ale myślę, że nawet na takim poziomie czysto ekonomicznym da się obronić jednak ten proces podpowiadania modelowi.

Jeśli tego nie robimy w ten czy inny sposób, no to bardzo dużo pola manewru zostawiamy modelowi w kontekście po prostu błądzenia po naszym systemie, przeczesywania tego systemu w jakiś losowy sposób. Wiemy, że mamy ten słynny brak determinizmu i tak naprawdę nie możemy zagwarantować, że dwa razy zapromptowany model w ten sam sposób odwiedzi dokładnie te same pliki po drodze, którą się porusza, że wykona dokładnie te same narzędzia. Więc nawet z tego powodu, żeby nie wykonywać tutaj jakiegoś takiego głupiego przeczesywania naszego projektu, za brak wyznaczania jakichś granic, jakichś ram płacimy po prostu i to jest namacalne. Można sobie sesje podglądać, można obserwować jak poszczególne modele po prostu zerkają w te czy inne miejsca, no ale można to też odwrócić i skupić się na tych pozytywnych rekomendacjach, na tym co tak naprawdę właśnie wspomaga model w kontekście docierania do celu i realizowania tego co chcemy robić.

Tutaj myślę, że dobrym punktem wyjścia są po prostu też te rekomendacje twórców tych modeli najnowszej generacji, zarówno OpenAI, Anthropic, gdzie oni w zasadzie z dwóch różnych stron mówią o pierwszej fundamentalnej zasadzie, mianowicie cel i powód, to jest to co musisz dzisiaj przekazywać modelowi na samym początku, czyli co my rozwiązujemy, dla kogo i jaki jest efekt oczekiwany, czy to jest może jakaś metryka do poprawienia, czy to jest jakiś stan, który ma się zmienić, czy to jest jakaś funkcja, która ma się pojawić, to się tak naprawdę nie zmieniło i żeby dojść do tego celu i powodu, to nadal jakaś taka praca intelektualna musi być wykonana, musimy to określić, to nie jest rozumiane samo przez się, tylko przez to, że zaczynasz pisać jakiś prompt.

To co w grze pozostaje cały czas, to są właśnie te granice i takie obietnice systemu, taki kontrakt po prostu w ramach którego my staramy się ten model wpuszczać do naszego systemu, czy ten kontrakt, który on ma po prostu szanować i powiedzmy uznawać, jeśli chodzi o implementowanie tego czy innego feature’a. Jakieś dosy, dontsy, to co ma pozostać w stanie zastanym, to co ma się zmieniać, to czego absolutnie my tutaj nie chcemy widzieć, może jakieś informacje o tym z jakimi systemami się tutaj integrujemy, jakie moduły są brane pod uwagę itd. Wszelkiego rodzaju też takie właśnie czysto techniczne interfejsy, granice tego co ma model robić, publiczne API, jakieś schematy danych, elementy wymagające zachowania jakiejś wstecznej kompatybilności, też tego co się dzieje np. na produkcji, bo myślę, że model nie jest świadomy tego w jakim stanie jest ten system na koniec września, patrząc np. na to jak my pracujemy z naszą platformą.

To są takie kwestie, które wciąż nie przekazują modelowi bez szczegółów implementacji, my tam nie piszemy linijka po linijce, ty masz w tym miejscu napisać if’a, a w tamtym case’a albo switch’a jakiegoś, ale są istotne z punktu widzenia tego jak te modele działają i z punktu widzenia jakichś po prostu potencjalnych błędów, które tam się mogą pojawić, jeżeli mówimy o tym, że właśnie sam ten proces planowania nadal w grze jest, to chcemy model informować o tym jakie decyzje podjęliśmy świadomie, co nie jest przypadkiem, co wynika z jakiejś szerszej analizy, gdzie tutaj są jakieś powiedzmy nieznane niewiadome albo znane niewiadome tak naprawdę z naszej perspektywy, czyli to co powinniśmy jakoś rozebrać na czynniki pierwsze w procesie działania tego modelu, to są nadal bardzo istotne informacje, które nie są tym schodzeniem na bardzo niski poziom szczegółowości, nie są właśnie robieniem tej roboty za model, ale też nie są czymś, co model zrobi za nas i o tym trzeba pamiętać, żeby właśnie tego dziecka z kąpielą nie wylać, więc jest mnóstwo takich ram, granic, mnóstwo takich informacji kontekstowych, które nadal przekładają się na to, co ten model zrobi z naszym poleceniem no i też na sam koniec tak naprawdę właśnie jakieś takie kryterium stopu, kiedy my zakończamy pracę, czy robimy jakiś taki hill climbing bez końca, czy realizujemy jakąś metrykę, czy zatrzymujemy się na jakimś konkretnym etapie i np. sterowanie ma wrócić do człowieka, czy człowiek, czy operator ma ten model skorygować.

To są bardzo ważne kwestie. W tym samym momencie, kiedy dyskutujemy o końcu tego Plan Mode’u, Anthropic publikuje też właśnie na swoim blogu informacje o tym, jak oni optymalizowali stronę Claude.ai i tam to wszystko tak naprawdę jest. Oni tam piszą o tym, że musisz dać benchmark, musisz dać jakieś mierzalne metryki, musisz dać jakieś mechanizmy obserwacji systemu, musisz pokazać właśnie, czym jest to kryterium sukcesu, czy robimy to optymalizacyjnie na 10 iteracjach, na 20 iteracjach itd. Framework tego, co model robi jest bardzo precyzyjnie zdefiniowany, natomiast te low levelowe szczegóły, powiedzmy otwieranie plików, modyfikowanie linijek, wchodzenie w jakieś wnętrzności biblioteki tej czy innej, to to potencjalnie jest już zbędne. My też to wywalamy z naszych artefaktów.

Nie ma co właśnie tego dziecka z kąpielą wylewać i mówić, że proces planowania jest zbędny, bo jakiś tam przełącznik w interfejsie zostaje oznaczony jako deprecated. Dokładnie tak i myślę, że bardzo ważne jest pamiętanie o tym, jak istotne są decyzje, kiedy projektujemy, kiedy wdrażamy software i wiele z tych decyzji, tych najważniejszych, nie mają oczywistej odpowiedzi, co jest decyzją właściwą, a co jest decyzją mylną. Nie da się tego obliczyć, jak system się powinien zachowywać. Co robić w przypadku jakichś edge case’ów, np. jeżeli użytkownik zmienia sobie maila, a już jego konto istnieje, czy merge’ujemy te dwa konta, czy odrzucamy tę operację, czy go blokujemy, czy tworzymy jakiś jeszcze inny mechanizm.

Każda z tych decyzji ma swoje zarówno silne strony, jak i trade-offy. I to my jako twórcy, jako programiści musimy podjąć decyzję, jak ten system ma się zachowywać. Żaden mechanizm statystyczny nie zrobi tego za nas, znaczy może oczywiście zrobić i zrobi to całkiem nieźle od strony technicznej, ale to my i nasi użytkownicy będą żyli z tą decyzją i musimy być tego świadomi. Co my chcemy obsługiwać jako zespół? Jaki my chcemy dać experience ludziom? Jaką cenę jesteśmy gotowi za to zapłacić? To są te kluczowe decyzje, których modele za nas nigdy nie podejmą. Znaczy mogą to robić i już całkiem w sposób, który nie jest jakiś słaby, prowadzący do totalnej porażki nawet na poziomie implementacji, ale siłą rzeczy decyduje o tym, jaki software powstanie i jaki software będziemy utrzymywali i dalej rozwijali.

Tak więc… Tutaj wydaje mi się, żeby to jeszcze pociągnąć dalej, wydaje mi się, że też jest jeden taki czynnik, którego też czasami brakuje, czyli właśnie czynnik czasu, którego też bardzo często w regułach nie ma. Nie ma go w README. Nie mamy całej tej dynamiki okołoprojektowej. Nie piszemy w README, że… Zwykle wydaje mi się, że nie piszemy, że teraz to jest jakiś canary rollout i teraz to jest dla 1%, a potem to będzie dla 99%. A to oczywiście przekłada się na cały sposób działania w tym projekcie. Co robimy odważniej, co robimy bardziej defensywnie, gdzie są jakieś feature flagi, gdzie tych feature flag nie ma itd. Jeden przykład z naszego ogródka to jest np. nasz toolkit do benchmarkowania, który cały czas jest w takiej fazie zamkniętej.

W zasadzie rozwiązanie open source, ale takie rozwiązanie, na którym cały czas iterujemy. Model bardzo mocno skupia się na tym, żeby tam niczego nie psuć, żeby nie złamać kontraktów, żeby robić tę wsteczną kompatybilność. Ja mu tam zwykle mówię, słuchaj, to jest sandbox, to jest nasza piaskownica, my się tu bawimy, rozkminiamy jakiś koncept tak naprawdę. Nie bój się złamać jakichś kontraktów, nie bój się złamać jakichś schematów. Jeśli masz w głowie w dużym cudzysłowie coś bardziej rewolucyjnego, to to po prostu wprowadźmy. Zwykle wydaje mi się, że jak patrzę na projekty np. czy to w 10xDevs, czy jak patrzę na to, jak ludzie podchodzą właśnie do definiowania jakichś tam instrukcji, czy tego, co model widzi na etapie implementacji jakiejś nowej funkcjonalności, to właśnie nie ma tam tego czynnika czasu.

To jest jakiś statyczny opis tego, co jest w systemie, gdzie są jakieś moduły, gdzie są jakieś funkcje, tutaj jest jakieś API, jakieś endpointy itd. Zupełnie różne rzeczy można z tym robić w zależności od tego, na jakim etapie ten projekt jest. I znowu, jeśli my tego nie przelejemy na jakiś papier, na jakiś artefakt, na coś, co model widzi, to albo on będzie zbyt ofensywny, albo zbyt defensywny. I jak tutaj się pozbyć czegoś takiego? To jest cały czas w grze. Dokładnie, nie da rady. Inne decyzje są właściwe w projekcie back office’owym, który rozwijamy mając dużo wolnego czasu, a inne decyzje są właściwe, kiedy pracujemy nad trzema aplikacjami produkcyjnymi, z czego jedna płonie. Więc ten kontekst, ta sytuacja, szerszy obraz jest bardzo ważny i też przekazanie tego w jednym prompcie, w rozpoczynającym pracę, często jest trudne.

jest niewystarczające. Wszystko też zależy oczywiście od złożoności tego, nad czym w danej chwili pracujemy. Tak więc zmierzając do brzegu, takie celebrynkowe odpowiedzi są zwykle upraszczające rzeczywistość no i wpływające negatywnie na efektywność naszego workflow. Jeżeli masz zadanie, które możesz opisać jednym zdaniem, jeżeli jest to zmiana odwracalna, łatwo sprawdzalna za pomocą testu, nie ma problemu. Rozmawiasz z agentem, odpalasz Auto Mode, przeglądasz diffa, to jest wszystko, czego potrzebujesz. Za to jeżeli zmiana dotyczy większego obszaru, działasz może na nieznanym kodzie, nie jesteś do końca przekonany, czy to twoje podejście w ogóle się sprawdzi, ale możesz je łatwo odwrócić, to wtedy jakiś krótki, szybki plik ze specyfikacją to wystarczy.

Nie potrzebujemy tego. Ale jeżeli pracujemy nad jakimś kluczowym schematem danych albo nad kluczowym modułem, tak jak autoryzacja, wszystko to związane z pieniędzmi, zdrowiem, albo zmieniamy publiczne API, na którym inni mają zależności, inne części systemu. Jeżeli nie do końca w ogóle rozumiemy te wymagania, one są mega nieoczywiste i każde z nich niesie istotne trade-offy. Jeżeli jest to praca długa, na kilka zmian, na kilka dni, no to kurczę, wtedy musimy przysiąść, musimy przyanalizować i też wykorzystać ten model właśnie w procesie planowania, bo on nam może wiele fajnych rzeczy podrzucić, pomóc ten proces. Jeżeli do niego tylko zapromptujemy, no to to się po prostu źle skończy, nawet jeżeli na pierwszy rzut oka tego nie zauważymy.

I wtedy ten przemyślany proces planowania oparty o nasz skill, który zawiera to, co trzeba, ale nie zawiera tego wszystkiego, co nie wnosi faktycznie wartości, jak detale implementacyjne, tego faktycznie już modele nie potrzebują. Ale jasnego opisu intencji, tego, co robimy, czego nie robimy, jakie są kontrakty, co to znaczy, że się udało, co to znaczy, że się nie udało, to cały czas ma znaczenie i warto o to zadbać. Wydaje mi się, że jest jednak wartość w tym, żeby to opakować jakiegoś rodzaju frameworkiem, bo tutaj pojawia się taki kontrargument właśnie, takich można powiedzieć dynamiczniaków, że tak powiem. Wszystko po prostu popychasz do przodu promptami. Prompt, obserwacja tego, co model zrobił, ewentualnie korekta kursu, albo sukces, idziemy dalej.

Ale wydaje mi się, że gdyby naprawdę zrobić jakiś test, jakiś taki benchmark i porównać to do takiego podejścia opartego na oplanowanie, gdzie kilka tych decyzji jednak wywalasz na front, to będzie bardziej opłacalna opcja. Wydaje mi się, że ci ludzie, którzy twierdzą, że właśnie wszystko robimy w takim trybie brute force, że idziemy z tym modelem do przodu i tak dalej, i tak dalej, i tak dalej, no jednak przegapiają często takie istotne decyzje albo momenty w zasadzie zatrzymania tego modelu, które by się moim zdaniem nie wydarzyły, gdyby jednak tą nogę z gazu zdjąć. A tu jest ta właśnie tendencja, na którą musimy uważać, że wszystko możesz zrobić z tym agentem. Wszystko możesz zrobić i on tobie raczej też chce wszystko zrobić i zrobić dobrze.

Paradoksalnie wartość jednak tutaj się pojawia w tym, że czegoś nie zrobisz albo że się zatrzymasz, albo zrobisz wolniej, że troszkę złamiesz te automaty, nie będziesz pracował na autopilocie, przede wszystkim też nie będziesz myślał na autopilocie i stąd wydaje się, że nawet taka krótka dyskusja, taki jakiś formularz dotyczący tego, co ty właściwie człowieku chcesz robić, jest wartością. My wielokrotnie to widzieliśmy i też mamy skille, które po prostu budują dla nas taki framework, troszkę jak inne frameworki, które w zasadzie mogłyby być zastąpione przez robienie czegoś z palca, ale istnieją, bo pierwszy, drugi czy trzeci krok jakiegoś procesu chcemy sobie opakować i mieć powtarzalny po prostu.

Ja bym bardzo tutaj chętnie zobaczył jakieś porównanie właśnie takiego trybu Brute Force z takim trybem podejmowania decyzji wcześniej pod kątem tego, ile razy zostaniesz wypuszczony w maliny, jak tylko idziesz do przodu. Wydaje mi się, że jednak częściej. Zarówno na poziomie czasu, pieniędzy, jak i jakości takiego rozwiązania. Oczywiście cały czas mówimy o tych rzeczach niebanalnych, gdzie po prostu robimy coś nieoczywistego. Sukces grill-me bądź też po prostu tego prymitywu metody sokratejskiej naszym zdaniem nie jest przypadkowy. Modele bardzo fajnie mogą nam pomagać w tym procesie, zadawać nam te pytania, jeżeli o nie poprosimy. Podsuwać też różne opcje, które mogą też nas właściwie stymulować i prowadzić do może jakiejś kombinacji tego, co model zaproponował.

I to jest niesamowicie wartościowe. I jeżeli to pominiemy, to może kiedy jesteśmy wyspani i się nie śpieszymy, to będziemy w podobnym miejscu. Ale często wcale tak nie jest. I wtedy tego takiego zatrzymania na poziomie procesu, skilla, no warto to po prostu zrobić, spisać, sprawdzić, bo to będzie zarówno szybsze, tańsze, jak i po prostu lepsze. Przemku, mamy jeszcze głośny temat z września, czyli model Jev. Cóż ten model nowego wnosi i czy on w jakikolwiek sposób tutaj stolik wywraca? Stolik wywraca na pewno na poziomie gdzieś tam marketingu, na poziomie tego, że się rozpycha w tym duopolu OpenAI i Anthropic. Przynajmniej rozpychał się, bo miał na pewno głośny tydzień. Firma typesafe.ai i Diogo Almeida, pracownik OpenAI, który pracował m.in. nad wczesną wersją ChatGPT w postaci InstructGPT, też stał za procesem RLHF, właśnie wychodzi z cienia, wypuszcza ten swój nowy model o nazwie Jev i mówi, że skupimy się na wszystkim tym, gdzie LLM są w zasadzie niedoskonałe, czyli będzie szybciej, taniej i nieco bardziej płytko, ale przydatnie.

Nie wszędzie potrzebujesz tej głębokości działania najgłębszych reasonerów, takich modeli opasłych, dużych, ciężkich, które właśnie też generują tekst token po tokenie, gdzie trzeba czekać na tę odpowiedź. Czasami po prostu potrzebujesz zielonego albo czerwonego światła, żeby iść w lewo albo w prawo albo potrzebujesz jakiejś informacji liczbowej dotyczącej np. tego, która opcja z tych, które modelowi przedstawisz jest optymalna, powiedzmy statystycznie, da ci najwięcej korzyści itd. Jev to jest właśnie na tyle specyficzny można byłoby powiedzieć model, chociaż pewnie tacy boomerzy MLa też się troszkę obrażą, że to nic nowego, że to jest model, który właśnie nie generuje tekstu token po tokenie, ale bardziej działa jak taki klasyfikator sprzed kilku lat, czyli tak naprawdę mamy jakiś można powiedzieć spójny, statyczny kontrakt odpowiedzi tego modelu.

On zawsze będzie odpowiadał na trzy z góry określone sposoby. My mu wypełnimy te trzy różne formaty odpowiedzi jakimiś case’ami tak naprawdę i na wyjściu dostaniemy właśnie czerwone albo zielone można powiedzieć tak bardzo obrazowo, bo ten model działa tak, że promptujemy go w jakiś sposób i możemy mu wskazać właśnie typ oczekiwanej odpowiedzi. Czy to ma być choice, czyli właśnie wybór wariantu z listy, czy to ma być score, czyli jakaś ocena stanu według przyjętej rubryki, czy noul, odpowiedź binarna tak lub nie, tutaj odniesienie do rozkładu Bernoulliego. Diogo Almeida wspomina, że to wszystko właśnie celowo nie jest tak głębokie jak w przypadku reasonerów, które działają długo i są bardzo kosztowne, bo też na poziomie powiedzmy naszego mózgu, na poziomie tego jak my podejmujemy decyzje, jak człowiek podejmuje decyzje, tam też są rozróżnienia na dwa sposoby działania.

Mamy system one i system two według tutaj klasyfikacji Daniela Kahnemana z książki o myśleniu szybkim i wolnym i ten Jev właśnie pozycjonuje się jako ten system one model. System one model, czyli taki model, który ma bardzo dużo wiedzy, szybko podejmuje decyzje, błyskawicznie w zasadzie, nie generuje tych tokenów krok po kroku, ale właśnie on nie jest końcem historii, tylko jest początkiem czegoś, co możesz na przykład przekazać do bardziej zróżnicowanego, do bardziej kosztownego modelu, czyli właśnie znajdujemy sobie tutaj jakieś takie poletko, gdzie LLM-y czasami działały zbyt długo i kosztowały za dużo, były zbyt drogie, wkładamy nieco inny model, taki model stylu klasycznego klasyfikatora i to ten właśnie model ma na przykład właśnie routować jakieś narzędzia, czy też jakieś modele, z których będziemy korzystać w drugiej kolejności, będzie wpuszczał jakieś przepływy do systemów bardziej zróżnicowanych, bardziej skomplikowanych.

No i samo to, sama ta premiera jest właśnie istotna z punktu widzenia właśnie tego, tego o czym rozmawiamy, bo jest to model, który właśnie w jakiś sposób może nam podjąć decyzję, może pomóc podjąć nam decyzję, jeśli przedstawimy mu te różne case’y, te różne warunki, natomiast on w ogóle nie przeprowadzi ścieżki rozumowania do tego jak te case’y się tam w środku znalazły, to znaczy pomimo tego, że mamy nowy model, który będzie właśnie na poziomie takiej szybkiej decyzji działał, to on znowu nie zostanie wypełniony automatycznie i znowu będzie tutaj miejsce na to, żeby człowiek po prostu ten niezbędny kontekst dostarczył, więc można powiedzieć, że choć dużo się zmienia, to tak naprawdę nic się nie zmienia, bo jakiś tutaj sędzia, ekspert domenowy, zwłaszcza po prostu człowiek, który zna się na robocie, no musi ten wsad tutaj przygotowywać, chociaż nie tylko człowiek, bo tutaj trzeba też doprecyzować, to jest też taki model, który ma być wykorzystywany w kontekście takiego programatycznego AI, więc tutaj twórca sobie wyobraża, że inne modele też z tego drzewa potencjalnie mogłyby korzystać, natomiast jeśli skorzysta z niego człowiek, to to też nie jest magia, te opcje też nie zostaną wypełnione w sposób automagiczny, to jest jakiś proces myślenia, musimy przeprowadzić jakiś proces wnioskowania.

żeby ten Jev zadziałał. Natomiast w kontekście decyzji tego jak kiedyś może działać system oparty o sztuczną inteligencję to tu mamy bardzo fajną dokładkę, taki nowy komponent można powiedzieć, który z LLM-ami takimi bardziej klasycznymi będzie się uzupełniał. No i też pewnie z tym poeksperymentujemy, też będziemy w kolejnych odcinkach więcej o tym mówić. Sporo szumu narobił, tak jak powiedziałem boomerzy, ML-a mówią, że przecież to już było. Natomiast tutaj ta główna różnica polega na tym, że o ile wcześniej te klasyfikatory musieliśmy sami trenować i te klasy definiować za każdym razem, tak tutaj to definiujemy w runtime można powiedzieć. Jev ma dużo wiedzy zgromadzonej na pokładzie i sam jest w stanie te klasy tak naprawdę nam przygotowywać w locie.

Nie musimy tego modelu dotrenować, więc ciekawy model, ale znowu człowieka z siodła nie wyrzuca. No to prawda, bo nie dość, że musimy dostarczyć kontekst, no to też aby móc temu modelowi zaufać no to musimy upewnić się, że te opcje, kryteria, to jakie są pytania, jakie są progi pewności, to również jest coś, na co powinniśmy wpływać, bo w innym wypadku możemy dostać bardzo dobrą i bardzo szybką klasyfikację, ale niedopasowaną do naszych preferencji, do naszego problemu i wcale nie będziemy w sytuacji lepszej, tylko w sytuacji gorszej, bo będziemy mieli jakieś tam punkty dostosowane pozornie do naszej sytuacji, ale wcale nie odpowiadające naszym potrzebom, naszym wymaganiom. Więc tutaj bardzo duża wartość, też ciekawy model biznesowy, bo płacimy tylko za wejście, odpowiedź już jest potem darmowa, ta szybkość też jest niesamowita, więc bardzo duży potencjał, również w programowaniu, taki model może nam pomagać w decyzji, czy to jest zmiana, którą ja powinienem planować, może nie, a może tak, a czy to jest zmiana, którą ja powinienem poddawać samodzielnemu code review, czy może agent wystarczy.

Różne możemy tutaj metryki wyznaczyć, ilość plików, złożoność jakaś cyklomatyczna, dużo mamy różnych informacji, których możemy skorzystać i tutaj Jev faktycznie może nam pomóc, aby ograniczyć chociażby naszą uwagę tylko do miejsc, które mają znaczenie itd. Bardzo ciekawa, nie tak innowacyjna znowu rzecz, ale niewątpliwie w wielu systemach, w wielu workflow swoje miejsce znajdzie. Tak więc kończąc ten segment, Plan Mode faktycznie jest martwy, martwy jest od czasów myślę dłuższego niż od premiery Fable czy SoL, aczkolwiek samo planowanie jest nam potrzebne, zwłaszcza jeżeli podejmujemy trudne, nieoczywiste decyzje, z którymi potem będziemy żyli. Pamiętajmy o tym, że dobry plan to nie jest szczegółowy plan implementacji, to nie jest kodzik wypisany od góry do dołu, to są jasny opis naszych intencji, co robimy, czego nie robimy, na czym nam zależy, jakie są granice, resztę warto zostawić faktycznie modelowi, jeżeli korzystamy z tych najdroższych, najlepszych, chociaż również te najlepsze stają się obecnie podejrzanie tanie, wręcz o tym będzie na końcu odcinka.

A teraz przejdziemy do tematu, który wywołał bardzo dużo dyskusji, dużo kontrowersji i też tematu, który kiedyś znacznie częściej gościł w naszym podcaście. Pozdrawiamy tutaj OG słuchaczy Opanuj AI, czyli AI Act i jego wpływ na życie codzienne. Ja powiem troszeczkę, a nie mówiłem, a teraz wejdźmy trochę w ten temat głębiej i zastanówmy się, czy to wszystko ma sens, czy może nie do końca. No więc słuchajcie, drugim segmentem będzie segment o tym, że nasze życie stało się lepsze dzięki regulacjom europejskim i tylko postaramy się doprecyzować w jaki sposób i pod jakim kątem. Tym razem będzie mowa o radiu, o reklamach emitowanych w radiu albo w radio no i o tym, jak tutaj wpływa na oznaczenia tego, w jaki sposób te reklamy są tworzone, kto tam w tych reklamach występuje, kto bierze udział, jak one zostały wyprodukowane.

Ja przyznam, że nie spodziewałem się, że mój post wywoła aż taką burzę na moim LinkedInie, natomiast zabierając się kilkukrotnie do tego tematu, o co chodzi? Chodzi po prostu o taką obserwację dotyczącą tego, jak zmieniły się reklamy w radiu, reklamy, które są emitowane i które słyszycie np. właśnie w radiu samochodowym, czy to nawet w trakcie zakupów w supermarkecie, w spaceru po jakimś centrum handlowym, gdzie to coraz częściej, na coraz większej liczbie reklam, pojawia się taki prefiks, że lektor do tej reklamy został wygenerowany przy użyciu sztucznej inteligencji. Czasami to się pojawia przed reklamą, czasami to się pojawia po tej reklamie. No powiem, że zastanowiło mnie to, jako osobę, która tutaj tworzy podcast na temat sztucznej inteligencji, pierwszy raz mnie to zastanowiło, drugi raz mnie to zastanowiło, trzeci, aż w końcu usłyszałem zapowiedź pewnego takiego właśnie festynu rodzinnego, który bodajże miał się odbywać w Katowicach i tam też lektor do tej reklamy został wygenerowany przy użyciu sztucznej inteligencji.

Mówię sobie, dzięki za tą informację, bo teraz już wiem, że np. z moim dzieckiem mogę tam iść albo tam nie powinienem chodzić właśnie, bo ten lektor został wygenerowany przy użyciu sztucznej inteligencji, a tak na poważnie, dla mnie to jest absurd, no nie ma co tutaj komplikować, dla mnie to jest absurd, moje stanowisko jest jasne, proste, jestem prostym chłopem, po prostu chłopski rozum, uważam, że przestrzeń taka radiowa została niepotrzebnie skomplikowana, ale mamy podcast, żeby troszkę podważyć to nasze chłopskie rozumowanie i zastanowić się, czy może coś w tym jest, czy może jest jakaś głębsza idea stojąca za tym wszystkim. Zobaczymy, jak to wygląda, zobaczymy, co litera prawa o tym mówi.

Kilka takich punktów najważniejszych z mojej perspektywy, pewnie Marcin też się zgodzi z częścią tych punktów, czemu, moim zdaniem, to jest zbędne, albo czemu to właśnie nie jest tak doprecyzowane, jak być powinno, jeśli chodzi o wszelkiego typu regulacje, nie skupia się na tym, że komunikat zagłusza przekaz, moim zdaniem to jest jakiś tam detal, mamy reklamę, reklama jest dłuższa, dotyczy jakiegoś wydarzenia, jakiegoś eventu, to, że jest jakiś tam prefiks 5-sekundowy, przeżyłbym to, jeśli to by było użyteczne, jeśli to by informowało o czymś istotnym. To, co jest dla mnie najbardziej istotne, to jest to, że nie ma w zasadzie żadnej wagi przyłożonej do tego, co my właściwie tym prefiksem, tym banerem oznaczamy, to nie jest w żaden sposób uważane, tam jest taka obawa, że każdy deepfake, czyli właśnie wszystko to, co jest wygenerowane przy pomocy sztucznej inteligencji, każdy lektor, no musi być właśnie tym banerem oznaczony, każdy lektor, każda wypowiedź, każdy festyn rodzinny, bułki i parówki po prostu, no muszą być oznaczone tym, że AI właśnie wam o tym opowiada, moim zdaniem nie tak powinno być, moim zdaniem to po prostu spowoduje jeszcze większą znieczulicę wśród odbiorców, jeszcze bardziej się przyzwyczajamy do tego, że wszystko jest AI, więc powiedzmy wszystko jest tak samo wiarygodne albo niewiarygodne, co jest absurdem, tam też nie ma obrazu, więc to nie jest tak, że mamy jakąś znaną osobę, która, nie wiem, przy pomocy swojego autorytetu zmusi nas do podjęcia jakiejś decyzji, do wzięcia kredytu, do tego, żeby, nie wiem, przelać kasę w jakimś kierunku podejrzanym, no i właśnie treść jest neutralna, to zupełnie nie jest zniuansowane, nie są to reklamy dotyczące zdrowia, a być może powinny, nie są to wyłącznie reklamy dotyczące właśnie finansów czy też polityki, naprawdę najbardziej banalne reklamy w trakcie najbardziej banalnych spacerów po centrum handlowym są oznaczone tym dodatkiem, że lektor został wygenerowany przy pomocy sztucznej inteligencji.

Kurczę, ja sobie myślę, wychodzę znowu z takiego prostego założenia, że jeśli komplikujemy prawo albo modyfikujemy to prawo, zmieniamy coś w naszej przestrzeni publicznej, to to powinno ludziom służyć. Ja nie widzę jak to ludziom służy, chociaż, muszę powiedzieć, masa komentujących widzi w tym wartość. Masa komentujących tutaj na moim LinkedInie widzi w tym wartość, widzi to inaczej, więc pogadajmy o tym, Marcin, może ty najpierw powiedz, jak w ogóle do tego podchodzisz, czy zwróciłeś na to uwagę, a potem pogadajmy o tym, jakie to są kontrargumenty, co tutaj nasza społeczność też zauważy w tym temacie. Moi drodzy, dawno nie widziałem Przemka tak rozpalonego, co jest oczywiście fajne i ciekawe.

Cóż mogę powiedzieć? Przepraszam, tak jak powiedziałem, a nie mówiłem. Wiele naszej wczesnej krytyki związanej z AI Actem nie było związane z tym, że w ogóle sztuczna inteligencja nie powinna podlegać żadnym regulacjom. Nie jesteśmy tutaj radykalnymi Amerykanami, kapitalistami, którzy wierzą, że jakiekolwiek regulacje są złe w przypadku sztucznej inteligencji. Są one potrzebne również w tym obszarze deepfake’ów, jak najbardziej. Aczkolwiek brak precyzji i jasnych rekomendacji takie właśnie ma swoje skutki. Pogadajmy właśnie o tym, jak wyglądała ta debata pod wpisem Przemka na LinkedInie, bo tam fajnie się to rozłożyło mniej więcej pół na pół. Tomasz Ducin, z którym często wchodzimy w polemikę i który również raczej jest dużo bardziej sceptyczny względem AI, tam napisał, że jest zaskoczony, że wiele komentarzy broni tego banera, jak to nazywamy.

No bo trochę ciężko tutaj szukać, nie szukać analogii właśnie do cookie banerów, które już też do naszej codzienności zawitały. No i kurczę, zastanówmy się, jakie tutaj padają argumenty. To, że ludzie są bardzo podatni na wszelkiego rodzaju sugestie. To prawda, jeżeli w tej reklamie przemawiałby głos Roberta Lewandowskiego, jak już przywołałeś w swoim poście, to faktycznie byłby problem, bo oczywiście jeżeli słyszymy znany głos osoby, która jest jakimś autorytetem, ma to na nas wpływ. Ale nie jeżeli jest to głos generyczny, taki, który nie przypomina w oczywisty sposób nikogo znanego. Teraz, następnie. Czy lepiej mieć czytelne oznaczenie treści AI, czy mieć wysyp politycznych deepfake’ów? No to dość wydaje mi się taka jednostronna i fałszywa dychotomia, bo jest wiele gdzieś pomiędzy.

Kategoria tego, czego dotyczy dana treść, dany komunikat jest bardzo istotna. No tutaj tego nie widzimy, bo również właśnie przy przysłowiowej reklamie bułek mamy ten sam komunikat. No i jeden z pewnie najbardziej trafiających do wielu argumentów, czyli ochrona ludzkiej pracy, ochrona lektorów, to jest już w jakiś sposób zrozumiałe, aczkolwiek nadal nie wydaje mi się silnym argumentem. Chodzi o to, że dzięki temu ludzcy lektorzy automatycznie wypadają dużo lepiej, zarówno na poziomie odbioru ze strony konsumenta, jak i ze strony reklamodawcy, no bo nie musi on dopłacać za kilka sekund zbędnego komunikatu, a jak wiemy w przypadku reklam radiowych, to każda sekunda kosztuje, a tutaj mamy kilka sekund, która tak naprawdę nic nie wnosi, a wręcz osłabia komunikat.

Tak więc nie są to argumenty, które specjalnie do mnie przemawiają. Cały czas uważam, że dobry lektor powinien się wyróżniać z czymś innym niż tylko tym, że jego wypowiedzi nie trzeba poprzedzać tego typu komunikatem. Jego barwą głosu, jego charakterystyką, tym jak akcentuje, no wiele gdzieś tam tutaj mamy silniejszych stron i pewnie przez jeszcze jakiś, miejmy nadzieję, dłuższy czas tak pozostanie, chociaż oczywiście generowanie audio idzie zauważalnie do przodu, ale cały czas da się usłyszeć, czy coś jest generowane przez AI na poziomie dźwięku, czy też jest to wysoce wyspecjalizowany, doświadczony lektor. Takie jest moje zdanie. Przemek, czy tutaj jeszcze widzisz coś, co mogłoby wzmocnić tą kontrę i mówienie, że ten przepis jest czymś zasadnym?

Dzisiaj też na moim profilu pojawił się taki komentarz korzystający z analogii do świata IT, do świata programistycznego, mianowicie tam autor pisze, że lepiej stosować jeden prosty if, w domyśle czy reklama z AI, czy reklama bez AI, niż to jakoś komplikować i niuansować, no bo zwykle jak tam robimy te produkty i piszemy programy, no to im prościej tym lepiej. Znowu to do mnie nie trafia. Wydaje mi się, że jest kilka innych wymiarów pod kątem których można oceniać jakieś inicjatywy. Może ja powiem, dlaczego mnie to boli. Mnie to właśnie boli najbardziej ze względu takiego systemowego, pod kątem takim systemowym. To znaczy tego, że często jest dyskusja o tym, że prawo jest skomplikowane ponad miarę, że pojedyncza osoba po prostu sobie już nie może poradzić z tymi wszystkimi regulacjami, że przy nieco bardziej złożonych interpretacjach trzeba się już odwoływać do kancelarii i tak dalej, i tak dalej.

Ja nie wiem, czy jest jakiś lepszy przykład tego, jak to w praktyce wygląda, niż właśnie to o czym my tu dzisiaj rozmawiamy. Że tak naprawdę właśnie mamy słuszną ideę ochrony ludzi przed deepfake’ami, która nie została właśnie zniuansowana na przykład na kanały, na formę, na kanał publikacji i tak dalej, i tak dalej. I jakby w konsekwencji obrywają wszyscy. Obrywają wszyscy. Wszyscy będą tych prefiksów słuchać. Transmisje radiowe, audycje radiowe staną się jakieś właśnie takie przerywane, niespójne, absurdalne bardzo często. I przy zupełnie bzdurnych właśnie reklamach, komunikatach, wydarzeniach będą dopiski. Mnie to osobiście razi. Razi mnie to właśnie pod kątem tego, że jak coś jest proste i nie wymaga nadzoru państwa, nie wymaga policji nad głową, nie wymaga Unii Europejskiej, to może takie powinno po prostu zostać.

Wydaje mi się. A jeśli realnie to państwo musi zainterweniować, to niech kurczę wykona robotę, żeby to było wykonane dobrze. Bo jak my zaraz pogadamy o tym, skąd to się właściwie bierze, to to się nie bierze z oryginalnych przepisów tak naprawdę. W AI Act tutaj spoiler, nie ma napisane, że każda reklama w radiu musi być w ten sposób oznaczana. To jest siódmego rzędu interpretacja, gdzie to ludzie stwierdzają, że po prostu słuchajcie, lepiej to oznaczyć, lepiej to oznaczyć. My tak w zasadzie to nie wiemy, jak to jest. Wiadomo, że są kary. No to lepiej to oznaczyć. No i co? Czy wydaje się wam, że ludzie wrócą tak naprawdę za mikrofony z tego powodu? Albo czy nie ma lepszych sposobów, żeby ludzie wrócili?

No ja jestem bardzo, bardzo sceptyczny. Wydaje mi się, że taki Jarosław Boberek to dalej będzie tym Jarkiem Boberkiem i dalej będzie gadał w tych reklamach i dalej będzie lektorem i nikt go nie będzie zastępował z tego powodu, że jest gościem, którego głos jest znany. A lektorzy generyczni, no kurczę, no nie wiem. No być może się to zmieni. Może ten rynek się zmieni po prostu. Może świat się trochę zmieni. Bardzo bym chciał, żeby te interesy tych osób były chronione, ale nie w ten sposób. Wydaje mi się, że ten głos odbiorcy jest tak samo ważny, jak głos producenta tego komunikatu. Że to powinno być jakoś wyważone. A nie tylko, że gadajmy o ochronie lektorów, to teraz odbiorca może usłyszeć cokolwiek i to też jest okej.

No moim zdaniem to nie jest okej po prostu. Nie lubię czegoś takiego. Takiego zakłócenia, takiej przestrzeni publicznej, takiej ingerencji w te miejsca, które mogłyby działać prościej, łatwiej i tak dalej, i tak dalej. Prawo powinno być proste, ale nie prostsze niż natura rzeczy, które reguluje. I dobrze rozumieć naturę rzeczy, które reguluje. Tak, aby to było rozumiałe i dopasowane. To się tu łamie w bardzo przejrzysty sposób. I właściwie szkodzi interesom. Bo to prawo nie jest ani proste, ani precyzyjne, ani do końca nie opisuje dobrze sytuacji, w których jest wdrażane na szeroką skalę. Właśnie. Bardzo dużo tych wczesnych naszych analiz wiązało się z tym, że wiele tych definicji, jakie mamy w AI Act, one nie są ostre, ani dobrze nie opisują sytuacji.

Oczywiście prawnicy w takiej sytuacji zacierają ręce. To się zgadza. Nie tylko jak prawo jest skomplikowane, to prawnicy zacierają ręce. Jak prawo jest właśnie niedostatecznie skomplikowane i zostawia wiele furtek, to również zacierają ręce, bo potrzeba interpretacji i wszelkiego rodzaju, mówiąc kolokwialnie, dup ochronów. I to jest tego przejaw. No i co ważne, kiedy spojrzymy faktycznie w literę prawa, to tam nie ma wprost napisanego, że ta sytuacja powinna być uregulowana, że to, co się dzieje, jest zgodne z tym, że jest jakiś przepis, który faktycznie tego wymaga. Mamy tutaj w naszej agendzie, w naszych notatkach bardzo szczegółową analizę i nie ma nic, co by wprost wskazywało, że tak trzeba robić.

Co ważne, w Niemczech, u naszych zachodnich sąsiadów, tego nie ma po prostu, a podlegają temu samemu AI Act, co my, bo tam po prostu mamy już organ państwowy, orzecznictwo, które wskazuje, że nie musimy tego robić w ten sposób i nikt na bazie korporacyjnego strachu nie podjął tak absurdalnych decyzji. O co chodzi z deepfake’ami? Zastanówmy się, czym jest realnie deepfake i jakie generuje zagrożenia. Jeżeli klonujemy albo imitujemy realną, jeszcze co ważniejsze, rozpoznawalną osobę, no to oczywiście, że z deepfake’iem mamy do czynienia. Nawet jeżeli ta osoba się na to zgodzi, bo jeżeli ona będzie robiła jakieś rzeczy absurdalne, na przykład, no nie chcę, powiedzmy, że my jesteśmy osobami znanymi, no to jeżeli ktoś zrobił deepfake’a mnie, że ja zjadłem batona i teraz zamiast po prostu trzydziestu kilku centymetrów w bicepsie mam pięćdziesiąt po jednym dniu, no to fajnie, jakby to było oznaczone, bo to ludzi faktycznie może wprowadzić w błąd, że jakiś produkt jest dużo lepszy niż w rzeczywistości.

Jeżeli ktoś podrabia jakąś opinię o produkcie, no to to też jest… Deepfake, jeżeli sobie generujemy jakieś awatary losowe ludzi, którzy nas przekonują do czegoś, mówią, że ja tu jestem zadowolonym klientem, kupujcie, bo moje życie się zmieniło, to też jest deepfake. Taka jest prawda, ale jeżeli mamy neutralnego, racjonalistycznego lektora, to czy to nadal jest deepfake? Albo jeżeli mamy syntetyczny głos w aplikacji, tu też fajnie Tomasz Ducin wskazał, no to co, nasz lektor w Google Maps, albo w Siri, to też jest deepfake? Tutaj powinien zostać zapowiadany, bo jest to głos wygenerowane przez AI, z jakiegoś powodu nie musimy dostawać informacji, że jest to sztuczna inteligencja. Lektor sam w sobie to jest też jedno, ale też co ten lektor zapowiada, jeżeli to jest jakiś komunikat polityczny, finansowy, związany ze zdrowiem, to być może warto być bardziej uważny.

Zresztą tak samo jak są szybko przewijane komunikaty, że to jest jakaś zbrodnia zdrowotna, skonsultuj się z urodą, bądź lekarzem, to też mamy, to również jest doprowadzone do jakichś granic absurdu, ale być może tutaj faktycznie trzeba być bardziej uważnym, odpowiedzialnym, ale jeżeli jest to reklama bułki, to jest to po prostu absurd. No dokładnie tak, tutaj jeszcze mówiłeś o tej naszej analizie, więc może tutaj tylko wspomnę przez jakie tutaj etapy przeszliśmy w tym researchu, więc sam AI Act mówi, że deepfake jako taki istnieje, trzeba z nim walczyć, oznacza wygenerowane przez AI lub zmanipulowane przez AI obrazy, treści dźwiękowe lub treści wideo, które przypominają istniejące osoby, przedmioty, miejsca, podmioty lub zdarzenia, które odbiorca mógłby niesłusznie uznać za autentyczne lub prawdziwe.

Czy z tego względu, że zaraz się pojawi zapowiedź jakiegoś festynu w Katowicach, ja jestem wprowadzany w błąd? Nie wydaje mi się, nie wydaje mi się, dodatkowo nie mamy tutaj tego czynnika dotyczącego istniejących osób, jakichś autorytetów, czegoś co działa w taki sposób jak powiedziałeś, co działa inaczej niż w rzeczywistości, w sposób taki persuazyjny też to tutaj nie występuje. Sam AI Act nie jest tutaj winowajcą, ale idziemy dalej. Mamy wytyczne Komisji Europejskiej, bo oczywiście sam AI Act to zostawia na takim poziomie, więc muszą być interpretacje i wytyczne, więc wytyczne Komisji Europejskiej mówią, że żeby zaistniała ta potrzeba oznaczania treści jako deepfake, jest wystarczające, żeby te osoby właśnie symulowane, te osoby, które przedstawiamy w naszych kampaniach, w naszych kreacjach, przypominały kogoś lub coś co istnieje, co mogłoby istnieć albo co istniało w przeszłości i właśnie wtedy zachodzi ta potrzeba oznaczania tego konceptu, komunikatu jako też deepfake. Nadal wydaje się, że nie mówimy tutaj o generycznych reklamach jakichś produktów z zupełnie neutralnym komunikatem.

Cały czas tutaj jest wskazówka a propos tego, że to musi być odwzorowanie czegoś w rzeczywistości, gdzie ten komunikat jest jakby skrzywiony, ten komunikat jest właśnie jakąś tam parafrazą, przełożeniem tego jak coś działa. Nadal tutaj nie ma takich wskazówek czy argumentów za tym, żeby w radiu te reklamy oznaczać. Mamy tutaj dodatkowo takie kontraargumenty mówiące, że deepfakami nie są AI voice replication for fictional characters, czyli tak naprawdę właśnie to generowanie głosu postaci nieistniejących np. na rzecz audiobooków, gier lub animacji i pewnie Google Mapsów, tak jak powiedziałeś, pewnie różnych innych aplikacji, które ze sztucznej inteligencji korzystają z dopiskiem, że właśnie tam nie ma tych intencji negatywnych i nie ma też ujawnionej tożsamości narratora.

Co jest też jasne i klarowne moim zdaniem. Czym innym jest autorytet, który nam mówi zrób coś, a czym innym jest jakiś generyczny głos, który mówi, że no właśnie jest promocja w sklepie tak naprawdę, która realnie też w tym sklepie jest, bo to jest bardzo ważne. To nie jest komunikat pod tytułem idź do tego sklepu, a tam nie ma tej promocji. Kodeks postępowania też na stronach Unii Europejskiej. Oczywiście doprecyzowanie. Tutaj jest doprecyzowanie a propos tego jak właśnie już ten komunikat powinien wyglądać, że to powinno się pojawiać na początku jakiegoś deepfaka, jakiś short disclaimer, oznaczenie przy pomocy prostego jasnego języka. Polski ustawodawca niczego tutaj od siebie tak naprawdę nie dokłada. Nasza ustawa o sztucznej inteligencji powołuje tutaj Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji. Raczej to jest takie ciało robocze składające się z przedstawicieli różnych instytucji, różnych organów publicznych, które po prostu zakładam będą się zajmować wyjaśnieniem takich sytuacji jak ta.

Być może to jest gdzieś tam poddane analizie i będzie jakaś taka interpretacja na dzisiaj. Nie ma tutaj niestety żadnych podpowiedzi, ale dopiero taki trop, który tutaj jest istotny, taki etap tej analizy, który daje nam jakąś podpowiedź to jest przewodnik tzw. Związku Pracodawców Branży Internetowej IAB Polska, który opublikował raport 5 sierpnia 2026 roku o nazwie oznaczenie reklam AI zgodne z AI Act, który de facto można sprowadzić do tego, że lepiej oznaczać niż nie oznaczać, bo po prostu są kary i jak nie oznaczysz to będzie potencjalnie gorzej niż gdybyś oznaczył. Do tego się to sprowadza. Brakuje mi właściwego określenia, ale jest to jakieś takie uproszczenie aż tak bolesne na tak wielu poziomach, że aż się nie dziwię, że ono zostało tutaj w ten sposób przedstawione. Wszystko się zaczyna właśnie na tej samej górze.

Ten AI Act, cały ten łańcuszek rozpoczyna, potem pięć etapów dalej już czytamy, że właśnie kampania audio wykorzystująca syntetyczny głos to już jest jakaś kampania z obowiązkiem oznaczania, chociaż tam nigdzie nie ma w zasadzie takich komunikatów. I tak jak pisałem na LinkedIn, to będzie tak, że jakiś zespół marketingowy, jakaś Basia, Marek i Władek sobie siedzą w pokoju, nikt nie wie czy to trzeba robić, a to zróbmy to, bo a co jak dostaniemy jeszcze parę baniek kary. No i tak to po prostu wygląda. Mamy tutaj też oczywiście całą serię interpretacji kancelarii prawnych, nie wiem czy chcemy przez to przechodzić. Ogólnie jeden mówi, że trzeba, jeden mówi, że nie trzeba i w takim miejscu właśnie jesteśmy, natomiast cookie banery w radiu już są i będziemy musieli z tym dealować, więc w jakiś sposób tam przewidzieliśmy tą rzeczywistość.

Niestety tak, ale miejmy nadzieję, że podobnie w przypadku RODO z czasem ta sytuacja trochę się poprawi. Będziemy mieli jakieś decyzje, orzecznictwa, które może zniuansują bardziej tą sytuację i trochę przywrócą tą obecnie absurdalną sytuację bliżej granic normalności i rozsądku. Widać tutaj jak AI polaryzuje ludzi, jak skrajne też opinie i emocje wywołuje. Zwykle prawda jest gdzieś pośrodku, trzeba się dobrze nad czymś pochylić, skupić. No i cieszymy się, że tutaj słuchacie nas, rozmawiacie o tym, też się zastanawiacie. Staramy się to dla Was już od trzech lat robić. Będziemy też tą misję kontynuowali. No i cieszymy się, że są ludzie coraz więcej, którzy tego słuchają i chcą na tą rzeczywistość w sposób taki właśnie nie zero-jedynkowy, tylko bardziej zniuansowany i też rozumieć czemu coś jest, a czemu czegoś po prostu nie ma i być nie powinno.

Przejdźmy jeszcze na koniec do tych premier Insight modeli. Staramy się tego typu anonsmentów unikać, bo one same w sobie są stosunkowo coraz nudniejsze z biegiem czasu, aczkolwiek w tym przypadku jest kilka ciekawych trendów, które też zresztą trochę łączą się z tym o czym w poprzednich odcinkach wspominaliśmy. Niecały tydzień temu, a nie, w zasadzie dokładnie tydzień temu, 22 września mieliśmy premierę Opusa 5.5, czyli pierwszego modelu z rodziny Claude 5.5, który już się dorobił kolejnego członka powiedzmy, czyli Sonnet również miał swoją premierę wczoraj. Cóż z tej premiery wynika? Oprócz tego, że jest to bardzo dobry model, jeden z najlepszych z jakimi przyszło mi pracować do tej pory, jeżeli nie najlepszy, model szybki i tani.

Co ten model odróżnia od swoich poprzedników? Jest on zauważalnie tańszy od Claude Fable 5.1, jednocześnie od niego szybszy, a w wielu zadaniach robi równie dobrą robotę. Jeżeli chodzi o cennik, to tu mamy 20% taniej niż w przypadku Opusa 5, ale co ważne odczyt z cache, który stanowi większość tak naprawdę kosztów pracy agentowej i programistycznej. jest o 60% tańszy niż w przypadku Opusa piątki. No i to widać, jeżeli w Claude Code wpiszemy sobie komendę usage, no to bardzo wolno te plany się wysycają. Jest to naprawdę imponujące. No i w wielu benchmarkach ten model jest liderem, albo jest na podium. Nie będziemy tutaj się przerzucali. W niektórych, wiadomo, ten model jest lepszy, w niektórych Astra, w niektórych Claude Fable.

Te publiczne benchmarki często mówią nam tak naprawdę coraz mniej. Liczy się kasa, liczy się jakość, liczy się szybkość. I tu jest naprawdę dobrze. Myślę, że taki ostatni fajny feeling był właśnie przy premierze Opusa 4.5, czyli gdzieś tam o jedną generację do tyłu. Znowu jest coś takiego, kurczę, ale to jest dobre, ale to jest szybkie, ale to jest przyjemnie. Fajnie się z tym gada. Przemek, jakie ty masz feelsy, jak gdzieś tam korzystasz z Opusa 5.5? Przyznam szczerze, że teraz jak jestem przywalany obowiązkami, to dość niestarannie promptuję tych moich agentów i widzę, że to jest model, który przy tym moim niestarannie promptowaniu i tak robi rewelacyjną robotę, co po prostu nie występowało w przypadku poprzednika, w przypadku Opusa 5.

Naprawdę szybko łapie, dobrze interpretuje instrukcje w repozytorium. Fajnie jest też wykorzystywana pamięć. Widać, że po prostu coś się dzieje poza samym folderem z projektem. Gdzieś tam na poziomie folderu domowego tam są pozostawiane te artefakty, które instruują model do tego, czego zwykle od niego chcę, co zwykle robię w tym projekcie i tak dalej. No naprawdę rewelacja. Też bardzo istotną korzyścią jest to, na co zresztą Anthropic też zwraca uwagę, że jakby styl pisania poszedł w górę, że będzie mniej tego klasycznego AI slopu. Ja przyznam szczerze, że już miałem mdłości, jak czytałem internet gdzieś tam za czasów opusa 5. Widziałem, kto nie pisze opusem, bo tyle było tych publikacji i wypowiedzi z opusa, że widziałem, kto tym opusem nie pisze.

I tutaj znowu ten efekt jest zmniejszony, co mnie bardzo cieszy, bo cały czas bym chciał z tego case’a, z tego przypadku korzystać. Chciałbym się wspomagać modelami przy pisaniu, tylko że właśnie ten tekst musi być w takiej formie generowany, żebym się tego po prostu nie wstydził, żeby można było się pod tym podpisać i tak dalej. I widzę tutaj dużą zmianę na plus. No i znowu ta premiera to jest taki powiedzmy kamyczek do mojego fajnego naiwnego planu, że po prostu zostanę sobie z Codexem, zostanę sobie w ChatGPT, że już się nie lubię z Claude Code. Jednak się kurcze znowu lubię z tym Claude Code i z tym Anthropicem, także jednak wahadło po prostu rozbujane. Ja się mega cieszę, bo dużo bardziej na poziomie doświadczenia użytkownika odpowiada mi Claude Code.

Siłą rzeczy chcąc nie chcąc w ostatnich tygodniach więcej korzystałem z Codexa. Oczywiście wiadomo trzeba, też trzeba, można, ale głupio tego obecnie nie robić z mojej perspektywy i też z mojego gdzieś tam punktu tego, czym się zajmujemy, nie mieć tych dwóch subskrypcji obecnie. No i jakoś po prostu będę żył, że żyłam jedną i drugą. Czy będę w stanie to wysycić? Nie wiem, bo naprawdę tego Opusa dość dużo korzystałem w ostatnim tygodniu i nie jestem w stanie póki co przeżyć tego największego planu. Też nie mam ambicji puszczania jakiś tam randomowych loopów, żeby tylko rzeczy się działy. Oczywiście to też ma swój cel jakiś tam badawczo-rozwojowy przy niektórych zadaniach, ale przy takim normalnym, aczkolwiek intensywnym użytkowaniu naprawdę jest to atrakcyjny model.

I teraz pytanie, z czego to wszystko wynika. Czy to Anthropic gdzieś tam chce nam zrobić dzień dziecka? A co w ogóle z tym Fablem? Miał być jeźdźcem apokalipsy, były blokady eksportowe. W ogóle koniec świata miał nadejść, jak tylko ten Fable trafi do rąk przeciętnego programisty w normalnej cenie, a teraz otrzymujemy model, który jest szybszy, tak samo dobry i jeszcze można z niego korzystać praktycznie na nieograniczoną skalę. Najlepszy jest wstęp do tego blogposta, gdzie tam Dario Amodei pisze, czy w zasadzie ta ekipa Anthropic pisze, że trwa już ten proces pacing the frontier, już w zasadzie spowolniliśmy, już w zasadzie wszystkie te nasze apele o regulacje już jakby zostały wdrożone, ale mamy tu jeszcze jeden fajny model, który słuchajcie jest efektem tego spowolnienia, jest lepszy w zasadzie na wszystkich polach i wymiarach, ale słuchajcie, trust me bro, my to ogólnie bardzo jesteśmy za to spowolnieniem.

Dokładnie, nie jest to Fable, bo przecież przed nim was ostrzegaliśmy, żeby zakończyć ludzkość, to nie jest to, to jest tylko opusik 5.5, więc wiecie tutaj labelki są bardzo ważne. No moi drodzy, cóż mogę powiedzieć, ja widzę walkę o niesamowitą waluację w IPO no i oczywiście zażartą konkurencję z OpenAI i wszystko inne pewnie jest gdzieś tam na drugim, trzecim planie. Tak więc do znacznej większości zadań z tego opusa warto korzystać, zwłaszcza jeżeli mamy subskrypcję, która na to pozwala, bo taką subskrypcję warto kupić. Nie ma lepszego momentu, jak to się mówi od dość dawna i zawsze się z tego śmieję, ale autentycznie chyba nigdy nie było i nigdy nie będzie taniej niż teraz. Ten opus 5,5 na subskrypcji 100$ to jest steal, to jest po prostu to ile można z tego wyciągnąć wartości, inteligencji i wykonanej roboty.

No nie wiem, czy kiedykolwiek coś takiego się powtórzy, być może tydzień przed wyjściem jednej, bądź drugiej firmy na giełdę, bo naprawdę jest to szaleństwo. Tak, no z drugiej strony też sporo się dzieje w tym tutaj duopolu Frontier. Mamy tutaj premiery GPT-6 Luna i SoL, czyli powiedzmy takich młodszych, mniejszych braci, to mniejsze rodzeństwo GPT-6 Astra. No i tutaj cennik też jest bardzo urozmaicony. GPT-6 Luna, czyli właśnie ten najmniejszy model z serii GPT-6 zaczyna się od 10 centów za wejście za milion tokenów wejściowych. Wyjście to jest 0,5$, GPT-6 SoL to są 2$ za wejście i 10$ za wyjście. Nie mamy tutaj Terry. Tutaj ekipa OpenAI wspomina, że to jak dobrym modelem okazała się Luna po prostu sprawia, że Terra jako taka nie ma sensu, bo wszyscy zaczęli z tej Luny korzystać jako z takiego domyślnego kodera.

No i co? Znowu mamy wskazówkę dotyczącą tego, że tak naprawdę nie jednym modelem rozwiążemy wszystko, że mamy te modele o rząd wielkości tak naprawdę tańsze, a żonglowanie modelami cały czas jest istotne, tak jak powiedziałaś. Warto mieć te subskrypcje w jakiś tam sposób lustrzane, żeby sobie te opcje porównywać. Ta Luna jest bardzo ekonomicznym modelem z GPT-6 Luny. Dobrze mi się korzystało w takich przypadkach, gdzie już ten plan, o którym dzisiaj mówimy, był. Zbenchmarkowałem sobie też ten model w tych sytuacjach, gdzie planu nie było i tam szału nie było, prawdę mówiąc, ale tam, gdzie plan był, to Luna robiła robotę. No i znowu rząd wielkości taniej, toolkit się rozszerza, możemy sobie tak naprawdę wybierać.

Świetne opcje. Chociaż widziałem, że dzisiaj Renaud z OpenAI poinformował też o starcie planu Pro za 200 dolarów i wspomina, że tam się pojawi jakiś inny przelicznik względem samego API, więc no kto wie, ile ten dzień dziecka będzie trwał. Może znowu masz przódkę, że tutaj tydzień, tydzień i zbliżymy się do tych rozliczeń. Tam bodajże ma być tak, że ten ryczałt, który ma się pojawić właśnie w tym planie za 200 dolarów, ma być jakby 50% tańszy względem API, że to ma być taki plan, który się trochę wyłamuje z takiej puli powiedzmy nie do końca jawnej, nie do końca przejrzystej, tylko raczej oni go nazywają połową tego, co zapłacilibyście za API. Więc no zobaczymy, zobaczymy, jak długo zostaniemy na takich subskrypcjach.

Happy, happy coding. No czyli znacznie mniej tak naprawdę niż to, co do tej pory mieliśmy do dyspozycji, no bo na tych dużych subskrypcjach byliśmy w stanie przepalić znacznie więcej niż dwukrotność ich ceny. Wiadomo, ceny Anthropic’a są wyższe, no ale tam wykręcenie w miesiąc kilku dobrych tysięcy dozów nie było żadnym wielkim osiągnięciem. To też jest jakimś tam sygnałem. Nadal biorąc pod uwagę, jak ta efektywność modeli rośnie, ile one potrzebują tokenów, żeby zrealizować zadanie na odpowiednim, poprawnym poziomie, no to cały czas tych tokenów potrzebują mniej. No więc możliwe, tak przynajmniej twierdzi Thibault z Codexa, że to będzie transparentne i pozytywne. Być może w rzeczywistości jest inaczej.

Ciężko tak naprawdę stwierdzić. Co wydaje mi się jest niemalże pewne, subskrypcje oczywiście są cenowo zbyt atrakcyjne, a jednocześnie ceny API tych naszych gigantów są zawyżone, przez co cały czas mają przestrzeń na to, żeby te ceny obniżać, kiedy jest taka pora. Dobrze to pokazuje spadający cennik Opusa 5.5 i też te coraz bardziej atrakcyjne ceny po API w przypadku GPT-6, Luna, SoL. Tam naprawdę jest zauważalna marża za markę, za dostępność narzędzi, więc jeżeli ktoś liczy, że te ceny za API jakoś gwałtownie wzrosną, to myślę, że się przeliczy z czasem. Pożegnamy pewnie tak atrakcyjne subskrypcje za jakiś tam czas. No pewnie po wyjściu jednej i drugiej firmy na giełdę, bo dopiero wtedy będą mogły sobie na to pozwolić.

Aczkolwiek ceny po API raczej tutaj nie prognozuje znacznego wzrostu, pewnie spadek i pewnie to, co oferują Chińczycy jest dużo bliższe braku marży i nadal jakiś tam mimo wszystko margines bezpieczeństwa tej marży występuje niż to, co mamy od tych największych amerykańskich gigantów, którzy palą pieniądze, ale nie w tym miejscu. I to dobrze pokazują firmy publiczne takie jak Amazon, jak Google, jak Microsoft. Te firmy również wiele modeli po API oferują i wcale nie są na jakiejś absurdalnej stracie. Te nasze prywatne jeszcze big techy jak OpenAI, Anthropic faktycznie są i faktycznie kasę palą, a najpewniej na talent, na trening, na infrastrukturę. Tam oczywiście kasa płonie, ale po API myślę, że tutaj działalności charytatywnej nie doświadczamy.

I to, że mogą sobie pozwalać cały czas na tego typu obniżki i atrakcyjne subskrypcje jest tego dowodem. Przemku, gdzie jeszcze chcemy na koniec odcinka zaprosić naszych słuchaczy? Chcemy Was zaprosić do subskrybowania naszego newslettera, newslettera Opanuj AI, do którego możecie się zapisać, uwaga, na stronie opanuj.ai, nie open.ai, tylko opanuj.ai. I co dzięki temu zyskujecie, co poniedziałek otrzymacie od nas trzy ręcznie wyselekcjonowane newsy, zasoby, źródła wiedzy dotyczące sztucznej inteligencji i uczenia maszynowego, które po prostu pomagają Wam trzymać rękę na pulsie w całym tym szalonym świecie. Żadne automaty za tą selekcją nie stoją, my cały czas na zmianę, tydzień po tygodniu patrzymy na to, co tam się pojawia, wybieramy to, formatujemy, redagujemy i też dodajemy informacje z innych części naszego ekosystemu.

Czasami podpowiemy, co się dzieje w 10xDevs, czasami podpowiemy, co się dzieje na naszym YouTubie, czasami zarekomendujemy jakiś inny newsletter, który też prowadzimy. Więc zachęcamy, żeby się zapisywać, opanuj.ai, łamany przez newsletter, bardzo zwięzły, ale wydaje nam się, że praktyczny i taki bezpośredni newsletter, który co poniedziałek na Waszą skrzynkę trafia. Dzięki temu po prostu nie przegapicie informacji ze świata AI, to jest też taki suplement do naszego podcastu. Dostajemy po głowie za to, że tylko raz na miesiąc, stay tuned, pracujemy nad tym, myślimy nad tym, jak to zmienić, ale jeszcze nie będziemy tutaj prezentować planów, bo rzekomo Plan Mode is dead, że taką klamrą tutaj zakończę, ale ogólne planowanie u nas w naszej firmie cały czas is not dead, można powiedzieć, także dziękujemy za feedback, reagujemy na to, co mówicie, wiemy, że chcecie więcej naszego podcastu, bardzo nas to cieszy, postaramy się, żeby to zmienić.

Natomiast szczegóły w przyszłości. No i co, chyba do brzegu. Do brzegu, dziękujemy, że nas słuchacie, jeżeli się podobało, poprosimy o 5 gwiazdek na Spotify, podzielenie się tym podcastem, jeżeli jesteście na YouTube, subskrypcja, łapka, klasyka, social media. Dzięki temu trafimy do szerszego grona odbiorców i dziękujemy, że tutaj z nami byliście, jak co miesiąc. Do następnego, miejmy nadzieję, że szybszego odcinka, wszystkiego dobrego, pozdrawiamy, cześć. Napisy stworzone przez społeczność Amara.org