AI engineering po polsku
AI engineering to cztery umiejętności, nie nowy zawód dla wybranych
Nazwa brzmi groźnie i to jest jej największy problem. Ludzie słyszą „engineering" i zakładają, że bez informatyki nie ma o czym rozmawiać. Tymczasem w praktyce chodzi o cztery rzeczy, które robi się po kolei: powiedzieć modelowi, co ma zrobić; podać mu dane, na których ma pracować; dać mu narzędzia, żeby mógł coś wykonać; i ustawić granice, za które nie wyjdzie. Programowania wymaga tylko trzecia — i to nie zawsze.
Prompt — jak powiedzieć, czego chcesz
Nie „zaklęcia", a precyzja: rola, kontekst, format wyjścia, przykład dobrej odpowiedzi. Tu ludzie robią największy skok w pierwszym tygodniu i tu najczęściej zostają na zawsze.
Efekt: model przestaje „gadać", zaczyna odpowiadaćKontekst — skąd model bierze wiedzę
Model nie zna Waszych cenników, umów ani historii zgłoszeń. Trzeba mu je podać: plikiem, bazą, wyszukiwaniem po dokumentach. Bez tego dostajecie poprawnie brzmiące zdania o niczym.
Efekt: odpowiedzi o Waszej firmie, nie o świecieNarzędzia — jak model coś wykonuje
Moment, w którym tekst zamienia się w działanie: wystawienie dokumentu, wpis do systemu, wysłanie maila. Tu zaczyna się agent i tu zwykle potrzebny jest ktoś techniczny — albo gotowa platforma automatyzacji.
Efekt: praca dzieje się, nie tylko opisujeNadzór — gdzie kończy się samodzielność
Co agent może sam, co wymaga zatwierdzenia, co się loguje i kto odpowiada, gdy się pomyli. Warstwa pomijana najczęściej, a to ona decyduje, czy rozwiązanie zostanie w firmie dłużej niż miesiąc.
Efekt: zgoda zarządu, nie tylko zachwyt zespołuDlaczego ta kolejność nie jest przypadkowa
Najczęstszy błąd, jaki widzę: ktoś zaczyna od warstwy trzeciej. Buduje agenta, który ma „obsługiwać klientów", zanim ktokolwiek sprawdził, czy model dostaje właściwe dane i czy polecenie jest jednoznaczne. Efekt jest zawsze ten sam — agent działa na pokazie i sypie się przy pierwszym nietypowym zgłoszeniu. Potem pada zdanie „AI jeszcze nie jest gotowe", choć nie była gotowa instrukcja.
Odwrotnie też się zdarza: zespół zostaje na warstwie pierwszej na dobre. Ludzie świetnie piszą prompty, wklejają je ręcznie po kilkadziesiąt razy dziennie i są z siebie zadowoleni — ale nic się nie zautomatyzowało, tylko doszła nowa czynność. To jest ten moment, w którym warto wejść na warstwę drugą i trzecią, i zwykle wtedy do nas piszą.
Czego tu nie ma — żeby nie było rozczarowania
- Nie trenujemy własnych modeli. To inna dziedzina, inne koszty i inny sprzęt. Dla 99% firm trenowanie modelu jest odpowiedzią na pytanie, którego nikt nie zadał.
- Nie uczymy data science ani matematyki modeli. Nie musisz wiedzieć, czym jest transformer, żeby zbudować agenta, który odpisuje na zapytania ofertowe.
- Nie zaczynamy od pisania kodu od zera. Najpierw sprawdzamy, czy gotowe narzędzie nie wystarczy. Często wystarcza, i wtedy mówimy to wprost.
Od której warstwy zacząć u Ciebie
Cztery pytania. Odpowiadaj szczerze — wynik jest po to, żeby oszczędzić Ci kursu, którego nie potrzebujesz.
Rozwiąż test po lewej — podpowiem, od czego zacząć.
Opisz swój przypadekKtórędy do każdej z warstw
Nie zbudowaliśmy jednego kursu „AI engineering od A do Z", bo nikt nie potrzebuje wszystkich czterech warstw naraz — i nie w tej samej formie. Poniżej jest mapa tego, co u nas realnie jest, z uczciwym wskazaniem, dla kogo każda ścieżka ma sens.
| Warstwa | Gdzie to u nas jest | Dla kogo |
|---|---|---|
| Zero — nigdy nie używałeś AI na poważnie | Kurs AI od podstaw | Osoby, które chcą najpierw zrozumieć, co to w ogóle jest, zanim zaczną cokolwiek budować. |
| 1 — prompt | Kurs prompt engineering · 7 gotowych przykładów | Każdy, kto dostaje od modelu losowe wyniki. Najtańszy skok jakościowy. |
| 2 — kontekst i dane | Baza wiedzy · porównanie modeli | Osoby, które wklejają te same materiały po kilka razy dziennie. |
| 3 — narzędzia i agent | Jak stworzyć agenta AI · krok po kroku w Claude · Warsztat agenta AI (B2B) | Pojedyncza osoba, która chce zbudować własnego agenta — albo zespół, który ma gotowy proces do zautomatyzowania. |
| 4 — nadzór i granice | Jakie uprawnienia nadać agentowi | Firmy, u których coś już działa i trzeba to uporządkować, zanim urośnie. |
| Wszystkie cztery, ale nie chcecie się tego uczyć | Wdrożenia AI w firmach | Zespoły, które wolą dostać działający proces i przeszkolenie, niż przechodzić drogę samodzielnie. |
Ile to realnie zajmuje
Podaję widełki z własnej praktyki, nie z broszury. Uczciwie: tempo zależy głównie od tego, ile masz okazji używać tego w prawdziwej pracy, a nie od liczby godzin materiału.
Przestajesz walczyć z modelem
Warstwa 1 w całości. Po kilku wieczorach świadomej praktyki odpowiedzi przestają być loterią, bo wiesz, czego brakowało w poleceniu. To jedyny etap, który da się zrobić wyłącznie czytaniem i próbowaniem.
Sygnał, że to masz: potrafisz powiedzieć, dlaczego dana odpowiedź wyszła źle, zanim poprosisz o kolejną.
Model pracuje na Waszych danych
Warstwa 2. Projekt z materiałami zamiast wklejania, ustalone, co model widzi na stałe. Tu wychodzi też pierwsza nietechniczna decyzja: które dokumenty w ogóle mogą tam trafić. W firmie ten etap trwa dłużej niż u jednej osoby — nie z powodu technologii, a dlatego że dane trzeba najpierw znaleźć.
Sygnał, że to masz: nowe zadanie zaczynasz od pytania, nie od przygotowywania załączników.
Pierwsza rzecz dzieje się bez Ciebie
Warstwy 3 i 4 razem, bo rozdzielanie ich jest błędem. Jedna automatyzacja, jeden wąski przypadek, zapisane granice i człowiek zatwierdzający to, co wymaga zatwierdzenia. Celowo jedna — druga jest trzy razy łatwiejsza, gdy pierwsza już działa i wiadomo, gdzie się potyka.
Sygnał, że to masz: potrafisz wskazać, co się stanie, gdy agent się pomyli — i kto to zauważy.
Pytania, które dostaję najczęściej
Czy muszę umieć programować?
Do warstw 1, 2 i 4 — nie. Do warstwy 3 bywa potrzebne, ale coraz rzadziej: wiele automatyzacji składa się dziś z gotowych klocków. Granica jest taka: jeśli chcesz połączyć systemy, których nikt wcześniej nie łączył, ktoś techniczny będzie potrzebny.
Czym to się różni od prompt engineeringu?
Prompt engineering to warstwa pierwsza z czterech — ważna, ale sama w sobie nie automatyzuje niczego. AI engineering obejmuje też dane, wykonywanie akcji i granice samodzielności. Jeśli szukasz wyłącznie promptów, zacznij od kursu prompt engineering i nie przepłacaj za resztę.
Czy uczycie trenowania własnych modeli?
Nie. To osobna dziedzina z innymi kosztami i innym sprzętem, a dla większości firm odpowiedź na pytanie, którego nie zadały. Praktycznie zawsze lepszym rozwiązaniem jest podanie modelowi właściwego kontekstu niż trenowanie go od nowa.
Mam zespół — lepiej kurs czy warsztat?
Jeśli zespół ma już konkretny proces, który chce zautomatyzować, warsztat jest szybszy, bo pracujemy na Waszym przypadku, nie na przykładzie. Jeśli ludzie dopiero zaczynają, najpierw kurs — warsztat na nieprzygotowanym zespole zamienia się w pokaz. Szczegóły: warsztat agenta AI.
Co, jeśli po teście wyjdzie, że niczego nie potrzebuję?
To jest prawidłowy wynik i jeden z sześciu możliwych. Dwa werdykty w teście wprost odradzają szkolenie. Wolę to powiedzieć na stronie, niż usłyszeć po miesiącu, że kurs był nie na tym poziomie.
Czy można zacząć od warstwy trzeciej, skoro tam są efekty?
Można i wielu próbuje. Kończy się agentem, który działa na pokazie i sypie się przy pierwszym nietypowym przypadku — bo zbudowano go na niejasnym poleceniu i niepewnych danych. Kolejność nie jest akademicka, jest wyciągnięta z nieudanych wdrożeń.
Nie wiesz, która warstwa jest Twoja? Opisz w dwóch zdaniach, co dziś robisz z AI.
Napisz do nas