Lekcja 12 z 12
Zanim model dostanie cały cel, dwie liczby do sprawdzenia
Wiadomo, czego wymagać od zapowiedzi o samodzielnie pracujących agentach, zanim któremuś z nich odda się zadanie bez nadzoru.
7 min · sprawdzone 2026-09-16
Kroki
Zapytaj o długość zadania, a nie o jakość modelu
Zdolność do prowadzenia zadania przez godziny jest inną wielkością niż jakość pojedynczej odpowiedzi i mierzy się ją osobno.
Zapytaj o odsetek zadań ukończonych bez poprawki
Sama zdolność rozpoczęcia długiego zadania nic nie mówi o tym, ile z nich kończy się wynikiem nadającym się do użycia.
Ustal, co się dzieje, gdy zadanie się zatnie
Agent, który zatrzymuje się i pyta, jest bezpieczniejszy od agenta, który sam wybiera dalszą drogę. To jest pytanie do zadania przed wdrożeniem.
Zacznij od zadania, którego skutek da się cofnąć
Pierwsze zadanie oddane bez nadzoru ma być takie, którego błędny wynik nic nie kosztuje poza czasem.
Co zobaczysz
Dwie liczby zapisane razem z datą i nazwą testu, z którego pochodzą. Zapowiedź bez tych dwóch liczb nie nadaje się do porównania z żadną inną.
Gdzie się to wykłada
Przy zadaniach, w których skutek pojawia się poza firmą: wysłana wiadomość, złożone zamówienie, opublikowana treść. Tam cofnięcie błędu jest droższe niż samo zadanie.
Ten stopień nazywa się „Oddajesz cel, nie kroki" - opisujesz, co ma powstać, i pozwalasz AI samej dobrać drogę. Zanim to zrobisz przy czymś ważnym, warto znać dwie liczby, które pokazują, gdzie dziś jest granica.
Organizacja badawcza METR mierzy coś, co nazywa „horyzontem czasowym" AI: jak długie zadanie (licząc czasem, ile zajęłoby to człowiekowi-specjaliście) model potrafi wykonać samodzielnie. To nie jest szacunek z marketingu - to wynik testów na zestawie ponad 170 realnych zadań programistycznych i badawczych.
Ta granica podwaja się co kilka miesięcy
W 2019 roku modele radziły sobie samodzielnie z zadaniami trwającymi ok. 4 sekundy pracy człowieka. W 2026 roku - z zadaniami trwającymi ponad 16 godzin. Przez większość tego czasu granica podwajała się co ok. 7 miesięcy, a w ostatnich dwóch latach tempo przyspieszyło do podwojenia co ok. 4 miesiące.
„Radzi sobie" i „radzi sobie prawie zawsze" to dwa różne zadania
Powyższa liczba (16 godzin) to próg, przy którym model wykonuje zadanie poprawnie w połowie prób. Przy wymogu 80% skuteczności - czyli takiej, przy której warto zaufać wynikowi bez dokładnego sprawdzania - ta sama technologia radzi sobie dziś z zadaniami kilkukrotnie krótszymi. Im dłuższe i bardziej złożone zadanie oddajesz AI, tym większy rozdźwięk między „zwykle wychodzi" a „prawie zawsze wychodzi".
AI bez kontekstu o Twojej firmie to nowy podwykonawca
OpenAI zbudowało osobny test (GDPval): porównał pracę AI z pracą prawdziwych ekspertów ze średnio 14-letnim doświadczeniem, w 44 zawodach - od pielęgniarek po analityków finansowych. Najlepszy sprawdzony model (Claude Opus 4.1) wypadał lepiej lub tak samo dobrze jak ekspert w ok. 49% przypadków. To wysoki wynik - ale dotyczy zadań z jasnym kontekstem zawodowym. Gdy zadaniu brakuje pełnej wiedzy o konkretnej firmie (tak jak nowemu podwykonawcy, który jej jeszcze nie zna), model radzi sobie wyraźnie gorzej niż osoba pracująca w niej od lat.
Trzy zasady przy oddawaniu celu, nie kroków
Traktuj AI jak nowego podwykonawcę, nie jak wieloletniego pracownika
Nowy podwykonawca dostaje pełny brief, nie samo zadanie. Im więcej realnego kontekstu o Twojej firmie dasz modelowi (cennik, poprzednie przykłady, styl marki), tym bliżej wyniku eksperta, nie zgadywania.
Im dłuższe zadanie, tym więcej punktów kontrolnych
Krótkie zadanie możesz sprawdzić raz, na końcu. Długie, wieloetapowe zadanie warto rozbić na kawałki z kontrolą po drodze - dokładnie dlatego, że różnica między „zwykle" a „prawie zawsze" rośnie wraz z długością zadania.
Przy zadaniach ważnych - druga para oczu, nawet jeśli AI
Skoro nawet najlepszy sprawdzony model myli się dziś średnio w co drugim–trzecim trudnym zadaniu eksperckim, przy czymś, co idzie do klienta albo wpływa na pieniądze, sprawdzenie wyniku nie jest przesadną ostrożnością - jest tym samym, co zrobiłbyś z pracą nowej osoby w zespole.