Pracuję na styku AI i codziennych procesów firmy. Zaczynam od tego, jak praca wygląda dziś, i znajduję największe wąskie gardło. Zanim cokolwiek zbuduję, liczę, czy zmiana się opłaca: ile razy w miesiącu zadanie się powtarza, ile minut zajmuje jedno wykonanie i ile z tego czasu zdejmuje zmiana. Jeśli rachunek nie wychodzi, mówię o tym wprost i nie biorę się za temat. Dopiero potem buduję i zostaję z rozwiązaniem na dłużej: utrzymuję to, co działa, uczę zespół korzystać z narzędzi i biorę na warsztat kolejny obszar.
Od 5. roku życia gram w szachy i stąd mam nawyk liczenia kilku ruchów do przodu. Ten sam nawyk został mi przy technologii: nowe narzędzie oceniam po tym, co się z nim stanie w trzecim kroku, a nie po pierwszym wrażeniu.
Jestem technologicznym generalistą. Budowałem własne przedsięwzięcia, zamiast zamykać się w jednej specjalizacji, i stąd mam doświadczenie z kilku stron naraz:
Rzadko siedzę w jednym wycinku procesu, więc widzę, jak jego części na siebie wpływają. Dzięki temu spinam rozproszone narzędzia i dane w jedną całość, która zdejmuje z zespołu godziny ręcznego przepisywania.
Pracuję z zespołami, które rosną szybciej, niż nadążają z codziennymi zadaniami. Dane są rozproszone, mnóstwo pracy wciąż idzie ręcznie, a AI mogłoby to uprościć, tylko nikt nie ma czasu przetestować dziesiątek narzędzi i sprawdzić, które z nich rzeczywiście zdają egzamin w tych procesach.
Łączę narzędzia AI, automatyzacje i programowanie z modelem, czyli vibe-coding, w jeden warsztat pracy. Zamieniam pomysły w działające prototypy w kilka dni, a powtarzalne zadania w procesy, które idą same. To, co da się zbudować szybko, buduję sam; przy większych wdrożeniach prowadzę zespół i dostawców.
Łączenie celów biznesowych z konkretnym wykonaniem. To nie generowanie obrazków dla samego efektu, tylko projektowanie rozwiązań i koncepcji, które realnie usprawniają pracę firmy.
Łączenie pozornie niezwiązanych narzędzi (Make, Zapier, API, LLMy) w spójne, bezobsługowe procesy oszczędzające setki godzin.
Na co dzień pracuję z modelami językowymi, generatorami obrazów i wideo oraz automatyzacjami. Każde nowe narzędzie sprawdzam najpierw na własnym zadaniu, więc wiem, które z nich skracają pracę, a które tylko dobrze wyglądają na pokazie.
Zamiast wielomiesięcznych analiz pierwsza działająca wersja powstaje w dzień, nie w kwartał. Kiedy jeszcze trwa rozmowa o zakresie, jest już co pokazać i na czym testować założenia.
Przekazywanie wiedzy w przystępny sposób. Przełamywanie oporu przed nowymi technologiami i przekształcanie pracowników w „super-użytkowników" AI.
AI to nie sztuka dla sztuki. Szukam w firmie obszarów, w których wdrożenie obniża koszty, podnosi marżę albo skraca czas obsługi. Zwrot liczę przed startem, w godzinach pracy i w złotówkach, i sprawdzam go po wdrożeniu.


Zautomatyzowany system analityczny dla globalnej marki z branży Beauty. Zamienia tysiące stron wewnętrznych raportów w gotowe, interaktywne strategie marketingowe.
Problem:
Klient (globalny gracz Beauty) tonął w historycznych danych. Wyciągnięcie wniosków z tysięcy stron rozsianych PDF-ów i prezentacji zajmowało zespołom tygodnie, a same analizy często opierały się na wewnętrznej „bańce", ignorując to, co tu i teraz dzieje się na rynku.
Rozwiązanie:
Zbudowałem 5-etapowy, wielomodelowy workflow (Agentic AI), który przepuszcza surowe dane przez klasyczne ramy strategiczne, zderza je z „żywym" internetem i wypluwa gotowy kod prezentacji.
Architektura procesu:
System kategoryzuje tysiące wewnętrznych plików klienta na 3 obszary: Głos Rynku (dane miękkie), Twarde Wyniki (dane wewnętrzne) i Kontekst Strategiczny.
AI analizuje dane przez pryzmat modelu 3C i STEEP. Agent wychodzi poza wgrane PDF-y i używa Deep Research oraz Perplexity, aby zweryfikować trendy w czasie rzeczywistym. System aktywnie wyszukuje np. małe marki „indie", których nie widać w korporacyjnych raportach.
Zamiast ślepo ufać wygenerowanym wnioskom, używamy modeli do przewidywania efektów kaskadowych. System symuluje zagrożenia (np. „jeśli naprawisz spadek sprzedaży agresywną promocją, AI ostrzega przed utratą wizerunku premium").
Zamiast pliku tekstowego, na samym końcu procesu Claude 4.5 Sonnet generuje interaktywny Strategy Deck napisany w HTML/CSS, gotowy do pokazania zarządowi.
Wielokanałowy system kwalifikacji leadów i generowania draftów dla stowarzyszenia turystycznego. Powtarzalna architektura AI, która oszczędza setki godzin właścicielom małych biur.
Problem:
Stowarzyszenie zrzeszało małe firmy turystyczne, w których to sami właściciele tracili godziny na ręczną obsługę zapytań z Instagrama, Facebooka i strony www, a potem na żmudne pisanie spersonalizowanych ofert wycieczek od zera.
Rozwiązanie:
Zamiast budować jeden monolityczny, ryzykowny system, zaprojektowałem powtarzalną architekturę AI, którą wdrożyłem jako osobne instancje dla każdej z firm. System wielokanałowo kwalifikuje leady, a na końcu przygotowuje ustrukturyzowany draft oferty do weryfikacji.
Architektura procesu:
Pierwsza linia frontu działa symultanicznie na Instagramie, Messengerze oraz przez widget na stronie www konkretnej firmy. System natychmiast reaguje na wiadomości i wciąga użytkownika w rozmowę.
Jeden zaawansowany „szablon" Agenta AI, wdrożony jako osobne systemy dla poszczególnych członków stowarzyszenia. Każdy Agent, karmiony wyłącznie odizolowanymi danymi konkretnego biura, precyzyjnie odpowiada na pytania i sprawnie wyciąga od klienta wytyczne (kierunek, budżet, preferencje).
Gdy Agent zebrał komplet informacji, pakował je w ustrukturyzowany format (JSON) i przesyłał dalej, kończąc swoją rolę.
Zebrane dane automatycznie zasilały formularz w aplikacji Formaloo. AI przetwarzało je na ustrukturyzowany draft oferty, od razu ułożony na slajdach. Właściciel biura wchodził „na gotowe": weryfikował zebrany kontekst i dopiero wtedy kontaktował się z klientem. System zdejmuje z niego cały wstępny wywiad i zostawia mu to, co najważniejsze: domknięcie sprzedaży.
Wirtualny sztab kreatywny napędzany sztuczną inteligencją. Od głębokiego researchu kulturowego po generowanie 200 Big Idei i produkcję gotowych assetów wideo/foto dla platformy streamingowej.
Problem:
Duża platforma VOD wprowadzała na rynek nowy, wysoce poufny i kontrowersyjny eksperyment społeczny z udziałem znanych influencerów. Temat był bardzo wrażliwy społecznie. Klient potrzebował odważnej strategii, wygenerowania „efektu zaskoczenia" oraz pełnego planu komunikacji, zanim twórcy w ogóle weszli na plan zdjęciowy.
Rozwiązanie:
Zamiast tradycyjnego, wielotygodniowego procesu agencyjnego, zbudowałem w Digital First AI zautomatyzowany Agentic Workflow: wirtualną agencję złożoną z wyspecjalizowanych person, która przeprowadziła projekt od researchu aż po wygenerowanie gotowych rolek i Key Visuali.
Architektura procesu:
Zanim powstało chociaż jedno hasło, połączone modele przeanalizowały historyczne uwarunkowania, slang, nastroje opinii publicznej oraz udane, viralowe kampanie typu Guerilla Marketing. Pozwoliło to zmapować ryzyka i precyzyjnie zsegmentować odbiorców na 2 główne grupy docelowe.
Wirtualny zespół (Senior Strateg, PR-owiec, Dyrektor Kreatywny i Social Media Ninja) wygenerował 200 unikalnych kierunków strategicznych. System automatycznie rozbijał najlepsze Big Ideas na filary komunikacji i tworzył konkretne Key Message dla każdego kanału.
Ominąłem problem braku zdjęć z planu. Wszystkie grafiki, Key Visuale, materiały na social media oraz precyzyjne storyboardy wygenerowałem za pomocą modelu Nano Banana Pro.
Do wprawienia kampanii w ruch użyłem dwóch różnych silników. Dynamiczne, pionowe formy na social media (rolki) wygenerował model Sora 2, natomiast dłuższe i bardziej złożone ujęcia filmowe powstały przy użyciu modelu Veo.
Zbieram informacje i odsiewam to, co nieistotne. Zamiast planować wielomiesięczne transformacje, rozbieram pracę na czynności i szukam jednego wąskiego gardła, w którym AI da efekt od razu.
Zanim cokolwiek powstanie, każdy proces z listy dostaje ten sam rachunek: ile razy w miesiącu się powtarza, ile minut zajmuje jedno wykonanie, ile z tego czasu realnie zdejmuje zmiana i ile kosztuje samo wdrożenie. Pomysł, który tego nie przechodzi, odpada na tym etapie, zanim ktokolwiek zacznie go budować.
Buduję najprostszą wersję rozwiązania: krótki skrypt, testowy przepływ pracy albo uproszczony materiał reklamowy. Prototyp trafia do zespołu i zderza się z rzeczywistością, a ja sprawdzam, czy rachunek z poprzedniego kroku broni się w praktyce.
Gdy założenia są potwierdzone, buduję pełne narzędzie. Łączę proces w spójną automatyzację, podpinam pod firmowe systemy, szkolę zespół i udostępniam gotowe rozwiązanie.
Nie trzeba z góry wiedzieć, co automatyzować. Od tego jest pierwsza rozmowa: przechodzimy przez to, jak praca wygląda dziś, wskazuję miejsce, w którym AI zwróci się najszybciej, i mówię wprost, czego jeszcze nie da się dowieźć. Zostaje działający proces i zespół, który potrafi z niego korzystać.
