95% organizacji nie widzi ROI z GenAI (MIT NANDA, 2025). I najciekawsze jest dlaczego: modele są aż nadto wystarczające. Wąskie gardło przesunęło się na dwie głęboko ludzkie rzeczy. Komunikację z tym, kto zna domenę, i umiejętność przeprojektowania procesu.
Wczorajsze ograniczenie (jakość modelu) dziś jest nie-problemem. Porażki, które widzę na produkcji, to porażki designu, nie możliwości. To zmienia, gdzie mieszka przewaga konkurencyjna: w workflow, ekspertyzie i infrastrukturze, którą budujesz wokół modelu. Nigdy w samym wyborze modelu.
Właściwy stack jest do góry nogami
Ludzie → Workflow → Agenci → Infrastruktura. Ludzie (kompetencja domenowa + osąd) są na górze. Model to jeden komponent w warstwie Agentów, nie fundament. Projektuj agent-first, nie model-first.
Zasady, których naprawdę używam
- Model ≠ Problem. Jeśli agent zawodzi, wada tkwi w designie.
- Skarbem jest to, czego eksperci nie artykułują: subopytymalne praktyki, które znormalizowali. Jedno pytanie diagnostyczne: co zmieniłoby ci życie, a co spisaliśmy na straty jako niemożliwe?
- Każda dana, którą wprowadzisz i dobrze zamodelujesz, to cegła, która zostaje twoja.
- Przeprojektuj proces od zera z ograniczeniem: jedna osoba + te narzędzia AI. Automatyzowanie ludzkiego schematu organizacyjnego to przepis na porażkę w dobrym stylu.
- Przewidywalna jakość przez evale i pass^k, nie review po fakcie. Standard eksperta idzie do środka systemu.
- Harness to trwały asset. Narzędzia, kontrakty, evale, observability: twoje. Model: wymienny.
- Zacznij od deliverable'a o wysokiej wartości. Dni zamiast tygodni, i mierz zysk jakości, nie tylko szybkość.
- Mnożnik, nie rabat na marży. AI służy do odblokowywania pracy wcześniej niemożliwej.
Długa wersja tej metody to flagowy artykuł na yempik.com. To jest wersja, którą noszę w kieszeni, kiedy rozmawiam z CEO. Działa w obu pokojach.
// im bardziej jesteś techniczny, tym mniej technologia jest twoją pracą.