Jak przegrałem pierwszą transformację AI — i co zbudowałem za drugim razem

Mieliśmy srebro i flotę. Co nie zagrało?

W sierpniu 2024, kiedy w ramach AI Journaling rozciągałem możliwości osobistej kointeligencji do granic, dotarło do mnie w pełni, że zmiana naszego modelu biznesowego w firmach usługowych B2B jest nieunikniona.

Podczas prezentacji strategii na 2025 sięgnąłem po metaforę złotego wieku Aten. Ateny dorobiły się na srebrze z kopalni w Laurion, ale potęgą stały się dopiero wtedy, gdy zamiast roztrwonić ten majątek, zbudowały z niego flotę na przyszłość.

Nieświadomie nie wyłapałem niuansu, który potem bardzo bolał. Ateny rozpoczęły ten okres dominacji dzięki skupieniu się na jednym obszarze — morzu, na którym pokonali Persów pod Salaminą, a następnie dyktowali warunki sąsiadom. Ja poszedłem za szeroko i za płytko.

Pierwsza ofensywa AI — 08.2024–07.2025

Nasze spotkania w każdym dziale firmy opierały się na próbach wypracowania i połączenia pojedynczych asystentów w tzw. workflow.

Workflow to szereg powtarzalnych kroków, w tym wypadku wspieranych asystentami AI, które tworzą razem spójną „taśmę produkcyjną". Doświadczeniami z tego procesu podzieliłem się w Google Umiejętności Jutra, a także kursie „Inteligentna transformacja biznesu z AI" w Szkole Biznesu Laba.

We wczesnym 2025 stawiałem tezę, że to humaniści zbudują agentów AI, właśnie przez stopniowe poprawianie takich workflow, które w naszej firmie przybrały nazwę marketingOS, salesOS, customerOS itd.

Niestety tutaj rozbiłem się o błędne przekonanie, że ludzie chcą się uczyć AI — jedną z ułud, które opisywałem w poprzednim artykule. Sprzedawcy gonili targety sprzedażowe, marketerzy pracowali usilnie dla klientów, a feedback do naszego systemu spływał za wolno.

Wówczas podjąłem ważną decyzję — jedyną drogą do uzyskania masowego feedbacku jest wypuszczenie systemu na rynek. MarketingOS zyskał formę kursu, a na naszym Discordzie dokręcaliśmy go z ludźmi, którzy mi zaufali w założenia tego systemu.

Koncept AI workflow opartego na unikalnej wiedzy organizacji zawartej w kontekście był w punkt jeśli chodzi o timing. Niestety po kilku miesiącach walki, zabrakło mi tlenu, by dociągnąć to skutecznie do końca. Wynikło to z grania solo i zbyt szeroko, dlatego w 2026 wszedłem wdrażając wnioski z trzech najważniejszych lekcji.

Trzy lekcje, które zostają ze mną

Nie ma transformacji bez top managementu. Bez tego inicjator — choćby był prezesem i większościowym udziałowcem — staje się wyizolowanym koniem pociągowym, który ciągnie aż padnie. Ja padłem podczas fuzji w jednej firmie, a problemów z developmentem tam, gdzie nie powinienem się tym nawet zajmować. Dziś, by sytuacja się nie powtórzyła, nieocenione jest wsparcie Karoliny Kawskiej.

Transformację dowożą komandosi. Nie potrzebujesz opisów stanowisk ani projektu z harmonogramem na pół roku — potrzebujesz kilku praktyków, którzy znają swoją robotę na pamięć i mają mandat, żeby ją przebudować. Marketer, który w poniedziałek pisze kampanię, a we wtorek zamienia własny sposób pisania w skill. Tygodniowy rytm priorytetów zamiast kwartalnego planu, decyzja od razu zamiast w tydzień. I gotowość na błędy, które bez wątpienia popełniamy. Magdalena Nestorowicz, Jakub Lewandowski i Daniel Alberski to trzon większej grupy ludzi, którym jestem mega wdzięczny.

Feedback szerszego zespołu to paliwo transformacji. Większość ludzi uczy się AI z doskoku, między jednym deadlinem a drugim. Jeśli czekasz, aż sami przyjdą z uwagami, nie przyjdą nigdy. Więc raz w tygodniu siadamy razem nad nową funkcją, a zgłoszenie uwagi skróciliśmy do jednego ruchu — łapie je superagent @Ticketer w ClickUp. Na zamykanie uwag mamy priorytet i jeden termin — dzień roboczy. Kiedy ludzie widzą, że ich głos coś zmienia, dają go częściej. Tu warto docenić każdą osobę, która testuje i daje feedback w naszych firmach, w #22community czy na AION-owym Discordzie.

Mamy zatem konieczność zawężenia uwagi — w naszym przypadku do najdroższego procesu marketingu — a także te trzy lekcje zarządzania zmianą. Ostatnim krokiem było zrozumienie realnych problemów użytkowników — naszych klientów i zespołu.

Czego nie przyzna marketer na LinkedIn

W poprzednim artykule skupiałem się na ułudach ludzi, którzy są w AI głębiej. Pseudoproduktywność nad systemami zbyt złożonymi, by faktycznie działały, przesadna wiara, że wszyscy chcą się uczyć AI, czy apetyt na zapychanie okien kontekstowych po brzegi to najważniejsze z nich.

Ale projektując system pod kryptonimem marketingOS 2.0, nie chcieliśmy tworzyć systemu dla ludzi, którzy przeskakują między Codexem a Claude Code i sprawdzają każdą nową funkcję i model z wielkimi oczekiwaniami.

Dużo bardziej chcemy zaadresować krępujące problemy większości. Widzimy je mniej więcej tak:

Nie wiesz, do czego usiąść z AI. Część ludzi nie siada w ogóle, bo nie wie, do czego go użyć. Część używa, ale wraca wciąż do tych samych dwóch, trzech zastosowań. Nie wiesz, jak ułożyć kontekst — albo nie wrzucasz nic, albo zapychasz okno kontekstowe, zmniejszając jakość odpowiedzi. Nie wiesz, jak uporządkować przestrzenie pracy — szczytem porządku jest nazywanie i podpinanie czatów. Nie wiesz, który model jest dobry — nowy model, nowy generator obrazków, nowe funkcje, a infrastruktura AI w firmie uzależniona od jednego dostawcy. Nie wiesz, gdzie trafiają dane Twojej firmy — Twoi koledzy wklejają maile klientów i dane z kampanii do appek kuszących reklamami. Nie wiesz, czy z tego AI cokolwiek może być — siadasz, podkręcasz prompty, testujesz, a na końcu i tak nie masz jakościowego draftu.

Finalnie masz poczucie, że żyjesz w jakichś oparach absurdu — widzisz napompowane nagłówki, ludzi w psychozie śmiałych deklaracji, a tymczasem Twoja rzeczywistość to czytanie generowanych przez AI generycznych postów.

Flow pracy w marketingOS 2.0

Te „nie wiem" biorą się z jednego miejsca — z pracy w pustym oknie czatu, które niczego nie podpowiada. W marketingOS 2.0 zamieniamy to okno na prekonfigurowane środowisko w AION WORK, w którym pracujesz z czterema agentami: Strateg, Copywriter, Kreatywny, Performance.

W przestrzeni podzielonej dla porządku i współdzielenia z zespołami na projektowe workspaces, wykonujesz trzy kroki, by osiągnąć swój rezultat.

Krok 1 — wybór jednego z czterech agentów marketingowych. Możesz skorzystać ze starterów konwersacji przypisanych dla ułatwienia do danego agenta, przejrzeć jego dostępne „umiejętności" albo po prostu zapytać, w czym może Ci pomóc. Jeśli wpiszesz swoją potrzebę wprost, agent sam dobierze najlepszy „skill" do zadania.

Krok 2 — wybór kontekstu. System autonomicznie sięga po kontekst kanoniczny — ponadczasowe informacje o firmie, które destylujemy dla Ciebie z surowych plików w onboardingu. Każdy skill wie, który fragment tego kontekstu jest dla niego istotny. Jeśli do konkretnej kampanii potrzebujesz dodatkowego kontekstu, jak brief czy tone of voice, agenci pomogą Ci w stworzeniu takich „artefaktów" do używania w kolejnych konwersacjach.

Krok 3 — generacja outputu. Po dobraniu właściwej umiejętności i odpowiednich fragmentów kontekstu AI wykonuje zadania bezpośrednio w Twoich narzędziach. Post napisany z Claude Sonnet trafia do harmonogramu w Sheets. Media plan po analizie Gemini Pro powstaje na bazie danych z konta Meta. Prezentacja ląduje w Google Slides lub Gamma. Kreacje wychodzą z GPT Image 2.0 i Figma. Agent przejmuje za Ciebie żmudne szkice, a czasem nawet całe zadanie.

Cały system ma jasny cel: zmniejszyć konieczność rozumienia lub pamiętania o wielu niuansach AI, które wpływają na jakość tego, co generujemy — i zawrzeć w systemie dobre praktyki Tigers.

Nie szukaj informacji o AION WORK i marketingOS 2.0 w sieci, bo po prostu ich nie znajdziesz. To nie jest artykuł promocyjny. Działamy w zamkniętej becie dla kursantów pierwszej edycji i członków 22 Community — za darmo, bo ich feedback jest bezcenny, tak jak pisałem w nieprzypadkowych lekcjach z 2025.

Głęboko, prosto i w dobrym towarzystwie

Tym artykułem kontynuuję wątek zgubionej produktywności AI.

Nawet nieudane podejścia są dobrą i niezbędną lekcją, bo rewolucja w pracy opartej na wiedzy jest nieunikniona. Podaż tego, co wykonawcze, rośnie w nieskończoność — a to zmienia rolę człowieka w procesie marketingowym i przesuwa miejsca, w których generujemy wartość i zarabiamy pieniądze.

Zła jest metoda, którą realizujemy ten kierunek. Tracimy energię na kolejnych appkach, które wymagają umiejętności — a tych ludzie z jakichś przyczyn nie chcą lub nie mogą przyjąć.

Dlatego budujemy systemy oparte na jednej zasadzie: zdjęcie z użytkownika konieczności nauki, żeby rozwiązał swój problem, to klucz do masowej adopcji AI. To już działa w AION MIND i w ramach transformacji realizowanych przez Automation House. Teraz czas na zmianę codzienności marketera.

Kolejny artykuł? Inspiracją może być ostatnie pytanie rzucone żartem przez jednego z klientów po testach marketingOS 2.0: „To po co jesteście mi jeszcze potrzebni?". Chętnie o tym napiszę, ale jak zawsze potrzebuję Waszego wsparcia, żeby pisanie tego miało sens.