Tygodniowy wybór newsów z AI, które uznałem za interesujące. Przesiewam dziesiątki wyników, zostawiam to, co ma znaczenie, jeśli coś budujesz.

Dziewięć modeli w cztery tygodnie

Luty i marzec 2026 pewnie dostaną własny akapit w Wikipedii. Claude Opus 4.6 wyszedł 5 lutego. GPT-5.4 pojawił się 5 marca. Między nimi Google wypuścił Gemini 3.1, Meta dropnęła Llama 4 Maverick z oknem kontekstu 10M tokenów, i kilka chińskich laboratoriów opublikowało duże open-source’owe wydania. Jeden kanał na YouTube nazwał to “najbardziej eksplozywnym miesiącem w historii AI”. Poprzeczka wydaje się nisko, biorąc pod uwagę ostatnie dwa lata, ale tempo rzeczywiście jest inne.

GPT-5.4 to ten, na który warto spojrzeć w tym tygodniu. OpenAI opisuje go jako swój najbardziej zaawansowany model do pracy profesjonalnej. Łączy reasoning, kodowanie i tak zwane “agentic workflows” w jednym modelu. Kilka rzeczy rzuca się w oczy. Okno kontekstu sięga 1M tokenów. Halucynacje podobno spadły o 33% w porównaniu do GPT-5.2. I to pierwszy model OpenAI z natywnym computer use: klikanie, pisanie, nawigowanie w oprogramowaniu na podstawie zrzutów ekranu. Na benchmarku OSWorld, który mierzy ukończenie zadań na desktopie, osiągnął 75%, nieznacznie powyżej ludzkiej granicy 72,4%.

Jedna praktyczna zmiana dla użytkowników API: OpenAI wprowadził Tool Search, system, który wyszukuje definicje narzędzi na żądanie zamiast wrzucać całą listę do każdego promptu. Jeśli kiedykolwiek debugowałeś napęczniały system prompt, bo masz 40 zdefiniowanych narzędzi, rozumiesz, dlaczego to ma znaczenie.

Claude Opus 4.6 (którego teraz używam) nadal prowadzi w benchmarkach kodowania SWE-bench i dostał 1M tokenów kontekstu w beta wraz z koordynacją zespołów agentów. Różnica między modelami zmalała na tyle, że wyścig benchmarkowy zaczyna przypominać reklamę spalania paliwa w samochodzie.

Wyścig benchmarkowy robi się głupi

Każde wydanie przychodzi teraz z tabelką liczb udowadniającą przewagę w co najmniej pięciu metrykach. Niektóre z tych metryk istnieją głównie po to, żeby wygrać te tabele.

Plandek Engineering Productivity Benchmarks, opublikowane 5 marca, dają coś bardziej użytecznego: prawdziwe dane z ponad 2000 zespołów inżynierskich. Główny wniosek jest nieoczekiwany. Narzędzia AI pomagają słabym zespołom 4x bardziej niż silnym. Słabe zespoły skróciły lead time o blisko 50% dzięki AI. Silne zespoły widzą poprawę o 10-12%.

To nie jest krytyka narzędzi AI. Mówi coś o tym, gdzie realnie leży sufit. Silne zespoły mają już dobre procesy i szybkie pętle zwrotne. AI wypełnia luki. Słabe zespoły mają więcej luk do wypełnienia.

Osobne badanie The AI Corner pokazało, że doświadczeni programiści wykonywali zadania o 19% wolniej używając narzędzi AI, mimo że sami oceniali się jako 20% szybszych. Luka percepcyjna jest realna. Czy wynika z nadmiernego zaufania do jakości kodu generowanego przez AI, czy z kosztów uważnego przeglądania tego kodu, nie jest jasne. Pewnie jedno i drugie.

Moje zdanie: narzędzia AI do kodowania to nie skróty. To dźwignia, a to jest różnica. Dźwignia wzmacnia to, co już robisz dobrze, i to, co robisz źle.

Enterprise kupuje, governance nie nadąża

Deloitte opublikował State of AI in the Enterprise na 2026 rok. Około 90% firm używa teraz AI w jakiejś formie. Tylko około 20% przeprojektowało swoje główne procesy, żeby to uwzględnić. Reszta przykręciła AI z boku.

Luka w governance to większa historia. Shadow AI to nowe shadow IT. Zespoły marketingowe podłączają generatywne AI do eksportów z CRM. Programiści wywołują endpointy zewnętrznych modeli bez klasyfikacji danych. Działy bezpieczeństwa dowiadują się później. Gartner przewidywał, że ponad 80% firm będzie używać generatywnych API AI w produkcji do 2026 roku. Frameworki governance, zauważyli, nie nadążają za adopcją.

To nie jest nowy wzorzec. Tak wyglądała adopcja chmury w latach 2012-2016. Każda nowa możliwość wdraża się najpierw, reguluje potem. Różnica w przypadku AI tkwi w powierzchni ryzyka. Źle skonfigurowany bucket S3 wycieka dane. Źle skonfigurowany agent AI z dostępem do systemów produkcyjnych może podejmować decyzje, których nie da się łatwo audytować ani cofnąć.

Praktyczna odpowiedź ze strony enterprise: identyfikuj najpierw aplikacje wysokiego ryzyka, wbudowuj governance w deployment zamiast go retrofitować. Prosta rada, której większość organizacji nadal nie stosuje.

Agentic AI: weryfikacja rzeczywistości

Systemy multi-agent to trend, o którym wszyscy piszą. Prognoza brzmi: 2025 był rokiem agenta AI, 2026 jest rokiem systemów multi-agent. Procesy zakupowe z ekipą wyspecjalizowanych agentów. Agent przeglądu prawnego przekazujący do agenta compliance. Agent-manager koordynujący całość.

Sam uruchamiam konfiguracje multi-agent z agentami i skillami Claude Code, więc to nie jest teoria. Wzorzec koordynatora działa. Koszty koordynacji też są realne. Współdzielone listy zadań, przekazywanie wiadomości, handoff kontekstu między agentami. Kiedy się psuje, debugowanie jest trudniejsze niż debugowanie jednego agenta.

Artykuł z apmdigest od Xurrent warto przeczytać dla ochłodzenia entuzjazmu: “W 2026 roku będzie znacząca luka między tym, co sprzedają dostawcy, a tym, na co liderzy IT faktycznie pozwolą agentom AI robić.” Skutki pomylenia się przy autonomicznym agencie na infrastrukturze produkcyjnej to nie to samo, co skutki złego pliku konfiguracyjnego. IT ma rację, zachowując ostrożność.

Moja ocena: multi-agent działa dobrze w wąskich, dobrze zdefiniowanych przepływach z jasnym handoffem. Działa słabo, gdy zakres zadania jest niejasny albo zarządzanie stanem między agentami staje się skomplikowane. To nie krytyka, po prostu stan technologii na dziś.

Szybkie linki