/// BLOG

LOG: BLOG

Rozważania o kodzie, inteligencji i architektonicznych pustkach nowoczesnego webu.

2026-06-24

Computer Use — AI który obsługuje dowolną aplikację jak człowiek (bez API, bez integracji)

Twój legacy ERP z 2003 roku, portal ZUS bez API, stary system rezerwacji, który obsługuje tylko Internet Explorer — AI może to wszystko obsługiwać jak człowiek: klikać, wypełniać formularze, czytać ekran i podejmować decyzje. Computer Use to najważniejsza zmiana w automatyzacji od RPA. Wyjaśniam jak działa, kiedy ma sens zamiast API/n8n, ile kosztuje i dlaczego zastępuje całą klasę narzędzi za $200K+.

16 min

AI Act w praktyce — co Twoja firma musi zrobić w 2026 (bez paniki i prawniczego bełkotu)

2026-06-23

AI & Bezpieczeństwo

AI Act w praktyce — co Twoja firma musi zrobić w 2026 (bez paniki i prawniczego bełkotu)

AI Act brzmi groźnie, ale 90% automatyzacji w MŚP to „minimalne ryzyko” bez dodatkowych obowiązków. Wyjaśniam cztery poziomy ryzyka, różnicę między dostawcą a podmiotem stosującym, co obowiązuje JUŻ teraz (AI literacy, transparentność chatbotów), kiedy wpadasz w „wysokie ryzyko” i jak wygląda realna checklista zgodności. Z aktualnym kalendarzem po pakiecie Digital Omnibus z maja 2026.

13 min

Automatyzacja obsługi zamówień — jak AI prowadzi cały cykl od koszyka do reklamacji bez ręcznej pracy

2026-06-22

AI & Automatyzacja

Automatyzacja obsługi zamówień — jak AI prowadzi cały cykl od koszyka do reklamacji bez ręcznej pracy

AI jest w stanie obsłużyć każdy etap cyklu zamówienia — od przyjęcia przez potwierdzenie, fakturowanie, wysyłkę, aż po reklamacje — bez ręcznego przepisywania danych między systemami. Dowiedz się jak wygląda pełny pipeline automatyzacji, co integruje, ile kosztuje i kiedy ROI ma sens.

13 min

2026-06-21

AI & Automatyzacja

LangGraph — jak budować produkcyjne workflow agentów AI

Kompletny przewodnik po LangGraph: jak działa StateGraph z węzłami, krawędziami i conditional routing, wzorzec ReAct krok po kroku, human-in-the-loop z interrupt/resume, persistence z checkpointerami PostgreSQL, równoległe gałęzie Send API, streaming i porównanie z CrewAI, AutoGen i Pydantic AI.

16 min

Głosowi agenci AI (voice AI) — jak działają, ile kosztują i jak zbudować bota telefonicznego

2026-06-17

AI & Automatyzacja

Głosowi agenci AI (voice AI) — jak działają, ile kosztują i jak zbudować bota telefonicznego

Kompletny przewodnik po głosowych agentach AI: jak działa pipeline STT→LLM→TTS, dlaczego latencja poniżej 600 ms decyduje o naturalności, jak działają przerwania (barge-in) i wykrywanie końca tury, jaki stack wybrać w 2026, porównanie platform Vapi, Retell, LiveKit i Pipecat, jak podłączyć telefonię SIP/PSTN, ile to realnie kosztuje za minutę i jakie są zastosowania biznesowe z ROI.

15 min

2026-06-16

AI & Automatyzacja

Bazy wektorowe — pgvector, Pinecone, Qdrant czy Weaviate? Jak wybrać do RAG i pamięci AI

Kompletny przewodnik po bazach wektorowych: czym są i po co Ci w RAG, kiedy wystarczy pgvector w Postgresie, a kiedy potrzebujesz dedykowanej bazy, porównanie pgvector vs Pinecone vs Qdrant vs Weaviate vs Milvus (latency, koszt, skala), różnica między indeksami HNSW i IVFFlat, kod wdrożenia w pgvector, hybrid search i filtrowanie po metadanych oraz typowe błędy migracji.

15 min

Ewaluacja LLM (evals) — jak mierzyć jakość aplikacji AI metodą LLM-as-a-judge

2026-06-15

AI & Automatyzacja

Ewaluacja LLM (evals) — jak mierzyć jakość aplikacji AI metodą LLM-as-a-judge

Kompletny przewodnik po ewaluacji aplikacji LLM: czym evals różnią się od testów, jak zbudować golden dataset z realnych awarii, jak działa LLM-as-a-judge i czemu zgadza się z człowiekiem w ~85%, jakie metryki mierzyć (faithfulness, hallucination, answer relevancy), jak unikać biasów sędziego, jak wpiąć evals w CI/CD oraz które narzędzie wybrać — DeepEval, Ragas, Promptfoo czy Braintrust.

15 min

MCP (Model Context Protocol) — jeden standard, żeby podłączyć AI do wszystkich narzędzi firmy

2026-06-13

AI & Automatyzacja

MCP (Model Context Protocol) — jeden standard, żeby podłączyć AI do wszystkich narzędzi firmy

Kompletny przewodnik po MCP: jaki problem rozwiązuje protokół, jak działa architektura host–klient–serwer, czym różni się od function callingu i OpenAPI, jak zbudować własny serwer MCP w Pythonie i TypeScript, które gotowe serwery podłączyć do firmowych narzędzi i jak zabezpieczyć wdrożenie przed tool poisoningiem.

14 min

REKORDY_SUMA: 085

STRONA 6/11

SYSTEM_STABILNY