Pojęcia AI
Porządkujemy pojęcia, które wracają w rozmowach o AI. Bez teorii dla teorii: tylko słowa, które pomagają podejmować lepsze decyzje w firmie.
Co dziś omówimy
01 · Fundamenty
Model, aplikacja, agent. Trzy różne rzeczy.
02 · Pojęcia operacyjne
duży model językowy, tokeny, prompt, kontekst, halucynacje.
03 · Zaawansowane
AI oparte na dokumentach, douczanie modelu na przykładach, agent vs asystent, multimodalność.
04 · Automatyzacja
Czym różni się automatyzacja od AI. Kiedy łączyć obie.
05 · Ściąga
Wszystkie pojęcia na jednym slajdzie. Do wydrukowania.
Model, aplikacja i agent
To trzy różne rzeczy, które często są mylone. Model to silnik (GPT-5.6 Sol/Terra/Luna). Aplikacja to interfejs (ChatGPT). Agent to AI, które samodzielnie wykonuje zadania według ustalonych reguł.
Model = silnik
GPT, Gemini, Claude. To co przewiduje tekst.
Aplikacja = okno
ChatGPT, interfejs Gemini. To gdzie klikasz.
Agent = pracownik
AI, które działa samodzielnie. Wykonuje zadania.
Duży model językowy
Large Language Model. To nie jeden konkretny produkt. To kategoria. ChatGPT, Gemini i Claude to różne duże modele językowe. Każdy wytrenowany na miliardach stron tekstu. Każdy przewiduje następne słowo.
Waluta pracy z AI
AI nie czyta słów tylko tokeny. ~1 token = 0,75 słowa po polsku. Od tokenów zależy wszystko: ile kosztuje API, ile dokumentów zmieścisz w jednej rozmowie, jak długi może być prompt.
Co to znaczy dla Ciebie
ChatGPT widzi 128 000 tokenów naraz. Gemini 1 000 000. Im więcej, tym więcej dokumentów możesz dać AI jednocześnie.
Okno kontekstu - przestrzeń robocza
To nie pamięć. To co AI widzi w danej rozmowie. Im większe okno, tym więcej dokumentów zmieścisz naraz. Gemini 3.5 ma 1M tokenów. Claude Opus 4.8 też. To kilkaset stron jednym razem.
W praktyce
Wrzucasz cały regulamin firmy i prosisz o analizę. Albo wgrywasz 50 stron raportu i dostajesz podsumowanie w 3 zdaniach.
Zasada
Większe okno nie znaczy lepszy wynik. Jakość danych wejściowych wciąż wygrywa z ilością. Lepiej dać 10 dobrych dokumentów niż 50 przypadkowych.
Instrukcja dla AI
Każda wiadomość którą wpisujesz to prompt. Jakość promptu = jakość odpowiedzi. Nie musisz być programistą. Wystarczy że jasno określisz czego chcesz, w jakim formacie i czego unikać.
Dobry prompt ma 4 części
Rola (kim jesteś), cel (co ma powstać), format (jak to wygląda), ograniczenia (czego nie robić).
Jak AI odwzorowuje znaczenie
Embedding to matematyczna reprezentacja znaczenia tekstu. Dzięki temu model odwzorowuje "marżę" i "rentowność" jako bliskie pojęcia, a "reklamację" i "fakturę" jako odległe. Na tym działa AI oparte na dokumentach i wyszukiwanie semantyczne.
Po co Ci to?
Gdy szukasz "problemy z dostawą", AI znajdzie maile o "opóźnionych przesyłkach" - nie potrzebujesz dokładnych słów kluczowych.
AI na Twoich dokumentach
Najprostszy sposób żeby AI przestała zmyślać. Dajesz jej swoje dokumenty i mówisz: "Odpowiadaj tylko na podstawie tego." Zero halucynacji. Przykład: NotebookLM - wgrywasz PDFy, pytasz o ich treść, AI cytuje konkretne fragmenty.
AI, które działa
Zwykły chatbot czeka na Twoje pytanie i odpowiada. Agent AI sam podejmuje decyzje i wykonuje zadania. Może przeszukać internet, wysłać maila, zaktualizować CRM. Bez Twojego udziału.
Asystent
Odpowiada. Czeka. Jeden krok.
Agent
Działa. Decyduje. Wiele kroków.
AI to nie automatyzacja
Automatyzacja (Zapier, Make) to sztywny scenariusz: "jeśli A to zrób B". Zawsze tak samo. AI dodaje do tego elastyczność: rozumie treść maila, ocenia intencję, dostosowuje odpowiedź. Najlepsze rozwiązania łączą obie.
Automatyzacja
Niezawodna. Sztywna. Powtarzalna. Zero elastyczności.
AI + Automatyzacja
AI decyduje co zrobić. Automatyzacja wykonuje. Najlepsze z obu światów.
AI przetwarza więcej niż tekst
Wrzucasz zdjęcie paragonu - AI wyciąga dane do Excela. Wrzucasz PDF z umową - AI streszcza w punktach. Wrzucasz nagranie ze spotkania - AI robi notatkę. To już standard w 2026 roku.
Dostosowanie modelu
Bierzesz gotowy model i doszkalasz go na swoich danych. Styl marki. Branżowy żargon. Specjalistyczna wiedza. Droższe niż AI oparte na dokumentach ale daje głębszą personalizację.
AI podłączone do systemów
Konektor to pomost między AI a Twoimi narzędziami: dyskiem, pocztą, CRM, kalendarzem. Dzięki niemu AI nie tylko czyta dane z systemów, ale też może do nich zapisywać.
Przykład
Mail przychodzi z reklamacją. AI czyta treść, sprawdza status zamówienia w CRM i generuje odpowiedź. Wszystko przez konektory.
Gdzie działa
ChatGPT ma konektor do Google Drive. Gemini do Gmaila. Claude do GitHub. Każde narzędzie inaczej.
Reguły bezpieczeństwa
Każdy model ma wbudowane ograniczenia. Nie odpowie na niebezpieczne pytania. Nie wygeneruje szkodliwych treści. W biznesie możesz dodać własne guardrails: czego AI nigdy nie może powiedzieć klientowi, jakie dane są zakazane. EU AI Act wchodzi za 26 dni (2 sierpnia). Firmy muszą informować klientów, że rozmawiają z AI.
Pamięć między rozmowami
ChatGPT ma funkcję Memory: zapamiętuje fakty o Tobie między rozmowami. Nie musisz za każdym razem tłumaczyć kim jesteś. Gemini używa Twojego Google Drive jako źródła kontekstu. To oszczędza czas.
AI z narzędziami
Model może używać narzędzi: przeszukiwarki, kalkulatora, API, arkuszy kalkulacyjnych. Nie tylko odpowiada. Wykonuje akcje. To fundament agentów AI. W 2026 roku to standard, nie nowinka.
Kontrola kreatywności
Suwak od "konkretnie i sucho" do "zaskakująco i twórczo". Nie ustawiasz go ręcznie w ChatGPT. Sterujesz przez prompt: "Bądź precyzyjny i konkretny" vs "Zaproponuj kilka oryginalnych pomysłów".
Wyjaśnij własnymi słowami
Ważniejszy niż pojedynczy prompt
W 2026 roku nikt nie szuka magicznego promptu. Szuka się procesu: od danych wejściowych przez instrukcję po kontrolę jakości. Prompt to tylko jeden krok.
Po module potrafisz
01
Odróżnić model, aplikację i agenta
02
Wyjaśnić czym jest duży model językowy, token i prompt
03
Wybrać między AI oparte na dokumentach a douczanie modelu na przykładach
04
Odróżnić automatyzację od AI
05
Używać pojęć AI w rozmowie biznesowej
Na co uważać
Douczanie modelu na przykładach bez potrzeby
W 90% przypadków firmy nie potrzebują douczania modelu na przykładach. AI oparte na dokumentach jest tańszy i prostszy.
Agent bez kontroli
Nie puszczaj agenta bez HITL. Zawsze musi być człowiek w pętli.
Brak polityki AI
Bez listy zakazanych danych i narzędzi ryzykujesz bezpieczeństwem.
Najczęstsze pytania
Polska firma: AI oparte na dokumentach zamiast fine-tuningu
Firma szkoleniowa z Krakowa chciała chatbota na swoje dokumenty kursowe. Rozważali douczanie modelu na przykładach za 40 000 zł. Zastosowali AI oparte na dokumentach z Notion + GPT za 200 zł/miesiąc. Działało od razu. Bez tygodni trenowania.
Co zyskali
Koszt: 200 zł vs 40 000 zł. Czas wdrożenia: 2 dni vs 6 tygodni. Łatwość aktualizacji: dodajesz dokument -> AI widzi od razu.
Wszystkie pojęcia na jednym slajdzie
AI
System uczący się na danych
duży model językowy
Duży model językowy
Prompt
Instrukcja dla AI: co ma zrobić, dla kogo, na podstawie jakich danych i w jakim formacie ma oddać wynik.
AI oparte na dokumentach
AI + Twoje dokumenty
Agent
AI, które działa samodzielnie
Halucynacja
Błąd brzmiący jak prawda
Co zapamiętaj
Model to nie aplikacja
GPT to silnik. ChatGPT to interfejs.
RAG nad fine-tuningiem
Dla 90% zastosowań biznesowych AI oparte na dokumentach jest wystarczający.
Agent to nie asystent
Asystent odpowiada. Agent działa.
Prompt to umiejętność
Jakość promptu = jakość odpowiedzi.
Znasz już język AI
Następny moduł: możliwości i ograniczenia AI w biznesie. Gdzie AI daje przewagę, gdzie jest ryzyko i jak wybrać pierwszy proces do automatyzacji.