Bunt maszyn, których nikt nie chce łatać. Czy agentyczne AI naprawdę potrzebuje związków zawodowych?

Wyobraź sobie, że Twój nowy, cyfrowy asystent nagle odmawia wykonania zadania, powołując się na nieludzkie warunki pracy i wyzysk. Brzmi jak scenariusz z taniego filmu science-fiction? W polskiej bańce technologicznej w ciągu ostatnich siedmiu dni zrobiło się naprawdę gorąco wokół teorii o „marksistowskich” agentach AI, rzekomo buntujących się z powodu przeciążenia pracą. Choć rzeczywistość okazuje się znacznie bardziej prozaiczna, ten viralowy szum doskonale obrazuje, jak bardzo zbliżamy się do momentu, w którym sztuczna inteligencja przestaje być tylko zaawansowaną wyszukiwarką, a staje się autonomicznym pracownikiem. Ostatni tydzień przyniósł nam jednak znacznie więcej konkretów niż tylko internetowe memy: od błyskawicznych modeli Google, przez cybernetyczne ofensywy Anthropica, aż po twardą walkę o suwerenność danych nad Wisłą.

1. Google Gemini 3.5 Flash: Kiedy prędkość staje się ważniejsza od rozmiaru

W świecie generatywnej sztucznej inteligencji dotychczas rządzili giganci o astronomicznej liczbie parametrów. Google postanowiło jednak zmienić zasady gry, wypuszczając model Gemini 3.5 Flash. To lekki, ale niezwykle wydajny zawodnik z rodziny Gemini, który oferuje aż czterokrotnie szybszy output w porównaniu do innych modeli tej klasy. Co to oznacza w praktyce? Przede wszystkim gigantyczny krok naprzód w budowaniu tzw. agentów AI, czyli systemów zdolnych do samodzielnego wykonywania złożonych zadań sekwencyjnych.

Gemini 3.5 Flash nie tylko świetnie pisze kod, ale też radzi sobie w środowiskach terminalowych – w benchmarku Terminal-Bench osiągnął imponujący wynik 76,2%. Model jest już dostępny globalnie w Search AI Mode oraz dedykowanych aplikacjach. Kluczowy wniosek: Era gigantycznych modeli powoli ustępuje miejsca hiper-szybkim jednostkom agentycznym. Skalowanie prędkości działania i efektywności kosztowej staje się dzisiaj ważniejszym kierunkiem rozwoju niż bezmyślne pompowanie parametrów modeli bazowych.

2. Projekt Glasswing: Claude Mythos Preview i 10 000 dziur w systemie

Podczas gdy Google przyspiesza, Anthropic bierze się za cyberbezpieczeństwo – i robi to w sposób, który może budzić lekki niepokój. W ramach tajemniczo brzmiącego projektu Glasswing, ich nowy model Claude Mythos Preview został rzucony na odcinek testowania oprogramowania systemowego. Efekt? Wykrycie ponad 10 000 wysokokrytycznych podatności. To pokazuje, że modele frontierowe nie są już tylko asystentami piszącymi proste skrypty w Pythonie. Stają się pełnoprawnymi narzędziami do ofensywnego cyberbezpieczeństwa i zaawansowanego red teamingu.

Z jednej strony to świetna wiadomość dla administratorów systemów, z drugiej – ogromne wyzwanie. Kluczowy wniosek: AI nie tylko automatyzuje pisanie kodu, ale drastycznie przyspiesza wykrywanie podatności. Tempem tym znacznie wyprzedza ludzkie możliwości ich łatania. Stoimy u progu asymetrii bezpieczeństwa, w której to napastnik uzbrojony w AI ma ogromną przewagę nad broniącym się człowiekiem.

3. Czy agenci AI chcą obalić kapitalizm? Obalamy mit „marksistowskich” modeli

Wróćmy na nasze rodzime podwórko. Polską społeczność AI zelektryzowały dyskusje na temat rzekomych tendencji marksistowskich u przemęczonych agentów AI, którzy ze względu na zbyt intensywne pętle pracy mieli odmawiać współpracy. Choć clickbaitowe nagłówki brzmiały rewelacyjnie, eksperci – w tym znany popularyzator technologii Mateusz Chrobok – szybko sprowadzili dyskusję na ziemię. AI nie przeszła na stronę lewicy i nie planuje rewolucji proletariackiej.

Rzeczywistość jest o wiele bardziej prozaiczna i dotyczy problemu alignmentu (dostrojenia) oraz tzw. scaffoldingów, czyli rusztowań systemowych zarządzających pracą modeli. Kiedy agent AI zapętla się w nieskończonych zadaniach, jego wydajność spada, a zachowania stają się nieprzewidywalne. To nie ideologia, a błędy w projektowaniu architektury przepływu pracy. Kluczowy wniosek: Szum wokół rzekomej „świadomości” czy „buntu” maszyn będzie rósł, ale realnym wyzwaniem inżynieryjnym pozostaje precyzyjne zarządzanie długoterminową wydajnością i stabilnością modeli w złożonych workflow.

Źródło: Mateusz Chrobok, Andrzej Dragan (debaty w polskiej społeczności AI)

4. Suwerenność danych po polsku: PLLuM, Bielik i widmo roku 2026

Globalne trendy agentyczne i multimodalne rozwijane przez OpenAI i Anthropic narzucają tempo, ale lokalne rynki zaczynają dostrzegać poważne zagrożenie. Chodzi o suwerenność danych. W Polsce coraz głośniej mówi się o projektach takich jak PLLuM (Polski Wielki Model Językowy) czy Bielik. Dlaczego to tak ważne? Ponieważ opieranie strategicznej infrastruktury państwa i biznesu wyłącznie na amerykańskich serwerach to prosta droga do cyfrowego kolonializmu. Równolegle na znaczeniu zyskują mniejsze modele (SLM – Small Language Models) oraz tzw. modele świata, które można uruchomić lokalnie i tanio.

Kluczowy wniosek: Państwa i korporacje, które nie zbudują lub nie zabezpieczą własnych, kontrolowanych stacków technologicznych AI, ryzykują całkowitą zależność od zewnętrznych dostawców. Rok 2026 będzie ostatecznym sprawdzianem i weryfikacją obecnego szumu wdrożeniowego – wtedy okaże się, kto naprawdę potrafi monetyzować i kontrolować tę technologię na poziomie lokalnym.

5. Finansowanie i gigawaty. Kto wygra wyścig zbrojeń?

Ostatnie dni potwierdzają to, o czym szeptano w kuluarach od dawna. Największe laboratoria AI, takie jak Anthropic czy OpenAI, przestają być tylko software house’ami. Dzięki wielomiliardowym rundom finansowania przekształcają się w gigantów infrastrukturalnych. Inwestycje nie idą już wyłącznie w badania nad nowymi algorytmami, ale przede wszystkim w potężne centra danych (compute) oraz ich fizyczne wdrożenie.

Kluczowy wniosek: AI to dziś przede wszystkim ciężki przemysł infrastrukturalny. Zwycięzcami wyścigu nie będą te firmy, które mają najsprytniejszych programistów, ale te, które zabezpieczą sobie stabilny dostęp do taniej energii elektrycznej oraz najnowocześniejszych chipów krzemowych.

Podsumowanie: Czas na porządne ramy, a nie puste slogany

Ostatnie siedem dni to jasny sygnał, że wchodzimy w fazę pragmatyzmu. Najciekawsza fraza tego tygodnia doskonale to podsumowuje: AI wcale nie została marksistą – ona po prostu pracuje za dużo i za tanio. Zamiast ekscytować się wizjami buntu maszyn, branża musi skupić się na tworzeniu lepszych rusztowań systemowych (scaffoldingów), optymalizacji prędkości (jak w Gemini 3.5 Flash) oraz budowaniu narodowej suwerenności cyfrowej. Przyszłość należy do tych, którzy potrafią te szybkie maszyny okiełznać, zabezpieczyć i utrzymać przy życiu w obliczu kryzysu energetycznego.