DevAI 2026
Wdrożyłeś AI
i coś nie gra —
ale nie wiesz co,
bo nie zmierzyłeś jak było wcześniej.
Prosty tytuł. Daj salę żeby to przeczytała.
Zacznijmy od McNuggets
AI powiedziało mi że 6 sztuk
kosztuje 11,90 zł.
Oficjalna apka: 23,90 zł.
Model wybrał stronę z dobrym SEO — nie oficjalną stronę McDonald's.
Pewność 100%. Błąd 100%.
Nikt nie sprawdził jakości odpowiedzi zanim ktoś podjął na niej decyzję.
To jest teza całego talku w jednym przykładzie. Baseline jakości outputu = podstawa.
86–89%
pilotów AI nie osiąga pełnego wdrożenia produkcyjnego.
Nie przez model. Przez brak mierzenia.
Stack Overflow Pulse Survey · 1100 profesjonalistów · maj 2026
Dane są świeże. Jeśli ktoś w sali wdrażał AI — podniesie rękę w duchu.
Trzy rzeczy których nikt Ci nie powiedział
📏
Baseline — co mierzyłeś zanim włączyłeś AI?
💰
Drugi ROI — koszty których kalkulator nie pokazuje
🐿
Squirrel Dependencies — procesy które zawsze działały, bo nikt ich nie ruszał
Zapowiedz każdą warstwę po kolei. To jest mapa rozmowy.
Klarna · globalny case study
✓ Co ogłosili
700 agentów zastąpionych przez AI
Oszczędność 40M USD rocznie
Czas obsługi: 2 min vs 11 min
✗ Co wyszło później
Klarna zaczęła rekrutować agentów z powrotem
CEO: „AI popełnia błędy które agenci by nie popełnili"
Utrata wiedzy instytucjonalnej
Liczyli czas obsługi. Nie liczyli churnu.
Drugi ROI zawsze istnieje — pytanie czy zmierzysz go przed czy po.
Klarna jest dla wszystkich zrozumiała. Wielka firma. Realne konsekwencje.
🐿 Squirrel Dependency
Proces który funkcjonuje od lat — przez co nikt go nie dokumentuje i nie uwzględnia przy planowaniu automatyzacji.
Niewidoczny dopóki coś go nie zerwie.
Nazwa nieprzypadkowa: wiewiórka przeżuła kabel zasilający NASDAQ w 1987 i 1994 — giełda stała przez ponad godzinę.
Daj chwilę żeby przeczytali. Reakcja na NASDAQ jest gwarantowana.
Przykłady z życia
👤
Pracownik który „zawsze" coś sprawdzał zanim poszło do klienta. Nikt tego nie wiedział. Odszedł. AI zaczęło wysyłać nieskorygowane odpowiedzi.
📜
Skrypt który „zawsze" łatał dane między dwoma systemami. AI zakłada że dane są czyste. Skrypt wyłączony. Pipeline produkuje błędy.
💾
Backup który „zawsze" działał — ale nikt nie testował przywracania. Jedno z moich narzędzi cofnęło dane o 3 miesiące. Backup hostingu był uszkodzony. Odkryte dopiero gdy był potrzebny.
Trzeci przykład jest Twój — powiedz to wprost. To jest różnica między talk'iem a prezentacją.
Zanim klikniesz "wdróż"
01Zmierz jedną metrykę biznesową przed startem — cokolwiek, byle liczba
02Zdefiniuj rollback: „cofamy jeśli X wzrośnie powyżej Y przez Z dni"
03Zadaj pytanie Squirrel: „co by się stało gdyby ta osoba/skrypt zniknęła jutro?"
04Policz Drugi ROI: co tracisz jeśli AI jest szybsze ale bardziej błędne?
05Przetestuj backup: nie „czy istnieje" ale „czy przywróciłeś z niego dane w ostatnim miesiącu?"
To jest slajd do screenshota. Zatrzymaj się.
„Pamiętasz McNuggets?
AI nie kłamało — wybrało najlepsze dostępne źródło.
Twój agent robi to samo.
Pytanie brzmi: co zmierzyłeś
zanim go puściłeś?"
Michał Łaszkiewicz · wwai.pl
Koniec. Cisza. Q&A.