To próbka z mojego własnego projektu (kurs dla uczestników mojej akademii, lipiec 2026), nie z firmy klienta. Dokumentuje wykonanie konkretnego zadania i sposób jego sprawdzenia; nie potwierdza ROI całego programu.
Zakres pracy AI i ludzi
AI: trzej agenci zebrali fakty (modele, repozytoria GitHub, pytania z forów), każdy fakt ze źródłem i datą weryfikacji; na tej podstawie powstały struktury i treści pięciu lekcji w dwóch językach.
Kontrola: dodatkowy przegląd wykonany innym modelem AI (Codex, osobna rubryka: fakty wobec źródeł, obietnice, język, spójność PL/EN), z decyzjami autora. Liczby 13/12/3 opisują uwagi z tego przeglądu: „musi”, „warto”, „opcjonalnie”.
Człowiek: każdą uwagę rozstrzygałem osobiście, w tym jedną sprzeczność w źródłach sprawdzoną u producenta.
kryterium akceptacji: zero otwartych uwag „musi” i walidacja modelu kursu bez błędów (wymagania redakcyjne osobno, m.in. zero długich myślników). Akceptacja: zatwierdzenie przez autora i publikacja w jego akademii 11.07.2026; to inny rodzaj odbioru niż akceptacja klienta. Fakty z datą ostatniej weryfikacji w treści
Jedna uwaga z przeglądu i jej skutek
Uwaga (cytat z przeglądu): „smart enough for 80 percent of the work” assigns the research’s 80% rule entirely to specialists. The source says interns and specialists together should handle roughly 80% of tasks.
Decyzja: uwaga przyjęta; w lekcji „Modele jak zespół” reguła 80% opisuje stażystę i specjalistę razem.
Druga uwaga: w pytaniu sprawdzającym dystraktor „ważne dane firmowe” był za słaby, bo nie testował różnicy koszt/złożoność. Zachowano: „Dyrektor, bo to ważne dane firmowe”. Dodano: „Senior, bo 800 pozycji to skomplikowane zadanie”, aby sprawdzić rozróżnienie kosztu i złożoności.
kilka uwag odrzuciłem świadomie z zapisanym powodem (np. zachowany ton marki w EN). Kurs dostępny dla uczestników akademii po zalogowaniu; pliki źródłowe i pełny przegląd pokazuję na rozmowie.
Fragment gotowej lekcji: pytanie, odpowiedzi i informacja zwrotna
Pytanie (lekcja „Modele jak zespół: od stażysty do dyrektora”): Masz do otagowania 800 krótkich opinii klientów (pozytywna, negatywna, neutralna). Który kaliber modelu się opłaca?
A. Dyrektor, bo to ważne dane firmowe. B. Stażysta, bo to proste, masowe zadanie (poprawna). C. Senior, bo 800 pozycji to skomplikowane zadanie.
Informacja zwrotna: Tagowanie krótkich tekstów to klasyczna masówka: prosty osąd powtórzony 800 razy. Stażysta (Haiku, Luna, Flash-Lite) zrobi to szybko i za grosze, a pojedyncza pomyłka jest tania. Dyrektora trzymaj na zadania, przy których błąd naprawdę boli.
fragment opublikowanej lekcji, bez zmian; nazwy modeli według stanu na 11.07.2026. Uwaga autora (11.2026): zdanie „pojedyncza pomyłka jest tania” wymaga doprecyzowania, bo koszt błędu zależy od tego, do czego posłużą etykiety; poprawka pytania (wybór modelu przez próbę na oznaczonej próbce) jest zaplanowana w kursie, tu pokazuję wersję opublikowaną