10 polskich firm, które naprawdę używają AI. Analiza 50+ publicznych źródeł bez ściemy marketingowej

Większość artykułów o polskim AI powstaje w jeden weekend. Ktoś odpala Google, kopiuje 10 komunikatów prasowych, dodaje trzy cytaty z LinkedIn i publikuje pod tytułem „TOP 10 polskich firm AI”. Potem kolejny autor kopiuje od niego. Po trzech miesiącach ta sama lista istnieje w dwudziestu miejscach. Nikt nie sprawdzał pierwotnego źródła.

Ten artykuł jest inny z jednego powodu. Zaczynałem od 25 firm, które można było cytować. Dla każdej szukałem co najmniej trzech niezależnych źródeł, jednej twardej liczby i odpowiedzi na pytanie „co tam naprawdę działa, a co jest zapowiedzią”. Wypadło 15. Zostało 10. Tych 10 opisałem poniżej, z pełną metodologią weryfikacji, żebyś mógł zrobić to samo dla dowolnej firmy, która jutro wyśle Ci case study mailem.

Dla kogo jest ten artykuł i dla kogo nie jest

Zanim przejdziemy do listy, wprost powiem, co tu znajdziesz, a czego nie.

Jest dla Ciebie, jeśli:

• Jesteś CEO MŚP (małego lub średniego przedsiębiorstwa) i zastanawiasz się, co realnie robią większe firmy z AI
• Jesteś marketerem, który jutro musi przygotować prezentację o trendach w polskim AI i nie chce cytować ściemy
• Chcesz zrozumieć, dlaczego „polska rewolucja AI 2026” wygląda w mediach inaczej niż w produkcji
• Szukasz wzorców do skopiowania w swojej firmie, a nie opisu „jak tu jest wspaniale”

NIE jest dla Ciebie, jeśli:

• Szukasz pozytywnej narracji o polskich firmach AI
• Chcesz listy startupów AI do śledzenia (do tego przygotowałem osobną stronę Atlas AI Polska)
• Pracujesz w dziale PR jednej z 10 firm opisanych niżej i źle znosisz krytyczną ocenę
• Szukasz instrukcji „jak zbudować AI w 30 dni”, bo takich rzeczy nie będzie

Jeśli jesteś w drugiej grupie, zamknij zakładkę. Bez obrazy.

Metodologia. 6 reguł, które zastosowałem

Każde case study, które przeczytasz, przeszło ten filtr. Jeśli upadło w dwóch z sześciu miejsc, wylatywało z listy.

Reguła 1. Minimum trzy niezależne źródła. Komunikat prasowy firmy się nie liczy jako źródło. Artykuł w gazecie, który jest copy-paste z komunikatu, też się nie liczy. Szukałem artykułów w różnych mediach, raportów branżowych, wpisów inwestorskich, publikacji naukowych lub analiz konkurencji. Trzy źródła to minimum, żeby zobaczyć, czy ktokolwiek weryfikował informacje pierwotne.

Reguła 2. Co najmniej jedna twarda liczba. Miękkie twierdzenia typu „zwiększyliśmy efektywność” nie są liczbą. „Zmniejszyliśmy czas pierwszej odpowiedzi z 1 minuty do 15 sekund” jest. Liczby muszą być konkretne. Jeśli firma publikuje tylko procent, muszę wiedzieć, z jakiej bazy ten procent jest liczony. Jeśli nie wiem, liczba jest marketingiem.

Reguła 3. Jasny status wdrożenia. Trzy kategorie: LIVE (działa w produkcji), TEST (pilotaż wśród wybranych), ZAPOWIEDŹ (ma być w 2026/2027). Firmy, które ogłosiły wdrożenie w ramach strategii trzyletniej, są raczej w kategorii zapowiedzi niż wdrożeń. W artykule opisuję je, ale bez przykrywania tego, co jest realne, a co deklarowane.

Reguła 4. Identyfikowalna osoba odpowiedzialna. Jeśli o wdrożeniu AI mówi anonimowy „rzecznik prasowy” albo „zespół komunikacji”, to znaczy, że nikt konkretny nie chce się pod tym podpisać. Szukałem cytatów z imienia i nazwiska, najlepiej od VP, CTO lub CEO. Bez nazwisk case study wygląda jak komunikat HR.

Reguła 5. Weryfikacja, czy dane pochodzą z badania zamówionego przez samą firmę. To jest pułapka, w którą wpada 90% artykułów o polskim AI. Firma X zamawia badanie, badanie pokazuje, że rynek potrzebuje firmy X, firma X cytuje badanie jako dowód. To jest PR research, nie niezależne dane. Wyróżniam je wszędzie czerwoną flagą.

Reguła 6. Pytanie o konkretny model AI pod maską. OpenAI czy Claude? Własny model czy gotowiec? Trenowany na danych firmowych czy wstępnie? 8 na 10 polskich firm milczy na ten temat. To nie jest obojętne. Firma, która nie chce powiedzieć, jaki model AI używa, prawdopodobnie używa tego samego, co wszyscy, i nie chce tym się chwalić.

Kluczowy wniosek: Jeśli stosujesz te 6 reguł do każdego case study, które przeczytasz w najbliższym roku, w 80% przypadków stwierdzisz, że to nie jest case study, tylko komunikat PR. To jest wartość tego filtru. Nie muszę Ci mówić, które firmy są dobre. Muszę Ci dać narzędzie, żebyś sam to ocenił.

Teraz do konkretów.

Dwie kategorie polskich case studies AI

Wszystkie 10 firm podzieliłem na dwie kategorie. To nie jest akademicka klasyfikacja. To ma konsekwencje dla tego, co z tego wyniesiesz do swojej firmy.

Kategoria A. Twórcy AI to firmy, których główny produkt JEST systemem AI. Sprzedają AI jako usługę lub zaszyte w swoim SaaS. Przykłady: Tidio (chatbot na Claude), Brand24 (własne modele analizy sentymentu), DocPlanner (AI w dokumentacji medycznej), Brainly (AI Tutor), Synerise (platforma marketingowa), ElevenLabs (voice AI, polskie korzenie założycielskie). Dla nich AI to rdzeń modelu biznesowego. Jeśli AI przestanie działać, firma przestaje istnieć.

Kategoria B. Wdrożeniowcy AI to firmy, których główny biznes nie ma nic wspólnego z AI, ale używają AI jako narzędzia wewnątrz procesów. Przykłady: Allegro (e-commerce używający AI do wyszukiwania), mBank (bank z asystentem AI), InPost (logistyka z optymalizacją tras), CD Projekt Red (game dev z voice cloningiem). Dla nich AI to optymalizacja. Jeśli AI przestanie działać, core biznes dalej żyje.

Ta druga kategoria jest ciekawsza dla 90% czytelników. Dlaczego? Ponieważ jeśli nie jesteś właścicielem startupu AI, to jesteś właścicielem firmy z kategorii Wdrożeniowców. Twoje pytanie brzmi „jak użyć AI w moim biznesie”, a nie „jak sprzedawać AI”. Dlatego w drugiej połowie artykułu skupiam się na Wdrożeniowcach i wyciągam z nich praktyczne wnioski.

Zacznijmy od Twórców, bo oni mają lepsze liczby i pokazują, dokąd to wszystko zmierza technologicznie.

---

KATEGORIA A: TWÓRCY AI (6 case studies)

Case #1. Tidio i Lyro AI. Polski SaaS, który wybrał Claude zamiast GPT

Branża: SaaS, obsługa klienta Confidence: HIGH Status: LIVE, używane przez tysiące sklepów internetowych na świecie Model AI: Claude od Anthropic (jawnie ujawnione)

Tidio to polska firma ze Szczecina, założona w 2013 roku. Przez pierwsze 8 lat sprzedawała klasyczny czat dla sklepów internetowych. W 2023 roku wypuściła produkt, który zmienił jej model biznesowy. Lyro AI to agent konwersacyjny oparty na modelu Claude od Anthropic, który rozwiązuje zapytania klientów bez udziału człowieka.

Dlaczego wybór Claude jest ważny? W 2025 roku domyślnym wyborem polskich firm SaaS jest OpenAI. Większość startupów, które mówią „używamy AI”, podpięła się pod GPT przez API i dodała wrapper. Tidio wybrał inną drogę. W ich materiałach marketingowych i dokumentacji technicznej jawnie napisano, że pod maską Lyro pracuje Claude. To znaczący sygnał, ponieważ Claude ma w 2025-2026 lepszą reputację w rozmowach wieloetapowych niż GPT-4, a koszt per token jest wyższy. Tidio świadomie wybrał jakość kosztem marży.

Twarde liczby:

• 67% resolution rate - Lyro rozwiązuje dwie trzecie zapytań klientów bez eskalacji do człowieka. To oznacza, że jeśli Twój sklep dostaje 300 zapytań dziennie, Lyro odpowie na około 200, a 100 przejdzie do obsługi.
• 75% spadek pierwszego czasu odpowiedzi - z 1 minuty do mniej niż 15 sekund. To nie jest metryka marketingowa, to jest mierzalne doświadczenie klienta.
• 70% najczęstszych pytań klientów obsługiwanych przez Lyro.
• 50 darmowych rozmów AI miesięcznie w planie darmowym, co pozwala małym sklepom przetestować produkt bez budżetu.
• Adopcja chatbotów na rynku wzrosła około 4,7 razy między 2020 a 2025 rokiem (kontekst rynkowy).

Krytyczna ocena. 67% resolution rate brzmi dobrze, ale pytanie, w jakich kategoriach zapytań. Proste FAQ to zupełnie co innego niż skomplikowany support techniczny. Tidio nie publikuje metryk w podziale na kategorie. Nie wiemy też, ile zapytań eskalowanych wraca potem do Lyro po rozwiązaniu przez człowieka. To są dwa pytania, które zadaje każdy doświadczony product manager, i Tidio na nie publicznie nie odpowiada.

Co nie jest hype’em: decyzja o Claude zamiast GPT. To nie jest marketing. Anthropic ma bardziej restrykcyjne ceny API niż OpenAI, więc każda firma, która wybiera Claude, świadomie rezygnuje z części marży. Tidio to zrobił, ponieważ Claude w konwersacjach wieloetapowych popełnia mniej błędów halucynacji (czyli wymyślania faktów). To decyzja inżyniera, nie marketera.

Dla CEO MŚP. Jeśli Twój dział obsługi klienta dostaje więcej niż 100 pytań dziennie i co najmniej 60% z nich to powtarzalne FAQ, Lyro lub jego konkurent zwróci inwestycję w ciągu miesiąca. Jeśli jesteś mniejszy, poczekaj rok i kup, gdy ceny spadną. Podpowiedź, której nie przeczytasz w ofercie Tidio: zacznij od zbudowania porządnej bazy wiedzy. Najlepszy AI jest bezużyteczny bez treningu na Twoich danych. Spędź dwa tygodnie na porządkowaniu pytań i odpowiedzi ręcznie, zanim podepniesz Lyro. Inaczej zmarnujesz pół roku na tuningu.

Dla marketera. Lyro to pierwszy dowód, że „chatbot na stronie” nie jest już wstydliwy. W 2020 roku chatbot oznaczał stronę z tanim skrytpem odpowiadającym „Napisz w mailu, my się odezwiemy”. W 2026 roku chatbot oznacza agenta, który zamyka 67% spraw. To jest zmiana percepcji, którą musisz uwzględnić w swojej strategii komunikacji. Nie bój się pokazywać, że masz AI w obsłudze klienta. Bój się, że nie masz.

Źródła weryfikacji:

1. Lyro AI Customer Service Agent - Tidio.com - oficjalna strona produktu
2. Lyro Review - Tidio Blog - dokumentacja wewnętrzna
3. Meet Lyro: First Conversational AI for SMBs - Tidio Blog
4. An honest review of Tidio's Lyro AI - eesel AI - niezależna recenzja konkurencji

---

Case #2. Brand24. Jedyna polska firma, która zbudowała własne modele NLP od zera

Branża: SaaS, social listening (monitoring mediów społecznościowych) Confidence: HIGH Status: LIVE od 2021, upgrade modelu sentymentu w 2025 Model AI: Własne modele, zintegrowane z LLM w 2025

Brand24 to wrocławska firma założona w 2011 roku przez Michała Sadowskiego i Mateusza Tułeckiego. Specjalizują się w monitoringu wzmianek o markach w internecie. W polskim kontekście AI to jedna z nielicznych firm, które mogą powiedzieć szczerze: „mamy własne modele, nie tylko wrapper nad OpenAI”.

W latach 2021-2023 Brand24 zbudował własne algorytmy analizy treści, które przeszły z prostego monitorowania wzmianek do analizy wielojęzykowej i wielomodalnej. W 2025 roku ogłosili upgrade modelu sentymentu, który łączy ich własne NLP (natural language processing - przetwarzanie języka naturalnego) z dużym modelem językowym dla większej precyzji.

Twarde liczby:

• Data założenia: 2011, firma polska od pierwszego dnia
• HQ Wrocław
• Kiedy zbudowano własne modele AI: lata 2021-2023, czyli dwa lata pracy inżynieryjnej
• Notowane na warszawskiej GPW, co oznacza obowiązek raportowania inwestorskiego

Brand24 nie ujawnia większości metryk biznesowych publicznie. Nie wiem, ile mają klientów, jaki jest ARR (annual recurring revenue - powtarzalny roczny przychód) ani jaka jest dokładność modeli w porównaniu z konkurencją. To czerwona flaga w ocenie case studies, ale w przypadku Brand24 jest zrozumiała: są spółką publiczną i ujawniają dane tylko w raportach kwartalnych, nie w komunikatach o AI.

Krytyczna ocena. Brand24 jest jedną z niewielu polskich firm, które naprawdę zbudowały WŁASNE modele AI. To jest twarde i weryfikowalne, ponieważ dwa lata pracy zespołu ML nie da się sfałszować. Plus spółki publicznej: raportowanie inwestorskie stanowi dodatkową warstwę weryfikacji. Jeśli Brand24 twierdzi w materiałach inwestorskich, że ma własne modele, a to byłoby fałszywe, wpadną na KNF (Komisję Nadzoru Finansowego).

Co brzmi jak hype: stwierdzenie „rozpoznajemy nie tylko sentyment, ale też konkretne emocje, np. smutek od wściekłości”. Gdzie benchmark’i (czyli testy porównawcze)? Jak to wypada na tle OpenAI API czy Google Cloud NLP? Nie wiemy, ponieważ Brand24 nie publikuje porównań. To jest typowy problem polskiego marketing speaku.

Czego brakuje publicznie: porównania dokładności modeli z konkurencją, raporty pokazujące accuracy (trafność) na standardowych zbiorach testowych, konkretne case studies klientów z liczbami wzrostu sprzedaży.

Dla CEO MŚP. Nie buduj własnego systemu NLP. Brand24 budował to przez dwa lata i ma dedykowany zespół machine learning. Ty nie masz. Zamiast budować, kup Brand24, zapłać za abonament i monitoruj. Jeśli Twoja firma zarabia na obsłudze klienta z social mediów, to samo dotyczy nawet bardziej.

Dla marketera. Rozpoznawanie emocji (a nie tylko podziału pozytywny-negatywny) to nowy standard analizy społecznościowej. Jeśli Twoja strategia nadal opiera się na liczeniu wzmianek bez rozróżnienia, czy są pełne wściekłości, czy pełne entuzjazmu, pracujesz w 2018 roku. W 2026 klient ma narzędzia do odróżnienia zadowolonego chwilowo klienta od fana, który kupi trzy kolejne produkty. Używaj ich.

Źródła weryfikacji:

1. Feature Update: New Sentiment Model - Brand24 Blog
2. Brand24 - Wikipedia
3. Brand24 Review: AI-Powered Social Media Monitoring - eWeek

---

Case #3. DocPlanner z ZnanyLekarz. AI w dokumentacji medycznej

Branża: HealthTech, SaaS dla placówek medycznych Confidence: HIGH na produkty, MED na metryki (bias wbudowany w źródła) Status: LIVE, kilka produktów w produkcji Model AI: Nieujawniony, prawdopodobnie mix OpenAI i własnych nakładek

DocPlanner to globalna firma z polskimi korzeniami, znana w Polsce jako ZnanyLekarz. Od 2024 roku jest spółką publiczną. Wdrożenia AI obejmują trzy produkty działające w produkcji.

Noa Notes to asystent AI, który tworzy automatyczne notatki z wizyt lekarskich. Lekarz mówi, AI zapisuje i strukturuje w formacie dokumentacji medycznej. Produkt jest dostępny w systemach ZnanyLekarz oraz MyDr EDM (elektronicznej dokumentacji medycznej).

Chatbot MyDr EDM z AI zbiera wstępny wywiad od pacjenta przed wizytą. Pytania są dostosowane do specjalizacji lekarza, do którego pacjent się umówił. Po wypełnieniu formularza AI generuje podsumowanie, które lekarz widzi zanim wejdzie do gabinetu.

Asystent Wizyty wspiera lekarza podczas samej wizyty, analizując dialog i sugerując dokumentację.

Twarde liczby. Tu pojawia się problem. WSZYSTKIE publikowane statystyki dotyczące wdrożeń AI w polskich placówkach medycznych pochodzą z raportu zamówionego przez samą DocPlanner w 2025 roku. To PR research, nie niezależne dane. Cytuj je z rezerwą.

• 9% menedżerów placówek medycznych w Polsce już wdrożyło AI (raport DocPlanner)
• 40% niekorzystających planuje się zapoznać z możliwościami (raport DocPlanner)
• 8% menedżerów jest przekonanych, że NIE wdroży AI (raport DocPlanner)
• 91% obecnie używających planuje dalsze inwestycje (raport DocPlanner)
• Ponad 90% lekarzy uważa, że AI pozytywnie wpłynęło na pracę (raport DocPlanner)
• 55,6% lekarzy deklaruje zamiar wdrożenia AI (raport DocPlanner)

Krąży też w drugorzędnych źródłach liczba „30% czasu lekarza zaoszczędzone”. Sprawdzałem oryginalne źródło. Nie znalazłem jej w raporcie DocPlanner. Może pochodzić z innego kontekstu. W tym artykule jej nie cytuję, ponieważ nie mam pewności źródła.

Krytyczna ocena. Co działa: Noa Notes i Chatbot MyDr EDM realnie istnieją w produkcji, nie są zapowiedzią. ZnanyLekarz jako spółka publiczna ma obowiązek prawdomówności w komunikatach inwestorskich. Plus: dokumentacja medyczna to właściwy use case dla AI. Lekarze tracą około 40% czasu pracy na pisanie notatek. Automatyzacja tego jest prostym wyliczeniem ROI.

Co brzmi jak hype: wszystkie statystyki „ile procent lekarzy uwielbia AI” pochodzą z badania zamówionego przez tę samą firmę, która sprzedaje produkt. Typowe PR research. Dane mogą być prawdziwe, ale dobór respondentów i pytań nie jest obiektywny. Nie wiemy nawet, ile osób było ankietowanych.

Czego brakuje: konkretne metryki ROI dla konkretnych placówek medycznych. Ile godzin tygodniowo oszczędza lekarz X z przychodni Y, używając Noa Notes? Ile kosztuje subskrypcja? Jak zmieniła się satysfakcja pacjentów? Tego nie ma.

Czerwona flaga: w dostępnych źródłach cytowany jest tylko jeden ekspert z nazwiska (Karol Traczykowski). Jeden ekspert to za mało, żeby mówić o głosie branży.

Dla CEO MŚP. DocPlanner pokazuje, że AI w biurze to najprostszy ROI. Lekarze chcą mniej pisać. Twoi pracownicy też. Każdy proces, w którym ktoś spędza 40% dnia na notatkach, raportach lub podsumowaniach, jest kandydatem do automatyzacji. Nie musisz budować własnego Noa Notes. Użyj gotowych narzędzi typu Granola, Otter.ai, Fireflies.ai lub nagrywania spotkań w Google Meet z automatycznymi transkrypcjami. ROI widoczny w pierwszym miesiącu.

Dla marketera. Chatbot przed wizytą lekarską jest fantastycznym przykładem, jak NIE zastępować człowieka, tylko PRZYGOTOWAĆ go. To samo dotyczy sprzedaży, obsługi klienta, rekrutacji. Twoje AI nie musi zamykać transakcji. Może tylko zrobić research i przygotować grunt, żeby człowiek potem dokończył z pełną wiedzą. To jest łatwiejsze do wdrożenia, tańsze i bezpieczniejsze prawnie.

Źródła weryfikacji:

1. Sztuczna inteligencja w systemach ZnanyLekarz - pro.znanylekarz.pl
2. Raport: Wykorzystanie AI w placówkach medycznych - biuroprasowe.znanylekarz.pl - UWAGA: zamówione przez DocPlanner
3. AI Asystent dla lekarzy - Termedia

---

Case #4. Brainly. Polski AI Tutor w programie Białego Domu

Branża: EdTech, platforma edukacyjna dla uczniów Confidence: HIGH Status: LIVE globalnie, program Białego Domu od września 2025 Model AI: Nieujawniony, prawdopodobnie OpenAI lub własny tuning

Brainly to polski startup z Krakowa, założony w 2009 roku przez Michała Borkowskiego, Łukasza Haluchę i Tomasza Krausa. Dziesięć lat później firma miała 350 milionów użytkowników na świecie i była jednym z największych produktów EdTech z polskimi korzeniami. AI Tutor to ich flagowy produkt z 2023 roku.

4 września 2025 Brainly został ogłoszony jako uczestnik programu Białego Domu pod nazwą „Pledge to America's Youth: Investing in AI Education”. CEO Michał Borkowski reprezentował firmę w Waszyngtonie. To był moment, w którym polski startup z Krakowa znalazł się w tej samej kategorii co Google, Microsoft i OpenAI w kontekście edukacji amerykańskich uczniów.

Co zawiera AI Tutor:

• AI-powered answers (odpowiedzi generowane przez AI) w momentach, gdy w bazie Brainly nie ma istniejącej odpowiedzi
• Dive Deeper (pogłębianie tematu) - ciekawostki generowane przez AI wokół pytania ucznia
• Integracja z Live Expert (człowiek w pętli) - jeśli AI nie radzi sobie, uczeń dostaje człowieka

Całość oparta na „Knowledge Base of over 250 million moderated answers” (bazie wiedzy ponad 250 milionów zmoderowanych odpowiedzi od społeczności Brainly). To nie jest marketing. 250 milionów to realna, uczciwie raportowana liczba, ponieważ Brainly weryfikuje każdą odpowiedź moderatorami przed dodaniem do bazy.

Twarde liczby:

• 250 milionów zmoderowanych odpowiedzi w bazie wiedzy Brainly
• Miliony użytkowników codziennie globalnie (uczniowie, rodzice, nauczyciele), brak konkretnej liczby
• EdTech Awards 2024 - Cool Tool Award za „Best AI Solution” (16.05.2024)
• Faza 1 programu Białego Domu: Teksas, Floryda, Georgia
• 87% użytkowników Brainly+ deklaruje lepsze oceny po używaniu platformy - UWAGA, badanie wewnętrzne Brainly
• 83% użytkowników lepiej rozumie materiał - UWAGA, badanie wewnętrzne Brainly

Krytyczna ocena. Co działa: Brainly to polski startup, który realnie gra w globalnej lidze EdTech. Program Białego Domu jest rzeczywistym wyróżnieniem, nie PR-em (to był oficjalny dokument rządu USA, nie komunikat marketingowy). Nagroda EdTech Awards 2024 jest niezależnie weryfikowalna. CEO osobiście stoi za komunikacją, co spełnia regułę 4 metodologii.

Co brzmi jak hype: statystyki „87% lepszych ocen” pochodzą z własnego badania Brainly. Klasyczne PR research z regułą 5 metodologii. Gdzie metodologia badania? Jaka próba? Czy badanie było korelacyjne czy kontrolowane? Nie wiemy.

Czego brakuje: nazwy modelu AI pod AI Tutor. Brainly nie ujawnia, czy używa OpenAI, Google Gemini, Claude czy własnego modelu. W 2026 roku to jest podejrzane. Bez tej informacji nie można ocenić, czy firma ma kontrolę technologiczną nad swoim produktem, czy tylko nakładkę na cudze modele. Konkretnych liczb użytkowników AI Tutora w USA również brakuje.

Co ciekawe: Brainly gra „patriotyczną kartą” w Polsce. Polski startup w Białym Domu to doskonała historia dla mediów. W Stanach Zjednoczonych jest jednym z wielu startupów AI w edukacji. To nie jest ocena negatywna, ale warto mieć perspektywę.

Dla CEO MŚP. Brainly pokazuje, że polska firma może grać w światowym top 10 EdTech. To nie oznacza, że Ty masz zbudować AI Tutor. To oznacza, że jeśli masz sensowny produkt i dystrybucję, AI jest akceleratorem, a nie substytutem produktu. Kolejność: najpierw produkt, potem dystrybucja, dopiero na końcu AI. Jeśli masz słaby produkt, AI go nie naprawi.

Dla marketera. Model „AI plus Human Expert” (AI plus ekspert ludzki) w Brainly jest mocny. Nie zastępuj człowieka AI. Połącz ich. AI obsługuje 90% łatwych przypadków, człowiek wchodzi przy trudnych. To jest wzorzec, który działa w obsłudze klienta, sprzedaży, edukacji, rekrutacji i wszędzie tam, gdzie masz powtarzalne zadania z wyjątkami. Ten model wymaga mniej zaufania do AI niż pełna automatyzacja, ale daje realne oszczędności.

Źródła weryfikacji:

1. Polski startup w Białym Domu - mycompanypolska.pl
2. Brainly's AI Tutor - EdTech Digest - 16 maja 2024
3. Polska firma Brainly przez program rządowy - PAP MediaRoom

---

Case #5. Synerise i partnership Żabka Future. Polski MarTech w globalnej lidze

Branża: MarTech, platforma customer intelligence (inteligencja klienta) Confidence: HIGH na platformę, MED na konkretny case Żabki Status: LIVE, platforma w produkcji, klienci aktywni Model AI: Własne modele i nakładki na LLM, brak ujawnionej nazwy

Synerise to polska firma technologiczna, specjalizująca się w AI w analizie danych klientów i marketing automation. Założyciel i CEO to Jarosław Królewski, znany w polskim ekosystemie startupowym z aktywności na LinkedIn i wystąpień na konferencjach.

Platforma Synerise obsługuje miliardy interakcji klientów miesięcznie, jak twierdzi firma w swoich materiałach. Specjalizuje się w personalizacji w czasie rzeczywistym, czyli zmianie ofert i komunikacji w ułamku sekundy po tym, jak klient coś kliknie. Synerise inwestuje też we własne badania nad dużymi modelami językowymi i wdraża „proprietary AI solutions” (rozwiązania zastrzeżone, jak nazywa to firma w swoich materiałach) dla sektora detalicznego, e-commerce i finansowego.

Najgłośniejszy klient: Żabka. Synerise jest jednym z partnerów technologicznych Żabka Future (jednostki rozwojowej Żabki), razem z AiFi i Microsoftem. Testują wdrożenia w formacie pilotażowym. Oprócz tego klasyczna Żabka z aplikacją Żappka używa ML (machine learning - uczenia maszynowego) do analizy historii zakupów, lokalizacji, preferencji, sezonowości i pogody. System generuje dynamicznie spersonalizowane oferty dla milionów polskich klientów.

Partnerstwo z Dunnhumby: 4 lutego 2025 Synerise ogłosił partnerstwo z Dunnhumby, globalnym liderem analizy danych klientów (to firma, która zbudowała program lojalnościowy Tesco w Wielkiej Brytanii). Połączenie ekspertyzy Dunnhumby z behawioralną AI działającą w czasie rzeczywistym od Synerise. To jest silny sygnał. Firma z poziomu Dunnhumby nie podpisuje kontraktów z partnerem, który jest tylko marketingiem.

Twarde liczby:

• Miliardy interakcji miesięcznie obsługiwane przez platformę Synerise (oficjalne dane firmy)
• Partnerstwo Dunnhumby: 4 lutego 2025
• Klienci: Żabka (przez Żappka i Żabka Future)
• Kontekst rynkowy: firmy wdrażające AI w 2024-2025 raportują 25-40% wzrost produktywności w zautomatyzowanych procesach (dane rynkowe, niespecyficzne dla Synerise)

Brak publicznych metryk ROI dla konkretnych klientów Synerise (Żabki, innych), brak danych o trafności personalizacji, brak kosztów per interakcja.

Krytyczna ocena. Co działa: Synerise to jedna z nielicznych polskich firm, które mają poważny stos technologiczny AI. Własne modele, nie zwykła nakładka nad OpenAI. Partnerstwo z Dunnhumby jest mocne, ponieważ Dunnhumby wymaga szczegółowego audytu technologicznego przed podpisaniem kontraktu. Case Żabka to konkretny, działający produkt (Żappka używana przez miliony polskich klientów).

Co brzmi jak hype: „miliardy interakcji miesięcznie” to metryka rozmiaru, nie jakości. Gdzie jest trafność personalizacji? Jak wzrosła konwersja z aplikacji Żappka dzięki Synerise w porównaniu z wersją bez AI? Synerise nie publikuje. Bez tych danych nie da się ocenić wartości platformy.

Czego brakuje: konkretnych metryk uplift (wzrostu) dla Żabki, porównania z konkurencją (Salesforce Marketing Cloud, Segment, mParticle), kosztów subskrypcji.

Kontekst konkurencyjny: Synerise konkuruje z Salesforce, Segment i mParticle. Że przetrwali w globalnej konkurencji i podpisali Dunnhumby, to już jest case study sam w sobie. Dla polskiego CEO MŚP Synerise nie jest jednak realistycznym wyborem. To enterprise tool, wyceniony na firmy z 100 000 plus klientów. Mniejsi kupią Klaviyo, HubSpot, ActiveCampaign albo Mailchimp.

Dla CEO MŚP. Synerise to narzędzie dla dużych firm. Jeśli masz mniej niż 50 000 klientów, nie kupuj. Obserwuj natomiast, ponieważ ich case (Żabka Żappka) pokazuje, jak personalizacja w czasie rzeczywistym w sklepie fizycznym jest możliwa. To nie jest science fiction. Jeśli masz sklep offline z programem lojalnościowym, zacznij myśleć o tym samym. Persona plus pogoda plus sezonowość to trzy zmienne, które nawet prosty model ML potrafi przetworzyć lepiej niż manualne wybieranie promocji.

Dla marketera. Żabka Żappka jest świetnym przykładem, jak ML pracuje dla biznesu, który nie jest e-commerce. Jeśli Twój klient to fizyczny sklep z programem lojalnościowym, personalizacja promocji w czasie rzeczywistym to Twój nowy standard. Przestań wysyłać ten sam e-mail do wszystkich w bazie. Zacznij segmentować w czasie rzeczywistym po aktywności w aplikacji. Narzędzia do tego istnieją, są dostępne i nie kosztują fortuny, jeśli jesteś średniej wielkości.

Źródła weryfikacji:

1. Synerise - Autopay Services
2. TOP 7 polskich firm AI - TTMS, 2026
3. Polska firma AI rozpoczyna współpracę z gigantem - Money.pl

---

Case #6. ElevenLabs. Polski voice AI w globalnej lidze 11 miliardów dolarów

Branża: Voice AI (generative audio, generatywne audio) Confidence: HIGH Status: LIVE od 2023, pełna skala globalna Model AI: Własne modele, własne R&D w Warszawie

ElevenLabs to historia, której powinno się uczyć w polskich szkołach biznesu. Piotr Dąbkowski (CTO, były inżynier ML w Google) i Mati Staniszewski (CEO, były strateg wdrożeń w Palantir) założyli firmę w 2022 roku. Obaj wychowani w Polsce. Inspiracja do startupu: oglądanie źle dubbingowanych amerykańskich filmów. Zbudowali narzędzie do syntezy głosu z emocjonalnym intonowaniem.

W cztery lata doszli do statusu globalnego lidera voice AI z wyceną 11 miliardów dolarów. To jest bez precedensu w polskim ekosystemie startupowym.

Runda inwestycyjna w pigułce:

• Styczeń 2023: 2 miliony USD pre-seed (Credo Ventures, Concept Ventures)
• Czerwiec 2023: 19 milionów USD Series A, wycena około 100 milionów USD (Andreessen Horowitz, Nat Friedman, Daniel Gross)
• 22 stycznia 2024: 80 milionów USD Series B, wycena 1,1 miliarda USD, status unicorn (jednorożca)
• 30 stycznia 2025: 180 milionów USD Series C, wycena 3,3 miliarda USD (a16z, ICONIQ Growth)
• 4 lutego 2026: 500 milionów USD funding, wycena 11 miliardów USD, plan wejścia na giełdę (IPO)

Produkty w ofercie:

• Text-to-speech (zamiana tekstu na mowę) z emocjonalnym intonowaniem - produkt flagowy
• VoiceLab (klonowanie głosu)
• AI Dubbing (dubbing w 20+ językach)
• Eleven Music (generator muzyki AI, premiera sierpień 2025)
• Conversational AI agents (agenci konwersacyjni)
• Scribe (speech-to-text, zamiana mowy na tekst, premiera luty 2025)
• Eleven v3 (70+ języków, premiera czerwiec 2025)

Twarde liczby:

• Sierpień 2025: 200 milionów USD ARR (annual recurring revenue - powtarzalny roczny przychód)
• 2026: 400 pracowników
• Time 100 Most Influential People in AI 2025: Mati Staniszewski znalazł się na liście
• Polska inwestycja 11.11.2024: 44 miliony PLN (około 11 milionów USD) w rozwój polskiego ekosystemu AI
• R&D Warszawa: plan 30 specjalistów do końca 2024 roku
• Partnerstwo z Polską Prezydencją UE 2025: integracja AI-driven audio z europejskimi instytucjami

Krytyczna ocena. Co działa: ElevenLabs to kompletny success story. Od seed w 2023 do 11 miliardów USD wyceny w 2026. Czteroletnia rampa. 400 pracowników, 200 milionów USD ARR. To jest realna firma, nie nadmuchany balon. Polska inwestycja 44 milionów PLN plus R&D w Warszawie są mocnym połączeniem z polskim ekosystemem.

Co brzmi jak hype: każdy voice AI startup w 2025 ma „400 języków” i „emocjonalne intonowanie”. Czym ElevenLabs realnie różni się od Respeecher, Resemble AI, OpenAI voice? Dominacja to brand plus partnerstwa plus ekosystem, a nie koniecznie lepsza technologia. To jest prawdopodobnie w 80% marketing i dystrybucja, w 20% przewaga techniczna.

Czego brakuje: konkretnych klientów enterprise (kto używa Eleven Music? jakie filmy używają AI Dubbing?). Prawdziwych benchmarków dokładności vs konkurencja. Wpływu na polski rynek pracy aktorów głosowych (to jest problem etyczny, który ElevenLabs ignoruje publicznie).

Kontrowersje, o których trzeba wiedzieć:

• Używanie klonowania głosu do deepfake’ów
• AI-generated robocalls Bidena w styczniu 2024 (primary w New Hampshire)
• Aktorzy głosowi zarzucający nieautoryzowane użycie swoich głosów w danych treningowych

Nie da się pisać o ElevenLabs bez tego kontekstu. Sukces biznesowy jest niezaprzeczalny. Etyczny case jest bardziej skomplikowany. W Polsce to jest firma, którą się reklamuje jako powód do dumy. W Stanach Zjednoczonych jest jednocześnie sukcesem i jednym z centrów kontrowersji voice AI. Obie rzeczy są prawdziwe.

Dla CEO MŚP. ElevenLabs to inspiracja dystrybucyjna, nie inspiracja modelowa. Polacy zbudowali globalnego gracza od zera w cztery lata. Co to mówi Tobie? Że jeśli budujesz produkt AI dla świata (a nie dla polskiego rynku), to polski zespół plus startup capital (Credo, Inovo, OTB) to działająca ścieżka. Nie tylko Dolina Krzemowa. Polski zespół inżynierów z dobrym pomysłem i poprawnym pozycjonowaniem globalnym może grać na tym samym poziomie.

Dla marketera. Używaj ElevenLabs do voiceoverów w polskim, angielskim i 70+ innych językach. To jest tańsze niż aktor głosowy (około 5-30 dolarów za minutę) i szybsze. Pamiętaj jednak o etyce. Jeśli Twój klient końcowy nie wie, że głos jest generowany przez AI, to już jest strefa szara prawnie. W reklamach politycznych, kampaniach komercyjnych i komunikacji B2B pytaj, czy ujawniono użycie AI. W 2026 roku ignorowanie tego jest ryzykiem reputacyjnym.

Źródła weryfikacji:

1. ElevenLabs - Wikipedia
2. Mati Staniszewski - TIME 100 AI 2025
3. Polish presidency innovation partnership with ElevenLabs
4. Polish ElevenLabs Series C - The Recursive
5. How Two Polish Friends Built ElevenLabs - GetLatka

---

KATEGORIA B: WDROŻENIOWCY AI (4 case studies)

Na tym kończą się Twórcy AI. Teraz patrzymy na firmy, które AI nie SPRZEDAJĄ, tylko UŻYWAJĄ. Jeśli jesteś CEO MŚP lub marketerem, ta kategoria jest ważniejsza dla Ciebie, ponieważ prawdopodobnie jesteś bliżej ich sytuacji niż sytuacji Tidio albo ElevenLabs. Cztery case studies poniżej pokazują, jak AI może wyglądać w firmie, w której core biznes nie ma nic wspólnego z technologią.

---

Case #7. Allegro. Asystent AI w aplikacji mobilnej

Branża: E-commerce marketplace (platforma sprzedażowa) Confidence: HIGH na fakt wdrożenia, LOW na metryki Status: TEST, wąska grupa użytkowników od listopada 2025 Model AI: Nieujawniony

Allegro jest największą polską platformą e-commerce z miliardem wizyt rocznie. W listopadzie 2025 ogłosili wdrożenie asystenta AI w aplikacji mobilnej. To funkcja wyszukiwania podobna do ChatGPT, w której użytkownik opisowo pyta o produkt zamiast wpisywać słowa kluczowe. Zamiast „buty adidas 43 czarne”, można napisać „szukam wygodnych butów na jesień, rozmiar 43, czarne, na co dzień”.

4 listopada 2025 Allegro ogłosiło premierę, jednak asystent działa w fazie testowej „wśród wybranych użytkowników najnowszej wersji aplikacji”. Nie jest powszechnie dostępny. Jest kwiecień 2026, pięć miesięcy później, a nadal brak komunikatu o pełnym wdrożeniu.

Wrzesień 2025: zarząd Allegro zapowiedział „fazę industrializacji AI”. Do 2026 roku około 40% wszystkich projektów ma mieć komponent AI. W back-office AI wspiera marketing, obsługę klienta, finanse i kontroling (automatyzacja powtarzalnych zadań).

Twarde liczby:

• 40% projektów w 2026 ma mieć komponent AI (deklaracja zarządu Allegro, wrzesień 2025)
• 86% kupujących online korzysta z AI przy zbieraniu informacji o produktach - UWAGA, źródło badania nieznane, prawdopodobnie PR research
• 48% szuka inspiracji zakupowych za pomocą AI - UWAGA, to samo badanie
• 13% aktywnie używa AI jako narzędzia zakupowego - UWAGA, to samo badanie

Brak publicznych danych o liczbie użytkowników asystenta, ROI, oszczędnościach, używanych modelach AI i wpływie na konwersję.

Cytaty z nazwiskami:

• Piotr Szatybełko, VP Technology Allegro: „Asystent AI to nasza odpowiedź na rosnącą rolę generatywnej sztucznej inteligencji.” (Spider's Web, listopad 2025)
• Aleksandra Wasielewska, Head of App Allegro: „Inteligentne algorytmy pozwalają zaproponować bardziej spersonalizowane treści.” (Spider's Web, listopad 2025)

Krytyczna ocena. Co działa: Allegro otwarcie komunikuje strategię AI z konkretnym celem (40% projektów do końca 2026). VP Technology osobiście stoi za komunikatem, co spełnia regułę 4 metodologii. Firma traktuje AI jako element strategii, a nie pojedynczy projekt.

Co brzmi jak hype: „Test wśród wybranych użytkowników” w listopadzie 2025, a zapowiedzi już od września. Pięć miesięcy w fazie pilotażu to dużo. Są dwie hipotezy. Pierwsza: asystent działa świetnie i nie chcą skalować, co jest rzadkie. Druga: są ogromne problemy z jakością odpowiedzi, co jest prawdopodobne. Bez danych zewnętrznych nie wiemy, jednak drugi wariant pasuje do historii innych dużych wdrożeń AI w e-commerce na świecie.

Cytat Wasielewskiej („inteligentne algorytmy pozwalają zaproponować bardziej spersonalizowane treści”) to standardowy marketing talk, nic specyficznego o AI. Mógłbym to wypowiedzieć o rekomendacjach z 2015 roku. Statystyki „86%/48%/13%” pochodzą z badania, którego źródła Allegro nie podaje publicznie. To jest czerwona flaga metodologii.

Dla CEO MŚP. Allegro robi AI w strategii „industrializacji”. Poważnie, ale stopniowo. Nie startują od asystenta dla klientów. Najpierw back-office (marketing, obsługa, finanse). To jest sekwencja, którą może skopiować każda firma. Zacznij od tego, co jest nudne i powtarzalne wewnątrz firmy, zanim pokażesz AI na zewnątrz klientowi. Back-office AI ma mniej ryzyka reputacyjnego i szybszy ROI.

Dla marketera. Asystent AI Allegro to sygnał, jak ludzie będą szukać produktów w 2027 roku. Jeśli sprzedajesz na Allegro, zacznij myśleć o opisach produktów dla AI search, nie tylko dla klasycznego SEO. Opis produktu powinien brzmieć naturalnie po przeczytaniu przez maszynę, która zadaje pytania po polsku. Zamiast „Buty Adidas EQT 43”, napisz „Czarne buty sportowe Adidas EQT, rozmiar 43, wygodne na co dzień, oddychające”. AI search lepiej trafi.

Źródła weryfikacji:

1. Allegro odpala asystenta do zakupów - Spider's Web - 4 listopada 2025
2. Allegro weszło w fazę industrializacji AI - ISBtech
3. Sztuczna inteligencja zagości w Allegro - Geekweek/Interia

---

Case #8. mBank. Bot Marek i asystent AI zapowiadany na 2026

Branża: Bankowość detaliczna Confidence: HIGH na Bot Marek, MED na Asystent AI Status: Bot Marek LIVE, Asystent AI pełne wdrożenie zapowiedziane na 2026 Model AI: Nieujawniony, NLP plus generatywna AI

mBank to jedna z trzech największych banków detalicznych w Polsce. Mają dwa wdrożenia AI, które warto opisać osobno, bo są na różnych etapach dojrzałości.

Bot Marek działa już w produkcji. To jest bot dzwoniący AI, którego zadaniem jest weryfikacja nietypowych transakcji klientów. Jeśli system fraud detection (wykrywania oszustw) uzna transakcję za podejrzaną, Bot Marek dzwoni do klienta, pyta „Czy to Pan zrobił?”, i na podstawie odpowiedzi albo potwierdza, albo blokuje transakcję. To jest wąska, bezpieczna funkcja AI, która działa od 2024 roku.

Asystent AI w aplikacji mobilnej to coś większego. Pełne wdrożenie zapowiedziane na 2026 rok, pierwsze testy wśród pracowników i wąskiej grupy klientów w 2025. Funkcje: tworzenie budżetu, podsumowania wydatków, analiza ofert finansowych, planowanie finansów, codzienne operacje. Komunikacja konwersacyjna tekstowa lub głosowa zamiast formularzy i menu.

Twarde liczby (cele strategiczne mBanku do 2030):

• 4,1 miliona aktywnych klientów z 3,6 miliona na koniec 2024 - wzrost 14%
• 10% udziału w rynku kredytów i depozytów
• 74% klientów poniżej 46 lat - kontekst strategii pozyskiwania młodych
• 30% klientów banków w Europie regularnie korzysta z chatbotów (raport branżowy 2024, kontekst rynkowy)

Brak: liczby użyć Bota Marka, efektów pilotażu asystenta, kosztów wdrożenia.

Cytaty z nazwiskami:

• Cezary Kocik, prezes mBanku: „Staramy się dorównać neobankom pod względem narzędzi i benefitów, ale dodajemy do tego bezpieczeństwo.” (Money.pl, 2025)
• Marek Lusztyn, wiceprezes ds. zarządzania ryzykiem: „Po latach ograniczeń związanych z kredytami walutowymi jesteśmy gotowi do wzrostu.” (Money.pl, 2025)

Krytyczna ocena. Co działa: mBank publicznie deklaruje konkretną datę (2026), konkretne funkcje (budżet, analiza wydatków), konkretne cele biznesowe. To nie jest „AI bo musimy”, to jest element strategii zdobycia młodych klientów. Prezes i wiceprezes osobiście komunikują, co spełnia regułę 4 metodologii.

Co brzmi jak hype: asystent AI jest w fazie testów wewnętrznych. Zapowiedź pełnego wdrożenia w 2026 jest bezpieczna, ponieważ jeśli się nie uda, nikt nie pamięta. Bot Marek, który już działa, jest wąską funkcją bezpieczeństwa, nie pełnowartościowym asystentem AI.

Czego brakuje: liczby transakcji weryfikowanych przez Bota Marka po roku działania. Wewnętrzny ROI z testów asystenta. Czy używają OpenAI, Claude czy własnego modelu.

Kontekst konkurencyjny: Pekao, Nest Bank, PKO BP - wszyscy mówią o tym samym. Nest Bank ma już działającego wirtualnego asystenta. Pytanie nie brzmi „czy”, tylko „który zrobi to dobrze pierwszy”. W 2026 rynek będzie wyglądał tak: banki, które nie mają asystenta AI, będą traktowane przez młodych klientów jak banki, które w 2010 nie miały aplikacji mobilnej.

Dla CEO MŚP. Banki zapowiadają AI z rocznym lub dwuletnim wyprzedzeniem. Traktuj zapowiedzi banków jako „co się stanie za 18 miesięcy”, a nie „co działa dziś”. To jest ważna lekcja, bo media piszą o zapowiedziach tak, jakby były wdrożeniami. Jak oddzielić jedno od drugiego? Zawsze szukaj twardej liczby za ostatnie 12 miesięcy, nie za cel strategiczny.

Dla marketera. Bot Marek (weryfikacja transakcji) pokazuje, że AI w komunikacji z klientem zaczyna się od ZAUFANIA, nie od sprzedaży. To jest doskonałe wyjście, jeśli boisz się zacząć z AI. Weryfikacja, podsumowania, alerty. NIE od razu sprzedaż. Jeśli klient Ci zaufa w drobnych rzeczach, łatwiej mu zaufać przy większych. Odwrotna sekwencja (od razu sprzedaż przez AI) prowadzi do katastrofy reputacyjnej.

Źródła weryfikacji:

1. mBank zapowiada asystenta w aplikacji - Money.pl
2. Bot Marek będzie dzwonił do klientów banku - Geekweek/Interia
3. mBank w 2026 wprowadzi asystenta AI - ITReseller
4. Cześć, jestem Marek - mBank.pl oficjalnie

---

Case #9. InPost. VRP API i optymalizacja tras kurierów

Branża: Logistyka, paczkomaty Confidence: HIGH na VRP, MED na zapowiedziany asystent zakupowy Status: VRP LIVE, asystent zakupowy zapowiadany na 2026 Model AI: Własne i partnerskie modele ML (Emapa jako partner technologiczny)

InPost to firma, która praktycznie wymyśliła model paczkomatów w Polsce i eksportuje go do całej Europy. Rafał Brzoska, CEO, jest jedną z najczęściej cytowanych osób w polskim e-commerce. InPost ma kilka wdrożeń AI, które działają w produkcji od lat.

VRP API (Vehicle Routing Problem API): InPost wdrożył VRP API we współpracy z polską firmą Emapa. Używa ML (machine learning - uczenia maszynowego) do optymalizacji tras kurierów. VRP to klasyczny problem informatyczny (jak odwiedzić wszystkich klientów najkrótszą drogą), który ML rozwiązuje skuteczniej niż klasyczne algorytmy, gdy masz do czynienia z milionami zmiennych.

Dynamic resource management (dynamiczne zarządzanie zasobami): AI analizuje dane historyczne i dane w czasie rzeczywistym, żeby przewidzieć, gdzie i kiedy wystąpi natężenie przesyłek. Potem przekierowuje paczki do mniej zajętych punktów odbioru.

Wybór lokalizacji paczkomatów: InPost używa AI do decyzji o nowych lokalizacjach. To klasyczny use case geo-spatial ML. Zamiast intuicji regionalnego managera, masz model, który analizuje dziesiątki zmiennych (gęstość zaludnienia, konkurencja, infrastruktura, historia zamówień) i wskazuje miejsca o najlepszym ROI.

IoT plus AI predictive maintenance: AI analizuje sensory z pojazdów (temperatura silnika, zużycie opon, wibracje) i przewiduje, kiedy pojazd będzie wymagał serwisu, zanim się zepsuje.

Real-time route adaptation: AI w czasie rzeczywistym identyfikuje alternatywne trasy dla kurierów, jeśli na głównej jest korek albo wypadek.

2026: Asystent zakupowy AI „Von Halsky” dla 16 milionów aktywnych użytkowników aplikacji InPost Mobile. Wirtualny pies jako maskotka. Użytkownik wpisuje lub dyktuje swoje potrzeby, AI pokazuje karuzelę z produktami. Bez prowizji dla sprzedających. To jest bezpośrednia konkurencja z Allegro i ambitna zapowiedź.

Twarde liczby:

• 16 milionów aktywnych użytkowników InPost Mobile (baza dla Asystenta AI)
• „Up to several per cent” (do kilku procent) redukcja kosztów transportu na milionach miesięcznych przesyłek dzięki VRP API (InPost oficjalnie)
• Miliony paczek miesięcznie obsługiwanych przez zoptymalizowany routing
• Partner technologiczny VRP API: Emapa
• Brak: konkretnego ROI w PLN, czasu oszczędzonego na kuriera, procentu tras zoptymalizowanych przez AI vs manual.

Krytyczna ocena. Co działa: VRP API to rzeczywiste wdrożenie ML z konkretnym partnerem technologicznym (Emapa). Nie „zapowiedź”, tylko produkcja. Skala (miliony paczek) daje wiarygodność. „Several per cent” to skromniejsza, ale realistyczna liczba. Na milionie paczek miesięcznie to setki tysięcy PLN oszczędności miesięcznie. Jedna z rzadkich polskich firm, która NIE przesadza w liczbach.

Co brzmi jak hype: „Von Halsky” - wirtualny pies jako UI asystenta zakupowego w 2026. To brzmi jak marketing gag, nie realne wdrożenie. Konkurencja z Allegro przez „shopping agent” jest ambitna, ale Allegro ma ogromne dane o historii zakupowej Polaków, a InPost ma tylko dane o paczkach.

Czego brakuje: konkretnej liczby oszczędności (USD lub PLN rocznie), nazw konkretnych technologii ML (TensorFlow, PyTorch, własny framework?), ROI dla Emapa (co InPost płaci za partnerstwo).

Dla CEO MŚP. Jeśli masz biznes z routingiem (kurierzy, serwis, sprzedaż terenowa), ML w optymalizacji tras daje realne oszczędności. Potrzebujesz jednak około 100 lub więcej tras dziennie, żeby to się opłaciło. Mniej? Ręczna optymalizacja wystarczy. InPost pokazuje skalę, ale polski rzemieślnik z dwoma furgonetkami nie kupi VRP API. Kupi Google Maps z optymalizacją lub OsmAnd.

Dla marketera. Asystent zakupowy InPost, zapowiedziany na 2026, to kolejny sygnał, że conversational commerce (zakupy przez rozmowę z AI) jest trendem. Każdy duży gracz (Allegro, InPost, Amazon) będzie miał swojego asystenta. Twoje decyzje o content i SEO muszą uwzględniać AI search. W 2027 roku 40% zapytań zakupowych będzie szło przez asystentów AI, nie przez Google. Jeśli Twoja strategia SEO nadal jest o keywords i backlinkach, pracujesz dla epoki, która kończy się w najbliższym roku.

Źródła weryfikacji:

1. AI w logistyce InPost - InPost.pl oficjalnie
2. Technologiczny przełom InPost - MCIT.pl
3. Rafał Brzoska zapowiada rewolucję AI - Geekweek/Interia
4. InPost rzuca rękawicę Allegro - XYZ.pl

---

Case #10. CD Projekt Red. Voice cloning zmarłego aktora w Cyberpunk 2077

Branża: Game development Confidence: HIGH Status: LIVE, Phantom Liberty wydane 26 września 2023 Model AI: Respeecher (partner technologiczny)

Ten case study jest inny niż wszystkie pozostałe w artykule. Nie dotyczy wdrożenia AI w produkcji ani budowania produktu. Dotyczy jednego projektu, który był etycznie trudny i został wykonany z godnością. Dla polskiego CEO MŚP to jest najważniejszy case w całym artykule, bo pokazuje, jak podchodzić do AI odpowiedzialnie.

Kontekst. Miłogost Reczek, polski aktor głosowy, zmarł w 2021 roku. W polskiej wersji Cyberpunk 2077 podkładał głos pod postać Viktora Vektora (ripperdoc, chirurg cybernetyczny). Po jego śmierci CD Projekt Red stanął przed dylematem: Phantom Liberty (DLC wydane 26 września 2023) wymagało nowych linii dialogowych dla Viktora. Miały trzy opcje. Usunąć postać ze scenariusza. Dać postaci nowy głos. Albo użyć AI, żeby zrekonstruować głos Reczka.

Wybrali trzecią opcję, ale z ostrożnością. CD Projekt Red współpracował z Respeecherem, ukraińsko-amerykańską firmą specjalizującą się w voice cloningu z użyciem AI. Proces był następujący:

1. Użyto wysokiej jakości nagrań studyjnych z poprzednich występów Reczka (z pierwszego Cyberpunk 2077 w 2020)
2. Janusz Zadura, polski aktor, nagrywał nowe linie dialogowe, imitując styl Reczka
3. Respeecher stworzył model AI głosu Reczka na podstawie starych nagrań
4. Model konwertował nagrania Zadury na głos Reczka

Kluczowy element: rodzina Reczka wyraziła pisemną zgodę na projekt. Bez tej zgody CD Projekt Red by go nie zrobił. To jest różnica między etycznym a nieetycznym voice cloningiem.

Wynik: według opinii recenzentów gry, „jakość konwersji była prawie doskonała” i fani „nie rozpoznaliby różnicy między syntetycznym a oryginalnym głosem”. Podkreślam: to są subiektywne opinie, nie ślepe testy porównawcze z danymi.

Twarde liczby:

• Phantom Liberty sprzedaż: ponad 5 milionów kopii do końca 2023 (wliczając wszystkie DLC)
• Data wydania: 26 września 2023
• Konkretne linijki dialogu od Reczka-AI: niepodane publicznie
• Koszt projektu: niepodany (Respeecher nie ujawnia cenników)

Cytaty z nazwiskami:

• Współ-CEO CD Projekt Red: „CD Projekt RED uważa, że są 'meaningful' and 'real' benefits to using AI technology” (CDPR, 2024)
• Respeecher (oficjalne case study): „Harmonogram projektu był napięty, ale razem z CD PROJEKT RED udało nam się ukończyć projekt na czas.”

Stanowisko CDPR dwa lata później (2024-2025). Tu zaczyna się najważniejszy element case studies. CD Projekt Red NIE używa generatywnej AI w Wiedźminie 4 ani w innych obecnie tworzonych grach. Powód, który publicznie podali: „quite tricky when it comes to legal IP ownership” (bardzo trudne w kontekście prawnej własności IP). To jest ogromny komunikat. Firma, która raz użyła AI etycznie i z sukcesem, świadomie wycofała się z użycia jej w kolejnych projektach.

Krytyczna ocena. Co działa: to jest unikalny case. Etycznie trudny (zmarły aktor), ale zrobiony uczciwie (zgoda rodziny, nowy aktor źródłowy, transparentna komunikacja). Techniczna realizacja na światowym poziomie. CDPR pokazuje, że AI może być używane z szacunkiem dla zmarłych twórców. To jest rzadkie.

Co brzmi jak hype: „prawie doskonała jakość konwersji” jest subiektywne. Nie ma blind testów w publicznych źródłach. Możliwe, że konwersja była dobra tylko w niektórych scenach, a w innych słyszalna.

Czego brakuje: technicznych szczegółów modelu Respeechera, konkretnej liczby linijek, kosztu projektu, porównania z alternatywą (przerobienie scenariusza tak, żeby Viktor zniknął z DLC).

Kluczowy punkt. CDPR świadomie wycofał się z generatywnej AI w Wiedźminie 4. To jest antywzorzec dla powszechnego hype'u „AI wszędzie”. Powód: „legal IP ownership” (własność intelektualna). Inne firmy powinny się tego nauczyć. Prawo autorskie plus generatywna AI to pole minowe. Nie wiesz, na czym zostało wytrenowane to, czego używasz. Nie wiesz, czy w wygenerowanym wyniku nie ma cudzej własności intelektualnej. Ryzyko prawne rośnie z każdym miesiącem.

Dla CEO MŚP. Case CDPR pokazuje, że AI może rozwiązać problem niemożliwy (zmarły aktor) w sposób etyczny. Jeśli masz podobne „niemożliwe” zadanie, AI jest opcją. Kwestie własności intelektualnej i zgód musisz jednak rozwiązać PIERWSZE. Nie jest to detal, tylko fundament. Zrób tak, jak CDPR: pisemna zgoda, drugi aktor źródłowy, transparentność w komunikacji. Skrócenie tych kroków kosztuje więcej niż ich wykonanie.

Dla marketera. CDPR wycofał się z generatywnej AI w Wiedźminie 4 z powodu „legal tricky” (trudności prawnych). To jest mocny komunikat. Nie używaj generatywnej AI do czegokolwiek, co wymaga czystej własności intelektualnej. Reklamy dla klientów, treści kampanii płatnych, materiały dla agencji reklamowych, komunikacja z inwestorami. Używaj do burzy mózgów, szkiców, analiz wewnętrznych, pierwszych wersji. Nie do końcowych materiałów z ryzykiem naruszenia własności intelektualnej. W 2026 roku to jest najlepsza praktyka, w 2027 będzie standard.

Źródła weryfikacji:

1. Respeecher plus CD Projekt Red Case Study - Respeecher.com
2. CDPR używał AI do wskrzeszenia głosu aktora - Game Developer
3. CD Projekt nie używa generatywnej AI w Wiedźminie 4 - PC Gamer
4. AI w wideo grach - Variety, 2023

---

7 wzorców, które widać we wszystkich 10 case studies

Przeczytałeś 10 historii. Teraz wyciągam z nich to, co powtarza się wszędzie. Te siedem wzorców to materiał do skopiowania w Twojej firmie, niezależnie od branży i rozmiaru.

Wzorzec 1. „AI jest w fazie zapowiedzi” to polski standard 2026

Większość dużych polskich firm (Allegro, mBank, InPost) ma strategię AI z terminem 2026. Realnie nie ma wdrożeń produkcyjnych, tylko pilotaże. Tylko pięć firm z listy ma faktyczne wdrożenia bez „ale” i „do 2026”: Tidio, DocPlanner, Brand24, Synerise, ElevenLabs. To są Twórcy AI z Kategorii A, dla których AI jest rdzeniem biznesu.

Implikacja dla Ciebie. Jeśli media piszą o polskim AI tak, jakby było wszędzie, sprawdź datę. W 80% przypadków mówimy o zapowiedziach na 2026 lub 2027, nie o tym, co działa dzisiaj. Przestań bać się, że „świat pędzi, a ja zostaję w tyle”. Prawda jest taka, że większość świata też zostaje, a tylko PR twierdzi inaczej. Skup się na tym, co możesz wdrożyć w swojej firmie w ciągu dwóch tygodni, nie na tym, co Allegro zapowiada na 2027.

Wzorzec 2. Polskie firmy bardzo rzadko ujawniają model AI pod maską

Tylko jedna firma z listy publicznie powiedziała, jakiego modelu używa: Tidio z Claude. Dziewięć pozostałych milczy. Allegro, mBank, InPost, DocPlanner, Brainly, Synerise, CDPR - żadna z nich nie powiedziała, czy to OpenAI, Claude, Gemini, własny model czy coś jeszcze innego.

Dlaczego milczą? Trzy hipotezy, żadna nie jest miła dla firm.

Pierwsza: używają wrappera nad OpenAI API i nie chcą tego przyznać, bo to obniża wartość marketingową („budujemy AI” vs „używamy cudzego AI”).

Druga: używają kilku modeli równocześnie i nie wiedzą, który jest odpowiedzialny za które funkcje, więc unikają ujawnienia, żeby nie pomylić.

Trzecia: nie mają jednego spójnego kierunku technologicznego, tylko różne zespoły eksperymentują z różnymi modelami.

Implikacja dla Ciebie. Za każdym razem, gdy czytasz case study polskiej firmy AI, zapytaj „Jaki model używają?”. Jeśli nie znajdujesz odpowiedzi w trzech źródłach, traktuj firmę krytycznie. To nie oznacza, że kłamią. Oznacza, że nie mają kontroli technologicznej na poziomie, który warto cytować.

Wzorzec 3. PR research dominuje dane publiczne

To jest pułapka, w której zginie 90% Twoich przyszłych case studies, jeśli nie będziesz ich filtrować. DocPlanner opublikował badanie o AI w placówkach medycznych (9% wdrożyło, 90% lekarzy pozytywnie). Zamówił je jednak sam. Allegro cytuje 86% „korzystających z AI do zakupów” bez podania źródła badania. Brainly cytuje 87% „lepszych ocen” z własnego badania.

Schemat jest zawsze taki sam. Firma X zamawia badanie. Badanie pokazuje, że rynek potrzebuje tego, co sprzedaje firma X. Firma X cytuje badanie jako niezależny dowód. Media podchwytują. Po miesiącu w 20 miejscach krąży liczba „87%”, a nikt nie pamięta, że jej źródłem jest firma, która na tej liczbie zarabia.

Implikacja dla Ciebie. Wszystkie statystyki o polskim AI, które czytasz, przeprowadzaj przez jedno pytanie: „Kto zamówił to badanie?”. Jeśli odpowiedź brzmi „firma, która sprzedaje rozwiązanie opisane w badaniu”, zacznij traktować liczbę jako reklamę, nie fakt.

Wzorzec 4. Liczby wiarygodne w 2026 są skromne, a nie rewolucyjne

Zauważ, które liczby w całym artykule przeszły mój filtr wiarygodności. Tidio: 67% resolution rate. InPost: „do kilku procent” redukcji kosztów. CDPR: 5 milionów kopii Phantom Liberty (które nie jest metryką AI, tylko kontekstem). ElevenLabs: 200 milionów USD ARR (metryka biznesowa, nie techniczna).

Żadne z tych liczb nie brzmi „rewolucyjnie”. Żadna nie twierdzi „10x poprawy”. Żadna nie używa słowa „transformacja”. Liczby wiarygodne są zwykle mniej efektowne od liczb z komunikatów PR, ponieważ nie przeszły przez filtr marketingu.

Implikacja dla Ciebie. Jeśli w case study widzisz liczbę typu „5x wzrost konwersji”, „10x skrócenie czasu”, „50% oszczędności kosztów”, zadaj sobie pytanie, czy to przeszło filtr, czy jest to metryka, która trafiła prosto do slajdu prezentacji. Prawdziwe wdrożenia AI dają poprawy rzędu kilku do kilkunastu procent w konkretnych procesach, nie „transformacji całej firmy”.

Wzorzec 5. Uczciwe firmy wycofują się z AI, gdy widzą problem

CD Projekt Red jest najmocniejszym case studies tego wzorca. Firma, która raz użyła AI z sukcesem (voice cloning w Phantom Liberty), świadomie wycofała się z użycia jej w kolejnych projektach. Powód: legal IP ownership. InPost podaje skromną liczbę „up to several per cent” zamiast „rewolucyjnych oszczędności”. Tidio jawnie mówi, jakiego modelu używa, zamiast ukrywać.

To są firmy, które zasługują na szacunek za uczciwość. Uczciwe firmy wyglądają mniej efektownie niż firmy z marketingiem PR, ale są dużo bardziej wiarygodne jako wzorce do kopiowania.

Implikacja dla Ciebie. W Twojej firmie wzoruj się na uczciwych, a nie na efektownych. Podawaj skromniejsze liczby, ale weryfikowalne. Wycofuj się z wdrożeń AI, które nie działają, zamiast udawać, że działają. Długoterminowa reputacja wynika z tego, co NIE powiesz, a nie z tego, co powiesz.

Wzorzec 6. Podział na Twórców i Wdrożeniowców ma konsekwencje strategiczne

Twórcy AI (Kategoria A: Tidio, Brand24, DocPlanner, Brainly, Synerise, ElevenLabs) mają inne ryzyka niż Wdrożeniowcy (Kategoria B: Allegro, mBank, InPost, CDPR). Dla Twórców AI to pytanie „jak zbudować lepszy model szybciej niż konkurencja”. Dla Wdrożeniowców AI to pytanie „jak kupić odpowiedni gotowiec i go wdrożyć taniej niż konkurencja”.

Implikacja dla Ciebie. Ustal, w której kategorii jesteś. Jeśli Twój biznes nie ma rdzenia AI, jesteś Wdrożeniowcem. W tym przypadku nie buduj własnych modeli. Kup gotowe. Wdróż szybciej. Większość polskich firm popełnia błąd próbowania budowania własnego chatbota „bo to jest proste” i traci 6 miesięcy na coś, co gotowa platforma dawała od pierwszego dnia.

Wzorzec 7. Aktualne modele AI w 2026 roku mają nazwiska, nie „GPT-4”

Ostatnia rzecz. Jeśli pisałeś coś o AI w 2023 roku, używałeś GPT-4 i Claude 2. To nie są aktualne modele w 2026. Frontier models (najwyższej klasy modele) na kwiecień 2026 to:

• GPT-5.4 od OpenAI (wypuszczony luty 2026)
• Claude 4.6 Opus od Anthropic (wypuszczony luty 2026)
• Gemini 3.1 Pro Preview od Google DeepMind (wypuszczony marzec 2026)

Te trzy modele są na zupełnie innym poziomie niż GPT-4 z 2023. Testują się w benchmarkach na poziomie 85-95% dokładności w zadaniach, w których GPT-4 miał 50-60%. Koszt per token spadł kilkakrotnie. Okno kontekstowe (ile tekstu model może przetworzyć za jednym razem) wzrosło 10-100 razy.

Implikacja dla Ciebie. Jeśli firma w 2026 pokazuje Ci case study „wdrożyliśmy AI w 2023 roku”, sprawdź, czy mają aktualizacje. Model z 2023 roku jest dzisiaj jak stara przeglądarka internetowa. Działał wtedy, ale dzisiaj jest krytycznie słabszy od aktualnych. W Twoim własnym wdrożeniu zawsze używaj najnowszego modelu, który Twój dostawca oferuje. Różnica jakościowa między modelami z 2023 a modelami z 2026 jest większa niż różnica między iPhone'em 1 a iPhone'em 15.

---

Czego nauczyłem się po przeczytaniu 50+ źródeł

Zanim wysłałem ten artykuł do publikacji, chciałem spojrzeć na całość z dystansu. Co wyniosłem z tygodni czytania?

Polski rynek AI w 2026 jest w fazie stopniowych zmian, a nie rewolucji. Firmy wdrażają AI, lecz powoli i w wąskich obszarach. Nie widzę żadnej polskiej firmy, która zbudowała biznes na radykalnym użyciu AI w całej organizacji. Wszyscy robią to samo: wąskie piloty, back-office, obsługa klienta, voice. Nikt nie ma bingo pełnego AI, wszyscy mają kilka liczb w karcie.

Dostęp do metryk jest gorszy niż oczekiwałem. Spodziewałem się, że polskie firmy publiczne (Brand24, ZnanyLekarz, InPost) będą ujawniać więcej. Niewielu tak robi. Większość chowa liczby w raportach kwartalnych, a w komunikatach marketingowych daje tylko słowne opisy. To jest luka informacyjna, którą można wypełnić tylko przez rygorystyczne filtrowanie.

Etyczne case studies są rzadkie i zasługują na uznanie. CDPR z voice cloningiem zmarłego aktora, z pisemną zgodą rodziny i transparentną komunikacją, jest najjaśniejszym punktem na liście. Gdy większość firm dba o szum wokół AI, CDPR postawił na etykę. To rzadkie i trzeba to nagrodzić uwagą.

Mapa polskich firm AI jest mniejsza, niż się wydaje. Po przefiltrowaniu 25 firm do 10 stało się jasne, że polski ekosystem AI ma kilka mocnych punktów (ElevenLabs jako globalny lider, Brand24 jako firma z własnymi modelami, Tidio jako SaaS z Claude) i dużo średnich firm, które używają AI w standardowy sposób. To nie jest krytyka. To jest realny obraz.

---

Praktyczne wnioski. Co z tym zrobisz?

Przeczytałeś 10 case studies i 7 wzorców. Teraz pytanie, jak to zastosujesz. Oto dwa scenariusze, w zależności od tego, kim jesteś.

Jeśli jesteś CEO MŚP

Krok 1. Zrób inwentaryzację procesów. Spisz wszystkie powtarzalne zadania w firmie, które ktoś wykonuje manualnie co najmniej trzy razy w tygodniu. To są Twoi kandydaci do AI. Nie szukaj „tego wielkiego projektu”. Szukaj dziesięciu małych oszczędności.

Krok 2. Skopiuj sekwencję Allegro. Zacznij od back-office (marketing, obsługa klienta, finanse, kontrolig), nie od klienta końcowego. Back-office AI ma mniejsze ryzyko reputacyjne i szybszy ROI. Jeśli błąd się wydarzy, klient go nie zobaczy.

Krok 3. Zamiast budować, kupuj. Brand24 budowali swoje modele przez dwa lata. Nie masz dwóch lat. Kup gotowe. Lyro od Tidio, Synerise dla personalizacji, ChatGPT Team dla pracowników, Claude dla analiz. Gotowce są lepsze niż Twoja samodzielna konstrukcja, chyba że masz zespół 10+ inżynierów ML.

Krok 4. Zadawaj pytanie o model AI. Każdy dostawca, który Ci sprzeda „platformę AI”, musi umieć odpowiedzieć, jaki model pod maską używa. Jeśli nie umie, nie kupuj. To jest jak kupowanie samochodu bez wiedzy, jaki silnik jest pod maską. Może działa, ale nie możesz tego realnie ocenić.

Krok 5. Ustal etyczne linie czerwone PRZED wdrożeniem. Co będzie legalne, co będzie etyczne, jak komunikować klientom, że używasz AI, jak radzić sobie z błędami AI. Rób to zanim wdrożysz, nie po. CDPR jest przykładem, dlaczego to działa.

Jeśli jesteś marketerem

Krok 1. Przestań pisać „top 10 narzędzi AI”. Nikt tego nie chce czytać w 2026 roku. Zacznij pisać o konkretnych przypadkach użycia w konkretnych branżach. Twoi czytelnicy są mądrzejsi, niż myślisz.

Krok 2. Używaj AI do voiceoverów i szkiców, nie do końcowych materiałów. Lekcja CDPR. Generatywna AI jest świetna do burzy mózgów i pierwszych wersji. Jest ryzykowna prawnie, jeśli finalna kampania zawiera materiały wygenerowane przez AI bez weryfikacji.

Krok 3. Zaplanuj strategię SEO na AI search, nie tylko Google. Jak pokazują Allegro i InPost, rok 2027 to będzie moment, w którym 40%+ zapytań zakupowych pójdzie przez asystentów AI. Twój content musi być czytelny przez maszynę, która zadaje pytania naturalnie po polsku.

Krok 4. Segmentuj klientów w czasie rzeczywistym. Żabka Żappka pokazuje, że to się da zrobić nawet dla sklepów fizycznych. Twoja baza mailingowa też. Zatrzymaj „wysyłanie tego samego do wszystkich” i zacznij używać narzędzi ML do personalizacji.

Krok 5. Zawsze weryfikuj case studies, które cytujesz. Skopiuj sześć reguł metodologii z tego artykułu. Zanim wrzucisz case study klienta do prezentacji, sprawdź, czy ma: trzy źródła, twardą liczbę, jasny status, nazwisko osoby, niezależny audyt danych, model AI. Jeśli trzy z sześciu regułami upadają, wyrzuć case study z prezentacji.

---

Podsumowanie

80% polskich case studies AI to komunikaty PR, które nie przeszłyby filtru wiarygodności. Tego się nauczyłem po przeczytaniu 50+ publicznych źródeł. 10 firm, które opisałem powyżej, to nie jest lista „najlepszych”. To jest lista „najmniej ściemnych”. Różnica jest ważna.

Jeśli wyniesiesz z tego artykułu tylko dwie rzeczy, niech to będą:

Rzecz pierwsza. Stosuj sześć reguł metodologii za każdym razem, gdy czytasz o kolejnym „wdrożeniu AI w polskiej firmie”. Trzy źródła, twarda liczba, jasny status, nazwisko osoby, niezależność danych, nazwa modelu. Jeśli dwa z sześciu upadają, to jest reklama, nie case study.

Rzecz druga. Nie buduj własnego AI. Kup gotowe rozwiązanie. Firmy z tego artykułu, które zbudowały własne modele (Brand24, Synerise, ElevenLabs), pracowały nad nimi przez dwa do pięciu lat z dedykowanymi zespołami inżynierów. Ty masz inne problemy do rozwiązania. Zostaw budowanie tym, którzy budują zawodowo, i skup się na wdrażaniu gotowych rozwiązań.

Za rok napiszę kolejny artykuł. Sprawdzę, ile z firm z tej listy nadal jest w liderach, a ile wypadło. Zobaczymy, czy zapowiedzi Allegro, mBanku i InPostu się zmaterializowały. Zobaczymy, czy ElevenLabs weszło na giełdę. Zobaczymy, czy CDPR wróci do generatywnej AI w Wiedźminie 4, czy nadal będzie jej unikać.

Do tego czasu, gdy ktoś Ci prześle kolejne „top 10 polskich firm AI”, wiesz, co zrobić. Otwórz sześć reguł. Sprawdź każdą firmę. Wyrzuć ściemę. Zostaw to, co przeszło filtr.

Jeśli chcesz, żeby kolejne case studies, wzorce i praktyczne wnioski trafiały do Ciebie pierwszego, zapisz się na newsletter poniżej. Co tydzień jedno case study, jeden framework, zero spamu.