AI software house - jak wybrać dostawcę oprogramowania z AI

AI software house vs klasyczny software house vs agencja AI - pięć typów dostawcy

Rynek wygląda na jednorodny tylko z zewnątrz. W środku to pięć różnych modeli biznesowych, z różnym rozkładem ryzyka.

Jak poznać, z kim rozmawiasz, już po pierwszej rozmowie

• Klasyczny software house wycenia w osobo-miesiącach i przedstawia pełny zespół: project manager, testerzy, projektant interfejsu.
• Agencja AI nie mówi o kodzie - mówi o narzędziach i integracjach.
• Body leasing pyta, ilu ludzi potrzebujesz i na jak długo, a nie co ma powstać.
• AI software house pyta o Twoje dane i o to, z czym system ma się połączyć - bo od tego, a nie od liczby ekranów, zależy tu wycena.

Czy „5× szybciej dzięki AI” to prawda? Wyniki badań

Sami deklarujemy pięciokrotne przyspieszenie. Poniżej wyniki badań nad wpływem asystentów AI na tempo pracy, łącznie z niekorzystnymi dla tej tezy.

Co mówią badania potwierdzające

• GitHub i MIT, badanie z grupą kontrolną (2023): programiści z asystentem AI ukończyli zadanie o 55,8% szybciej - godzina jedenaście zamiast dwóch godzin czterdziestu jeden. Wynik istotny statystycznie. Zastrzeżenie autorów: to było pojedyncze, dobrze zdefiniowane zadanie pisane od zera [7].
• Bank ANZ: przyspieszenie o 42%, przy czym junior zyskał 52%, a senior 40%. Im więcej doświadczenia, tym mniejszy efekt [8].

Co mówią badania przeczące

• METR, badanie z grupą kontrolną (lipiec 2025). Szesnastu doświadczonych programistów, 246 realnych zadań we własnych, dojrzałych repozytoriach. Wynik: z narzędziami AI pracowali o 19% WOLNIEJ. Najciekawsze jest to, co stało się z ich oceną: przed badaniem spodziewali się przyspieszenia o 24%, a po zakończeniu - już znając wyniki własnej pracy - nadal szacowali, że byli szybsi o 20%. Rozjazd między odczuciem a pomiarem sięgnął blisko czterdziestu punktów procentowych [9].
• Stack Overflow, ankieta 2025 (ponad 49 tysięcy programistów): 46% nie ufa dokładności tego, co generuje AI - rok wcześniej było 31%. 45% mówi, że debugowanie kodu napisanego z AI zajmuje więcej czasu [10].
• DORA, State of DevOps 2024 (ponad 39 tysięcy respondentów): AI podnosi indywidualną produktywność i satysfakcję, ale pogarsza przepustowość i stabilność dostarczania oprogramowania. Drugi rok z rzędu [11].

Gdzie AI przyspiesza, a gdzie przeszkadza

Zakres, w którym ta liczba obowiązuje

Pięć razy szybciej - dla nowych systemów budowanych od zera.
Nie na utrzymaniu cudzego legacy. Nie na debugowaniu. Nie jako uniwersalny mnożnik.

Nasze wdrożenia mieszczą się dokładnie w tej klasie i dlatego ta liczba u nas działa:

• System finansowy: na produkcji pierwszego dnia, przegląd kodu zamknięty piątego. 30 godzin pracy zamiast czterech do sześciu miesięcy. Zobacz, jak powstał →
• Automat fakturowy: trzy roboczogodziny budowy. Zamknięcie miesiąca skróciło się z półtorej godziny do kwadransa. Zobacz, jak powstał →
• Tablica produkcji treści: sześć etapów wdrożenia w jeden dzień. [→ link do realizacji]

Warto zapytać każdego dostawcę, gdzie jego mnożnik przestaje obowiązywać. Brak odpowiedzi na to pytanie sam w sobie jest informacją.

AI Act - co Cię dotyczy i od kiedy

Krótko, bo w większości przypadków odpowiedź jest prostsza, niż się wydaje.

• 2 lutego 2025 - zakaz określonych praktyk oraz obowiązek zapewnienia kompetencji AI wśród pracowników. Już obowiązuje.
• 2 sierpnia 2026 - obowiązki przejrzystości: informowanie, że rozmawiasz z systemem AI, oznaczanie treści generowanych.
• 2 grudnia 2027 - systemy wysokiego ryzyka. Termin przesunięty z sierpnia 2026 w ramach pakietu Digital Omnibus (Parlament Europejski 16 czerwca, Rada 29 czerwca 2026).
• Polska: ustawa o systemach sztucznej inteligencji podpisana 24 lipca 2026, nowy organ nadzoru rusza około listopada 2026.
• Kary: do 35 mln euro lub 7% światowego obrotu za praktyki zakazane. [15]

Twój typowy przypadek. Dedykowany system transportowy, obieg faktur, panel operacyjny produkcji - to nie są systemy wysokiego ryzyka. Twoje obowiązki sprowadzają się do przejrzystości i kompetencji zespołu. Wysokie ryzyko zaczyna się tam, gdzie AI ocenia ludzi: rekrutacja, scoring, dostęp do świadczeń. I dopiero od grudnia 2027.

Powyższe nie jest poradą prawną. Stan na 26 sierpnia 2026 - przy tym tempie zmian sprawdź datę, zanim się na tym oprzesz.

Kiedy NIE powinieneś wybierać AI software house’u

Dziewięć sytuacji, w których warto poszukać innego dostawcy, także zamiast nas.

1. Systemy, w których błąd zagraża zdrowiu lub życiu - wyroby medyczne wyższych klas, sterowanie maszynami, motoryzacja. Potrzebujesz procesu nastawionego na powtarzalną jakość, nie na tempo.
2. Wymogi certyfikacyjne - walidacja systemów w farmacji, lotnictwo. Tam przewagę mają duzi dostawcy z gotowym aparatem zgodności.
3. Potrzebujesz dziesięciu do piętnastu programistów na pół roku i dłużej. To profil klasycznego software house’u. Mały zespół tego nie udźwignie [5].
4. System jest naprawdę duży i złożony - wiele modułów, wieloletni horyzont rozwoju. Przewaga AI-assisted engineering rośnie tam, gdzie całość mieści się w głowie jednego albo dwóch inżynierów. Im system większy, tym bardziej upodabnia się do warunków z badania METR - dojrzały, rozbudowany kod, na którym AI przestaje pomagać. Głównym kosztem staje się wtedy koordynacja i pilnowanie architektury, a nie tempo pisania.
5. Projekt czysto utrzymaniowy na dużym, starym systemie. To jest dokładnie ten obszar, w którym badanie METR wykazało, że doświadczeni programiści z AI są wolniejsi o 19%. Nie sprzedamy Ci przyspieszenia tam, gdzie go nie ma.
6. Proces, który nie jest Twoją przewagą. Jeśli to zwykła papierkowa robota, taniej i szybciej zrobisz ją na gotowej platformie. Dedykowany system ma sens tam, gdzie robicie coś inaczej niż konkurencja.
7. Nie masz po swojej stronie osoby decyzyjnej ani budżetu na utrzymanie. Bez decydenta projekt grzęźnie na tygodnie, a bez utrzymania system umiera w rok [3].
8. Budujesz dużą aplikację mobilną, która sięga głęboko do funkcji telefonu - kamera, czujniki, Bluetooth, praca w tle, uprawnienia, powiadomienia push. To robota dla specjalistów od natywnego mobile’u, z własnym cyklem wydawniczym w sklepach Apple i Google. Tempo pisania kodu nie jest tu wąskim gardłem - jest nim platforma.
9. Robisz grę. To bardziej kreacja niż development: game design, kierunek artystyczny, balans rozgrywki, wyczucie sterowania. Kod jest w tym mniejszą częścią, a AI przyspiesza akurat tę mniejszą część. Idź do studia, które robi gry.

Bezpłatny audyt kończy się diagnozą, nie ofertą na siłę. Jeśli trafiasz w którąś z tych dziewięciu sytuacji, powiemy Ci to i podpowiemy, kogo szukać.

Zbudowaliśmy tą metodą własną firmę, zanim zaczęliśmy ją sprzedawać

31 lipca 2025 - postawiliśmy wszystko na jedną kartę

Tego dnia odszedłem z firmy, którą współtworzyłem przez lata. Rynek szumiał o nadchodzącym przełomie w wytwarzaniu oprogramowania i trzeba było sprawdzić w praktyce, ile w tym prawdy. Takiego sprawdzianu nie da się zrobić po godzinach - wymagał postawienia na tę kartę całego dostępnego czasu.

„Chcemy być pionierami”: na rok RapidLogic przestaje być agencją i staje się laboratorium. Nie eksperymentem po godzinach - dział badawczo-rozwojowy ma jedno zadanie: zrobić tyle testów, ile będzie potrzeba, aby okiełznać nadchodzącą technologię, zanim stanie się standardem.

To kosztowna decyzja i mało kto może sobie na nią pozwolić, bo laboratorium nie wystawia faktur. Ale bez niej mielibyśmy dziś to samo, co większość rynku: AI dopisane do oferty i nadzieję, że klient nie zapyta o szczegóły.

Zapis tej kwietniowej decyzji brzmi w naszej bazie wprost: aktywna sprzedaż bez jasnej strategii to przepalanie czasu. Pytanie, na które miał odpowiedzieć cały ten rok, było jedno: czy AI-assisted engineering realnie znosi sufit możliwości małego zespołu, czy tylko dobrze brzmi.

Sprawdzian mógł wypaść źle. Wtedy nie byłoby tej strony.

Zanim doszliśmy do tej metody - no-code, i to też działało

Nie zaczęliśmy od AI. Wcześniej szukaliśmy skrótu w narzędziach no-code i jeden z nich obronił się liczbami. Marketplace wywozu odpadów z panelem operacyjnym dla firm asenizacyjnych: 200 godzin pracy jednej osoby. Software house wycenił to samo na 100–150 tys. zł, około 500 godzin.

Dwa i pół raza mniej czasu, ułamek kosztu. Ale no-code ma sufit, który widać dopiero w praktyce: całość żyje na cudzej platformie, a złożona logika transakcyjna zaczyna w pewnym momencie walczyć z narzędziem zamiast z problemem klienta.

AI-assisted engineering zdjął ten sufit. To samo lub nawet większe tempo, ale prawdziwy kod, w Twoim repozytorium, bez zależności od cudzej roadmapy i stabilności dostawcy.

Piszemy o tym, bo ten projekt nie jest dowodem na AI - jest dowodem na to, że szukaliśmy krótszej drogi, zanim znaleźliśmy tę. Do tabeli wdrożeń zrobionych metodą AI-assisted engineering nie wchodzi. Zobacz ten projekt →

Dlaczego „trzynaście systemów w 46 dni” brzmi nierzeczywiście

Ta liczba rzeczywiście nie brzmi wiarygodnie bez kontekstu.

Prawda jest taka, że 46 dni to czubek góry lodowej. Bez wszystkiego, co było wcześniej, tych systemów nie dałoby się postawić ani w półtora miesiąca, ani w rok. To klasyczny overnight success with 15 years of preparation: piętnaście lat wytwarzania oprogramowania plus rok intensywnej pracy z AI i no-code, żeby dojść do praktyk, które faktycznie działają.

Widać to na jednym z tych systemów. Automat fakturowy powstał w 3 godziny - za drugim podejściem. Pierwsze, kilka miesięcy wcześniej, zakończyło się porażką. Jak napisaliśmy w opisie tego wdrożenia: „ówczesna znajomość narzędzi nie wystarczyła, żeby go domknąć”. Ten sam człowiek, ten sam problem, inny poziom umiejętności. Zobacz oba podejścia →

Nie zmieniło się tempo pisania kodu. Zmieniła się wiedza o tym, co i jak budować.
Dlatego pytanie „ile Wam to zajmie” jest mniej istotne niż „ile razy robiliście już coś podobnego”. Zadaj je każdemu dostawcy - nam też.

Co z tego wyszło - trzynaście systemów

Od 11 lipca do 26 sierpnia 2026, czyli w 46 dni, powstało trzynaście systemów. Dziewięć z nich pracuje dziś w produkcji, obsługując naszą własną firmę:

• Sterownia pokazująca stan wszystkich systemów - 22 automatyczne sondy, dostęp wyłącznie po uwierzytelnieniu dwuskładnikowym [→ link]
• Cotygodniowy raport o kondycji firmy pisany przez model [→ link]
• Obsługa trzech skrzynek pocztowych z klasyfikacją i propozycjami odpowiedzi [→ link]
• Automat fakturowy uruchamiany trzeciego dnia miesiąca zobacz →
• Radar popytu z cotygodniowym raportem rynkowym [→ link]
• Hub powiadomień zbierający sygnały ze wszystkich systemów [→ link]
• Dogrzewanie leadów z bezpiecznym nadawcą [→ link]
• Tablica produkcji treści [→ link]
• Warstwa spinająca wszystko w jeden organizm [→ link]

Rygor, nie tylko tempo

Najczęstszy zarzut wobec kodu pisanego z AI brzmi: powstaje szybko i zostawia po sobie dług techniczny. Zarzut ma podstawy. Analiza 211 milionów linii kodu pokazuje, że wraz z adopcją AI odsetek kodu przepisywanego wkrótce po napisaniu wzrósł z 3,3% w 2021 do 7,1% w 2025, a udział refaktoryzacji spadł [16].

Nie twierdzimy, że nas to nie dotyczy. Twierdzimy, że u nas to jest mierzone i widoczne.

• Testy automatyczne kluczowych systemów: 103/103, 114, 44, 25/25, 18/18
• Roadmapa: 129 pozycji, 27 zamkniętych. Nic nie ginie i nic nie jest chowane.
• Przegląd kodu całości: 13 znalezisk, oba o wysokiej wadze naprawione i wdrożone. Jedno z nich: raport mógł podać właścicielowi odczyt sprzed kilku dni jako aktualny stan firmy. Dokładnie ten rodzaj błędu, którego nie widać, dopóki go nie szukasz.
• Nasza własna bramka jakości zatrzymała nasz własny zestaw reklam, bo obietnica na stronie rozjechała się z tym, jak proces działa naprawdę.

Dlaczego to jest ważne dla Ciebie

Nie kupujesz u nas eksperymentu. Proces jest powtarzalny, bo przeszliśmy nim trzynaście razy z rzędu - na własny koszt, zanim wystawiliśmy komukolwiek fakturę.

I znasz odpowiedź na jedenaste pytanie z listy powyżej, zanim je zadasz.

Najczęstsze pytania