Andrej Karpathy właśnie sformułował jedną z najważniejszych obserwacji dotyczących AI w 2026 roku: istnieją teraz dwie zasadniczo różne grupy użytkowników AI, które kompletnie się nie rozumieją.

Jego tweet (3,6 mln wyświetleń i liczba rośnie) opisuje pogłębiającą się przepaść, którą każdy pracujący z AI powinien rozumieć.

Grupa 1: „AI to zabawka”

Ta grupa wypróbowała ChatGPT — zazwyczaj w darmowej wersji — gdzieś w ubiegłym roku. Zobaczyła halucynacje, śmiała się z wirusowych filmów, gdzie tryb głosowy oblewał proste pytania, i doszła do wniosku, że AI jest przereklamowane.

Nie mylą się co do tego, co sami doświadczyli. Darmowe modele z 2025 roku są naprawdę ograniczone. Ale problem tkwi w tym, że zamrozili swój model mentalny AI w tamtym momencie i nigdy go nie zaktualizowali.

Jak ujmuje to Karpathy, te stare i przestarzałe modele nie odzwierciedlają możliwości obecnych modeli czołowych.

Grupa 2: „AI Psychosis”

Ta grupa używa najnowocześniejszych modeli agentycznych — Claude Code, OpenAI Codex — zawodowo, w dziedzinach technicznych. Płaci 200 dolarów miesięcznie. Daje tym modelom dostęp do terminala komputerowego i obserwuje, jak rozwiązują problemy, które normalnie zajęłyby dni lub tygodnie pracy.

Karpathy mówi, że ta grupa doświadcza tego, co nazywa „AI Psychosis” — nie dlatego, że jest urojona, ale dlatego, że postępy były tak zdumiewające, że trudno komunikować to, co widzą, komuś, kto sam tego nie doświadczył.

Dlaczego ta przepaść istnieje

Karpathy wskazuje dwa strukturalne powody, dla których możliwości AI rozwijają się nierównomiernie:

1. Uczenie przez wzmacnianie działa najlepiej przy weryfikowalnych nagrodach.

Zadania takie jak programowanie, matematyka i badania mają jasne kryteria sukcesu — czy kod się kompiluje? Czy testy przechodzą? Czy dowód jest poprawny? Te dziedziny naturalnie nadają się do treningu RL, gdzie model otrzymuje konkretną informację zwrotną o tym, czy mu się udało.

Zadania takie jak pisanie, doradztwo i rozmowa są znacznie trudniejsze do obiektywnej oceny, więc poprawiają się wolniej.

2. Wartość B2B napędza alokację zasobów.

Największe możliwości przychodów są w dziedzinach technicznych i profesjonalnych. Tam firmy AI koncentrują swoje najlepsze zespoły. Funkcje skierowane do konsumentów, jak tryb głosowy, otrzymują mniej inwestycji w stosunku do produktów B2B generujących największe przychody.

Problem z tłumaczeniem

Rezultatem jest absurdalne rozłączenie. Jednocześnie prawdą jest, że:

Darmowy głosowy asystent AI zawiedzie przy podstawowych pytaniach na Instagramie
Płatny agentyczny AI spędzi godzinę na spójnej restrukturyzacji całej bazy kodu

Oba te zjawiska mają miejsce w 2026 roku. Ale ludzie z Grupy 1 widzą tylko to pierwsze. Ludzie z Grupy 2 widzą tylko to drugie. A kiedy próbują rozmawiać o „AI”, opisują zupełnie różne technologie.

Jak przekroczyć przepaść

Jeśli jesteś w Grupie 1, droga do Grupy 2 nie polega na wydaniu 200 dolarów miesięcznie na inny chatbot. Chodzi o zmianę sposobu korzystania z AI — z przypadkowych pytań i odpowiedzi do ustrukturyzowanej pracy z wiedzą.

Oto co w praktyce odróżnia te dwie grupy:

Zachowanie Grupy 1:

Otwiera ChatGPT, zadaje pytanie, czyta odpowiedź
Brak trwałego kontekstu między sesjami
AI zaczyna od zera za każdym razem
Ocenia AI na podstawie najgorszych błędów

Zachowanie Grupy 2:

Buduje bazy wiedzy, do których AI może się odwoływać
Daje AI dostęp do plików projektów, dokumentacji i badań
Używa AI jako współpracownika z pamięcią, nie wyszukiwarki
Ocenia AI na podstawie najlepszych możliwości

Kluczowa spostrzeżenie: jakość wyników AI jest wprost proporcjonalna do jakości kontekstu, który jej dostarczasz.

Budowanie kontekstu: brakująca warstwa

Tu większość ludzi utyka. Słyszą „daj AI lepszy kontekst” i myślą, że oznacza to pisanie dłuższych promptów lub poświęcanie więcej czasu na wyjaśnienia. To podejście siłowe. Mądrzejsze podejście polega na budowaniu trwałej warstwy wiedzy, do której AI może automatycznie sięgać.

Jak to wygląda w praktyce:

Zapisuj badania internetowe jako ustrukturyzowany Markdown — zamiast dodawać zakładki lub kopiować fragmenty do dokumentu, konwertuj pełną treść do czystego Markdown. Zachowuje to informacje w formacie, który każde narzędzie AI może przyswoić.
Organizuj w przeszukiwalne bazy wiedzy — grupuj zapisane treści według projektu, tematu lub obszaru badań. Daje to AI możliwość znajdowania istotnego kontekstu bez konieczności pamiętania, co zapisałeś.
Połącz AI ze swoją wiedzą — narzędzia takie jak MCP (Model Context Protocol) pozwalają Claude przeszukiwać i odwoływać się do Twoich zapisanych treści bezpośrednio. Kiedy zadajesz pytanie, Claude najpierw sprawdza Twoją bazę wiedzy, gruntując odpowiedzi w Twoich wyselekcjonowanych badaniach, a nie w ogólnych danych treningowych.

To jest przepływ pracy, który umożliwia Save. Każda zapisana strona internetowa staje się plikiem Markdown w Twojej lokalnej bazie wiedzy. Wbudowany serwer MCP Save Vault łączy ją z Claude. Twój asystent AI ma teraz dostęp do wszystkiego, co przeczytałeś i zbadałeś.

Efekt skumulowany

Przepaść między Grupą 1 a Grupą 2 nie polega tylko na tym, którego modelu używasz. Chodzi o skumulowany kontekst, który zbudowałeś w czasie.

Programista, który zapisał sześć miesięcy dokumentacji, odpowiedzi ze Stack Overflow i artykułów o architekturze, ma asystenta AI rozumiejącego jego bazę kodu, jego stos technologiczny i jego konkretne problemy. Przypadkowy użytkownik, który otwiera ChatGPT od nowa za każdym razem, ma generyczne narzędzie, które nic nie wie o jego pracy.

Dlatego obserwacja Karpathy’ego ma znaczenie poza cyklem hype’u AI. Przepaść możliwości nie zamknęła się — poszerza się. A linia podziału to nie umiejętności techniczne ani budżet. To czy budujesz ustrukturyzowaną praktykę wiedzy wokół AI, czy traktujesz go jako ulepszoną wyszukiwarkę.

Zacznij już dziś

Nie musisz wydawać 200 dolarów miesięcznie, żeby zacząć przekraczać przepaść. Musisz zacząć przechwytywać i organizować wiedzę, którą już na co dzień napotykasz:

Zainstaluj Save i zacznij konwertować przydatne strony internetowe do Markdown podczas przeglądania
Twórz bazy wiedzy dla swoich głównych obszarów pracy lub zainteresowań
Połącz Claude przez serwer MCP Save Vault, aby Twój asystent AI mógł odwoływać się do Twoich zapisanych treści
Bądź konsekwentny — zapisuj 2–3 strony dziennie i obserwuj, jak Twoja baza wiedzy się kumuluje

W ciągu miesiąca będziesz mieć osobistą warstwę wiedzy, która fundamentalnie poprawi każdą interakcję z AI. To jest różnica między Grupą 1 a Grupą 2 — i zaczyna się od sposobu, w jaki przechwytujeszwiedzę, a nie od tego, za który model płacisz.

Save konwertuje dowolną stronę internetową do czystego Markdown jednym kliknięciem i przechowuje ją w Twojej lokalnej bazie wiedzy. Dzięki serwerowi MCP Save Vault, Claude przeszukuje Twoje zapisane treści przed odpowiedzią. Wypróbuj Save za darmo.