Zostańmy w kontakcie
Lofty Kościuszko
ul. Metalowców 13/107
Chorzów 41-500
kontakt@kaizenads.pl
+48 881228124

Wielki Słownik Sztucznej Inteligencji

Jinkō Chinō Daijiten*

(人工知能大辞典)

Poznaj najważniejsze pojęcia ze świata sztucznej inteligencji – od podstaw działania modeli językowych, przez prompt engineering i agentów AI, aż po zastosowanie AI w marketingu, reklamie, wyszukiwarkach internetowych i codziennej pracy.

W naszym słowniku wyjaśniamy zarówno zagadnienia techniczne (LLM, RAG, tokeny), jak i narzędzia (ChatGPT, Claude, Gemini) oraz sylwetki osób, które mają realny wpływ na rozwój sztucznej inteligencji.

Łączymy wiedzę naukową z praktyką, przedstawiając nawet złożone zagadnienia w przystępny sposób. Nie ograniczamy się do definicji – pokazujemy też, jak poszczególne rozwiązania działają i gdzie znajdują zastosowanie.

Świat AI nieustannie się zmienia, dlatego regularnie aktualizujemy słownik i uzupełniamy go o nowe pojęcia.

Brakuje jakiegoś hasła? Napisz do nas i zaproponuj temat, który warto wyjaśnić.

Przeglądaj hasła Bezpłatna konsultacja

Robot i gejsza pod parasolem na tle fal w stylu ukiyo-e – ilustracja Wielkiego Słownika Sztucznej Inteligencji

Kategorie

Wybierz kategorię, żeby zobaczyć tylko jej hasła.

Hasła od A do Ż

Agent AI

System oparty na modelu językowym, który nie tylko odpowiada na pytania, ale samodzielnie planuje i wykonuje zadania w kilku krokach – korzysta z narzędzi, przegląda strony, uruchamia kod, wysyła zapytania do innych systemów.

W marketingu agenci mogą np. przygotować raport z kampanii, sprawdzić konkurencję albo uzupełnić dane w CRM. Wymagają jasnych granic: do czego mają dostęp i co mogą zrobić bez akceptacji człowieka.

→ Agenci AI – wdrożenie w Twojej firmie

AGI (Artificial General Intelligence)

Ogólna sztuczna inteligencja – hipotetyczny system, który dorównuje człowiekowi w wykonywaniu praktycznie każdego zadania intelektualnego, a nie tylko w wybranych dziedzinach.

Nie ma jednej, powszechnie przyjętej definicji ani testu, który rozstrzygałby, czy AGI już powstała. Dzisiejsze modele są bardzo wszechstronne, ale wciąż mają wyraźne ograniczenia.

AI (sztuczna inteligencja)

Dziedzina informatyki zajmująca się tworzeniem systemów, które wykonują zadania wymagające dotąd ludzkiej inteligencji – rozumienie języka, rozpoznawanie obrazów, podejmowanie decyzji, tworzenie treści.

Potocznie „AI” oznacza dziś najczęściej generatywną AI i duże modele językowe, ale obejmuje też systemy rekomendacji, algorytmy licytacji reklam czy rozpoznawanie twarzy.

AI Act (Akt o sztucznej inteligencji)

Rozporządzenie Unii Europejskiej regulujące tworzenie i używanie systemów AI. Dzieli je według poziomu ryzyka – od zakazanych praktyk, przez systemy wysokiego ryzyka, po rozwiązania o minimalnym ryzyku. Weszło w życie w sierpniu 2024 r., a obowiązki wchodzą etapami.

Dla marketingu najważniejsze są obowiązki przejrzystości – m.in. informowanie, że użytkownik rozmawia z AI, i oznaczanie treści typu deepfake.

AI Overviews

Generowane przez AI podsumowania wyświetlane przez Google nad tradycyjnymi wynikami wyszukiwania. Odpowiadają na pytanie bezpośrednio, z linkami do źródeł, z których korzystał model.

Zmniejszają liczbę kliknięć w zwykłe wyniki przy prostych pytaniach, dlatego coraz ważniejsze jest, żeby to strona marki była cytowanym źródłem – patrz GEO.

API

Interfejs programistyczny, przez który aplikacje komunikują się ze sobą. W kontekście AI to sposób na korzystanie z modeli (np. GPT, Claude, Gemini) bezpośrednio we własnych systemach – sklepie, CRM, automatyzacjach – zamiast przez okno czatu.

Za korzystanie z API płaci się zwykle za liczbę przetworzonych tokenów.

Automatyzacja z AI

Łączenie modeli AI z narzędziami do automatyzacji (np. Make, Zapier, n8n) tak, żeby powtarzalne procesy działały same: klasyfikacja zapytań z formularza, przygotowanie odpowiedzi, streszczenie rozmowy handlowej, opisy produktów z danych w arkuszu.

Najlepiej sprawdza się tam, gdzie zadanie jest częste, ma jasne reguły, a człowiek zatwierdza wynik tylko w nietypowych przypadkach.

→ Automatyzacja marketingu w Kaizen Ads

Bias (stronniczość modelu)

Systematyczne zniekształcenia w odpowiedziach AI, wynikające najczęściej z danych treningowych – np. utrwalanie stereotypów płciowych w generowanych obrazach albo gorsze wyniki dla mniej popularnych języków.

W marketingu warto to kontrolować szczególnie w kreacjach i w automatycznym targetowaniu.

Chain of thought (łańcuch rozumowania)

Technika, w której model rozpisuje rozwiązanie krok po kroku, zanim poda odpowiedź końcową. Poprawia wyniki w zadaniach wymagających logiki, obliczeń i planowania.

Współczesne modele rozumujące robią to samodzielnie, bez specjalnej prośby w prompcie.

Chatbot

Program prowadzący rozmowę z użytkownikiem w języku naturalnym – na stronie, w Messengerze, WhatsAppie czy aplikacji. Dawniej działał według sztywnych scenariuszy, dziś najczęściej opiera się na LLM.

Dobry chatbot firmowy korzysta z wiedzy o ofercie (RAG), wie, kiedy przekazać rozmowę człowiekowi, i jasno informuje, że jest AI.

ChatGPT

Asystent AI firmy OpenAI, udostępniony publicznie w listopadzie 2022 r. To od niego zaczęła się masowa popularność generatywnej AI. Działa na modelach z rodziny GPT i obsługuje tekst, obrazy, głos oraz pliki.

Dla marek to także nowe miejsce, w którym klienci szukają rekomendacji produktów i usług.

ChatGPT Ads

Reklamy wyświetlane użytkownikom ChatGPT, oznaczone jako sponsorowane i oddzielone od odpowiedzi modelu. Pozwalają marce pojawić się w momencie, gdy ktoś szuka rozwiązania problemu w rozmowie z AI.

→ Zobacz, jak prowadzimy kampanie ChatGPT Ads

Claude

Rodzina modeli językowych i asystent AI firmy Anthropic. Ceniony m.in. za pracę z długimi dokumentami, pisanie, analizę i programowanie, a także za możliwość działania jako agent w narzędziach takich jak Claude Code.

Computer vision (widzenie komputerowe)

Dziedzina AI zajmująca się rozumieniem obrazów i wideo – rozpoznawaniem obiektów, twarzy, tekstu, scen i ruchu.

Wykorzystuje się ją m.in. w wyszukiwaniu obrazem (np. Google Lens), automatycznej moderacji treści i analizie kreacji reklamowych.

Copilot

Nazwa asystentów AI firmy Microsoft – zarówno ogólnego czatu, jak i wersji wbudowanych w Windows, Word, Excel, Outlook, Teams czy narzędzia dla programistów (GitHub Copilot).

Szerzej słowo „copilot” oznacza AI, która pomaga człowiekowi w pracy, ale to człowiek podejmuje decyzje.

Deep learning (uczenie głębokie)

Rodzaj uczenia maszynowego, który wykorzystuje wielowarstwowe sieci neuronowe. Dzięki dużej liczbie warstw model sam uczy się rozpoznawać coraz bardziej złożone wzorce w danych.

Na deep learningu opierają się praktycznie wszystkie współczesne modele językowe, generatory obrazów i systemy rozpoznawania mowy.

Deepfake

Realistyczny obraz, nagranie wideo lub głos wygenerowany albo zmodyfikowany przez AI tak, by przedstawiał osobę mówiącą lub robiącą coś, czego w rzeczywistości nie zrobiła.

Wykorzystywany do oszustw (np. fałszywe reklamy z wizerunkiem znanych osób). AI Act wprowadza obowiązek oznaczania takich treści.

Embedding

Zamiana tekstu, obrazu lub innego elementu na listę liczb (wektor), która oddaje jego znaczenie. Teksty o podobnym sensie mają podobne wektory, nawet jeśli używają innych słów.

Embeddingi napędzają wyszukiwanie semantyczne, rekomendacje i RAG. Przechowuje się je w bazach wektorowych. Sam proces tworzenia embeddingów to wektoryzacja.

Baza wektorowa

Baza danych przechowująca embeddingi i pozwalająca błyskawicznie znaleźć elementy najbardziej podobne znaczeniowo do zapytania.

To podstawowy element systemów RAG, np. chatbota, który odpowiada na podstawie bazy wiedzy firmy.

Few-shot prompting

Technika promptowania, w której pokazuje się modelowi kilka przykładów oczekiwanego wyniku, zanim poprosi się go o wykonanie zadania. Zero-shot to prośba bez przykładów.

Świetnie działa przy powtarzalnych formatach – np. opisach produktów czy nagłówkach reklam w stylu marki.

Fine-tuning (dostrajanie)

Dodatkowy trening gotowego modelu na mniejszym, specjalistycznym zbiorze danych, żeby lepiej wykonywał konkretne zadanie albo pisał w określonym stylu.

W wielu zastosowaniach biznesowych wystarczy dobry prompt i RAG – fine-tuning ma sens, gdy potrzebny jest bardzo powtarzalny format lub styl na dużą skalę.

Function calling (wywoływanie narzędzi)

Możliwość modelu językowego, który zamiast samej odpowiedzi tekstowej zwraca polecenie użycia narzędzia – np. „sprawdź stan magazynu”, „pobierz dane z Google Ads”, „wyślij e-mail”. Aplikacja wykonuje je i oddaje wynik modelowi.

To mechanizm, dzięki któremu powstają agenci AI.

Gemini

Rodzina modeli AI i asystent firmy Google. Gemini jest wbudowany w produkty Google – wyszukiwarkę, Gmail, Dokumenty, Androida – i napędza m.in. funkcje generatywne w Google Ads.

Generatywna AI (GenAI)

Systemy AI, które tworzą nowe treści – tekst, obrazy, wideo, muzykę, głos, kod – na podstawie poleceń użytkownika (promptów).

W marketingu przyspiesza tworzenie wariantów kreacji, tekstów i materiałów, ale wymaga kontroli jakości, zgodności z marką i praw do wykorzystanych materiałów.

GPT (Generative Pre-trained Transformer)

Rodzina dużych modeli językowych firmy OpenAI, na których działa ChatGPT. Nazwa opisuje sposób działania: model generuje tekst, jest wstępnie wytrenowany na ogromnych zbiorach danych i opiera się na architekturze transformer.

Halucynacja

Sytuacja, w której model AI podaje nieprawdziwe informacje w przekonujący sposób – wymyśla fakty, cytaty, źródła, liczby czy funkcje produktu.

Wynika z tego, że model przewiduje prawdopodobny tekst, a nie sprawdza faktów. Ryzyko zmniejszają RAG, dostęp do wyszukiwarki i weryfikacja przez człowieka – zwłaszcza w treściach publikowanych pod marką.

Inferencja

Etap używania wytrenowanego modelu – każde zapytanie, na które model generuje odpowiedź. W odróżnieniu od treningu odbywa się miliony razy dziennie i to głównie od niej zależą koszty i szybkość działania usług AI.

LLM (duży model językowy)

Large Language Model – model AI wytrenowany na ogromnych zbiorach tekstu, który rozumie i generuje język naturalny. Działa, przewidując kolejne fragmenty tekstu (tokeny) na podstawie kontekstu.

Przykłady to modele GPT, Claude, Gemini czy Llama. Na LLM-ach opierają się czaty AI, asystenci pisania, agenci i nowe wyszukiwarki.

MCP (Model Context Protocol)

Otwarty standard zaprezentowany przez Anthropic w 2024 r., który ujednolica sposób łączenia modeli AI z zewnętrznymi narzędziami i danymi – CRM-em, dyskiem, bazą danych, systemem reklamowym.

Zamiast budować osobną integrację dla każdego asystenta, wystarczy jeden „serwer MCP”, z którego mogą korzystać różne aplikacje AI.

Model dyfuzyjny

Rodzaj modelu generatywnego, który tworzy obraz (lub wideo), stopniowo usuwając „szum” z losowego punktu wyjścia, aż powstanie obraz pasujący do opisu.

Na tej technice opiera się wiele popularnych generatorów grafiki i wideo.

Model rozumujący (reasoning model)

Model językowy, który przed udzieleniem odpowiedzi „myśli” – rozpisuje problem, sprawdza warianty i poprawia się, zanim poda wynik. Działa wolniej i drożej, ale lepiej radzi sobie z analizą, matematyką, programowaniem i złożonymi decyzjami.

Multimodalność

Zdolność modelu do pracy z różnymi rodzajami danych naraz – tekstem, obrazem, dźwiękiem, wideo. Model multimodalny może np. opisać zdjęcie produktu, odczytać wykres ze screena albo odpowiedzieć głosem.

NLP (przetwarzanie języka naturalnego)

Natural Language Processing – dziedzina AI zajmująca się rozumieniem i generowaniem ludzkiego języka: tłumaczeniem, analizą sentymentu, streszczaniem, rozpoznawaniem intencji.

Dziś większość zadań NLP wykonują duże modele językowe.

Okno kontekstowe

Maksymalna ilość tekstu (liczona w tokenach), jaką model może „mieć w pamięci” podczas jednej rozmowy – łącznie z promptem, załączonymi dokumentami i własnymi odpowiedziami.

Duże okno pozwala wkleić np. cały raport czy regulamin, ale nie gwarantuje, że model równie dokładnie wykorzysta każdy fragment.

Modele open source (open weights)

Modele AI, których wagi (wytrenowane parametry) są publicznie udostępnione, dzięki czemu można je uruchomić na własnym serwerze i dostosować. Przykłady to m.in. Llama, Mistral czy polski Bielik.

Dają większą kontrolę nad danymi i kosztami, ale wymagają własnej infrastruktury i kompetencji technicznych.

Parametry modelu

Liczby (wagi) w sieci neuronowej, które model ustala podczas treningu i które decydują o jego działaniu. Duże modele mają ich miliardy, a nawet biliony.

Więcej parametrów zwykle oznacza większe możliwości, ale też wyższy koszt działania – a mniejsze, dobrze wytrenowane modele potrafią być zaskakująco skuteczne.

Prompt

Polecenie lub pytanie, które użytkownik przekazuje modelowi AI. Może zawierać instrukcję, kontekst, przykłady, dane wejściowe i oczekiwany format odpowiedzi.

Jakość odpowiedzi w dużej mierze zależy od jakości promptu – im konkretniej opisany cel, odbiorca i ograniczenia, tym lepszy wynik.

Prompt engineering

Umiejętność projektowania promptów tak, żeby model AI dawał przewidywalne, wysokiej jakości wyniki: nadawanie roli, opisywanie kontekstu, podawanie przykładów (few-shot), określanie formatu i kryteriów oceny.

W zespole marketingowym warto budować bibliotekę sprawdzonych promptów – do opisów produktów, wariantów reklam, analiz – zamiast pisać je za każdym razem od nowa.

Prompt systemowy

Stała instrukcja przekazywana modelowi „za kulisami”, przed wiadomościami użytkownika. Określa rolę asystenta, ton, zasady i ograniczenia – np. „Jesteś doradcą sklepu X, odpowiadasz tylko na pytania o ofertę, zawsze po polsku”.

To podstawowe narzędzie przy budowaniu firmowych chatbotów i asystentów.

RAG (Retrieval-Augmented Generation)

Technika, w której przed wygenerowaniem odpowiedzi system wyszukuje pasujące fragmenty w wybranej bazie wiedzy (dokumentach firmy, FAQ, katalogu produktów) i przekazuje je modelowi jako kontekst.

Dzięki temu AI odpowiada na podstawie aktualnych, sprawdzonych informacji o firmie, rzadziej halucynuje i może wskazać źródło.

RLHF

Reinforcement Learning from Human Feedback – uczenie ze wzmocnieniem na podstawie ocen ludzi. Oceniający porównują odpowiedzi modelu, a model uczy się generować te, które ludzie uznają za bardziej pomocne i bezpieczne.

To jeden z kluczowych etapów, dzięki którym surowy model językowy staje się użytecznym asystentem.

Sieć neuronowa

Model matematyczny luźno inspirowany działaniem mózgu, złożony z warstw połączonych „neuronów”. Każde połączenie ma wagę, którą sieć dopasowuje podczas treningu, żeby coraz lepiej wykonywać zadanie.

Smart Bidding

Strategie ustalania stawek w Google Ads oparte na uczeniu maszynowym – np. docelowy CPA, docelowy ROAS czy maksymalizacja konwersji. Algorytm ustala stawkę osobno dla każdej aukcji, biorąc pod uwagę urządzenie, lokalizację, porę dnia i wiele innych sygnałów.

Działa dobrze tylko przy rzetelnie mierzonych konwersjach – algorytm optymalizuje dokładnie to, co mu się wskaże.

→ Kampanie Google Ads w Kaizen Ads

Kampanie oparte na AI (Performance Max, Advantage+)

Typy kampanii, w których to algorytm platformy decyduje o odbiorcach, miejscach wyświetlania i kombinacjach kreacji, a reklamodawca dostarcza cel, budżet, materiały i dane o konwersjach. W Google to Performance Max, w Meta – Advantage+.

Rola specjalisty przesuwa się z ręcznego ustawiania kampanii na dostarczanie dobrych danych i kreacji oraz kontrolę jakości ruchu.

Temperatura

Ustawienie modelu językowego sterujące losowością odpowiedzi. Niska temperatura daje odpowiedzi bardziej przewidywalne i powtarzalne (dobre do analiz i danych), wysoka – bardziej zróżnicowane i kreatywne (dobre do burzy mózgów).

Zwykle ustawia się ją w API lub narzędziach dla twórców, a nie w zwykłym oknie czatu.

Text-to-image (generowanie obrazów)

Tworzenie grafik na podstawie opisu tekstowego. Popularne narzędzia to m.in. Midjourney, generatory w ChatGPT i Gemini, Adobe Firefly czy Stable Diffusion.

W reklamie przyspiesza tworzenie koncepcji i wariantów, ale przed publikacją trzeba sprawdzić detale (dłonie, tekst na grafice, produkt) i zasady licencji narzędzia.

Text-to-video (generowanie wideo)

Tworzenie krótkich filmów na podstawie opisu tekstowego lub obrazu. Jakość tych narzędzi szybko rośnie, a coraz częściej generują też dźwięk i dialogi.

W marketingu sprawdza się do animatików, ujęć przejściowych i testowania koncepcji kreacji.

Token

Podstawowa jednostka tekstu, którą przetwarza model językowy – fragment słowa, całe słowo lub znak interpunkcyjny. Polskie słowa, ze względu na odmianę, często dzielą się na kilka tokenów.

W tokenach liczy się długość okna kontekstowego i koszt korzystania z modeli przez API. Sam podział tekstu na tokeny to tokenizacja.

Transformer

Architektura sieci neuronowej przedstawiona przez badaczy Google w 2017 r. w pracy „Attention Is All You Need”. Jej kluczowy element – mechanizm uwagi (attention) – pozwala modelowi oceniać, które słowa w tekście są dla siebie nawzajem ważne.

Na transformerach opierają się praktycznie wszystkie współczesne duże modele językowe.

Trening modelu

Proces, w którym model uczy się na danych – dopasowuje swoje parametry tak, by coraz lepiej przewidywać wynik. W przypadku LLM obejmuje wstępny trening (pre-training) na ogromnych zbiorach tekstu i dalsze etapy, takie jak fine-tuning i RLHF.

Model zna świat tylko do daty zakończenia zbierania danych treningowych (knowledge cutoff), chyba że ma dostęp do wyszukiwarki.

Uczenie maszynowe (machine learning)

Dziedzina AI, w której systemy uczą się na danych, zamiast działać według reguł napisanych ręcznie przez programistów. Model analizuje przykłady i sam znajduje wzorce, które pozwalają mu przewidywać lub klasyfikować nowe przypadki.

W marketingu od lat działa „pod maską” – w automatycznym ustalaniu stawek, rekomendacjach produktów i filtrach antyspamowych.

Grok

Asystent AI i rodzina modeli językowych firmy xAI, założonej przez Elona Muska. Jest wbudowany w serwis X (dawniej Twitter) i ma dostęp do bieżących wpisów z tej platformy, dzięki czemu dobrze radzi sobie z pytaniami o to, co dzieje się „tu i teraz”. Potrafi też generować obrazy i wideo.

Słynie z luźniejszego, czasem prowokacyjnego tonu – to bywa zaletą w rozmowie, ale wymaga ostrożności, gdy treści mają trafić do komunikacji marki.

Midjourney

Jeden z najpopularniejszych generatorów obrazów z tekstu (text-to-image), rozwijany przez niezależne laboratorium z San Francisco. Wyróżnia się artystyczną, dopracowaną estetyką. Początkowo działał tylko przez Discorda, dziś ma własną aplikację webową i potrafi też animować obrazy w krótkie wideo.

W marketingu używany do moodboardów, koncepcji kreatywnych, wizualizacji kampanii i grafik do social mediów. Przed użyciem komercyjnym warto sprawdzić warunki licencji wybranego planu.

Hailuo AI

Platforma do generowania wideo z tekstu i obrazów (text-to-video), rozwijana przez chińską firmę MiniMax. Zasłynęła realistycznym ruchem postaci i dobrą fizyką scen przy stosunkowo niskim koszcie generowania. MiniMax rozwija też modele językowe i modele do generowania mowy.

Przydaje się do krótkich klipów reklamowych, animowania zdjęć produktów i testowania pomysłów na wideo, zanim trafią do profesjonalnej produkcji.

Bielik

Polski otwarty model językowy (LLM) rozwijany przez fundację SpeakLeash we współpracy z Akademickim Centrum Komputerowym Cyfronet AGH. Trenowany na dużym zbiorze polskich tekstów, dzięki czemu lepiej niż wiele zagranicznych modeli rozumie polszczyznę, kontekst kulturowy i polskie realia.

Udostępniany jako model z otwartymi wagami – można go uruchomić na własnej infrastrukturze. To dobra opcja dla firm, które chcą mieć AI po polsku i nie wysyłać danych do zewnętrznych dostawców.

Mistral AI

Francuska firma założona w 2023 r. w Paryżu przez byłych badaczy Google DeepMind i Meta – dziś jeden z najważniejszych europejskich graczy w AI. Udostępnia zarówno modele z otwartymi wagami, jak i modele komercyjne przez API, a także własnego asystenta Le Chat.

Bywa wybierana przez firmy, którym zależy na europejskim dostawcy – m.in. ze względu na RODO i AI Act.

Suno

Generator muzyki oparty na AI. Na podstawie krótkiego opisu tworzy kompletną piosenkę – z melodią, aranżacją, wokalem i tekstem – w praktycznie dowolnym gatunku. Można też podać własny tekst albo wgrać fragment nagrania.

W marketingu przydaje się do jingli, podkładów do reklam i rolek w social mediach. Prawa do wygenerowanych utworów zależą od planu, a status prawny muzyki tworzonej przez AI wciąż jest przedmiotem sporów z wytwórniami (zob. też Udio).

Qwen

Rodzina modeli językowych i multimodalnych rozwijana przez Alibaba Cloud (chińska nazwa: Tongyi Qianwen). Wiele wersji jest udostępnianych jako modele z otwartymi wagami w różnych rozmiarach – od małych, działających na laptopie, po bardzo duże. Dobrze radzi sobie z wieloma językami i programowaniem.

To jedna z najczęściej wykorzystywanych baz do budowania własnych, dostrajanych modeli (fine-tuning).

DeepSeek

Chińska firma z Hangzhou i nazwa jej modeli językowych. W styczniu 2025 r. jej model rozumujący DeepSeek-R1, udostępniony z otwartymi wagami, dorównał czołowym modelom z USA przy znacznie niższych deklarowanych kosztach trenowania. Wywołało to spadki kursów spółek technologicznych i zmieniło myślenie o wyścigu AI.

Korzystając z aplikacji lub API DeepSeek, warto pamiętać, że dane są przetwarzane w Chinach – część instytucji i firm ogranicza jego użycie. Otwarte wagi można natomiast uruchomić na własnych serwerach.

Kimi

Asystent AI i rodzina modeli chińskiej firmy Moonshot AI z Pekinu. Od początku wyróżniał się bardzo długim oknem kontekstowym – potrafi przeanalizować naraz wiele obszernych dokumentów.

Model Kimi K2, udostępniony z otwartymi wagami, zaprojektowano z myślą o pracy w roli agenta AI: korzystaniu z narzędzi, programowaniu i wykonywaniu zadań w wielu krokach.

PLLuM

Polski model językowy (Polish Large Language Model) stworzony przez konsorcjum polskich uczelni i instytutów naukowych koordynowane przez Politechnikę Wrocławską, w projekcie finansowanym przez Ministerstwo Cyfryzacji. Rodzina modeli w kilku rozmiarach została udostępniona w lutym 2025 r.

W przeciwieństwie do Bielika, który powstał oddolnie w społeczności, PLLuM to projekt państwowy – ma wspierać przede wszystkim administrację publiczną i usługi dla obywateli.

Sakana AI

Japoński startup AI z Tokio, założony w 2023 r. m.in. przez Davida Ha i Lliona Jonesa – współautora przełomowej pracy, w której opisano architekturę Transformer. Nazwa oznacza po japońsku „rybę” (魚): firma czerpie inspirację z natury, np. łączy istniejące modele metodami ewolucyjnymi, zamiast trenować je od zera.

Rozwija też projekty takie jak „AI Scientist” – system, który samodzielnie prowadzi eksperymenty i opisuje wyniki – oraz modele dopasowane do języka japońskiego.

OpenAI

Amerykańska firma z San Francisco, założona w 2015 r., twórca ChatGPT, modeli z rodziny GPT, generatora obrazów DALL·E i generatora wideo Sora. Powstała jako organizacja non-profit, dziś działa jako spółka nastawiona na zysk, nadzorowana przez fundację. Na jej czele stoi Sam Altman.

Udostępnia swoje modele firmom przez API, a w ChatGPT wprowadza też reklamy – zob. ChatGPT Ads.

ElevenLabs

Firma specjalizująca się w AI do generowania mowy, założona w 2022 r. przez dwóch Polaków – Matiego Staniszewskiego i Piotra Dąbkowskiego. Jej narzędzia zamieniają tekst na naturalnie brzmiący głos (text-to-speech), klonują głosy i automatycznie dubbingują nagrania na dziesiątki języków.

W marketingu używana do lektorów w reklamach i wideo, wersji językowych materiałów oraz audiobooków. Klonowanie cudzego głosu wymaga zgody jego właściciela – inaczej łatwo o deepfake.

Anthropic

Amerykańska firma z San Francisco, założona w 2021 r. przez byłych pracowników OpenAI, m.in. rodzeństwo Dario i Danielę Amodei. Twórca modeli i asystenta Claude. Od początku stawia na bezpieczeństwo AI – rozwija m.in. metodę „Constitutional AI”, w której model uczy się zachowania na podstawie spisanego zestawu zasad.

Anthropic opracował też otwarty standard MCP (Model Context Protocol), dzięki któremu asystenci AI łączą się z zewnętrznymi narzędziami i danymi. Firmy korzystają z modeli Claude przez API – bezpośrednio albo przez chmury Amazon (Bedrock) i Google (Vertex AI).

Perplexity

Wyszukiwarka oparta na AI (tzw. answer engine) z San Francisco, założona w 2022 r. Zamiast listy linków podaje gotową odpowiedź napisaną przez model językowy – z przypisami do źródeł, z których korzysta. Rozwija też własną przeglądarkę Comet z wbudowanym asystentem AI.

Dla marek to kolejne miejsce, w którym klienci szukają rekomendacji. Żeby pojawiać się w takich odpowiedziach, treści na stronie muszą być rzetelne, dobrze uporządkowane i łatwe do zacytowania – podobnie jak w przypadku AI Overviews w Google.

Meta AI

Asystent AI firmy Meta, wbudowany w Facebooka, Instagrama, WhatsAppa i Messengera, a także w okulary Ray-Ban Meta. Działa na modelach z rodziny Llama. Odpowiada na pytania, generuje i edytuje obrazy oraz pomaga pisać wiadomości bez wychodzenia z aplikacji.

Dla marketerów ważne jest to, że AI w ekosystemie Meta to nie tylko czat: te same technologie napędzają dobór reklam i automatyczne kampanie (Advantage+) oraz narzędzia do generowania wariantów kreacji.

Llama

Rodzina dużych modeli językowych (LLM) firmy Meta, rozwijana od 2023 r. Udostępniana jako model z otwartymi wagami – można ją pobrać, uruchomić na własnych serwerach i dostosować, choć licencja Mety nakłada pewne ograniczenia, więc nie jest to open source w ścisłym sensie.

Llama stała się jedną z najpopularniejszych baz do budowania własnych modeli (fine-tuning), a na jej podstawie działa asystent Meta AI.

Model językowy

System, który uczy się, jak zbudowany jest język, i na tej podstawie przewiduje, jakie słowo (a dokładniej token) najprawdopodobniej pojawi się jako następne. Ten prosty mechanizm, powtarzany słowo po słowie, pozwala pisać teksty, odpowiadać na pytania, tłumaczyć i streszczać.

Pierwsze modele językowe opierały się na statystyce – to one podpowiadały kolejne słowo w klawiaturze telefonu. Dzisiejsze bazują na sieciach neuronowych i architekturze Transformer. Najbardziej znane są duże modele językowe (LLM), ale rośnie też rola małych modeli (SLM), które działają szybko i tanio – nawet na telefonie czy laptopie.

Machine learning (ML)

Angielska nazwa uczenia maszynowego, często skracana do ML – w branży używana częściej niż polski odpowiednik (stąd np. „ML engineer” czy MLOps). Oznacza metody, w których komputer uczy się na danych, zamiast działać według ręcznie zapisanych reguł.

Wyróżnia się trzy główne podejścia: uczenie nadzorowane (model uczy się na przykładach z gotowymi odpowiedziami), nienadzorowane (sam szuka wzorców i grup w danych) oraz uczenie ze wzmocnieniem (uczy się metodą prób i nagród). W marketingu ML stoi m.in. za Smart Bidding, doborem grup odbiorców, rekomendacjami produktów i przewidywaniem, którzy klienci mogą odejść.

Runway

Amerykańska firma z Nowego Jorku, jeden z pionierów generowania wideo przez AI (text-to-video). Jej kolejne modele z serii Gen tworzą klipy z opisu, zdjęcia albo innego nagrania, a platforma oferuje też narzędzia do montażu: usuwanie tła i obiektów, zmianę stylu czy wydłużanie ujęć.

Z Runwaya korzystają m.in. twórcy filmów, teledysków i reklam. W marketingu przydaje się do szybkich wizualizacji, animowania kreacji i przygotowania kilku wersji wideo do testów.

Kling AI

Model i platforma do generowania wideo rozwijane przez chińską firmę Kuaishou – właściciela jednej z największych aplikacji z krótkimi filmami w Chinach. Kling tworzy klipy z tekstu lub obrazu (text-to-video) i zasłynął realistycznym ruchem ludzi oraz zwierząt, a także możliwością wydłużania nagrań i synchronizacji ruchu ust z dźwiękiem.

Razem z Hailuo należy do najpopularniejszych chińskich generatorów wideo – często wybierany do krótkich form reklamowych i treści do social mediów ze względu na dobry stosunek jakości do ceny.

Veo

Model do generowania wideo z tekstu i obrazów (text-to-video) rozwijany przez Google DeepMind. Od wersji Veo 3 tworzy filmy razem z dźwiękiem – dialogami, efektami i muzyką – co było przełomem, bo wcześniejsze generatory dawały tylko nieme klipy.

Jest dostępny m.in. w aplikacji Gemini, w narzędziu filmowym Flow, w YouTube Shorts oraz dla firm przez chmurę Google. Dla marketerów to szybki sposób na krótkie spoty, wizualizacje produktów i testowanie pomysłów na wideo.

Sam Altman

Amerykański przedsiębiorca, współzałożyciel i prezes OpenAI – firmy, która stworzyła ChatGPT. Wcześniej kierował Y Combinator, jednym z najbardziej znanych akceleratorów startupów w Dolinie Krzemowej. Uchodzi za jedną z najbardziej wpływowych postaci w świecie AI.

W listopadzie 2023 r. zarząd OpenAI niespodziewanie go odwołał, ale po kilku dniach – pod presją pracowników i inwestorów – wrócił na stanowisko. Często wypowiada się o nadejściu AGI i o tym, jak AI zmieni gospodarkę i rynek pracy.

Claude Opus 5.5

Model z rodziny Claude firmy Anthropic, udostępniony we wrześniu 2026 r. jako pierwszy z generacji 5.5. Opus to linia najbardziej zaawansowanych modeli Claude do zadań ogólnych – złożonej analizy, pracy z długimi dokumentami, programowania i działania w roli agenta AI.

Jak pozostałe modele 5.5 ma okno kontekstowe na milion tokenów. Jest droższy i wolniejszy od Sonneta, więc sięga się po niego wtedy, gdy liczy się przede wszystkim jakość.

Claude Sonnet 5.5

Model z rodziny Claude firmy Anthropic, wydany we wrześniu 2026 r., kilka dni po Opusie 5.5. To środkowy model rodziny – z dobrym balansem jakości, szybkości i ceny. Anthropic poleca go do codziennego programowania i pracy biurowej.

W praktyce to model „do wszystkiego”: napędza asystentów, automatyzacje i aplikacje, w których potrzeba wielu zapytań w rozsądnej cenie.

Claude Haiku 5.5

Najmniejszy, najszybszy i najtańszy model z rodziny Claude w generacji 5.5, udostępniony w październiku 2026 r. Przeznaczony do zadań masowych i wymagających natychmiastowej odpowiedzi: klasyfikacji, wyciągania danych z tekstu czy kierowania zapytań do odpowiednich systemów.

W marketingu sprawdza się np. przy tagowaniu tysięcy opinii klientów, kategoryzowaniu produktów w sklepie czy w chatbotach, które muszą odpowiadać bez opóźnień.

Claude Fable 5.2

Najbardziej zaawansowany ogólnodostępny model firmy Anthropic, wydany w listopadzie 2026 r. Przeznaczony przede wszystkim do pracy technicznej – programowania, finansów i nauk ścisłych. W hierarchii modeli Claude stoi powyżej Opusa.

Premierę miał razem z modelem Claude Mythos 5.2, dostępnym tylko dla zweryfikowanych organizacji (m.in. z nauk o życiu i cyberbezpieczeństwa). Fable to jego publicznie dostępna wersja z dodatkowymi zabezpieczeniami. Jako najdroższy model Claude jest stosowany do najtrudniejszych zadań.

Nano Banana

Popularna nazwa modeli Google do generowania i edycji obrazów (text-to-image) z rodziny Gemini. Pierwsza wersja z 2025 r. zasłynęła precyzyjną edycją zdjęć poleceniami tekstowymi i zachowywaniem wyglądu tej samej postaci na kolejnych obrazach. Następne wersje to Nano Banana Pro, Nano Banana 2 i Nano Banana 2.1 (październik 2026).

Jest dostępny m.in. w aplikacji Gemini, w AI Mode, w Google Ads i w narzędziach dla twórców. Dla marketerów to szybki sposób na warianty kreacji, zdjęcia produktów w różnych aranżacjach i poprawki grafik bez programu graficznego.

Gemini 4 Argon

Model językowy Google, pierwszy z rodziny Gemini 4 (jesień 2026). Google określa go jako model z czołówki (frontier) do złożonej pracy: programowania, finansów, prawa, cyberbezpieczeństwa i nauki. Obsługuje okno kontekstowe na około milion tokenów i kilka poziomów „myślenia” (rozumowania).

W rodzinie Gemini 4 są też Carbon – najmocniejszy model, zbudowany na bazie Argona – oraz szybki i tańszy Hydrogen. Argon jest dostępny w aplikacji Gemini (plany Pro i Ultra), w AI Mode wyszukiwarki i przez API.

Gemini 4 Hydrogen

Najszybszy i najtańszy model z rodziny Gemini 4, udostępniony w listopadzie 2026 r. Powstał na bazie Gemini 4 Carbon i jest zoptymalizowany pod szybkość – do codziennego programowania i pracy agentów AI. Według Google w części testów wypada lepiej niż starszy Argon.

Stał się domyślnym modelem w AI Mode w wyszukiwarce Google, więc to on generuje odpowiedzi, które widzą użytkownicy. Dla marek ma to znaczenie z perspektywy widoczności w odpowiedziach AI (zob. AI Overviews).

Wojciech Zaremba

Polski informatyk i matematyk, urodzony w 1988 r. w Kluczborku, jeden ze współzałożycieli OpenAI (2015). Studiował matematykę na Uniwersytecie Warszawskim, a doktorat z uczenia głębokiego obronił na Uniwersytecie Nowojorskim. Wcześniej pracował m.in. w zespołach badawczych Google i Facebooka.

W OpenAI kierował najpierw zespołem robotyki – jego najgłośniejszym efektem była robotyczna dłoń, która nauczyła się układać kostkę Rubika. Później prowadził prace nad modelami GPT i Codex, na których oparto asystenta programisty GitHub Copilot. To jeden z najbardziej znanych Polaków w świecie AI.

Elon Musk

Przedsiębiorca stojący na czele m.in. Tesli i SpaceX, właściciel serwisu X. W 2015 r. był jednym ze współzałożycieli i głównych darczyńców OpenAI, ale w 2018 r. odszedł z zarządu organizacji. W 2023 r. założył własną firmę AI – xAI, twórcę asystenta Grok.

Od lat jest krytykiem kierunku, w którym poszło OpenAI – w 2024 r. pozwał firmę, zarzucając jej odejście od pierwotnej misji non-profit. W Tesli rozwija AI do autonomicznej jazdy i humanoidalnego robota Optimus.

Greg Brockman

Amerykański programista i przedsiębiorca, współzałożyciel i prezes OpenAI. Wcześniej był dyrektorem technicznym (CTO) Stripe – jednej z największych firm płatniczych na świecie. W OpenAI odpowiadał m.in. za infrastrukturę i inżynierię, które pozwoliły trenować i udostępniać kolejne modele GPT.

W listopadzie 2023 r., gdy zarząd odwołał Sama Altmana, Brockman zrezygnował na znak protestu – i wrócił razem z nim kilka dni później. To jedna z osób najbliżej związanych z codziennym rozwojem ChatGPT.

John Schulman

Amerykański badacz AI, współzałożyciel OpenAI. Jest współautorem algorytmu PPO (Proximal Policy Optimization), jednej z najpopularniejszych metod uczenia ze wzmocnieniem, i jednym z twórców podejścia RLHF, dzięki któremu ChatGPT nauczył się odpowiadać w sposób pomocny i zgodny z oczekiwaniami ludzi.

W 2024 r. odszedł z OpenAI do Anthropic, by skupić się na bezpieczeństwie AI, a na początku 2025 r. dołączył jako główny naukowiec do Thinking Machines Lab – startupu założonego przez byłą dyrektor technologiczną OpenAI Mirę Murati.

Sebastian Kondracki

Polski przedsiębiorca i popularyzator AI, założyciel fundacji SpeakLeash i współtwórca Bielika – polskiego otwartego modelu językowego. Zawodowo związany z firmą technologiczną Deviniti, gdzie odpowiada za innowacje.

Zainicjował oddolny projekt zbierania dużego zbioru polskich tekstów, na którym wytrenowano Bielika. Dziś jest jednym z najbardziej rozpoznawalnych głosów w debacie o polskiej i europejskiej suwerenności technologicznej w AI. Bielik trafił już m.in. do aplikacji InPost, a SpeakLeash rozwija kolejne projekty, np. model „Sójka” do wykrywania szkodliwych komentarzy w sieci.

John McCarthy

Amerykański informatyk (1927–2011), uznawany za jednego z ojców sztucznej inteligencji. To on w 1955 r. ukuł termin „artificial intelligence” (sztuczna inteligencja) we wniosku o zorganizowanie konferencji w Dartmouth – spotkania z 1956 r., od którego datuje się początek AI jako dziedziny nauki.

Stworzył język programowania LISP, przez dekady podstawowe narzędzie badaczy AI, współtworzył laboratorium AI w MIT, a potem założył laboratorium w Stanford. W 1971 r. otrzymał Nagrodę Turinga – odpowiednik Nobla w informatyce.

Marvin Minsky

Amerykański naukowiec (1927–2016), jeden z pionierów sztucznej inteligencji i współorganizator konferencji w Dartmouth z 1956 r. Razem z Johnem McCarthym założył laboratorium AI w MIT. Już w 1951 r. zbudował SNARC – jedną z pierwszych maszyn naśladujących sieć neuronową. Laureat Nagrody Turinga (1969).

Jego książka „Perceptrons” (1969, z Seymourem Papertem) pokazała ograniczenia prostych sieci neuronowych i przyczyniła się do wieloletniego spadku zainteresowania nimi. W „Społeczności umysłu” opisał inteligencję jako efekt współpracy wielu prostych procesów.

Andreas Kaplan

Niemiecki profesor zarządzania i transformacji cyfrowej, związany m.in. z ESCP Business School i Kühne Logistics University. Razem z Michaelem Haenleinem zaproponował jedną z najczęściej cytowanych definicji sztucznej inteligencji: to zdolność systemu do poprawnej interpretacji danych zewnętrznych, uczenia się na nich i wykorzystywania tej wiedzy do realizacji konkretnych celów dzięki elastycznemu dostosowywaniu się.

Duet Kaplan i Haenlein jest też autorem klasycznej definicji mediów społecznościowych z 2010 r. Prace Kaplana łączą AI z biznesem i marketingiem, dlatego często pojawiają się w podręcznikach i pracach dyplomowych z zarządzania.

Alan Turing

Brytyjski matematyk (1912–1954), jeden z ojców informatyki. W 1936 r. opisał abstrakcyjną „maszynę Turinga” – model, który do dziś definiuje, co w ogóle da się obliczyć. W czasie II wojny światowej w Bletchley Park współtworzył metody łamania szyfru Enigmy, rozwijając wcześniejsze osiągnięcia polskich kryptologów: Mariana Rejewskiego, Jerzego Różyckiego i Henryka Zygalskiego.

W 1950 r. w artykule „Computing Machinery and Intelligence” zadał pytanie „Czy maszyny mogą myśleć?” i zaproponował tzw. test Turinga: maszyna jest inteligentna, jeśli w rozmowie nie da się jej odróżnić od człowieka. Na jego cześć najważniejsze wyróżnienie w informatyce nazwano Nagrodą Turinga.

Rytr

Narzędzie do pisania tekstów z pomocą AI, przeznaczone głównie dla marketerów, copywriterów i małych firm. Na podstawie krótkiego opisu przygotowuje m.in. posty do social mediów, opisy produktów, maile, teksty reklam i szkice artykułów – z gotowymi szablonami i wyborem tonu wypowiedzi. Obsługuje kilkadziesiąt języków, w tym polski.

Działa na dużych modelach językowych i ma darmowy plan, dlatego często bywa pierwszym narzędziem AI w małych zespołach. Teksty z takich narzędzi warto traktować jako szkic: sprawdzić fakty (halucynacje), dopasować do głosu marki i dopracować pod SEO.

Mark Zuckerberg

Amerykański przedsiębiorca, założyciel i prezes Meta (dawniej Facebook). Pod jego kierownictwem firma stała się jednym z największych graczy w AI: rozwija otwarte modele Llama, asystenta Meta AI wbudowanego w Facebooka, Instagrama i WhatsAppa oraz okulary Ray-Ban Meta z asystentem AI.

W 2025 r. powołał Meta Superintelligence Labs i przyciągał czołowych badaczy z konkurencji rekordowymi ofertami – jego deklarowanym celem jest „osobista superinteligencja” dla każdego. O roli Mety w reklamie więcej w Słowniku Marketingu.

Gemini Notebook (dawniej NotebookLM)

Narzędzie Google do nauki i researchu oparte na modelach Gemini. Do „notatnika” wgrywa się własne źródła – PDF-y, dokumenty, strony, nagrania z YouTube – a AI odpowiada na pytania wyłącznie na ich podstawie, z przypisami wskazującymi konkretne fragmenty (podobnie jak w RAG). Do lipca 2026 r. działało pod nazwą NotebookLM.

Zasłynęło funkcją Audio Overviews, która zamienia materiały w rozmowę w stylu podcastu. Potrafi też tworzyć wideo-podsumowania, infografiki i prezentacje (z pomocą Nano Banana), a od listopada 2026 r. – interaktywne strony z treści notatnika. Marketerom przydaje się np. do analizy raportów, briefów i badań klientów.

Perplexity Comet

Przeglądarka internetowa z wbudowaną sztuczną inteligencją, stworzona przez Perplexity i udostępniona w 2025 r. (najpierw dla płatnych subskrybentów, potem za darmo dla wszystkich). Działa na bazie Chromium, więc przypomina Chrome, ale ma asystenta, który rozumie treść otwartych stron i kart.

Asystent może działać jak agent AI: porównywać produkty, streszczać artykuły, wypełniać formularze czy robić zakupy w imieniu użytkownika. To wygodne, ale budzi pytania o bezpieczeństwo – np. o ataki, w których złośliwa strona ukrytymi poleceniami próbuje przejąć kontrolę nad asystentem. Dla marketerów to sygnał, że stronę coraz częściej „czyta” nie tylko człowiek, ale i AI.

OpusClip (Opus Pro)

Narzędzie AI do przerabiania długich nagrań – webinarów, podcastów, wywiadów, transmisji – na krótkie klipy do YouTube Shorts, Reels i TikToka. Działa pod adresem opus.pro. AI samo wybiera najciekawsze fragmenty, kadruje obraz do formatu pionowego, śledzi twarz mówiącego i dodaje animowane napisy.

Każdy klip dostaje ocenę „potencjału viralowego”, która podpowiada, od czego zacząć publikację. Dla marek i twórców to sposób na wyciśnięcie z jednego nagrania kilkunastu treści do social mediów – choć ostateczny wybór i montaż warto zostawić człowiekowi.

Udio

Generator muzyki oparty na AI, udostępniony w 2024 r. przez zespół założony m.in. przez byłych badaczy Google DeepMind. Podobnie jak Suno tworzy z krótkiego opisu kompletne utwory z wokalem, tekstem i aranżacją, w niemal dowolnym gatunku.

Udio był jednym z głównych celów pozwów wytwórni płytowych o trenowanie AI na nagraniach bez zgody. W 2025 r. zawarł porozumienia z wytwórniami, m.in. z Universal Music, i zapowiedział przejście na platformę opartą na licencjonowanej muzyce – to ważny precedens dla całej branży generatywnej AI.

Canva

Australijska platforma do projektowania graficznego, założona w 2013 r. w Sydney przez Melanie Perkins. Pozwala bez wiedzy grafika tworzyć posty do social mediów, prezentacje, banery, ulotki i wideo z gotowych szablonów. Korzystają z niej setki milionów osób na całym świecie.

Funkcje AI zebrane w Magic Studio generują obrazy z opisu (text-to-image), piszą teksty, usuwają tło, zmieniają rozmiar projektu pod różne formaty i tłumaczą treści. Canva kupiła m.in. generator obrazów Leonardo.ai i program graficzny Affinity. Dla marketerów to jedno z najpopularniejszych narzędzi do szybkiego tworzenia kreacji.

Cursor

Edytor kodu z wbudowaną sztuczną inteligencją, rozwijany przez amerykańską firmę Anysphere. Bazuje na Visual Studio Code, ale AI rozumie w nim cały projekt: podpowiada kod, odpowiada na pytania o niego i wprowadza zmiany w wielu plikach naraz. Pozwala wybierać modele różnych dostawców, m.in. Claude, GPT i Gemini.

W trybie agenta (agent AI) samodzielnie planuje i wykonuje większe zadania – pisze funkcje, uruchamia testy, poprawia błędy. To jedno z narzędzi, które spopularyzowały tzw. vibe coding, czyli tworzenie aplikacji przez opisywanie AI, co ma robić. Przydaje się też marketerom, np. przy budowie landing page’y czy prostych automatyzacji.

DALL·E (DALL-E)

Generator obrazów z tekstu (text-to-image) stworzony przez OpenAI. Nazwa łączy nazwisko malarza Salvadora Dalí z robotem WALL·E z filmu Pixara. Pierwsza wersja pojawiła się w 2021 r., a DALL·E 2 (2022) – oparty na modelu dyfuzyjnym – był jednym z pierwszych generatorów, które pokazały szerokiej publiczności, co potrafi generatywna AI.

DALL·E 3 (2023) trafił do ChatGPT i do Bing Image Creator, dzięki czemu obrazy dało się tworzyć zwykłą rozmową. W 2025 r. w ChatGPT zastąpiło go generowanie obrazów wbudowane bezpośrednio w modele GPT, ale nazwa DALL·E wciąż bywa używana jako synonim generatora obrazów od OpenAI.

Gamma

Narzędzie AI do tworzenia prezentacji, dokumentów i prostych stron internetowych. Wystarczy wpisać temat albo wkleić notatki, a Gamma w kilkadziesiąt sekund przygotowuje gotowy projekt – z układem, grafikami i tekstem do dalszej edycji. Zamiast klasycznych slajdów używa elastycznych „kart”, które dobrze wyglądają też na telefonie.

Gotowe materiały można eksportować do PowerPointa lub PDF albo udostępnić linkiem. W marketingu sprawdza się przy ofertach, pitch deckach, raportach dla klientów i szybkich landing page’ach. Podobnie jak przy Canvie, efekt warto dopracować, żeby był zgodny z identyfikacją marki.

Fireflies.ai

Asystent AI do spotkań, który dołącza do rozmów w Zoomie, Google Meet czy Microsoft Teams, nagrywa je i tworzy transkrypcję. Po spotkaniu przygotowuje podsumowanie, listę ustaleń i zadań, a całą historię rozmów można przeszukiwać i zadawać jej pytania.

Integruje się z kalendarzami, systemami CRM i narzędziami do pracy zespołowej, więc notatki same trafiają tam, gdzie są potrzebne. To przykład AI, która przejmuje rutynową pracę biurową. Przed nagrywaniem warto jednak uprzedzić uczestników – to kwestia zarówno kultury, jak i przepisów o ochronie danych.

Notion

Aplikacja do notatek, dokumentów, baz danych i firmowych wiki w jednym miejscu, rozwijana przez firmę z San Francisco. Zespoły używają jej do planowania projektów, prowadzenia bazy wiedzy, harmonogramów treści czy CRM-ów zbudowanych z prostych tabel.

Wbudowane Notion AI pisze i poprawia teksty, streszcza notatki ze spotkań i odpowiada na pytania na podstawie całej zawartości przestrzeni roboczej (podobnie jak RAG). Nowsze wersje oferują też agentów AI, którzy samodzielnie wykonują wieloetapowe zadania w dokumentach i bazach.

Second Brain (drugi mózg)

Metoda organizowania wiedzy osobistej spopularyzowana przez Tiago Forte w książce „Building a Second Brain” (2022). Zamiast trzymać wszystko w głowie, zapisuje się pomysły, notatki i materiały w zewnętrznym systemie – np. według metody PARA: Projekty, Obszary, Zasoby, Archiwum.

AI nadała tej idei nowy wymiar: do własnej bazy notatek można dziś zadawać pytania, prosić o streszczenia i szukać powiązań między pomysłami. Jako „drugi mózg” służą m.in. Notion, Obsidian czy Gemini Notebook, a technicznie stoją za tym często RAG i embeddingi.

Tokenizacja

Proces dzielenia tekstu na tokeny, czyli kawałki, które model językowy potrafi przetworzyć. Zanim LLM „przeczyta” pytanie, specjalny program – tokenizer – tnie tekst na fragmenty i zamienia każdy z nich na liczbę. Częste słowa bywają jednym tokenem, a rzadsze i dłuższe dzielą się na kilka części.

Polski tekst zwykle zajmuje więcej tokenów niż ten sam tekst po angielsku – przez odmianę, długie słowa i polskie znaki. W praktyce oznacza to wyższy koszt korzystania z modeli przez API i szybsze zapełnianie okna kontekstowego. Każda rodzina modeli ma własny tokenizer, więc ten sam tekst może mieć w różnych modelach inną liczbę tokenów.

Uwaga: słowo „tokenizacja” ma też inne znaczenia – w płatnościach oznacza zastępowanie numeru karty bezpiecznym zamiennikiem, a w blockchainie zamianę aktywów na cyfrowe tokeny. W tym słowniku chodzi o znaczenie związane z modelami językowymi.

Wektoryzacja

Zamiana tekstu, obrazu lub innych danych na wektory – listy liczb, które komputer może porównywać i przetwarzać. W AI wektoryzacja tworzy embeddingi: fragmenty o podobnym znaczeniu dostają podobne wektory, więc model „wie”, że „buty do biegania” i „obuwie sportowe” to bliskie pojęcia, choć nie mają wspólnych słów.

To podstawa wyszukiwania semantycznego, rekomendacji i RAG: dokumenty firmy wektoryzuje się i zapisuje w bazie wektorowej, a potem AI szybko znajduje fragmenty pasujące do pytania. Uwaga: w grafice „wektoryzacja” oznacza coś innego – zamianę obrazu z pikseli na grafikę wektorową, np. przy przygotowaniu logo do druku.

Overfitting (przeuczenie)

Sytuacja, w której model AI zbyt dokładnie „wykuł na pamięć” dane treningowe – razem z przypadkowym szumem i wyjątkami – zamiast nauczyć się ogólnych zasad. Na danych, które już zna, wypada świetnie, ale na nowych przykładach radzi sobie słabo. To jak uczeń, który zapamiętał odpowiedzi do starych testów, ale nie rozumie materiału.

Overfitting wykrywa się, sprawdzając model na danych, których nie widział podczas treningu. Zapobiega mu się m.in. większą i bardziej różnorodną ilością danych, prostszym modelem i wcześniejszym zakończeniem nauki. Ryzyko jest szczególnie duże przy fine-tuningu na małym zbiorze przykładów. Przeciwieństwem jest underfitting – model zbyt prosty, by uchwycić wzorce w danych.

* Skąd nazwa Jinkō Chinō Daijiten (人工知能大辞典)?

W wolnym tłumaczeniu: „Wielki Słownik Sztucznej Inteligencji”. 人工知能 (jinkō chinō) to japońskie określenie sztucznej inteligencji – dosłownie „sztucznie stworzona inteligencja”, a 大辞典 (daijiten) oznacza „wielki słownik”.

To siostrzany słownik naszego Wielkiego Słownika Marketingu (マーケティング大辞典) – nazwa nawiązuje do uznanego słownika znaków kanji „Dai Kan-Wa Jiten” (大漢和辞典).

Drugi słownik Kaizen Ads · マーケティング大辞典Wielki Słownik MarketinguROAS, Performance Max, SEO, Allegro Ads, Meta Ads i japońskie filozofie biznesu – wyjaśnione prosto. 97 hasełPrzejdź do Słownika Marketingu