Ta branża zdradza przyszłość sektora AI

Miałem niecałe 10 lat i razem z rodzicami patrzyliśmy, jak cały świat wstrzymuje oddech…

…oddech, który znaczy dzisiaj więcej w świecie AI, niż 29 lat temu.

Ale najpierw cofnijmy się o te 29 lat.

Bo ta jedna branża (zupełnie o niej do tej pory nie myślałeś) mówi więcej o tym, co będzie działo się w branży AI na przestrzeni następnych 20-25 lat, niż ostatnio na niechlubym topie manifesty z Doliny Krzemowej…

Ale do rzeczy.

Od małego lubiłem szachy.

W latach 90. nie były one postrzegane wyłącznie jako gra planszowa.

Szachy były symbolem inteligencji.

Zdolności przewidywania konsekwencji własnych decyzji na wiele ruchów do przodu.

Dziecko grające dobrze w szachy automatycznie otrzymywało łatkę „zdolnego”.

Arcymistrz znajdował się natomiast gdzieś na granicy sportowca, matematyka i człowieka dysponującego umysłem niedostępnym dla reszty społeczeństwa.

W tym samym czasie coraz szybciej rozwijały się komputery.

Ale naukowcy pracowali również nad czymś znacznie większym niż kolejne komputerowe wyścigi, strzelanki czy strategie.

Pracowali nad sztuczną inteligencją.

Ale w nieco węższym zakresie.

I jeden model zyskiwał coraz większy rozgłos…

Deep Blue nie był typowym modelem językowym (z ang. Large Language Model, czyli: LLM).

Był wyspecjalizowanym systemem zbudowanym do wykonywania jednego, bardzo konkretnego zadania:

miał pokonać najlepszego szachistę świata.

Nie chodziło wyłącznie o wygranie partii.

Stawką pojedynku było coś więcej.

Szachy przez dziesięciolecia uchodziły za jeden z ostatnich bastionów ludzkiego umysłu.

Maszyna mogła szybciej liczyć.

Mogła przechowywać więcej informacji.

Mogła wykonywać powtarzalne zadania bez zmęczenia.

Ale czy potrafiła planować?

Czy potrafiła stworzyć strategię?

Czy mogła pokonać człowieka w grze, której możliwych układów na planszy jest więcej, niż atomów we wszechświecie?

IBM postanowił to sprawdzić.

W 1996 roku naprzeciwko maszyny usiadł Garry Kasparow.

Ówczesny mistrz świata.

Człowiek, którego część środowiska już wtedy uważała za najwybitniejszego szachistę w historii.

Deep Blue wygrał pierwszą partię.

Był to pierwszy przypadek, kiedy komputer pokonał aktualnego mistrza świata w partii rozegranej przy standardowym tempie turniejowym.

Przez moment mogło się wydawać, że wydarzyło się coś nieodwracalnego.

Kasparow jednak wrócił.

Dostosował się.

Zmienił sposób gry.

Ostatecznie wygrał cały sześciopartiowy pojedynek wynikiem 4:2.

Człowiek triumfował.

Wszyscy mogli odetchnąć.

Najlepszy szachista świata pokazał, że komputer może analizować miliony wariantów, ale nadal nie rozumie gry tak jak człowiek.

Nadal nie posiada intuicji.

Nadal nie potrafi wyjść poza to, do czego został zaprogramowany.

Wydawało się, że człowiek obronił swoją pozycję.

Tylko że IBM nie powiedział jeszcze ostatniego słowa.

IBM WRÓCIŁ DO LABORATORIUM

IBM nie potraktował porażki jako dowodu, że komputer nie może pokonać człowieka.

Potraktował ją jak dane.

Zespół wrócił do laboratorium.

Przeanalizował partie.

Zwiększył moc obliczeniową maszyny.

Deep Blue nie miał stać się bardziej kreatywny.

Nie miał nauczyć się kochać szachów.

Nie miał nawet zrozumieć, dlaczego ludzie poświęcają tej grze całe życie.

Miał znaleźć sekwencję ruchów, która pozwoli mu pokonać jednego konkretnego człowieka.

Garry’ego Kasparowa.

Ulepszona wersja systemu mogła analizować około 200 milionów pozycji szachowych na sekundę.

W maju 1997 roku rozpoczął się rewanż.

Tym razem mecz rozgrywano w Nowym Jorku, a jego wynik śledziły media na całym świecie.

Kasparow wygrał pierwszą partię.

Deep Blue odpowiedział zwycięstwem w drugiej.

Kolejne trzy zakończyły się remisami.

Po pięciu partiach wynik całego pojedynku nadal był remisowy.

O wszystkim miała zadecydować szósta, ostatnia partia.

Kasparow grał czarnymi.

Bardzo szybko znalazł się w trudnej pozycji.

Po zaledwie 19 ruchach poddał partię.

Cały pojedynek zakończył się wynikiem 3,5:2,5 dla Deep Blue.

Po raz pierwszy komputer pokonał aktualnego mistrza świata w pełnym meczu rozgrywanym przy standardowym tempie turniejowym.

Maszyna wygrała.

Człowiek przegrał.

I niemal natychmiast pojawiło się pytanie:

Czy to właśnie koniec szachów?

Wniosek wydawał się intuicyjny.

Po co oglądać ludzi grających w szachy, skoro komputer właśnie udowodnił, że potrafi grać lepiej od najlepszego człowieka w historii?

Po co trenować całe życie, skoro maszyna może w kilka sekund przeanalizować więcej pozycji, niż człowiek zobaczy przez całe swoje życie?

W tamtym momencie można było uwierzyć, że szachy właśnie osiągnęły swój technologiczny szczyt.

Że od tej chwili gra człowieka będzie jedynie niedoskonałą imitacją tego, co potrafi zrobić maszyna.

Że nowe pokolenia przestaną widzieć sens w grze, w której człowiek z definicji nie może już być najlepszy.

Tylko że to, co wydarzyło się przez kolejne 29 lat, pokazuje, jak bardzo mylimy się, kiedy oceniamy technologię wyłącznie na podstawie tego, jakie stanowiska, kompetencje albo ludzkie zdolności może zastąpić.

Historia szachów pokazuje również, jak cykle technologiczne i gospodarczo-społeczne kształtują nasze życie.

A przede wszystkim daje nam bardzo konkretną wskazówkę dotyczącą tego, co rozwój AI może oznaczać dla gospodarki, biznesu, rynku pracy i inwestowania przez następne 20–25 lat.

Bo szachy nie umarły.

Stało się coś dokładnie odwrotnego.

SZACHY MIAŁY UMRZEĆ – ZACZĘŁY ROSNĄĆ 3X SZYBCIEJ!

Nie musimy zgadywać, co zwycięstwo Deep Blue zrobiło z szachami.

Możemy spojrzeć na suche dane.

Historyczna baza zawodników FIDE zawiera rekordy sięgające 1913 roku, chociaż sama Międzynarodowa Federacja Szachowa została założona w Paryżu dopiero w 1924 roku.

Przez pierwsze dekady wzrost liczby rejestrowanych zawodników był niemal żółwi.

W 1920 roku w historycznej bazie znajdowało się zaledwie 13 graczy.

W 1930 roku – 994.

W 1940 roku – 8 479.

Dopiero w drugiej połowie XX wieku krzywa zaczęła wyraźnie przyspieszać.

W 1960 roku baza obejmowała już 68 683 zawodników.

W 1980 roku — ponad 180 tysięcy!

Rozwój już wówczas przybierał na sile. Ale…

…gdy doszło do słynnego pojedynku, stało się coś, czego obecni “wieszcze zagłady AI” w ogóle nie biorą pod uwagę.

Szachy dosłownie… eksplodowały!

W 1995 roku historyczna baza FIDE obejmowała 281 129 zawodników. A ciągu kolejnych 30 lat do bazy doszło niemal drugie tyle: ~260 tysięcy zawodników.

Średnie tempo wzrostu od momentu “upadku człowieka” zwiększyło się niemal trzykrotnie.

I właśnie dlatego na poniższym wykresie zaznaczyłem nie tylko rzeczywistą liczbę zawodników.

[ZERKNIJ NA PIERWSZY OBRAZEK]

Dane bazując na rekordach i statystykach FIDE

Dodałem również dwie linie trendu.

Pierwsza (brązowa) pokazuje tempo wynikające z danych zebranych do 1995 roku.

Druga, różowa, rozpoczyna się przy wydarzeniu z 1997 roku i pokazuje kierunek wynikający z danych z kolejnych 25 lat.

Różowa pionowa linia nie oznacza oczywiście, że jeden mecz sam stworzył ćwierć miliona nowych szachistów.

Spójrz na różnicę pomiędzy dwiema przerywanymi liniami.

Maszyna, która miała odebrać człowiekowi sens grania w szachy, pomogła ostatecznie obniżyć koszt wejścia do świata zaawansowanej analizy.

Kiedyś po zakończeniu partii mogłeś przez kilka godzin zastanawiać się, gdzie popełniłeś błąd.

Być może pokazałeś partię trenerowi.

Być może silniejszy zawodnik z klubu wskazał Ci moment, w którym sytuacja zaczęła się pogarszać.

Być może nigdy nie dowiedziałeś się, że jeden pozornie naturalny ruch zadecydował o całej rozgrywce.

Dzisiaj silnik szachowy może w kilka sekund pokazać Ci:

moment, w którym straciłeś przewagę,

ruch, którego nie zauważyłeś,

zagrożenie, które zignorowałeś,

oraz prawidłową sekwencję kolejnych posunięć.

Nie musisz być arcymistrzem.

Nie musisz mieć prywatnego trenera.

Dostęp do wiedzy, która wcześniej była zarezerwowana dla elity, został otwarty dla praktycznie każdego.

Oczywiście AI nie była jedynym powodem rozwoju szachów.

Internet, platformy do gry online, transmisje, media społecznościowe, popkultura i globalizacja również miały ogromne znaczenie.

Ale wszystkie te zjawiska wzajemnie się wzmacniały.

A AI nie zabiła szachów.

Zabiła barierę dostępu do elitarnej wiedzy.

Powyższy wykres pokazuje, że po pojedynku Kasparowa z Deep Blue wzrosła liczba graczy.

Ale to tylko połowa historii.

Druga, znacznie ważniejsza jest na kolejnym wykresie.

Bo ona pokazuje, jak w tym samym okresie wzrosła także jakość wiedzy i doświadczenia dostępnego całemu środowisku.

A jego wnioski są znacznie ważniejsze dla inwestora niż sama historia jednego meczu szachowego.

WZROSŁA NIE TYLKO LICZBA GRACZY. WZROSŁA JAKOŚĆ CAŁEJ DYSCYPLINY

Sama liczba zawodników nie mówi jeszcze wszystkiego.

Można byłoby spojrzeć na pierwszy wykres i powiedzieć:

„W porządku. Szachy stały się popularniejsze. Internet ułatwił znalezienie przeciwnika. Więcej amatorów zaczęło grać dla rozrywki”.

Ale to nie oznaczałoby jeszcze, że technologia podniosła poziom całej dyscypliny.

Być może szachowa piramida zrobiła się szersza na dole, a jej szczyt pozostał równie wąski jak wcześniej?

Dlatego sprawdziłem coś jeszcze.

Ilu zawodników w poszczególnych dekadach osiągnęło w swojej karierze klasyczny ranking FIDE na poziomie co najmniej 2700 punktów?

To poziom nazywany potocznie elitarnym klubem superarcymistrzów.

Każdego zawodnika przypisaliśmy do okresu, w którym osiągnął swój najwyższy oficjalny ranking w karierze.

W latach 70. granicę 2700 przekroczył tylko jeden zawodnik.

Bobby Fischer. Absolutna legenda.

W latach 80. swój szczyt powyżej 2700 osiągnął również jeden gracz.

Garry Kasparow.

W latach 90. takich zawodników było czterech.

Łącznie przed rokiem 2000 zaledwie sześciu szachistów w całej historii (!) osiągnęło swój career peak powyżej 2700 punktów.

Co się wydarzyło po słynnym pojedynku Kasparowa z Deep Blue?

Spójrz tylko NA DRUGI OBRAZEK.

W pierwszej dekadzie XXI wieku było ich już 21.

W latach 2010–2019 – 82.

Niepełna obecna dekada również dostarcza kolejnych nazwisk niemal hurtowo (!), mimo że do jej zakończenia pozostało jeszcze kilka lat. Dane szczytowych rankingów pokazują jednocześnie, że rekord poziomu elity wzrósł od 2785 Fischera, przez 2851 Kasparowa, aż do 2882 Magnusa Carlsena.

To nie jest już wyłącznie historia o większej liczbie ludzi przesuwających figury po szachownicy.

To historia o gwałtownym wzroście jakości wiedzy dostępnej całemu środowisku.

Silniki szachowe nie obniżyły poziomu potrzebnego do wejścia do światowej elity.

Stało się coś odwrotnego.

Podniosły standard przygotowania praktycznie wszystkich zawodników.

Debiut, który kiedyś przez miesiące analizowało kilku najlepszych arcymistrzów świata, dzisiaj może studiować nastolatek siedzący wieczorem przy laptopie.

Wariant, który w latach 80. mógł stanowić pilnie strzeżoną broń przygotowaną specjalnie na mecz o mistrzostwo świata, po rozegraniu jednej partii może zostać przeanalizowany i zrozumiany przez tysiące zawodników.

Młodzi nawet konstruują swoje debiuty szachowe (!), które wprawiają w duże zakłopotanie nawet arcymistrzów (wygoogluj: Alien Gambit i Martian Gambit).

Błąd, którego odkrycie wymagało kiedyś wielu godzin pracy trenera, komputer identyfikuje w kilka sekund.

A jeśli komputer pokazuje, że dany ruch jest błędem, człowiek może zadać najważniejsze pytanie:

Dlaczego?

To właśnie w tym miejscu zaczyna się prawdziwy rozwój.

Nie wtedy, kiedy bezmyślnie kopiujesz ruch podany przez maszynę.

Tylko wtedy, kiedy próbujesz zrozumieć jego logikę i wykorzystać ją w kolejnej partii.

AI nie sprawiła, że człowiek przestał być potrzebny.

Sprawiła, że przeciętny człowiek otrzymał dostęp do narzędzi, które wcześniej były zarezerwowane dla bardzo wąskiej elity.

W efekcie elita nie zniknęła.

Elita stała się większa i znacznie potężniejsza niż kiedykolwiek przedtem.

A jednocześnie wejście do niej stało się trudniejsze, ponieważ wzrósł poziom całego środowiska.

To bardzo ważne rozróżnienie.

Technologia może obniżyć barierę dostępu do wiedzy.

Nie musi jednak obniżać bariery osiągnięcia mistrzostwa.

Wręcz przeciwnie.

Kiedy każdy zawodnik otrzymuje dostęp do podobnych narzędzi, wygrywa nie ten, kto po prostu posiada silnik.

Wygrywa ten, kto potrafi lepiej wykorzystać jego wskazówki.

Kto umie odróżnić pojedynczy dobry ruch od właściwej strategii.

Kto potrafi zrozumieć, dlaczego dany ruch pasuje do całej pozycji.

I kto nadal podejmuje właściwe decyzje wtedy, kiedy na zegarze pozostaje kilkanaście sekund.

Bo dostęp do prawidłowej odpowiedzi nie oznacza jeszcze zdolności do rozpoznania właściwego problemu.

Ale wydarzyło się coś jeszcze.

Komputery zaczęły grać lepiej od ludzi.

A mimo to ludzie nie zaczęli oglądać komputerów.

MASZYNY WYGRAŁY W SZACHY. LUDZIE WYGRALI WIDOWISKO.

Po zwycięstwie Deep Blue można było zakładać, że przyszłością szachów będą pojedynki maszyn.

Dwa potężne komputery.

Dwie niemal idealne strategie.

Minimalna liczba błędów.

Poziom gry całkowicie niedostępny dla człowieka.

W teorii powinno to być najlepsze możliwe widowisko szachowe.

Tylko że ludzie nie chcą oglądać perfekcyjnie działającego algorytmu.

Chcą oglądać człowieka próbującego dokonać czegoś, co wydaje się niemożliwe.

Chcą widzieć presję.

Ryzyko.

Błąd.

I moment zwątpienia.

Chcą oglądać Carlsena trzaskającego w stół ze złości i młodziutkiego, “pojawiającego się znikąd” Sindarowa, który na turnieju kandydatów rozjeżdża arcymistrzów niczym walec..

Maszyny rozwiązały ogromną część szachowego problemu.

Nie odebrały jednak ludziom potrzeby oglądania innych ludzi.

Szachy klasyczne, rapid i blitz stały się globalnym produktem medialnym.

FIDE organizuje dziś mistrzostwa świata w szachach szybkich i błyskawicznych z pulami nagród przekraczającymi milion euro, a mecz o mistrzostwo świata z 2024 roku został później uznany w Singapurze za wydarzenie sportowe roku.

Jednocześnie jednymi z najbardziej rozpoznawalnych nauczycieli szachów nie są już wyłącznie mistrzowie świata i autorzy wielotomowych podręczników.

Są nimi twórcy internetowi.

Levy Rozman, znany jako GothamChess, został przez Chess com nazwany największym szachowym YouTuberem na świecie z prawie 8 mln (!) subskrybentów.

W 2026 roku przekroczył poziom 3000 punktów w internetowym rankingu blitz na Chess com., gdzie najwybitniejsi gracze tacy jak Carlsen czy Nakamura osiągają poziom ok. 3400 punktów.

(to nie jest ten sam ranking co klasyczny ranking FIDE, dlatego tych wartości nie należy porównywać bezpośrednio)

Jeszcze większe wrażenie robi rozwój samej platformy Chess com.

W grudniu 2022 roku przekroczył 100 milionów zarejestrowanych użytkowników.

Pod koniec lutego 2026 roku było ich już 250 milionów.

Oznacza to, że w niewiele ponad trzy lata platforma dodała kolejnych 150 milionów kont. Według Chess com średnio w ostatnich latach do serwisu dołączało około 12 milionów osób rocznie.

Pomyśl o skali paradoksu.

W 1997 roku komputer pokonał najlepszego szachistę świata.

Logiczny, powierzchowny wniosek brzmiał:

„Skoro człowiek nie może być najlepszy, ludzie stracą zainteresowanie grą”.

Tymczasem technologia zrobiła coś odwrotnego.

Pozwoliła grać: zawsze, z każdym, z dowolnego miejsca na świecie.

Pozwoliła analizować każdą partię, oglądać najlepszych zawodników, uczyć się od twórców, którzy potrafią przetłumaczyć analizę silnika na język zrozumiały dla amatora.

Zbudowała rynek trenerów, platform, kursów, transmisji, turniejów internetowych, twórców i nowych formatów rozrywki.

Maszyna wygrała partię.

Ale człowiek zbudował wokół tej maszyny wielokrotnie większy ekosystem.

I prawdopodobnie dokładnie to samo wydarzy się teraz z AI.

Tyle że zanim zobaczymy efekty, przejdziemy przez fazę, w której wielu ludzi będzie przekonanych, że właśnie obserwuje koniec swojej kariery (i koniec świata).

NAJPIERW AI MA ODEBRAĆ NAM PRACĘ

Pierwszą fazę tego cyklu już znamy.

Być może jesteśmy w niej nawet jedną nogą.

„AI zabierze połowę miejsc pracy”.

„Programiści przestaną być potrzebni”.

„Marketing zrobi się sam”.

„Analityków zastąpi jeden agent”.

Nawet sam dostaję pytania: Co z MPB skoro za chwilę rynki będzie analizować AI?

To dokładnie ten sam sposób myślenia, który pojawił się po zwycięstwie Deep Blue.

Po co oglądać człowieka grającego w szachy, skoro komputer gra lepiej?

Po co zatrudniać człowieka do przygotowania analizy, skoro model może stworzyć ją w kilkanaście sekund?

I żeby było jasne:

część tych obaw jest uzasadniona.

Nie każda historia o automatyzacji zakończy się szczęśliwie.

Niektóre stanowiska rzeczywiście znikną.

Część firm wykorzysta AI jako pretekst do redukcji zatrudnienia.

Największą presję mogą poczuć osoby wykonujące powtarzalne, łatwo mierzalne zadania.

Szczególnie zagrożone mogą być stanowiska juniorskie, na których człowiek dopiero uczył się zawodu, wykonując prostsze prace dla bardziej doświadczonych członków zespołu.

Przez pewien czas rynek może zacząć oceniać część pracowników jako mniej potrzebnych.

Tak jak po Deep Blue część ludzi zaczęła patrzeć na szachistę jak na niedoskonały komputer.

Ale to będzie dopiero pierwsza faza (w trakcie której cały czas jesteśmy!).

W drugiej korzystanie z AI przestanie być przewagą.

Stanie się minimalnym warunkiem uczestnictwa w rynku pracy.

Pytanie nie będzie już brzmiało:

„Czy korzystasz z AI?”

Tylko:

„Jak dobrze potrafisz wykorzystać AI do wykonania swojej pracy?”

Jeden marketer będzie generował przy jego pomocy przypadkowe teksty.

Drugi wykorzysta modele do analizy tysięcy opinii klientów, budowy person, testowania komunikatów i projektowania kampanii.

Jeden analityk poprosi model o podsumowanie raportu.

Drugi zbuduje proces, który połączy dane z kilkunastu źródeł, wykryje sprzeczności i pozwoli mu znacznie szybciej dojść do właściwych pytań.

Jeden przedsiębiorca zacznie publikować pięć razy więcej przeciętnej treści.

Drugi wykorzysta AI do stworzenia produktu, którego kilka lat temu nie byłby w stanie zbudować bez zespołu programistów, badaczy i projektantów.

Technologia nie zrówna ich wyników.

Powiększy różnicę pomiędzy kimś, kto rozumie problem, a kimś, kto tylko potrafi wpisać polecenie.

World Economic Forum szacuje, że do 2030 roku transformacja rynku pracy może doprowadzić do powstania około 170 milionów nowych miejsc pracy i wyparcia około 92 milionów dotychczasowych.

To oznacza nie tylko ryzyko bezrobocia.

Oznacza przede wszystkim gigantyczną rotację kompetencji, stanowisk i całych modeli biznesowych.

W trzeciej fazie (za 10-15 lat) zaczniemy obserwować niemal skokowy wzrost produktywności.

Jedna osoba będzie mogła przygotować analizę, kampanię, prototyp produktu albo aplikację, do których kilka lat wcześniej potrzebny był kilkuosobowy zespół.

Tak jak szachista otrzymał osobistego analityka dostępnego przez całą dobę, tak pracownik otrzymuje dziś osobistego badacza, asystenta, programistę, tłumacza i redaktora.

Nie oznacza to, że każda z tych funkcji zniknie.

Oznacza, że człowiek korzystający z AI będzie w stanie wyprodukować znacznie większy output niż osoba wykonująca tę samą pracę wyłącznie ręcznie.

Następnie zacznie zmieniać się edukacja.

Dyplom nie zniknie.

Może jednak stracić monopol na potwierdzanie wiedzy.

W branżach takich jak marketing, analiza biznesowa czy część ekonomii coraz większą wartość mogą mieć krótsze, eksperckie programy pozwalające szybko opanować konkretną umiejętność i wdrożyć ją w praktyce.

Jednocześnie głęboka wiedza techniczna — matematyka, energetyka, inżynieria, automatyka, bezpieczeństwo i projektowanie systemów AI — może stać się jeszcze bardziej pożądana.

Chiny już zaczynają przestawiać system kształcenia właśnie w tym kierunku.

Nie oznacza to, że likwidują wszystkie dotychczasowe kierunki i zastępują je jednym dyplomem z kompetencjami w obszarze AI.

W samym 2024 roku chińskie uczelnie dodały 1673 programy uznane za potrzebne dla strategii państwa, jednocześnie usuwając 1670 programów słabiej dopasowanych do rozwoju gospodarczego.

To nie zmiana trendu.

To zmiana systemowa.

Plan edukacyjny do 2035 roku nakazuje dostosowywanie kierunków do postępu naukowego i technologicznego, ze szczególnym naciskiem na dyscypliny inżynieryjne, powstające oraz interdyscyplinarne.

W 2025 roku do katalogu kierunków dodano między innymi programy związane z edukacją AI, inteligentną inżynierią audiowizualną oraz innymi zastosowaniami sztucznej inteligencji.

Równolegle chińskie uniwersytety rozwijają podejście „AI+”, czyli włączanie sztucznej inteligencji do kierunków, które wcześniej nie były bezpośrednio kojarzone z informatyką.

Chiny przygotowują cały system na świat, w którym znajomość AI będzie tym, czym dziś jest znajomość komputera.

A w kolejnej fazie zaczniemy widzieć firmy prowadzone przez coraz młodsze osoby.

Małe zespoły tworzące produkty konkurujące z dużymi organizacjami.

Specjalistów, którzy bez tradycyjnego zaplecza instytucjonalnego będą potrafili wejść na poziom dostępny wcześniej dla wąskiej grupy ekspertów.

Dokładnie tak, jak dostęp do silników szachowych nie zlikwidował arcymistrzów.

Stworzył więcej ludzi zdolnych trenować jak arcymistrzowie.

I tutaj zaczyna się najważniejsza część tej historii dla inwestora.

Bo jeżeli faktycznie jesteśmy dopiero na początku dwudziestoletniego cyklu, to firmy, które dzisiaj postrzegamy jako największych zwycięzców AI, mogą być jedynie pierwszą warstwą całej rewolucji.

Najbardziej oczywistą.

Najdroższą.

I najmocniej obserwowaną.

Najlepsze spółki tego cyklu mogą jeszcze nie być notowane.

Część z nich może jeszcze nawet nie istnieć.

A pierwszym momentem, w którym rynek naprawdę zacznie rozumieć skalę tej zmiany, może być wydarzenie, które za kilka lat będziemy wspominać dokładnie tak, jak dzisiaj wspominamy pojedynek Kasparowa z Deep Blue.

Tym wydarzeniem może być wejście na giełdę Anthropic.

ANTHROPIC IPO = KASPAROV-DEEP BLUE MOMENT

Pierwsza część cyklu AI była stosunkowo łatwa do zauważenia.

Potrzebne były mocniejsze procesory.

Więcej pamięci.

Ogromne centra danych.

Dlatego pierwszymi wielkimi zwycięzcami zostały firmy sprzedające łopaty podczas gorączki złota:

Nvidia.

Producenci pamięci.

Dostawcy serwerów.

Operatorzy centrów danych.

To warstwa infrastruktury.

Niezbędna.

Kapitałochłonna.

Najłatwiejsza do zidentyfikowania, bo bez niej cała rewolucja nie mogłaby się rozpocząć.

Następnie pojawiły się modele.

OpenAI.

Anthropic.

Google Gemini.

Meta.

Firmy inwestujące dziesiątki miliardów dolarów w stworzenie systemów, które mają rozumieć tekst, analizować dane, pisać kod, generować obrazy i wykonywać coraz bardziej złożone zadania.

A teraz wchodzimy w kolejny etap.

1 czerwca 2026 roku Anthropic poinformował o poufnym złożeniu dokumentów dotyczących wejścia na amerykańską giełdę.

To jeszcze nie oznacza, że oferta na pewno odbędzie się w konkretnym terminie.

Nie znamy ostatecznej liczby oferowanych akcji, ceny ani wyceny, przy której rynek będzie mógł kupić udziały w firmie.

Ale sam fakt rozpoczęcia formalnego procesu ma znaczenie.

Może to być moment, w którym prywatna rewolucja AI zaczyna na dużą skalę przechodzić na rynek publiczny.

Dlatego nazwałbym to:

ANTHROPIC IPO = KASPAROV-DEEP BLUE MOMENT

Nie dlatego, że Anthropic jest odpowiednikiem Deep Blue.

Nie dlatego, że jego IPO automatycznie rozpocznie nową hossę.

I nie dlatego, że każdy inwestor powinien kupować akcje firmy bez względu na cenę.

Chodzi o coś innego.

Pojedynek Kasparowa z Deep Blue był wydarzeniem, które pokazało całemu światu, że technologia przekroczyła granicę wcześniej uznawaną za bezpieczną.

Komputer nie potrafił już tylko szybko liczyć.

Potrafił pokonać człowieka w dziedzinie kojarzonej ze strategią, intuicją i geniuszem.

Potencjalne wejście Anthropic na giełdę może pełnić podobną funkcję dla rynku kapitałowego.

AI przestanie być wyłącznie narracją zawartą w wynikach Nvidii, wydatkach Microsoftu i planach budowy kolejnych centrów danych.

Rynek będzie musiał wycenić jedną z najważniejszych firm tworzących modele bazowe jako osobny biznes.

Zobaczymy jej przychody.

Koszty.

Tempo wzrostu.

Zapotrzebowanie na kapitał.

Ryzyko.

Zależność od dostawców infrastruktury.

I cenę, którą inwestorzy będą gotowi zapłacić za udział w przyszłości, której pełnego kształtu jeszcze nie znamy.

A największa fala może nadejść dopiero wtedy, kiedy AI przestanie być produktem, o którym mówi się osobno.

Kiedy stanie się niewidzialną częścią:

ochrony zdrowia,

przemysłu,

energetyki,

ubezpieczeń,

logistyki,

edukacji,

finansów,

rolnictwa,

cyberbezpieczeństwa,

projektowania leków,

prawa i administracji.

Najlepsze spółki tego cyklu mogą jeszcze nie być notowane.

Część z nich być może jeszcze nawet nie powstała!

Mogą zostać założone przez ludzi, którzy dzisiaj studiują inżynierię.

Przez pracowników, którzy nauczą się łączyć wiedzę branżową z AI.

Przez zespoły liczące pięć osób, ale produkujące output wymagający wcześniej pięćdziesięciu pracowników.

Możesz więc być spóźniony na +42.000% ruch Nvidii…

…i jednocześnie nadal znajdować się bardzo wcześnie w całym dwudziestoletnim cyklu.

To dobra wiadomość.

Ale niesie ze sobą również ogromne zagrożenie.

Bo im większy jest potencjał całego trendu, tym łatwiej uwierzyć, że każda spółka nosząca etykietę „AI” musi kiedyś wygrać.

A to jest dokładnie ten moment, w którym inwestor zaczyna mylić dobrą opowieść z dobrze zbudowaną pozycją.

AI NIE ZROBI Z CIEBIE INWESTORA

Silnik szachowy nie zrobił z każdego gracza arcymistrza.

Dał mu jednak dostęp do analizy, która wcześniej była zarezerwowana dla najlepszych zawodników świata.

Mógł pokazać mu właściwy ruch.

Mógł wskazać błąd.

Mógł zaproponować dobrą sekwencję kolejnych posunięć.

Ale nie mógł wejść do jego głowy podczas następnej partii.

Nie mógł zdecydować, czy gracz naprawdę zrozumiał poprzedni błąd, czy tylko zapamiętał odpowiedź.

Nie mógł zagwarantować, że pod presją czasu człowiek rozpozna podobną sytuację.

I nie mógł sprawić, że po analizie dziesięciu partii początkujący nagle zacznie rozumieć grę tak jak Magnus Carlsen.

Z AI w inwestowaniu będzie dokładnie tak samo.

AI nie zrobi z Ciebie inwestora.

Ale może pokazać Ci dobrą sekwencję kolejnych ruchów.

Może przeanalizować raport.

Porównać spółki.

Wskazać zmianę marż.

Wyszukać ryzyko.

Znaleźć sprzeczność w wypowiedziach zarządu.

Pomóc Ci zrozumieć model biznesowy.

Może nawet stworzyć listę firm, które potencjalnie skorzystają na kolejnej warstwie rozwoju sztucznej inteligencji.

Tylko że miliony innych ludzi otrzymają dostęp do podobnego narzędzia.

Dlatego pytanie nie brzmi już:

„Czy będziesz korzystać z AI?”

Pytanie brzmi:

Jaki „ranking” i poziom rozumienia gry będziesz mieć wtedy, kiedy rynek wejdzie w kolejną fazę tego cyklu?

Czy będziesz graczem, który bezmyślnie kopiuje ruch wskazany przez maszynę?

Czy człowiekiem, który rozumie, dlaczego ten ruch pasuje do całej pozycji?

Czy będziesz zbierać kolejne tickery?

Czy potrafisz rozpoznać, jaką funkcję dana spółka ma pełnić w Twoim portfelu?

Czy będziesz kupować każdą firmę powiązaną z AI?

Czy odróżnisz dobry biznes od dobrej inwestycji przy konkretnej cenie?

Dostęp do “analizy” stanie się powszechny – i szybko znajdzie odzwierciedlenie w cenie akcji.

Prawdziwą przewagę zbuduje dopiero odpowiednie osadzenie analizy w kontekście.

W cyklach makro, w cyklach 15-25 letnich faz rozwoju technologii, w analizie cykli sektorów oraz mikro-cykli biznesowych.

To właśnie tutaj pojawia się problem, którego nie rozwiąże kolejna lista „dziesięciu najlepszych spółek na 2027 rok”.

Większości inwestorów nie brakuje pomysłów.

Mają ich za dużo.

Obserwują dziesiątki spółek.

Czytają analizy.

Oglądają YouTube.

Zapisują kolejne tickery.

Kupują firmę półprzewodnikową, operatora centrum danych, producenta pamięci, spółkę energetyczną i dostawcę infrastruktury sieciowej.

A potem są przekonani, że posiadają pięć różnych inwestycji.

Tymczasem wszystkie mogą być jednym zakładem:

że wydatki na infrastrukturę AI będą rosły szybciej, niż obecnie zakłada rynek.

Pięć tickerów.

Jeden czynnik ryzyka.

Jedna narracja.

To nie są problemy wynikające z braku informacji.

To problemy konstrukcji i architektury.

Dopasowania pozycji do kapitału, etapu cyklu i zachowania inwestora.

I właśnie dlatego silnik szachowy jest najbardziej użyteczny nie wtedy, kiedy mówi:

„Zagraj skoczkiem na F5”.

Jest najbardziej użyteczny wtedy, kiedy pokazuje:

„Od siedmiu ruchów bronisz niewłaściwej części szachownicy”.

Na rynku działa to podobnie.

Czasem największym problemem nie jest spółka, którą kupiłeś.

Problemem jest rola, którą próbujesz jej przypisać.

Czasem nie potrzebujesz kolejnego pomysłu.

Potrzebujesz diagnozy.

NAJPIERW ZIDENTYFIKUJ PROBLEM – DOPIERO PÓŹNIEJ SZUKAJ KOLEJNEGO RUCHU.

Dlatego przygotowaliśmy specjalny webinar poświęcony identyfikacji problemów w portfelu.

Nie kolejną transmisję pod tytułem:

„Co teraz kupić?”.

Nie zestaw gorących tickerów.

Nie próbę przewidzenia, co zrobi Nasdaq w przyszłym tygodniu.

I nie prezentację, która kończy się listą dziesięciu spółek do dopisania do już wystarczająco długiej listy obserwowanych firm.

Zaczniemy poziom wcześniej.

Od pozycji, którą masz przed sobą.

Od elementów portfela, które z zewnątrz mogą wyglądać poprawnie, ale razem nie tworzą spójnej konstrukcji.

Podczas spotkania (zerknij na pierwszy komentarz) pokażemy Ci, jak rozpoznać między innymi:

ukrytą koncentrację na jednej narracji;

pozycje niedopasowane do aktualnego etapu cyklu;

spółki, których zmienność nie pasuje do wielkości Twojej pozycji;

sytuacje, w których dobra firma została kupiona przy założeniach wymagających perfekcji;

brak jasnego rozdzielenia pomiędzy akumulacją, pozycją dynamiczną i zabezpieczeniem;

moment, w którym problemem nie jest rynek, tylko brak zasad reagowania;

oraz miejsce, w którym jeden błąd konstrukcyjny blokuje pracę całego portfela.

Nie chodzi o to, aby znaleźć dziesięć rzeczy, które robisz źle.

Chodzi o znalezienie jednego problemu, którego rozwiązanie może zmienić sposób podejmowania kolejnych decyzji.

W szachach partii nie przegrywa się wtedy, kiedy pojawia się mat.

Tylko kilkanaście ruchów wcześniej.

W portfelu jest podobnie.

Problem może rozpocząć się dużo wcześniej niż strata.

Jeżeli AXIOM nie był dla Ciebie właściwym krokiem…

Jeżeli to nie był Twój moment…

Jeżeli nie chciałeś jeszcze wdrażać pełnej architektury…

…ten webinar zaczyna się dokładnie tam, gdzie możesz znajdować się dzisiaj.

Nie od budowania całego systemu od zera.

Od znalezienia elementu, który obecnie nie działa.

Najpierw diagnoza.

Potem właściwa sekwencja kolejnych ruchów.

Podczas webinaru nie będziemy analizować portfela po to, żeby udowodnić Ci, że wszystko wymaga natychmiastowej zmiany.

Będziemy szukać odpowiedzi na prostsze i ważniejsze pytanie:

Co jest dzisiaj największym ograniczeniem Twojego portfela?

Właśnie dlatego stworzyliśmy ORTHOS — 5-minutową korektę portfela, której nauczę Cię na bazie 8 lat doświadczenia korzystania z metodologii rodem z prywatnych funduszy na Wall Street.

I kilku tysięcy konsultacji.

Podczas spotkania nauczysz się wykrywać 3 błędy, przez które nawet dobre spółki nie przekładają się na wynik całej konstrukcji.

ORTHOS odbędzie się na żywo we wrześniu, kiedy wszyscy wrócą już z wakacji. Otwieramy teraz tylko 100 miejsc na pierwszą edycję.

W cenie biletu na ten webinar (na żywo, wraz z sesją Q&A!) otrzymasz:

3 najczęstsze błędy, które pogrążają portfel na lata stagnacji

jak je identyfikować

co z nimi zrobić

w jaki sposób je skorygować

będzie dedykowana (minimum 60 minutowa) sesja Q&A

otrzymasz także nagranie webinaru i sesji Q&A z dostępem dożywotnim

dostaniesz także BONUSY w postaci:

Protokołu Inwestora 100K (prawie 150 stron systemu decyzji!)

Mapę Cyklu 2030 (kilkadziesiąt stron analizy kontekstu makro)

TEST 500%, który pozwoli Ci sprawdzić, czy posiadasz właściwą konstrukcję portfela

SCOUT 5, czyli 5 sposobów na znalezienie nieoczywistych spółek w mniej niże 5 minut

X-RAY 4, czyli 4 wskaźniki, które prześwietlają wykres i pokazują, co naprawdę robi (i może zrobić) cena

Same bonusy dla tego wydarzenia to system, który pozwoli Ci inwestować skuteczniej niż 95% inwestorów na rynku.

I żeby nie być gołosłownym: dzisiaj wieczorem uchylę rąbka tajemnicy i pokażę Ci jeden ze sposobów ze SCOUT 5, który rozłoży na łopatki każdego, kto godzinami śledzi kanały inwestycyjne na YouTube'ie.

Kliknij poniżej i zarezerwuj swoje miejsce, ale…

Jeśli chcesz wejść “poziom wyżej”, przygotowałem dla Ciebie także ORTHOS DIAGNOZĘ, czyli prywatny audyt Twojego portfela ze spotkaniem 1:1 on-line (dla osób z portfelem min. 5 tys. zł), w którym przedstawię Ci osobiście wyniki tego audytu.

W ramach DIAGNOZY oczywiście otrzymasz dostęp do webinaru jak i wszystkich wymienionych wyżej bonusów.

Z uwagi na charakter DIAGNOZY, limitujemy ją do 20 miejsc. Powyżej tej liczby wyłączymy dostępność zakupu (decyduje zasada “kto pierwszy ten lepszy”).

Deep Blue znalazł właściwy ruch. Ty musisz zrozumieć całą pozycję

W 1997 roku wielu ludzi patrzyło na Deep Blue i widziało koniec.

Koniec przewagi człowieka.

Koniec sensu wieloletniego treningu.

Być może nawet koniec samych szachów.

W rzeczywistości był to początek okresu, w którym więcej ludzi zaczęło grać.

Więcej osób otrzymało dostęp do elitarnej analizy.

Więcej zawodników osiągnęło poziom wcześniej zarezerwowany dla absolutnie wyjątkowych jednostek.

A wokół gry powstał ekosystem, którego skali w 1997 roku niemal nikt nie potrafił sobie wyobrazić.

Dzisiaj patrzymy na AI i ponownie widzimy technologię, która ma odebrać człowiekowi jego miejsce.

Tymczasem największą zmianą może nie być usunięcie ludzi z gospodarki.

Może nią być przekazanie większej liczbie ludzi narzędzi, które wcześniej posiadała wyłącznie elita.

Możliwości prawdopodobnie nie zabraknie.

Spółek również.

W ciągu kolejnych lat powstaną setki narracji, tysiące raportów i miliony materiałów przekonujących Cię, że właśnie znalazłeś kolejnego zwycięzcę cyklu AI.

Ale możliwości nie naprawią źle skonstruowanego portfela.

Najlepszy silnik świata nie pomoże graczowi, który nie rozumie pozycji.

A najlepsza spółka świata nie rozwiąże problemu inwestora, który nie wie:

dlaczego ją posiada;

jak długo powinien ją posiadać;

jak dużą część kapitału może na nią przeznaczyć;

i co musi się wydarzyć, żeby uznał, że jego pierwotna analiza była błędna.

AI może pokazać Ci ruch.

Może nawet pokazać kilka kolejnych ruchów.

Ale to Ty musisz wiedzieć, jaką partię rozgrywasz.

Wieczorem dolejemy do tego jeszcze odrobinę oliwy.

W około trzy minuty pokażemy Ci coś, co może dać Ci więcej niż kolejny rok przeskakiwania pomiędzy sześcioma profilami inwestycyjnymi na YouTube.

Nie kolejną spółkę.

Nie kolejny ticker.

Problem, który być może od miesięcy znajduje się przed Tobą, ale którego dotąd nie potrafiłeś nazwać.

Bo na rynku nie wygrywa człowiek, który zna najwięcej możliwych ruchów.

Wygrywa ten, który potrafi rozpoznać właściwy ruch dla pozycji, w której naprawdę się znajduje.