ABC AI — słowniczek pojęć

Model AI wytrenowany na ogromnych zbiorach tekstu, który tworzy odpowiedzi, przewidując kolejne fragmenty zdania. To silnik napędzający ChatGPT (OpenAI), Claude (Anthropic) i Gemini (Google). Sam z siebie nie zna Twojej firmy — wie tylko to, co znalazło się w danych treningowych do określonej daty.

Najmniejsza porcja tekstu, jaką model przetwarza — zwykle fragment słowa, krótkie słowo albo znak interpunkcyjny. W tokenach liczy się wszystko: długość rozmowy, pojemność okna kontekstu i koszty użycia modeli przez API. Polskie teksty „kosztują" przeciętnie więcej tokenów niż angielskie, bo odmiana przez przypadki tnie wyrazy na drobniejsze kawałki.

Limit tego, ile model „widzi" naraz w jednej rozmowie: Twoje pytania, jego odpowiedzi, wklejone dokumenty i instrukcje — wszystko liczone w tokenach. Gdy rozmowa przekroczy limit, najstarsze fragmenty wypadają poza okno i model przestaje je uwzględniać. Stąd „amnezja" długich czatów: model nie kłamie, po prostu nie ma już tamtych ustaleń przed oczami.

Polecenie, które wpisujesz do AI — pytanie, instrukcja albo całe zadanie z kontekstem i przykładami. Prompt engineering to umiejętność formułowania poleceń tak, by wynik był przewidywalny i użyteczny za pierwszym razem: rola, cel, format odpowiedzi, kryteria. Im precyzyjniejszy prompt, tym mniej rund poprawek.

Stała instrukcja nadrzędna wobec pojedynczych poleceń użytkownika: definiuje rolę, ton, zakres i sztywne zasady, których AI trzyma się w każdej odpowiedzi. To na tym poziomie buduje się firmowych asystentów — na przykład regułą „nigdy nie obiecuj rabatów, odpowiadaj wyłącznie na podstawie aktualnego cennika".

Sytuacja, w której model podaje zmyśloną informację z pełnym przekonaniem — wymyśloną cenę, nieistniejący przepis, fałszywą datę. To nie awaria, lecz natura modeli językowych: generują odpowiedź najbardziej prawdopodobną, a nie sprawdzoną. Ryzyko rośnie, gdy model nie ma dostępu do źródła i musi zgadywać — ograniczają je RAG i podpięcie firmowych danych.

Baza danych, w której teksty są zapisane jako wektory (embeddingi) — ciągi liczb oddające znaczenie, a nie tylko słowa-klucze. Dzięki temu wyszukiwanie znajduje fragmenty o podobnym sensie, nawet gdy nie zawierają tych samych wyrazów: zapytanie „ile kosztuje wdrożenie" trafi też na akapit o „cenniku usług". To fundament działania RAG.

Technika, w której model przed udzieleniem odpowiedzi dociąga fakty z zewnętrznej bazy wiedzy — najczęściej z firmowych dokumentów zapisanych w bazie wektorowej. Zamiast odpowiadać z pamięci treningowej, najpierw wyszukuje pasujące fragmenty i odpowiada na ich podstawie. Podejście opisał w 2020 roku zespół Facebook AI Research (Lewis i in.); dziś to główne narzędzie ograniczania halucynacji we wdrożeniach firmowych.

Program prowadzący rozmowę według scenariusza lub modelu językowego — zwykle w jednym kanale (okno na stronie, komunikator) i w wąskim zakresie tematów. Najstarsza i najprostsza z „rozmawiających" form AI: dobra do FAQ i pierwszej linii kontaktu, za krótka na złożone zadania.

AI reagująca na Twoje polecenia w obrębie zadania — odpowiada, redaguje, analizuje, podsumowuje. Działa na żądanie i pod Twoją kontrolą: to Ty decydujesz, co dalej z wynikiem. Wyposażony we własne instrukcje (system prompt) i wiedzę firmy staje się wyspecjalizowanym współpracownikiem konkretnego działu.

AI, która realizuje wieloetapowy cel samodzielnie: planuje kroki, korzysta z narzędzi (wyszukiwarka, kalendarz, CRM), ocenia wyniki pośrednie i koryguje kurs — bez prowadzenia za rękę. Od asystenta różni ją autonomia: agent dostaje cel, a nie listę poleceń.

Konfigurowalny asystent w ekosystemie ChatGPT (OpenAI, listopad 2023): własne instrukcje, wgrana wiedza i opcjonalne akcje — bez pisania kodu. Najszybszy sposób, by z ogólnego ChatGPT zrobić asystenta jednego zadania, na przykład doradcę produktowego albo generator ofert.

Otwarty standard komunikacji między aplikacjami AI a zewnętrznymi systemami — bazami danych, narzędziami i aplikacjami SaaS. Opublikowany przez Anthropic 25 listopada 2024 roku, a w grudniu 2025 przekazany niezależnej fundacji (Agentic AI Foundation pod Linux Foundation); wspierają go m.in. Claude, ChatGPT, Gemini i Microsoft Copilot. Oficjalna dokumentacja porównuje go do USB-C: jeden standard podłączania zamiast osobnej integracji dla każdej pary narzędzi.

Program, który przez protokół MCP udostępnia modelowi AI dane i akcje konkretnej usługi — CRM, kalendarza, sklepu czy bazy danych. Na wtyczki.ai nazywamy serwery MCP po prostu wtyczkami AI, bo działają jak wtyczki w przeglądarce: instalujesz jedną i Twoja AI umie coś nowego. W katalogach jest już ponad 10 tysięcy opublikowanych serwerów MCP (Linux Foundation, grudzień 2025).

Aplikacja, w której rozmawiasz z modelem i do której instaluje się wtyczki: Claude Desktop, ChatGPT, Alice i inne. Klient pośredniczy między modelem a serwerami MCP — przekazuje pytania, odbiera dane i pilnuje uprawnień. To w kliencie, a nie w samym modelu, decydujesz, do czego AI ma dostęp.

Otwarty format „pakietów umiejętności" dla agentów AI: folder z plikiem SKILL.md, w którym opisujesz procedurę, zasady i materiały do konkretnego zadania. Agent wczytuje skill dopiero wtedy, gdy jest potrzebny, więc można ich mieć dziesiątki bez zapychania okna kontekstu. Format opublikował Anthropic 16 października 2025 roku, a od grudnia 2025 to otwarty standard wspierany przez kolejne narzędzia.

Interfejs, przez który programy wymieniają między sobą dane i polecenia — bez udziału człowieka i bez klikania w ekrany. Gdy AI „sprawdza pogodę" albo „dodaje wydarzenie do kalendarza", w tle rozmawia z API tych usług; serwery MCP są w dużej mierze tłumaczami między modelem a API firmowych narzędzi.