Po co software house w czasach AI: doświadczenie, ryzyko i human touch

Skoro narzędzia AI potrafią postawić działającą aplikację w weekend, to po co komu jeszcze software house? Marta Klimowicz, Chief Growth Officer w Monterail, odpowiada na to pytanie bez defensywy i bez marketingowego lukru. Firma od 15 lat dowiozła ponad 900 produktów cyfrowych, a jej klienci pochodzą głównie z sektorów, w których pomyłka jest zbyt kosztowna, by ryzykować. W rozmowie z Oskarem Szarkiem tłumaczy, gdzie vibe coding faktycznie ma sens, a gdzie kończy się na haśle, jak AI zmieniło ekonomię i tempo wdrożeń oraz co firma wyniosła z trzech akwizycji przeprowadzonych w ciągu jednego roku. Jest też o tym, dlaczego doktorat z socjologii okazał się przydatniejszy od kursu marketingu.

1.Po co software house, skoro jest AI

Oskar Szarek zaczyna rozmowę od najostrzejszej możliwej wersji tego pytania, bo w sieci nie brakuje wystąpień o aplikacjach zbudowanych w weekend i o agencjach jednoosobowych, które nie zatrudniają nikogo.

Marta Klimowicz nie neguje, że da się tak pracować. Wskazuje natomiast, że przy takim modelu pojawia się bardzo dużo gwiazdek i zastrzeżeń, a odpowiedź na pytanie o sens istnienia agencji nie zmieniła się aż tak bardzo w stosunku do tego, co było kilkanaście lat temu.

Wiemy, jak budować produkty cyfrowe. To coś, czego nie wie nasz potencjalny klient i na co nie odpowie mu bezbłędnie ani AI, ani model językowy.

Klienci Monterail to korporacje, średnie i małe firmy oraz startupy z całego świata. Nie zgłaszają się z marzeniem o połączeniu kilku znanych aplikacji w jedną, tylko z konkretnym problemem: coś ma działać efektywniej w produkcji, dane mają być lepiej zarządzane, usługa ma być lepiej dostarczana.

Zmieniły się możliwości rozwiązywania tych problemów. Nie zmieniło się to, że ktoś musi rozumieć, jak na nie odpowiedzieć - i, co ważniejsze, wiedzieć, co nie zadziała.

2.Gdzie vibe coding ma sens, a gdzie kończy się na haśle

Granica przebiega tam, gdzie zaczyna się koszt błędu. Klimowicz wskazuje, że spora część klientów firmy pochodzi z sektorów regulowanych: healthtech, legal, procurement.

To są biznesy, w których nie możesz sobie pozwolić na błąd, a właściwie nie możesz sobie pozwolić nawet na ryzyko błędu.

Przy czystym vibe codingu to ryzyko jest duże. Agencja redukuje je doświadczeniem - przy ponad 900 dowiezionych produktach cyfrowych wiadomo, gdzie po drodze czyhają problemy.

Jest też druga strona tej samej granicy, o której Klimowicz mówi wprost. Startup, który chce szybko zwalidować pomysł biznesowy, ma pełen sens postawić coś samodzielnie w weekend albo w jedno popołudnie. Zlecanie takiego prototypu agencji zwykle nie ma uzasadnienia i takich zapytań firma widzi coraz mniej.

Co ciekawe, sam hype wokół AI działa na korzyść agencji. Klimowicz stawia hipotezę, że rozmowy o tym, ile software potrafi zrobić, odblokowały myślenie firm, które wcześniej obawiały się kosztów i czasu wdrożenia.

Porównując pierwszy kwartał 2026 roku do pierwszego kwartału 2025, urośliśmy o 300%, jeśli chodzi o nasz lejek przychodzący z marketingu.

3.Jak AI zmieniło ekonomię i tempo tworzenia produktów

Najbardziej wymierna zmiana dotyczy ceny i czasu. Jak mówi Klimowicz, produkty, które firma robi teraz dla klientów, powstają kilka razy taniej niż rok czy dwa lata temu.

Nie dlatego, że agencja nagle obniżyła stawki, tylko dlatego, że pracuje efektywniej. Warunkiem jest jednak to, że narzędzia obsługuje ktoś, kto potrafi ocenić ich efekt.

Kluczowa jest tu rola doświadczonego dewelopera, który jest w stanie stwierdzić, czy kod wygenerowany przez AI ma wartość, i odpowiednio ukierunkować narzędzie. Dzięki temu zadanie zajmuje dwa dni zamiast trzech tygodni, a jakość odpowiada oczekiwaniom klienta.

Zmienił się też sam przebieg współpracy. Wcześniej droga wiodła przez warsztaty, podsumowania, prototyp i dopiero potem development, więc klient długo nie widział niczego namacalnego. Dziś już na etapie wczesnych rozmów może zobaczyć, jak jego produkt działa i wygląda.

To przesunięcie ma swoją cenę po stronie klienta: skoro efekty pojawiają się od razu, to szybciej potrzebna jest też jego informacja zwrotna. Zaangażowanie klienta w proces jest dziś większe niż wcześniej.

Ciekawe jest to, czego w tej zmianie nie ma. Zapytana, czy klienci negują wartość pracy, podejrzewając w niej AI, Klimowicz odpowiada, że raczej spotyka odwrotną postawę - klienci czasem wręcz oczekują użycia AI, bo wiedzą, że wtedy będzie szybciej. Liczy się efekt końcowy, tempo, jakość i cena.

4.Trzy przejęcia w jeden rok: czego naprawdę się szuka

W 2025 roku Monterail przejął trzy firmy, choć wcześniej nie robił tego nigdy. Klimowicz komentuje to z dystansem: jak już zaczęli, nie mogli skończyć kupować.

Tło jest branżowe. Agencji softwareowych jest w Polsce bardzo dużo, prawdopodobnie setki, jeśli nie tysiące. W czasie pandemii większość notowała wzrosty, bo transformacja cyfrowa przestała być opcją. Potem przyszło wyhamowanie i zwolnienia, a część firm stanęła przed wyborem: zwinąć się, trwać w stagnacji albo przyłączyć się do kogoś większego.

Pierwszym przejęciem była agencja z kompetencjami i portfolio w obszarze healthtech. Kluczowa okazała się nie tylko lista projektów, ale też osoba jej założyciela, który dołączył do Monterail jako szef nowego pionu usług dla ochrony zdrowia. Klienci ze Stanów Zjednoczonych zaczęli przychodzić właśnie dlatego, że wiedzieli, kto za to odpowiada.

Drugą była polska agencja o podobnej trajektorii rozwoju, licząca ponad sto osób, z silnym portfolio w product designie i UX. Trzecią - studio z Chicago, przejęte nie dla zespołu, lecz dla sieci kontaktów i rozpoznawalności na rynku, który nie jest oczywistym kierunkiem, jakim bywa Dolina Krzemowa czy Nowy Jork.

Lekcją z tych trzech bardzo różnych akwizycji jest to, że za każdym razem trzeba się zastanowić, co de facto kupujemy.

Odpowiedź bywa inna: raz jest to marka, raz klienci, raz zespół i kompetencje, a raz osadzenie w konkretnym środowisku. Od tego zależą kolejne decyzje, łącznie z tym, czy markę wygasić, czy utrzymać. W jednym przypadku firma zdecydowała o wygaszeniu, w drugim marka działa dalej i wciąż spływają do niej zapytania.

Klimowicz podkreśla też wątek, który trudno zapisać w arkuszu kalkulacyjnym: dopasowanie kulturowe. Sprzedaż firmy budowanej przez dekadę nie jest decyzją bez emocji, a przekonanie, że marka trafia w dobre ręce, ma realne znaczenie w rozmowach założycieli.

5.Integracja zespołów, gdy w tle biegną projekty klienckie

Oskar Szarek zwraca uwagę na ryzyko, o którym łatwo zapomnieć: przejmowany zespół nie stoi w miejscu, tylko obsługuje trwające projekty. Klientowi jest obojętne, że właśnie trwa akwizycja - on ma dostać swój produkt.

Klimowicz przyznaje, że to było jedno z większych wyzwań, bo przejmowana agencja prowadziła w tym momencie kilkadziesiąt projektów klienckich. Trzeba było zakomunikować zmianę i jednocześnie uspokoić, że z perspektywy klienta nic się nie zmienia.

Kolejność działań okazała się kluczowa. Najpierw integracja zespołu, dopiero potem reszta - bo to ten zespół był dla klientów twarzą współpracy. Skoro pracują z tymi samymi ludźmi, reputacja zbudowana wcześniej przenosi się na nową markę.

Integracja przebiegała stopniowo, z czasem na poznanie się, wymianę dobrych praktyk i wspólny rozbieg. Priorytetem było płynne delivery, czyli to, co z perspektywy klienta liczy się najbardziej.

Osobną decyzją było to, czego firma nie zrobiła. Klimowicz nie podwoiła zespołu marketingowego - ten sam zespół obsługuje obie marki, przy czym drugą w okrojonym wymiarze, korzystając ze sprawdzonych wcześniej rozwiązań.

6.Doktorat z socjologii jako przewaga w marketingu

Klimowicz nie ma formalnego wykształcenia marketingowego. Ma doktorat z socjologii internetu i uważa go za jeden z najważniejszych zasobów w swojej pracy.

Pisząc go prawie dwie dekady temu, badała społeczności internetowe skupione wokół blogów - świat, którego dziś już nie ma. Zostało jednak rozumienie tego, jak ludzie funkcjonują w grupach, jak się komunikują i z czego to wynika.

Socjologia, jak mówi, nauczyła ją wchodzić w skórę innych ludzi i zadawać pytania o to, jakie potrzeby, lęki i obawy stoją za decyzjami - także po stronie firm, do których kieruje komunikację.

Drugi wątek dotyczy uczenia się. Klimowicz przywołuje cytat przypisywany Alvinowi Tofflerowi, zaznaczając, że nie ma pewności co do autorstwa: analfabetą przyszłości nie będzie ten, kto nie umie czytać, ale ten, kto nie potrafi się uczyć, oduczać i uczyć na nowo.

Właśnie tego, jej zdaniem, uczy praca naukowa - również rozstawania się z hipotezami, w które wcześniej mocno się wierzyło. Oskar Szarek dopowiada, że największą trudnością jest tu ego: skoro poczucie własnej wartości bywa zbudowane na wcześniejszych wynikach, porzucenie metody, która je przyniosła, uderza w tożsamość.

Klimowicz nazywa ten moment żałobą po kompetencjach, nad którymi pracowało się latami, i przestrzega przed lekceważeniem jego kosztu psychologicznego.

Odświeżając sobie raporty o kompetencjach przyszłości sprzed kilku lat, zauważyła dwie pozycje, które postarzały się najlepiej: umiejętność podejmowania decyzji w warunkach wysokiej niepewności oraz umiejętność przekazywania instrukcji. Ta druga nabrała nowego znaczenia, bo czym innym jest praca z modelem językowym, jeśli nie wydawaniem instrukcji.

7.Human touch jako dobro premium

Z tego wynika teza, którą oboje rozmówcy rozwijają: im więcej automatyzacji, tym cenniejszy staje się kontakt z człowiekiem.

Przez lata nazywało się je umiejętnościami miękkimi. Myślę, że to w ogóle nietrafione. Ta umiejętność pracy z ludźmi może być czymś takim premium.

Klimowicz przywołuje analizy ze świata sztuki, w których pojawia się hipoteza, że twórczość masowa może zostać zalana treściami generowanymi, a dzieła tworzone przez ludzi staną się kategorią premium, za którą płaci się więcej.

Oskar Szarek zestawia to z rynkiem rękodzieła i produktów składanych ręcznie, gdzie właśnie niedoskonałość i niepowtarzalność są tym, za co klienci dopłacają. Ta mechanika działa komercyjnie od dawna.

8.Generowanie popytu, treści i AI

Klimowicz rozdziela dwie rzeczy, które w firmach bywają mylone. Lead generation odpowiada na potrzebę tu i teraz, czyli na to, żeby sprzedaż miała co robić. Demand generation buduje popyt i markę na lata.

Jeśli zaczniemy się skupiać tylko na lead generation, to zaczniemy podcinać gałąź, bo za kilka lat okaże się, że nie ma z czego generować tych lidów.

Przykładem takiej długofalowej inwestycji jest uruchomiony rok wcześniej projekt badawczy, w ramach którego firma rozmawia z praktykami budującymi produkty cyfrowe z wykorzystaniem AI i udostępnia tę wiedzę publicznie. Jak mówi wprost - to nie generuje lidów i byłaby zaskoczona, gdyby nagle zaczęło.

W kwestii treści tworzonych przez AI odpowiedź brzmi: to zależy od tego, jak korzysta się z narzędzia. Klimowicz cytuje analizę, według której modele prawdopodobnie nigdy nie napiszą nowego Szekspira, i zaraz dodaje, że w content marketingu nikt nie pisze dzieł Szekspira, tylko treści realizujące konkretny cel.

Warunkiem jest jednak doświadczenie. Osoba, która nigdy nie tworzyła treści i nie zna podstaw SEO, nie uzyska z tych samych narzędzi tego samego efektu, co ktoś, kto redagował tysiące tekstów.

Oboje zgadzają się co do tego, co dziś najbardziej razi: rozwlekłość i brak konkretu. Klimowicz nazywa to fluffem marketingowym i zwraca uwagę na argument, który wykracza poza estetykę - modele językowe, szukając informacji, chcą konkretu, więc treści bez niego przestaną działać także maszynowo.

Sceptycznie ocenia też etykietowanie treści. Oznaczenie, że przy powstaniu tekstu nie użyto AI, nie jest jej zdaniem przewagą. Oskar Szarek opisuje z kolei sytuację odwrotną, w której widoczny podpis o wygenerowaniu materiału przez AI zaszkodził odbiorowi, mimo że materiał nagrał człowiek.

9.Wrażliwe dane w modelach językowych

Na koniec rozmowa schodzi na temat, który spędza sen z powiek działom bezpieczeństwa: wrzucanie firmowych i klienckich danych do modeli językowych.

Klimowicz zaczyna od uporządkowania problemu. Agencja pracująca z klientami zawsze miała dostęp do wrażliwych danych, więc ryzyko wycieku istniało na długo przed modelami językowymi. Nowa jest skala zagrożenia, a nie samo zagrożenie.

Zwraca też uwagę na intencje. Praktycznie nikt nie naraża firmy celowo - pracownik wrzuca dane, bo chce wykonać zadanie szybciej i lepiej.

Firma podchodzi do tego trzytorowo: edukacja zespołu co do tego, co można, a czego nie można wprowadzać do narzędzi; wybór rekomendowanych narzędzi o najwyższych standardach bezpieczeństwa i możliwie największej kontroli nad danymi; oraz budowanie organizacji na zaufaniu.

Ten ostatni element wynika wprost z modelu biznesowego. Skoro największe firmy powierzają agencji informacje o sobie, licząc na lepiej dopasowany produkt, ta sama logika zaufania musi obowiązywać wewnątrz zespołu.