
Sign up to save your podcasts
Or


W co zainwestować tysiąc godzin nauki, kiedy AI przejmuje coraz więcej pisania kodu? Piotrek Stapp i Kajetan Duszyński wreszcie odpowiadają na pytanie, które wcześniej zadawali gościom. Rozmawiają o poszerzaniu kompetencji poza własną specjalizację: od sieci, danych i wdrożeń po Team Topologies. Rozdzielają karierę w IT od samego kodowania i pytają, co dzisiaj oznacza rozwiązywanie problemów zamiast przywiązania do kodu.
Nie zgadzamy się we wszystkim: czy architektura wciąż daje przewagę nad AI i ile można nauczyć się z książek, a ile dopiero z doświadczenia? Piotrek przywołuje przykład zbędnego throttlingu w serwerze MCP; Kajetan opowiada, jak rozmowa rekrutacyjna skłoniła go do poznania SOLID. Jest też dyskusja o stresie podczas rekrutacji, projektach poza pracą i różnicy między dziesięcioma latami doświadczenia a jednym rokiem powtórzonym dziesięć razy. Bez obietnicy jednej bezpiecznej ścieżki kariery i bez obowiązku budowania marki osobistej. W co Wy zainwestowalibyście dziś tysiąc godzin nauki?
ROZDZIAŁY
00:00 [Otwarcie i GTA VI] Gry, agenci i luźny początek rozmowy.
02:14 [IPO i modele AI] Komentarze do rynku, cen narzędzi i konkurencji między dostawcami.
06:42 [Tysiąc godzin nauki] Pytanie do gości wraca do prowadzących: w co inwestować czas?
09:06 [Więcej niż specjalizacja] Kompetencje T-shaped i szersze rozumienie systemu.
10:54 [Dane, wdrożenia i sieci] Dlaczego data engineer i frontendowiec potrzebują wiedzy spoza swojej działki.
13:32 [Team Topologies] Organizacja zespołów też jest częścią warsztatu inżyniera.
15:08 [Czy warto zaczynać w IT?] Juniorzy, sytuacja na rynku i rozmowa o liczbach zatrudnienia.
18:46 [Kariera to nie stanowisko] Individual contributor, zarządzanie i przechodzenie między rolami.
23:51 [Rozwiązywanie problemów] Trudność z odejściem od myślenia wyłącznie o kodzie.
28:01 [Architektura kontra AI] Czy koszt i skala systemu nadal wymagają ludzkiego osądu?
31:07 [Kontekst i zbędny throttling] Przykład Piotrka z serwerem MCP i pytaniem o potrzebę dodatkowej złożoności.
33:05 [Doświadczenie i podstawy] Czego uczą praktyka, sieci, pamięć i działanie systemu pod spodem.
36:42 [Stres na rekrutacji] Kodowanie pod obserwacją a sposób myślenia i podejście do problemów.
38:47 [Książki czy praktyka?] Różne sposoby zdobywania wiedzy i poznawania rozwiązań.
41:10 [Rekrutacja jako nauka] SOLID, informacja zwrotna i umiejętność przedstawienia własnych kompetencji.
42:24 [Projekty i rozwój] Dziesięć lat doświadczenia czy rok powtórzony dziesięć razy?
43:51 [Nie musisz budować marki] Własna droga rozwoju bez obowiązku publikowania w internecie.
45:12 [Zakończenie] Jeszcze jedna różnica zdań i zaproszenie na kolejny odcinek.
MATERIAŁY
Team Topologies: https://teamtopologies.com/
Garbage collection w .NET — podstawy: https://learn.microsoft.com/en-us/dotnet/standard/garbage-collection/fundamentals
#BetterDevClub #AI #Programowanie #KarieraIT #ArchitekturaOprogramowania
AI miało zastąpić aplikacje, a Duolingo wciąż daje powody do dyskusji o tym, za co naprawdę płacą użytkownicy. Piotrek Stapp i Kajetan Duszyński rozmawiają o sile nawyku, gotowych materiałach do nauki i granicach samodzielnego budowania tutora z AI. Potem przyglądają się Weight-Space Programming — eksperymentom z bezpośrednią edycją wag sieci przez inny model — oraz Arete-27B od Nous Research i deklarowanym przez twórców zmianom w odpowiedziach modelu.\n\nJest też historia ograniczania zużycia tokenów przez subagentów, generowanie okładek i przegląd nowości z GitHub Universe. Porównujemy własne doświadczenia z Copilot Fusion: Standard, High i Max, dobór modeli oraz cenę codziennej pracy. Na koniec rozmawiamy o bezpieczeństwie, powrocie agentów z terminala do aplikacji okienkowych i tym, dlaczego zdalny dostęp do sesji to jeszcze nie całe środowisko deweloperskie. Wolicie terminal czy okienka — i co musiałoby się zmienić, żebyście zmienili narzędzie?
Agenda:
00:00 – Otwarcie i luźny wstęp
02:48 – Rynek, produktywność i zwrot z inwestycji w AI
06:00 – Duolingo, streaki i budowanie nawyków
10:54 – Czy SaaS miał umrzeć? Wyniki Duolingo a AI
11:52 – Tutor AI czy gotowy produkt?
15:37 – Praca z agentami: jeden task czy pięć rzeczy naraz?
16:25 – AI naprawia AI: Weight-Space Programming i Astra
19:43 – Arete-27B, Nous Research, Qwen i wartości modeli
21:37 – Koszt kontekstu, Claude Code i subagenci
24:30 – Generowanie okładek i ChatGPT Images
26:03 – GitHub Universe: stackowanie i linkowanie pull requestów
27:01 – Copilot Fusion: Standard, High, Max i dobór modeli
32:37 – Cena pracy z AI i wybór narzędzi
35:11 – Bezpieczeństwo, wykrywanie podatności i enterprise
36:09 – Terminal kontra aplikacje desktopowe agentów
39:14 – Zdalne środowiska, sesje Codexa i własne MCP
41:56 – Zakończenie, rocznicowe torty i plany konferencyjne
#BetterDevClub #AI #Duolingo #SaaS #WeightSpaceProgramming #Qwen #NousResearch #Arete27B #ClaudeCode #GitHubCopilot #CopilotFusion #GitHubUniverse #AgenciAI #Terminal #Codex
Czy AI naprawdę zabija open source, czy pod jedną etykietą wrzucamy zupełnie różne historie? Piotrek Stapp i Kajetan Duszyński rozmawiają o Deno i Cloudflare, zmianach w Cal.com oraz końcu utrzymania Pico CSS. Rozdzielają przejęcie zespołu, argumenty bezpieczeństwa i zwykłe starzenie się bibliotek — bez uznawania każdego z tych przypadków za dowód na tę samą tezę.
Przechodzimy też od gier przenoszonych do przeglądarki i alternatyw dla Photoshopa do praktycznego pytania: skoro możesz odtworzyć aplikację z pomocą AI, czy naprawdę chcesz to zrobić zamiast za nią zapłacić? Jest własny przykład Kajetana z kalendarzem konsultacji, dyskusja o odpowiedzialności za utrzymanie i bezpieczeństwo oraz pytanie do maintainerów. Na końcu świętujemy rok Better Dev Club — zostawcie tort w komentarzu! 🎂
AGENDA:
00:00 - Open source i remont — jeszcze jedna mała poprawka i pytanie o zmianę.
01:24 - Deno i Cloudflare — przejęcie zespołu: sukces twórców czy kłopot użytkowników?
08:18 - Gry w przeglądarce — reverse engineering, portowanie i pytania o prawa autorskie.
12:38 - Photoshop w weekend? Artcraft, efektowne demo i faktyczne potrzeby użytkownika.
16:10 - Klon czy abonament? Czy z nielimitowanymi tokenami odtworzylibyśmy własne IDE?
17:59 - Cal.com i Cal.diy — otwarty kod, model biznesowy i argument bezpieczeństwa.
21:20 - Kalendarz w 20 minut — własny przykład Kajetana i koszt niedopracowanego narzędzia.
22:46 - Luki i agenci — znajdowanie błędów, łatanie oraz granice blokad modeli.
27:29 - Koniec Pico CSS — dług technologiczny, popularność bibliotek i pieniądze na utrzymanie.
33:12 - Co zostaje z open source? Wnioski, kraftowy kodzik i pytanie do maintainerów.
37:07 - Rok Better Dev Club — tort w komentarzu i do zobaczenia za tydzień.
#BetterDevClub #AI #OpenSource #Deno #Cloudflare #VibeCoding #Programowanie
Osiem agentów, cztery projekty i jedna głowa do podejmowania decyzji. AI miało odciążyć programistów, a Kajetan łapie się na tym, że siedzi przy pracy jeszcze dłużej. Piotrek Stapp i Kajetan Duszyński rozmawiają o przeciążeniu pracą z agentami: przełączaniu kontekstu, zmęczeniu decyzyjnym i presji, żeby nie zostać w tyle. Pytają też, dlaczego limity i niewykorzystane tokeny potrafią zacząć układać nam dzień.
Nie mamy gotowej recepty na wypalenie. Dzielimy się własnymi doświadczeniami: rozpoczynaniem projektu, bo szkoda kredytów w Copilocie, ograniczaniem liczby równoległych projektów i odcinaniem się od komputera. Historia hydraulika prowadzi do pytania o zmianę zawodu, a rozmowa o CRUD-ach — do różnicy między zmianą narzędzi a rewolucją całej pracy. Czy naprawdę każdy musi żyć na technologicznym froncie? I kiedy lepiej pozwolić tokenom przepaść, zamiast dokładać sobie obowiązków?
AGENDA
00:00 AI i wypalenie — otwarcie
01:17 Osiem agentów, jedna głowa
03:22 Miało być mniej pracy
05:21 Limity modeli a energia człowieka
09:17 Granice dostępności i odpoczynek
13:29 Kolejny projekt, bo szkoda tokenów
15:41 Jeden projekt zamiast pięciu
18:33 Presja naszej bańki i życie poza komputerem
21:08 Z handlowca na hydraulika — pytanie o odejścia z IT
23:53 Nie każdy musi być na technologicznym froncie
27:03 Co z klepaniem CRUD-ów?
31:05 Rocznica podcastu i zakończenie
#BetterDevClub #AI #AgenciAI #Programowanie #WypalenieZawodowe #GitHubCopilot #Claude #Codex
Anthropic opisuje Scion: system kontroli wersji przygotowany dla pracy agentów AI w swoim monorepo. Przy deklarowanych ponad 30 tysiącach scalonych zmian dziennie operacje Gita stały się kosztownym wąskim gardłem. Piotrek Stapp i Kajetan Duszyński przyglądają się raportowanym przyspieszeniom i pytają, czego z tego przykładu może nauczyć się zwykły zespół: czy potrzebuje nowego narzędzia, czy najpierw lepszego procesu? W drugiej części rozmawiamy o Reverse Engineer Anything i granicach przepisywania gotowych produktów z AI. Piotrek opowiada o próbach zbudowania wyszukiwarki lotów uwzględniającej dojazd z lotniska, a Kajetan wyjaśnia, dlaczego zamiast pisać własny system mailingowy wybrał open source i AWS SES. Rozdzielamy aplikację dla siebie od produktu dla klientów oraz koszt napisania kodu od późniejszego utrzymania.
00:00 - [30 tys. commitów] Anthropic, Scion i pytanie o wartość zmian
02:50 - [Monorepo i agenci] Ograniczenia narzędzia czy problem procesu?
04:47 - [Git a praca agentów] Kontrola wersji przy ciągłej pracy online
07:20 - [Liczby Anthropic] Raportowane czasy operacji w środowiskach ludzi i agentów
10:38 - [Nie kopiuj cudzej skali] Dlaczego rozwiązanie Anthropic nie jest receptą dla wszystkich
13:37 - [Co trafia do repozytorium?] Historia zmian, dane i pytania o proces
16:59 - [Kod pisany przez AI] Spekulacje o źródłach skali i kosztach utrzymania
17:52 - [Reverse Engineer Anything] Odtwarzanie produktów i pierwsze próby Kajetana
19:42 - [Wyszukiwarka lotów] Próby Piotrka i koszt dojazdu z lotniska
22:48 - [Czy potrzebujesz historii Gita?] Commitowanie, cofanie zmian i praca agentów
24:14 - [Pokażcie proces] Czego prowadzący chcieliby dowiedzieć się od Anthropic
25:56 - [Własny produkt czy klon?] Hype wokół AI a rzeczywiste zapotrzebowanie na pracę
28:44 - [Mailing Marca Lou] Własne narzędzie a cena gotowej usługi
31:09 - [Kod to nie cały produkt] Sprzedaż, potrzeby użytkowników i różnice skali
32:55 - [Wybór Kajetana] Open source zamiast pisania mailingu od zera
33:33 - [AWS SES] Płatność za wysłane maile zamiast liczby subskrybentów
33:59 - [Koszt utrzymania] Dlaczego nie wszystko warto pisać samemu
36:12 - [Podsumowanie] Pytania o proces Anthropic i własne produkty słuchaczy
Modele decyzyjne mają wybierać odpowiedź, a nie prowadzić rozmowę. Czym różnią się od LLM-ów i dlaczego poprawny JSON jeszcze nie oznacza dobrej decyzji? W odcinku #42 rozmawiamy o Jev od TypeSafe AI, Microsoft-Decision-1 opartym na Qwenie oraz o tym, co w modelach decyzyjnych jest nowe, a co znamy od lat z machine learningu. Sprawdzamy, gdzie takie modele mogą się przydać: w wyborze narzędzi i modeli dla agentów AI, paper tradingu oraz wspomaganiu decyzji medycznych. Jest też historia lekarzy pytających ChatGPT, MedDecider i wyniki na egzaminie LEK. Dlaczego dobry wynik benchmarku nie zastępuje rozmowy z pacjentem? I kiedy wyspecjalizowany model ma więcej sensu niż kolejny prompt do ogólnego LLM-a?
00:00 Model decyzyjny kontra szef
00:45 Microsoft-Decision-1 kontra Jev
04:45 Czym jest model decyzyjny?
07:07 Qwen pod spodem i structured output
09:28 To samo pytanie, ta sama decyzja?
10:40 Sekundy kontra milisekundy
12:12 MedDecider, medycyna i paper trading
16:28 Qwen, Drex i modele bazowe
18:07 Microsoft kontra startup — Dawid i Goliat
21:07 Routing agentów: model, narzędzie czy człowiek?
23:55 Microsoft Foundry kontra gotowe aplikacje AI
28:00 Lekarz pyta ChatGPT
31:58 Wyniki LEK to nie wszystko
33:43 Pomysł na startup i zakończenie
#AI #ModeleDecyzyjne #BetterDevClub #Qwen #Jev #AgenciAI
Głośny keynote DHH (Davida Heinemeiera Hanssona) na Rails World wstrząsnął całym światem IT. Twórca Ruby on Rails ogłosił, że po 20 latach przestaje pisać kod ręcznie i w zasadzie przechodzi na „emeryturę programistyczną”, oddając pisanie w ręce modeli AI. W 41. odcinku Better Dev Club Piotrek Stapp i Kajetan Duszyński rozkładają to wystąpienie na czynniki pierwsze. Czy Software Craftsmanship i dyskusje o czystości kodu to już przeszłość? Co z pasjonatami programowania, którzy weszli do branży z miłości do klepania linijek — czy czeka ich los dawnych malarzy po wynalezieniu aparatu fotograficznego? Panowie bez owijania w bawełnę analizują swoje codzienne nawyki: czy w ogóle jeszcze czytają wygenerowany kod, dlaczego testy stały się jedyną uprzężą trzymającą projekt w ryzach i czy tester z LLM-em w ręku może wkrótce zastąpić klasycznego programistę. Dyskutują także o zmianie struktury zespołów — od pełnej specjalizacji ku „dyrektorom kreatywnym” — pułapce traktowania kodu jak czarnej skrzynki oraz o tym, dlaczego paradoksalnie zrozumienie architektury komputera i fundamentów systemowych staje się ważniejsze niż kiedykolwiek.
00:00 Wstęp — suchar o DHH i echa keynote’a na Rails World
03:02 DHH i Ruby on Rails — języki programowania tracą znaczenie na rzecz modeli AI
04:45 Koniec Software Craftsmanship? Rzemiosło jako ukłon w stronę zespołu
06:01 Co z pasjonatami kodu? Malarstwo po wynalezieniu fotografii
08:51 Nowa warstwa abstrakcji — czy kochaliśmy klepać każdą linijkę?
12:03 Czytasz jeszcze kod? Testy jako „harness” projektu
13:31 LLM pisze lepsze testy — przypadki brzegowe, E2E i code review
15:52 Co zostało z rzemiosła? Czy wystarczy dać LLM-a testerom?
18:22 Rewolucja w zespołach — od specjalizacji do dyrektora kreatywnego
21:10 Stolarz a fabryka mebli — ręcznie strugany kod jako nisza
23:06 Kod jako czarna skrzynka — Uncle Bob, agenci i architektura
25:53 Powrót do fundamentów — rozumienie komputera zamiast „fix it”
26:22 Rok utrzymywania kodu z AI — czy stajesz się inżynierem?
27:40 90% pracy to CRUD-y — kraftowy kod kontra biznesowa rzeczywistość
29:19 Spełniony sen o IT i biznesie — optymistyczne spojrzenie w przyszłość
#BetterDevClub #DHH #AI #CleanCode #SoftwareCraftsmanship #Programowanie #LLM #Testowanie #ArchitekturaOprogramowania #SDLC #RailsWorld #RubyOnRails
Czy rewolucja generatywnego AI jest w stanie obalić fundamentalne prawa inżynierii oprogramowania, które rządzą branżą od kilkudziesięciu lat? W 40. odcinku Better Dev Club Piotrek Stapp i Kajetan Duszyński biorą na warsztat klasyczne zasady wytwarzania software'u i sprawdzają, czy dorzucenie tokenów i armii agentów AI pozwala obejść ograniczenia, z którymi mierzymy się od dekad. Od dowcipu o 9 kobietach rodzących dziecko w miesiąc (Prawo Brooksa), przez architekturę odzwierciedlającą strukturę zespołów (Prawo Conwaya), po ewolucję systemów od prostych do złożonych (Prawo Galla).
W dalszej części rozmowy panowie dyskutują o pułapkach metryk efektywności w dobie AI (Prawo Goodharta i "token maxing"), wyjaśniają, dlaczego dyskusje w internecie stały się zbyt grzeczne przez LLM-y, oraz analizują Prawo Amdahla na autentycznym przykładzie 3-tygodniowego debugowania błędu klawiatury w aplikacji terminalowej na iOS. Czy AI to faktycznie rewolucja wywracająca zasady gry, czy raczej ewolucja, która tylko uwypukla i wzmacnia klasyczne problemy inżynierii oprogramowania?
Rozdziały:
00:00 - Wprowadzenie do praw fizycznych i inżynieryjnych
01:21 - Prawo Brooksa i jego współczesne zastosowanie w dobie agentów AI
04:14 - Prawo Conwaya a nowa struktura organizacyjna i komunikacyjna
07:29 - Ewolucja zespołów w kontekście agentów AI i monolitów
10:19 - Prawo Galla: Dlaczego skomplikowany system musi wyrosnąć z prostego
13:10 - Pułapki jednego prompta i zbieranie wymagań pod agentów
16:28 - Problemy z wymaganiami w oprogramowaniu i iteracyjna krytyka
20:22 - Prawa informatyki: Prawo Goodharta, mierzenie KPI i token maxing
26:31 - Prawo Amdahla i wąskie gardła w automatyzacji (case study debugowania iOS)
31:31 - Ewolucja czy rewolucja w kontekście AI oraz polecajka (Thinking in Systems)
Linki i materiały:
- Thinking in Systems (Donella H. Meadows): https://www.chelseagreen.com/product/thinking-in-systems/
- Nasza strona z transkrypcjami: https://betterdevclub.pl
#betterdevclub #programowanie #ai #softwaredevelopment #sdlc
Czy generowanie kodu z pomocą sztucznej inteligencji faktycznie sprawiło, że zespoły dostarczają oprogramowanie 10x albo 100x szybciej? W tym odcinku bierzemy pod lupę cały cykl wytwarzania oprogramowania (SDLC) i sprawdzamy, co tak naprawdę uległo zmianie. Choć pisanie samego kodu skróciło się niemal do zera, wąskie gardła wcale nie zniknęły – przeniosły się na fazę zbierania wymagań, code review, weryfikację PR-ów, testy akceptacyjne (UAT) oraz rozmowy z klientem. Zamiast armii programistów zmagających się ze sztywnym podziałem na frontend i backend, deweloperzy wreszcie wychodzą ze swoich baniek, zaczynają przeklikiwać własne aplikacje na środowiskach deweloperskich i wyłapują błędy znacznie wcześniej. W drugiej części dyskutujemy o paradoksie Maerska (gdzie wdrożenie pojedynczej zmiany trwało 42 tygodnie, z czego samo kodowanie zaledwie 5 dni) oraz o tym, jak mierzyć efektywność zespołów, by nie wpaść w pułapkę metryk typu liczba linii kodu czy story pointy. Zastanawiamy się również nad prowokacyjną tezą: czy w epoce błyskawicznej generacji kodu hejtowany przez lata Waterfall i precyzyjne zbieranie wymagań z pomocą narzędzi takich jak Figma nie wrócą do łask, a mikroserwisy nie ustąpią miejsca dobrze zaprojektowanym monolitom? Rozdziały:
00:00 Wstęp: Suchar na start i czy jesteś już 100x deweloperem?
01:05 4 filary szybszego dostarczania: Output, Time to Market, mniej błędów i koszty
04:05 Czy da się to zmierzyć? Story pointy, kartki w backlogu i problem mierzalności
06:50 Realny deployment: Software medyczny vs specyfika e-commerce i Allegro
10:54 Jakość a nie jakość: Deweloperzy wreszcie klikają we własny soft i łapią błędy
13:20 Koniec silosów: Front vs Back – deweloperzy wychodzą poza swoje bańki
16:05 Paradoks Maerska: 42 tygodnie na zmianę, z czego tylko 5 dni kodowania
19:10 Prawdziwe wąskie gardła: Zrozumienie raportu, testy z użytkownikami i UX
22:22 Projektowanie od zera: Weryfikacja tożsamości gestem, bezpieczeństwo i on-prem
24:15 Produkt vs Konsulting: Ładowanie na taczkę i presja dowożenia sprintów
25:52 Przesunięcie wąskiego gardła: UAT-y, weryfikacja kodu i czy agent ma sprawdzać agenta?
27:18 Nowy podział ról: Mniej devów, więcej QA i analityków?
28:18 Mierzenie efektywności: Jak mierzyć postęp i pułapki metryk (Dostajesz to, co mierzysz)
31:57 Czy Waterfall wraca? Tydzień zamiast roku – renesans dokładnej analizy wymagań
34:39 Figma i nowoczesne narzędzia: Mockupy zamiast Painta i czy jeden prompt wystarczy dla banku?
38:10 Zmierzch mikroserwisów? Powrót do monolitu, gdy jeden zespół i agenci ogarniają całość
40:54 Nowa rola inżyniera: Nie bądź zombie patrzącym w licznik tokenów
42:14 Metafora taczki: Czas na myślenie i rozwiązywanie realnych problemów biznesowych
44:06 Zakończenie: Poszukiwany designer na kolejny odcinek i podsumowanie
#betterdevclub #sdlc #programowanie #ai #coding #agile #waterfall #qa #codereview #figma #mikroserwisy #monolit #dora #developer
Były szef bezpieczeństwa Anthropic ostrzega: istnieje 10% szans, że AI doprowadzi do zagłady ludzkości w ciągu kilkunastu lat. W odpowiedzi liderzy największych potęg AI – Sam Altman (OpenAI), Dario Amodei (Anthropic), Demis Hassabis (Google) oraz Elon Musk – niespodziewanie zaczynają mówić jednym głosem i nawołują do spowolnienia oraz regulacji. Altman ogłasza wstrzymanie wejścia OpenAI na giełdę (IPO). Kajetan i Piotrek z humorem i dystansem rozpracowują ten medialny spektakl: czy to realna troska o bezpieczeństwo, czy może genialna zasłona dymna i próba zabetonowania rynku przed tańszą konkurencją z Chin (nowy DeepSeek)?\n\nW drugiej części panowie schodzą na ziemię i do realnego IT: jak dziś wygląda security i ucieczki modeli z harnessów, czy grozi nam atak na infrastrukturę krytyczną, paraliż banków lub panika giełdowa, oraz dlaczego w firmach bezpieczeństwo leży odłogiem, dopóki coś nie wybuchnie. Dyskutują też o rzekomym rozwiązaniu problemu milenijnego przez OpenAI, ekonomii tokenów i geopolitycznym starciu USA–Chiny, w którym jedynym wyborem ma być komunizm albo cyberpunk. Na koniec: optymistyczna wizja, w której AI zamiast budować bomby, leczy raka i ratuje planetę.
00:00 - [Wstęp] Jimmy Fallon, Trump i obietnica bezpieczeństwa AI
01:53 - [10% szans na zagładę] Odejście z Anthropic i czarne scenariusze
02:45 - [Sojusz gigantów] Altman, Amodei, Hassabis i Musk chcą regulacji
04:00 - [Regulacje czy monopol?] Kto naprawdę zyskuje na spowolnieniu wyścigu
05:11 - [Czynnik chiński] Tani DeepSeek depcze po piętach amerykańskim gigantom
05:53 - [Kulisy IPO] Dlaczego Sam Altman wstrzymuje wejście OpenAI na giełdę
08:00 - [Bańka strachu] Czy pompowanie paniki to tylko cyniczny marketing?
10:24 - [Realne cyberzagrożenia] Ucieczki z harnessów, wycieki danych i cyberataki
12:33 - [Rzeczywistość w firmach] Dlaczego security ma niski priorytet, dopóki nie wybuchnie
13:50 - [Problem milenijny] OpenAI chwali się matematycznym przełomem
15:50 - [Ekonomia tokenów] Ile firmy są w stanie zapłacić za reasoning?
16:51 - [Geopolityka AI] USA vs Chiny, europejskie regulacje i wizja Cyberpunka
19:33 - [300 tokenów na sekundę] Tempo rozwoju wg DeepSeek i utopijna przyszłość AI
21:34 - [Zakończenie] Podsumowanie i pożegnanie
#betterdevclub #ai #anthropic #claude #openai #sam-altman #deepseek #ipo #regulacje #bezpieczenstwo #security #harness #google-deepmind #cyberpunk