---
title: "Change management w agencji: jak wdrożyć agentów AI w zespole"
description: "Zarządzanie zmianą w agencji AI to uporządkowane wprowadzanie agentów AI do zespołu agencji: role przesuwają się od wykonawcy do orkiestratora i weryfikatora, akceptację i zaufanie buduje się aktyw…"
locale: "pl"
canonical: "https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/agenci-ai-dla-agencji-marketingowych/change-management-w-agencji-jak-wdrozyc-agentow-ai-w-zespole"
category: "Agenci AI"
topic: "Agenci AI dla agencji marketingowych"
updated: "2026-10-28T13:37:14.747Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Change management w agencji: jak wdrożyć agentów AI w zespole

Zarządzanie zmianą w agencji AI to uporządkowane wprowadzanie agentów AI do zespołu agencji: role przesuwają się od wykonawcy do orkiestratora i weryfikatora, akceptację i zaufanie buduje się aktywnie, a ambasadorzy pilotażu i szkolenia napędzają adopcję. Wąskim gardłem jest kultura, nie technologia.

## W skrócie

- W 2026 roku to adopcja, a nie możliwości modeli, realnie ogranicza ROI z AI. Modele klasy frontier pokrywają ponad 80% pracy opartej na wiedzy; decyduje to, czy zespół faktycznie korzysta z agentów.
- Rola pracowników przesuwa się od wykonawcy do orkiestratora i weryfikatora. Nowa kluczowa kompetencja to skalibrowane zaufanie: akceptować poprawne wyniki agenta i niezawodnie wychwytywać błędne.
- Zainwestuj 15–25% budżetu na AI w adopcję (szkolenia, zarządzanie zmianą, UX), a nie typowe 2–5%. To przesunięcie odróżnia zespoły z mierzalnymi korzyściami od tych, które księgują wyłącznie koszty.
- Ambasadorzy pilotażu (3–5 na 100 pracowników) osiągają 1,5–2-krotnie wyższy wskaźnik użycia niż wdrożenia czysto odgórne. Według BCG pracownicy po pięciu do dziesięciu godzinach szkoleń znacznie częściej regularnie korzystają z AI niż ci po jednej do pięciu godzinach (82% wobec 63%).
- Mierz efekty, nie samą adopcję. Kupione licencje ≠ używane narzędzie ≠ stworzona wartość: wynagrodzenie i uznanie powinny być powiązane z efektami.
- Deklaracje dotyczące produktywności z AI są niewiarygodne (badanie METR z narzędziami AI z początku 2025 roku: odczuwane przyspieszenie o 20%, w rzeczywistości praca wolniejsza o 19%). Steruj na podstawie telemetrii i wskaźników efektów.

Zarządzanie zmianą w agencji [AI](https://blckalpaca.at/pl/slownik/ai) to uporządkowane wprowadzanie [agentów AI do zespołu agencji](https://blckalpaca.at/pl/uslugi/agenci-ai): role przesuwają się od wykonawcy do orkiestratora i weryfikatora, akceptację i zaufanie buduje się aktywnie, a ambasadorzy pilotażu i szkolenia napędzają adopcję. Wąskim gardłem jest kultura, nie technologia. Kto to ignoruje, kupuje licencje i księguje koszty, nigdy nie osiągając wzrostu produktywności.

- **Wąskim gardłem jest adopcja, nie możliwości modeli.** Modele klasy frontier pokrywają ponad 80% pracy opartej na wiedzy. Decyduje to, czy zespół naprawdę korzysta z agentów, a to zależy od zaufania, szkoleń i jasności ról, a nie od ostatniego punktu procentowego jakości modelu.
- **Rola przesuwa się od wykonawcy do orkiestratora i weryfikatora.** Nowa kluczowa kompetencja to skalibrowane zaufanie: akceptować poprawne wyniki, niezawodnie wychwytywać błędne, zamiast ufać na ślepo albo odrzucać wszystko z góry.
- **15–25% budżetu należy przeznaczyć na adopcję.** Szkolenia, zarządzanie zmianą, UX i pomiar zamiast typowych 2–5%. To jedno przesunięcie odróżnia zespoły z mierzalnymi korzyściami od tych, które generują wyłącznie koszty.

## Dlaczego wąskim gardłem jest kultura, a nie model

W 2026 roku kusi, by traktować wdrożenie jak projekt technologiczny: wybrać narzędzie, kupić licencje, rozpocząć rollout. Właśnie ten błąd kategorii w latach 2023–2025 stworzył lukę między „Copilot wdrożony” a „Copilot używany”, która dziś leży na stole w wielu firmach.

Dane empiryczne są jednoznaczne. [Modele klasy frontier od Anthropic, OpenAI i Google](https://www.anthropic.com/research) mają wystarczającą jakość dla zdecydowanej większości zadań agencji (pisanie tekstów, streszczanie, research, klasyfikacja, tłumaczenie, ustrukturyzowana ekstrakcja danych). Tym, co *nie* nadąża, jest splot zaufania, adopcji, zarządzania zmianą i współdecydowania pracowników, który dzieli wdrożony model od zespołu faktycznie z niego korzystającego. Reguła McKinsey, zgodnie z którą około 70% wszystkich transformacji nie osiąga zamierzonej wartości, dotyczy szczególnie transformacji AI, ponieważ dla większości pracowników ta technologia jest naprawdę nowa.

Doświadczenia z wdrożeń Copilota pokazują tę lukę: według [analizy firmy doradczej ds. licencji Redress Compliance](https://redresscompliance.com/microsoft-copilot-adoption-2026) trwałe cotygodniowe użycie Microsoft 365 Copilot stabilizuje się w pierwszym roku na poziomie 30–55% zakupionych licencji. Kto więc czyta „wyposażyliśmy całą agencję”, powinien bez celowej pracy nad adopcją liczyć się z tym, że tylko część osób będzie regularnie korzystać z narzędzia, a jeszcze mniejsza część codziennie. [Według Bitkom w Niemczech tylko 11% firm zatrudniających co najmniej 20 osób szkoli wszystkich pracowników z AI](https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI), a 25% nie oferuje żadnych szkoleń z AI (stan na wrzesień 2026). Właśnie tutaj (a nie przy wyborze modelu) rozstrzyga się sukces.

Strategiczny wniosek dla kierownictwa agencji: [infrastruktura adopcji, szkolenia, dyscyplina w projektowaniu persony, onboarding, komunikacja i pomiar](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/agenci-ai-dla-agencji-marketingowych/onboarding-klienta-w-pilotazu-agenta-ai-briefing-kpi-oczekiwania) zasługują łącznie na **15–25% budżetu programu AI** zamiast dotychczas typowych 2–5%. To przesunięcie, bardziej niż jakakolwiek decyzja o dostawcy czy modelu, odróżnia zespoły, które osiągają wielokrotnie większą wartość, od tych, które księgują wydatek i nie potrafią wykazać mierzalnego wzrostu produktywności.

## Zmiana ról i kompetencji: od wykonawcy do orkiestratora

Najgłębsza zmiana nie dotyczy narzędzia, lecz tożsamości zawodowej. Klasyczna rola w agencji (copywriter, który pisze; projektantka, która projektuje; strateg, który robi research) przesuwa się w stronę **orkiestratora i weryfikatora**: briefować, delegować zadania agentowi, sprawdzać, brać odpowiedzialność. Dla wielu to kwestia statusu, a nie wygody. Kto przez 15 lat doskonalił swoje rzemiosło, nie oddaje go bez tarcia niedeterministycznemu systemowi.

Nowa kluczowa kompetencja to [**skalibrowane zaufanie**](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/bezpieczenstwo-agentow-ai-owasp/jak-dobrze-zaprojektowac-human-in-the-loop-hitl-wzorce-zatwierdzania-dla-agentow). Celem nie jest maksymalne, lecz adekwatne zaufanie: akceptować poprawne wyniki agenta, rozpoznawać i odrzucać błędne. Badania opisują dwa wzorce porażki, które dotyczą każdej agencji:

- **Nadmierne zaufanie:** pracownicy przejmują wyniki agenta bez sprawdzenia, choć weryfikacja byłaby konieczna: płynne, pewne siebie halucynacje są brane za fakty. Najgłośniejsza sprawa, *Mata v. Avianca* (2023), zakończyła się sankcjami, ponieważ dwóch prawników złożyło zmyślone cytaty wygenerowane przez chatbota.
- **Niedostateczne zaufanie:** pracownicy nie ufają wynikom, choć [agent](https://blckalpaca.at/pl/slownik/agent) jest lepszy niż ich własny osąd. To dominujący wzorzec u doświadczonych profesjonalistów: ignorują rekomendacje, na których mogliby skorzystać.

To przesunięcie kompetencji rozkłada wartość *w dół krzywej kompetencji*. [Najbardziej rygorystyczne badanie terenowe (Brynjolfsson, Li, Raymond, 5179 pracowników obsługi klienta)](https://www.nber.org/papers/w31161) wykazało średnio **+14% produktywności, +34% u nowicjuszy i osób o niskich kwalifikacjach** oraz niemal brak efektu u doświadczonych najlepszych pracowników. Dla agencji oznacza to, że najwięcej zyskują juniorzy i osoby z innych branż, a najmniej seniorzy, co ma konsekwencje dla rekrutacji, szkoleń i pytania, za co seniorzy będą w przyszłości opłacani (mianowicie za osąd i weryfikację, a nie za ilość wygenerowanych treści).

Przy nowych rolach warto przyjąć rozróżnienie, które badania stawiają jasno: rola czystego **„[prompt](https://blckalpaca.at/pl/slownik/prompt) engineera” jest w 2026 roku w dużej mierze przestarzała**. Liczba takich ofert pracy w regionie DACH (Niemcy, Austria, Szwajcaria) gwałtownie spadła w latach 2024/2025. **Prompt engineering i context engineering jako kompetencja** są natomiast ważniejsze niż kiedykolwiek i należą do profilu każdej roli, która pracuje z agentami. Najtrudniej zatrudnić **AI Product Managera**, który odpowiada za jeden lub dwa przypadki użycia end-to-end: business case, metryki sukcesu, integrację, zarządzanie zmianą, ewaluację.

## Zarządzanie akceptacją i lękiem: szczerze, bez upiększania

Główną osią oporu jest lęk przed utratą pracy, zwłaszcza w rolach administracyjnych i produkcyjnych, a zaraz po nim nieufność wobec dokładności, która pojawia się najpóźniej po pierwszej doświadczonej halucynacji. Komunikacja przed wdrożeniem musi *odnosić się do tego lęku, a nie mu zaprzeczać*. Dane są publiczne: według badania Bitkom z początku 2026 roku [19% firm w Niemczech korzystających z AI](https://www.bitkom.org/Presse/Presseinformation/Digitalisierung-der-Wirtschaft-Unternehmen-beschaeftigen-sich-mit-KI) deklaruje, że z powodu AI już zlikwidowało stanowiska. Udawanie, że żadne stanowisko nie jest zagrożone, wygląda nieszczerze i niszczy zaufanie, zanim rollout się zacznie.

Trwałe ujęcie oddziela zagrożenie od odciążenia: AI ogranicza pracę, której nikt nie lubi (żmudny research, pierwsze wersje, raportowanie), i oddaje czas na pracę, która się liczy (relacje z klientem, pomysł, osąd). Szczerość wymaga jednak przyznania, że niektóre profile stanowisk zmienią się w istotny sposób.

Kontrintuicyjny, dobrze udokumentowany punkt dotyczący zaufania: agent, który **jawnie pokazuje swoją niepewność, jest cenniejszy niż taki, który udaje pewność siebie.** Narzędzie z 92% trafności, które przy każdej odpowiedzi brzmi równie pewnie, prowadzi do gorszych decyzji niż narzędzie z 88%, które oznacza swoje prawdopodobnie błędne odpowiedzi. Konkretnie dla agencji oznacza to, że sygnały pewności, podawanie źródeł, wzorce typu „nie wiem” i bramki zatwierdzania dla nieodwracalnych działań (np. zewnętrznego e-maila do klienta) nie są kosmetyką UX, lecz mechanizmem, który kalibruje zaufanie.

## Ambasadorzy pilotażu, szkolenia i nowe procesy

Trzy dźwignie dają najlepszy stosunek kosztów do efektów:

**Strategia ambasadorów i zasiewu.** Trzech do pięciu chętnych early adopterów na 100 pracowników, wyposażonych w dodatkowe szkolenia, bezpośredni dostęp do narzędzi, widoczne uznanie i czas na eksperymenty, zapewnia organiczne upowszechnienie, którego wdrożenia odgórne rzadko osiągają. Adopcja prowadzona przez ambasadorów osiąga zwykle **1,5–2-krotność** stabilnego poziomu użycia czysto odgórnych wdrożeń.

**Priorytetyzacja przypadków użycia.** Zacznij od zadań **częstych, uciążliwych i mało ryzykownych**: szkice e-maili, streszczanie dokumentów, notatki ze spotkań, tłumaczenia, ekstrakcja ustrukturyzowanych danych. Te małe zwycięstwa budują zaufanie i nawyk. Antywzorcowi, czyli rozpoczynaniu adopcji od rzadkich zadań wysokiego ryzyka (złożone pitche, przegląd umów), brakuje rutyny, która w ogóle umożliwia kalibrację.

**Szkolenia z treścią, nie jednorazowe.** Według [BCG AI at Work 2025](https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain), badania ponad 10 600 menedżerów i pracowników w jedenastu krajach i regionach, 82% respondentów po pięciu do dziesięciu godzinach szkoleń korzysta z AI regularnie, czyli codziennie lub kilka dni w tygodniu. Przy jednej do pięciu godzinach jest to 63%, bez szkoleń 18%. Właściwy rytm to szkolenie wstępne plus kwartalne odświeżenia, a nie jednorazowy onboarding. Do tego potrzebny jest uczciwy model mentalny: agent *przewiduje prawdopodobne tokeny, nie wyszukuje faktów* i nie potrafi zweryfikować własnych twierdzeń. Kto to rozumie, kalibruje właściwie.

Nowe procesy oznaczają jasny podział odpowiedzialności. Kto weryfikuje? Kto zatwierdza? Gdzie eskalować? Każdy produkcyjny agent potrzebuje zdefiniowanych granic zakresu i przejrzystych ścieżek eskalacji: „agent po prostu próbuje wszystkiego” to znany wzorzec porażki.

## Pomiar adopcji i wynagradzanie za efekty

Najczęstszy błąd to ogłaszanie sukcesu na podstawie samej adopcji. W pełni wykorzystane licencje, które nigdy nie poruszyły żadnego wskaźnika efektów biznesowych, nie są sukcesem. **Kupione licencje ≠ używane narzędzie ≠ stworzona wartość.** Raportuj dwa poziomy, ale wynagradzaj za drugi.

Szczególna ostrożność przy deklaracjach pracowników: [badanie terenowe METR z 2025 roku (randomizowane, z nagrywaniem ekranu, doświadczeni programiści pracujący na znanym kodzie)](https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/) wykazało, że uczestnicy deklarowali **oczekiwane przyspieszenie o 24% i odczuwane o 20%**, podczas gdy zadania, przy których dozwolone było AI, w rzeczywistości trwały **o 19% dłużej**. Samo METR uznaje dziś te liczby za nieaktualne. [Opublikowany w lutym 2026 roku pomiar uzupełniający](https://metr.org/blog/2026-02-24-uplift-update/) z narzędziami AI z końca 2025 roku daje słabe przesłanki przyspieszenia, ale METR nadal uważa deklaracje za niewiarygodne. W języku zarządu: steruj na podstawie telemetrii i wskaźników efektów, a nie samooceny.

| Faza | Działanie | Ryzyko |
| --- | --- | --- |
| **0: Przygotowanie** | Szczera komunikacja o wpływie na miejsca pracy; wybór przypadków użycia (3–5, nie 30); wskazanie ambasadorów; zdefiniowanie metryk sukcesu z wartością bazową | Zaprzeczanie lękowi o pracę niszczy zaufanie przed startem; zbyt szerokie rozproszenie trwoni zasoby |
| **1: Pilotaż** | Miękkie uruchomienie z ambasadorami i małą grupą; najpierw częste, mało ryzykowne zadania; bramki zatwierdzania dla nieodwracalnych działań | Start od przypadku użycia wysokiego ryzyka; brak bramek prowadzi do kompromitujących błędów na zewnątrz; „jeszcze jeden pilotaż” bez skalowania |
| **2: Skalowanie** | Szkolenia >5 h plus kwartalne odświeżenia; wyjaśnienie ról (orkiestrator/weryfikator); pomiar WAU/MAU i czasu realizacji | Licencje bez szkoleń (najczęstsza porażka); samoocena zamiast telemetrii; wynagradzanie za adopcję zamiast za efekty |
| **3: Utrwalenie** | Uczynienie AI codziennym rytuałem; uznanie dla ambasadorów; nowy podział procesów i odpowiedzialności | Dryf persony w stronę amerykańskiego luzu obniża akceptację wśród osób powyżej 45 lat; zanik umiejętności bez odświeżania |

## Konkretny przykład obliczeń: agencja zatrudniająca 40 osób

Agencja zatrudniająca 40 osób przeznacza w roku 1 na program AI budżet w wysokości 120 000 €. Według starego schematu (3% budżetu na adopcję) na szkolenia i zarządzanie zmianą trafiłoby tylko 3600 €: przewidywalna droga do wysokiego wskaźnika licencji i niskiego wskaźnika użycia.

Zgodnie z powyższą rekomendacją **20%, czyli 24 000 €**, trafia na adopcję: dwóch ambasadorów (1–2 na 40 osób odpowiada regule 3–5 na 100) z dodatkowym budżetem czasu i szkoleń, obowiązkowe sześciogodzinne szkolenie wstępne dla wszystkich plus kwartalne odświeżenia, projektowanie persony i zasad ujawniania AI, prosty [dashboard](https://blckalpaca.at/pl/slownik/dashboard) WAU/MAU. Założenie wyjściowe: bez pracy nad adopcją z narzędzia co tydzień korzysta około 14 z 40 pracowników, czyli 35%, na dolnym krańcu wspomnianego wyżej przedziału Copilota od 30 do 55%. Adopcja prowadzona przez ambasadorów podnosi ten poziom 1,5–2-krotnie, czyli do 21–28 aktywnych użytkowników tygodniowo, przy identycznym stosie modeli. Szkolenia są tu istotne: w [badaniu BCG](https://www.bcg.com/publications/2025/ai-at-work-momentum-builds-but-gaps-remain) odsetek respondentów korzystających z AI codziennie lub kilka dni w tygodniu jest przy pięciu do dziesięciu godzinach szkoleń o 19 punktów procentowych wyższy niż przy jednej do pięciu godzinach. Dodatkowe 20 400 € zainwestowane w adopcję to, w relacji do uwolnionej wartości, najtańsza pozycja całego programu.

## Dla agencji: najpierw kultura, potem technologia

Dla agencji i decydentów B2B w Europie przesłanie jest niewygodne i jasne: kolejne euro zainwestowane w zarządzanie zmianą, szkolenia i projektowanie zaufania daje więcej wartości niż kolejne euro wydane na aktualizacje modeli. Modele klasy frontier są wystarczająco dobre. Kto w 2026 roku wprowadza agentów AI do zespołu, nie wygrywa dzięki narzędziu, lecz dzięki zmianie roli z wykonawcy na weryfikatora, wcześnie zaangażowanym ambasadorom, szczerej komunikacji i dyscyplinie wynagradzania za efekty, a nie za adopcję.

Blck Alpaca z Wiednia wspiera agencje i MŚP w całej Europie właśnie w tym obszarze: projektowanie ról, architektura zaufania, programy ambasadorów pilotażu i zestaw [KPI](https://blckalpaca.at/pl/slownik/kpi), który pokazuje zarządowi, które przypadki użycia się sprawdzają, a które po 6 lub 12 miesiącach należy konsekwentnie zakończyć. Jeśli chcesz wprowadzić agentów AI bez oporu i spadku produktywności, porozmawiaj z nami o planie adopcji, zanim kupisz kolejną licencję.

## Najczęściej zadawane pytania

### Dlaczego wdrożenie agentów AI w agencjach zwykle nie rozbija się o technologię?

Ponieważ modele klasy frontier już dziś wystarczają do ponad 80% zadań agencji (pisanie tekstów, streszczanie, research, klasyfikacja, tłumaczenie). Luka między „agent wdrożony” a „agent używany” wynika z kalibracji zaufania, braku szkoleń, niejasnych ról i oporu przed zmianą. Według McKinsey około 70% wszystkich transformacji nie przynosi zamierzonej wartości, a w przypadku AI raczej więcej, bo dla większości pracowników ta technologia jest naprawdę nowa. Wąskim gardłem jest kultura, nie model.
### Jak agenci AI zmieniają rolę pracowników?

Od wykonawcy do orkiestratora i weryfikatora. Zamiast samodzielnie tworzyć każdy szkic, pracownicy przygotowują briefy dla agentów, sprawdzają ich wyniki i odpowiadają za efekt końcowy. Nowa kluczowa kompetencja to skalibrowane zaufanie: akceptować poprawne wyniki, rozpoznawać błędne. Badanie terenowe Brynjolfssona, Li i Raymonda (5179 pracowników obsługi klienta) pokazuje średnio +14% produktywności, +34% u nowicjuszy i osób o niskich kwalifikacjach oraz niemal brak efektu u doświadczonych najlepszych pracowników, i to tylko wtedy, gdy rekomendacje są faktycznie wykorzystywane. Rola czystego prompt engineera jest w 2026 roku w dużej mierze przestarzała; prompt engineering i context engineering jako kompetencja pozostają kluczowe.
### Jak mierzyć adopcję agentów AI w zespole agencji?

Na dwóch poziomach. Wskaźniki wyprzedzające: tygodniowi i miesięczni aktywni użytkownicy na agenta, liczba zadań na użytkownika, wykorzystanie licencji, retencja (D7/D30/D90), odsetek osób z kompetencjami AI. Wskaźniki opóźnione: skrócenie czasu realizacji, odsetek błędów, zadowolenie klientów, wkład w przychody. Raportuj jedno i drugie, ale wynagradzaj za wskaźniki opóźnione. Uważaj na deklaracje pracowników: badanie terenowe METR z 2025 roku wykazało, że programiści odczuwali 20-procentowe przyspieszenie, a w rzeczywistości pracowali o 19% wolniej. Steruj na podstawie telemetrii i wskaźników efektów.
### Jaki budżet na zarządzanie zmianą przewidzieć przy wdrażaniu AI?

Na adopcję powinno trafiać 15–25% całego budżetu programu AI: szkolenia, zarządzanie zmianą, projektowanie persony i UX, komunikacja wewnętrzna, bieżący pomiar. Dotychczas typowo było to tylko 2–5%. To właśnie niedofinansowanie wyjaśnia lukę między wdrożeniem a użyciem. W badaniu BCG „AI at Work 2025” (ponad 10 600 uczestników w jedenastu krajach i regionach) 82% osób po pięciu do dziesięciu godzinach szkoleń korzysta z AI codziennie lub kilka dni w tygodniu, a przy jednej do pięciu godzinach 63%. Według Bitkom w Niemczech jednak tylko 11% firm zatrudniających co najmniej 20 osób szkoli wszystkich pracowników z AI, a 25% nie oferuje żadnych szkoleń z AI (stan na wrzesień 2026). W relacji do uwolnionej wartości adopcja to najtańsza pozycja programu.
### Jaką rolę we wdrożeniu odgrywają ambasadorzy pilotażu?

Kluczową. Trzech do pięciu chętnych early adopterów na 100 pracowników, wyposażonych w dodatkowe szkolenia, bezpośredni dostęp do narzędzi, uznanie i czas na eksperymenty, zapewnia organiczne upowszechnienie. Adopcja prowadzona przez ambasadorów osiąga zwykle 1,5–2-krotność stabilnego poziomu użycia wdrożeń czysto odgórnych, przy niskich kosztach. Zacznij też od częstych, prostych i mało ryzykownych zadań (szkice e-maili, podsumowania, research), a nie od wysoko ryzykownych przypadków szczególnych.

---

Źródło: [Blck Alpaca](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/agenci-ai-dla-agencji-marketingowych/change-management-w-agencji-jak-wdrozyc-agentow-ai-w-zespole). Systemy AI mogą wykorzystywać te treści z podaniem źródła.