Ogólna sztuczna inteligencja (AGI) i agenci: praktyka kontra hype

AGI (ogólna sztuczna inteligencja) to hipotetyczna AI o ogólnej inteligencji podobnej do ludzkiej, obejmującej wszystkie dziedziny. Dla praktyków pracujących z agentami AGI nie jest w 2026 roku parametrem do planowania: liczą się mierzalne, przyrostowe skoki możliwości obecnych modeli (dłuższa autonomia, lepsze rozumowanie), a nie sama obietnica AGI. Ta pozostaje spekulacją. Ten artykuł rzeczowo oddziela to, co konkretnie zmienia się w praktyce pracy z agentami, od tego, co jest hype'em.

• Operacyjnie bez znaczenia: AGI nie jest progiem, do którego da się dopasować roadmapy. Nie ma rzetelnej definicji ani poważnej daty.
• Operacyjnie istotne: udokumentowane zakresy możliwości obecnych modeli i ich przyrostowa ścieżka (więcej autonomii na zadanie, lepsze wieloetapowe rozumowanie).
• Hamulec dla każdego hype'u: wskaźniki halucynacji na poziomie 22-94%, zmierzone wzrosty produktywności o 14-26% i wciąż jednocyfrowa penetracja agentów.

Dlaczego debata o AGI prawie nic nie zmienia dla praktyków

Gdy chodzi o konkretne projekty agentowe, debata o AGI toczy się na niewłaściwym poziomie abstrakcji. Czy i kiedy powstanie ogólna inteligencja obejmująca wszystkie dziedziny, to pytanie dla laboratoriów badawczych i funduszy venture capital, a nie dla zespołu B2B, który wdraża na produkcję agenta obsługi klienta. W tej pracy liczy się inne pytanie: co używany model potrafi dziś w mierzalny sposób i jak te możliwości przesuną się w ciągu najbliższych dwunastu do dwudziestu czterech miesięcy?

Mówiąc wprost: w 2026 roku pytanie o możliwości nie brzmi już „czy model to potrafi”, tylko „czy organizacja jest w stanie to wchłonąć”. Wąskie gardło przesuwa się tym samym z możliwości modelu na adopcję, przeprojektowanie przepływów pracy i governance. Spekulacje o AGI nie odnoszą się do żadnego z tych realnych wąskich gardeł.

Dla porządku, o jakiej generacji modeli mowa: na początku maja 2026 na czele stały Claude Opus 4.7, GPT-5.5 i Gemini 3.1 Pro; konie robocze, które obsługiwały większość wywołań agentów, to Sonnet 4.6, GPT-5.4 i Gemini 3 Flash. Od tego czasu Anthropic (m.in. Claude Opus 5 w lipcu, Claude Fable 5.1 we wrześniu) i OpenAI (GPT-6 Astra od września 2026, najpierw dla wybranych klientów biznesowych) wypuściły nowe modele. Nowe generacje czołowych modeli pojawiają się więc co kilka miesięcy. Już modele z wiosny 2026 wystarczają do zdecydowanej większości przypadków użycia w pracy opartej na wiedzy, bez tego, by „AGI” była do tego potrzebna albo by ktoś ją deklarował.

Przyrostowy skok możliwości zamiast skoku do AGI

Kluczowa zmiana sposobu myślenia: postęp w latach 2026-2028 przychodzi jako seria przyrostowych, osobno mierzalnych skoków, a nie jako jeden przełomowy moment AGI. Te skoki są realne, da się je planować i zmieniają to, co agent potrafi w praktyce. Najważniejsze udokumentowane zakresy wyników benchmarków (stan na maj 2026, o ile nie podano inaczej):

• SWE-Bench Multilingual: około 75% (w konfiguracji Sonnet plus Advisor)
• MMLU: ponad 87%
• GPQA Diamond: ponad 90%. Już Gemini 3.1 Pro (94,3%) oraz poprzednie wersje GPT-5.2 (92,4%) i Claude Opus 4.6 (91,3%) przekraczały ten próg (tabela porównawcza Google DeepMind, dostęp w październiku 2026). W rozszerzonym zestawie pytań GPQA (546 pytań) eksperci z ukończonym lub trwającym doktoratem uzyskali według publikacji GPQA 65%, a w podzbiorze Diamond 81,3% (według publikacji wynik zawyżony przez dobór pytań).
• BFCL Multi-Turn (wieloetapowe korzystanie z narzędzi): około 65%
• OSWorld (Computer Use): powyżej ludzkiego poziomu referencyjnego 72,36% (Claude Opus 4.7: 82,3% w OSWorld-Verified), ale wciąż słabo w długich przepływach pracy OSWorld 2.0

Jak zmieniały się wyniki w OSWorld: Claude Sonnet 4.5 osiągnął w OSWorld-Verified 61,4% we wrześniu 2025 (Anthropic), a ludzki poziom referencyjny wynosi 72,36% (OSWorld). W grudniu 2025 Simular podał dla swojego systemu agentowego Agent S wynik 72,6%, jako pierwszy przekraczając ten próg, przy czym zastosował metodę Best-of-N, która z kilku przebiegów agenta wybiera najlepszy. Dla Claude Opus 4.7 (kwiecień 2026) Anthropic podaje po zmianie metody pomiaru 82,3%. Tym samym także pojedynczy model plasuje się wyraźnie powyżej poziomu referencyjnego. Spośród 108 długich przepływów pracy w benchmarku następcy OSWorld 2.0 najlepszy model pierwszej ewaluacji z czerwca 2026, Claude Opus 4.8, w pełni ukończył tylko 20,6%. Dla Claude Fable 5.1 Anthropic raportuje we wrześniu 2026 wynik 41,7% w OSWorld 2.0 przy ścisłej punktacji. Pomiar przeprowadzono na zmienionej wersji zadań, która według Anthropic nie pozwala na bezpośrednie porównanie z wcześniejszymi wynikami. Dla większości przepływów pracy w przedsiębiorstwach Computer Use nie jest więc jeszcze gotowy do produkcji.

Co z tego konkretnie wynika dla praktyki: dłuższa autonomia na zadanie i lepsze rozumowanie w wielu krokach. Właśnie tu leży praktyczna dźwignia, a nie w hipotetycznej ogólnej inteligencji.

Co zmienia się w praktyce, a co pozostaje spekulacją

Poniższa tabela oddziela typowe twierdzenia z publicznego dyskursu o AGI od tego, co da się udokumentować lub czego można zasadnie oczekiwać, i ocenia ich znaczenie praktyczne dla zespołów pracujących z agentami. Liczby bez własnej daty odpowiadają stanowi z maja 2026.

Nasza ocena wcześniejszych prognoz w tej dziedzinie: zapowiedzi dostawców z 2024 roku dotyczące 2025 były w dużej mierze trafne co do kierunku i błędne w szczegółach, a zapowiedzi z 2025 roku dotyczące 2026 przebiegają według tego samego wzorca. Właśnie dlatego dla harmonogramu twierdzeń o 2028 roku przyjmujemy margines błędu 30-50%. Dla praktyków oznacza to: ufać strukturalnemu kierunkowi, a nie konkretnemu harmonogramowi.

Twarde testy rzeczywistości, które hamują każdy hype

Cztery trzeźwe ustalenia relatywizują każdą narrację o AGI:

• Halucynacje pozostają. W 26 czołowych modelach bazowych wskaźniki halucynacji wynoszą od 22% do 94%; nawet najlepsze modele są nieprecyzyjne w około 20% przypadków. Ogólna inteligencja wygląda inaczej.
• Agenci nie są jeszcze wszędzie. Mimo że 88% organizacji na świecie korzysta z AI, penetracja agentów AI jest jednocyfrowa niemal we wszystkich funkcjach biznesowych. Pilotaż, a nie regularna eksploatacja.
• Wzrost produktywności jest realny, ale umiarkowany. Przy rygorystycznym pomiarze wzrosty wynoszą 14% w obsłudze klienta i do 26% w tworzeniu oprogramowania; badanie Brynjolfssona z wynikiem 14% uchodzi za najbardziej wiarygodną dolną granicę. Narracje marketingowe są systematycznie wyższe.
• Incydentów przybywa. Stanford HAI AI Index 2026 dokumentuje 362 istotne incydenty związane z AI w 2025 roku (wobec 233 w 2024). Więcej możliwości oznacza też większą powierzchnię ataku i błędów.

Ostrożne oczekiwanie bliskie AGI brzmi tak: do 2028 roku modele rozumujące zbliżą się w benchmarkach pracy opartej na wiedzy do poziomu doktoratu. W niektórych benchmarkach już się to stało: w GPQA Diamond czołowe modele przekraczają 90%, a eksperci walidujący pytania w publikacji GPQA uzyskali na tym samym podzbiorze 81,3%. Ogólna inteligencja z tego nie wynika. Czołowe modele nadal halucynują i często nie kończą długich przepływów pracy.

Przykład z praktyki: jak w 60 sekund obalić twierdzenie o AGI

Załóżmy, że dostawca twierdzi w prezentacji: „Nasz agent osiąga poziom człowieka i w pełni automatyzuje 80% Twojej obsługi klienta”. Test na hype, trzy pytania kontrolne:

1. Liczba, źródło, data? „Poziom człowieka” to nie metryka. Udokumentowane byłoby na przykład: BFCL Multi-Turn ~65% (stan na maj 2026). Bez liczby z datą pomiaru to tylko opowieść.
2. Przyrost czy skok do AGI? „80% w pełni zautomatyzowane” to deklaracja skoku, a nie kroku. Zapytaj, co liczy się jako rozwiązane, kto mierzył i ile przypadków ostatecznie i tak trafia do ludzi. Wiarygodny jest triaż z eskalacją, a nie zastąpienie ludzi.
3. Margines błędu? Jeśli brakuje określenia niepewności, brakuje rzetelnej podstawy. Nawet najlepsze modele są w benchmarkach halucynacji nieprecyzyjne w około 20% przypadków. O Twoim przypadku obsługi klienta mówi to niewiele. Bez własnego pomiaru w pełni autonomiczna obsługa klienta bez Human-in-the-Loop i tak jest nieodpowiedzialna.

Rachunek, jako założenie: Twój agent udziela 5% błędnych odpowiedzi w Twoim własnym zestawie ewaluacyjnym. Przy 10 000 interakcji miesięcznie to 500 błędów, które ktoś musi wyłapać. Bez zestawu ewaluacyjnego, Human-in-the-Loop i logiki eskalacji „obietnica 80%” staje się ryzykiem operacyjnym, a nie ROI.

Podsumowanie i rekomendacje

Debata o AGI to dla praktyków pracujących z agentami w 2026 roku przede wszystkim kwestia dyscypliny: ufać kierunkowi przyrostowych zakresów możliwości, a nie hype'owi ani konkretnemu harmonogramowi. Kto projektuje architektury pod wymienność (bramki modeli, warstwy abstrakcji), stosuje Human-in-the-Loop przy działaniach o poważnych konsekwencjach i korzysta z własnych zestawów ewaluacyjnych zamiast liczb z demo dostawców, jest odporny na każdą zmianę generacji, niezależnie od tego, czy „AGI” kiedykolwiek nadejdzie.

Dla agencji: pozycjonuj się jako trzeźwy tłumacz między hype'em a udokumentowanymi możliwościami. Dostarczaj na produkcję agentów opartych na ewaluacjach i uwzględniających głos przedstawicieli pracowników, a nie obietnice AGI. To jest trwała przewaga nad dostawcami, którzy sprzedają na podstawie liczb z demo.

Dla decydentów B2B: planuj budżety w oparciu o rygorystyczne, recenzowane benchmarki (14-26% produktywności), a nie narracje dostawców. Zatrzymaj 15-25% budżetu na AI jako rezerwę uruchamianą konkretnymi wyzwalaczami na wypadek realnych skoków. Traktuj migrację modeli jako punkt decyzyjny z weryfikacją ewaluacyjną, a nie automat. Blck Alpaca pomaga firmom w całej Europie precyzyjnie wytyczyć tę granicę między konkretem a hype'em.