Solo software house z agentami AI: jak jedna osoba buduje produkty zamiast zespołu

Solo software house z agentami AI to firma produktowa lub usługowa prowadzona przez jedną osobę, w której agenci piszą, testują i monitorują większość pracy. Człowiek ustala cele, ocenia wyniki i odpowiada przed klientem. Nie zastępuje to zespołu we wszystkim, ale pozwala jednej osobie dowozić to, co wcześniej wymagało kilku.

Jakie produkty buduję w ten sposób?

Jestem CEO MKM Labs i założycielem Proxy Poland. Moje produkty AI na produkcji to Lex (asystent AI dla prawników), Halo Angela (głosowa recepcjonistka AI dla salonów beauty) i Proxy Poland (mobilne proxy 4G/5G na fizycznych modemach, którymi zarządzają agenci AI). Do tego dochodzą wdrożenia dla klientów i 38 case studies w realizacjach, budowanych z agentami AI.

Przykłady, które możesz obejrzeć szczegółowo: sieć proxy 4G/5G (flota ponad 10 modemów, firmware, deployment na VPS), automatyzacja platformy Proxy Poland (płatności, provisioning, rotacja), CoreTSL (system TMS z AI do importu dokumentów) i Halo Angela.

Jakiego stacku używam?

Agentów orkiestruję w pięciu narzędziach: Claude Code, Codex, Cursor, Grok Build i Orca. Do tego dochodzi warstwa, którą opisałem w tekście MCP, pamięć i agenci: mój praktyczny stack: Claude jako główny model do zadań wymagających rozumowania, narzędzia wystawione przez MCP, pamięć długoterminowa i prosty dyspozytor napisany w TypeScript.

Dokładniej o tym, który agent do jakiego zadania, piszę w tekście Claude Code, Codex czy Cursor.

Co w tym modelu robi człowiek, a co agent?

• Agent: pisze kod, uruchamia go, czyta błędy, poprawia, robi research, przygotowuje wersje robocze, sprawdza stan infrastruktury, raportuje.
• Ja: wybieram, co budować, rozmawiam z klientem, definiuję kryteria „gotowe”, oceniam wyniki, zatwierdzam akcje krytyczne i odpowiadam za konsekwencje.

Prosty test: jeśli decyzja ma konsekwencje biznesowe albo nieodwracalne (pieniądze, dostępy, publikacja), ostatnie słowo należy do mnie. Reszta jest do delegowania.

Co może pójść nie tak?

Najwięcej nauczyły mnie porażki. Agent monitorujący proxy, który po fałszywym wykryciu „braku rotacji” zbyt agresywnie resetował modemy, przysporzył mi krótkich blokad numerów u operatora. Od tego czasu każda automatyzacja ma limity (resetów na godzinę, minimalny odstęp, dzienny budżet kosztów) i tryb tylko do odczytu, kiedy nie mam jak zareagować.

Drugi problem to dryf: agent po tygodniach autonomicznej pracy zaczyna optymalizować pod metrykę, która nie oddaje tego, na czym mi zależy. Dlatego co jakiś czas przeglądam logi ręcznie. Solo nie znaczy bez kontroli, tylko że kontrola musi być tańsza niż praca.

Czy to się nadaje dla każdego?

Nie. Model sprawdza się, gdy produkt jest wąski i dobrze zdefiniowany, a ty potrafisz ocenić wynik. Gorzej, gdy potrzebujesz wielu specjalistów jednocześnie, całodobowego wsparcia albo gdy system obsługuje dane, w których błąd kosztuje bardzo dużo. Wtedy sensowniej zbudować zespół i użyć agentów jako jego narzędzia.

Jak się tego nauczyć?

Uczę tego w mentoringu AI: budujesz z agentami, sprzedajesz firmom, działasz sam, ale nie w pojedynkę. Zgłoszenie na mentoring idzie przez formularz kontaktowy z typem „Mentoring”. Szczegóły mentoringu ustalam przez formularz. Możesz też zacząć od konsultacji 1:1 (60 minut online, 999 zł), gdzie rozbieramy twój konkretny stack i proces, albo zobaczyć na żywo, jak buduję, na prelekcji.

Jak wygląda praca na co dzień?

Nie siedzę przy ekranie cały czas i nie muszę. System, który opisałem w tekście System AI, który pracuje, kiedy ja jadę, działa w tle: dyspozytor uruchamia agentów o ustalonych porach, agent monitorujący sprawdza stan infrastruktury, a ja dostaję krótki raport zamiast surowych logów. Reaguję, gdy coś odbiega od normy, i dopiero wtedy wchodzę głębiej.

Dla mnie to ma znaczenie praktyczne, bo dużo podróżuję i pracuję w drodze. Gdybym musiał trzymać rękę na każdym procesie, nie dałoby się tego pogodzić. Solo software house ma sens tylko wtedy, gdy zaprojektujesz go tak, żeby nie wymagał twojej ciągłej obecności.

Czym to się różni od freelancera albo małej agencji?

Wąskim gardłem przestaje być pisanie, a zaczyna być weryfikacja. Dlatego uważam, że w tym modelu wygrywa ten, kto potrafi dobrze definiować zadania i szybko oceniać wyniki, a nie ten, kto najszybciej pisze.

Od czego zacząć, jeśli chcesz pójść tą drogą?

1. Wybierz wąski, powtarzalny problem, który potrafisz rozwiązać dla firm z jednej branży.
2. Zbuduj pierwsze narzędzie z agentem i pokaż je komuś, kto ma ten problem naprawdę.
3. Dołóż kontrolę: limity, raporty, zgody na akcje krytyczne.
4. Opisz wynik jako case study, żeby kolejny klient widział, że to działa.
5. Dopiero wtedy skaluj na kolejne produkty i klientów.

Wiele takich zadań widać w moich realizacjach: każda ma opis kontekstu, problemu, roli, decyzji i wniosków.

FAQ

Ile osób potrzeba, żeby zbudować produkt AI?

Nie ma jednej liczby. Mój model to jedna osoba plus agenci, ale każdy projekt trzeba ocenić osobno: ryzyko, złożoność i to, kto będzie go utrzymywał. Do takiej oceny służy między innymi konsultacja 1:1.

Czy solo software house jest bezpieczny dla klienta?

Klient musi wiedzieć, kto odpowiada za kod i kto go utrzyma. Dlatego mówię wprost: agenci piszą, ja odpowiadam. Krytyczne akcje mają bramki zgody, a projekty o wysokim ryzyku przechodzą dodatkowy przegląd.

Które narzędzie AI jest najważniejsze?

Żadne jedno. Używam kilku, bo różne zadania pasują do różnych narzędzi. Kryteria opisałem w osobnym tekście o wyborze między Claude Code, Codexem i Cursorem.

Jak się ze mną skontaktować w sprawie wdrożenia?

Przez formularz kontaktowy, wybierając typ „Wdrożenie AI”. Sprint wdrożeniowy ustalam na zapytanie.