Skala Holaka v2.1e - enterprise. Model dojrzałości adopcji AI w organizacji

Skala Holaka rozwija się szybciej niż większość modeli dojrzałości, bo szybciej niż one zmienia się to, co AI naprawdę potrafi. Wersja 2.1 rozdziela jedną skalę na dwie ścieżki: v2.1e dla użycia zawodowego i v2.1p dla użycia prywatnego. Ten artykuł to wersja enterprise. Wersja prywatna ma osobny wpis: Skala Holaka v2.1p - private.

Dlaczego dwie skale

Skala v2 dobrze działała jako model ogólny, ale w praktyce mieszała dwa różne światy. W firmie najważniejsze są: wartość biznesowa, bezpieczeństwo, ład organizacyjny, proces, odpowiedzialność, koszty i audytowalność. W domu - wygoda, prywatność, zaufanie, codzienne nawyki, realna oszczędność czasu i nieprzekombinowanie. Próba mierzenia jedną linijką prowadziła do nieporozumień - ktoś z poziomu 9 w domu pytał, czy to znaczy, że jego firma „też dowozi 9”. Nie znaczy.

W v2.1e mierzymy dojrzałość organizacji, zespołu lub procesu w zawodowym wykorzystaniu AI. Nie mierzymy „czy firma ma ChatGPT”. Mierzymy, czy AI realnie zmienia sposób pracy, czy jest bezpieczne, mierzalne, audytowalne i powiązane z wynikiem biznesowym.

Co nowego w v2.1e

Cztery zmiany względem v2:

Skala rozdzielona na enterprise (v2.1e) i private (v2.1p).
Stałe osie oceny od poziomu 4 - zarządzanie kontekstem, świadomość modelu, oszczędność tokenów, weryfikowalność, odwracalność, bezpieczeństwo i prywatność.
Hooks na poziomie 8, nie jako osobny poziom. To deterministyczna warstwa kontroli wokół agenta, nie autonomia.
Poziom 11 zdefiniowany jako agentic OS - nie „więcej agentów”, tylko zaprojektowany system pracy dla konkretnego celu biznesowego.

Mapa poziomów v2.1e

Poziom	Nazwa	Jednym zdaniem
0	Opór / brak adopcji	Organizacja nie używa AI albo używa go wyłącznie nieformalnie.
1	Podstawowy czat	Pracownicy pytają AI ad hoc, bez standardów.
2	Świadome promptowanie	Ludzie rozumieją, że kontekst, cel i format wpływają na wynik.
3	Frameworki promptowania	Zespół używa powtarzalnych struktur promptów i szablonów.
4	Instrukcje niestandardowe i higiena tokenów	Stałe instrukcje, role i preferencje nie są przepisywane w każdym promptcie.
5	Kontekst projektowy	Wiedza o projekcie żyje w plikach, repozytoriach i dokumentacji dla ludzi oraz agentów.
6	Zaawansowane instrukcje operacyjne	Agent wie nie tylko co robić, ale jak działać, kiedy pytać i czego nie robić.
7	Skille, bazy wiedzy i ewaluacje	Organizacja buduje powtarzalne umiejętności AI, RAG, playbooki i zestawy testów.
8	Narzędzia, MCP, konektory i hooks	AI działa na systemach, ale w kontrolowanym środowisku z uprawnieniami i automatycznymi kontrolami.
9	Agentowe workflow	Człowiek definiuje cel, agent planuje i realizuje proces end-to-end z kontrolą.
10	Orkiestracja wieloagentowa	Wiele agentów współpracuje pod nadzorem koordynatora lub silnika przepływów.
11	Agentic OS dla celów biznesowych	Organizacja projektuje własny system operacyjny pracy agentów dla konkretnych rezultatów biznesowych.

Poziom 0 - Opór / brak adopcji

Organizacja nie używa AI albo oficjalnie zakazuje użycia, mimo że pracownicy mogą korzystać z narzędzi prywatnie lub po cichu.

Bariera: strach, zgodność regulacyjna, brak wiedzy, brak właściciela tematu.
Sukces: uczciwa decyzja - albo świadome „nie teraz”, albo start kontrolowanego pilotażu.
Pułapka: udawanie, że AI nie istnieje, podczas gdy ludzie i tak korzystają z narzędzi po cichu, poza nadzorem.

Sygnał przejścia wyżej: organizacja potrafi nazwać dopuszczalne i niedopuszczalne użycia AI.

Poziom 1 - Podstawowy czat

Pracownicy używają AI jak wyszukiwarki albo generatora tekstów. Pytanie → odpowiedź. Brak wspólnych standardów.

Bariera: brak wiedzy, jak pytać i jak weryfikować.
Sukces: ludzie zaczynają używać AI do prostych zadań: streszczeń, maili, pomysłów, pierwszych wersji dokumentów.
Pułapka: fałszywe poczucie adopcji - „używamy AI”, ale bez wzrostu kompetencji.

Sygnały w organizacji: pojedyncze użycia, brak repo promptów, brak polityki, brak miar.

Poziom 2 - Świadome promptowanie

Pracownicy rozumieją, że AI potrzebuje celu, kontekstu, roli, ograniczeń i oczekiwanego formatu.

Bariera: przejście od „zadaję pytanie” do „projektuję instrukcję”.
Sukces: prompty zawierają cel, odbiorcę, dane wejściowe, ograniczenia i format wyniku.
Pułapka: wiara, że dobry prompt rozwiązuje wszystko.

Przykład. Zamiast „Napisz test case’y” - lepiej: „Jesteś QA w projekcie bankowym. Na podstawie poniższych acceptance criteria przygotuj testy pozytywne, negatywne i brzegowe w formacie tabeli: ID, warunek, kroki, oczekiwany rezultat, ryzyko.”

Poziom 3 - Frameworki promptowania

Zespół ma wspólne szablony: CRISP, role-task-context-format, few-shot, kryteria jakości, checklisty review.

Bariera: dyscyplina stosowania i utrzymania szablonów.
Sukces: zespół ma wspólny język pracy z AI.
Pułapka: biblioteka „złotych promptów” rośnie do 200-liniowych potworków.

Sygnały w organizacji: prompt library, przykłady dobrych/złych promptów, szkolenia, review promptów.

Poziom 4 - Instrukcje niestandardowe i higiena tokenów

Organizacja zaczyna przenosić powtarzalne instrukcje z promptów do ustawień, instrukcji systemowych, instrukcji niestandardowych, konfiguracji asystentów i standardów projektowych.

To pierwszy poziom, na którym jawnie pojawia się oszczędzanie tokenów i kosztów. Nie chodzi o to, żeby pisać krócej za wszelką cenę. Chodzi o to, żeby nie płacić codziennie za ten sam kontekst.

Bariera: inwestycja w setup, który zwraca się dopiero po czasie.
Sukces: krótsze prompty, spójniejsze odpowiedzi, mniej kopiowania instrukcji.
Pułapka: instrukcje niestandardowe stają się śmietnikiem wszystkiego.

Nowość v2.1: od tego poziomu oceniamy świadomość modelu - czy użytkownik wie, kiedy użyć modelu szybkiego, kiedy rozumującego, kiedy modelu kodowego, kiedy multimodalnego, a kiedy w ogóle nie używać AI.

Poziom 5 - Kontekst projektowy

Kontekst żyje przy projekcie: w README.md, AGENTS.md, CLAUDE.md, dokumentacji architektury, ADR-ach, zasadach testowania, definicjach domeny, słownikach i przykładach.

Bariera: potraktowanie dokumentacji dla AI jako elementu inżynierii, nie dodatku.
Sukces: nowy człowiek lub agent szybciej rozumie projekt.
Pułapka: dokumentacja jest nieaktualna, więc agent wykonuje stare zasady.

Sygnały w organizacji: pliki kontekstowe w repo, aktualizowane przy zmianach, używane w praktyce.

Poziom 6 - Zaawansowane instrukcje operacyjne

Agent ma opisane zachowanie: kiedy pytać, kiedy działać samodzielnie, kiedy eskalować, czego nie robić, jak raportować, jak sprawdzać wynik.

Bariera: spisanie norm, które wcześniej były „w głowie zespołu”.
Sukces: agent zachowuje się zgodnie z kulturą pracy zespołu.
Pułapka: zbyt sztywne instrukcje, które blokują sensowne działanie.

Przykład zasad:

„Nie dodawaj zależności bez zgody.”
„Przed zmianą konfiguracji CI zaproponuj plan.”
„Po zmianie testów uruchom tylko dotknięty zakres, a pełny regres zostaw do CI.”
„Nie dotykaj danych produkcyjnych.”

Poziom 7 - Skille, bazy wiedzy i ewaluacje

Organizacja ma powtarzalne skille AI: generowanie raportów, analiza logów, review kodu, tworzenie testów, analiza wymagań, streszczenia spotkań, triage ticketów, pisanie release notes.

Pojawiają się też bazy wiedzy i RAG, ale z kontrolą jakości: źródła, aktualność, właściciele, wersjonowanie.

Bariera: architektura informacji.
Sukces: agent korzysta z właściwej wiedzy i umiejętności bez ciągłego prowadzenia za rękę.
Pułapka: mnożenie skilli bez właścicieli i bez mierzenia jakości.

Nowość v2.1: poziom 7 wymaga prostych ewaluacji - przykładów testowych, które sprawdzają, czy prompt, skill lub agent nadal działa po zmianie modelu, instrukcji albo danych.

Poziom 8 - Narzędzia, MCP, konektory i hooks

Agent nie tylko pisze. Ma dostęp do narzędzi: repozytoriów, systemów ticketowych, dokumentacji, API, Slacka, poczty, kalendarzy, baz danych, środowisk testowych, CI/CD.

MCP pasuje właśnie tutaj - to standard łączenia aplikacji LLM z zewnętrznymi źródłami danych i narzędziami.

Hooks są w v2.1 częścią tego poziomu. Pozwalają wymusić automatyczne kontrole przed, w trakcie lub po działaniu agenta: uruchomienie testów, lintów, skanów bezpieczeństwa, walidacji promptów, wymuszenia review, blokowania niedozwolonych komend, zapisu audytu.

Bariera: bezpieczeństwo, uprawnienia, audyt, ownership.
Sukces: agent ma dostęp tylko do tego, czego potrzebuje, a jego działania są logowane i kontrolowane.
Pułapka: „podłączmy wszystko do wszystkiego”.

Kontrole w organizacji: rejestr agentów, osobna tożsamość agenta, zasada najmniejszych uprawnień, logi, limity kosztów, DLP, lista dozwolonych narzędzi, piaskownica, zatwierdzenie dla działań ryzykownych.

Poziom 9 - Agentowe workflow

Człowiek definiuje cel, agent planuje kroki i realizuje zadanie. Człowiek nie prowadzi go po każdym kroku, ale sprawdza efekt, logi i decyzje.

Bariera: zaufanie, weryfikowalność i odwracalność.
Sukces: agent realizuje proces end-to-end w ograniczonym, znanym zakresie.
Pułapka: iluzja autonomii - agent działa sam, ale człowiek później poprawia 60% wyniku.

Przykłady w organizacji:

„Przygotuj release notes z ostatniego sprintu.”
„Zrób analizę błędów z produkcji i zaproponuj priorytety.”
„Przejrzyj pull request, uruchom testy, zgłoś ryzyka.”
„Przygotuj wersję roboczą odpowiedzi dla klienta na podstawie historii zgłoszenia.”

Na tym poziomie potrzebne są bariery ochronne i weryfikacja przez człowieka. W praktyce produkcyjnej automatyczne walidacje i zatwierdzenia człowieka decydują, czy agent ma kontynuować, zatrzymać się czy poczekać na zgodę.

Poziom 10 - Orkiestracja wieloagentowa

Organizacja ma wiele wyspecjalizowanych agentów: analityk, badacz, programista, tester, recenzent, kontroler zgodności, dokumentalista, menedżer wydań.

Bariera: projektowanie systemu agentów, a nie pojedynczego promptu.
Sukces: agenci współpracują w kontrolowanym procesie i dowożą wynik lepszy niż pojedynczy agent.
Pułapka: przekombinowanie - wielu agentów tam, gdzie wystarczyłby jeden dobry proces.

Anthropic w swoich praktykach budowania agentów podkreśla, że skuteczne implementacje często wygrywają prostymi, komponowalnymi wzorcami, a nie nadmiernie skomplikowanymi frameworkami. To ważne ostrzeżenie dla poziomu 10: orkiestracja ma sens tylko wtedy, gdy złożoność zadania ją uzasadnia.

Poziom 11 - Agentic OS dla celów biznesowych

To nowy poziom v2.1.

Organizacja potrafi zaprojektować własny agentic OS (system operacyjny pracy agentów) dla konkretnego obszaru biznesowego. Nie chodzi o „więcej agentów”. Chodzi o spójny system, w którym:

cele biznesowe są przetłumaczone na workflow,
agenci mają role, właścicieli i zakres odpowiedzialności,
narzędzia są podłączone przez kontrolowane interfejsy,
dane mają źródła, właścicieli i poziomy zaufania,
działania są logowane,
koszty są mierzone,
ryzykowne akcje wymagają zatwierdzenia,
błędy da się cofnąć,
ład organizacyjny jest częścią działania, a nie dokumentem po fakcie.

Bariera: przejście z „używamy AI” do „projektujemy nowy system pracy”. Sukces: AI staje się warstwą operacyjną procesu biznesowego. Pułapka: budowa efektownej platformy bez jasnego celu biznesowego.

Przykładowe agentic OS w organizacji:

Agentic OS dla QA - analiza wymagań, generowanie testów, utrzymanie regresji, analiza testów niestabilnych, raport jakości.
Agentic OS dla wydań - lista zmian, ryzyka, analiza wpływu testów, komunikacja wydania, listy kontrolne, plan wycofania.
Agentic OS dla zgodności regulacyjnej - monitoring regulacji, mapowanie polityk, wersje robocze procedur, zbieranie dowodów.
Agentic OS dla obsługi klienta - wstępna selekcja zgłoszeń, odpowiedzi, eskalacje, analiza sentymentu, baza wiedzy, jakość obsługi.
Agentic OS dla raportowania finansowego - zbieranie danych, wyjaśnianie odchyleń, przygotowanie narracji, kontrola źródeł.
Agentic OS dla zakupów - analiza ofert, ryzyka dostawców, porównania, zgodność z polityką zakupową.

Test poziomu 11: czy możesz wskazać jeden konkretny proces biznesowy i powiedzieć: „tu AI nie jest dodatkiem, tylko warstwą operacyjną procesu - z celami, kontrolami, miernikami, audytem i właścicielem”?

Granice, na które warto patrzeć

Granica 8→9. Narzędzia to jeszcze nie autonomia. Możesz mieć MCP, hooks i 20 integracji, a agent nadal czeka na każdy krok człowieka. Przejście na 9 oznacza, że agent planuje, działa i raportuje - a człowiek przegląda efekt, nie każdy ruch.

Granica 10→11. Orkiestracja to jeszcze nie agentic OS. Wieloagentowy proces można zbudować bez nadzoru, bez właścicieli, bez audytu i bez metryk kosztu. Agentic OS to system pracy z celem biznesowym, nie pokaz zespołu agentów.

Antywzorce v2.1e

AI poza nadzorem. Brak polityki, więc każdy używa, czego chce, na danych, których nie powinien.
Kult cargo promptów. Kopiowanie cudzych „mega-promptów” bez zrozumienia kontekstu.
Integracje bez nadzoru. Agent z dostępem do całej infrastruktury bez tożsamości, audytu i zatwierdzeń.
Agenci bez właścicieli. Działają na produkcji, ale nikt nie wie, kto za nich odpowiada.
OS bez celu. Platforma z panelem, kosztami i prezentacją, ale bez procesu biznesowego, który realnie obsługuje.

Świadomość modeli

W v2.1 dojrzałość obejmuje też świadomość modeli. Ten sam prompt nie musi działać tak samo na różnych modelach. Inaczej instruuje się model szybki, inaczej reasoning model, inaczej model kodowy, inaczej model mały, a inaczej model z dużym kontekstem.

Osoba lub organizacja na wyższym poziomie nie pyta tylko „jakiego promptu użyć?”, ale też: który model, z jakim kosztem, z jakim poziomem rozumowania i z jaką walidacją jest właściwy dla tego zadania?

Co dalej

Wersja prywatna skali ma osobny artykuł: Skala Holaka v2.1p - private. Tam mierzy się dojrzałość codziennego użycia AI - dom, nauka, finanse, smart home, organizacja życia. Inne ryzyka, inne sukcesy, inne pułapki.

Wcześniejsze wersje: pierwotny Model dojrzałości AI (v1) pozostaje dostępny jako kontekst historyczny. Treść v2.0 została w całości włączona do tej wersji v2.1e.

Historia wersji

v1.0 - Model dojrzałości adopcji AI. Powstała w marcu 2026, opublikowana 15 kwietnia 2026. Krótki model 11-poziomowy.
v2.0 - Skala Holaka. Powstała w kwietniu 2026, opublikowana 20 kwietnia 2026. Rozbudowa o diagnozę, anti-patterny i wymiar organizacyjny.
v2.1e (ten artykuł) - enterprise. Rozdzielenie ścieżki firmowej i prywatnej, hooks na poziomie 8, poziom 11 jako agentic OS. 18 maja 2026.
v2.1p - private. Wersja prywatna opublikowana 17 maja 2026. Czytaj v2.1p →

Skala pozostaje modelem rozwijanym iteracyjnie. AI, narzędzia i sposób pracy z agentami zmieniają się szybciej niż większość modeli dojrzałości, dlatego Skala Holaka będzie aktualizowana wraz z praktyką jej użycia w organizacjach i w życiu codziennym.