Skala Holaka (i Gomulskiego) 3.0

Skąd nazwa. Tę skalę od początku tworzyłem z pomocą Konrada Gomulskiego. Przy wersji 3.0 Konrad zaangażował się znacznie mocniej - jego pytania, kontrargumenty i recenzje realnie ukształtowały ten model. Dlatego uznaliśmy, że czas poprawić nazwę: od tej wersji to Skala Holaka (i Gomulskiego). Tło decyzji opisałem we wpisie Skala Holaka (i Gomulskiego) 3.0 - mniej poziomów, więcej sensu.

TL;DR

Pięć poziomów zamiast dwunastu. Najważniejsza zmiana: poziom opisuje kontekst, nie człowieka.

0

Opór

1

Podstawy

2

Świadome użycie

3

Zaawansowane procesy

4

Autonomia / dojrzała adopcja

Po co wersja 3.0

Poprzednia wersja Skali Holaka dobrze pokazywała szczegółową drogę adopcji AI: od prostego czatu, przez promptowanie, instrukcje, kontekst, skille, narzędzia, agentowe workflow, orkiestrację i agentic OS. W praktyce ta szczegółowość miała jednak koszt. Zamiast rozmawiać o realnej zmianie pracy, ludzie zaczynali spierać się o numery poziomów. Czy jesteśmy na 6 czy na 7? Czy MCP automatycznie daje poziom 8? Czy organizacja może być na 2, jeśli pojedyncza osoba jest na 9?

Wersja 3.0 odpowiada na te problemy przez uproszczenie. Zamiast wielu szczebli mamy pięć głównych poziomów. Szczegółowe elementy z poprzedniej skali nie znikają, ale stają się podobszarami diagnostycznymi. Nie punktujemy ich osobno. Używamy ich do rozmowy o dojrzałości konkretnego procesu.

Główna zasada: poziom jest kontekstowy

Ten sam człowiek może być:

Nie pytamy „na którym poziomie jesteś?”. Pytamy „na którym poziomie jest ten konkretny obszar użycia AI?”.

Jak czytać poziomy

Podpoziomy nie są punktowane. Nie chodzi o wynik 7/10 ani o zaliczenie checklisty. Każdy poziom ma kilka podobszarów dojrzałości. Rozumienie części z nich pozwala wejść na dany poziom. Wejście na kolejny wymaga jednak rozumienia i stosowania całego poziomu niżej.

Wyjątkiem jest poziom 0 - opisuje stan przed świadomą adopcją albo świadomą rezygnację z AI w danym obszarze.

Poziom 0 - Opór

AI nie jest używane albo jest używane wyłącznie przypadkowo, po cichu, bez zasad lub wbrew oficjalnej polityce. Opór może wynikać z braku wiedzy, lęku, złych doświadczeń, ograniczeń regulacyjnych, powodów etycznych albo braku jasnego przypadku użycia.

Poziom 0 nie jest obelgą. Czasem świadome „nie używamy AI w tym procesie” jest dojrzalsze niż niekontrolowane użycie AI na danych wrażliwych.

Podobszary

• Brak użycia - AI nie jest częścią codziennej pracy ani życia prywatnego.
• Nieświadome użycie - ktoś używa AI bez refleksji, co wolno, jakie są ryzyka i gdzie trafiają dane.
• Opór emocjonalny - barierą nie jest technologia, tylko lęk, nieufność albo poczucie zagrożenia.
• Opór organizacyjny - brak polityki, właściciela, zasad i przestrzeni do bezpiecznego eksperymentowania.
• Świadoma rezygnacja - ryzyko, koszt albo aspekt regulacyjny przewyższa potencjalną korzyść.

Sygnał wyjścia

Możesz przejść na poziom 1, gdy potrafisz wskazać bezpieczny przypadek użycia AI i nazwać podstawowe granice: czego nie wklejać, czego nie ufać bez sprawdzenia, kiedy AI nie powinno być użyte i kto odpowiada za wynik.

Typowa pułapka: udawanie, że AI nie istnieje, podczas gdy ludzie i tak używają go po cichu. To nie jest bezpieczeństwo. To brak kontroli.

Poziom 1 - Podstawy

AI jest używane do prostych, ad hoc zadań: pytanie, odpowiedź, streszczenie, mail, pomysł, szybkie wyjaśnienie, prosta transformacja tekstu. Użytkownik zaczyna rozumieć, że AI jest przydatne, ale nie traktuje go jeszcze jako elementu procesu. Wielu zaawansowanych użytkowników wraca do poziomu 1 przy prostych zadaniach - różnica polega na tym, że nie zostają tam na stałe.

Podobszary

• Prosty czat - pytanie i użyteczna odpowiedź.
• Pierwsze przypadki użycia - mail, streszczenie, pomysły, proste tłumaczenie, szkic dokumentu, wyjaśnienie pojęcia.
• Podstawowa weryfikacja - świadomość, że odpowiedź może być błędna mimo przekonującej formy.
• Podstawowa higiena danych - nie wkleja się bezrefleksyjnie danych osobowych, tajemnic firmowych, haseł, danych medycznych ani finansowych.
• Rozpoznanie ograniczeń - AI nie jest wyszukiwarką, bazą prawdy ani ekspertem z odpowiedzialnością zawodową.

Typowa pułapka: „używam AI codziennie, więc jestem zaawansowany”. Można przez rok codziennie zadawać proste pytania i nadal być na poziomie 1.

Poziom 2 - Świadome użycie

AI przestaje być traktowane jak magiczne okno do wpisywania pytań. Użytkownik zaczyna projektować instrukcję: daje cel, kontekst, rolę, ograniczenia, dane wejściowe, oczekiwany format i kryteria jakości. Iteruje, porównuje odpowiedzi, koryguje model i używa stałych instrukcji. To poziom, na którym pojawia się realny wzrost jakości - bez budowania integracji, agentów i złożonych procesów.

Podobszary

• Cel i kontekst - po co, dla kogo, w jakiej domenie, z jakimi ograniczeniami i kryteriami sukcesu.
• Format odpowiedzi - tabela, lista ryzyk, test case'y, plan działania, checklist, JSON, user story, raport.
• Iteracja i krytyka wyniku - poprawa, warianty, kontrargumenty, testy brzegowe, sprawdzenie założeń, ocena ryzyka.
• Szablony i frameworki - powtarzalne schematy pracy zamiast wymyślania promptu od zera.
• Instrukcje niestandardowe - stałe preferencje, styl, rola i standardy trafiają do ustawień, profilu i instrukcji projektowych.
• Świadomość modeli - inny model do kodu, inny do rozumowania, inny tani, inny lokalny czy z dużym kontekstem.
• Higiena kosztu i tokenów - nie płaci się codziennie za te same 200 linijek kontekstu.

Typowa pułapka: fetysz promptów. Zespół buduje bibliotekę „złotych promptów” po 200 linijek, ale nadal kopiuje je ręcznie zamiast przenieść stały kontekst do instrukcji i dokumentacji.

Poziom 3 - Zaawansowane procesy

AI przestaje być tylko rozmową i zaczyna być częścią procesu. Pojawia się stały kontekst, uporządkowana wiedza, narzędzia, integracje, automatyzacje, skille, ewaluacje i zasady bezpieczeństwa. AI czyta pliki, analizuje repozytorium, korzysta z dokumentacji, tworzy zadania, uruchamia testy i wspiera workflow.

Narzędzia przed skillami. Zanim zbudujesz wyspecjalizowane skille i bazy wiedzy, musisz rozumieć, z czym AI realnie pracuje, jakie ma uprawnienia i jak kontrolować działania. Skill bez zrozumienia narzędzi staje się kolejnym ładnym promptem. Narzędzie bez zasad staje się ryzykiem. Dopiero połączenie obu warstw tworzy proces.

Podobszary

• Stały kontekst - pliki projektowe, dokumentacja, ADR-y, README, AGENTS.md, CLAUDE.md, baza wiedzy, repozytorium.
• Zaawansowane instrukcje operacyjne - kiedy pytać, kiedy działać, kiedy eskalować, jak raportować, kiedy zatrzymać działanie.
• Narzędzia, integracje i konektory - dostęp do repozytoriów, dokumentów, Jiry, kalendarza, API, środowiska testowego, CI/CD - ograniczony i uzasadniony.
• Hooks i automatyzacje kontrolne - uruchom testy, sprawdź format, zablokuj niedozwoloną komendę, poproś o zgodę, zapisz log, wymuś review.
• Skille i powtarzalne umiejętności - analiza logów, triage bugów, generowanie testów, review kodu, release notes.
• Bazy wiedzy i RAG - wiedza ma właściciela, zakres, aktualność, źródła i reguły aktualizacji.
• Ewaluacje - kilka reprezentatywnych przypadków i oczekiwany wynik pokazują, czy prompt albo skill nadal działa po zmianie.
• Bezpieczeństwo i własność - kto odpowiada, jakie dane wolno używać, jakie akcje wymagają zgody, gdzie jest log, jak zatrzymać proces.

Typowe pułapki

• Dokumentacja-cmentarz - kontekst istnieje, ale nikt go nie aktualizuje.
• Integracje bez procesu - AI ma dostęp do narzędzi, ale nie ma jasnego workflow.
• Skill-bloat - kilkanaście skilli, których nikt nie używa i nie utrzymuje.
• MCP jako trofeum - są konektory, ale nie ma kontroli, mierników ani realnej wartości.

Poziom 4 - Autonomia / dojrzała adopcja

AI realizuje ograniczone cele end-to-end. Człowiek nie prowadzi modelu po każdym kroku - definiuje cel, granice, kryteria sukcesu i sposób weryfikacji. AI planuje, działa i raportuje, a człowiek zatwierdza efekt, sprawdza ryzyka i koryguje system. To nie jest pełna autonomia bez nadzoru. To dojrzała adopcja, w której autonomia jest ograniczona, sprawdzalna i odwracalna.

Podobszary

• Delegowanie celów, nie kroków - „przygotuj release notes”, „przeanalizuj błędy produkcyjne”, a nie „zrób A, potem B, potem C”.
• Agentowe workflow - zebranie danych, analiza, wykonanie kroków, wynik, uzasadnienie i wskazanie ryzyk.
• Sprawdzalność - widać, co AI zrobiło, na jakich danych, jakie decyzje podjęło i jaki był koszt.
• Odwracalność - błędne działanie da się cofnąć albo ograniczyć jego skutki.
• Człowiek w pętli tam, gdzie trzeba - zatwierdza działania wysokiego ryzyka: produkcja, pieniądze, dane wrażliwe, decyzje prawne i kadrowe.
• Orkiestracja tylko tam, gdzie ma sens - wiele ról dopiero wtedy, gdy pojedynczy agent stabilnie dowozi zadania.
• Agentic OS / operating model - role, właściciele, mierniki, koszty, logi, przeglądy, feedback loop i procedura zatrzymania.
• Dojrzałość etyczna i organizacyjna - skutki dla ludzi, prywatność, bias, zgodność, granice automatyzacji i prawo do odmowy użycia AI.

Typowe pułapki

• Iluzja autonomii - AI działa „samo”, ale człowiek później poprawia 60% wyniku.
• Orkiestracja miernoty - wiele agentów współpracuje, ale żaden nie potrafi dobrze wykonać swojej części.
• OS bez celu - efektowna platforma, ale nie wiadomo, jaki proces realnie poprawia.
• Autonomia bez odpowiedzialności - agent działa, ale nikt nie jest właścicielem skutków.

Mapa przejścia z v2.1 do v3.0

Stare poziomy nie zostały wyrzucone. Zostały pogrupowane w pięć nowych. Poniżej wizualna mapa 12 starych szczebli w 5 nowych poziomów.

0 - Opór

• 0 - Opór / brak adopcji

1 - Podstawy

• 1 - Podstawowy czat

2 - Świadome użycie

• 2 - Świadome promptowanie
• 3 - Frameworki promptowania
• 4 - Instrukcje i higiena tokenów

3 - Zaawansowane procesy

• 5 - Kontekst projektowy/domowy
• 6 - Zaawansowane instrukcje
• 8 - Narzędzia, MCP, hooks
• 7 - Skille, wiedza, ewaluacje

4 - Autonomia

• 9 - Agentowe workflow
• 10 - Orkiestracja
• 11 - Agentic OS

Minimalna diagnostyka 3.0

Zamiast pytać „na którym jesteś poziomie?”, użyj krótkiej diagnozy.

Macierz kontekstów

Wersja 3.0 powinna być używana jako macierz, a nie pojedyncza etykieta. Przykład wypełnionej diagnozy:

Krzywa wartości i kosztu

Poziomy nie mają równej wartości ani równego kosztu. Największy zwrot dla większości osób i zespołów daje wejście na poziom 2. Im wyżej, tym koszt i wymagana dyscyplina rosną szybciej niż dodatkowa wartość.

Największy zwrot jest na przejściach 0 → 1, 1 → 2 i 2 → 3. Poziom 4 jest dla wybranych procesów, nie dla wszystkiego.

Wartość Koszt i złożoność

Najważniejsze zasady Skali Holaka (i Gomulskiego) 3.0

1. Poziom jest kontekstowy. Nie jesteś „na 3”. Możesz być na 3 w QA, na 2 w analizie dokumentów i na 1 w komunikacji.
2. Niższy poziom nie jest gorszy moralnie. Czasem poziom 0 jest świadomą decyzją, a poziom 4 byłby nieodpowiedzialny.
3. Nie trzeba iść na 4. Dla wielu osób i procesów poziom 2 albo 3 daje najlepszy stosunek wartości do kosztu.
4. Narzędzia nie oznaczają dojrzałości. MCP, konektory, skille i agenci są środkami, nie dowodem adopcji.
5. Autonomia wymaga kontekstu. Nie da się odpowiedzialnie przeskoczyć z dobrego promptowania do samodzielnego agenta bez zasad, narzędzi, ewaluacji i kontroli.
6. Skala mierzy zdolność, nie etykę. Dlatego dojrzała adopcja musi zawierać osobny wymiar odpowiedzialności, prywatności i granic automatyzacji.
7. Dowód jest ważniejszy niż deklaracja. Najlepszy test: pokaż konkretny wynik z ostatniego tygodnia i wyjaśnij, co AI realnie poprawiło.

Źródła i kontekst

Ten model powstał jako uproszczenie i przebudowa wcześniejszych wersji:

• Skala Holaka (i Gomulskiego) 3.0 - mniej poziomów, więcej sensu (wpis o aktualizacji)
• Skala Holaka v2.1e - enterprise
• Skala Holaka v2.1p - private
• Gdzie skala Holaka zawodzi - autokrytyka

Wersja 3.0. Współtworzą Grzegorz Holak i Konrad Gomulski.