TL;DR

OpenAI uruchomił Connectors i Record Mode – narzędzia łączące ChatGPT z wewnętrznymi źródłami wiedzy firm i nagraniami spotkań
Zespół produktowy to tylko około 30 osób na 5000 pracowników – lean approach dzięki wykorzystaniu AI do rozszerzania możliwości zespołu
Szukają PM-ów z wysokim grit i product sense – przedsiębiorczość i determinacja ważniejsze niż doświadczenie ML
Trzy kluczowe przepływy pracy z AI: internal research, external research i daily productivity z analizą kodu
92% Fortune 500 używa ChatGPT Enterprise – firmy przechodzą od eksperymentów do pełnych wdrożeń w konkretnych przypadkach użycia
Przyszłość to ChatGPT jako wirtualny współpracownik – delegowanie zadań zamiast tylko wsparcia w bieżącej pracy
Odgrywanie ról w Voice Mode – zaawansowane przygotowywanie się do rozmów przez odgrywanie ról z AI

OpenAI właśnie uruchomił dwa narzędzia, które mogą zmienić sposób pracy zespołów w przedsiębiorstwach. Connectors i Record Mode to kolejny krok w ewolucji od AI jako narzędzia wsparcia do pełnoprawnego współpracownika.

Connectors i Record Mode – zamknięcie luki w wiedzy firmowej

Według Nate Gonzalez, nowe funkcjonalności odpowiadają na fundamentalną potrzebę dostępu do wewnętrznej wiedzy firm. Connectors pozwalają ChatGPT łączyć się bezpośrednio z Google Drive, SharePoint, Box i Dropbox – zarówno na poziomie całej firmy, jak i indywidualnych kont użytkowników. Uruchomiono 4 connectors w ChatGPT i około 12 w Deep Research.

Gonzalez wyjaśnia, że system respektuje istniejące uprawnienia w organizacji. OpenAI przeprowadziło intensywny post-training, wykorzystując własne dane i dane syntetyczne, skupiając się na recency i „seniority of authorship” – czyli social graph w organizacji, aby wydobywać najbardziej relevantne treści. Jeśli zadasz pytanie wymagające wiedzy z Twojej firmy, model może sięgnąć do odpowiednich dokumentów. To połączenie pre-trenowanych danych ChatGPT, aktualnych informacji z internetu i prywatnej wiedzy firmy.

Record Mode uzupełnia ten obraz o wiedzę z rozmów. Jak zauważa Gonzalez, wiele ważnych informacji nigdy nie zostaje zapisanych – to skrótowe notatki ze spotkań, które próbujemy przekazywać zespołom. Record Mode nie tylko nagrywa i transkrybuje, ale modeluje te informacje jak każde inne źródło wiedzy wewnętrznej.

Od szybkiego myślenia do głębokiej analizy

Kluczowa zmiana nastąpiła jednak z wprowadzeniem reasoning models. Gonzalez tłumaczy, że wcześniejsze modele 4.0 działały w paradygmacie „szybkiego myślenia” – błyskawiczne odpowiedzi oparte na pre-trenowanej wiedzy.

Reasoning models wprowadzają natomiast „myślenie wolne”. Model formułuje hipotezy, analizuje różne warianty i składa je w spójną odpowiedź. Ta zmiana pozwoliła więc na szybsze skalowanie Connectors i adopcję protokołu MCP.

Evaluations i jakość produktu – nie za wcześnie, nie za późno

Gonzalez podkreśla kluczową rolę evaluations w rozwoju produktów AI. Najpierw trzeba ustalić właściwą metrykę North Star, zmierzyć baseline i systematycznie poprawiać jakość.

OpenAI łączy jednak wewnętrzne testowanie (dog-fooding własnych produktów) z zewnętrznymi testami alpha i beta z klientami. Gonzalez prowadzi około 4-5 rozmów z enterprise klientami tygodniowo, zbierając bezpośredni feedback.

Ważne jest natomiast nieprzepadanie w pułapkę „get too perfect before you launch”. To nie jest ethos OpenAI. Stawiają wysoki standard jakości, ale mimo to priorytetem jest szybkie dotarcie do user signal – bo tam dopiero evaluations nabierają prawdziwego sensu.

Największe nieporozumienie o OpenAI – safety vs speed

Gonzalez mówi o powszechnym misconception, że szybkie tempo oznacza cięcie corners, szczególnie w obszarze safety. Zespół jest głęboko mission-oriented – każdy PM myśli przede wszystkim o impact i misji firmy.

To paradoksalnie napędza zarówno urgency (szybkie shipping), jak i odpowiedzialność (shipping responsibly). Wiele rzeczy zostaje więc wstrzymanych, jeśli nie przechodzą safety evaluations. Gonzalez podkreśla: „moglibyśmy shippować znacznie więcej, ale celowo trzymamy wysoki standard”.

Dlaczego OpenAI ma tylko 30 Product Managerów

Przy 5000 pracowników i obsłudze 92% Fortune 500, liczba ta może zaskakiwać. Gonzalez dodaje, że miliony mniejszych firm i mid-market companies wykorzystują ChatGPT Team. To ciekawa kombinacja self-serve i sales-managed deploy process.

Gonzalez wyjaśnia filozofię: „Chcemy być wzorcem tego, jak wygląda budowanie firmy na bazie AI”. Nie tylko zespół PM jest lean – zespół inżynierski też jest „relatively speaking” mały jak na skalę biznesu.

Każdy pracownik, włączając PM-ów, wykorzystuje modele do rozszerzania swoich możliwości. To pozwala zespołowi produktowemu pokryć więcej obszarów niż tradycyjne struktury.

Jakich PM-ów szuka OpenAI

Gonzalez wymienia kluczowe cechy idealnego kandydata. Przedsiębiorczość i wysokie grit to podstawa – gotowość do ciężkiej pracy i determinacja w rozwiązywaniu problemów. Product sense oznacza głębokie zrozumienie potrzeb użytkowników i kreatywne podejście do rozwiązań.

Ważne są też zdolności wykonawcze i ciekawość. Gonzalez podkreśla, że doświadczenie w ML jest pomocne, ale nie konieczne. Liczy się wysoka empatia wobec użytkowników i umiejętność balansowania user fit z business considerations – łączenie potrzeb produktowych z misją firmy.

Canvas – przykład kultury bottom-up

Jeden z najlepszych przykładów tej kultury to powstanie Canvas. Gonzalez opisuje, jak IC z zespołu research zaproponował ten pomysł w pierwszym miesiącu pracy – około 4 lipca. Jej manager natychmiast się zgodził i sformował zespół 5-6 inżynierów.

To nie była przymusowa rekrutacja. Ludzie sami chcieli pracować nad tym problemem. Canvas stał się pierwszym dużym update’em UI ChatGPT od pierwotnego wydania. Gonzalez opisuje proces jako „terraforming really quick” – szybkie formowanie zespołu wokół pomysłu. „To nie była rekrutacja pod przymusem – ludzie sami chcieli nad tym pracować”.

Trzy kluczowe przepływy pracy z AI szefa produktu OpenAI

Gonzalez dzieli się swoimi trzema najważniejszymi sposobami wykorzystania AI w codziennej pracy:

1. Internal research – błyskawiczne wchodzenie w tematy

Szybkie zrozumienie projektów research bez niekończących się spotkań
Analiza implementacji technicznych w zespołach inżynierskich
Zdobywanie kontekstu bez zabierania czasu innym zespołom
Ciągłe „re-onboardowanie” się do nowych tematów w szybko ewoluującej branży

2. External research – przygotowanie do rozmów z klientami

Zrozumienie firm klientów przed spotkaniami (OpenAI obsługuje 92% Fortune 500)
Mapowanie wiedzy o produktach OpenAI na specyfikę branży klienta
Szybsze dotarcie do wartości biznesowej w rozmowach
Przygotowanie kontekstu dla różnych sektorów gospodarki

3. Daily productivity – od emaili do analizy kodu

Pisanie emaili, memo i wiadomości Slack
Analiza wewnętrznych danych firmowych
Zrozumienie kodu od inżynierów (pull requesty)
Rozszerzanie własnych umiejętności technicznych

Voice Mode jako trener rozmów

Gonzalez często wykorzystuje jednak Voice Mode do odgrywania ról przed ważnymi rozmowami:

Upload kontekstu do projektu – model ma odpowiednie tło do rozmowy
Wcielanie się w różne role – kandydat, kluczowy klient, prowadzący podcast
Trening umiejętności komunikacyjnych – ostrzenie przekazu przed ważnymi spotkaniami
Krytyka argumentów – model wskazuje słabe punkty i błędy logiczne
Wykorzystanie past meetings – Record Mode + Connectors do lepszego kontekstu

Jak przedsiębiorstwa wdrażają AI – od eksperymentów do produkcji

Gonzalez obserwuje fundamentalną zmianę w 2025 roku. Firmy przechodzą od eksperymentowania z narzędziami AI do pełnych wdrożeń produkcyjnych.

Kluczem do sukcesu są wewnętrzni ambasadorzy AI. To nie zawsze CEO czy C-level. Mogą to być heads of AI, heads of product divisions, CIO-owie czy nawet individual contributors z pasją do transformacji.

Gonzalez podaje przykład Moderna, gdzie wdrożono tysiące wewnętrznych GPT-ów. To efekt kultury bottom-up adoption – możliwość tworzenia i udostępniania GPT-ów między kolegami. Morgan Stanley wykorzystuje rozwiązania OpenAI w wealth management. Firmy skupiają się na konkretnych problemach biznesowych, nie na narzędziach dla narzędzi.

✅ CHECKLIST WDRAŻANIA AI DLA FIRM

Gonzalez sugeruje dwutorowe podejście:

BROAD DEPLOYMENT:

Daj narzędzia AI wszystkim pracownikom
Pozwól im nabrać biegłości w codziennym użyciu
Buduj kulturę bottom-up jak w OpenAI
Umożliw tworzenie i udostępnianie GPT-ów między zespołami

FOCUSED USE CASES:

Zidentyfikuj 1-2 procesy biznesowe o najwyższej wartości dodanej
Skup większość uwagi go-to-market na tych obszarach
Definiuj konkretne problemy biznesowe (nie narzędzia dla narzędzi)
Znajdź internal champions w różnych częściach organizacji
Mierz sukces przez konkretne metryki biznesowe, nie adopcję

Przyszłość PM – ChatGPT jako virtual coworker

Gonzalez widzi przyszłość Product Managerów w ścisłej współpracy z AI jako virtual coworkerem. Wyobraź sobie poranek, gdy siadasz do ChatGPT, widzisz listę zadań i możesz zdelegować część z nich.

To nie tylko orchestracja różnych agentów. Chodzi o zredukowanie cognitive load i pozwolenie modelowi na inteligentne wybieranie narzędzi – Deep Research, Operator czy inne. Za kulisami może działać wiele agentów, ale interakcja pozostaje skoncentrowana na ChatGPT jako centralnym punkcie.

Gonzalez dystansuje się od porównania AI do stażystów. Reasoning models i lepsze interfejsy użytkownika sprawiają, że to raczej współpracownik, któremu można zaufać wykonanie zadań. To AI, które może robić matematykę na poziomie PhD i rozumieć każdy napisany kod.

Praktyczne rady dla rozwoju umiejętności AI

Na pytanie o przygotowanie się do przyszłości AI w pracy, Gonzalez ma jasną odpowiedź: nie chodzi tylko o poznanie narzędzi, ale o czynienie ich rozszerzeniem sposobu pracy.

Kluczowe są dwie pętle: productivity loops (jak robić rzeczy szybciej) i quality improvement loops (jak robić rzeczy lepiej). Nie tylko pisz emaile szybciej – pisz lepsze emaile. Nie tylko rób drafty – poproś o krytykę, wskazanie słabych punktów argumentacji i błędów logicznych.

✅ PERSONAL AI SKILLS CHECKLIST

PODSTAWY:

[ ] Używaj AI codziennie w pracy (nie tylko „próbuj narzędzia”)
[ ] Znajdź swoje 3 kluczowe workflow jak Gonzalez
[ ] Wykorzystuj 10-minutowe przerwy do zadań z AI (zasada IKEA)

PRODUCTIVITY + QUALITY LOOPS: •

[ ] Pisanie emaili, memo, dokumentów – rób to szybciej i lepiej
[ ] Proś AI o krytykę argumentów i wskazanie słabych punktów
[ ] Research i przygotowanie do spotkań – lepszy kontekst przed rozmowami
[ ] Eksperymentuj z Voice Mode do role-play przed ważnymi spotkaniami
[ ] Analizuj kod i dane – rozszerzaj swoje umiejętności techniczne
[ ] Buduj quality improvement loops, nie tylko productivity loops

Gonzalez podkreśla: to właśnie te pętle poprawy jakości myślenia i procesów robią różnicę.

Jak zacząć z ChatGPT w firmie

Gonzalez wskazuje ChatGPT Team jako najlepszy punkt startowy dla firm. W środowy announcement OpenAI włączył SSO, co ułatwia wdrożenia w biznesach. Można zacząć self-serve i szybko testować.

ChatGPT Enterprise oferuje zaawansowane funkcje compliance i security. Kluczowa gwarancja prywatności: OpenAI nigdy nie trenuje na danych z workspace’ów. Twoje dane pozostają w workspace i nigdy nie trafiają do training pipelines. Na poziomie Enterprise dostępne są dodatkowe kontrole bezpieczeństwa dostosowane do różnych branż i wymagań compliance.

Planowanie jako mapa, nie mapa jako teren

Standardowo myślimy: Im dokładniejszy i szczegółowszy plan, tym lepsze wykonanie i większe szanse na sukces projektu.

W praktyce okazuje się, że: Gonzalez traktuje plan jako „model kompromisów” wiedząc, że „jak tylko skończysz plan, jest już nieaktualny”. Plan nie jest do realizacji – to framework do podejmowania decyzji.

Dlaczego to jest istotne: Większość zespołów marnuje miesiące na tworzenie „idealnych” planów, które i tak będą nieaktualne. Gonzalez używa planning jako narzędzie myślenia, nie instrukcję wykonania.

Test na jutro: Następnym razem gdy planujesz projekt, zamiast skupiać się na dokładności dat i kamieni milowych, zadaj sobie pytanie: „Jakie trade-offy będę musiał robić?” i stwórz framework do podejmowania tych decyzji.

Cytat na zakończenie

Gonzalez cytuje motto z podcastu Acquire o IKEA, które utkwiło mu w pamięci: „Never underestimate the power of what you can get done in 10 minutes worth of time”.

Ma „laundry list of things” do zrobienia każdego dnia. W każdej 10-minutowej przerwie przed spotkaniem zastanawia się: co mogę zrobić z modelem, żeby przyspieszyć pracę i popchnąć projekty do przodu.

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je tutaj: https://www.youtube.com/watch?v=nwSxlrSbVqg

Tag: Daily Productivity Ai

Jak szef produktu OpenAI używa AI w codziennej pracy #EN140