21 lat, Kraków. AI zacząłem używać w styczniu 2023; w czerwcu 2023 dołączyłem do MSTUDIO — od WordPressa, przez coraz bardziej rozbudowane projekty klienckie, aż po pełne aplikacje webowe. Z czasem — przez codzienną praktykę i kursy Wadyma Melnyka — przeszedłem od chatów AI przez automatyzacje w Make do Claude Code. Dziś 90% pracy wykonuję przez AI: buduję aplikacje webowe dla klientów oraz wewnętrzne narzędzia firmowe. Równolegle studiuję zarządzanie na UEK, łącząc wiedzę akademicką z codziennym zarządzaniem agentycznymi procesami AI.
10 projektów — 10 lekcji.
Rozbudowa strony banku spółdzielczego z 155-letnią historią. Jeden z moich pierwszych projektów z trudniejszymi wymaganiami compliance i dostępności (WCAG, accessibility toolbar). Tu nauczyłem się, jak ciężko może być spełnić niektóre wymagania klienta. AI — jako copywriter.
Platforma kursów dla studentów po angielsku. LearnDash (LMS na WordPressie) + system płatności (WooCommerce), dostęp kursantów, certyfikaty. Projekt, w którym AI realnie uczestniczyła w procesie tworzenia — research, pomoc w nauce nowych narzędzi.
Strona firmy komunalnej z systemem harmonogramów odbioru odpadów. Punkt zwrotny — WordPress jako szkielet, ale logikę (harmonogramy) i wszystkie ekrany napisałem już w Claude Code jako shortcodes wywoływane w edytorze. Pierwsza Claude Code w projekcie klienckim.
Wizualizer Dachówki dla ML SYSTEM S.A. — aplikacja AI, która na podstawie zdjęcia generuje profesjonalną wizualizację dachu z nową dachówką. Klient wchodzi na visual.photonroof.eu, wgrywa zdjęcie — może to być gotowy dom, projekt architektoniczny, wizualizacja lub sama konstrukcja dachowa przed kryciem — wybiera jeden z 6 rodzajów dachówki i w krótkim czasie dostaje gotową wizualizację z suwakiem PRZED/PO. Zero instalacji, działa w przeglądarce — frontend-only SPA bez własnego backendu. Zbudowane na React 19 + TypeScript + Vite, z dwuetapowym pipeline'em Gemini AI. Efekt: realna pomoc w decyzji zakupowej — nawet zanim dach powstanie.
Jeden z pierwszych landingów zrobionych w 100% Claude Code — strona firmy transportowo-spedycyjnej. Zero WordPressa, zero template'u. Vite + React + Tailwind v4, w pełni custom. Tu zobaczyłem, że Claude Code to inny, wcześniej dla mnie niewyobrażalny sposób i możliwość tworzenia.
Pierwsza realna aplikacja, którą zbudowałem dla potrzeb wewnętrznych, żeby rozwiązała mój problem. Pracujemy zdalnie — komunikacja zadań przez WhatsApp, maile i telefon była chaotyczna i nieefektywna. Wyszedłem od problemu i stworzyłem aplikację: projekty klienckie i firmowe, statusy zadań, zadania cykliczne, faktury cykliczne. Tu zrozumiałem, jak spersonalizowana aplikacja może rozwiązać realny problem i ułatwić życie.
Lecieliśmy w 4 osoby do Edynburga na 1 dzień. Zrobiłem aplikację towarzyszącą w zwiedzaniu: kaskadowe planowanie godzin, mapy z punktami, ciekawostki. Mały projekt, ale działał i realnie okazał się użyteczny. AI i tworzenie aplikacji może pomagać mi też w prywatnym życiu — dzięki prostocie i szybkości tworzenia.
System zarządzania praktykantami dla agencji reklamowej MSTUDIO: rejestracja kandydatów przez tokenowe linki, akceptacja regulaminów (RODO, prawa autorskie, poufność) z wersjonowaniem treści, tablica projektów filtrowana po specjalności praktykanta (Grafika / Informatyka), ewidencja czasu pracy Start/Stop, linia czasu praktyki z gradientem zielony → czerwony. Logowanie tylko przez email + 6-cyfrowy kod — bez haseł, bez resetu, bez konfiguracji wysyłki maili. Agencja MSTUDIO potrzebowała własnego narzędzia do organizacji praktyk — z każdą rundą uwag aplikacja rozrastała się o kolejne moduły. Sam zarządzałem cyklem: od specyfikacji, przez koordynację developmentu, po testowanie wdrożeń i dokumentację każdej iteracji.
System poleceń dla firmy ubezpieczeniowej GPF: klient poleca znajomemu, znajomy kupuje polisę, obaj dostają nagrodę. Cztery osobne panele (admin, przedstawiciel, polecający, polecony), automatyczne powiadomienia SMS i e-mail, udostępnianie przez WhatsApp z podglądem OG. Klient przyszedł z pomysłem na kartkę — wyszła z tego pełna aplikacja webowa z kilkoma rundami iteracji. Pierwszy projekt, w którym sam zarządzałem całym cyklem: od specyfikacji, przez zarządzanie developmentem, po testowanie wdrożeń i dokumentację techniczną.
Moja prywatna aplikacja: AI journal + kaskadowe planowanie (Tydzień → Dzień) + tracker nawyków. Przeczytałem „7 nawyków skutecznego działania" Coveya, używałem aplikacji do AI journallingu — chciałem to połączyć w 1: wiedza z książki, planer i aplikacja do journaling. Zbudowałem własną totalnie spersonalizowaną rozbudowaną aplikację do zarządzania sobą. Efekt to codzienne używanie od kilku tygodni, cały czas ulepszane — mogę robić własne rozbudowane aplikacje do zarządzania sobą lepsze i bardziej spersonalizowane niż te dostępne na rynku. Wersja demo (oczyszczona z danych osobowych) dostępna na GitHubie.
4 projekty. Klikaj zakładki, żeby przeskakiwać między historiami.
Frontend-only SPA z dwuetapowym pipeline'em Gemini AI dla klienta z GPW.
Sprzedawcy dachówek mają jeden wspólny problem: klient nie wyobraża sobie efektu końcowego, patrząc na wzorniki i katalogi. A decyzja często zapada jeszcze przed budową — na etapie projektu architektonicznego albo gdy stoi już tylko sama więźba dachowa. Brakowało prostego narzędzia, które pokaże jak konkretna dachówka będzie wyglądać na dachu klienta — niezależnie, czy to gotowy dom, projekt wizualizacji, czy zdjęcie z placu budowy. Każde istniejące rozwiązanie było albo za drogie, albo wymagało specjalistycznego oprogramowania — żadne nie działało natychmiastowo, prosto, z poziomu przeglądarki.
Dwuetapowy pipeline AI: Gemini 2.5 Flash najpierw wykrywa, czy na przesłanym zdjęciu widoczny jest dach — działanie co ważne na pełnym przekroju materiałów: gotowych domów, projektów architektonicznych, wizualizacji 3D oraz zdjęć z placu budowy z samą więźbą dachową. Dopiero po pozytywnej weryfikacji uruchamia się Gemini 3 Pro, który generuje wizualizację z wybraną teksturą dachówki. Jeśli dach nie zostanie wykryty, użytkownik dostaje komunikat z prośbą o inne zdjęcie. Sześć rodzajów dachówki — każdy z osobno sprofilowanym promptem, który wymusza realną skalę, właściwy wzór układania i zero efektu „rozmazania" tekstury. Formularz kontaktowy trafia bezpośrednio do skrzynki odbiorczej ML SYSTEM S.A. z danymi potencjalnego klienta i wybranym rodzajem dachówki.
Klient widzi efekt na swoim własnym dachu — niezależnie, czy to gotowy budynek, projekt na etapie planowania, czy plac budowy. To eliminuje największy hamulec decyzji zakupowej i skraca ścieżkę od zainteresowania do kontaktu ze sprzedawcą. Aplikacja działa produkcyjnie na visual.photonroof.eu.
Internal SaaS do zarządzania praktykantami zdalnymi.
W agencji MSTUDIO co kilka miesięcy pojawiają się nowi praktykanci, a do tej pory cała organizacja toczyła się poza systemem — CV w mailach, godziny w kalendarzach, zgody RODO i prawa autorskie podpisywane na papierze, briefy w rozproszonych folderach Google Drive. Przy kilku praktykantach jednocześnie trudno było zorientować się, kto na jakim etapie jest, ile godzin już odpracował i czy zaakceptował regulaminy. Każda nowa praktyka zaczynała się od tego samego chaosu organizacyjnego.
Zaprojektowałem aplikację z podziałem na panel admina i panel praktykanta. Cały dostęp oparty na tokenach (link rejestracyjny zna tylko zaproszony kandydat) i 6-cyfrowych kodach — bez haseł, bez resetu, bez konfiguracji wysyłki maili; jeśli trzeba, admin generuje nowy kod ręcznie. Akceptacja regulaminów RODO, praw autorskich i poufności jest wersjonowana: każda akceptacja zapisuje migawkę treści, więc praktykant po latach widzi dokładnie tę wersję, którą podpisał — nawet jeśli regulamin został później zmieniony. Praktykant ma typ (Grafika / Informatyka) i widzi tylko projekty zgodne ze swoją specjalnością. Linia czasu praktyki z gradientem zielony → czerwony pokazuje adminowi jednym rzutem oka, ile osobie zostało do końca. System przeszedł kilka rund uwag — od pierwszego MVP po dorabianie ewidencji godzin Start/Stop, typów praktyk i wersjonowania regulaminów.
Aplikacja działa produkcyjnie i obsługuje rekrutację oraz pracę praktykantów w MSTUDIO. Zamiast maili, wydruków i Excela — jedno miejsce, w którym cały cykl praktyki, od zgłoszenia po datę końcową, dzieje się automatycznie.
Pierwszy duży kontrakt zewnętrzny — multiagencja ubezpieczeniowa.
Klient prowadził program poleceń na papierze — przedstawiciele rozdawali wizytówki, a informację o nowych poleceniach dostawali telefonicznie albo mailem. Nie było żadnego śledzenia: kto kogo polecił, czy polisa została zawarta, ile nagród wypłacono. Przy kilkudziesięciu przedstawicielach i setkach poleconych — chaos.
Zaprojektowałem i koordynowałem budowę czteropanelowego systemu: admin zarządza akcjami i nagrodami, przedstawiciel widzi swoich poleconych i polisy, polecający śledzi status w panelu /moje-konto, polecony rejestruje się przez dedykowany link /r/. Automatyczne powiadomienia e-mail (Resend) i SMS (SMSAPI) na każdym etapie — od rejestracji po wypłatę nagrody. Linki do udostępniania generują podgląd WhatsApp z OG meta tagami. System przeszedł kilkanaście rund iteracji — od pierwszego MVP po pełną obsługę akcji czasowych z konfigurowalnymi progami nagród.
System działa produkcyjnie, obsługuje dziesiątki przedstawicieli i setki poleconych. Zamiast telefonów i Excelów — jedno miejsce, gdzie cały przepływ od polecenia do nagrody działa automatycznie.
AI journal + kaskadowe planowanie + tracker nawyków.
Próbowałem wielu plenerów, sposobów zapisywania rzeczy — każde narzędzie rozwiązywało tylko część mojego problemu. Brakowało mi jednego miejsca, które łączy planowanie kaskadowe, journal i nawyki, a do tego zgodnie z wiedzą z książki „7 nawyków skutecznego działania", która mnie zainspirowała do lepszego zarządzania sobą.
Trzy moduły: kaskadowe planowanie (Tydzień → Dzień), cotygodniowy journal z AI na Claude, tracker nawyków; a wszystko oparte na książce Coveya. Wszystko spersonalizowane pod sposób, w jaki ja myślę o swoim rozwoju — od struktury planowania, pytania po nawyki jakie śledzę itp. Dane szyfrowane end-to-end (AES-GCM, klucz z BIP-39 mnemonic, znany tylko mi) — Supabase trzyma tylko zaszyfrowane blob'y, AI widzi tylko to, co świadomie wysyłam. Stack: Next.js 16, Supabase, Anthropic Claude.
Codziennie jej używam od kilku tygodni, ciągle ulepszam i planuję nowe funkcjonalności. Aplikacja, która stała się nawykiem i rozwiązała moje problemy.
