Produkt AI to nie jest “model, który coś robi”. To kilka warstw, z których model bywa najmniej istotną. Kiedy budowałem QuizBase - API z 1,2 mln pytań quizowych - najwięcej decyzji nie dotyczyło sztucznej inteligencji, tylko tego, jak ułożyć dane, jak je udostępnić i komu. W tym artykule rozkładam anatomię produktu AI na czynniki pierwsze, warstwa po warstwie, tak jak wygląda to w praktyce, a nie na slajdzie.
To kontynuacja wątku, który zacząłem opisując, jak zbudowałem to API nie pisząc kodu. Tam chodziło o zmianę roli produktowca. Tutaj o to, co konkretnie trzeba zbudować, gdy bariera wykonania już zniknęła.
Warstwa 1: pomysł, który da się obronić
Każdy produkt zaczyna się od pomysłu, ale większość pomysłów to rozwiązania w poszukiwaniu problemu. Pierwsza warstwa to nie “co fajnego mogę zrobić”, tylko “czyj konkretny problem to rozwiązuje i dlaczego istniejące rozwiązania są za słabe”.
Przy QuizBase problem był jasny: twórcy gier i aplikacji edukacyjnych potrzebują pytań, a dostępne API są albo ubogie, albo jednojęzyczne, albo bez czytelnych licencji. To wąska, ale realna nisza. Pomysł da się obronić zdaniem: “wielojęzyczne pytania z czystą atrybucją licencji, dostępne przez jedno API”. Jeśli nie potrafisz streścić wartości w jednym zdaniu, nie masz jeszcze warstwy pierwszej.
Warstwa 2: dane jako fundament
W produkcie AI dane są częściej fundamentem niż model. QuizBase to w gruncie rzeczy projekt o danych: 12 otwartych źródeł, zblendowanych i zdeduplikowanych, z których każde ma inną strukturę, jakość i licencję.
Ta warstwa to najwięcej żmudnej, niewidocznej pracy: ujednolicenie formatów, usunięcie duplikatów, przypisanie kategorii, kalibracja trudności. Model AI pomaga ją wykonać, ale to człowiek decyduje, co znaczy “dobre dane”. Bez tej decyzji dostajesz wielki zbiór śmieci, który ładnie wygląda w statystykach i jest bezużyteczny w praktyce. Dane to fundament, a fundamentu nie widać - dlatego tak łatwo go zlekceważyć.
Warstwa 3: architektura, czyli decyzje na lata
Architektura to warstwa, w której podejmujesz decyzje najtrudniejsze do cofnięcia. Jak modelować pytanie? Czy tłumaczenia to osobne rekordy, czy warianty jednego? Jak zaprojektować trudność, żeby dało się po niej filtrować?
W QuizBase każde pytanie ma kanoniczne ID, które łączy jego wersje językowe. To wygląda na drobiazg, a jest fundamentalną decyzją: dzięki niej dodanie kolejnego języka nie rozsadza systemu. Zła decyzja architektoniczna nie boli od razu - boli za pół roku, gdy chcesz coś dodać i okazuje się, że trzeba przepisać połowę. To dokładnie ten rodzaj myślenia o konsekwencjach, który jest sednem strategicznego podejścia do AI w organizacji.
Warstwa 4: interfejs, czyli jak inni tego użyją
Najlepsze dane są bezwartościowe, jeśli nikt nie potrafi się do nich dostać. Warstwa interfejsu to sposób, w jaki świat zewnętrzny korzysta z produktu. W QuizBase to trzy interfejsy do tych samych danych:
- REST API ze specyfikacją OpenAPI 3.1 - dla każdego, kto umie wysłać request HTTP
- TypeScript SDK na npm - dla deweloperów, którzy chcą typowanego klienta z obsługą błędów
- Serwer MCP - dla asystentów AI jak Claude i Cursor, które dostają pytania jako narzędzie
Każdy interfejs to inna grupa odbiorców i inna decyzja produktowa o tym, jak nisko obniżyć próg wejścia. To warstwa, w której produkt spotyka się z użytkownikiem - i w której najłatwiej go stracić.
Warstwa 5: dystrybucja i model dostępu
Ostatnia warstwa to pytanie “jak ludzie to znajdą i na jakich warunkach z tego skorzystają”. Darmowy plan QuizBase - 500 zapytań dziennie bez karty - to nie hojność, to decyzja dystrybucyjna. Niski próg wejścia oznacza, że ktoś może sprawdzić produkt w pięć minut, zanim podejmie jakiekolwiek zobowiązanie.
To ta sama logika, którą doradzam firmom przy wdrożeniach: opisywałem ją przy okazji tego, jak wdrażać AI zamiast go zakazywać. Adopcja rośnie tam, gdzie tarcie jest najmniejsze. Produkt, którego nie da się wypróbować bez decyzji zakupowej, przegrywa z gorszym, ale dostępnym od ręki.
Dlaczego warto rozumieć te warstwy
Anatomia produktu AI jest pouczająca nawet jeśli nigdy nie zbudujesz API. Pokazuje, że “AI” w produkcie to zwykle cienka warstwa na grubym fundamencie z danych, architektury i decyzji o dystrybucji. Firmy, które myślą, że wdrożenie AI to “kupimy model”, mylą jedną warstwę z całym budynkiem.
Kiedy patrzysz na cudzy produkt AI - albo planujesz własny - warto pytać o każdą warstwę osobno. Skąd dane? Jakie decyzje architektoniczne? Jak ludzie tego używają? Na jakich warunkach? Odpowiedzi na te pytania mówią o produkcie więcej niż nazwa modelu, którego używa.
Jeśli planujesz produkt albo wdrożenie oparte na AI i chcesz przejść te warstwy dla swojego konkretnego przypadku, to jeden z tematów, które rozkładam na konsultacjach. Działający QuizBase jest dowodem, że ta anatomia to nie teoria.