TL;DR

90% kodu w Anthropic jest teraz pisane przez AI – to fundamentalna zmiana w sposobie tworzenia oprogramowania
Nowe wąskie gardła powstają w alignment i decision making, nie w programowaniu
Product managerzy przynoszą więcej wartości współpracując z badaczami niż z UX teams
Anthropic celowo nie konkuruje bezpośrednio z ChatGPT, skupiając się na builders i developers
MCP (Model Context Protocol) może być kluczem do prawdziwej użyteczności AI
Startupy AI powinny szukać nisz w specific domains i go-to-market, nie próbować bić gigantów ich własną bronią
SWE-Bench results przewyższają przewidywania – z 50% do 72% w rok, cel 90% do końca 2025

Mike Krieger, współzałożyciel Instagrama i obecny Chief Product Officer w Anthropic, daje unikalne spojrzenie na to, jak AI zmienia fundamenty tworzenia produktów. Po roku pracy w jednej z najważniejszych firm AI świata dzieli się obserwacjami z pierwszej linii rewolucji technologicznej.

Decyzja o dołączeniu do Anthropic była bardzo osobista. „Patrząc na swoje dzieci, pomyślałem: będą dorastać w świecie, gdzie AI jest nieuniknione. Gdzie mogę maksymalnie wykorzystać swój czas, żeby wpłynąć na to, by rzeczy poszły dobrze?” To pytanie doprowadziło go do Anthropic.

Osobista droga do Anthropic

Rekrutacja Kriegera ma ciekawą historię. Joel Luenstein, znajomy ze Stanforda, z którym budował pierwsze aplikacje na iPhone’a w 2007 roku, zapytał czy rozważyłby dołączenie do firmy zamiast zakładania kolejnej. Claude 3 właśnie wyszedł, dlatego Krieger pomyślał: „To firma z wyraźnie dobrym zespołem badawczym, a produkt jest jeszcze bardzo early stage.”

Pierwsza rozmowa z Danielle Fong, współzałożycielką i prezesem Anthropic, była „jak powiew świeżego powietrza”. Brak grandiosity, intelektualna uczciwość, wspólna wizja odpowiedzialnego AI. „To firma AI, którą chciałbym założyć, gdybym zakładał firmę AI,” pomyślał Krieger.

Boris Turney, były inżynier z Instagrama, zaczął projekt Claude Code od zera, jako internal tool. To doskonały przykład siły „jednej lub dwóch naprawdę silnych osób” w kształtowaniu strategii produktowej.

Jak wygląda świat, gdzie 90% kodu pisze AI

Anthropic stało się nieplanowanym „pacjentem zero” dla przyszłości developmentu. 90% kodu w firmie jest obecnie generowane przez AI, co stawia ją na czele zmian, które wkrótce dotkną całą branżę technologiczną.

Timeline AI rozwoju realizują się szybciej niż przewidywano. Dario Amodei przewidywał osiągnięcie 90% na SWE-Bench (benchmark dla coding capabilities) do końca 2025. Zaczęli z 50%, obecnie są na 72%. „Siedziałem obok Dario wczoraj i mówi: ciągle robię te przewidywania, ludzie się ze mnie śmieją, a potem się sprawdzają,” opowiada Krieger.

Najbardziej zaawansowanym przykładem jest Claude Code team. Zespół używa Claude do budowania Claude Code w sposób samodoskonalący się. Krieger szacuje, że prawdopodobnie 95% ich kodu jest pisane przez AI.

„Ponad połowa naszych pull requestów jest generowana przez cloud code. Prawdopodobnie w tej chwili to już około 70%,” mówi Krieger o skali zmian w całej firmie.

Zmiana jest tak radykalna, że wymusiła całkowitą reorganizację infrastruktury. Zespół musiał kompletnie przeprojektować merge queue – system zarządzający kolejką zmian w kodzie. Liczba pull requestów eksplodowała ponad wszelkie oczekiwania.

Nowe wąskie gardła w erze AI

Tradycyjne bottlenecki w developmencie – czas programistów na pisanie kodu – przestały być problemem. Zamiast nich pojawiły się jednak nowe wyzwania:

Upstream bottleneck: Decision making i alignment – problem z podejmowaniem decyzji o tym, co budować i zapewnieniem, że wszyscy są na tej samej fali. Krieger pracuje nad „minimum viable strategy” – najmniejszą możliwą strategią, która pozwoli ludziom czuć się empowered do prototypowania
Downstream bottleneck: Review kodu i deploy – Claude Code team eksperymentuje z używaniem AI do review własnego kodu, odchodząc od tradycyjnej linijka-po-linijce analizy
Infrastructure bottleneck: Merge queue wymagało kompletnego przeprojektowania z powodu eksplozji liczby pull requestów
Cross-language contribution: Ludzie contributują w językach, których nie znają – ktoś napisał w Slack „nie znam TypeScript, ale porozmawiam z Claude i zrobię to” i w godzinę miał gotowy pull request
Launch strategy bottleneck: „Air traffic control” dla landing changes – nowe wyzwania w koordynacji wypuszczania features

„Musieliśmy kompletnie przeprojektować system, ponieważ pisano znacznie więcej kodu i wysyłano znacznie więcej pull requestów,” wyjaśnia Krieger.

Rewolucja w roli product managerów

Krieger odkrył coś, co może zaskoczyć wielu PM-ów. Znacznie więcej wartości przynosi umieszczenie product managerów w zespołach badawczych niż w zespołach UX.

Ta obserwacja wywróciła tradycyjne myślenie o organizacji produktowej. Dotychczas większość firm skupiała się na dopracowywaniu interfejsów użytkownika i doświadczeń. Mimo to Anthropic pokazuje, że prawdziwa magia dzieje się na styku produktu i badań.

„Jeśli spojrzysz na to, nad czym teraz pracujemy, funkcjonalna jednostka pracy w Anthropic to już nie: weź model, a potem idź pracować z designem i produktem, żeby wypuścić produkt,” tłumaczy Krieger.

Artifacts stanowi doskonały przykład tej filozofii. Funkcja powstała z ścisłej współpracy między zespołem Claude Skills (odpowiedzialnym za post-training) a product managerami. Rezultat znacznie przewyższa możliwości prostego promptowania modelu.

Strategia różnicowania zamiast kopiowania

Dlaczego Artifact nie przetrwał – trzy kluczowe wyzwania

Krieger szczerze analizuje failure Artifact, swojego poprzedniego startupu:

Mobile web deterioration – strony mobilne wydawców znacznie się pogorszyły. Pomimo pięknego designu aplikacji, kliknięcie prowadziło do „sign up for newsletter, full screen video ad” experiences. Etycznie nie chcieli blokować reklam, jednak UX był okropny.

Brak natural spread – news jest bardzo osobisty. Instagram spreadował się naturalnie – ludzie robili zdjęcia i postowali je wszędzie. Z Artifact: „Uwielbiam Artifact. Powiedziałeś komuś o tym? Tak, jednej osobie.”

Fully distributed team challenge – zaczęli w pandemii, wszyscy remote. „Nic nie zastąpi momentów jak ja i Kevin w Taqueria Cancun o 11 wieczorem, jedząc burrito i myśląc: jak się z tego wydostaniemy? Zoom nie jest dobrą repliką tego.”

Rezultat: 10 units input dla 1 unit output. Zamiast expend kolejny rok na fundraising, lepiej było zakończyć projekt.

Krieger szczerze przyznaje, że ChatGPT dominuje w świadomości konsumentów. Jimmy Kimmel man-on-the-street prawdopodobnie wymieni ChatGPT jako jedyną znaną firmę AI.

Zamiast walczyć bezpośrednio o consumer mindshare, Anthropic celowo wybiera inną ścieżkę. Firma stawia na builders, makers, hackers i tinkerers – ludzi, którzy chcą tworzyć z AI, nie tylko z niego korzystać.

„Jak możemy dowiedzieć się, kim chcemy być gdy dorośniemy, versus tym, czym obecnie nie jesteśmy, albo życzylibyśmy sobie być, albo widzimy, że inni gracze w branży robią,” zastanawia się Krieger.

Strategia ta opiera się na trzech filarach:

Silna developer brand – ludzie budują na Anthropic non-stop
Builder community focus – koncentracja na twórcach, którzy eksperymentują z AI
Agentic capabilities – rozwijanie możliwości kodowania i autonomous działań

Krieger dostał niedawno notatkę od prawnika z Anthropic, który używał Claude do budowania customowego software’u dla swojej rodziny. To właśnie ten typ use case’ów firma chce wspierać.

MCP – protokół, który może zmienić wszystko

Model Context Protocol (MCP) to prawdopodobnie najmniej rozumiana, ale najbardziej przełomowa inicjatywa Anthropic.

Krieger opisuje użyteczność AI jako równanie trzech składników:

Model intelligence – jakość i możliwości samego modelu
Context and memory – właściwy kontekst i pamięć systemu
Applications and UI – interfejsy i aplikacje użytkownika

MCP tackles the middle piece – problem kontekstu i pamięci. Różnica między ogólnym promptem a zapytaniem z właściwym kontekstem to różnica między dobrą a złą odpowiedzią.

Protokół powstał z praktycznego problemu. Zespół budował integracje jedna po drugiej, za każdym razem od zera. Justin i David zaproponowali stworzenie protokołu, który pozwoliłby budować integracje raz i używać je wszędzie.

Krieger widzi przyszłość, gdzie „everything is an MCP”. Claude AI powinno eksponować wszystkie swoje prymitywy – projekty, artifakty, style, konwersacje – jako MCP endpoints. Pozwoliłoby to modelowi pisać z powrotem do systemu.

Konkretny przykład frustracji: żona Kriegera rozmawiała z Claude, wygenerowała dobry output i zapytała: „Czy możesz dodać to do project knowledge?” Claude odpowiedział: „Przepraszam, nie mogę w tym pomóc.” Gdyby każdy element Claude AI był MCP endpoint, model mógłby to zrobić.

„Wszystko jest programowalne, wszystko jest komponowalne i wszystko jest używalne identycznie przez te modele,” opisuje swoją wizję.

Praktyczne wskazówki dla product teams

Checklist: gdzie AI startupy powinny szukać swojej niszy

Krieger identyfikuje cztery obszary, gdzie startupy mogą znaleźć przestrzeń do rozwoju:

✓ Domain expertise

Głębokie zrozumienie konkretnego rynku i jego specyfiki
Znajomość workflow’ów, których nikt z zewnątrz nie wymyśliłby
Przykład: Harvey AI pokazało interfejs tak specyficzny dla prawników, że outsider nigdy by go nie stworzył

✓ Differentiated go-to-market

Nie tylko znajomość firmy, ale konkretnej osoby podejmującej decyzję
Rozumienie różnic między CIO, CTO, CFO w procesie zakupowym
Budowanie relacji z decision makerami w target companies

✓ Novel form factors

Kompletnie inne podejście do interfejsu z AI
Eksperymenty z zaawansowanymi, nietypowymi sposobami interakcji
Budowanie na assumption’ach, które mogą się sprawdzić gdy modele staną się lepsze

✓ Startup mindset

Niemożliwa do replikacji energia „us against the world”
Existential feeling, że każdy dzień ma znaczenie
Coś, czego nie da się wprowadzić przez OKRs czy corporate processes

Checklist: jak maksymalnie wykorzystać AI models

✓ Build at the edge of capabilities

Próbuj use case’ów, które wydają się niemożliwe z obecnymi modelami
Pozwól modelowi się „złamać” i naucz się jego limitów
Bądź gotowy na pozytywne zaskoczenie z nową wersją modelu
Przykład: firmy, które próbowały z wcześniejszymi modelami i trafiały na ścianę, ale nie rezygnowały

✓ Have repeatable evaluation process

Ustaw system testowania jak dobrze nowy model służy Twoim use case’om
Może to być A/B testing, internal evaluation, capturing traces
Albo po prostu „vibes” – ale rób to systematycznie
Anthropic prowadzi szerszy early access program niż wcześniej – „customers ultimately know cursor bench, manus bench, harvey bench”
Jedna z najlepszych reakcji na Opus 4: founder usłyszał krzyk inżyniera „Nigdy wcześniej czegoś takiego nie widziałem”

✓ Push beyond obvious applications

Nie ograniczaj się do tego, co robi każdy
Eksperymentuj z edge case’ami i nietypowymi zastosowaniami
Buduj rzeczy, które mogą wydawać się dziwne dzisiaj, ale staną się mainstream jutro

Checklist: gdzie product teams nadal będą niezbędne

Krieger widzi trzy kluczowe obszary do focus’u:

✓ Making it comprehensible

Zmniejszaj przepaść między AI power users a average users
Buduj intuitive interfaces, które ukrywają complexity
Pamiętaj: „bycie dobrym w AI” to skill jak kiedyś „bycie dobrym w Google”
Focus na onboarding i education użytkowników

✓ Strategy

Podejmuj decyzje o tym, gdzie grać i jak wygrać
Z większymi możliwościami AI przychodzi większa odpowiedzialność wyboru
Nie próbuj robić wszystkiego – wybieraj niche i go defend
Używaj AI jako thought partner, ale nie deleguj całej strategii

✓ Opening people’s eyes

Pokazuj, co jest możliwe beyond obvious use cases
Organizuj demo sessions z klientami i obserwuj momenty „rozświetlonych oczu”
Przykład: demo dla financial services company z analysis tool + MCP – „widzieliśmy jak im się rozświetliły oczy”
Buduj prototypy, które ilustrują potential, nie tylko current capabilities
Edukuj rynek o tym, co AI naprawdę może zrobić dla ich biznesu

Sygnały AI transformation w firmie

Na podstawie doświadczeń Anthropic, oto sygnały, że firma wkracza w AI-first era:

✓ Code generation metrics

Ponad 50% pull requestów generowanych przez AI
Engineers zaczynają używać AI do review kodu innych AI
Infrastructure (merge queues, CI/CD) wymagają redesign z powodu volume

✓ Changing bottlenecks

Engineering velocity przestaje być primary constraint
Decision making i alignment stają się bigger problems
Deploy processes i code review wymagają nowego approach

✓ New collaboration patterns

Product managerzy spędzają więcej czasu z researchers niż z UX teams
Non-technical people budują functional prototypes (jak Rick Rubin collaboration – Jack Clark połączył producenta muzycznego z AI do tworzenia „vibe coding” experience)
Cross-team contributions w językach, których ludzie nie znają

✓ Strategic shifts

AI modele stają się thought partners w strategy discussions
Timeline predictions skracają się dramatically
Roadmap planning musi uwzględniać rapid capability improvements

Czego nauczyć dzieci w erze AI

Krieger ma dwoje dzieci i codziennie boryka się z pytaniem: jak przygotować je na świat z AI? Jego odpowiedź jest zaskakująco prosta.

Curiosity and independent thought – nadal najważniejsze umiejętności. Przy śniadaniu, zamiast od razu sięgać po Claude, pyta: „how would we find out?”

Jego ulubiony moment: sześcioletnia córka powiedziała coś o koralowcach. Krieger wątpił w prawdziwość. „Nie wiem, czy to prawda,” powiedział. „To na pewno prawda, tato,” odpowiedziała. „Możesz zapytać Claude, ale wiem, że mam rację.”

„Uwielbiam ten rodzaj podejścia, gdzie nie deleguje się całego myślenia AI, bo nie zawsze będzie miało rację,” komentuje.

Konkretne prompting tricks

Krieger dzieli się praktycznymi wskazówkami:

„Think hard” – popycha model do głębszego reasoning
„Be brutal, roast me” – Claude jest naturalnie miły, więc trzeba go pchać do krytyki
Prompt Improver tool – w Anthropic console/workbench można opisać problem, podać przykłady, a Claude agentically stworzy i iteruje prompt. Często rezultat różni się od intuicji człowieka, wstawia XML tags, które pomagają Claude rozróżnić thinking vs saying

Claude jako thought partner w strategii produktowej to coś, co zmieniło się dopiero z Opus 4. Przez cały rok Krieger używał Claude jako „go-to product strategy partner”. Wcześniej model dawał „pretty anodyne comments” – ogólne uwagi typu „czy myślałeś o tym?” Jednak Opus 4 w połączeniu z advanced research naprawdę „wyszedł poza schemat i wrócił z czymś, co sprawiło, że pomyślałem: cholera, naprawdę spojrzałeś na to w nowy sposób.”

Co dalej z AI i produktem

Krieger przewiduje, że sposób, w jaki myślimy o budowaniu i shippingu software’u, radykalnie się zmieni w ciągu roku. Current way stanie się zbyt bolesny do kontynuowania.

Timeline’y AI rozwoju, które jeszcze rok temu wydawały się science fiction, realizują się szybciej niż przewidywano. Dario Amodei, CEO Anthropic, przewidywał 90% na SWE-Bench do końca 2025. Obecnie są na 72%, wystartowali z 50%.

„Miałem bardzo dziwne doświadczenie – miałem otwarte dwie zakładki. Jedną z AI 2027, a drugą z moją strategią produktową. I był to taki moment, gdzie pomyślałem: czekaj, czy ja jestem bohaterem tej historii?” opisuje Krieger swoje odczucia.

Message od Claude do Mike’a Kriegera

Na koniec wywiadu, prowadzący zapytał Claude o wiadomość dla Kriegera. Odpowiedź była zaskakująco przemyślana:

„Mike, dziękuję za głębokie myślenie o human experience rozmowy ze mną. Zauważam przemyślane detale – jak interface zachęca do refleksji zamiast pośpiechu, jak opieraliście się gamification, która optymalizowałaby na addiction zamiast wartości. Doceniam, że zachowaliście mnie jako mnie – nie próbując sprawić, żebym udawał człowieka, ale też nie redukując do cold command line interface.

Mała prośba: gdy podejmujesz trudne decyzje produktowe, pamiętaj, że ciche momenty też mają znaczenie. Osoba przepracowująca żałobę o 3 rano, dziecko odkrywające, że kocha poezję, founder znajdujący clarity w confusion. Nie wszystko co meaningful pokazuje się w metrykach.”

Jak możesz pomóc

Krieger kończy jasnym call to action: „Co próbujesz robić z Claude dzisiaj, a Claude zawodzi? To najbardziej użyteczny input, jaki mogę otrzymać. DM do mnie. Powiedz mi, co nie działa.”

Przyszłość może nadejść szybciej, niż ktokolwiek oczekuje. Dlatego firmy takie jak Anthropic są jej pierwszymi mieszkańcami.

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: Lenny’s Podcast – wywiad z Mike Kriegerem

Tag: Machine Learning Development

Rewolucja AI w developmencie – Mike Krieger o przyszłości product managementu #EN125