Od content marketingu do architektury danych. Przyszłość analizy rynkowej w dobie sztucznej inteligencji

Dominik Jańczak: W Content Writer zbudowaliście jedną z największych agencji content marketingu w Polsce, tworząc tysiące treści dla firm miesięcznie. Aktualne dane pokazują, że liczba treści internetowych powstałych w sposób maszynowy przerosła treści pisane przez ludzi. Czy rozwój sztucznej inteligencji postrzegasz jako zagrożenie dla Twojego pierwotnego biznesu? Jak podeszliście do tego w Content Writer na poziomie strategicznym? Jaka według Ciebie przyszłość czeka content marketing?

Bartosz Ciesielski: Zapewne nie wyjdę na heretyka twierdząc, że twórcy contentu zostali dotknięci najszybciej i najmocniej. AI stworzyło nowy krajobraz, w którym pojawiły się nie tylko nowe widoki, ale również czarne chmury dla dotychczasowych modeli biznesowych. Całe szczęście, w Content Writer od zawsze łączymy treści z technologią, więc w tym nurcie zmian byliśmy niczym dziecko, które dostało nowe zabawki. Nie każdy miał jednak pole do manewru – nasze dane pokazują szczególnie drastyczny obraz dla branży tłumaczeń, gdzie mediana przychodów wśród 385 badanych spółek spadła o niemal 30% w zaledwie ostatnim roku (z 325 tys. w 2024 r. do 231 tys. PLN w 2025 r.). Strategia Content Writer korespondowała z wielokrotnie powielanym hasłem, aby nie konkurować, lecz współpracować z AI. Skoro wiemy, że sztuczna inteligencja potrafi tworzyć dobre treści, idziemy krok dalej: budujemy architekturę danych, która uwolni pełny potencjał tej technologii. Dla mediów gorącym tematem jest wyścig w tworzeniu coraz lepszych modeli LLM. Z zapartym tchem obserwujemy dokonania firm typu Anthropic czy OpenAI. Równocześnie zapominamy, że wszystkie te modele wymagają podłoża informacyjnego – łatwego dostępu do rzetelnych i aktualnych danych. Jest to szczególnie istotne w kontekście biznesowym, gdzie użyteczność modeli nie opiera się wyłącznie na danych treningowych, lecz także na aktywnym przeszukiwaniu i analizowaniu zasobów wiedzy. Przygotowanie tego fundamentu to równie istotna czynność, co samo doskonalenie modeli językowych – w tym tkwi cicha rewolucja AI. Myślę, że ten ogromny obszar będzie zajmować specjalistów od contentu przez długie lata.

DJ: Od kilku miesięcy intensywnie rozwijacie platformy Monitly i Compabase – łączy je fakt, że błyskawicznie agregują one dane z różnych źródeł. Czym różnią się te dwa rozwiązania i komu są dedykowane?

BC: Oba projekty wpasowują się w ideę tego, o czym przed chwilą powiedziałem – dostarczają surowiec, z którego AI może swobodnie rzeźbić. Monitly agreguje w czasie rzeczywistym miliony punktów danych z takich portali jak OECD, WHO, FAO czy nasze rodzime dane.gov.pl. Dzięki temu każdy może śledzić trendy w swojej branży, reagować na zmiany i razem z AI tworzyć prognozy. Na świecie mamy wiele ciekawych danych, których wciąż przybywa. Zmianę widać nawet w polskich urzędach, gdzie roczne raportowanie zamienia się w kwartalne, a następnie w miesięczne. Aby jednak analiza była możliwa, dane muszą być w jednym miejscu i w ustalonej strukturze – tym zajmuje się Monitly, umożliwiając łatwy odczyt modelom AI. W ten sposób chcemy sprawić, aby statystyka przestała być nudnym przedmiotem w szkole, a stała się realnym narzędziem dla każdego biznesu. Nie tylko dla wielkich instytucji, ale dla każdego przedsiębiorcy, który będzie chciał podejmować lepsze decyzje.

Compabase z kolei skupia się na danych gospodarczych. To szczegółowa baza firm, w której wiemy co do złotówki, jakie są ich przychody, wynagrodzenia, a nawet koszty energii czy środki na koncie. Kiedy AI ma dostęp do tych informacji, może dokładnie przeanalizować spółkę i określić ryzyko niewypłacalności albo znaleźć 50 firm z Twojej okolicy, które akurat mają budżet i będą zainteresowane Twoimi usługami. Innymi słowy, ustawowa transparentność polskich spółek w połączeniu z AI daje nowe możliwości w zakresie weryfikacji kontrahentów, oceny ryzyka czy monitorowania rynku. Zwróćmy uwagę, że technologia AI poradziłaby sobie z takim zadaniem już trzy lata temu, ale analizy wciąż nie były możliwe. Dlaczego? Wracamy do znanego problemu – dane były rozrzucone w różnych miejscach. Sprawozdania finansowe, dane rejestrowe, Krajowy Rejestr Zadłużonych czy biała lista podatników VAT to oddzielne bazy. Dopiero agregacja tych źródeł dostarczyła sztucznej inteligencji możliwość kompleksowego spojrzenia na sytuację firmy. To potwierdza moje tezy z początku naszej rozmowy, związane z tym, jak istotną rolę w rozwoju AI pełni dostęp do ustrukturyzowanych danych, a nie tylko sam postęp w trenowaniu modeli językowych.

DJ: Monitly potrafi w czasie rzeczywistym integrować globalne wskaźniki gospodarcze, korzystając ze źródeł takich jak Bank Światowy czy Eurostat. Oprogramowanie to umożliwia tworzenie „żywych” tekstów, w których kluczowe liczby czy wykresy uaktualniają się automatycznie. Jak upowszechnienie się modelu „dynamicznego contentu” wpłynie w perspektywie najbliższych dwóch lat na koszty stałe i zatrudnienie w zespołach analitycznych i marketingowych największych firm B2B?

BC: Dokładnie, Monitly wykracza poza obserwację statystyk i przynosi realne przewagi technologiczne dla twórców contentu. Możemy nie tylko osadzać interaktywne wykresy, które same się aktualizują, ale nawet implementować liczby i daty równie podatne na zmianę. To istotne uzupełnienie wobec AI, gwarantujące większą niezawodność i zerowe koszty. Na tym polu objawia się ograniczenie sztucznej inteligencji – jako technologia generatywna jest źródłem entropii i potencjalnych błędów. Tam, gdzie liczy się precyzja, szybkość i brak chaosu, warto rozważyć stare poczciwe algorytmy, pobierające dane bezpośrednio z bazy.

Co do Twojego pytania: nie wydaje mi się, aby dynamiczny content istotnie wpłynął na strukturę kosztów czy zatrudnienia, szczególnie w tak krótkim okresie. To tylko jedno z narzędzi, mający określony i raczej niszowy wachlarz zastosowań. Obecnie przeżywamy eksplozję nowych formatów w kreowaniu treści – animacje, wykresy i dziesiątki innych komponentów. Każdy z nich ma swoje zastosowania i znacząco poszerza możliwości twórców, ale sam z siebie nie inicjuje głębokich przemian strukturalnych w obrębie organizacji. Koniec końców, nad wszystkim stoi człowiek.

DJ: W jaki sposób przedsiębiorcy powinni weryfikować jakość danych przed podjęciem kluczowych decyzji inwestycyjnych, wiedząc, że bezpośrednie oparcie się na nieustrukturyzowanych państwowych rejestrach przypomina dziś rosyjską ruletkę?

BC: Rosyjska ruletka jest trafną metaforą, ponieważ jakość danych znacząco różni się między urzędami. Zupełnie tak, jak można by intuicyjnie zakładać, Ministerstwo Cyfryzacji i wojsko operują na wyższym standardzie niż Ministerstwo Rolnictwa czy NFZ, którym notabene do tej pory zdarza się obwieszczać informacje w formacie .txt kojarzonym z programem Notatnik.

Zrobiliśmy z tym porządek i wszystkie dane o ponad 3 milionach firm są już dostępne w Compabase, a statystyki krajowe i lokalne – w Monitly. Zatem po stronie przedsiębiorców zostaje wyłącznie analiza strategiczna, do której warto zaprząc wiodące modele LLM. Im większy kontekst, tym głębiej AI zanurkuje. Chciałbym tutaj podkreślić, jak fascynujące jest to zjawisko. Jeszcze kilka lat temu nie mieliśmy ani technologii do analiz, ani tak szczegółowych danych ze strony urzędów. Dziś oba elementy uzupełniają się w tandemie, a postęp wyraża się nawet w literze prawa. Spójrzmy choćby na to, że minęło zaledwie 20 lat między ustawą o dostępie do informacji publicznej, a ustawą o ponownym wykorzystaniu informacji publicznej. Choć językowo oba akty brzmią podobnie, niosą inne przesłanie: wówczas obywatel miał prawo wglądu do dokumentów, dziś może oczekiwać udostępnienia danych przez API, aby budować własne innowacyjne aplikacje.

 

DJ: Zwykły eksport danych do pliku CSV to format, od którego nowoczesny biznes będzie powoli odchodzić. Wasza strategia koncentruje się na dostarczaniu danych wprost do AI, m.in. za pośrednictwem środowiska API oraz protokołu MCP. Ten model sprawia, że przedsiębiorcy czy zagraniczni inwestorzy będą omijać tradycyjne platformy analityczne, wyciągając potrzebną im wiedzę zaledwie jednym promptem poprzez swoich asystentów AI. Jak blisko jesteśmy punktu, w którym klasyczne platformy SaaS staną się całkowicie niewidoczne dla biznesowego użytkownika końcowego, a my będziemy opłacać jedynie przepływ informacji między asystentami zarządu a bazą danych?

BC: Cóż, rynek zaczął wyceniać taki scenariusz ponad roku temu, redukując kapitalizację największych platform SaaS nawet o połowę. Nowa idea głosi: kolorowe dashboardy nie są już integralnym elementem aplikacji, lecz szumem informacyjnym. Eksport danych do CSV stał się nieco staroświecki, skoro agent AI sam może odpytać bazę i pobrać potrzebne informacje. Niewątpliwie więc mamy do czynienia z przesunięciem paradygmatu, który ceni elegancję, efektywność i minimalizm.

Zmiana jest jednak stopniowa, więc trudno określić ten „jeden punkt”, w którym klasyczne platformy SaaS znikną – wiele z nich wciąż nie oferuje standardu MCP, a ludzkie przyzwyczajenia też mają swoją siłę bezwładności. Oczywiście możemy przytoczyć przykład ChatGPT, który zdobył 100 milionów użytkowników w zaledwie dwa miesiące, ukazując potencjał szybkiej adaptacji do nowej rzeczywistości. Natomiast wejście w tryby gospodarki agentów AI wymaga potężnej przebudowy strukturalnej wśród firm. Ten proces już się dzieje, ale inkrementalnie, kawałek po kawałku.

 

DJ: Sztuczna inteligencja, odczytująca stan finansowy danej spółki z pomocą Compabase, potrafi równolegle powiązać to z 13 milionami szerokich wskaźników z innej Waszej platformy – Monitly. To tworzy dla menedżerów idealne środowisko do generowania wiarygodnych prognoz rynkowych. W jakich gałęziach biznesu zdolność modeli AI do nakładania precyzyjnych wyników bilansowych jednostki na potężne wektory makroekonomiczne najszybciej stanie się kluczową przewagą rynkową?

BC: W pierwszej kolejności ta synergia zrewolucjonizuje branże, w których ocena ryzyka to fundament biznesu – bankowość korporacyjną, ubezpieczenia, faktoring czy fundusze VC. Wyobraźmy sobie analityka kredytowego: dzięki Compabase widzi on wprost, że dana firma produkcyjna ma systematycznie spadającą płynność finansową. To już jest cenna wiedza. Ale kiedy AI nałoży na to dane z Monitly – na przykład nadchodzące podwyżki cen energii w regionie, spadający wskaźnik PMI w sektorze tego klienta oraz rosnące koszty frachtu – otrzymujemy wielowymiarowy model predykcyjny. Model ten potrafi przewidzieć ryzyko niewypłacalności na miesiące przed tym, zanim spółka faktycznie przestanie regulować swoje faktury.

W ślad za finansami błyskawicznie pójdzie zaawansowana sprzedaż B2B, namierzająca firmy z nadwyżką kapitału w sprzyjającym otoczeniu makro, a także zarządzanie łańcuchami dostaw, gdzie AI z wyprzedzeniem wyłapie podatność podwykonawców na lokalne kryzysy. To naturalni pionierzy tych rozwiązań, ale spójrzmy na to szerzej – w końcu wszyscy skorzystają na powszechnym dostępnie do zaawansowanej analityki. Dotychczas zderzanie mikrodanych podmiotów z wektorami makroekonomicznymi było wyłączną domeną potężnych funduszy hedgingowych. Dziś ten sam kaliber wnioskowania trafia na biurko menedżera sprzedaży czy zaopatrzeniowca w MŚP.

DJ: Architektura systemów takich jak Compabase wspiera działy sprzedaży potężnym zapleczem informacyjnym, łącząc się chociażby z firmowymi CRM-ami. Mechanizm oparty o interfejs API umożliwia systematyczne badanie nowych lub potencjalnych kontaktów handlowych przed nawiązaniem pierwszego kontaktu. W jaki sposób może to wpłynąć na procesy sprzedażowe?

BC: Integracja przez API pomaga w najbardziej czasochłonnym etapie – kwalifikacji leadów. Gdy profil w systemie jest na bieżąco zasilany danymi, handlowiec z góry wie, czy firma rośnie, jakimi marżami operuje i czy posiada żywą gotówkę na inwestycje. To niewątpliwie skraca czas weryfikacji i ułatwia przygotowanie oferty, ale możemy pójść o krok dalej i wykorzystać AI o znacznie wyższym potencjale.

Sztuczna inteligencja, mając do dyspozycji tak bogaty kontekst wprost z systemu, może wygenerować wysoce spersonalizowaną argumentację sprzedażową. Jej zastosowanie nie ogranicza się bynajmniej do początku współpracy – w Compabase agregujemy również aktualności firmowe, więc automatyczny monitoring działań kontrahenta pozwala AI na bieżąco dopasowywać ofertę. Transformacja technologiczna w B2B zmierza do modelu, w którym o sukcesie sprzedaży nie decydują przekonujące oczy handlowca, lecz twarde dane zasilające systemy CRM. To właśnie one pozwalają agentom AI w ułamku sekundy dopasować ofertę do obiektywnych potrzeb i aktualnej sytuacji finansowej drugiej strony.

DJ: Dziękuję za rozmowę.