Dlaczego AI wciąż nie doczekało się swojego „momentu iPhone’a”?

Sam Altman przedstawił zaskakująco samokrytyczne wyjaśnienie, dlaczego sztuczna inteligencja nie doczekała się jeszcze swojego „momentu iPhone’a”. Jego zdaniem problemem nie jest wyłącznie to, co potrafią modele, lecz nieumiejętność przełożenia tych możliwości na zupełnie nowy sposób pracy. W rozmowie z Davidem Senrą z 23 sierpnia 2026 roku określił tę sytuację jako „głównie porażkę produktu”. 23

Ta sama logika wyjaśnia dwie głośne decyzje OpenAI: zamknięcie Sory oraz wycofanie przeglądarki Atlas jako samodzielnego produktu. W ocenie Altmana oba rozwiązania były dobre, ale firma miała ograniczone zasoby — moc obliczeniową, ludzi i kapitał. Dlatego postawiła na Codex, badania oraz szerszą, zunifikowaną platformę zamiast utrzymywać każdy obiecujący produkt osobno. 237

AI jest potężne, ale wciąż brakuje mu nowego interfejsu

Altman opisał użytkowników jako osoby funkcjonujące jednocześnie w dwóch światach informatyki. Nadal korzystają z tradycyjnych komputerów i znanych procedur, ale mogą też używać narzędzi takich jak Codex, które pozwalają pracować z komputerem w znacznie bardziej zaawansowany sposób. Problem polega na tym, że wciąż nie wiadomo, kiedy sięgnąć po który system — zamiast korzystać z jednego, płynnego interfejsu zastępującego dotychczasowy sposób pracy. 3

To właśnie na tej obserwacji opiera się diagnoza „porażki produktu”. AI może robić ogromne wrażenie w pojedynczych interakcjach, a jednocześnie nie być jeszcze przełomowym produktem konsumenckim. Prawdziwy przełom nastąpiłby wtedy, gdy zaawansowana sztuczna inteligencja stałaby się naturalnym przedłużeniem codziennej pracy — a nie kolejną aplikacją, stroną internetową czy zestawem odrębnych poleceń.

Według relacji Altman odniósł tę uwagę również do siebie. Mimo że kieruje OpenAI, nadal pracuje w starym, fragmentarycznym modelu: przełącza się między narzędziami i korzysta z tradycyjnego komputera, zamiast używać całkowicie przeprojektowanego interfejsu. 26 Wniosek jest niewygodny dla całej branży: projektowanie produktów i doświadczenie użytkownika nie nadążają za rozwojem modeli.

Dlaczego OpenAI zakończyło rozwój Sory?

Wyjaśnienie Altmana dotyczyło przede wszystkim priorytetów. Powiedział, że OpenAI „zabiło” produkt, który był „dobry”, „zabawny” i „fajny”, ale zużywał dużo mocy obliczeniowej. Firma uznała, że te zasoby będą cenniejsze, jeśli przeznaczy je na Codex. 2

Nie oznacza to jednak, że wszystkie doniesienia o sytuacji biznesowej Sory zostały potwierdzone w przytoczonej rozmowie. Dostępne fragmenty wywiadu uzasadniają decyzję względami alokacji mocy obliczeniowej, ale nie weryfikują niezależnie informacji o około milionie użytkowników w szczytowym momencie ani o koszcie działania rzędu miliona dolarów dziennie.

Warto też precyzyjnie podawać daty. OpenAI ogłosiło zakończenie projektu w marcu, natomiast według dostępnych doniesień aplikacja Sora przestała być dostępna 26 kwietnia 2026 roku. 1 Sformułowanie „zamknięto w marcu” może więc odnosić się do ogłoszenia decyzji, ale nie do dnia całkowitego wyłączenia aplikacji.

Planowana współpraca z Disneyem sprawiła, że decyzja o zamknięciu Sory była szczególnie zauważalna. Dostępne źródła nie pokazują jednak, by partnerstwo zmieniło przedstawiony przez Altmana rachunek strategiczny. Jego wyjaśnienie było prostsze: ograniczona moc obliczeniowa miała większą wartość w innych obszarach. 25

Atlas nie zniknął całkowicie — jego funkcje przeniesiono

Podobną argumentację Altman zastosował w przypadku Atlasa. Nazwał przeglądarkę świetnym produktem, a według przytoczonego fragmentu — nawet najlepszą przeglądarką internetową. Jednocześnie stwierdził, że pracujący przy niej ludzie i zasoby mogli zostać wykorzystani w ważniejszym miejscu. 3

Z dostępnych informacji wynika, że Atlas przestał działać jako samodzielna przeglądarka 9 sierpnia 2026 roku, po ogłoszeniu decyzji w lipcu. Jego funkcje związane z agentem przeglądarkowym przeniesiono do ChatGPT i Codexa, zamiast całkowicie je porzucać. 1

To ważne rozróżnienie. Strategia OpenAI nie musi oznaczać odrzucenia każdej funkcji powiązanej z wycofywanym produktem. Chodzi raczej o skupienie możliwości w mniejszej liczbie centralnych interfejsów oraz przesunięcie zespołów i zasobów samodzielnych produktów do większych priorytetów firmy.

OpenAI chce być platformą, a nie kolekcją aplikacji

Szerszy obraz wyłaniający się z rozmowy zakłada, że OpenAI ma działać jako firma platformowa, a nie zbiór odrębnych zespołów produktowych. Model ten opiera się na jednym bezpośrednim interfejsie dla użytkownika oraz jednym API, za pośrednictwem których ludzie i organizacje mogą korzystać z AI. 47

To pomaga zrozumieć połączenie ChatGPT i Codexa w jeden interfejs. Zamiast zmuszać użytkowników do wyboru między osobnymi miejscami przeznaczonymi do ogólnej pomocy i pracy opartej na wiedzy, OpenAI chce umieścić uzupełniające się funkcje w ramach tej samej platformy. 5

Ambicje Altmana są przy tym ogromne. Mówił o platformie, która mogłaby umożliwić powstanie 100 milionów nowych firm, a w dalszej perspektywie służyć 8 miliardom ludzi lub stać się podstawą ich działalności. 1 W takim ujęciu wydatki na infrastrukturę nie są wyłącznie kosztem utrzymania dzisiejszych chatbotów. Mają tworzyć bazę dla badań nad najbardziej zaawansowanymi modelami, wielkoskalowych obliczeń i zunifikowanej platformy AI.

Cena tej strategii jest jasna: koncentracja zasobów. Produkty, które nie wspierają głównego kierunku, mogą zostać zamknięte nawet wtedy, gdy użytkownicy je lubią i gdy są technicznie udane. Altman przedstawił gotowość do poświęcania dobrych pomysłów jako konieczność w świecie ograniczonej mocy obliczeniowej, liczby talentów i kapitału. 23

Dlaczego wpływ AI na gospodarkę jest wolniejszy, niż zakładano?

Altman przyznał również, że jego wcześniejsze przewidywania dotyczące tempa zmian były zbyt optymistyczne. Po premierze GPT-4 w 2023 roku spodziewał się, że firmy programistyczne i cała gospodarka zmienią się znacznie szybciej. 8

Według relacji z wywiadu wyjaśnieniem jest „inercja gospodarcza”. Procesy zakupowe, regulacje, utrwalone procedury i zmiany organizacyjne przebiegają znacznie wolniej niż rozwój możliwości modeli. 813

Powstają więc dwie odrębne luki adopcyjne. Pierwsza dotyczy samych produktów: narzędzia AI nie stały się jeszcze płynnym zamiennikiem tradycyjnego korzystania z komputera. Druga ma charakter instytucjonalny: firma może już mieć dostęp do AI, ale zmiana budżetów, uprawnień, procesów i odpowiedzialności wymaga czasu.

Dla biznesu praktyczna lekcja jest taka, że lepsze modele same w sobie nie gwarantują transformacji. Wygrać może produkt, który połączy AI z istniejącą pracą, a jednocześnie uprości zmianę na tyle, by zespoły chciały mu zaufać i korzystać z niego regularnie.

Co źródła mówią o bezpieczeństwie — a czego nie potwierdzają?

Przytoczone materiały wspierają obraz strategii opartej na wdrażaniu produktów, iteracyjnym uczeniu się oraz koncentracji zasobów. Nie dostarczają jednak wystarczających, bezpośrednich dowodów, by przypisać temu konkretnemu wywiadowi szczegółowe argumenty dotyczące bezpieczeństwa wymienione w pierwotnym pytaniu — w tym obawę przed utratą kontroli, nadmierną koncentracją władzy czy tezę o około miliardzie użytkowników tygodniowo.

Można natomiast ostrożniej stwierdzić, że podejście OpenAI zakłada wdrażanie systemów do rzeczywistych produktów i uczenie się na podstawie ich użycia, przy jednoczesnym kierowaniu ograniczonej mocy obliczeniowej i talentów do rozwiązań uznawanych przez firmę za ważniejsze. 237 Taka strategia może przyspieszać naukę produktową, ale wraz ze wzrostem platformy zwiększa też znaczenie pytań o zarządzanie, dostęp i koncentrację wpływu.

Najważniejsza lekcja dla branży AI

Z wypowiedzi Altmana wynika niewygodny wniosek: kolejny przełom w AI może nie polegać na modelu z jeszcze dłuższym kontekstem ani na wyższym wyniku w benchmarku. Może nim być produkt, który wreszcie sprawi, że zaawansowana sztuczna inteligencja stanie się zwyczajna, niezawodna i dobrze wpasowana w sposób, w jaki ludzie już pracują.

Na razie AI może być jednocześnie niezwykle potężne i niezgrabne w użyciu. Decyzja o zamknięciu Sory i Atlasa pokazuje drugą stronę tej rzeczywistości: nawet atrakcyjne i technicznie dobre produkty mogą przegrać, jeśli firma uzna, że większą wartość strategiczną ma jedna, spójna platforma — oraz moc obliczeniowa potrzebna do jej zbudowania.