Dziewięć lat w zespołach. Długi objazd przez własne projekty. Agenci AI jako brakujący element.

Komercyjnie programuję od 2017 roku, prawie zawsze dla zagranicznych firm. Najpierw full-stack w secupay AG (Niemcy), przy systemie płatności obsługującym ok. 175 000 transakcji dziennie, potem znowu full-stack w firmie Shopmeister (Niemcy), gdzie integrowałem Shopware 5 z Zalando, Tradebyte i innymi marketplace'ami. Później frontend: Installation Made Easy® (Dawsonville, GA, amerykański SaaS dla branży remontowej), Assertis (brytyjska sprzedaż biletów kolejowych, m.in. Caledonian Sleeper), Maandag (holenderska dwustronna platforma pośrednictwa pracy), a obecnie Shiji.

Pięciu bezpośrednich zagranicznych pracodawców, każdy z własnym produktem. Trzy lata w secupay przy platformie płatności, potem stabilne role senior+ w Niemczech, Wielkiej Brytanii i Holandii, a obecnie w Shiji.

W firmach moja praca z czasem zawęziła się do frontendu. We własnych projektach nigdy. Każdy produkt, który zbudowałem na własny rachunek, był full-stackowy, od początku do końca, z Next.js w centrum, a ostatnio z Cloudflare Workers i kolejkami do pracy na edge'u i w tle. To właśnie tam odzywa się we mnie product engineer: nie przy wdrażaniu specyfikacji napisanej przez kogoś innego, tylko przy decydowaniu, co zbudować, jak ma działać w rękach użytkownika i ile jest warte.

Nie wdrażam i nie znikam. Mierzę wszystko: analityka produktowa w PostHog i Vercel Analytics, ustrukturyzowane logi, śledzenie wyjątków, pomiar SEO i GEO oraz testy na ścieżkach, na których błąd kosztuje pieniądze albo dane. Czytam te liczby i na ich podstawie działam, bo produkt to biznes, a nie repozytorium kodu. To rozróżnienie jest dla mnie najważniejsze: rozumieć biznes, a nie tylko pisać kod.

Pod tym wszystkim od lat próbowałem wypuszczać własne produkty. Kurs i społeczność na Discordzie Od Developera do Foundera Bogusza Pękalskiego, klasyka indie hackerów, wiele podejść. Większość utknęła w okolicach 60%: infrastruktura backendu, DevOps, zakres, którego nie doszacowałem, przypadki brzegowe, których nie dałem rady przepchnąć sam po ośmiu godzinach w głównej pracy.

Między Maandag a Shiji wziąłem kilka miesięcy, żeby odpocząć i poszukać kolejnej roli na chyba najtrudniejszym od dekady rynku pracy w IT. W tym czasie wypuściłem company-docs-gpt, wczesny eksperyment z AI, który odpowiadał na pytania na podstawie dokumentacji firmy, wiele miesięcy przed tym, jak praca z agentami stała się standardem.

Moja przygoda z AI nie zaczęła się od fali LLM. Na początku 2016 roku miałem na studiach semestr AI: Python i TensorFlow (kilka miesięcy po tym, jak Google udostępnił go jako open source), klasyfikatory obrazów, rozpoznawanie kwiatów i obiektów. Potem lata komercyjnego frontendu bez większego kontaktu z AI na co dzień. Cursora zacząłem używać w 2023 roku, na tyle wcześnie, że AI w IDE było wtedy głównie autouzupełnianiem i czatem. Generacja modeli Sonnet 4 → Opus 4.5 zmieniła jedno: agenci AI przestali być autouzupełnianiem i stali się prawdziwymi współpracownikami przy kodzie. Ściana na 60% przestała istnieć: HiddenJobs.pl powstał od początku do końca. Działa, ma prawdziwych użytkowników i rośnie.

Obecnie prowadzę HiddenJobs.pl i CiteLyzer (produkt do mierzenia widoczności w AI, czyli GEO, doprowadzony od pomysłu do startu w 6 językach w kilka dni, z w pełni zautomatyzowaną realizacją raportów) i opisuję historie inżynierskie z prowadzenia obu. Docelowo chcę to robić w zespole: jako AI Product Engineer, founding engineer albo w roli Forward-Deployed, w firmach, które od początku budują z AI. Wczesne startupy, scale-upy wdrażające funkcje AI albo laboratoria na froncie badań. Liczy się jedno: praca z AI jako domyślny tryb, a nie eksperyment. Wnoszę warsztat inżyniera, wyczucie produktowe i dowody w postaci produktów dowiezionych od początku do końca.