Jak nauczyć się AI od podstaw – plan na 90 dni

Autor: Bartosz Cruz, AI Expert Academy  |  Opublikowano: 27 kwietnia 2026  |  Zaktualizowano: 29 kwietnia 2026

Według raportu McKinsey Global Institute z marca 2026 roku 68% firm na świecie wdraża narzędzia AI w codziennych procesach biznesowych. W Polsce, według danych GUS z 2025 roku, tylko 23% pracowników umysłowych deklaruje, że używa AI regularnie w pracy. Oznacza to, że umiejętność obsługi narzędzi AI nadal daje realną przewagę na rynku – i przez najbliższe lata nie straci na wartości.

Ten artykuł przedstawia 90-dniowy plan nauki AI dla osób, które zaczynają od absolutnego zera. Nie wymaga znajomości programowania ani wykształcenia technicznego. Wymaga jedynie 30–45 minut dziennie i gotowości do eksperymentowania z narzędziami, które są dostępne dziś, w 2026 roku.

Dlaczego akurat 90 dni?

Dziewięćdziesiąt dni to czas wystarczający, by zbudować nawyk i zobaczyć pierwsze wymierne efekty. Badania nad uczeniem się dorosłych – między innymi praca Andersa Ericssona nad celowym ćwiczeniem – pokazują, że regularna, skoncentrowana praktyka przez 10–12 tygodni pozwala osiągnąć poziom kompetencji wystarczający do samodzielnego działania w nowym obszarze. To nie jest przypadkowa liczba.

W przypadku AI dodatkowym argumentem jest tempo zmian narzędzi. Przez 90 dni zdążysz opanować podstawy, zanim kolejna aktualizacja modelu zmieni interfejs. ChatGPT w wersji GPT-4o, Claude 3.7 i n8n 1.80 – wszystkie te narzędzia były aktualizowane w pierwszym kwartale 2026 roku. Nauka na żywych narzędziach daje lepszy efekt niż oglądanie nagrań z poprzedniego roku, które pokazują już nieistniejące funkcje.

Według danych AI Business Lab LLC zebranych w pierwszym kwartale 2026 roku uczestnicy programu mentoringowego 1-na-1, którzy trzymali się 90-dniowego planu, wdrożyli pierwsze automatyzacje w swoich firmach średnio w ciągu 21 dni od startu – zamiast 3 miesięcy, jak deklarowali uczestnicy kursów nagranych.

Etap 1 (dni 1–30): Orientacja i pierwsze narzędzia

Pierwszy miesiąc służy jednej rzeczy: oswojeniu się z narzędziami. Nie chodzi o zostanie ekspertem, ale o zrozumienie, jak działają modele językowe i do czego je można używać w codziennej pracy. Na tym etapie skupiasz się na trzech narzędziach: ChatGPT (GPT-4o), Perplexity oraz jednym narzędziu do notatek – np. Notion z integracją AI.

W pierwszym tygodniu wystarczy jedno ćwiczenie dziennie: napisz do ChatGPT pięć różnych poleceń dotyczących Twojej pracy i porównaj wyniki. Zaobserwuj, jak zmiana sformułowania polecenia zmienia jakość odpowiedzi. To ćwiczenie buduje intuicję, której nie daje żaden kurs teoretyczny. Zapisuj obserwacje – po 30 dniach będziesz mieć własny podręcznik wzorców poleceń.

Na koniec pierwszego miesiąca powinieneś umieć: napisać skuteczne polecenie (ang. prompt) do modelu językowego, wyszukać i zweryfikować informacje przez Perplexity oraz skrócić o co najmniej 30% czas spędzany na powtarzalnych zadaniach tekstowych. Jeśli tego nie osiągnąłeś – zostań w etapie pierwszym przez dodatkowy tydzień. Plan jest elastyczny.

Etap 2 (dni 31–60): Automatyzacje i integracje

Drugi miesiąc to przejście od używania AI do łączenia narzędzi ze sobą. Tutaj wchodzi n8n 1.80 – platforma do automatyzacji, która od aktualizacji ze stycznia 2026 roku obsługuje natywne węzły AI bez potrzeby pisania kodu. Możesz zbudować przepływ, który pobiera e-maile, klasyfikuje je modelem językowym i odpowiada na wybrane wiadomości automatycznie.

Na tym etapie pojawiają się pierwsze realne oszczędności czasu. Jeden prosty przepływ automatyzacji – np. raportowanie tygodniowe generowane przez AI na podstawie danych z arkusza – potrafi zaoszczędzić 2–3 godziny tygodniowo. Dla osoby zarabiającej 8 000 zł miesięcznie oznacza to odzyskanie czasu wartego ok. 600 zł w skali miesiąca.

Warto też w tym etapie przejrzeć zasoby dostępne na naszym blogu o automatyzacjach AI dla firm, gdzie opisujemy konkretne przypadki z polskich przedsiębiorstw. Drugi miesiąc kończy się budową co najmniej jednej działającej automatyzacji w Twoim rzeczywistym środowisku pracy – nie na przykładowych danych.

Etap 3 (dni 61–90): Specjalizacja i pierwsze projekty

Trzeci miesiąc to czas na wybór kierunku. Masz już podstawy – teraz decydujesz, czy idziesz w stronę tworzenia treści z AI, analizy danych, obsługi klienta czy zarządzania projektami. Ten wybór powinien wynikać z Twojej branży i celów zawodowych, nie z trendów na LinkedIn.

Na tym etapie uczestnicy programu mentoringowego AI Business Lab LLC pracują nad własnym projektem: automatyzacją procesu w swojej firmie, narzędziem dla klientów lub wewnętrzną bazą wiedzy zasilaną przez AI. Projekt końcowy to dowód kompetencji – coś, co możesz pokazać pracodawcy lub klientowi.

Bartosz Cruz, założyciel AI Expert Academy, omówił znaczenie praktycznych projektów jako dowodu kompetencji w audycji Polskiego Radia Czwórka „Świat 4.0" w maju 2025 roku, poświęconej wpływowi AI na kompetencje poznawcze. Zwrócił uwagę, że samo ukończenie kursu bez projektu wdrożeniowego nie buduje wiarygodności ani u pracodawców, ani w procesach rekrutacyjnych. Więcej o podejściu do nauki AI znajdziesz na bartoszcruz.com.

Które narzędzia AI wybrać w 2026 roku

Rynek narzędzi AI zmienia się szybko, ale kilka z nich utrzymuje stabilną pozycję od miesięcy. Poniższa tabela pokazuje trzy narzędzia, które warto opanować jako pierwsze, wraz z ich głównym zastosowaniem i obecną wersją (stan na kwiecień 2026).

Poza tą trójką warto śledzić Claude 3.7 (Anthropic) – szczególnie do zadań wymagających długiego kontekstu, np. analizy dokumentów liczących kilkadziesiąt stron. Od aktualizacji z lutego 2026 roku Claude 3.7 obsługuje kontekst do 200 000 tokenów, co odpowiada mniej więcej 150 stronom tekstu w jednym zapytaniu. To narzędzie szczególnie przydatne w branży prawniczej, finansowej i edukacyjnej.

Przeczytaj też nasz artykuł o tym, jak wybrać narzędzia AI dopasowane do swojej branży, gdzie porównujemy 12 popularnych platform pod kątem konkretnych zastosowań zawodowych.

Mentoring 1-na-1 kontra kurs nagrany – co działa lepiej

Kursy nagrane mają jedną poważną wadę: nie wiedzą, kim jesteś. Nie znają Twojej branży, Twoich klientów ani problemów, które chcesz rozwiązać za pomocą AI. Dostarczone gotowe scenariusze pasują do wszystkich w równym stopniu – czyli często nie pasują do nikogo konkretnie.

Mentoring 1-na-1 przez konsultacje działa inaczej. Bartosz Cruz i zespół AI Business Lab LLC dostosowują każdy plan nauki do sytuacji uczestnika: jego stanowiska, branży, dostępnego czasu i celów na najbliższy rok. Jeśli jesteś właścicielem małej firmy e-commerce, Twój plan wygląda inaczej niż plan menedżera w korporacji finansowej – nawet jeśli oboje zaczynacie od zera.

Dane AI Business Lab LLC z pierwszego kwartału 2026 roku pokazują, że 83% uczestników programu mentoringowego wdrożyło co najmniej jedno narzędzie AI w swoim miejscu pracy przed końcem 90-dniowego programu. W grupie uczestników kursów nagranych ten wynik wynosi 31%. Różnica wynika głównie z dostosowania materiału i bieżącej korekty błędów w trakcie nauki.

Jak mierzyć postępy w nauce AI

Nauka AI bez mierzenia postępów to jak bieganie bez zegarka – nie wiesz, czy przyspieszasz, czy zwalniasz. Bartosz Cruz zaleca trzy konkretne wskaźniki, które każdy uczestnik programu śledzi co tydzień: liczba narzędzi AI używanych regularnie (cel: 3 po 90 dniach), czas zaoszczędzony tygodniowo dzięki AI (mierzony w minutach, nie odczuciach) oraz liczba wdrożonych automatyzacji (cel: co najmniej 1 po 60 dniach).

Proste narzędzie do śledzenia postępów to arkusz kalkulacyjny z tygodniowym wpisem. Nie potrzeba żadnej aplikacji – wystarczy pięć minut w piątek, żeby zapisać liczby. Po 12 tygodniach masz twarde dane, które pokazują realny postęp i które możesz przedstawić pracodawcy lub klientowi jako dowód kompetencji.

Jeśli po 30 dniach żaden z trzech wskaźników nie rośnie, to sygnał, że plan wymaga korekty. W modelu mentoringowym korekta następuje na następnej konsultacji. W modelu samodzielnym – wróć do etapu pierwszego i zmień jedno ćwiczenie dziennie na inne.