Jensen Huang i AGI: co oznacza deklaracja Nvidii dla zwykłych firm 

W ciągu jednego roku Jensen Huang, szef Nvidii, ogłosił nadejście AGI aż trzy razy - raz na podcaście, raz podczas rozmowy inwestorskiej i raz na X przy okazji premiery nowego modelu OpenAI. Każda z tych deklaracji wywoływała falę nagłówków, ale też sporo zamieszania: naukowcy nie zgadzają się z Huangiem co do definicji, a część komentatorów widzi w tych słowach przede wszystkim marketing kolejnej generacji układów graficznych. Dla właściciela małej czy średniej firmy najważniejsze pytanie brzmi jednak inaczej: czy cokolwiek z tego realnie zmienia sposób, w jaki warto dziś korzystać z AI.

Co dokładnie powiedział Jensen Huang i kiedy

Pierwsza głośna deklaracja padła w marcu 2026 roku podczas rozmowy z Lexem Fridmanem: "Myślę, że to już teraz. Myślę, że osiągnęliśmy AGI" - powiedział Huang, odpowiadając na pytanie, czy jakiś system AI mógłby samodzielnie założyć i rozwinąć firmę wartą miliard dolarów w ciągu 5-20 lat. W tej samej rozmowie dodał jednak zastrzeżenie, które później cytowano niemal równie często co samą deklarację: szanse, że 100 tysięcy takich agentów zbudowałoby firmę porównywalną skalą do Nvidii, ocenił na zero procent.

Kolejna odsłona nastąpiła 26 sierpnia 2026 roku podczas rozmowy o wynikach finansowych Nvidii za drugi kwartał roku fiskalnego 2027, gdy przychody spółki sięgnęły 96,2 miliarda dolarów, o 106 procent więcej rok do roku. Huang stwierdził wtedy: "Dla wielu zadań można powiedzieć, że już osiągnęliśmy AGI... Myślę, że wszystkie te kamienie milowe są w tym momencie właściwie bez znaczenia", argumentując, że branża wciąż nie ma wspólnej definicji AGI, więc sam etykietowanie mniej się liczy niż to, czy AI wykonuje realnie użyteczną pracę.

Trzecia deklaracja pojawiła się na początku września 2026 roku, tuż po premierze modelu GPT-6 Astra od OpenAI. Huang napisał wtedy na X: "GPT-6 Astra, wytrenowany na ponad 100 tysiącach układów NVIDIA Grace Blackwell NVLink72. Od ChatGPT, przez o1, po Astrę w ciągu czterech lat. AGI już nadeszło. Gratulacje dla zespołu OpenAI. 400 tysięcy GPU wchodzi do użytku jako kolejny krok". Sam start Astry nie przebiegł zresztą bezproblemowo - Sam Altman publicznie przeprosił za "chaotyczne wdrożenie", a OpenAI zrekompensowało części płacących użytkowników utracony dostęp dodatkowym dziennym limitem zapytań.

Jak Huang definiuje AGI, czyli dlaczego jego słowa budzą tyle sporów

Zasadniczy problem z deklaracjami Huanga polega na tym, że jego definicja AGI znacząco odbiega od tego, co większość badaczy rozumie pod tym pojęciem. Jeszcze w 2024 roku, podczas szczytu DealBook New York Timesa, Huang definiował AGI jako oprogramowanie zdolne zdawać testy zbliżone do standardowych testów mierzących ludzką inteligencję - i przewidywał, że taki moment nastąpi w ciągu pięciu lat. W 2026 roku przesunął jednak punkt odniesienia w stronę czysto biznesową: jeśli AI potrafi samodzielnie wymyślić, zbudować i rozwinąć firmę wartą miliardy dolarów, to w jego ocenie kwalifikuje się to jako ogólna sztuczna inteligencja.

To bardzo wąskie, praktyczne rozumienie AGI, skoncentrowane na konkretnych zadaniach biznesowych, a nie na ogólnej, ludzkiej zdolności rozumowania w dowolnej dziedzinie. Część komentatorów wprost nazywa to rozmywaniem definicji - przesunięcie punktu odniesienia sprawia, że każdy kolejny postęp można ogłosić jako spełnienie kryterium, nawet jeśli systemy wciąż mają poważne ograniczenia w codziennym, nieprzewidywalnym środowisku.

Co na to naukowcy i krytycy branży

Żadna poważna instytucja naukowa ani regulator nie potwierdziły, że AGI w klasycznym rozumieniu rzeczywiście nadeszło. Badaczka Aleksandra Przegalińska, związana z MIT i Harvardem, zwracała uwagę, że te same systemy, które piszą znakomite raporty, potrafią jednocześnie nie poradzić sobie z elementarnymi pytaniami - co jej zdaniem podważa sens używania w ogóle terminu AGI w obecnej formie. Po marcowej deklaracji hasło "AGI" stało się zresztą przez dobę najczęściej wyszukiwaną frazą technologiczną w Google, co samo w sobie pokazuje, jak duży rezonans medialny wywołują tego typu wypowiedzi.

Część dziennikarzy i analityków wprost łączy te deklaracje z interesem biznesowym Nvidii - spółka, której kapitalizacja rynkowa sięgała w tym okresie około 4 bilionów dolarów, zyskuje na utrzymywaniu narracji, że rozwój AI wymaga coraz większej mocy obliczeniowej, a tym samym coraz większych zakupów jej układów. Zapowiedź kolejnych 400 tysięcy GPU "wchodzących do użytku" tuż po deklaracji o Astrze czyta się w tym kontekście równie dobrze jako komunikat inwestorski, co jako komentarz techniczny.

Warto przy tym zauważyć, że sam Huang bywa wewnętrznie niespójny w swoich wypowiedziach - w marcu przyznał, że szanse na powtórzenie sukcesu Nvidii przez roje autonomicznych agentów są praktycznie zerowe, a już kilka miesięcy później mówił o osiągnięciu AGI jako o czymś oczywistym i "bez znaczenia" dla dalszej dyskusji. Taka zmienność samej narracji dodatkowo utrudnia odpowiedź na pytanie, czy mamy do czynienia z rzeczywistym przełomem technologicznym, czy raczej z elastycznie dobieraną etykietą marketingową.

Dlaczego to w ogóle ma znaczenie dla małej lub średniej firmy

Niezależnie od tego, czy nazwiemy to AGI, czy po prostu bardzo skutecznymi agentami AI, realny trend, na który wskazują te deklaracje, jest trudny do zignorowania: systemy AI coraz sprawniej wykonują wieloetapowe zadania biznesowe bez stałego nadzoru człowieka - od obsługi dokumentów, przez pracę biurową, po podstawowe programowanie. To właśnie ten praktyczny wymiar, a nie filozoficzny spór o definicję, powinien interesować właściciela firmy najbardziej.

Warto obserwować, jak podobne, samodzielnie działające agenty AI trafiają już dziś do konkretnych produktów konsumenckich i biznesowych - dobrym przykładem jest architektura bezpieczeństwa zastosowana w Meta Muse, która pokazuje, jak duże firmy technologiczne próbują pogodzić rosnącą autonomię agentów z kontrolą nad danymi użytkownika, o czym pisałem przy okazji pytania, Meta Muse: przewodnik po nowym agencie AI. Podobny kierunek widać też w szerszym temacie agentic AI, czyli asystentów, które nie tylko odpowiadają na pytania, ale faktycznie wykonują zlecone zadania od początku do końca, co rozkładałem przy okazji pytania, agentic AI w praktyce.

Jak podchodzić do haseł "AGI już jest" we własnej firmie

Najbezpieczniejszą strategią jest ignorowanie samego słowa AGI i skupienie się na konkretnych, mierzalnych możliwościach danego narzędzia - czy potrafi ono samodzielnie wykonać dane zadanie z akceptowalną jakością, ile czasu to zajmuje i ile realnie kosztuje w porównaniu z wykonaniem go ręcznie. Rozbudzona przez medialne nagłówki oczekiwania wobec AI bywają wyższe niż to, co obecne modele faktycznie potrafią dostarczyć w codziennej pracy, a rozczarowanie wynikające z takiej rozbieżności to jeden z najczęstszych błędów firm wdrażających te narzędzia bez wcześniejszego przetestowania ich na własnych, konkretnych procesach, o czym pisałem szerzej przy okazji pytania, najczęstsze błędy w pracy z AI.

Warto też pamiętać, że coraz bardziej autonomiczne systemy AI, niezależnie od tego, czy ktoś nazwie je AGI, będą w najbliższych latach podlegać coraz ściślejszym regulacjom - zwłaszcza w Unii Europejskiej, gdzie przepisy dotyczące sztucznej inteligencji już dziś nakładają konkretne obowiązki na firmy korzystające z takich narzędzi w praktyce, co opisywałem przy okazji pytania, AI Act 2026: co musisz wiedzieć jako właściciel firmy. Zanim więc zdecydujesz się na wdrożenie kolejnego, głośno reklamowanego narzędzia AI w swojej firmie, dobrym punktem wyjścia bywa prosty, uporządkowany plan pierwszego miesiąca współpracy z takim systemem, zamiast rzucania się na każdą nowość zapowiadaną jako przełomowa, co rozkładałem na czynniki pierwsze przy okazji pytania, od czego zacząć z AI w firmie.