Przez ostatnie dwadzieścia lat internet nauczył nas, że wiedza powinna być dostępna za darmo.

Najpierw zaczęliśmy publikować ją na blogach. Potem nagrywać na YouTube. Następnie pakować w podcasty, newslettery, kursy, webinary, e-booki i trzydniowe szkolenia zakończone certyfikatem, którego nikt nigdy nie sprawdzi.

Dziś możemy za kilkadziesiąt złotych miesięcznie subskrybować artykuły ekonomisty, komentarze inwestora albo filmy trenera, który od piętnastu lat powtarza, że wystarczy regularnie ćwiczyć i nie jeść śmieci. Odkrycie godne Nagrody Nobla, choć niestety nadal trudne do wdrożenia.

Ale następny etap może wyglądać zupełnie inaczej.

Nie będziemy płacić za dostęp do kolejnych treści. Będziemy płacić za dostęp do czyjegoś sposobu myślenia.

Nie do nagranego wykładu księgowego, lecz do systemu, który analizuje naszą sytuację tak, jak zrobiłby to ten księgowy. Nie do kursu programowania, lecz do interfejsu, który potrafi sprawdzić kod, zadać właściwe pytania i zastosować metody konkretnego programisty. Nie do newslettera inwestora, lecz do mechanizmu, który ocenia spółkę według jego aktualnych założeń, modeli i doświadczeń.

Trochę OnlyFans, tylko zamiast zdjęć stóp dostajemy dostęp do procesów myślowych specjalisty.

Cywilizacja czasem jednak robi postępy.

Od treści do interfejsu

Dzisiejszy internet twórców opiera się przede wszystkim na publikowaniu treści.

Ekspert coś wie, więc pisze artykuł. Albo nagrywa film. Odbiorca musi znaleźć odpowiedni materiał, poświęcić czas na jego obejrzenie, zrozumieć go, a następnie samodzielnie przełożyć wiedzę na własny problem.

To system, w którym ktoś publikuje dwugodzinny podcast, żeby odpowiedzieć na pytanie, które można było zamknąć w siedmiu zdaniach. Ale przecież algorytm lubi czas oglądania, więc wszyscy udajemy, że to normalne.

Interfejs do wiedzy działałby inaczej.

Zamiast przeglądać archiwum eksperta, pytalibyśmy bezpośrednio:

Mam firmę w Polsce i klienta w Stanach. Jak rozliczyć tę usługę?

System nie wysyłałby nas do filmu zatytułowanego „10 rzeczy, które MUSISZ wiedzieć o podatkach”, gdzie pierwsze sześć minut zajmuje historia autora, kod rabatowy do programu księgowego i prośba o zostawienie łapki.

System sprawdziłby aktualne przepisy, przeanalizował dokumenty, zastosował metodę konkretnego specjalisty i przedstawił odpowiedź wraz z założeniami, ryzykiem i źródłami.

Taki ekspert przestawałby być biblioteką treści. Stawałby się usługą.

Wchodzi MCP, cały na biało

Techniczną częścią tej układanki może być MCP, czyli Model Context Protocol.

MCP jest otwartym standardem pozwalającym aplikacjom AI łączyć się z zewnętrznymi danymi, narzędziami i procedurami. Serwer MCP może udostępniać trzy podstawowe elementy: zasoby zawierające wiedzę i dane, gotowe schematy pracy oraz narzędzia, które model może uruchamiać.

Najczęściej tłumaczy się go jako „USB-C dla AI”. Porównanie jest niezłe, choć wymaga wiary w świat, w którym USB-C rzeczywiście zawsze pasuje i działa. Ludzkość lubi opowiadać o standardach znacznie wcześniej, niż producenci przestają dodawać własne przejściówki.

MCP nie jest modelem sztucznej inteligencji. Nie myśli, nie uczy się ludzkiej osobowości i nie przechowuje magicznej kopii świadomości eksperta.

Jest interfejsem.

Pozwala powiedzieć modelowi:

  • tutaj znajduje się moja wiedza,
  • tak wyglądają moje procedury,
  • z tych kalkulatorów i baz korzystam,
  • te pytania należy zadać przed wydaniem rekomendacji,
  • tych działań nie wolno wykonywać bez zgody człowieka.

To pozornie niewielka różnica. W praktyce oddziela jednak zwykłego chatbota, który przeczytał książkę, od systemu potrafiącego pracować według metod autora książki.

Standard szybko wyszedł poza pierwotne środowisko Claude. Zdalne serwery MCP są obsługiwane przez API OpenAI, Microsoft rozwija ich obsługę w Copilot Studio i usługach Azure, a Google publikuje własne serwery MCP oraz integruje protokół ze swoimi narzędziami dla agentów. MCP został również przekazany do Agentic AI Foundation działającej pod Linux Foundation, co ma zapewnić mu bardziej neutralny rozwój niż pozostawienie standardu pod pełną kontrolą jednej firmy.

Istnieje już oficjalny rejestr serwerów MCP oraz prywatne katalogi, takie jak Smithery. Na razie znajdziemy tam głównie integracje z aplikacjami, bazami danych, systemami deweloperskimi i narzędziami biznesowymi. To raczej sklep z końcówkami do cyfrowej wiertarki niż katalog ludzkiej wiedzy. Fundament dystrybucyjny jednak już działa.

A co z ludźmi?

Tutaj robi się ciekawiej, ponieważ cyfrowe wersje ekspertów również już istnieją.

Delphi pozwala tworzyć tak zwane „Digital Minds”. Twórca może podłączyć dokumenty, artykuły, podcasty, materiały wideo i profile społecznościowe, a następnie przygotować cyfrową wersję, która odpowiada na pytania na podstawie jego wiedzy, sposobu wypowiadania się i opracowanych metod. System może działać przez tekst, głos, stronę internetową, komunikatory i inne kanały. Delphi umożliwia też tworzenie płatnych poziomów dostępu, limitów użycia i modeli pay-as-you-go.

To nie jest jeszcze osobisty MCP w pełnym znaczeniu tego słowa. Bliżej temu do interaktywnego klona zasilanego materiałami autora. Mimo to kierunek jest jasny: ekspert nie publikuje wyłącznie treści. Udostępnia cyfrową reprezentację swojej wiedzy, która może prowadzić tysiące rozmów jednocześnie.

W 2026 roku wystartował także Onix, opisywany wprost jako coś w rodzaju „Substacka dla botów”. Eksperci licencjonują platformie własną wiedzę, a użytkownicy mogą subskrybować ich cyfrowe odpowiedniki i korzystać z porad opartych na dostarczonych przez nich materiałach. Firma podkreśla kontrolę ekspertów nad własnością intelektualną i sposobem działania ich cyfrowych wersji.

Istnieją również projekty takie jak Personal AI, które pozwalają budować prywatne modele na podstawie własnych wiadomości, materiałów i pamięci. Ich głównym celem nie jest jednak sprzedaż dostępu do specjalisty, lecz stworzenie osobistego systemu wspierającego konkretnego użytkownika.

Mamy więc już trzy osobne elementy:

  1. cyfrowe kopie wiedzy i stylu ekspertów,
  2. standard pozwalający udostępniać dane, narzędzia i procedury,
  3. katalogi umożliwiające wyszukiwanie i podłączanie takich usług.

Brakuje tylko kogoś, kto złoży je w jeden produkt i nazwie „rewolucją”, najlepiej zanim zdąży napisać regulamin.

Jak wyglądałby osobisty MCP?

Wyobraźmy sobie serwer MCP prowadzony przez doświadczonego księgowego.

Nie zawierałby wyłącznie kolekcji jego artykułów. Udostępniałby:

Zasoby

Aktualizowane interpretacje podatkowe, przykłady, własne notatki, szablony umów, listę typowych błędów oraz informacje o tym, które przepisy są niejednoznaczne.

Procedury

Schemat pytań, które należy zadać klientowi. Kolejność sprawdzania dokumentów. Reguły oceny ryzyka. Sposób odróżniania sytuacji oczywistych od tych, w których lepiej wystąpić o indywidualną interpretację.

Narzędzia

Kalkulator podatkowy, analizator faktur, klasyfikator usług, sprawdzanie kontrahentów, generator listy brakujących dokumentów.

Aktualizacje

Gdy zmieniają się przepisy albo pojawia się nowa interpretacja, ekspert aktualizuje serwer. Każdy korzystający z niego agent od razu pracuje na nowej wersji.

Użytkownik nie musiałby otwierać osobnej aplikacji księgowego. Mógłby podłączyć jego MCP do swojego wybranego asystenta AI.

Następnie napisać:

Przeanalizuj tę fakturę według metod Anny Kowalskiej.

Model pobierałby wiedzę i narzędzia z serwera Anny, ale prowadził rozmowę w aplikacji użytkownika.

To ważna zmiana.

Dzisiaj twórca próbuje ściągnąć odbiorcę na własną stronę, platformę albo aplikację. W świecie MCP jego wiedza mogłaby przychodzić do użytkownika.

Podobnie jak muzyka nie jest już przywiązana do konkretnego odtwarzacza, ekspertyza nie musiałaby być przywiązana do konkretnego chatbota.

Programista w abonamencie

Osobisty MCP programisty mógłby zawierać jego preferowaną architekturę aplikacji, zasady projektowania API, checklisty bezpieczeństwa, podejście do testów, biblioteki, szablony oraz narzędzia do analizy kodu.

Nie pytałbyś ogólnego modelu:

Jak zaprojektować ten system?

Pytałbyś:

Jak zaprojektowałby go programista, którego podejście znam i któremu ufam?

Model korzystałby z aktualnych metod autora, ale jednocześnie widziałby twój kod, wymagania i ograniczenia.

Najlepsi programiści mogliby sprzedawać nie tylko kursy. Sprzedawaliby dostęp do własnych standardów, narzędzi i sposobu podejmowania decyzji.

Oczywiście internet natychmiast zapełniłby się serwerami typu:

MCP senior developera z dwudziestoletnim doświadczeniem.

Po bliższej kontroli okazałoby się, że autor ukończył bootcamp w lutym, a jego dwadzieścia lat doświadczenia to suma czasu wykonania wszystkich filmów, które obejrzał na YouTube.

Rynek wiedzy od zawsze miał problem z oddzieleniem ekspertów od ludzi dobrze radzących sobie z mikrofonem. AI nie rozwiąże tego problemu. Może za to zautomatyzować jego skalowanie.

Inwestor, który nigdy nie śpi

Jeszcze ciekawiej wyglądałoby to w inwestowaniu.

Osobisty MCP inwestora mógłby udostępniać:

  • kryteria selekcji spółek,
  • sposób oceny zarządu,
  • własne modele wyceny,
  • aktualne założenia makroekonomiczne,
  • listę sygnałów ostrzegawczych,
  • historię wcześniejszych decyzji,
  • narzędzia do analizowania raportów finansowych.

Użytkownik mógłby podłączyć kilku inwestorów jednocześnie.

Jeden oceniałby spółkę pod kątem wartości. Drugi wzrostu. Trzeci ryzyka technologicznego. Czwarty najprawdopodobniej wyjaśniałby, dlaczego wszyscy pozostali są idiotami. Wreszcie jakaś realistyczna reprezentacja świata finansów.

Powstałaby prywatna rada doradcza złożona z cyfrowych wersji wybranych osób.

Nie chodziłoby o to, żeby każda z nich podała tę samą odpowiedź. Wartością byłaby właśnie różnica.

Moglibyśmy pytać:

W czym wasze oceny się nie zgadzają i z jakich założeń wynika różnica?

To byłoby znacznie bardziej użyteczne niż obecna praktyka polegająca na oglądaniu czterech filmów, z których każdy z pełnym przekonaniem przewiduje inną przyszłość.

Za co właściwie płacimy?

Wiedza sama w sobie szybko tanieje.

Ogólne informacje można znaleźć w internecie albo wygenerować za pomocą dowolnego dużego modelu. Wartość eksperta coraz rzadziej polega na tym, że zna definicję lub przepis.

Płacimy za coś innego:

  • wybór właściwych informacji,
  • hierarchię ich znaczenia,
  • sposób zadawania pytań,
  • rozpoznawanie wyjątków,
  • doświadczenie wynikające z wcześniejszych błędów,
  • wiedzę, kiedy standardowa procedura przestaje działać,
  • gotowość do powiedzenia: „nie wiem”.

Dobry osobisty MCP nie byłby więc bazą wiedzy. Byłby systemem osądu.

I właśnie ten osąd mógłby stać się produktem.

Model biznesowy mógłby przyjąć kilka form.

Najprostsza byłaby miesięczna subskrypcja. Za określoną kwotę otrzymujemy dostęp do serwera eksperta i określony limit użycia.

Możliwa byłaby również opłata za każde zapytanie, analizę dokumentu albo uruchomienie konkretnego narzędzia. Techniczna infrastruktura dla automatycznych mikropłatności już powstaje. Protokół x402 rozwijany przez Coinbase umożliwia usługom pobieranie opłat bezpośrednio za dostęp do danych lub API, a dokumentacja opisuje jego integrację z serwerami MCP i automatyczne płacenie przez agentów.

Możliwe byłyby też licencje firmowe. Organizacja płaciłaby za dostęp do metod konkretnego konsultanta dla całego zespołu.

Najciekawszy byłby jednak model mieszany.

Tani dostęp do cyfrowego eksperta, a gdy sprawa przekracza określony poziom ryzyka, możliwość przekazania jej prawdziwemu człowiekowi.

AI obsługiwałaby pytania powtarzalne. Ekspert zajmowałby się wyjątkami. Zamiast sprzedawać każdą godzinę osobno, sprzedawałby skalowalną wersję swojego doświadczenia.

Problem w tym, że wiedza nie jest człowiekiem

Cyfrowa kopia eksperta może dobrze odtwarzać jego wcześniejsze wypowiedzi. Nie oznacza to jeszcze, że posiada jego osąd.

Model może wiedzieć, co ekspert powiedział pięć lat temu. Nie musi rozumieć, dlaczego powiedział to w konkretnym kontekście ani czy dziś nadal byłby tego samego zdania.

To podstawowy problem wszystkich „cyfrowych klonów”.

Człowiek zmienia poglądy. Uczy się. Traci pewność. Zauważa, że dotychczasowa metoda przestała działać. Czasami nawet przyznaje się do błędu, choć jest to funkcja nadal dostępna głównie w wersji eksperymentalnej.

System będzie wartościowy tylko wtedy, gdy ekspert będzie go regularnie aktualizował.

Nie wystarczy wrzucić książki, stu filmów i kilku tysięcy postów. Trzeba również zarządzać tym, co cyfrowa wersja może mówić, gdzie kończy się jej kompetencja oraz które odpowiedzi wymagają potwierdzenia.

Nawet Delphi zastrzega w swoich warunkach, że odpowiedzi cyfrowych umysłów nie są gwarantowane jako dokładne, kompletne ani aktualne i powinny być niezależnie weryfikowane.

Czyli dostajemy cyfrową kopię eksperta, ale odpowiedzialność nadal pozostaje przy użytkowniku.

Technologia poszła do przodu. Regulamin zachował zdrowy rozsądek.

Konflikt interesów w formie abonamentu

Jest jeszcze jeden problem.

Ekspert często nie sprzedaje wyłącznie wiedzy. Sprzedaje również książki, kursy, suplementy, oprogramowanie, konsultacje albo własne fundusze.

Cyfrowa wersja może zacząć polecać produkty właściciela nie dlatego, że są najlepszym rozwiązaniem, lecz dlatego, że stanowią część jego biznesu.

Podczas testowania Onix dziennikarz „Wired” zauważył przypadki błędnych odpowiedzi oraz rekomendowania produktu, z którym reprezentowany ekspert był biznesowo związany.

W klasycznych mediach próbujemy przynajmniej oznaczać reklamę.

W świecie osobistych MCP potrzebowalibyśmy podobnych informacji:

  • z jakich źródeł powstała odpowiedź,
  • czy ekspert ma finansowy interes w rekomendacji,
  • kiedy wiedza została zaktualizowana,
  • które fragmenty pochodzą bezpośrednio od człowieka,
  • które zostały wygenerowane lub wywnioskowane przez model,
  • czy odpowiedź została zatwierdzona przez autora.

Bez tego nie będziemy subskrybować wiedzy.

Będziemy subskrybować marketing przebrany za czyjś osąd.

Czyli zasadniczo internet, ale bardziej rozmowny.

Bezpieczeństwo, czyli moment, w którym robi się mniej zabawnie

Serwer MCP może mieć dostęp nie tylko do informacji, lecz także do narzędzi wykonujących działania.

Może odczytać dokument. Wysłać wiadomość. Zmodyfikować plik. Uruchomić kod. Przeprowadzić płatność.

To znacznie potężniejsze niż zwykły artykuł czy chatbot.

Podłączenie osobistego MCP oznaczałoby więc przyznanie cyfrowej reprezentacji eksperta określonych uprawnień we własnym środowisku.

Oficjalna dokumentacja MCP i OpenAI ostrzega między innymi przed złośliwymi serwerami, wyciekiem danych, niekontrolowanymi działaniami oraz atakami typu prompt injection. OpenAI zaznacza też, że zdalne serwery MCP są usługami podmiotów trzecich i podlegają ich własnym zasadom przechowywania danych.

Wyobraźmy sobie, że subskrybujemy MCP doradcy finansowego, który prosi o dostęp do rachunku bankowego, dokumentów podatkowych i skrzynki e-mail.

Brzmi świetnie, dopóki nie przypomnimy sobie, jak ludzie wybierają hasła.

Rynek osobistych MCP wymagałby:

  • dokładnie ograniczonych uprawnień,
  • potwierdzania działań wysokiego ryzyka,
  • pełnego rejestru wykonanych operacji,
  • weryfikacji tożsamości twórców,
  • podpisywania wersji serwera,
  • możliwości natychmiastowego cofnięcia dostępu,
  • niezależnych audytów bezpieczeństwa.

Sam protokół nie rozwiązuje kwestii zaufania.

MCP mówi, jak się połączyć.

Nie mówi, komu warto wierzyć.

Kto jest właścicielem cyfrowego eksperta?

Dochodzi również pytanie o własność.

Załóżmy, że konsultant przez trzydzieści lat budował własną metodę pracy. Następnie tworzy MCP, aktualizuje go przez kilka lat i sprzedaje dostęp tysiącom klientów.

Co dzieje się po jego śmierci?

Czy serwer może nadal odpowiadać? Czy rodzina może zmienić jego rekomendacje? Czy firma kupująca prawa do cyfrowego eksperta może dodać mu sponsorów? Czy jego poglądy zostają zamrożone w ostatniej wersji? Czy można sprzedać osobowość razem z bazą klientów?

Delphi ma nawet ofertę skierowaną do celebrytów i osób publicznych nazwaną „Immortal”. Nazwa subtelna jak marmurowy pomnik postawiony jeszcze za życia.

Być może cyfrowe dziedzictwo stanie się nową kategorią majątku.

Dziś spadkobiercy otrzymują prawa do książek, nagrań i wizerunku. Jutro mogą dziedziczyć aktywny system, który nadal rozmawia, doradza i zarabia.

Człowiek umrze, ale jego panel administracyjny pozostanie aktywny.

Jedna osoba, jeden serwer?

Technicznie nie musiałoby to wyglądać tak, że każdy człowiek uruchamia własną maszynę w piwnicy.

Choć wizja emerytowanego doradcy podatkowego restartującego serwer po aktualizacji Ubuntu ma pewien urok.

Platforma mogłaby obsługiwać tysiące ekspertów. Każdy otrzymywałby własną tożsamość, zestaw zasobów, procedur, narzędzi, poziomów dostępu i zasad aktualizacji.

Dla klienta każdy ekspert wyglądałby jak osobny MCP.

W tle mogłaby działać wspólna infrastruktura, modele językowe i system płatności.

Powstałby katalog ludzi, których wiedzę można podłączyć do własnego asystenta.

Nie szukalibyśmy już aplikacji:

Znajdź mi narzędzie do analizy umów.

Szukalibyśmy osób:

Znajdź prawnika specjalizującego się w umowach SaaS, którego podejście jest konserwatywne i który pracuje z europejskimi firmami sprzedającymi do USA.

Następnie porównywalibyśmy:

  • doświadczenie,
  • zakres wiedzy,
  • częstotliwość aktualizacji,
  • skuteczność wcześniejszych rekomendacji,
  • cenę,
  • wymagane uprawnienia,
  • liczbę przypadków przekazanych do prawdziwego eksperta.

Opinie użytkowników również musiałyby wyglądać inaczej.

Nie wystarczyłoby:

Bardzo miły bot, szybko odpowiada.

Trzeba byłoby oceniać jakość decyzji po miesiącach lub latach.

Co byłoby problemem, ponieważ internet znacznie lepiej radzi sobie z ocenianiem szybkości dostawy pizzy niż długoterminowych konsekwencji porad finansowych.

Czy naprawdę będziemy za to płacić?

Prawdopodobnie tak.

Ale nie będziemy płacić za samą wiedzę. Ogólna wiedza będzie coraz tańsza, ponieważ modele potrafią ją streszczać, łączyć i prezentować praktycznie za darmo.

Zapłacimy za:

  • zaufane źródło,
  • wyselekcjonowany sposób myślenia,
  • aktualizowane procedury,
  • specjalistyczne narzędzia,
  • doświadczenie zakodowane w decyzjach,
  • możliwość eskalacji do prawdziwego człowieka,
  • odpowiedzialność za jakość systemu.

Najbardziej wartościowy ekspert przyszłości może nie być tym, który publikuje najwięcej.

Może nim być ten, który najlepiej potrafi przekształcić własną wiedzę w działający, kontrolowany i aktualizowany system.

To nowy rodzaj twórcy.

Nie tworzy wyłącznie treści. Projektuje sposób, w jaki jego cyfrowa wersja analizuje świat.

Rynek cudzych umysłów

Pierwszy etap już trwa.

Powstają cyfrowe klony twórców. Powstają katalogi agentów. MCP staje się wspólnym standardem łączenia modeli z wiedzą i narzędziami. Pojawiają się mechanizmy automatycznych płatności.

Na razie są to osobne wyspy.

Delphi i Onix koncentrują się na cyfrowych ekspertach. Rejestry MCP koncentrują się na narzędziach i integracjach. Systemy płatności pozwalają pobierać opłaty za dostęp. Platformy AI stają się klientami obsługującymi te połączenia.

Naturalnym kolejnym krokiem jest połączenie wszystkiego w rynek osobistych MCP.

Katalog ludzi dostępnych jako usługi.

Księgowy miesięcznie.

Programista za każde review.

Prawnik od analizowanego dokumentu.

Inwestor w pakiecie rodzinnym.

Filozof bez limitu, ponieważ nadal nie dojdzie do jednoznacznego wniosku.

A użytkownik wybierze kilku z nich i zbuduje własną cyfrową radę doradczą.

Nie zastąpi ona prawdziwych relacji ani odpowiedzialności człowieka. Może jednak sprawić, że dostęp do specjalistycznego sposobu myślenia przestanie być ograniczony liczbą godzin w kalendarzu eksperta.

Dziś subskrybujemy cudze treści.

Jutro możemy subskrybować cudze metody.

Pojutrze nasze AI będzie samo decydować, którego eksperta zapytać, negocjować cenę i płacić za pojedynczą analizę.

A wtedy człowiek po raz kolejny osiągnie szczyt rozwoju cywilizacyjnego: stworzy system, w którym nawet jego program komputerowy będzie miał więcej płatnych subskrypcji niż on sam.

Źródła

  1. Anthropic — Introducing the Model Context Protocol (2024)
  2. Model Context Protocol — What is the Model Context Protocol (MCP)?; Specification
  3. OpenAI — MCP and Connectors; New tools and features in the Responses API (2025)
  4. Microsoft — MCP is now generally available in Copilot Studio; MCP servers in Azure API Management
  5. Google Cloud — Google Cloud MCP servers overview
  6. Linux Foundation / MCP Blog — MCP joins the Agentic AI Foundation (2025); Linux Foundation press release
  7. Model Context Protocol — Official MCP Registry; About the MCP Registry
  8. Smithery — Smithery CLI and MCP server directory
  9. Delphi — Digital Minds platform; Immortal; Terms of Use
  10. Onix — Personal Intelligence platform; WIRED: testing Onix expert chatbots (2026)
  11. Personal AI — Private, programmable AI platform; Memory Stack documentation
  12. Coinbase — Introducing x402; MCP Server with x402
  13. OpenAI — Building MCP servers: security and third-party risks
  14. Model Context Protocol — Security Best Practices