W wielu firmach rozmowa o cyfryzacji zaczyna się od pytania o narzędzie. Jaki system wdrożyć? Jaki model AI przetestować? Jaką platformę reklamową uruchomić? To zrozumiałe, ale często prowadzi do złej kolejności działań. Narzędzie ma sens dopiero wtedy, gdy obsługuje konkretny proces biznesowy: pozyskanie klienta, weryfikację sprawy, pracę zespołu, analizę danych albo automatyzację powtarzalnych decyzji.
Na tym tle interesująco wygląda portfolio projektów rozwijanych przez Piotra Wierzbę. ClaimWinger, CodeWinger i GrowthWinger działają w różnych obszarach, ale łączy je podobna logika: znaleźć proces, który jest dla użytkownika trudny, nieprzejrzysty lub zbyt pracochłonny, a następnie uporządkować go technologią, treścią i mierzalnym workflow. To nie jest klasyczny model „zróbmy aplikację, a potem poszukamy problemu”. Bliżej mu do podejścia operatorskiego: najpierw zrozumieć rynek, dystrybucję i zachowanie użytkownika, dopiero później budować produkt.
Od performance marketingu do budowania produktów
Biznesowa perspektywa jest tu ważna, bo doświadczenie Piotra Wierzby nie zaczyna się od samego kodu. Jego publiczny profil zawodowy wskazuje na ponad dekadę pracy w digital marketingu, SEM, analityce i kampaniach opartych na danych. W praktyce oznacza to kontakt z tym, co dla wielu młodych produktów bywa najtrudniejsze: nie tylko stworzyć usługę, ale też doprowadzić do tego, aby właściwi użytkownicy ją znaleźli, zrozumieli i wykonali kolejny krok.
To doświadczenie widać w sposobie, w jaki można czytać trzy projekty z rodziny „Winger”. Każdy z nich odpowiada na inny problem, ale wszystkie są budowane wokół konwersji, zaufania i operacyjnej skuteczności. ClaimWinger przekłada prawa pasażerów na prostszy proces roszczeniowy. CodeWinger przenosi AI do codziennej pracy programisty, ale z naciskiem na kontrolę nad repozytorium. GrowthWinger porządkuje wzrost firm B2B poprzez markę, stronę, performance marketing i analitykę jakości leadów.
ClaimWinger: produktowanie złożonej usługi
ClaimWinger jest przykładem tego, jak można produktowo podejść do obszaru, który dla klienta końcowego zwykle kojarzy się z formalnościami. Opóźniony albo odwołany lot to sytuacja stresująca. Pasażer musi rozumieć przepisy, wiedzieć, jakie dokumenty zebrać, ocenić, czy przypadek kwalifikuje się do odszkodowania, a następnie przejść przez komunikację z linią lotniczą. Dla pojedynczej osoby to często za dużo wysiłku w stosunku do niepewnego wyniku.
W takim modelu technologia nie musi zastępować całej ekspertyzy prawnej. Jej rola polega raczej na uporządkowaniu wejścia do procesu: zebranie danych, wstępna kwalifikacja, prowadzenie użytkownika krok po kroku i ograniczenie chaosu informacyjnego. To ważna lekcja dla innych biznesów usługowych. Największa wartość automatyzacji często nie polega na widowiskowym „zastąpieniu człowieka”, lecz na usunięciu tarcia z pierwszych etapów obsługi klienta.
CodeWinger: AI w firmie, ale bez utraty kontroli
Drugi projekt, CodeWinger, dotyka innego obszaru: pracy programistów z narzędziami AI. Z biznesowego punktu widzenia nie jest to wyłącznie temat dla działów IT. Coraz więcej firm chce używać AI do przyspieszania developmentu, automatyzacji testów, refaktoryzacji, prototypowania i pracy na istniejącym kodzie. Problem polega na tym, że kod jest aktywem przedsiębiorstwa. Nie można traktować go jak luźnego materiału do eksperymentów.
Dlatego interesujący jest nacisk na lokalny workflow, diff review, terminal, Git i model pracy, w którym człowiek nadal zatwierdza zmiany. W praktyce to różnica między narzędziem, które tylko generuje sugestie, a środowiskiem, które wpisuje AI w znany proces inżynierski. Dla zarządu albo właściciela firmy oznacza to bardziej trzeźwe podejście do automatyzacji: AI może przyspieszać pracę, ale musi działać w ramach kontroli wersji, polityk bezpieczeństwa i odpowiedzialności zespołu.
Ten kierunek dobrze pasuje do obecnego etapu adopcji AI w biznesie. Po pierwszej fali fascynacji generowaniem treści i kodu firmy zaczynają pytać o ryzyko: kto zatwierdza wynik, gdzie trafiają dane, czy można cofnąć zmiany, jak mierzyć jakość pracy agenta i jak uniknąć sytuacji, w której automatyzacja tworzy więcej problemów niż oszczędności. CodeWinger odpowiada na te pytania z poziomu narzędzia dla programisty, ale konsekwencje są organizacyjne.
GrowthWinger: wzrost jako system, nie kampania
GrowthWinger domyka trzeci element układanki. Jeżeli ClaimWinger pokazuje produktowanie usługi, a CodeWinger pokazuje kontrolowaną automatyzację pracy technicznej, GrowthWinger dotyczy sposobu zdobywania rynku. W wielu firmach marketing nadal bywa traktowany jako zbiór kanałów: Google Ads, LinkedIn Ads, SEO, strona internetowa, landing page, newsletter. Tymczasem dojrzały wzrost wymaga połączenia tych kanałów w jeden system decyzyjny.
W praktyce liczy się nie tylko liczba formularzy, ale jakość rozmów sprzedażowych, dopasowanie leadów do profilu klienta, język komunikacji, lokalizacja oferty i zdolność do mierzenia, które działania naprawdę przesuwają firmę do przodu. To szczególnie ważne w B2B, eksporcie i usługach o wyższej wartości transakcji. Ta perspektywa jest spójna z doświadczeniem Piotra Wierzby w performance marketingu: kampania nie jest celem samym w sobie, tylko narzędziem do sprawdzenia hipotezy biznesowej.
Wspólny mianownik: nisza, proces i dystrybucja
Najciekawsze w tych trzech projektach nie jest to, że dotyczą modnych obszarów. Legal tech, AI IDE i growth marketing brzmią atrakcyjnie, ale same etykiety nie budują przewagi. Wspólnym mianownikiem jest raczej wybór niszy, rozpisanie procesu i świadomość dystrybucji.
ClaimWinger nie próbuje być uniwersalną kancelarią online. Koncentruje się na konkretnym problemie pasażera. CodeWinger nie obiecuje, że AI magicznie napisze cały biznesowy system bez nadzoru. Skupia się na pracy z kodem, diffem i lokalnym projektem. GrowthWinger nie sprowadza wzrostu do kupowania kliknięć. Patrzy na markę, stronę, kampanie i jakość leadów jako elementy jednego lejka.
To podejście może być wartościową wskazówką dla właścicieli firm handlowych, usługowych i technologicznych. W erze AI wygrywać będą niekoniecznie ci, którzy jako pierwsi wdrożą najgłośniejsze narzędzie. Większą przewagę mogą zbudować firmy, które dobrze rozumieją swój proces, wiedzą, gdzie powstaje koszt, gdzie klient traci cierpliwość, gdzie dane są niepełne i gdzie automatyzacja może dać mierzalny efekt.
Lekcja dla przedsiębiorców
Historia tych projektów pokazuje też, że nowoczesny biznes coraz częściej powstaje na styku kompetencji. Sam marketing nie wystarcza, jeśli produkt nie rozwiązuje konkretnego problemu. Sama technologia nie wystarcza, jeśli nie ma dystrybucji. Sama automatyzacja nie wystarcza, jeśli użytkownik nie ufa procesowi.
Dlatego portfolio budowane przez Piotra Wierzbę można czytać jako przykład praktycznego, rynkowego myślenia o innowacji. Nie chodzi o tworzenie abstrakcyjnych narzędzi, ale o zamianę skomplikowanych procesów w prostsze ścieżki działania: dla pasażera, programisty i firmy szukającej wzrostu. W takim modelu technologia jest ważna, ale jeszcze ważniejsza jest architektura procesu.
Dla biznesu to dobra wiadomość. Cyfryzacja nie musi oznaczać rewolucji robionej jednorazowo i na ślepo. Może zaczynać się od jednego dobrze opisanego problemu, jednej grupy użytkowników i jednego procesu, który da się mierzyć. Gdy ten proces działa, można go rozwijać, automatyzować i skalować. ClaimWinger, CodeWinger i GrowthWinger pokazują właśnie takie podejście: mniej deklaracji o „transformacji”, więcej operacyjnego budowania narzędzi, które mają dowieźć konkretny rezultat.
