Second brain organizacji. Dlaczego pamięć firmy znaczy więcej niż kolejne narzędzie AI?

Zespoły marketingu mają dziś dostęp do najlepszych narzędzi AI w historii, a mimo to koncepty powstają wolno, ustalenia giną w skrzynkach, a nowa osoba w zespole miesiącami pyta o rzeczy, które firma już wie. Regularnie obserwuję to zjawisko i, mówiąc wprost, problem rzadko leży w narzędziach. Leży w tym, gdzie żyje wiedza organizacji i jak niewiele z niej widać z perspektywy jednego działu.

Czym jest second brain organizacji i dlaczego nie chodzi o notatki?

Second brain organizacji to wspólne, kuratorowane repozytorium wiedzy i umiejętności firmy, na którym pracują zarówno ludzie, jak i agenty AI. Przechowuje to, co firma wie: strategię, ustalenia, historię decyzji, wiedzę o rynku. Przechowuje też to, co firma potrafi: zapisane, powtarzalne procedury wykonywania pracy. I określa, kto decyduje o tym, co jest w nim prawdą.

Samo pojęcie ma dłuższą historię niż sugeruje moda na AI. Niklas Luhmann, socjolog i jeden z najproduktywniejszych naukowców XX wieku, traktował swoją papierową kartotekę jak partnera do rozmowy i to jej przypisywał dużą część swojego dorobku¹. Tiago Forte w książce „Zbuduj swój drugi mózg” przeniósł tę ideę do świata cyfrowego i zdefiniował second brain jako zewnętrzne, scentralizowane repozytorium tego, czego się uczysz². Trzecie ogniwo dodał w 2026 roku Andrej Karpathy, opisując wzorzec „LLM wiki”: duży model językowy (LLM) nie tylko odpowiada na pytania, ale sam pisze i utrzymuje wiedzę zapisaną w plikach, jak kompilator, który zamienia surowe źródła w uporządkowaną, wzajemnie linkowaną encyklopedię³.

Tu dochodzimy do sedna. T. Forte opisywał system osobisty, prywatną pamięć jednego człowieka. Second brain organizacji to co innego; to przeniesienie tej samej idei na poziom firmy, gdzie wiedza musi być wspólna, aktualna i wiarygodna dla wielu osób naraz. Różnicę najlepiej opisać trzema warstwami, których klasyczna firmowa wiki nigdy nie miała w komplecie:

Dlatego nie chodzi o notatki. Chodzi o system, w którym wiedza pracuje.

Ile kosztuje firmę wiedza, której nie widać?

Ten problem jest starszy niż AI. Już w 2012 roku McKinsey Global Institute szacował, że przeciętny pracownik umysłowy poświęca blisko 20% tygodnia pracy na szukanie wewnętrznych informacji lub docieranie do osób, które mogą pomóc w zadaniu⁴. Badanie Panopto i YouGov z 2018 roku dodaje drugi wymiar: 42% wiedzy potrzebnej na danym stanowisku istnieje wyłącznie w głowie jednej osoby, a pracownicy tracą średnio 5,3 godziny tygodniowo na czekanie na informacje od kolegów albo odtwarzanie wiedzy, która w firmie już była⁵. Gdy ta jedna osoba odchodzi, wiedza wychodzi razem z nią.

AI miało to naprawić, ale samo z siebie tego nie zrobi. Według badania EY z kwietnia 2026 roku 51% średnich i dużych firm w Polsce deklaruje, że AI realnie przynosi im korzyści, ale zaledwie 9% ocenia swoją infrastrukturę danych jako w pełni gotową; nakłady na AI planuje zwiększać 77% organizacji⁶. Globalnie obraz jest podobny: 88% firm regularnie używa AI w co najmniej jednej funkcji biznesowej, a mimo to w żadnej pojedynczej funkcji nie więcej niż 10% respondentów skaluje agentów AI na poważnie⁷. Narzędzia są wszędzie; wartość wciąż gdzieś utyka. Moim zdaniem utyka dokładnie w tym miejscu, w którym model językowy nie ma dostępu do uporządkowanej wiedzy firmy.

Jedno zastrzeżenie, zanim pójdziemy dalej. Second brain nie zastępuje człowieka. Przejmuje szukanie, kompilowanie i pierwsze wersje; osąd i decyzje zostają po stronie zespołu.

Pamięć organizacji, czyli wiedza, która odnajduje się sama

Pierwszy poziom dojrzałości to pamięć. Wiedza przestaje żyć w głowach, skrzynkach, prezentacjach i archiwach po byłych pracownikach; trafia do jednego repozytorium, w którym odnajduje się sama, w kontekście zadania. Przygotowujesz koncept kampanii dla klienta z branży meblarskiej, a system podsuwa strategię komunikacji, ustalenia z ostatniego kwartału i wnioski z kampanii, która dwa lata temu nie zadziałała. Nie dlatego, że ktoś pamiętał, ale dlatego, że nikt nie musiał.

W praktyce dobrze sprawdza się podział zasobów na trzy typy:

• wiedzę wewnętrzną organizacji,
• wiedzę zewnętrzną o rynku i konkurencji,
• skille, do których wrócimy za chwilę.

Dla działu marketingu ta pamięć ma jeszcze jedną, rzadko zauważaną konsekwencję. Second brain organizacji przechowuje wiedzę o całym go-to-market: o celach biznesowych, sprzedaży, produkcie, pricingu i o tym, co słyszy obsługa klienta. Marketing przestaje patrzeć na rynek z wnętrza własnego silosu; kampania powstaje ze świadomością celów sprzedażowych kwartału i pozycjonowania produktu, a nie tylko briefu.

Kto jest źródłem prawdy (governance)

Bez tej warstwy repozytorium szybko traci strukturę i przejrzystość, nawet jeśli jego interfejs sprawia wrażenie uporządkowanego. W second brainie organizacji można wskazać osoby, które są źródłem prawdy w swoich domenach, oraz osoby, które akceptują wiedzę przygotowaną przez innych. Są kontrybutorzy i są kuratorzy; wiedza pewna jest oddzielona od propozycji. To mniej romantyczne niż automatyzacja, ale to właśnie governance odróżnia pamięć organizacji od folderu z plikami.

Jak wiedza zamienia się w umiejętności?

Drugi poziom to moment, w którym second brain przestaje być jedynie źródłem wiedzy, a staje się źródłem umiejętności. Skill to zapisana, powtarzalna procedura wykonania pracy zgodnie ze standardem firmy: jak piszemy brief, jak budujemy raport z kampanii, jak brzmi nasz język, czego w komunikacji nie robimy nigdy. Różnica jest prosta do zapamiętania: wiki mówi, jak piszemy briefy; second brain pisze brief tak, jak my go piszemy.

Ten poziom rozstrzyga też pozorny paradoks tempa i jakości. Intuicja podpowiada, że szybciej znaczy byle jak. Tymczasem automatyzacja oparta na skillach wykonuje proces według najlepszej znanej wersji procedury, za każdym razem tak samo. Człowiek ma gorsze dni, spieszy się, zapomina o jednym kroku z dwunastu; skill nie. Jakość rośnie nie dlatego, że AI jest mądrzejsze od zespołu, tylko dlatego, że firma przestaje płacić podatek od nieuwagi.

Na tej warstwie opiera się codzienna praca z treściami. Zapisane zasady komunikacji marki, jej strategia i historia tego, co działało, sprawiają, że kolejne koncepty powstają na fundamencie, a nie od zera. Da się na tym budować całe treści, scenariusze wideo, koncepcje kampanii i kreacje reklamowe zgodne ze specyfikacjami platform.

Second brain w projektach i procesach firmy

Trzeci poziom dojrzałości wykracza poza odpowiadanie na pytania: second brain zaczyna pracować w procesach.

Pierwszy mechanizm to praca projektowa wewnątrz samego konceptu. Zespół tworzy pomysły, rozwija je i odnosi się do nich nawzajem, a przebieg projektu, czyli to, co się sprawdziło i czego chcemy uniknąć, zasila wiedzę organizacji z powrotem. Powstaje koło zamachowe: projekt korzysta z wiedzy, projekt buduje wiedzę, następny projekt startuje z wyższego poziomu. W klasycznym modelu wiedza projektowa umiera w archiwum; tutaj jest wsadem.

Drugi mechanizm to integracje. Spięcie z pocztą, tablicami kanbanowymi, narzędziami do telekonferencji i systemem CRM (zarządzania relacjami z klientami) działa w dwie strony. Agregacja: system widzi e-mail, notatkę ze spotkania, kartę w Trello i szansę sprzedażową jako jeden kontekst, więc na pytanie o stan projektu odpowiada bez otwierania czterech narzędzi. Transfer: przygotowuje projekt odpowiedzi na e-mail na podstawie historii, zakłada zadanie w Jirze po ustaleniach ze spotkania, sprawdza zgodność materiałów od podwykonawcy z wysłanym zleceniem. Ten ostatni przykład brzmi prozaicznie i właśnie dlatego go lubię; to dokładnie ta praca, której nikt w zespole nie chce robić ręcznie.

Kierunek jest zresztą szerszy niż nasza praktyka. Microsoft w raporcie Work Trend Index z 2025 roku opisuje narodziny „Frontier Firm”, organizacji zbudowanej wokół zespołów ludzko-agentowych; 82% liderów deklarowało tam zamiar wdrożenia agentów AI w ciągu 12–18 miesięcy⁸. Second brain organizacji to w tym układzie infrastruktura wiedzy, bez której taki zespół nie ma na czym pracować.

Czy second brain organizacji to duże wdrożenie IT?

Nie. I to jest chyba najbardziej niedoceniana cecha całego konceptu.

W formie, w jakiej go wdrażamy, second brain jest strukturą plików markdown, czyli zwykłych plików tekstowych, które czyta człowiek i rozumie każdy model językowy. A. Karpathy ujął to zdaniem, które trudno pobić: „Obsidian is the IDE; the LLM is the programmer; the wiki is the codebase”, czyli edytor jest środowiskiem pracy, model językowy programistą, a wiki bazą kodu. Taka struktura współpracuje z każdą platformą obsługującą projekty i agentów, a w wariancie skrajnym z modelem hostowanym we własnej infrastrukturze, gdy wymagania bezpieczeństwa wykluczają chmurę.

Wybór modelu i platformy jest pochodną czterech kryteriów: wytycznych działu compliance, funkcjonalności, jakie model ma dostarczać, zaawansowania użytkowników oraz budżetu na wdrożenie i tokeny. Konfiguracja wynika z wymagań, nie odwrotnie; to nie rocket science, ale wymaga porządku w danych.

Skoro nie technologia, to co jest realnym kosztem? Upór i czas: zebranie rozproszonych danych, ustrukturyzowanie ich i wyszkolenie zespołu, żeby z narzędzia korzystał na co dzień. Z perspektywy użytkownika końcowego to często po prostu nieco bardziej zaawansowana forma pracy z modelem językowym; z perspektywy organizacji to zmiana nawyków, a zmiana nawyków zawsze kosztuje więcej niż licencje.

Dwie warstwy pracy: strategiczna i operacyjna

W Yetiz pracujemy z tym konceptem na dwóch warstwach i ten podział polecam każdemu, kto zastanawia się, od czego zacząć.

Warstwa strategiczno-biznesowa buduje wiedzę o kliencie: jego potrzebach, celach, strategii komunikacji, i pomaga wyznaczać taktyki. Na niej powstają koncepty treści osadzone w celach sprzedażowych i pozycjonowaniu produktu, pełne treści w głosie marki, scenariusze wideo i koncepcje kampanii. Co ważne, taka instancja może działać w środowisku klienta, z dostępem do jego zasobów wewnętrznych; wtedy buduje wiedzę, raportuje i analizuje na podstawie kontekstu, którego żadna agencja z zewnątrz nie widzi.

Warstwa taktyczno-operacyjna wspiera budowanie i optymalizację kampanii, przede wszystkim przez synchronizację i analizę danych z wielu źródeł oraz składanie z nich jednego spójnego obrazu kampanii jako całości. Tu też żyje praca, o której pisałem wyżej: odpowiedzi e-mailowe, zadania i kontrola zgodności materiałów ze zleceniem.

Nie podam w tym miejscu tabeli z procentami poprawy efektywności. To, co widać gołym okiem, to jakość pracy. Wiele procesów jest ustrukturyzowanych, a brainy pilnują ich realizacji i analizują dane o złożoności, której nie da się już sensownie obsłużyć w arkuszu; w praktyce działają jak wspólny kierownik, który zna wszystkie ustalenia i nie ma gorszych dni. Pilnują procesów, nie ludzi. Zespół w tym czasie robi to, do czego naprawdę jest potrzebny: podejmuje decyzje na podstawie danych i wyciąga wnioski, zamiast tracić energię na czynności operacyjne i ryzykować błędy przy ich ręcznym wykonywaniu.

Jak wdrożyć second brain organizacji?

Kolejność ma znaczenie. Widzę pięć kroków, z których ostatni decyduje o wszystkim.

1. Ustal cel funkcjonowania. Inny będzie w agencji, inny w dziale marketingu i sprzedaży, inny w e-commerce. Bez celu repozytorium stanie się składzikiem.
2. Zdefiniuj model pracy. Kto korzysta, kto ma prawo kontrybuować, kto jest użytkownikiem pasywnym; na jakich zasadach prowadzi się w nim projekty. To jest moment, w którym powstaje governance.
3. Określ wiedzę startową i zestaw skilli. System ma pokazać wartość od pierwszego dnia, więc na start potrzebuje minimum wiedzy i kilku umiejętności, które odpowiadają na realne, cotygodniowe potrzeby zespołu.
4. Zacznij od pilotażu. Jeden zespół, jeden proces, kilka tygodni. Wdrażanie wszędzie naraz to najkrótsza droga do porzucenia narzędzia, zaraz po braku gospodarza.
5. Last but not least: wskaż gospodarza. Osobę, która nadzoruje wdrożenie, a potem zarządza rozwojem. Wartością tej platformy jest ciągłe dostosowywanie się do potrzeb; pominięcie tej roli sprawi, że koncept umrze w kilka tygodni, bo przestanie nadążać za organizacją.

Uczciwie: to wdrożenie ma też koszty, których nie widać w budżecie. Startowa inwentaryzacja wiedzy bywa żmudna, dyscyplina kuratorska wymaga czasu ludzi, którzy mają go najmniej, a część zespołu początkowo nie chce dzielić się wiedzą, bo wiedza w jednej głowie bywała dotąd polisą na zatrudnienie. Warto te opory nazwać na starcie, zamiast udawać, że ich nie będzie.

Second brainy, które rozmawiają ze sobą

Na koniec kierunek, który uważam za najciekawszy. Skoro warstwa strategiczna może działać w środowisku klienta, a operacyjna u agencji, naturalnym krokiem jest komunikacja między nimi.

W dół, od warstwy strategiczno-biznesowej do operacyjnej, płyną dane biznesowe lub sygnały z nich wynikające oraz założenia strategiczne. W górę wracają wnioski i raporty mierzące efektywność działań prowadzonych według tych strategii, a także rekomendacje dotyczące strategii i założeń biznesowych, w tym produktowych, wynikające wprost z kampanii. Kampania przestaje być końcem łańcucha; staje się źródłem wiedzy strategicznej. A dane wrażliwe nie opuszczają przy tym ekosystemu klienta, bo między brainami wędrują sygnały i wnioski, nie surowe dane. Klasyczny konflikt „agencja chce pełnych danych, klient nie chce ich udostępniać” po prostu znika.

Mechanicznie brzmi to mniej efektownie, niż wygląda w działaniu. Dziś taka komunikacja odbywa się przez współdzieloną przestrzeń plików o ustalonej strukturze, do której poszczególne brainy publikują finalne wersje dokumentów; rozwiązanie jest szybkie do wdrożenia i nie wymaga egzotycznej infrastruktury. Równolegle pracujemy nad podejściem, w którym instancje rozmawiają ze sobą przez MCP (Model Context Protocol), otwarty standard łączenia systemów AI z danymi i narzędziami.

Wyobraź sobie poranek, w którym zespół prowadzący kampanie dostaje od second braina klienta konkretne wskazówki wynikające z danych sprzedażowych poprzedniego tygodnia, a strategia klienta aktualizuje się o wnioski z kampanii, zanim ktokolwiek napisze raport. To nie jest odległa wizja; to kierunek, w którym ta architektura naturalnie zmierza.

Key Takeaways

• Second brain organizacji to trzy warstwy, nie jedna: wiedza firmy, zapisane umiejętności (skille) i governance, czyli ustalenie, kto jest źródłem prawdy; klasyczna wiki ma tylko pierwszą warstwę i dlatego umiera.
• Problem, który ten koncept rozwiązuje, jest starszy niż AI: już w 2012 roku McKinsey szacował, że blisko 20% tygodnia pracy pochłania szukanie informacji, a według Panopto 42% wiedzy stanowiskowej istnieje tylko w jednej głowie.
• Same narzędzia AI nie wystarczą, bo tylko 9% polskich firm ocenia swoją infrastrukturę danych jako gotową; wartość AI utyka tam, gdzie model nie ma dostępu do uporządkowanej wiedzy firmy.
• Największa zmiana zachodzi w momencie przejścia od wiedzy do umiejętności: wiki mówi, jak piszemy briefy, a second brain pisze brief tak, jak firma go pisze.
• To nie jest duże wdrożenie IT: rdzeniem jest struktura zwykłych plików tekstowych, a realnym kosztem upór i czas na zebranie wiedzy, jej ustrukturyzowanie i wyszkolenie zespołu.
• O powodzeniu decyduje gospodarz, czyli osoba odpowiedzialna za rozwój systemu po wdrożeniu; bez niej koncept umiera w kilka tygodni, bo przestaje nadążać za potrzebami organizacji.
• Kierunkiem rozwoju jest komunikacja między brainami: sygnały i założenia strategiczne płyną w dół, wnioski i rekomendacje wracają w górę, a dane wrażliwe nie opuszczają ekosystemu klienta.

FAQ

Czym second brain organizacji różni się od firmowej wiki albo intranetu?

Wiki przechowuje opisy i czeka, aż ktoś ich poszuka. Second brain organizacji sam odnajduje wiedzę w kontekście zadania, wykonuje pracę według zapisanych procedur (skilli) i ma warstwę governance, która rozstrzyga, co jest aktualną prawdą. Krótko: wiki dokumentuje pracę, second brain ją współwykonuje.

Czy second brain wymaga wysyłania danych firmy do zewnętrznego dostawcy AI?

Nie musi. Rdzeniem jest struktura plików, nad którą firma ma pełną kontrolę, a wybór modelu językowego pozostaje otwarty; od usług chmurowych po modele hostowane we własnej infrastrukturze. O konfiguracji decydują wytyczne compliance, potrzebne funkcjonalności, zaawansowanie użytkowników i budżet.

Od czego zacząć budowę second braina w dziale marketingu?

Od celu i pilotażu, nie od technologii. Wybierz jeden zespół i jeden powtarzalny proces, na przykład tworzenie konceptów treści albo raportowanie kampanii, zbierz wiedzę startową, zdefiniuj dwie lub trzy pierwsze umiejętności i wyznacz gospodarza odpowiedzialnego za rozwój. Resztę dobudujesz, gdy narzędzie pokaże wartość.

1. N. Luhmann, „Kommunikation mit Zettelkästen. Ein Erfahrungsbericht” (1981); przekład angielski: „Communicating with Slip Boxes”: luhmann.surge.sh, dostęp na dzień 6.08.2026 ↩︎
2. T. Forte, „Zbuduj swój drugi mózg”, tłum. K. Danilewicz, Wydawnictwo Mando, Kraków 2023 (wyd. oryginalne: „Building a Second Brain”, Atria Books, 2022) ↩︎
3. A. Karpathy, „llm-wiki.md”, kwiecień 2026: gist.github.com, dostęp na dzień 6.08.2026 ↩︎
4. McKinsey Global Institute, „The social economy: Unlocking value and productivity through social technologies”, lipiec 2012: mckinsey.com, dostęp na dzień 6.08.2026 ↩︎
5. Panopto, „Workplace Knowledge and Productivity Report”, 2018; badanie zrealizowane z YouGov na próbie 1001 pracowników firm zatrudniających ponad 200 osób w USA: prnewswire.com, dostęp na dzień 6.08.2026 ↩︎
6. EY Polska, „Jak polskie firmy wdrażają AI?”, III edycja, kwiecień 2026; badanie na próbie 497 średnich i dużych firm w Polsce: ey.com, dostęp na dzień 6.08.2026 ↩︎
7. McKinsey & Company, „The State of AI in 2025: Agents, innovation, and transformation”, listopad 2025: mckinsey.com, dostęp na dzień 6.08.2026 ↩︎
8. Microsoft, „2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born”, kwiecień 2025; badanie 31 000 pracowników w 31 krajach: news.microsoft.com, dostęp na dzień 6.08.2026 ↩︎