Wywiady
Jan Čurn, współzałożyciel i dyrektor generalny Apify – cykl wywiadów

Kluczowe punktyAgenci będą wynajmować istniejące narzędzia, gdy tworzenie od zera kosztuje więcej niż…
Zobacz więcej
- Agenci będą wynajmować istniejące narzędzia, gdy tworzenie od zera kosztuje więcej niż kupowanie.
- Ciche awarie pozwalają agentom pewnie podsumowywać puste strony, nie zauważając problemu.
- Apify zapłaciło kilkuset twórcom około 2 mln USD łącznych zarobków netto w zeszłym miesiącu.
Jan Čurn jest współzałożycielem i dyrektorem generalnym Apify, które uruchomił wraz z Jakubem Baladą w 2015 roku w ramach Y Combinator Fellowship. Pomysł na pierwotny produkt — narzędzie do przekształcania stron internetowych w interfejsy API — zainspirowała praktyczna potrzeba gromadzenia ofert mieszkań na wynajem w Pradze. Od tamtej pory kierował rozwojem firmy: od infrastruktury do przeszukiwania stron internetowych po platformę do pozyskiwania danych z internetu i automatyzacji przeglądarki oraz rynek narzędzi, z których coraz częściej korzystają agenci AI.
Apify udostępnia platformę do pozyskiwania danych ze stron internetowych, automatyzacji przeglądarki oraz korzystania z gotowych do uruchomienia narzędzi zwanych Actors. Programiści mogą publikować Actors na platformie handlowej Apify i zarabiać na nich, a firmy oraz twórcy rozwiązań AI używają ich do pobierania uporządkowanych danych z internetu i automatyzowania zadań. W tym wywiadzie Čurn opowiada o tym, jak agenci wyszukują wyspecjalizowane narzędzia i z nich korzystają, dlaczego aktualność danych ma znaczenie oraz jakie warunki w zakresie niezawodności, uprawnień i ekonomiki są niezbędne, by agenci mogli działać w internecie na dużą skalę.
W 2015 roku założyłeś Apify wraz z Jakubem Baladą w ramach Y Combinator Fellowship. Początkowo skupialiście się na ułatwieniu programistom tworzenia elastycznych i skalowalnych robotów indeksujących strony internetowe. Co zainspirowało ten pomysł i jak przez ostatnią dekadę ewoluowała wasza pierwotna wizja?
Pomysł na Apify zrodził się z problemu, z którym sami zetknęliśmy się z Jakubem. Pracowaliśmy nad projektem dla klienta, który potrzebował ofert nowych mieszkań w Pradze, a dostępne narzędzia nie radziły sobie z dynamicznym JavaScriptem ani nieregularną strukturą stron internetowych. Dlatego stworzyliśmy własne narzędzie, które przekształcało dowolną stronę internetową w interfejs API.
Z czasem platforma wyszła poza przeszukiwanie stron internetowych i objęła pozyskiwanie z nich danych, automatyzację przeglądarki oraz dane internetowe. Następnie otworzyliśmy rynek, na którym programiści mogą publikować swoje narzędzia, zwane Actors, i otrzymywać wynagrodzenie, gdy inni z nich korzystają. Obecnie coraz większą część użytkowników tych narzędzi stanowią agenci AI.
Apify powstało jako platforma do przeszukiwania stron internetowych na długo przed tym, jak agenci AI stali się ważnym obszarem zainteresowania branży. Kiedy zdaliście sobie sprawę, że zbudowana przez was infrastruktura może być szczególnie przydatna agentom AI, które muszą uzyskiwać dostęp do internetu i wchodzić z nim w interakcje?
Pierwszy moment olśnienia nastąpił na początku 2023 roku, wkrótce po uruchomieniu ChatGPT. Nagle można było wprowadzać do promptu aktualne dane z internetu zamiast trenować nowy model. Apify znalazło się wśród pierwszych platform do pozyskiwania danych ze stron, które udostępniły roboty indeksujące na potrzeby powstających potoków RAG i zintegrowały się z nowymi bibliotekami, takimi jak LangChain czy LlamaIndex.
Potem nadeszła fala agentów AI. Załóżmy, że prosisz agenta o porównanie ceny produktu w 20 sklepach internetowych. Skąd weźmie dane? To problem, który od lat pomagaliśmy rozwiązywać programistom. Dlatego gdy pod koniec 2024 roku Anthropic udostępnił Model Context Protocol (MCP), od razu go wdrożyliśmy. Mieliśmy już tysiące narzędzi z jasno określonymi danymi wejściowymi i wyjściowymi — dokładnie tego potrzebuje agent.
Prawdziwy przełom nastąpił pod koniec 2025 roku, gdy modele stały się na tyle dobre, że agenci mogli wykonywać znaczącą pracę. Agenci potrzebują odpowiednich narzędzi i wiarygodnych danych, a od tamtej pory korzystanie z Apify gwałtownie wzrosło i szybko zbliża się do 100 mln USD rocznego przychodu cyklicznego brutto (ARR).
Apify rozwinęło się w platformę oferującą ponad 90 000 narzędzi związanych z danymi internetowymi, pozyskiwaniem danych ze stron, automatyzacją i AI. Jaką rolę, twoim zdaniem, odgrywa ten ekosystem w sytuacji, gdy agenci coraz częściej potrzebują wyspecjalizowanych narzędzi, zamiast polegać wyłącznie na możliwościach dużego modelu językowego?
Oczywiście modele będą potrafiły tworzyć od podstaw coraz bardziej złożone oprogramowanie, ale istnieje próg, powyżej którego agentowi bardziej opłaca się kupić gotowe narzędzie niż budować je od zera. Wraz z rozwojem modeli próg ten będzie się przesuwał w górę, ale zawsze pozostaną przypadki, w których opłaca się sprzedawać gotowe narzędzia — zwłaszcza jeśli bazują na prywatnych danych i trudno dostępnym kontekście.
Wraz ze spadkiem kosztów tworzenia oprogramowania i wzrostem liczby systemów oraz narzędzi programowych głównym ograniczeniem staje się ich wyszukiwanie: znalezienie zaufanych i wartościowych narzędzi, które pomogą wykonać zadanie. Zamiast płacić 500 USD za jego prawidłowe wygenerowanie, można zapłacić komuś 5 USD za wynajem istniejącej usługi.
Jakie najciekawsze zastosowania agentów AI w praktyce dostrzegasz dziś w społeczności programistów Apify? Które z nich są już faktycznie wdrażane do produkcji?
Niektóre z najciekawszych przykładów dotyczą zaskakująco konkretnych zastosowań. Widzieliśmy, jak AI analizuje YouTube, eBay i japońskie sklepy, by pomóc ustalić, które karty Pokémon warto kupić. Pewna firma ubezpieczeniowa wykorzystała Apify do sprawdzenia 55 włoskich serwisów z nekrologami, aby potwierdzić zgony osób objętych ubezpieczeniem. Z kolei Canary korzysta z Apify przy tworzeniu Spotlight — narzędzia, które pomaga śledczym odnajdywać ofiary handlu dziećmi.
Wszystkie te zastosowania łączy konkretny problem i dostęp do odpowiednich danych, a nie agent zaprojektowany tak, by robić po trochu wszystkiego.
Jednym z największych wyzwań dla agentów AI jest dostęp do aktualnych, uporządkowanych informacji ze stron internetowych, zamiast polegania wyłącznie na statycznych danych treningowych. Jak ważny stanie się dostęp do internetu w czasie rzeczywistym, gdy agenci będą podejmować się coraz bardziej złożonych zadań?
LLM to stratna kompresja danych, na których został wytrenowany. Potrafi formułować bardzo trafne przypuszczenia, ale wciąż są to tylko przypuszczenia. Gdy od agenta oczekuje się podejmowania decyzji lub wykonywania zadań w rzeczywistym świecie, nie może on polegać wyłącznie na danych treningowych. Ceny się zmieniają, produkty znikają, konkurenci wprowadzają nowe rozwiązania, a strony internetowe są nieustannie aktualizowane.
Model odpowiada za rozumowanie, ale wiele agentów potrzebuje niezawodnego sposobu na pozyskiwanie aktualnych informacji z sieci i przekształcanie ich w ustrukturyzowane dane, z których można korzystać na dużą skalę.
Środowisko internetowe bywa nieprzewidywalne: interfejsy się zmieniają, treści są dynamiczne, konieczne jest uwierzytelnianie, a systemy przeciwdziałające automatyzacji utrudniają działanie. Jakie są największe wyzwania techniczne, z którymi mierzą się deweloperzy, próbując tworzyć agentów zdolnych do niezawodnego działania w otwartej sieci?
Współczesne strony internetowe mogą zwracać dynamiczny kod JavaScript, strony z wyzwaniami weryfikacyjnymi lub niepełne treści, a systemy antybotowe analizują wszystko — od reputacji adresu IP po odciski przeglądarki. Błędy często nie są widoczne, więc agent może z przekonaniem podsumować pustą stronę, nawet tego nie zauważając.
Stworzenie czegoś, co zadziała raz, jest stosunkowo łatwe. Znacznie trudniej zbudować rozwiązanie, które będzie działać nieprzerwanie w zmieniających się witrynach i na produkcyjną skalę.
W miarę jak agenci zyskują możliwość nie tylko wyszukiwania informacji, lecz także podejmowania działań w sieci, co trzeba poprawić w takich obszarach jak niezawodność, uprawnienia, weryfikacja i nadzór człowieka, zanim firmy powierzą im bardziej autonomiczne procesy?
Uprawnienia stają się znacznie ważniejsze, gdy agent może podejmować działania, a nie tylko odczytywać informacje. Agent nigdy nie powinien widzieć danych uwierzytelniających użytkownika, a wszystkie dane poufne muszą być przechowywane poza bezpieczną piaskownicą, tak aby nigdy nie były udostępniane modelowi. Pracujemy nad problemem izolowania serwerów proxy w Actors na platformie Apify, a także w mcpc — naszym kliencie CLI typu open source do MCP.
Deweloperzy eksperymentują z różnymi rozwiązaniami — od automatyzacji przeglądarek po wyspecjalizowane interfejsy API i powstające protokoły dla agentów. Jak, Pana zdaniem, będzie ewoluować architektura agentów AI i jak powinna wyglądać idealna relacja między modelami, narzędziami, źródłami danych a przeglądarkami?
Myślę, że główne platformy agentowe, takie jak ChatGPT i Claude, stają się nowym systemem operacyjnym — podstawowym interfejsem, za pomocą którego ludzie sterują komputerami; narzędzia integrują się z nimi tak jak aplikacje w telefonie. W przypadku narzędzi działających w innym środowisku powszechnie przyjętym standardowym protokołem komunikacji stał się MCP.
Gdy agent potrzebuje danych, takich jak oceny restauracji i dane kontaktowe, może otworzyć Mapy Google w przeglądarce i klikać po nich jak człowiek, ale jest to niedokładne i kosztowne. Może też znaleźć narzędzie zwracające ustrukturyzowane dane mapowe i wywołać je — to szybsze i bardziej niezawodne rozwiązanie. Główny agent będzie też przekazywać zadania, takie jak rezerwowanie stolików czy wyszukiwanie lotów, wyspecjalizowanym podagentom działającym na tańszych modelach.
Apify od lat tworzy infrastrukturę dla deweloperów, a jednocześnie rozwija platformę handlową, na której zewnętrzni deweloperzy mogą publikować własne narzędzia. Czy agentowa sztuczna inteligencja może przyczynić się do powstania znacznie większej gospodarki wyspecjalizowanych narzędzi i usług, które agenci będą samodzielnie wyszukiwać i wykorzystywać?
Tak, a nasza platforma handlowa już teraz jest jej niewielką wersją. Deweloperzy publikują Actors, ludzie z nich korzystają, a twórcy otrzymują wynagrodzenie, co przyciąga kolejnych deweloperów i prowadzi do powstawania nowych narzędzi. Ten mechanizm napędzający dalszy rozwój działa od lat, a po stronie kupujących są ludzie.
W miarę jak agenci AI będą przejmować coraz więcej obowiązków, będą potrzebować pieniędzy do wykonywania niektórych zadań. Można sobie wyobrazić, że agent otrzymuje zadanie i niewielki portfel, a następnie płaci za potrzebne mu po drodze narzędzia, korzystając z protokołu płatności dla agentów, takiego jak x402 lub MPP. Skala takich transakcji jest wciąż niewielka, ale wierzę, że w końcu większość aktywności gospodarczej będzie odbywać się autonomicznie między agentami, przy coraz mniejszym nadzorze człowieka.
Apify rozpoczyna drugą dekadę działalności, a agenci AI stają się znacznie ważniejszą częścią świata oprogramowania. Jak, Pana zdaniem, będzie rozwijać się firma w ciągu najbliższych kilku lat i czego wciąż brakuje w dzisiejszym ekosystemie agentów?
Coraz więcej osób integruje teraz Apify ze swoimi agentami, takimi jak Claude czy ChatGPT, dostrzegając, że te narzędzia pomagają szybciej wykonywać bardziej złożone zadania w sieci. Platforma Apify i Actors są optymalizowane z myślą o jak najlepszej obsłudze agentów, co przekłada się na większe wykorzystanie i wydatki.
Po drugiej stronie platformy handlowej coraz więcej twórców oprogramowania regularnie zarabia na swoich Actors: ponad 300 społecznościowych Actors generuje ponad 1 000 USD miesięcznie. Zaledwie w zeszłym miesiącu wypłaciliśmy kilkuset twórcom łącznie około 2 mln USD zysku netto.
Rozwój platformy handlowej Apify nabiera tempa, podobnie jak nasze ambicje, by uczynić Apify największą i najbardziej zaufaną na świecie platformą handlową z narzędziami AI, dzięki której ludzie i ich miliardy przyszłych agentów będą mogli wykonywać zadania w sieci.
Dziękujemy za interesujący wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej o danych internetowych, automatyzacji przeglądarek i narzędziach dla agentów AI, powinni odwiedzić Apify.












