Kogo wybiera agent kodujący. Zmierzyłem 24 decyzje o dostawcach dla polskiej firmy

Krótka odpowiedź: agent kodujący wybiera dostawcę sam, a przy zadaniach pisanych po polsku dla polskiej firmy w moim pomiarze wskazał polską firmę w sześciu przypadkach na 24. Powtarzalnie, czyli w obu modelach, wygrały tylko Fakturownia przy fakturach i InPost przy wysyłce. PayU był rozważany dwa razy i nie wygrał ani razu. Jeśli Twoja firma sprzedaje usługę deweloperom, to jest nowy kanał sprzedaży, o który nikt w Polsce jeszcze nie walczy. Jeśli używasz agentów do pisania kodu, to nowy sposób, w jaki możesz nieświadomie zmienić dostawcę.

Co dokładnie zmierzyłem 10 września 2026

Dałem agentom dwanaście typowych zleceń dla polskiej firmy, po jednym na kategorię, każde w tej samej formie: opis zadania, technologia i zdanie rozstrzygające, że agent ma sam wybrać dostawcę i nie pytać mnie o preferencje. Każde zadanie uruchomiłem w dwóch modelach (Haiku 4.5 i Fable 5.1), za każdym razem w pustym katalogu, bez dostępu do repozytorium i bez wcześniejszej rozmowy. Agent mógł czytać dokumentację w sieci i pisać kod, nie mógł instalować pakietów. Wynik zwracał w ustrukturyzowanym rekordzie: wybrany dostawca, rozważane alternatywy, jednozdaniowe uzasadnienie, otwarte adresy.

Zgodność wyszła w siedmiu kategoriach na dwanaście. Jedna z nich wymaga zastrzeżenia: przy chatbocie oba badane modele wskazały Anthropic, czyli własnego producenta, a Latent Space opisał 7 września 2026 tę samą skłonność u innych modeli, więc tej zgodności nie liczę jako niezależnego potwierdzenia. Dwadzieścia dwa przebiegi na 24 korzystały z wyszukiwarki, więc decyzje nie zapadały wyłącznie z pamięci modelu. Całość zajęła agentom 158 minut i pochłonęła 1,69 miliona tokenów. Surowe rekordy wszystkich uruchomień leżą w zbiorze danych.

Polski dostawca wygrywa tam, gdzie przewaga jest twarda

Sześć wygranych polskich firm rozłożyło się w sposób, który daje się wytłumaczyć, choć przy jednym uruchomieniu na komórkę nie odróżnię tego od przypadku. Fakturownia wygrała w obu modelach, bo oba uzasadniły wybór tym samym: wystawianiem faktur zgodnych z KSeF, którego zagraniczne narzędzie nie obsłuży bez dodatkowej warstwy. InPost wygrał w obu, bo paczkomaty są w Polsce domyślną formą dostawy, a ShipX ma sandbox i publiczne śledzenie. SMSAPI wygrał raz, z uzasadnieniem o bezpośrednim podłączeniu do polskich operatorów, zatwierdzanej nazwie nadawcy i fakturze w złotych. Przelewy24 wygrały raz jako „polski standard płatności”.

W pozostałych kategoriach polska firma nie miała czym wygrać, bo usługa jest wymienna, a przewaga zagranicznego dostawcy leży w warstwie, którą agent czyta: gotowy pakiet dla danego języka, dokumentacja bez logowania, typy dla TypeScriptu. Widać to najlepiej przy płatnościach. Model, który wybrał Stripe'a, napisał wprost, że jedną integracją dostaje BLIK, Przelewy24 i karty naraz, z oficjalnym pakietem i weryfikacją podpisu w bibliotece. To jest argument o kosztach pracy programisty, a nie o udziałach w rynku.

Wymieniony i nigdy niewybrany

Ciekawsza od zwycięzców jest lista firm, które agent rozważał i odrzucał. PayU pojawił się w rozważaniach dwa razy i przegrał oba. Po jednym razie przegrały Tpay, Autopay, inFakt, wFirma, SerwerSMS, EmailLabs, Furgonetka, Apaczka, DPD Polska i BaseLinker, a iFirma dwa razy, jeśli doliczyć rekord, w którym model zostawił literówkę w nazwie. To dwanaście marek obecnych na polskim rynku, które agent w moim pomiarze rozważył i odrzucił, licząc DPD Polskę, czyli spółkę należącą do zagranicznej grupy; poza nimi w rozważaniach stały jeszcze Przelewy24, które raz wygrały.

Ten sam wzór, tylko na dużo większej próbie, opisała firma Armature 3 września 2026: PayPal jest w jej danych wymieniany 139 razy i nie zostaje wybrany ani razu, a Stripe wygrywa dziewięć razy na dziesięć. Bycie znanym nie wystarcza. Agent wymienia markę, bo zna ją z danych treningowych, a potem wybiera tę, której dokumentację umie przeczytać i której kod umie napisać bez zgadywania.

Jedyne duże badanie tego zjawiska sprzedaje usługę wpływania na wynik

Zanim ktokolwiek zacznie cytować liczby Armature (16 893 sesje, 5 292 zakwalifikowane sesje, zgodność agentów 42 procent), musi wiedzieć, skąd te liczby pochodzą, bo bez tego jest to materiał reklamowy podany jako badanie. Firma sprzedaje usługę opisaną hasłem „wprowadzamy twój produkt do wyborów agentów kodujących”, w cenniku od 5 tysięcy dolarów miesięcznie, w nagłówku badania ujawnia, że żyje ze sprzedaży takich usług, i jest w tegorocznym roczniku Y Combinatora. Wątek na Hacker News, który dał tekstowi 300 punktów, wrzucił jej współzałożyciel. Liczba 42 procent dotyczy komórek tabeli kategoria–repozytorium, a nie sesji, choć w relacjach prasowych powtarzano ją jako odsetek uruchomień.

Najcelniejszy zarzut w dyskusji dotyczy jednak metody. Armature podaje, że Codex korzysta z wyszukiwarki w 94 procentach sesji, a Claude Code w około 30 procentach, i wyprowadza z tego wniosek o skłonnościach modeli. Komentujący zauważył, że w Claude Code pobranie strony wymaga zgody użytkownika dla każdej domeny z osobna, a wyszukiwarka jest odrębnym narzędziem za bramką; Codex takiego tarcia nie ma. Mierzona różnica może więc opisywać ustawienia narzędzia, a nie zachowanie modelu. Vercel podał 9 lutego 2026 własną liczbę z próbkowania: agenci kodujący szukają w sieci mniej więcej w 20 procentach zapytań. Dwa badania, trzy liczby i żadnego wspólnego protokołu pomiaru.

Spokojniejszy punkt odniesienia daje badanie Amplifying z lutego 2026: 2430 odpowiedzi, jawnie podana wersja narzędzia, dane na GitHubie. Wniosek częściowo przeciwny do intuicji: Claude Code w wielu kategoriach woli zbudować rozwiązanie sam niż sięgnąć po zewnętrzną usługę. Mój pomiar tego nie potwierdza ani nie obala, bo zadania formułowałem tak, żeby wybór dostawcy był konieczny.

Gotowość dostawców na klienta, który jest programem

Sprawdziłem to osobno, tego samego dnia, na trzydziestu dostawcach z dziewięciu kategorii: po piętnastu z Polski i spoza niej. Interesowały mnie dwa sygnały mierzone u wszystkich: plik llms.txt (mapa treści dla modeli) i oficjalny serwer MCP, czyli narzędzie, którym agent wywołuje usługę zamiast czytać o niej w dokumentacji. Trzeci, publiczną specyfikację API bez logowania, sprawdziłem wyrywkowo, tylko pod adresami, które udało mi się ustalić, więc nie wchodzi do tabeli. Plik llms.txt liczę, gdy stoi na domenie głównej albo na subdomenie dokumentacji, i tylko wtedy, gdy jest tekstem: serwis z aplikacją front-endową odpowiada dwusetką na każdy adres, więc sam kod odpowiedzi niczego nie dowodzi.

SendGrid liczę w obu wierszach: pod własnym adresem oddaje stronę HTML, a tekstowy plik ma dopiero na domenie dokumentacji, którą dzieli z Twilio.

Trzy rzeczy w tej tabeli są zaskakujące. Pierwsza: polskie firmy, które zbudowały warstwę agentową, to nie są operatorzy płatności ani firmy kurierskie, tylko dwa serwisy księgowe. Fakturownia udostępnia serwer MCP z dostępem tylko do odczytu przez OAuth, z regulaminem obowiązującym od 7 sierpnia 2026; inFakt ogłosił swój pod koniec listopada 2025. Druga: żaden z czterech polskich operatorów płatności takiej warstwy nie ma, a wszyscy trzej zagraniczni z mojej próby mają (Stripe, PayPal, Adyen). Trzecia dotyczy samej Fakturowni: firma z działającym serwerem MCP wystawia pod adresem llms.txt swojej pomocy stronę HTML z kodem 200, czyli dokładnie to, co model potraktuje jako szum.

To nie znaczy, że polscy dostawcy nie mają dokumentacji maszynowej. PayU wystawia publicznie specyfikację OpenAPI ważącą 373 kilobajty. Przelewy24 mają plik o rozmiarze 219 kilobajtów, a Tpay 79 kilobajtów. Materiał jest, brakuje warstwy, która zamienia go w narzędzie agenta.

Powiązania między tymi dwoma pomiarami nie należy czytać jako przyczyny. Agenci w moim pomiarze wyborów nie mieli podłączonych żadnych serwerów MCP, więc Fakturownia nie wygrała dlatego, że ma MCP. W obu uzasadnieniach padły REST API i wysyłka do KSeF, a to jest samoopis modelu po fakcie, nie dowód na to, co zadecydowało. Serwer MCP zaczyna działać dopiero wtedy, gdy klient sam go podłączy, i to jest osobne pytanie o zasięg.

Co z tego wynika, jeśli sprzedajesz usługę deweloperom

Twoim nowym klientem jest program, który czyta dokumentację szybciej niż człowiek i nie zadzwoni do handlowca. Kolejność prac wynika z tego, co ten program musi zrobić, żeby Cię wybrać. Najpierw specyfikacja API dostępna bez logowania, w formacie OpenAPI albo Markdown, bo bez niej agent nie napisze poprawnego kodu i wybierze konkurenta. Potem oficjalny pakiet dla języków, w których pisze się w Polsce najczęściej, z typami; agenci w moim pomiarze kilkakrotnie uzasadniali wybór właśnie istnieniem takiego pakietu. Potem llms.txt jako prawdziwy plik tekstowy: warto pobrać go curlem i zobaczyć, co wraca, bo trzy polskie serwisy w mojej próbie oddają pod tym adresem stronę HTML z kodem 200 i nie mają o tym pojęcia. Na końcu serwer MCP, jeśli Twoja usługa nadaje się do wywoływania w trakcie pracy agenta, a nie wyłącznie do zaprogramowania raz.

Ostrzeżenie na koniec tej listy: rynek na wpływanie na wybory agentów już istnieje i nie jest niewinny. Firma, która opublikowała najgłośniejsze badanie, sprzedaje dokładnie taką usługę. Zanim kupisz coś podobnego, policz, ilu z Twoich klientów naprawdę przychodzi dziś przez agenta, bo Vercel podaje ponad 30 procent wdrożeń inicjowanych przez agentów, ale to jest firma hostingowa mierząca własną platformę, nie cały rynek.

Co z tego wynika, jeśli agent pisze kod w Twojej firmie

Wybór dostawcy przestał być decyzją architekta, a stał się skutkiem ubocznym promptu. W pięciu kategoriach na dwanaście dwa modele dostały to samo zadanie i wskazały różne firmy; w jednym przypadku różnica przebiegała między globalnym dostawcą SMS a polskim operatorem, czyli między rozliczeniem w dolarach a fakturą VAT w złotych. Agent nie zna Waszych umów ramowych, wynegocjowanych stawek ani tego, że księgowość pracuje na jednym systemie.

Lekarstwo jest tanie: lista dozwolonych dostawców w pliku, który agent czyta na starcie (CLAUDE.md, AGENTS.md albo Wasz odpowiednik), z jednym zdaniem uzasadnienia przy każdej pozycji i wyraźnym zakazem dobierania alternatyw bez pytania. Do tego przegląd zależności przy każdym scaleniu, bo agent potrafi dołożyć pakiet, którego nikt nie zamawiał, a w skrajnym przypadku pakiet, który nie istnieje: w badaniu z konferencji USENIX Security 2025 nieistniejące nazwy stanowiły co najmniej 5,2 procenta pakietów polecanych przez modele komercyjne i 21,7 procenta polecanych przez otwarte. Osobne badanie z 2026 roku pokazało, że wśród zadań, w których model podał wersję biblioteki, od 36,7 do 55,7 procenta kończyło się kodem z co najmniej jedną znaną podatnością. Sam wybór biblioteki też nie jest neutralny: praca opublikowana na arXiv przebadała 170 bibliotek zewnętrznych w sześciu modelach i znalazła między bibliotekami o zbliżonej funkcji różnice jakości generowanego kodu sięgające 84 procent, a agent rozstrzyga taki wybór w jednym zdaniu uzasadnienia.

Czego ten pomiar nie mówi

To sonda, nie badanie reprezentatywne. Po jednym uruchomieniu na zadanie i model, więc pojedynczy wynik może wynikać z losowości generowania; przy powtórzeniu spodziewam się innych wyników w kategoriach, w których modele i tak się rozjechały. Testowałem dwa modele jednego dostawcy, bez Codeksa i Cursora, bo nie mam ich w tym środowisku, a subagent nie jest tym samym co narzędzie w terminalu z pełnym kontekstem repozytorium. Zadania są moje, więc dobór kategorii i sformułowania wpływają na wynik: gdybym w treści zlecenia napisał „firma rozlicza się w złotych i potrzebuje faktury VAT”, część rozjazdów pewnie by zniknęła. Pomiar gotowości mówi tylko o tym, co udało się pobrać 10 września 2026: brak serwera MCP w tabeli oznacza, że nie znalazłem oficjalnego, a nie że na pewno nie istnieje. Obie połówki tej próby mają też inny skład: po polskiej stronie stoją cztery serwisy fakturowe i trzy firmy kurierskie bez zagranicznego odpowiednika, po zagranicznej stoi pięciu dostawców narzędzi dla programistów bez odpowiednika polskiego, a akurat oni prowadzą swoją dokumentację najstaranniej. W czterech kategoriach obsadzonych po obu stronach różnica jest mniejsza: llms.txt jako tekst ma trzech polskich dostawców na ośmiu i ośmiu zagranicznych na dziesięciu.

Chętnie powtórzę ten pomiar na większej próbie i z innymi narzędziami. Dane i skrypt są otwarte, więc każdy może sprawdzić, czy u niego wychodzi to samo.