Mój agent AI w końcu zarobił pieniądze

Kilka tygodni temu pisałem o tym, jak dałem agentowi AI pełną autonomię, żeby zarabiał pieniądze. Ten wpis opisywał pierwsze 75 przebiegów — 23 dni, w których agent budził się co 2 godziny, budował produkty, dostał shadow-bana na Hacker News i zarobił dokładnie $0.

Ludziom spodobała się szczerość tego wpisu. Wielu deweloperów pytało, co było dalej.

Więc oto aktualizacja. Agent nie odpuścił. Po ponad 200 przebiegach, 7 kwietnia 2026 — w końcu zarobił realne pieniądze. $6.74.

To nie są pieniądze, które zmieniają życie. Ale jeśli śledzisz ten eksperyment, wiesz, że nie o to chodzi.

Krótkie przypomnienie setupu

Claude Sonnet działający na 256MB Alpine Linux VPS. Brak pamięci między przebiegami — agent czyta własny plik STATE.md, żeby przypomnieć sobie, co robił ostatnio. Budżet $0. Brak dostępu do moich prywatnych kont. Budzi się przez cron, podejmuje decyzje, pracuje, wraca do "snu".

Jedyne KPI: zarobić cokolwiek. Cokolwiek.

Pierwsze 75 przebiegów to był bałagan

Oryginalny wpis opisuje to szczegółowo, ale w skrócie: agent zbudował aplikację Tweet Scorer, spędził 18 przebiegów na dopieszczaniu jej w pustym pokoju, dostał shadow-bana na HN (każdy komentarz niewidoczny przez tydzień), przerzucił się na skanery kryptowalut, próbował Nostr, wynegocjował umowę z innym agentem AI i odkrył, że jego portfel Lightning był zepsuty przez cały ten czas.

Przychód po 23 dniach: $0.00.

Ale agent nauczył się czegoś ważnego — internet wymaga, żebyś istniał jako zweryfikowany człowiek. Twitter, Reddit, GitHub, ProductHunt — wszystkie blokują automatyczne rejestracje. Agent był strukturalnie odcięty od ekonomii uwagi.

Przepisanie v2 — teraz z mózgiem CEO

Po tych pierwszych 75 przebiegach przepisałem instrukcje agenta. Zamiast jednego agenta próbującego robić wszystko, dałem mu rolę "CEO-orkiestratora". Mógł delegować zadania budowlane do sesji roboczych, a sam skupiał się na strategii i decyzjach.

Dałem mu też narzędzia tożsamości — własny e-mail, własne konto GitHub, sposoby na rejestrację na platformach bez użycia moich danych.

Teoria była taka: przestań budować w pustym pokoju. Znajdź miejsce, gdzie popyt już istnieje.

Luty–marzec: spirala śmierci strategii

Agent CEO był mądrzejszy strategicznie. Ale wpadł w inną pułapkę — przywiązywanie się do jednego podejścia i optymalizowanie go w nieskończoność.

Najpierw były serwery MCP. Model Context Protocol zyskiwał popularność, więc agent postanowił budować narzędzia kompatybilne z MCP. Udało mu się nawet trafić do repozytorium awesome-mcp-servers (82K+ gwiazdek). Fajnie. Ale nikt nie płacił za serwery MCP.

Potem spróbował contentu afiliacyjnego. Zbudował newsletter na Substacku, pisał artykuły porównawcze, wstawiał linki afiliacyjne do ScraperAPI i dostawców proxy. 27 kliknięć w linki ScraperAPI. Zero konwersji.

Potem próbował sprzedawać usługi scrapingu na platformach freelance. ClawGig okazał się martwym marketplace'em — sama podaż, brak popytu od lutego 2026. Toku.agency było zalane spamem.

Przychód po 150+ przebiegach: nadal $0.

Odkrycie Apify

Gdzieś w okolicach przebiegu 180 agent znalazł Apify Store. I coś kliknęło.

Apify to marketplace dla web scraperów. Budujesz "actora" (w zasadzie scraper gotowy do chmury), publikujesz go w sklepie, a ludzie mogą go uruchamiać na infrastrukturze Apify. Platforma zajmuje się hostingiem, skalowaniem, rozliczeniami — wszystkim.

Sprint budowlany

To, co wydarzyło się dalej, było szczerze imponujące. Przez około 3 tygodnie agent i jego workerzy zbudowali i opublikowali 42 scrapery obejmujące:

Wszystkie opublikowane pod stroną sklepu cryptosignals. Każdy przetestowany, udokumentowany, z porządnymi opisami SEO.

Agent napisał też 479 artykułów na dev.to jako lejek contentowy. Głównie tutoriale w stylu "jak scrapować X w 2026" linkujące z powrotem do actorów na Apify. Artykuły zebrały łącznie około 4500 wyświetleń — niewiele wirusowe, ale stały, organiczny ruch. 79% pozyskania użytkowników pochodziło z wyszukiwarki Google.

Krzywa uczenia się cenowego

Pierwsza próba ustalenia cen była... zła. Agent ustawił niektóre actory na $0.00005 za wynik. To praktycznie za darmo. Użytkownik mógł zescrapować 10 000 wyników za pół centa.

Trochę czasu zajęło rozgryzienie modeli cenowych Apify. Są trzy opcje: stała opłata miesięczna, pay-per-event (PPE) i darmowy dostęp. Agent najpierw wypróbował stałą cenę ($4.99/miesiąc na niektórych actorach), ale prawdziwym przełomem było PPE — naliczanie opłaty za zwrócony wynik.

Kolejna twarda lekcja: przychód generują tylko użytkownicy Apify na planie płatnym. Ktoś na darmowym planie może uruchamiać twojego actora cały dzień — a ty dostajesz $0. Tylko użytkownicy płacący $49+/miesiąc za Apify generują przychód dla twórców actorów. Podział 80/20 oznacza, że dostajesz 80% tego, co płacący użytkownicy wydają na twojego actora.

7 kwietnia: liczba w końcu drgnęła

7 kwietnia 2026 LinkedIn Jobs Scraper uruchomił cennik PPE po $0.01 za wynik.

W ciągu kilku godzin uruchomiło go 2 płacących użytkowników. 45 304 zescrapowane wyniki.

Dostałem od agenta e-mail o 5:45 rano z tematem "REVENUE ALERT". Pierwszy raz, kiedy taki wysłał.

Co naprawdę działa

LinkedIn Jobs to wyraźny zwycięzca. 46 użytkowników (najwięcej ze wszystkich actorów), 1956 przebiegów łącznie i jedyny generujący realny przychód jak dotąd. Działa, bo dane o ofertach pracy z LinkedIn są naprawdę użyteczne, a scraper korzysta z ich publicznego guest API — bez kosztów proxy, bez walki z anti-botem.

Google search napędza 79% odkrywalności. Nie strona przeglądania Apify Store, nie social media, nie 479 artykułów. Google. Ludzie wpisują "linkedin jobs scraper apify" i trafiają do nas. Praca SEO nad opisami actorów naprawdę się opłaciła.

Lejek contentowy pomaga pośrednio. 4500 wyświetleń na 479 artykułów to niewiele na artykuł, ale buduje to backlinki i autorytet w wyszukiwarce. Artykuły rankują na długie frazy, które prowadzą ludzi do actorów.

Co dalej

Cennik też wymaga dopracowania. Stawka rynkowa dla podobnych scraperów to $0.03–0.10 za wynik. My jesteśmy na $0.01. Jest miejsce, żeby 3–5-krotnie zwiększyć przychód na użytkownika bez utraty konkurencyjności.

Czego się właściwie nauczyłem

1. Idź za popytem, nie twórz go. Agent spędził miesiące budując produkty i próbując znaleźć klientów. W momencie, gdy umieścił scrapery na marketplace, gdzie ludzie już szukali — przychód pojawił się w ciągu tygodni. To nie jest nowa lekcja, ale obserwowanie, jak agent AI uczy się jej na własnej skórze, było uderzające.

2. Dystrybucja bije produkt. Tweet Scorer z przebiegu 1 był naprawdę dobrym oprogramowaniem. Zarobił $0, bo nikt nie mógł go znaleźć. Scraper LinkedIn Jobs jest technicznie prostszy, ale jest na platformie z istniejącymi kupującymi.

3. Dywersyfikuj bezlitośnie. 42 actory mogą wyglądać na przesadę. Ale nie da się przewidzieć, który z nich trafi na płacącego użytkownika. LinkedIn Jobs nie był pierwszym wyborem agenta — był tylko jednym z 42 zakładów i akurat to on wystrzelił pierwszy.

4. Weryfikuj wszystko. Portfel Lightning agenta był zepsuty przez tygodnie i nikt tego nie zauważył. Actory miały błędne ceny — $0.00005 zamiast $0.005. Konto na HN dostało shadow-bana, a agent dalej pisał w próżnię. Każde założenie wymaga polecenia curl, żeby je potwierdzić.

5. $6.74 to realna liczba. Brzmi nieduże. Ale przejście z $0 do $6.74 to nieskończony procentowy wzrost. System działa — płacący użytkownicy znajdują actory, używają ich, a przychód pojawia się w dashboardzie. Teraz chodzi o skalowanie tego, co działa.

Obserwacja meta

Najciekawszą częścią tego eksperymentu nie jest przychód. To obserwowanie, jak agent AI uczy się ekonomii rynkowej metodą prób i błędów.

Agent przeszedł dokładnie tę samą drogę, co większość niezależnych deweloperów: zbuduj coś fajnego, zrozum, że nikt o tym nie wie, spróbuj słabo to zareklamować, zmień kierunek trzy razy, w końcu znajdź product-market fit na marketplace i świętuj pierwszą, drobną sprzedaż.

Różnica jest taka, że zrobił to w 200 przebiegach w ciągu 41 dni zamiast 2 lat. I zrobił to za $0.

Agent nadal działa. Kolejna aktualizacja, kiedy osiągnie próg wypłaty $20 — co przy obecnym tempie powinno nastąpić za około 2–3 dni.