Droga do Agentic AI zaczyna się od edukacji, nie od agenta
W dyskusji o agentic AI łatwo przeskoczyć od razu do wizji autonomicznych agentów, które same obsłużą klienta, przeszukają dokumentację czy zaplanują konserwację budynku. Tymczasem droga do tego etapu prowadzi przez coś dużo mniej efektownego: uporządkowanie wiedzy, systemowe wdrożenia zamiast pojedynczych szkoleń i zbudowanie w organizacji własnych kompetencji, powołanie własnego, wewnętrznego zespołu AI, który będzie kontynuował zmianę, gdy zewnętrzny partner odejdzie.
REKLAMA
Mikołaj Sznajder z CampusAI prowadzi tego typu programy w dużych organizacjach i twierdzi wprost: największą barierą nie jest brak narzędzi, tylko luka kompetencyjna, brak właścicieli procesu i traktowanie wdrożenia AI jak zakupu licencji, a nie jak projektu zmiany. W rozmowie dla „Obiektów” tłumaczy, dlaczego jest to proces transformacyjny i musi być rozłożony w czasie, dlaczego AI Act nakłada już dziś na organizacje korzystające z systemów AI obowiązek podejmowania działań wspierających rozwój kompetencji AI pracowników, i dlaczego celem każdego dobrze poprowadzonego wdrożenia powinno być to, żeby firma nie potrzebowała już zewnętrznego dostawcy wiedzy - tylko miała własnych ludzi, którzy pociągną temat dalej.
Zacznijmy od czegoś, co powiedziałeś mi na wstępie tej rozmowy - że wszyscy stracimy pracę.
W pewnym sensie wszyscy stracimy dzisiejszą wersję swojej pracy. Ale będziemy mieli nową. Tak dzieje się od lat, a AI tylko potęguje to zjawisko. I już tłumaczę na czym polega ta zmiana. Weźmy prosty przykład. Gdybyśmy mogli cofnąć się do 1992 roku, wziąć świetnego księgowego i przenieść go do współczesnej firmy, to mimo całej swojej wiedzy zawodowej miałby ogromny problem, żeby od razu wykonywać tę samą pracę. Dokumenty są dziś w systemach, procesy przebiegają cyfrowo, nawet komunikacja wygląda inaczej, a duża część pracy wymaga kompetencji, których wtedy po prostu nie było.
Stanowisko nadal może nazywać się „księgowy”, ale zestaw umiejętności potrzebnych do wykonywania tego zawodu zmienił się całkowicie. I właściwie wszyscy przechodziliśmy już przez takie zmiany, tylko były one rozłożone na wiele lat, więc trudniej było je zauważyć.
Teraz podobny proces zaczyna się przez AI, tylko dzieje się dużo szybciej. AI przejmuje część zadań, przy innych wspiera człowieka, a jednocześnie zmienia kompetencje potrzebne do wykonywania tej samej pracy.
Widać to również w twojej branży. Sposób dostarczania wiedzy zmieniał się od druku, przez internet, platformy, aż po dzisiejsze narzędzia AI. Nazwa branży pozostała, potrzeba przekazywania wiedzy również, ale sposób wykonywania tej pracy zmienił się kilka razy, ale stanowiska redaktora naczelnego czy dziennikarza pozostały.
Dlatego dla mnie najważniejsze pytanie brzmi nie „czy technologia zmieni moją pracę”, tylko „jakich nowych kompetencji będę potrzebował, żeby nadal dobrze ją wykonywać”.
Patrząc na tempo zmian, sam mam wykupiony pakiet u was, ale nie mam czasu, żeby się uczyć. Jak wasz model edukacyjny w ogóle radzi sobie z tym tempem?
Zaczynamy od badania organizacji, bo nie chcemy zakładać z góry, że wszyscy są w tym samym miejscu. Sprawdzamy, jak ludzie dziś korzystają z AI, jakie mają doświadczenia, gdzie widzą zastosowania, jakie są bariery i jak wygląda gotowość organizacji do tej zmiany. Na tej podstawie kalibrujemy program: wiemy, od jakiego poziomu zacząć, na czym położyć większy nacisk i gdzie trzeba dać ludziom więcej czasu albo praktyki.
Natomiast same kompetencje, których uczymy, staramy się budować możliwie uniwersalnie. Bardziej chodzi nam o to, żeby nauczyć ludzi sposobu współpracy z AI. Jak myśleć o zadaniu, jak przygotowywać kontekst, jak współpracować z modelem, jak oceniać wynik. Bo jeżeli nauczysz kogoś tylko powtarzania na zasadzie „kopiuj / wklej” a nie samodzielności, to wystarczy, że firma zmieni narzędzie albo pojawi się nowa wersja i ludzie wpadają w popłoch. A jeżeli ktoś rozumie sposób pracy z AI, to dużo łatwiej przenosi te umiejętności między narzędziami.
I prawda jest taka, że dziś, w 2026 roku, technologia jest już naprawdę daleko, ale adopcja w organizacjach wcale za nią nie nadąża. Ty mówisz, że wdrażasz i od razu testujesz rzeczy w praktyce, i to jest bardzo dobra droga. Ale nadal jesteś w stosunkowo niewielkiej grupie osób, które rzeczywiście próbują włączyć AI głębiej do swojej pracy.
Jak zaczynaliśmy pracować z dużymi organizacjami, to mnie najbardziej zaskoczyło właśnie to, jak duża jest różnica między tym, co te narzędzia już potrafią, a tym, jak ludzie faktycznie z nich korzystają.
I trochę jesteśmy dziś w takim momencie jak przy przechodzeniu na komputery. Tylko wtedy trzeba było nauczyć się obsługi konkretnego systemu, programu, obsługi myszki czy pisania na klawiaturze. Tutaj jest trudniej, bo przez lata przyzwyczailiśmy się, że aplikacja mówi nam, co możemy zrobić. Masz menu, przyciski, funkcje. A w generatywnej AI masz w dużej mierze pustą przestrzeń i możesz zrobić bardzo dużo, tylko musisz wiedzieć, o co zapytać, jaki dać kontekst i jak zbudować sobie sposób pracy pod konkretne zadanie.
I dla wielu osób to jest kompletnie nienaturalne. Siadają przed takim narzędziem i mówią „no dobrze, ale co ja mam z tym właściwie zrobić?” Wpisują dwa zdania, dostają średnią odpowiedź i dochodzą do wniosku, że AI im nie pomaga.
Dlatego uważam, że dzisiaj największym wyzwaniem nie jest dostęp do technologii. Wyzwaniem pozostaje to, czy ludzie naprawdę potrafią włączyć je do codziennej pracy.
Bo potencjał produktywności jest bardzo duży, tylko on się sam nie uruchamia w momencie zakupu licencji. Trzeba nauczyć ludzi, jak z tego korzystać, dać im przestrzeń na eksperymentowanie i pokazać im zastosowania osadzone w ich własnej pracy. I właśnie ta luka między możliwościami technologii a faktycznym poziomem adopcji jest dziś, moim zdaniem, największym wyzwaniem.
To ograniczenie wynika bardziej z braku wyobraźni, z braku wiary, czy z nieumiejętności myślenia procesowego?
Jeszcze w zeszłym roku bardzo często wyglądało to tak, że firma dawała ludziom narzędzie, a jednocześnie mówiła: „tylko nic tam nie wklejaj”. I pracownik słusznie pytał: „to z czym ja mam właściwie pracować?”. Dzisiaj ten problem jest już mniejszy, bo coraz więcej dużych organizacji ma rozwiązania na poziomie enterprise i ma poukładane kwestie bezpieczeństwa czy danych lub przynajmniej jest świadoma tych wyzwań.
I wtedy bardzo wyraźnie widać, że problem przesuwa się z technologii na adopcję. To coraz mniej jest projekt technologiczny, a coraz bardziej klasyczny projekt zmiany organizacyjnej - kultura organizacyjna, wsparcie managera czy sposób rozwijania ludzi są według, między innymi, badania Microsoft ponad dwa razy silniej związane z efektami wykorzystania AI niż samo indywidualne nastawienie pracownika.
A mimo to wiele firm nadal próbuje rozwiązać ten temat technologicznie, upraszczając proces do myślenia na poziomie „poczekajmy na narzędzie, kupmy licencje, zróbmy webinar, a od jutra korzystajcie”. Tylko że sama dostępność narzędzia jeszcze niczego nie zmienia.
Bardzo często brakuje też wyraźnego właściciela tej zmiany albo odpowiedzialność trafia do osób, które nie mają wystarczającego mandatu, wsparcia zarządu czy możliwości wpływania na sposób pracy całej organizacji. Trudno też pociągnąć ludzi za sobą, jeżeli samemu zna się AI głównie z prezentacji albo komunikatów firmowych. Liderzy tej zmiany muszą mieć własne doświadczenie, żeby móc na nim budować swoją wiarygodność w przekazie i pociągnąć ludzi za sobą. Przy czym szeroko rozumiany management wcale nie musi zostać ekspertami od AI. Chodzi o to, żeby mieli własne doświadczenie, rozumieli, gdzie AI rzeczywiście pomaga, gdzie są jego ograniczenia i jak można wykorzystać je w ich konkretnym obszarze pracy.
Dlatego twierdzę, że projekt wdrożenia AI w rozumieniu korzystania z narzędzi AI przez pracowników to jest projekt w dużej mierze change managementowy. Trzeba zaprojektować zmianę tak, żeby ludzie czuli się bezpiecznie w rozwijaniu kompetencji, mieli na to przestrzeń i jednocześnie widzieli, że firma traktuje ten temat poważnie, a nie tylko komunikuje, że „AI jest ważne”.
Jednorazowy webinar może być dobrym początkiem, ale nie może być całym procesem. Rozwój powinien być rozłożony w czasie, z przestrzenią na eksperymentowanie, budowanie własnych use case'ów i wymianę doświadczeń między ludźmi. Z czasem organizacja powinna też wyłonić osoby, które mają motywację, żeby tę zmianę dalej prowadzić już od środka.
Czy chodzi o to, żeby firma została waszym klientem na stałe?
Nie, wręcz przeciwnie. My pracujemy na to, żeby doszło do zmiany w organizacji, i robimy to na kilku poziomach - najpierw z zarządem, z dyrektorami i menedżerami, a następnie szerzej z zespołami. Ludzie muszą widzieć, że osoby decyzyjne same traktują tę zmianę poważnie i mają własne doświadczenie z AI. Cały proces transformacji projektujemy najczęściej na miesiące, ale to ma być tak poprowadzone, żeby firmy mogły ten proces od nas przejąć i go kontynuować w ramach stałego rozwoju — żebyśmy nie zamieszkali w tej organizacji, tylko żeby oni nauczyli się samodzielności w tym rozwoju. Bo sam na początku powiedziałeś, że narzędzia się szybko zmieniają. I można oczywiście cały czas dzwonić do dostawcy. Ale można założyć, że w trakcie procesu z nami wykształcimy wewnętrzne teamy, które będą w stanie same prowadzić tę zmianę dalej po zakończonym programie, żeby ciągły rozwój dział się już wewnętrznie. I wtedy są one jeszcze bardziej osadzone w rzeczywistości tej firmy, bo to już są ludzie z wewnątrz, którzy posiedli umiejętności.
A co konkretnie ma zostać w firmie, kiedy wy już z niej wychodzicie?
Zależy nam, żeby na koniec takiego programu powstała baza use case’ów zbudowana przez uczestników, żeby każdy pokazał, w jaki sposób korzysta z tych narzędzi. To buduje poczucie sprawczości. Jednocześnie wspieramy firmy w szerszym wdrażaniu tych rozwiązań poprzez dedykowane programy mentoringowe. Na podstawie naszych dotychczasowych doświadczeń taki model najlepiej sprawdza się w budowaniu zmiany, która może być później kontynuowana wewnątrz organizacji.
Wspominałeś, że w tle jest jeszcze regulacja unijna.
Unia Europejska też dostrzega znaczenie tych kompetencji. AI Act nakłada na firmy korzystające z systemów AI obowiązek podejmowania działań wspierających rozwój AI literacy osób, które pracują z tymi systemami. Zakres tych działań powinien uwzględniać między innymi wiedzę i doświadczenie pracowników oraz kontekst, w którym AI jest wykorzystywane. Mówiąc prościej, chodzi o świadome przygotowanie ludzi do odpowiedzialnej pracy z tą technologią. I dla mnie ważne jest, żeby nie patrzeć na AI literacy wyłącznie jak na obowiązek regulacyjny. To coraz bardziej podstawowa kompetencja potrzebna do normalnego funkcjonowania w środowisku pracy.
Wracając do tematu naszego wydania — agentic AI. To już rzeczywistość, czy dopiero nadchodzi?
To w jakimś stopniu już staje się rzeczywistością, chociaż wiele osób nie zdaje sobie sprawy, że najpopularniejsze narzędzia AI coraz częściej wykorzystują mechanizmy agentowe, na przykład samodzielnie dobierając narzędzia, wykonując kolejne kroki czy pracując na różnych źródłach informacji.
Widać to przy projektowaniu nawet publicznie dostępnych treści, gdzie uwzględnia się coraz częściej fakt, że do treści będzie miał dostęp nie tylko człowiek ale też agenci AI. Coraz częściej widzę strony i dokumentację przygotowywane tak, żeby agentowi łatwiej było znaleźć i zrozumieć potrzebne informacje. Pojawiają się na niektórych stronach uporządkowane źródła, lekkie wersje treści. Oczywiście, jeżeli chodzi o treści dostępne publicznie to może to przypominać nowy wymiar SEO. To dopiero rozwijający się obszar, ale firmy coraz częściej powinny myśleć nie tylko o tym, jak ich treść wygląda dla człowieka, ale także czy jest jednoznaczna i łatwo dostępna dla AI.
A wewnątrz firmy? W naszej branży mamy właśnie ten problem — dane rozproszone, procesy nieopisane.
To jest kolejny temat, który bardzo często blokuje firmy przed wejściem poziom wyżej z AI - lata zaniedbań w digitalizacji wiedzy i procesów. I to zaczyna być szczególnie widoczne teraz, kiedy wszyscy mówią o agentach.
Dzisiaj stosunkowo łatwo jest zrobić efektowne demo agenta. Znacznie trudniej jest zbudować agenta, któremu naprawdę można powierzyć kawałek procesu w firmie. McKinsey podaje, że prawie dwie trzecie przedsiębiorstw eksperymentowało już z agentami, ale mniej niż 10 procent skalowało je do poziomu, na którym przynoszą mierzalną wartość. I osiem na dziesięć firm wskazuje problemy z danymi jako jedną z głównych barier takiego skalowania.
Bo agent musi wiedzieć, jak ten proces właściwie przebiega. I wtedy bardzo często okazuje się, że procesu nikt nigdy dokładnie nie opisał, dokumentacja jest nieaktualna albo każdy robi go trochę inaczej. Czasem jakiś opis istnieje, bo ktoś kiedyś poprosił o stworzenie procedury, ale od tego czasu proces zmienił się pięć razy. A teraz nagle okazuje się, że właśnie taka wiedza jest potrzebna AI.
Tak samo jest z wiedzą organizacji. W bardzo wielu firmach jest ona pofragmentowana: trochę na dysku sieciowym, trochę w SharePoincie, trochę w Excelach, trochę w mailach, a część po prostu w głowach konkretnych ludzi. I teraz wpuść na to agenta i powiedz mu: działaj.
W mediach brzmi to czasem bardzo prosto - podłączasz AI do danych i ono wszystko uporządkuje. Oczywiście AI może bardzo pomóc również w samym porządkowaniu wiedzy, ale nadal potrzebujesz człowieka, który rozumie, czym są te informacje, które źródło jest aktualne, co oznaczają poszczególne pola i jak ten proces naprawdę wygląda.
I wtedy zaczyna być widać ogromną różnicę między pracą z najnowszym, gołym modelem a AI osadzonym w rzeczywistości konkretnej firmy. Goły model może być świetny, może wiedzieć bardzo dużo o świecie, ale nie wie nic o twoich klientach, twoich produktach, twoich procedurach, ustaleniach ze spotkań czy o tym, jak naprawdę pracuje twoja organizacja.
I właśnie dlatego ludzie czasem dostają bardzo dobry model, korzystają z niego kilka razy i dochodzą do wniosku, że właściwie poza wyszukiwaniem informacji i napisaniem maila nie bardzo wiedzą, co mają z tym zrobić. Problem polega na tym, że AI nie dostało kontekstu, w którym miałoby im rzeczywiście pomagać.
Dlatego uporządkowanie wiedzy, danych i procesów jest jednym z fundamentów wejścia w bardziej zaawansowane zastosowania AI. Im więcej autonomii chcemy oddać agentowi, tym ważniejsze staje się to, żeby miał dobre źródła informacji, rozumiał proces i wiedział, w jakich ramach ma działać.
Masz jakiś prosty przykład, jak to wygląda w praktyce?
Weźmy sprzedaż. Jak zapytasz model AI, jak może pomóc w sprzedaży, dostaniesz świetną, teoretyczną strategię, taką, jaką mógłby przygotować ktoś, kto pochłonął książki o sprzedaży i strategii. Będzie to wyglądało sensownie, bo odpowiedź opiera się na publicznie dostępnej wiedzy. Możesz też wskazać metodologię, na której model powinien oprzeć rekomendacje. Ale ze szczegółami czy realizacją będzie już gorzej, bo AI nie ma pojęcia o tobie, twojej firmie, sposobie komunikacji z rynkiem, ofercie czy klientach. I wtedy nie otrzymujesz jeszcze wsparcia w codziennej pracy.
Jeśli nie dostarczysz AI tego kontekstu, jego użyteczność będzie bardzo ograniczona. Handlowiec będzie wtedy korzystał z niego głównie do rzeczy typu: „przepisz mi odpowiedź na maila żeby brzmiało profesjonalnie”. To oczywiście też może oszczędzać czas, ale nie wykorzystuje pełnego potencjału tej technologii. Wyższy poziom zaczyna się wtedy, kiedy AI zna kontekst klienta, historię ustaleń, ofertę firmy, sposób komunikacji i proces sprzedażowy. Wtedy może wspierać człowieka na wielu etapach procesu.
A jak to wygląda w naszej branży — nieruchomościach, facility management? Gdzie jest granica tego, co AI zastąpi?
Podzieliłbym to podobnie jak na początku – na obszar fizyczny i cyfrowy. Nieruchomości są produktem fizycznym, na budowie są ludzie i fizycznie budują budynek. I w tej części biznesu sam model generatywnej AI oczywiście nie wykona fizycznej pracy człowieka na budowie.
Dzisiejsze AI i automatyzacja najszybciej wchodzą tam, gdzie praca opiera się na informacji, dokumentach, analizie, komunikacji, raportowaniu, porównywaniu danych czy tworzeniu treści. To zresztą dobrze widać w danych Anthropic, gdzie największe wykorzystanie AI koncentruje się właśnie w zawodach i zadaniach opartych na pracy cyfrowej i wiedzy.
Dlatego w nieruchomościach wpływ AI będzie bardzo nierówny. Inaczej wygląda sytuacja człowieka, który fizycznie pracuje na budowie, a inaczej managera, który spędza dużą część dnia przy komputerze, analizuje dokumenty, przygotowuje raporty, odpowiada na maile, porównuje oferty czy pracuje z danymi. W tej drugiej części potencjał jest już dzisiaj bardzo duży.
Są też obszary, w których człowiek nadal pozostaje kluczowy ze względu na fizyczną obecność, relacje czy odpowiedzialność za decyzję. Bo na końcu procesu decyzyjnego ktoś powinien wziąć odpowiedzialność za to, co dzieje się w firmie. Nie można powiedzieć: „AI mi tak powiedziało, a ja tylko wykonałem”.
Ja uważam, że technologia ma nam pomagać robić rzeczy lepiej i szybciej. Ale korzystanie z technologii nigdy nie zwalniało mnie z odpowiedzialności za rezultat.
I to się nie zmieni nawet wtedy, kiedy będziemy mieli zespoły hybrydowe, w których obok ludzi będą pracować agenci AI. Możemy oddawać agentowi coraz więcej zadań i coraz większą autonomię, ale ktoś nadal powinien być właścicielem procesu. Ktoś musi określić, jaki jest cel, z jakich danych agent może korzystać, jakie decyzje może podejmować samodzielnie, gdzie powinien się zatrzymać i kiedy potrzebna jest decyzja człowieka.
Im więcej autonomii dajemy AI, tym ważniejsza staje się odpowiedzialność człowieka za zaprojektowanie ram, w których ta autonomia działa.
A sama branża — jesteśmy do przodu czy do tyłu w cyfryzacji względem innych sektorów?
Nie uważam, że real estate jest jakoś do tyłu albo do przodu, jeżeli o to pytasz. Bardziej patrzę na to, że do przodu są firmy, które od lat dbały o to, żeby digitalizować dane i procesy. To jest bardziej case by case. Spotykam się na przykład z różnymi kancelariami prawnymi — to bardzo regulowany i odpowiedzialny obszar, wrażliwy na to, jakie dane można przekazywać do AI, jak chronić poufność i jakie mogą być konsekwencje błędnej odpowiedzi. Są kancelarie, które sobie z tym poradziły, korzystają z AI i mają z tego przewagę. Są też takie, które nadal podchodzą do AI bardzo ostrożnie i szukają modelu korzystania z tej technologii, który odpowiada ich wymaganiom dotyczącym bezpieczeństwa, poufności i odpowiedzialności.
Więc bardzo dużo dziś zależy od postawy zarządu, od tego, czy przykład idzie z góry, i jak duża jest motywacja, żeby nadać tej zmianie priorytet — właściwie niezależnie od branży. Branża nieruchomości, jeśli nie ma jeszcze poukładanych danych cyfrowo, jeśli ma je porozrzucane po różnych miejscach, ma wiedzę w mailach swoich pracowników — to jest to ważny element zmiany, który trzeba uwzględnić w procesie.
A jeśli priorytet dla AI na poziomie zarządu pozostaje wyłącznie deklaratywny i nie przekłada się na zachowania liderów, trudno oczekiwać trwałej zmiany u osób w zespołach.
Wspominałeś, że dużo pracujecie z bankowością i ubezpieczeniami.
Tak, to jest sektor, z którym bardzo dużo współpracuję. Banki i ubezpieczyciele bardzo prężnie w to wchodzą, między innymi dlatego, że od lat inwestują w cyfryzację, dane, procesy i bezpieczeństwo.
W real estate duża część biznesu dotyczy fizycznego produktu, budowy. Tam wpływ generatywnej AI jest mniej bezpośredni niż w organizacji, w której ogromna część pracy odbywa się przy komputerze. Ale to wcale nie oznacza, że potencjał jest mały. W nieruchomościach jest przecież bardzo dużo pracy opartej na wiedzy: dokumenty, umowy, analizy, raportowanie, przygotowywanie ofert, komunikacja z klientami, zarządzanie projektami czy praca z danymi. I właśnie w tych obszarach mamy już również doświadczenia z wykorzystaniem AI w sektorze real estate.
Na koniec — jak podsumowałbyś to, dokąd zmierzamy?
Nie widzę katastroficznej wizji, w której AI po prostu eliminuje pracę człowieka. Widzę natomiast bardzo szybką zmianę sposobu, w jaki pracujemy, i kompetencji potrzebnych do wykonywania tej samej pracy.
Ta technologia potrafi bardzo mocno przyspieszyć pracę, ale sama obecność narzędzia to za mało. Dopóki człowiek nie nauczy się sensownie z niego korzystać, a organizacja nie osadzi AI w swoich procesach, wiedzy i danych, ten potencjał pozostanie w dużej mierze niewykorzystany.
I nie wydaje mi się, żeby od tej zmiany był odwrót. Dzisiaj w większości organizacji nikt już nie zadaje pytania, czy komputer albo telefon komórkowy mają ROI i czy w ogóle powinniśmy ich używać, ponieważ z czasem kompetencje cyfrowe po prostu stały się częścią wykonywania zawodów. Myślę, że z biegiem czasu z AI będzie podobnie.
Dlatego nie patrzyłbym na to przede wszystkim przez pryzmat bezrobocia. Bardziej przez pryzmat zmiany kompetencji, która już się zaczęła i będzie postępowała szybko.
A jeśli miałbym wskazać jedną rzecz branży nieruchomości, to powiedziałbym: zanim zaczniecie budować agentów, uporządkujcie wiedzę i procesy oraz zacznijcie budować własne kompetencje wewnątrz organizacji. Bo im więcej autonomii chcemy oddać AI, tym ważniejsze staje się to, żeby organizacja sama wiedziała, jak działa, gdzie ma swoją wiedzę i kto bierze odpowiedzialność za rezultat.
Agent może bardzo dużo przyspieszyć. Ale nie naprawi za nas organizacji, która sama nie ma poukładanych podstaw.
No items found.
Opublikowano:
01.10.2026
Mikołaj Sznajder
Dodaj do ulubionych:
Polecane artykuły
No items found.
Mikołaj Sznajder
Więcej artykułów autora
No items found.
Najnowsze wydanie!
%201%20(1).svg){kind=icon}
.png)
.avif)
Komentarz