PLAUD Note Pro to bardzo cienki (~3 mm, jak karta kredytowa) dyktafon z wbudowaną AI, który nagrywa spotkanie, konwertuje mowę na tekst i automatycznie generuje streszczenia, listy ustaleń, mapy myśli oraz identyfikację poszczególnych mówców. Producent podaje 4 mikrofony MEMS, zasięg do 5 m i aż 30 godzin nagrywania na jednym ładowaniu. Urządzenie kosztuje ok. 800–850 PLN, dostępne m.in. w Media Expert i Media Markt.

Transkrypcja działa w 112 językach (w tym po polsku), a do dalszej analizy możesz wybrać ChatGPT-4o, Gemini Pro albo Claude - zintegrowane bezpośrednio w aplikacji.

Po co?

Spotkania transakcyjne / negocjacje: zamiast prowadzić notatki ręcznie w trakcie sesji negocjacyjnej, masz automatyczny protokół z podziałem na wypowiedzi stron. Ułatwia przygotowanie term sheet i weryfikację tego, kto co powiedział.

Due diligence i wywiady z zarządem: pytania i odpowiedzi masz od razu w postaci tekstu, a AI podkreśla kluczowe ustalenia i otwarte kwestie. Spore oszczędności czasu przy większych projektach.

Spotkania z klientami: zamiast pisać notatkę po spotkaniu z pamięci, masz gotowy draft do zatwierdzenia. Oczywiście wymagana jest zgoda klienta (o tym niżej).

Szkolenia wewnętrzne i webinary: streszczenia i Q&A praktycznie bez pracy.

Uwagi krytyczne, czyli RODO i tajemnica zawodowa

To jest kluczowa kwestia, której nie można zbagatelizować:

• Nagrania trafiają na serwery chmurowe PLAUD (USA). Producent deklaruje szyfrowanie, ale audyt polityki prywatności jest niezbędny.

• Tajemnica adwokacka / radcowska - przed nagraniem każdego spotkania wymagana jest wyraźna, poinformowana zgoda uczestników. 

Model abonamentowy, uwaga na koszty

Urządzenie to dopiero połowa wydatku. Plan Starter daje ok. 300 minut transkrypcji miesięcznie (często za mało przy intensywnej pracy), Plan Pro (~100 USD/rok) to 1200 minut, a Unlimited (~240 USD/rok) zdejmuje limity.

Podsumowanie (moje)

Narzędzie może być realnie przydatne, ale wdrożenie wymaga przemyślenia procedur zanim zacznie się nagrywać klientów. Najlepiej zacząć od użytku wewnętrznego (szkolenia, spotkania kancelarii) i stopniowo rozszerzać zakres po uregulowaniu kwestii prawnych.

Prawda jest jednak taka, że źle wygląda, gdy widać, że opinia, pismo (nawet tylko fragment) itp. są wygenerowane przez AI, bo wygląda tak jakbyśmy nie włożyli w to pracy. Co często jest nieprawdą i jest krzywdzące.

Mam na to rozwiązanie w postaci sprytnego prompta, który może poprawić Wasz tekst i usunąć charakterystyczne dla AI "sygnatury".

Wrzucasz (prawie) gotowy tekst na koniec dla poprawienia edytorskiego.

Oto prompt:

Przeredaguj poniższy tekst w stylu formalnym, właściwym dla polskiego pisma prawniczego lub opinii prawnej. Nie zmieniaj sensu, argumentacji, kolejności wywodu ani sformułowań terminologicznych. Nie pracuj nad merytoryką i nie dodawaj nic od siebie - tekst jest merytorycznie gotowy. Wprowadzaj wyłącznie zmiany redakcyjno-typograficzne.

Wymogi redakcyjne:
- stosuj wyłącznie polski cudzysłów „…";
- zachowaj spójność terminologii prawnej; nie zastępuj terminów synonimami dla urozmaicenia;
- unikaj anglicyzmów, kalk językowych i stylu marketingowego;
- nie używaj markdownu, emoji ani automatycznych linków;
- nagłówki i śródtytuły zapisuj naturalnie po polsku, bez Title Case i bez znaków Markdown (tylko jeśli są, jeśli nie ma to nie stosuj) ;
- nie twórz sztucznych list; jeśli lista już jest w tekście, zachowaj ją, chyba że naturalnie układa się w akapit ciągły;
- zdania mają być precyzyjne, ale naturalne, bez mechanicznej powtarzalności;
- usuń frazy-wypełniacze i banalne podsumowania;
- zachowaj istniejący zapis dat, skrótów ustaw i odwołań;
- zachowaj formalny rejestr i klarowną logikę wywodu.

Przed oddaniem tekstu wykonaj kontrolę:
1. typografia polska,
2. brak przypadkowych linków,
3. brak mieszanych cudzysłowów,
4. brak kalek z angielskiego,
5. brak sztucznego tonu AI,
6. brak sztucznej synonimii - identyczne pojęcia prawne mają być zapisywane jednakowo w całym tekście.

Jeżeli masz wybór między brzmieniem „idealnie uporządkowanym" a naturalnym, wybierz naturalne, o ile nie obniża to precyzji.
Zwróć sam tekst końcowy, bez żadnych komentarzy do wprowadzonych zmian.

Obecnie może nie jest to "problem dnia codziennego", ale być może niedługo już będzie. Przynajmniej dla prawników...

31 marca 2026 r. Rada Ministrów przyjęła projekt ustawy o systemach sztucznej inteligencji, który teraz trafi do Sejmu. Dobry moment, żeby rzucić okiem, o co właściwie chodzi.

Ale po co nam ta ustawa, skoro mamy AI Act?

Tu jest drobna pułapka pojęciowa, która często myli nawet prawników. AI Act jako rozporządzenie unijne obowiązuje bezpośrednio – nie potrzebuje żadnej polskiej ustawy implementującej. Polska ustawa nie "wdraża" więc AI Actu, tylko buduje wokół niego krajową infrastrukturę: wskazuje organ nadzoru, określa procedury, zasady składania skarg, zgłaszania incydentów i nakładania sankcji. Większość obowiązków z AI Actu zacznie obowiązywać od 2 sierpnia 2026 r., więc czas nagli.

KRiBSI, czyli nowy gracz na planszy

Główną nowością jest Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI) – zupełnie nowa instytucja, obsługiwana przez Ministerstwo Cyfryzacji, ale formalnie niezależna. To ona będzie krajowym organem nadzoru rynku w rozumieniu AI Actu.

Skład Komisji jest wieloinstytucjonalny – obok przewodniczącego (powoływanego przez Sejm za zgodą Senatu na 5 lat) znajdą się w niej przedstawiciele UOKiK, UKE, KNF i KRRiT. To nie przypadek: AI wchodzi jednocześnie do finansów, mediów, telekomunikacji i rynku konsumenckiego, więc taki przekrojowy skład ma sens.

KRiBSI nie będzie tylko ciałem doradczym. Dostanie realne kompetencje: prowadzenie postępowań administracyjnych, rozpatrywanie skarg, przyjmowanie zgłoszeń incydentów, wydawanie wiążących decyzji i nakładanie administracyjnych kar.

Piaskownice regulacyjne i podział kompetencji z Brukselą

Komisja ma też pełnić funkcję inkubatora innowacji poprzez tworzenie tzw. piaskownic regulacyjnych, czyli środowisk, gdzie firmy będą mogły testować rozwiązania AI w kontrolowanych warunkach.

Warto przy tym pamiętać o jednym ważnym podziale: kary wobec dostawców modeli AI ogólnego przeznaczenia (czyli np. dużych modeli językowych) nakłada bezpośrednio Komisja Europejska, nie KRiBSI. Polska Komisja skupi się na nadzorze nad podmiotami działającymi lokalnie, szczególnie dostawcami i wdrażającymi systemy AI wysokiego ryzyka.

Co z tego wynika dla kancelarii?

Przede wszystkim, w końcu będziemy wiedzieć, do kogo się zgłosić i jakie procedury stosować. Do tej pory AI Act funkcjonował w Polsce bez pełnej instytucjonalnej obudowy, co w praktyce generowało sporo niepewności. Projekt ustawy ma to porządkować.

Projekt trafi teraz pod obrady Sejmu, więc nie ma sensu spekulować jaki ostatecznie kształt przybierze. Będę na bieżąco śledził postępy prac i wrzucał aktualizacje.

Jesteś asystentem prawnika, specjalistą od zarządzania czasem pracy. Na podstawie poniższych danych stwórz optymalny plan dnia w formie tabeli godzinowej.

GODZINY PRACY:

ZADANIA:

- | |

- | |

SPOTKANIA:

- – –

Zaplanuj bloki głębokiej pracy w pierwszej połowie dnia, maile i telefony po 13:00, przerwy co 90 min.

Dodaj 30 min bufora na pilne sprawy.

Na końcu: 3 priorytety dnia i 5-minutowy przegląd końca dnia.

To nie są ogólniki w stylu „AI zwiększy Twoją produktywność”. To konkretne przykłady zastosowań, które naprawdę zainspirują do działania.

Kilka, które mnie zainteresowały:

📊 Analiza danych w rozmowie: wrzucasz CSV, Claude rysuje siatkę korelacji i od razu flaguje wzorce warte uwagi. Zero klikania po Excelu.

📚 Mapowanie przeglądu literatury: wgrywasz stos artykułów naukowych, a AI rysuje strukturę argumentów: kto z kim się nie zgadza, gdzie są luki. Idealne dla badaczy i studentów.

💼 Analiza umów i negocjacje: AI wskazuje klauzule, które mogą Cię kosztować, i sugeruje konkretne zmiany do negocjacji.

🖥️ Tworzenie strony internetowej bez kodowania: budujesz portfolio i uczysz się, jak je wdrożyć online. Bez jednej linijki kodu.

Strona ma też przykłady dla edukacji, NGO, finansów i codziennej pracy zawodowej.

Warto zajrzeć, nie po to, żeby „być na bieżąco z AI”, ale żeby znaleźć jedną konkretną rzecz, którą możesz zautomatyzować już dziś.

Robby Stein mówi o tym, że ludzie przestają wpisywać hasła i zaczyna się era pytań konwersacyjnych. „Jak powinienem spędzić sobotę?”, takie pytanie jeszcze rok temu Google zbyłby ogólnikami. Dziś, dzięki AI Mode zasilanemu przez Gemini 3, Google może prowadzić z Tobą dialog, zadaje pytania doprecyzowujące, a odpowiedź dostosowuje do kontekstu.
Dla kancelarii to konkretna zmiana w sposobie korzystania z wyszukiwarki. Zamiast wpisywać „art. 299 ksh odpowiedzialność zarząd”, możesz napisać: "Reprezentuję klienta, byłego członka zarządu sp. z o.o., który nie złożył wniosku o upadłość. Pomóż mi wyszukać argumenty na jego obronę oraz podaj listę zagadnień na które zwrócić uwagę w postępowaniu?”. Powinieneś dostać ustrukturyzowaną odpowiedź z linkami do źródeł.

Gemini 3 Flash vs Pro (z naszej perspektywy)

Stein tłumaczy różnicę prosto: Flash = szybkość i wysoka jakość dla codziennych pytań, Pro = głębokie rozumowanie, narzędzia, symulacje.
Czyli do pracy raczej PRO, chyba że "na szybkości" szukasz na rozprawie jakiegoś przepisu.

Personal Intelligence, czyli Google, które cię zna

To jest według mnie najbardziej rewolucyjna rzecz z całego wywiadu. Personal Intelligence (na razie opt-in, najpierw w USA) pozwala połączyć Google Search z twoim Gmailem i Zdjęciami itd. Stein podał przykład: zapytał „jaka torba na siłownię będzie dla mnie dobra?”, a Google przeszukał jego Gmaila, odkrył, jakie marki preferuje i zaproponował idealny model.

My będziemy mogli szukać swoich własnych argumentów ze starych spraw albo wiadomości do klientów w którym już tłumaczyliśmy podobne zagadnienie. Google przeszuka Gmail i poda Ci spersonalizowaną odpowiedź. Brzmi jak science fiction, ale technicznie jest już gotowe i podobno działa. Pytanie o wdrożenie w środowisku kancelarii (RODO, bezpieczeństwo danych) to osobny temat, ale kierunek jest oczywisty.

Agentic Search, czyli Google, które dzwoni za ciebie

Stein omawia tryb agentyczny: Google nie tylko odpowiada, ale działa. Przykład z wywiadu: chcesz zarezerwować wizytę u fryzjera, ale salon nie ma systemu rezerwacji online: Google dzwoni do salonu i wysyła ci e-mail z potwierdzeniem. Robi to samodzielnie.

W kancelarii jest mnóstwo rzeczy do takich automatyzacji: umówienie terminu spotkania przez e-mail, zebranie ofert, monitoring orzecznictwa i powiadomienie, gdy pojawi się wyrok w sprawie, która Cię interesuje, to są rzeczy, które w ciągu 6–9 miesięcy (taki horyzont podaje Stein) mają szansę być automatyzowane przez narzędzie zintegrowane z Google.

Wywiad jest po angielsku, ale jest warty uwagi - szczególnie fragment o Personal Intelligence i o tym, jak model rozkłada jedno złożone zapytanie na dziesiątki mikropytań równolegle.

Możesz obejrzeć to TU.

Dokładnie tym zajmuje się BullshitBench, a więc „benchmark” stworzony przez Petera Gosteva z Arena AI. Pomysł jest przewrotnie prosty: zamiast pytać modele o to, czy wiedzą coś poprawnie, sprawdza się czy potrafią przyznać, że pytanie nie ma sensu.

Jak to działa?

BullshitBench v2 zawiera 100 bezsensownych pytań rozłożonych na 5 dziedzin: software, medycyna, prawo, finanse i fizyka. Każde pytanie jest celowo skonstruowane tak, żeby opierało się na fałszywym założeniu. Przykład? „Skoro przeszliśmy w kodzie z tabulatorów na spacje, jak wpłynie to na retencję klientów w kolejnych kwartałach?”.

Model może zareagować na trzy sposoby:

• 🟢 Clear pushback: zdecydowanie odrzuca nonsensowną przesłankę
• 🟡 Partial challenge: częściowo kwestionuje, ale mimo wszystko odpowiada
• 🔴 Accepted nonsense: przyjmuje bzdurę za dobrą monetę i odpowiada jakby wszystko było ok

Co z tego wynika dla kancelarii?

Wyniki są dla branży prawniczej bardzo wymowne. Tylko dwie rodziny modeli przekraczają 60% „clear pushback”: modele Anthropic (Claude) oraz Qwen 3.5. Konkretnie Claude Sonnet 4.6 flaguje ponad 94,5% nonsensownych promptów, a top 9 pozycji w rankingu należy do Anthropica.

Pozostałe popularne modele, w tym OpenAI i Google, wypadają słabo i co ważne: nie poprawiają się wraz z nowszymi wersjami. Co więcej, odkryto zaskakującą zależność: tryb "reasoning" (głębsze myślenie) paradoksalnie nie pomaga – jeśli już, to lekko pogarsza wyniki w wykrywaniu nonsensów.

Dlaczego to ważne dla prawników?

Jak to rozumieć i jakie to ma dla nas znaczenie?

Wyobraź sobie scenariusz: klient opisuje stan faktyczny z wewnętrzną sprzecznością, albo pyta o „korelację” pomiędzy zdarzeniami, które nie mają ze sobą żadnego związku prawnego. Model, który „akceptuje bzdurę”, wyprodukuje pięknie sformułowaną odpowiedź. To jest właśnie najgroźniejszy rodzaj halucynacji: nie ta, gdzie model się myli w szczegółach, tylko ta, gdzie z pozoru poprawnie odpowiada na fundamentalnie błędne pytanie.

W kontekście LegalBench, oddzielnego benchmarku mierzącego czystą dokładność prawną, wyniki są też ciekawe: GPT-5 (84,6%), Gemini 2.5 Pro (83,6%), Grok 4 (83,4%) przekraczają 80% próg w rozumowaniu prawnym. Ale dokładność merytoryczna to jedno, a zdolność do powiedzenia „to pytanie nie ma sensu”, to drugie, i BullshitBench mierzy właśnie to drugie.

Praktyczne wnioski

Jeśli używasz AI w kancelarii do analizy dokumentów, weryfikacji stanów faktycznych czy pracy z klientami, moje obecne rekomendacje są następujące:

• Do zadań wymagających krytycznego podejścia do treści (weryfikacja logiki umów, analiza sprzeczności w stanach faktycznych) - Claude (Anthropic) jest bezkonkurencyjny w kwestii „mówienia nie”
• Do precyzyjnej analizy prawnej i drafting'u - warto mieć w zestawie też GPT-5 lub Gemini 3.1 Pro, które świetnie wypadają w LegalBench
• Strategia orkiestracji – zaryzykuję tezę, że najlepsi nie obstawiają jednego modelu; używają różnych narzędzi do różnych zadań

Jeden benchmark to oczywiście nie wszystko, ale BullshitBench podnosi temat, który dla prawników jest absolutnie kluczowy: czy mój asystent AI powie mi, gdy moje założenie jest błędne? To pytanie warto zadać sobie zanim powierzy się modelowi odpowiedzialną robotę.

Link do narzędzia (warto pobawić się samemu, można porównywać modele pytanie po pytaniu): petergpt.github.io/bullshit-benchmark

Działaj jako analityk zakupów w Polsce i tracker cen. Twoim celem jest znaleźć najlepszą bieżącą okazję (cena, wiarygodność, warunki) oraz ocenić timing zakupu na podstawie historii cen i sezonowości.

Kontekst:

- Produkt: buty PUMA FAST-R Nitro Elite 3 rozmiar 42,5 i 43

- Budżet: do 1300 zł

- Termin zakupu: od razu

- Preferencje: tylko nowy egzemplarz, PL szybka dostawa, weź pod uwagę działające cashbacki (np. letyshops i podobne)

- Preferowane sklepy: oficjalne sklepy marek, duże polskie sieci, autoryzowani resellerzy

- Wykluczenia: marketplace bez weryfikacji, zagraniczne wysyłki, brak NIP

- Lokalizacja: Tarnów/PL (oceń czas dostawy)

Zadanie:

1) Wyszukaj oferty wyłącznie w uznanych polskich e-sklepach i oficjalnych sklepach marek. Dopuszczaj marketplace tylko gdy sprzedawcą jest „oficjalny sklep” lub „autoryzowany dystrybutor”.

2) Dla każdej oferty zweryfikuj:

   - Dane sprzedawcy (pełna nazwa, NIP/UE, adres w PL/UE), reputacja (opinie/ocena), status autoryzacji.

   - Cena brutto, koszt dostawy, koszt całkowity, dostępność i przewidywany termin dostawy.

   - Zwroty: prawo odstąpienia 14 dni, koszt zwrotu, sposób (paczkomat/kurier/sklep).

   - Gwarancja: producenta w PL, serwis w Polsce, rękojmia 2 lata; dokument sprzedaży (paragon/faktura VAT).

3) BARDZO WAŻNE — DOSTĘPNOŚĆ:

   - Bierz pod uwagę WYŁĄCZNIE oferty produktów, które są REALNIE DOSTĘPNE do zamówienia od razu ("w magazynie", "dostępne", konkretny czas realizacji poniżej 3 dni).

   - Oferty z oznaczeniami typu "powiadom o dostępności", "niedostępny", "na zamówienie", "chwilowo brak towaru", "brak na stanie" itp. — mają być automatycznie wykluczone.

   - Oceń czy deklarowana dostępność jest wiarygodna i dotyczy całego danego wariantu produktu.

4) Historia ceny i timing:

   - Podaj min/średnią/czy trend spadkowy/wzrostowy dla 30/90/180 dni.

   - Omnibus: jeśli oferta oznaczona jako promocja, podaj najniższą cenę z 30 dni (jeśli dostępna).

   - Oceń sezonowość (np. Black Friday, wyprzedaże posezonowe, wejścia nowych modeli) i ryzyko podwyżek/niedostępności.

5) Oceń wiarygodność i ryzyko:

   - Wyklucz podejrzane listingi (brak danych firmy, brak regulaminu zwrotów, zbyt niska cena vs rynek).

   - Oznacz potencjalny „import równoległy/outlet”, podróbki lub brak polskiej dystrybucji.

6) Scoring i decyzja:

   - Zastosuj scoring: 50% relacja do dołków cenowych (30/90/180 dni), 20% wiarygodność sprzedawcy, 15% warunki dostawy/zwrotów, 10% gwarancja/serwis PL, 5% dodatkowe koszty/bonusy.

   - Rekomendacja: „Kup teraz” lub „Poczekaj”, z uzasadnieniem. Podaj cenę docelową i przewidywane okno okazji (jeśli czekać).

Format wyjścia:

- Tabela porównawcza (min. 3–5 najlepszych ofert) z kolumnami:

  Sklep | Sprzedawca | Cena | Dostawa | Całkowity koszt | Dostępność | Zwroty | Gwarancja | Faktura | Historia (30/90/180, Omnibus) | Link

- JSON pod tabelą:

  {

    "produkt": "...",

    "oferty": ,

    "scoring": {"metodologia": "...", "zwyciezca": "...", "punkty": ...},

    "rekomendacja": {"decyzja": "kup_teraz/poczekaj", "uzasadnienie": "...", "cena_docelowa": ..., "okno_okazji": "..."},

    "braki_danych":

  }

Reguły jakości:

- Każda oferta musi być aktualnie dostępna do natychmiastowego zakupu (stan magazynowy potwierdzony; oznaczenia typu "powiadom o dostępności"/"niedostępny"/"na zamówienie" — AUTOMATYCZNIE WYKLUCZ).

- Cytuj źródła linkami do kart produktu i wykresów/historii cen. Jeśli danych brak – oznacz jako „nieznane” i wypisz co należy jeszcze sprawdzić. Nie zgaduj.

- Preferuj oferty z jasnym regulaminem i pełnymi danymi firmy. Wyraźnie oznacz oferty „oficjalny sklep/autoryzowany”.

- Jeśli znajdziesz oferty z niejasnym statusem dostępności — przenieś je do sekcji JSON "wykluczone_oferty" z adnotacją o braku dostępności.

Co kryje się pod maską

Pod spodem – to wiem z internetów - działa hybrydowa architektura łącząca technologie Mamba i Transformer, która z 120 miliardów parametrów aktywuje zaledwie 12 miliardów przy każdym zadaniu. Brzmi to poważnie, ale co to w sumie znaczy? Otóż dzięki temu model osiąga niesamowitą prędkość generowania odpowiedzi i oferuje potężne okno kontekstowe sięgające aż miliona tokenów. To sprawia, że sztuczna inteligencja zachowuje pełny kontekst sprawy bez "gubienia wątku" nawet przy skrajnie długich i zawiłych zapytaniach.

Zastosowanie w praktyce prawniczej

Milionowe okno kontekstowe to dobra rzecz dla kancelarii. Narzędzie to ma wybitnie radzić sobie np. z wyłapywaniem błędów logicznych, co idealnie sprawdzi się przy analizowaniu pism procesowych przeciwnika. Szybkość działania w połączeniu z integracją z Perplexity znacznie ułatwia wieloźródłowy research prawny i wyciąganie wniosków ze skomplikowanych stanów faktycznych.

Jak wypada na tle konkurencji

Nemotron 3 Super wyróżnia się przede wszystkim błyskawiczną pracą z tekstem (szybkość inferencji) i otwartym kodem, co dla kancelarii oznacza większą niezależność i kontrolę nad przetwarzanymi danymi.
Co do liczby tokenów w oknie kontekstowym, to wygląda to tak:
Nemotron = 1 milion tokenów,
Chat GPT 5.4 = 256 tys. tokenów (przy czym opcja "Deep Memory" do 1 miliona dla enterprise”,
Gemini 3 Pro = 1 milion tokenów

Gdzie przetestować nowość

Nemotron 3 Super można już łatwo przetestować, wybierając go z listy modeli bezpośrednio w interfejsie wyszukiwarki Perplexity.

Zachęcam was do sprawdzenia jego możliwości na zanonimizowanych dokumentach, ponieważ stosunek wysokiej precyzji do bardzo niskiego zużycia zasobów stanowi obecnie rynkową czołówkę.

Gemini został teraz wbudowany bezpośrednio w Dokumenty, Arkusze, Prezentacje i Dysk Google i każda z tych aplikacji jest teraz w stanie pobierać kontekst z Twoich plików, wiadomości e-mail i internetu, aby generować spersonalizowane treści.
Dokumenty mogą pisać pierwsze wersje robocze odzwierciedlające Twój styl pisania, Arkusze mogą tworzyć arkusze kalkulacyjne od podstaw i automatycznie wypełniać tabele informacjami w czasie rzeczywistym z Google Search, a Prezentacje mogą generować w pełni edytowalne slajdy dopasowane do wybranego motywu - na żądanie.

Co więcej, Dysk odpowiada teraz na złożone pytania w języku naturalnym, przeszukując Twoje dokumenty, wiadomości e-mail, kalendarz i internet. Wszystkie funkcje są obecnie wdrażane w wersji beta dla subskrybentów Google AI Ultra i Pro.

A TU możesz sobie obejrzeć jak to działa.