Co jeśli sztuczna inteligencja się pomyli? Polski startup znalazł sposób na kontrolę nad AI

Od kodowania do pełnej kontroli

Codaro łączy trzy warstwy. Pierwsza to agent kodujący, który może tworzyć i modyfikować kod oraz wykonywać zadania w repozytorium. Druga to warstwa audytowa, która niezależnie sprawdza wygenerowane zmiany. Analizuje między innymi problemy bezpieczeństwa, zależności i ryzyka logiczne. Trzecia to warstwa odpowiedzialności i historii zmian. Kolejne działania mogą być zapisywane w kryptograficznie powiązanym łańcuchu, obejmującym między innymi czas, wykorzystany model, informacje o promptcie, wykonane działanie i rezultat. Dzięki temu organizacja może odtworzyć, jak powstała konkretna zmiana i kto dopuścił ją do dalszego procesu.

To szczególnie ważne w środowisku, w którym nad jednym projektem może pracować wielu agentów. Kod może zostać wygenerowany przez jeden model, zmodyfikowany przez drugi, sprawdzony przez kolejną warstwę, a następnie zatwierdzony przez człowieka. Codaro chce, aby cały taki proces pozostawiał spójny i możliwy do zweryfikowania ślad.

– Nie budujemy kolejnego narzędzia, które ma zastąpić programistę. Chcemy dać firmom możliwość korzystania z agentów, których możliwości już dziś są ogromne, ale w środowisku, w którym organizacja zachowuje kontrolę nad danymi, procesem i odpowiedzialnością za końcową decyzję – mówi Radosław Soysal, CEO i współzałożyciel Codaro.

Dlaczego firmy tego potrzebują?

W wielu organizacjach wdrożenie agentów AI nie jest dziś wyłącznie decyzją technologiczną. Dochodzą do tego wymagania dotyczące cyberbezpieczeństwa, zarządzania ryzykiem, przetwarzania danych i możliwości wykazania, w jaki sposób wykorzystywana jest sztuczna inteligencja.

Europejskie regulacje wyraźnie przesuwają rynek w tym kierunku. NIS2 ustanawia wspólne wymagania cyberbezpieczeństwa dla 18 sektorów krytycznych, a AI Act wprowadza obowiązki związane z wykorzystaniem systemów AI. Równolegle Cyber Resilience Act wprowadza wymagania dotyczące bezpieczeństwa produktów z elementami cyfrowymi.

Dla firm oznacza to coraz większą potrzebę kontroli nad tym, gdzie przetwarzane są dane, jakie systemy AI są wykorzystywane i kto odpowiada za decyzje podejmowane z ich udziałem.

Codaro chce zbudować właśnie taką warstwę kontroli, działającą od momentu napisania kodu aż po jego zatwierdzenie.

Europejska infrastruktura zamiast kompromisu

System ma działać w istniejącym środowisku programistycznym, między innymi poprzez pluginy i narzędzia CLI.

Jednocześnie startup rozwija kilka poziomów infrastruktury. Najprostsze integracje pozwalają korzystać z warstwy weryfikacji bez zmiany dotychczasowego workflow. Kolejne poziomy obejmują europejskie endpointy do obsługi modeli, środowiska dedykowane dla konkretnych zespołów, własne maszyny wirtualne z wybranymi modelami oraz wdrożenia on-premise, w których infrastruktura działa bezpośrednio u klienta.

Ważną częścią tej architektury mają być również modele open source i open-weight uruchamiane w Europie. Ich możliwości szybko rosną, a najlepsze z nich osiągają już wyniki pozwalające konkurować z najbardziej zaawansowanymi modelami zamkniętymi w wielu zastosowaniach. Dzięki temu europejskie przetwarzanie nie musi oznaczać rezygnacji z jakości.

Dla większych zespołów dochodzi również przewidywalność kosztów. Zamiast rozliczania każdego wykorzystania agenta osobno, Codaro może zaoferować stały model miesięczny, co ułatwia planowanie budżetu i pozwala zespołom korzystać z agentów bez obawy o nieprzewidywalnie rosnący rachunek za każde kolejne zadanie.

– Od początku patrzymy na Codaro szerzej niż na pojedyncze narzędzie dla developerów. Chcemy budować infrastrukturę, która może rozwijać się razem z organizacją: od prostych integracji, przez europejskie środowiska dla zespołów, aż po dedykowane i całkowicie własne wdrożenia – mówi Michał Zieliński, odpowiedzialny za strategię i rozwój biznesowy Codaro.

Agent, audyt i naprawa w jednym procesie

Istotną częścią wizji Codaro jest połączenie kodowania i audytu w jeden proces. Jeżeli system znajdzie problem, kolejne działanie może zostać przekazane agentowi, który pracuje nad jego rozwiązaniem. Następnie poprawiona zmiana może ponownie przejść przez weryfikację. W ten sposób powstaje pętla: kodowanie, audyt, naprawa i zapis całego procesu.

Wynikiem nie ma być wyłącznie lista ostrzeżeń, ale kontrolowany proces, w którym można prześledzić, co zostało wykryte, co z tym zrobiono i kto zatwierdził końcową zmianę.

Dla zespołów, które nie mogą pozwolić sobie na utratę kontroli

To właśnie dlatego Codaro kieruje swoją ofertę przede wszystkim do organizacji, dla których bezpieczeństwo i sposób przetwarzania danych są równie ważne jak produktywność.

Firma z sektora finansowego, przemysłowego czy infrastruktury krytycznej może chcieć korzystać z najlepszych agentów dostępnych na rynku, ale jednocześnie potrzebować europejskiego środowiska, kontroli nad danymi i pełnej historii procesu. Startup ma już pierwszych płacących klientów, a zespół rozwija produkt i kolejne wdrożenia zarówno na rynku polskim, jak i zagranicznym.Codaro chce połączyć te wymagania w jednym systemie, który można skalować razem z organizacją.

Pierwszy test w warunkach rzeczywistych

Rozwiązanie było już testowane w warunkach rzeczywistego wydarzenia. Podczas Codaro Coding Challenge II, które odbyło się 20 sierpnia 2026 roku w Google for Startups Campus Warsaw, wydarzenie zgromadziło 12 zespołów i około 60 uczestników, a jego obsługę zapewniała infrastruktura zbudowana przez startup.

Startup rozwija produkt przy wsparciu organizacji technologicznych. Codaro zostało między innymi objęte programem Google for Startups, znalazło się w gronie startupów wspieranych przez ElevenLabs oraz dołączyło do OVHcloud Startup Program.

Europejska warstwa dla nowego modelu tworzenia software’u

Codaro zakłada, że agenci AI będą wykonywać coraz większą część pracy programistycznej. Wraz z tym wzrostem organizacje będą potrzebowały nie tylko lepszych modeli, ale również infrastruktury, która pozwoli bezpiecznie z nich korzystać. Dlatego startup chce budować europejską warstwę łączącą kodowanie, audyt, bezpieczeństwo danych i odpowiedzialność za decyzje.

Celem nie jest zatrzymanie automatyzacji. Chodzi o to, żeby także firmy działające w najbardziej wymagających środowiskach mogły korzystać z możliwości agentów AI, zachowując kontrolę nad tym, gdzie trafiają ich dane, jak powstaje kod i kto ostatecznie za niego odpowiada.