{"id":1184,"date":"2026-04-08T11:02:22","date_gmt":"2026-04-08T11:02:22","guid":{"rendered":"https:\/\/news.jurskitech.pl\/blog\/uncategorized\/jak-firmy-traca-klientow-przez-zbyt-szybkie-wdrozenie-ai-bez-strategii-2\/"},"modified":"2026-04-08T11:02:22","modified_gmt":"2026-04-08T11:02:22","slug":"jak-firmy-traca-klientow-przez-zbyt-szybkie-wdrozenie-ai-bez-strategii-2","status":"publish","type":"post","link":"https:\/\/news.jurskitech.pl\/blog\/warto-wiedziec\/jak-firmy-traca-klientow-przez-zbyt-szybkie-wdrozenie-ai-bez-strategii-2\/","title":{"rendered":"Jak firmy trac\u0105 klient\u00f3w przez zbyt szybkie wdro\u017cenie AI bez strategii"},"content":{"rendered":"<h1 id=\"jakfirmytracklientwprzezzbytszybkiewdroenieaibezstrategii\">Jak firmy trac\u0105 klient\u00f3w przez zbyt szybkie wdro\u017cenie AI bez strategii<\/h1>\n<p>W ci\u0105gu ostatnich 18 miesi\u0119cy widzia\u0142em dziesi\u0105tki firm, kt\u00f3re wpad\u0142y w t\u0119 sam\u0105 pu\u0142apk\u0119: wdra\u017caj\u0105 rozwi\u0105zania AI z entuzjazmem startupu, ale bez strategii doros\u0142ej organizacji. Efekt? Zamiast zysk\u00f3w \u2013 frustracja zespo\u0142\u00f3w, rozczarowanie klient\u00f3w i pieni\u0105dze wylane w b\u0142oto.<\/p>\n<p>Nie m\u00f3wi\u0119 tu o teoretycznych rozwa\u017caniach. W JurskiTech.pl pracujemy z firmami, kt\u00f3re po 3-6 miesi\u0105cach \u201eeksperyment\u00f3w z AI\u201d przychodz\u0105 do nas z pytaniem: \u201eDlaczego to nie dzia\u0142a?\u201d. Odpowied\u017a zawsze jest podobna: brak\u0142o strategii, nie wizji.<\/p>\n<h2 id=\"bd1aijakocelanienarzdzie\">B\u0142\u0105d 1: AI jako cel, a nie narz\u0119dzie<\/h2>\n<p>Najcz\u0119stszy b\u0142\u0105d, kt\u00f3ry obserwuj\u0119: firmy traktuj\u0105 wdro\u017cenie AI jako cel sam w sobie. \u201eMusimy mie\u0107 AI\u201d \u2013 s\u0142ysz\u0119 na spotkaniach. To jak kupowanie m\u0142otka, zanim wie si\u0119, co si\u0119 chce zbudowa\u0107.<\/p>\n<p><strong>Przyk\u0142ad z \u017cycia:<\/strong> Klient z e-commerce wdro\u017cy\u0142 zaawansowany system rekomendacji AI za 80 000 z\u0142. System dzia\u0142a\u0142 perfekcyjnie \u2013 analizowa\u0142 zachowania, przewidywa\u0142 preferencje. Problem? Podstawowa nawigacja w sklepie by\u0142a tak skomplikowana, \u017ce 40% u\u017cytkownik\u00f3w opuszcza\u0142o stron\u0119 przed dotarciem do produkt\u00f3w. AI rekomendowa\u0142o doskonale, ale nikt nie by\u0142 tam, gdzie mog\u0142o rekomendowa\u0107.<\/p>\n<p><strong>Co robi\u0107 inaczej:<\/strong> Zacznij od pytania: \u201eJaki problem biznesowy chcemy rozwi\u0105za\u0107?\u201d. Czy to:<\/p>\n<ul>\n<li>Skr\u00f3cenie czasu obs\u0142ugi klienta?<\/li>\n<li>Zwi\u0119kszenie konwersji w okre\u015blonym kanale?<\/li>\n<li>Redukcja koszt\u00f3w operacyjnych w konkretnym procesie?<\/li>\n<\/ul>\n<p>Dopiero gdy masz odpowied\u017a, szukaj narz\u0119dzi. Czasem oka\u017ce si\u0119, \u017ce prosty skrypt automatyzuj\u0105cy b\u0119dzie skuteczniejszy ni\u017c zaawansowany model AI.<\/p>\n<h2 id=\"bd2ignorowaniedanychfundamentukadegoai\">B\u0142\u0105d 2: Ignorowanie danych \u2013 fundamentu ka\u017cdego AI<\/h2>\n<p>AI bez dobrych danych to jak samoch\u00f3d wy\u015bcigowy bez paliwa. Wygl\u0105da imponuj\u0105co, ale nie pojedzie daleko.<\/p>\n<p><strong>Obserwacja z rynku:<\/strong> Wiele firm ma dane rozproszone w 5-7 r\u00f3\u017cnych systemach (CRM, sklep, mailing, social media, w\u0142asne bazy). Zamiast najpierw je scali\u0107 i oczy\u015bci\u0107, wdra\u017caj\u0105 AI, kt\u00f3re ma \u201ejako\u015b to ogarn\u0105\u0107\u201d. Efekt? Model uczy si\u0119 na b\u0142\u0119dnych danych i podejmuje z\u0142e decyzje.<\/p>\n<p><strong>Realny przypadek:<\/strong> Firma us\u0142ugowa wdro\u017cy\u0142a chatbot AI do wst\u0119pnej kwalifikacji lead\u00f3w. Chatbot pyta\u0142 o bud\u017cet, timeline, potrzeby. Problem? Dane z formularza kontaktowego nie by\u0142y synchronizowane z CRM. Chatbot proponowa\u0142 spotkanie handlowce, kt\u00f3ra ju\u017c pracowa\u0142a z tym klientem od 3 miesi\u0119cy. Klient poczu\u0142 si\u0119 zignorowany i przeszed\u0142 do konkurencji.<\/p>\n<p><strong>Praktyczne podej\u015bcie:<\/strong> Zanim pomy\u015blisz o AI, zr\u00f3b audyt danych:<\/p>\n<ol>\n<li>Jakie dane masz?<\/li>\n<li>Gdzie s\u0105 przechowywane?<\/li>\n<li>Jakiej s\u0105 jako\u015bci (kompletno\u015b\u0107, aktualno\u015b\u0107)?<\/li>\n<li>Czy mo\u017cesz je scali\u0107 w jeden sp\u00f3jny widok?<\/li>\n<\/ol>\n<p>Czasem 2 tygodnie pracy nad danymi daj\u0105 lepszy ROI ni\u017c 2 miesi\u0105ce implementacji zaawansowanego modelu.<\/p>\n<h2 id=\"bd3pomijanieludzkiegoczynnika\">B\u0142\u0105d 3: Pomijanie ludzkiego czynnika<\/h2>\n<p>AI ma wspiera\u0107 ludzi, nie zast\u0119powa\u0107 ich tam, gdzie potrzebny jest ludzki dotyk.<\/p>\n<p><strong>Przyk\u0142ad z e-commerce:<\/strong> Sklep odzie\u017cowy wdro\u017cy\u0142 AI do personalizacji tre\u015bci. System analizowa\u0142 zakupy i wy\u015bwietla\u0142 \u201espersonalizowane\u201d rekomendacje. Problem? Klientka kupi\u0142a sukienk\u0119 na wesele przyjaci\u00f3\u0142ki. Przez kolejne 2 tygodnie widzia\u0142a tylko sukienki i dodatki wieczorowe, cho\u0107 normalnie kupowa\u0142a g\u0142\u00f3wnie sportow\u0105 odzie\u017c do pracy. Zamiast poczu\u0107 si\u0119 zrozumiana \u2013 poczu\u0142a si\u0119 uprzedmiotowiona przez algorytm.<\/p>\n<p><strong>Co tracimy:<\/strong> AI nie rozumie kontekstu emocjonalnego, niuans\u00f3w relacji, wyj\u0105tk\u00f3w od regu\u0142. W marketingu, sprzeda\u017cy, obs\u0142udze klienta \u2013 te ludzkie elementy cz\u0119sto decyduj\u0105 o lojalno\u015bci.<\/p>\n<p><strong>Jak to robi\u0107 m\u0105drze:<\/strong> U\u017cywaj AI do:<\/p>\n<ul>\n<li>Automatyzacji powtarzalnych, nudnych zada\u0144 (przetwarzanie faktur, podstawowa klasyfikacja)<\/li>\n<li>Wsparcia decyzji (\u201ena podstawie danych sugerujemy X, ale ostateczna decyzja nale\u017cy do Ciebie\u201d)<\/li>\n<li>Skalowania tego, co ju\u017c dzia\u0142a (je\u015bli masz \u015bwietny proces obs\u0142ugi klienta, AI mo\u017ce pom\u00f3c go realizowa\u0107 dla wi\u0119kszej liczby os\u00f3b)<\/li>\n<\/ul>\n<h2 id=\"bd4brakmierzeniaefektwbiznesowych\">B\u0142\u0105d 4: Brak mierzenia efekt\u00f3w biznesowych<\/h2>\n<p>\u201eWdro\u017cyli\u015bmy AI\u201d \u2013 to nie jest metryka sukcesu. \u201eZmniejszyli\u015bmy czas odpowiedzi na pytania klient\u00f3w z 24h do 2h dzi\u0119ki AI\u201d \u2013 to ju\u017c jest.<\/p>\n<p><strong>Typowy scenariusz:<\/strong> Firma wydaje 150 000 z\u0142 na implementacj\u0119 systemu AI. Po 6 miesi\u0105cach pytam: \u201eJaki jest ROI?\u201d. Odpowied\u017a: \u201eNo, mamy AI\u201d. Ale czy klienci s\u0105 bardziej zadowoleni? Czy sprzeda\u017c ro\u015bnie? Czy koszty spadaj\u0105? \u201eHmm, nie mierzymy\u201d.<\/p>\n<p><strong>Jak mierzy\u0107 w\u0142a\u015bciwie:<\/strong> Zdefiniuj KPI przed wdro\u017ceniem:<\/p>\n<ul>\n<li>Dla obs\u0142ugi klienta: CSAT (Customer Satisfaction), czas rozwi\u0105zania sprawy<\/li>\n<li>Dla marketingu: konwersja, koszt pozyskania klienta<\/li>\n<li>Dla sprzeda\u017cy: wielko\u015b\u0107 transakcji, cykl sprzeda\u017cy<\/li>\n<li>Dla operacji: koszt procesu, liczba b\u0142\u0119d\u00f3w<\/li>\n<\/ul>\n<p>Mierz te same wska\u017aniki przed i po wdro\u017ceniu. Tylko wtedy zobaczysz, czy AI naprawd\u0119 dzia\u0142a.<\/p>\n<h2 id=\"bd5traktowanieaijakoprojektuanieprocesu\">B\u0142\u0105d 5: Traktowanie AI jako projektu, a nie procesu<\/h2>\n<p>AI nie jest czym\u015b, co si\u0119 \u201ewdra\u017ca i zapomina\u201d. To \u017cywy organizm, kt\u00f3ry trzeba karmi\u0107 danymi, monitorowa\u0107 i dostosowywa\u0107.<\/p>\n<p><strong>Przyk\u0142ad:<\/strong> Firma produkcyjna wdro\u017cy\u0142a AI do przewidywania awarii maszyn. Przez pierwsze 3 miesi\u0105ce dzia\u0142a\u0142o \u015bwietnie \u2013 uda\u0142o si\u0119 unikn\u0105\u0107 kilku kosztownych przestoj\u00f3w. Potem zesp\u00f3\u0142 przesta\u0142 aktualizowa\u0107 dane, nie monitorowa\u0142 dok\u0142adno\u015bci predykcji. Po p\u00f3\u0142 roku model opiera\u0142 si\u0119 na przestarza\u0142ych danych i zacz\u0105\u0142 dawa\u0107 fa\u0142szywe alarmy. Za\u0142oga przesta\u0142a mu ufa\u0107, wr\u00f3ci\u0142a do \u201estarej metody\u201d \u2013 czekania, a\u017c co\u015b si\u0119 zepsuje.<\/p>\n<p><strong>Zasada utrzymania:<\/strong> Zaplanuj:<\/p>\n<ol>\n<li>Kto b\u0119dzie odpowiedzialny za AI po wdro\u017ceniu?<\/li>\n<li>Jak cz\u0119sto b\u0119dziesz aktualizowa\u0107 dane treningowe?<\/li>\n<li>Jak b\u0119dziesz monitorowa\u0107 dok\u0142adno\u015b\u0107 i wydajno\u015b\u0107?<\/li>\n<li>Kiedy i jak b\u0119dziesz dostosowywa\u0107 model do zmieniaj\u0105cych si\u0119 warunk\u00f3w?<\/li>\n<\/ol>\n<h2 id=\"jakbudowastrategiaiktraniezawiedzie\">Jak budowa\u0107 strategi\u0119 AI, kt\u00f3ra nie zawiedzie<\/h2>\n<p>Po analizie dziesi\u0105tek przypadk\u00f3w (zar\u00f3wno sukces\u00f3w, jak i pora\u017cek) widz\u0119 wyra\u017any schemat dzia\u0142a\u0144, kt\u00f3re prowadz\u0105 do realnych korzy\u015bci:<\/p>\n<p><strong>Krok 1: Zacznij od ma\u0142ego, konkretnego przypadku u\u017cycia<\/strong><br \/>\nNie pr\u00f3buj od razu \u201ezautomatyzowa\u0107 ca\u0142ej firmy AI\u201d. Wybierz jeden proces, kt\u00f3ry:<\/p>\n<ul>\n<li>Jest powtarzalny<\/li>\n<li>Generuje wyra\u017ane koszty lub problemy<\/li>\n<li>Ma mierzalne efekty<\/li>\n<li>Nie jest krytyczny dla przetrwania firmy (na pocz\u0105tek)<\/li>\n<\/ul>\n<p><strong>Krok 2: Zbuduj interdyscyplinarny zesp\u00f3\u0142<\/strong><br \/>\nAI to nie tylko zadanie dla IT. Potrzebujesz:<\/p>\n<ul>\n<li>Eksperta domenowego (osoby, kt\u00f3ra rozumie proces biznesowy)<\/li>\n<li>Specjalisty od danych<\/li>\n<li>Dewelopera<\/li>\n<li>Osoby odpowiedzialnej za UX\/obs\u0142ug\u0119 klienta (w zale\u017cno\u015bci od przypadku)<\/li>\n<\/ul>\n<p><strong>Krok 3: Zdefiniuj sukces w j\u0119zyku biznesowym<\/strong><br \/>\nZamiast \u201ewdro\u017cy\u0107 AI\u201d, powiedz: \u201eZmniejszy\u0107 liczb\u0119 r\u0119cznie wprowadzanych zam\u00f3wie\u0144 o 70% w ci\u0105gu 3 miesi\u0119cy\u201d.<\/p>\n<p><strong>Krok 4: Planuj iteracyjnie<\/strong><br \/>\nZacznij od MVP (Minimum Viable Product) \u2013 najprostszej wersji, kt\u00f3ra rozwi\u0105zuje problem. Testuj, zbieraj feedback, udoskonalaj.<\/p>\n<p><strong>Krok 5: Mierz, ucz si\u0119, skaluj<\/strong><br \/>\nGdy jeden przypadek u\u017cycia dzia\u0142a \u2013 przeanalizuj, co posz\u0142o dobrze, co mo\u017cna poprawi\u0107. Dopiero potem my\u015bl o kolejnych zastosowaniach.<\/p>\n<h2 id=\"przypadekktrydziaajakzrobilimytowjurskitechpl\">Przypadek, kt\u00f3ry dzia\u0142a: jak zrobili\u015bmy to w JurskiTech.pl<\/h2>\n<p>Nie jeste\u015bmy tylko doradcami \u2013 sami stosujemy te zasady. Oto jak wdra\u017cali\u015bmy AI w naszym procesie projektowania:<\/p>\n<p><strong>Problem:<\/strong> Nasz zesp\u00f3\u0142 projektowy sp\u0119dza\u0142 oko\u0142o 15 godzin tygodniowo na tworzeniu i aktualizowaniu dokumentacji technicznej dla klient\u00f3w.<\/p>\n<p><strong>Strategia:<\/strong><\/p>\n<ol>\n<li><strong>Cel biznesowy:<\/strong> Uwolni\u0107 10 godzin tygodniowo czasu projektant\u00f3w na prac\u0119 tw\u00f3rcz\u0105 z klientami<\/li>\n<li><strong>Przypadek u\u017cycia:<\/strong> Automatyczne generowanie wst\u0119pnych wersji dokumentacji na podstawie brief\u00f3w i spotka\u0144<\/li>\n<li><strong>Zesp\u00f3\u0142:<\/strong> Project manager + senior developer + copywriter<\/li>\n<li><strong>MVP:<\/strong> Prosty skrypt, kt\u00f3ry na podstawie szablonu i kluczowych informacji z briefu tworzy pierwsz\u0105 wersj\u0119 dokumentu<\/li>\n<li><strong>Metryki:<\/strong> Czas tworzenia dokumentacji, satysfakcja klient\u00f3w z jasno\u015bci dokument\u00f3w, czas projektant\u00f3w zwolniony na inne zadania<\/li>\n<\/ol>\n<p><strong>Efekt po 4 miesi\u0105cach:<\/strong><\/p>\n<ul>\n<li>Czas tworzenia dokumentacji spad\u0142 o 65%<\/li>\n<li>Projektanci zyskali \u015brednio 8 godzin tygodniowo na prac\u0119 z klientami<\/li>\n<li>Klienci chwal\u0105 wi\u0119ksz\u0105 sp\u00f3jno\u015b\u0107 dokument\u00f3w<\/li>\n<li>Koszt wdro\u017cenia: 40 godzin pracy zespo\u0142u (zwrot z inwestycji w 6 tygodni)<\/li>\n<\/ul>\n<p>Kluczowe by\u0142o to, \u017ce nie zacz\u0119li\u015bmy od \u201ewdro\u017cenia AI\u201d. Zacz\u0119li\u015bmy od problemu biznesowego i szukali\u015bmy najlepszego rozwi\u0105zania \u2013 kt\u00f3re akurat okaza\u0142o si\u0119 zawiera\u0107 elementy AI.<\/p>\n<h2 id=\"podsumowanieaitomaratonniesprint\">Podsumowanie: AI to maraton, nie sprint<\/h2>\n<p>Najwi\u0119ksza lekcja, jak\u0105 wynios\u0142em z ostatnich 2 lat obserwacji rynku: firmy, kt\u00f3re odnosz\u0105 sukcesy z AI, traktuj\u0105 je jak strategiczn\u0105 inwestycj\u0119, nie jak technologiczny gad\u017cet.<\/p>\n<p><strong>Kluczowe wnioski:<\/strong><\/p>\n<ol>\n<li><strong>Strategia przed technologi\u0105<\/strong> \u2013 najpierw zdefiniuj problem biznesowy, potem szukaj rozwi\u0105za\u0144<\/li>\n<li><strong>Dane przed modelem<\/strong> \u2013 bez czystych, skonsolidowanych danych nawet najlepszy model AI b\u0119dzie bezu\u017cyteczny<\/li>\n<li><strong>Ludzie przed automatyzacj\u0105<\/strong> \u2013 AI ma wspiera\u0107 ludzi, nie zast\u0119powa\u0107 tam, gdzie potrzebny jest ludzki dotyk<\/li>\n<li><strong>Metryki przed wdro\u017ceniem<\/strong> \u2013 wiesz, \u017ce AI dzia\u0142a, tylko gdy mo\u017cesz to zmierzy\u0107 w j\u0119zyku biznesowym<\/li>\n<li><strong>Proces przed projektem<\/strong> \u2013 AI wymaga ci\u0105g\u0142ej opieki, nie jest \u201eraz wdro\u017cone i zapomniane\u201d<\/li>\n<\/ol>\n<p><strong>Perspektywa na 2024\/2025:<\/strong><br \/>\nWidz\u0119 wyra\u017any trend: firmy, kt\u00f3re w 2022-2023 wpad\u0142y w sza\u0142 wdra\u017cania AI bez strategii, teraz wycofuj\u0105 si\u0119 lub przebudowuj\u0105 podej\u015bcie. Ro\u015bnie \u015bwiadomo\u015b\u0107, \u017ce AI to nie magiczna r\u00f3\u017cd\u017cka, tylko narz\u0119dzie \u2013 i jak ka\u017cde narz\u0119dzie, wymaga umiej\u0119tnego u\u017cycia.<\/p>\n<p>Najbardziej obiecuj\u0105ce obszary na najbli\u017csze miesi\u0105ce to:<\/p>\n<ul>\n<li>AI w personalizacji na poziomie segment\u00f3w (nie pojedynczych u\u017cytkownik\u00f3w)<\/li>\n<li>Automatyzacja proces\u00f3w back-office (ksi\u0119gowo\u015b\u0107, HR, administracja)<\/li>\n<li>Wsparcie decyzyjne dla mened\u017cer\u00f3w (analiza danych w czasie zbli\u017conym do rzeczywistego)<\/li>\n<\/ul>\n<p><strong>Ostatnia my\u015bl:<\/strong> Je\u015bli rozwa\u017casz AI w swojej firmie, zadaj sobie pytanie: \u201eCzy chc\u0119 by\u0107 firm\u0105, kt\u00f3ra ma AI, czy firm\u0105, kt\u00f3ra dzi\u0119ki AI rozwi\u0105zuje realne problemy i ro\u015bnie?\u201d. Odpowied\u017a na to pytanie okre\u015bli, czy za rok b\u0119dziesz patrze\u0107 na AI jak na koszt, czy jak na inwestycj\u0119, kt\u00f3ra si\u0119 zwr\u00f3ci\u0142a.<\/p>\n<p>W JurskiTech.pl pomagamy firmom znale\u017a\u0107 t\u0119 drug\u0105 drog\u0119 \u2013 gdzie technologia s\u0142u\u017cy biznesowi, a nie odwrotnie. Bo wierzymy, \u017ce najlepsze AI to takie, kt\u00f3rego prawie nie wida\u0107 \u2013 po prostu dzia\u0142a, rozwi\u0105zuj\u0105c problemy i pozwalaj\u0105c ludziom skupi\u0107 si\u0119 na tym, co robi\u0105 najlepiej.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Jak firmy trac\u0105 klient\u00f3w przez zbyt szybkie wdro\u017cenie AI bez strategii W ci\u0105gu ostatnich 18 miesi\u0119cy widzia\u0142em dziesi\u0105tki firm, kt\u00f3re wpad\u0142y w t\u0119 sam\u0105 pu\u0142apk\u0119: wdra\u017caj\u0105 rozwi\u0105zania AI z entuzjazmem startupu, ale bez strategii doros\u0142ej organizacji. Efekt? Zamiast zysk\u00f3w \u2013 frustracja zespo\u0142\u00f3w, rozczarowanie klient\u00f3w i pieni\u0105dze wylane w b\u0142oto. Nie m\u00f3wi\u0119 tu o teoretycznych rozwa\u017caniach.<\/p>\n","protected":false},"author":2,"featured_media":1183,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[2,4,60,324,220],"class_list":["post-1184","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-warto-wiedziec","tag-ai","tag-automatyzacja","tag-produktywnosc","tag-strategia-biznesowa","tag-wdrozenie-technologii"],"_links":{"self":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/posts\/1184","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/comments?post=1184"}],"version-history":[{"count":0,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/posts\/1184\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/media\/1183"}],"wp:attachment":[{"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/media?parent=1184"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/categories?post=1184"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/news.jurskitech.pl\/blog\/wp-json\/wp\/v2\/tags?post=1184"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}