Gdy maszyny piszą kod, to kto… sprawdza maszyny? Polski e2e zbiera 7 mln euro na testowanie AI

Dodane:

MamStartup logo Mam Startup

Gdy maszyny piszą kod, to kto… sprawdza maszyny? Polski e2e zbiera 7 mln euro na testowanie AI

Udostępnij:

Polsko-amerykański startup e2e (funkcjonujący wcześniej pod nazwą TesterArmy) zamknął rundę seed o wartości 7 mln euro (8 mln dolarów). Spółka zrezygnowała z dotychczasowego, komercyjnego modelu na rzecz open source frameworka do automatyzacji testów aplikacji webowych i mobilnych w erze autonomicznych agentów AI.

Rundzie przewodził fundusz Credo Ventures, przy udziale KAYA, Point Nine, Baobab Ventures oraz Script Capital. Wśród inwestorów anielskich znaleźli się m.in. współzałożyciel Snowflake Marcin Żukowski oraz współtwórca Ubera Oscar Salazar.

Transakcja podnosi łączne finansowanie spółki do 8,05 mln euro (ok. 9,2 mln dolarów) – zaledwie kwartał po rundzie pre-seed wspartej przez akcelerator Y Combinator.

Po maturze prosto do Doliny Krzemowej

Za sukcesem projektu stoją dwaj polscy programiści wywodzący się ze społeczności React Native: Szymon Rybczak oraz Oskar Kwaśniewski. Rybczak zapisał się w historii open source jako najmłodszy współtwórca kodu do React Native (miał wówczas 16 lat), natomiast Kwaśniewski odpowiada za ponad 100 zmian wprowadzonych bezpośrednio do rdzenia tej technologii. Ich kwalifikacja do programu Y Combinator zbiegła się w czasie z egzaminami dojrzałości Rybczaka, który dzielił przygotowania do matury z lotami między Warszawą a San Francisco.

Radykalny pivot

Początkowo duet rozwijał TesterArmy – platformę dostarczającą autonomicznego agenta wykonującego testy oprogramowania. Choć narzędzie zdobyło ponad 70 płacących klientów komercyjnych, założyciele podjęli niecodzienną w świecie venture capital decyzję: wygasili dotychczasową usługę i przepisali architekturę od zera.  Powodem były bariery architektoniczne: zamknięta platforma nie pozwalała zespołom deweloperskim trzymać skryptów testowych bezpośrednio w repozytoriach kodu, ograniczała wybór modeli językowych i wymuszała zależność od zewnętrznej infrastruktury.

– Inżynieria oprogramowania wkracza w erę inżynierii weryfikacji. Agenci piszą dziś więcej kodu niż ludzie i robią to szybciej, niż jakikolwiek człowiek jest w stanie sprawdzić. A gdy nikt już nie czyta kodu linijka po linijce, jedyną barierą bezpieczeństwa pozostają testy. Problem polega na tym, że dzisiejsze narzędzia testowe powstały z myślą o świecie, w którym to ludzie pisali i weryfikowali kod – tłumaczy Szymon Rybczak na łamach The Recursive. Wypuszczony 1 października 2026 roku otwartoźródłowy silnik w TypeScript rozwiązuje ten problem hybrydowo: łączy tradycyjne, deterministyczne asercje z elastycznymi krokami autonomicznymi. Gdy model raz znajdzie właściwą ścieżkę interakcji, e2e buforuje sekwencję. Oznacza to, że kolejne uruchomienia nie obciążają budżetu zapytaniami do LLM-ów, dopóki w interfejsie graficznym nie zajdzie realna zmiana wymagająca adaptacji.

Model monetyzacji

Decyzja o udostępnieniu narzędzia za darmo na licencji Apache-2.0 to przemyślana kalkulacja rynkowa. Założyciele zauważyli, że o wyborze stosu technologicznego decydują dziś sami agenci programistyczni (jak Cursor, Codex czy Claude Code), które dzięki protokołom MCP i modułom integracyjnym natywnie sięgają po rozwiązania otwarte. Zgodnie z deklaracjami spółki, sam framework pozostanie bezpłatny. e2e zamierza zarabiać na dedykowanej infrastrukturze chmurowej do masowego uruchamiania testów (jej debiut zaplanowano na 2027 rok) oraz usługach wdrożeniowych realizowanych przez dedykowanych inżynierów (forward-deployed engineers) dla korporacji z listy Fortune 500.

Runda e2e wpisuje się w szerszy trend instytucjonalnego kapitału: według raportu BADideas.fund o polskim rynku VC, to właśnie sektor sztucznej inteligencji odpowiada za największą część kapitału zainwestowanego w polskie projekty technologiczne w pierwszych trzech kwartałach 2026 roku (118 mln euro w 21 rundach). Zapotrzebowanie na warstwę weryfikacyjną rośnie proporcjonalnie do lawinowo generowanego kodu maszynowego.

Czytaj także: