Agent AI dla firmy: co to jest, przykłady i kiedy się opłaca
Agent AI to program, któremu podajesz cel, a nie listę kroków: model sam czyta zapytanie, sprawdza wiedzę w dokumentach firmy, wywołuje udostępnione mu narzędzia, na przykład zapis w CRM, i przygotowuje odpowiedź. Od chatbota różni się tym, że wykonuje akcje w systemach, a od ChatGPT w przeglądarce tym, że pracuje na danych firmy bez ręcznego kopiowania treści. Małej lub średniej firmie opłaca się tam, gdzie ktoś codziennie odpowiada na podobne zapytania, sortuje pocztę albo wyciąga dane z dokumentów; przy kilku sprawach w miesiącu wystarczy zwykła automatyzacja albo człowiek.
- Agent AI opłaca się przy zadaniach na tekście, które powtarzają się kilkadziesiąt razy w tygodniu, mają opisany poprawny wynik i człowieka zatwierdzającego to, co idzie na zewnątrz.
- Przewodnik OpenAI o budowie agentów wskazuje trzy rodzaje procesów, w których agent ma przewagę nad regułami: decyzje pełne wyjątków, reguły zbyt rozrośnięte, by je tanio utrzymać, i pracę na danych nieustrukturyzowanych.
- Przewodnik OpenAI o budowie agentów wymienia dwa momenty oddania sprawy człowiekowi: przekroczenie limitu prób lub błędów oraz działanie nieodwracalne albo o wysokiej stawce, jak anulowanie zamówienia, duży zwrot czy płatność.
- Art. 50 ust. 1 AI Act, stosowany od 2 sierpnia 2026 r., wymaga, by osoba rozmawiająca z systemem AI była o tym informowana, chyba że jest to oczywiste z kontekstu.
Czym jest agent AI i czym różni się od chatbota
Agent AI to program, któremu podajesz cel, a nie instrukcję krok po kroku. Model językowy planuje kolejne działania, korzysta z udostępnionych mu narzędzi i zatrzymuje się, gdy zadanie jest wykonane albo gdy potrzebna jest zgoda człowieka.
Różnica wobec chatbota jest praktyczna, nie filozoficzna. Chatbot regułowy prowadzi rozmowę po drzewie, które ktoś wcześniej narysował, i potrafi dokładnie tyle, ile w nim zapisano. Agent ma dostęp do wiedzy i do akcji, więc na pytanie o termin dostawy sprawdzi zamówienie w systemie, zamiast odsyłać do zakładki.
Wobec ChatGPT w przeglądarce różnica jest równie prosta. Okno rozmowy zna tylko to, co pracownik do niego wklei, a gotowy tekst i tak trzeba przenieść do CRM albo do maila. Agent działa wewnątrz systemów firmy: sam pobiera dane, zapisuje efekt i zostawia ślad, kto i kiedy co zrobił. Jeśli firmie wystarczy samo okno rozmowy, zostaje pytanie, który plan ChatGPT, Claude czy Copilot kupić zespołowi.
Najbardziej użyteczny jest trzeci sposób patrzenia, od strony budowy. Technicznie agent to automatyzacja, w której przynajmniej jeden krok zamiast reguły wykonuje model – wyzwalacz, uprawnienia, zapis i powiadomienie wyglądają tak samo jak w zwykłym przepływie. Dlatego agent stoi na zwykłej automatyzacji: jeśli przepływ nie dostarczy mu danych albo nie zapisze wyniku, ocena modelu niczego nie uratuje.
Dostawcy modeli stawiają tu jeszcze jedną granicę: między przepływem a agentem. Anthropic w tekście „Building effective agents” z 19 grudnia 2024 r. nazywa przepływami (workflows) systemy, w których model i narzędzia działają według ścieżek zapisanych z góry w kodzie, a agentami systemy, w których model sam kieruje swoimi krokami i użyciem narzędzi. Różnica sprowadza się do tego, kto wybiera następny krok: kod czy model. Wiele wdrożeń nazywanych w firmach agentami to w tym ujęciu przepływy z jednym krokiem oceny modelu i często właśnie tyle wystarcza. OpenAI w przewodniku „A practical guide to building agents” opisuje agenta jako system, który samodzielnie wykonuje zadania w Twoim imieniu, i rozkłada go na trzy części: model, narzędzia i instrukcje.
| Kryterium | Agent AI | Chatbot regułowy | ChatGPT w przeglądarce | Automatyzacja bez AI |
|---|---|---|---|---|
| Skąd wiedza | Dokumenty firmy podpięte przez wyszukiwanie i dane z systemów przez API | Drzewo pytań i odpowiedzi wpisane ręcznie | Model plus to, co pracownik wklei do okna rozmowy | Pola rekordów i reguły zapisane w przepływie |
| Czy wykonuje akcje | Tak: zapisuje w CRM, tworzy zadanie, woła API | Tylko przewidziane w scenariuszu, np. przekazanie do konsultanta | Nie, dopóki ktoś nie skopiuje wyniku do systemu | Tak, dokładnie te, które zaprogramowano |
| Czy pamięta kontekst | Tak w obrębie sprawy: historia rozmowy i dane klienta z systemu | Pamięta tylko miejsce w drzewie | Pamięta wątek, prywatny dla jednej osoby | Nie potrzebuje, działa na pojedynczym zdarzeniu |
| Kto odpowiada za błąd | Firma, dlatego decyzje ze skutkiem na zewnątrz zatwierdza człowiek | Firma, ale błąd jest powtarzalny i łatwy do wskazania | Pracownik, który użył wyniku bez sprawdzenia | Firma, a błąd wynika zwykle z reguły albo z danych wejściowych |
| Koszt utrzymania | Stały: opłaty za model od ilości tekstu, hosting przepływów, przegląd odpowiedzi | Niski, rośnie z każdą nową gałęzią scenariusza | Abonament za użytkownika, bez kosztu wdrożenia | Plan narzędzia i liczba wykonań plus poprawki po zmianach w API |
| Czas wdrożenia | Najdłuższy z czterech: dokumenty, dostępy i testy na prawdziwych sprawach | Krótki, jeśli lista pytań jest znana | Natychmiast, wystarczy konto | Krótki dla jednego przepływu, dłuższy przy wielu systemach |
| Typowe zastosowanie | Obsługa zapytań, wersja robocza oferty, sortowanie maili, podsumowania | FAQ, status zamówienia, prosty formularz kontaktowy | Praca własna: pisanie i przeróbka tekstu | Przepisanie leada do CRM, przypomnienia, synchronizacja arkuszy |
Przykłady zastosowań w małej i średniej firmie
Dobry kandydat na agenta ma trzy cechy: dużo tekstu, powtarzalną decyzję i wynik, który da się sprawdzić w kilka sekund.
Jeden przykład od początku do końca. Formularz na stronie tworzy zdarzenie w n8n. Agent czyta treść, sprawdza w dokumentach, czy firma taki zakres obsługuje, tworzy szansę sprzedaży z podsumowaniem i podpina wersję roboczą odpowiedzi. Handlowiec poprawia dwa zdania i wysyła.
Efekt nie polega na zniknięciu człowieka. Zapytanie nie czeka w skrzynce, aż ktoś znajdzie chwilę na przeczytanie formularza, bo wersja robocza leży przy sprawie, zanim handlowiec ją otworzy, a on zaczyna od gotowego materiału, nie od pustej strony. Ile czasu to realnie oszczędza w Twojej firmie, pokaże dopiero pomiar przed startem i po nim, opisany niżej.
- Obsługa zapytańAgent odpowiada na pytania o zakres usługi, dostępność i warunki, korzystając z cennika, opisu oferty i regulaminu. Odpowiedź z cytatem ze źródła jest łatwiejsza do zweryfikowania niż gładkie zdanie bez odniesienia. Przez telefon tę samą pracę wykonuje agent głosowy AI (voicebot).
- Kwalifikacja leadówZ treści zapytania wyciąga branżę, budżet, termin i faktyczną potrzebę, a potem nadaje status i przypisuje właściciela w CRM. Zapytania bez treści odkłada do osobnej kolejki, zamiast zapychać skrzynkę. Cały podział pracy między agentem a handlowcem opisuję w przewodniku agent AI w sprzedaży B2B.
- Czytanie dokumentówUmowy, specyfikacje i oferty dostawców zamienia w porównywalne zestawienie: strony, terminy, kary, warunki płatności. Przy sprzecznych zapisach oznacza miejsce do decyzji, zamiast uśredniać.
- Przygotowanie ofertSkłada wersję roboczą z gotowych bloków, cennika i historii podobnych zleceń. Zakres i cenę zatwierdza człowiek, bo to on odpowiada za to, co firma obiecuje klientowi.
- Poczta przychodzącaSortuje skrzynkę ogólną na sprzedaż, serwis, faktury i śmieci, streszcza wątek i zapisuje odpowiedź jako wersję roboczą w skrzynce. W n8n węzeł Gmail ma osobną operację tworzenia wersji roboczej obok wysyłki, więc agent może dostać wyłącznie tę pierwszą. Sam nie wysyła niczego, dopóki nie ustalicie, które kategorie są na to wystarczająco bezpieczne.
- Raporty i podsumowaniaZbiera dane z arkusza i CRM, opisuje zmianę tydzień do tygodnia i wskazuje przypadki odstające. Liczby wylicza narzędzie raportowe, agent pisze komentarz.
Jak to działa pod maską
Pod hasłem „agent” kryje się kilka osobnych elementów. Warto je rozróżniać, bo każdy generuje inny koszt i inne ryzyko.
Koszt warstwy orkiestracji zależy od sposobu liczenia: n8n liczy wykonania całego przepływu, niezależnie od liczby kroków, Make kredyty, a Zapier zadania, czyli każdą wykonaną jednostkę pracy. Aktualne plany i limity porównuje przewodnik n8n, Make czy Zapier. Darmową wersję Community n8n można hostować samodzielnie bez klucza licencyjnego, ale wtedy firma bierze na siebie aktualizacje, kopie zapasowe i dostępność.
Drugi składnik rachunku, opłaty za model, zależy od ilości tekstu. Dostawcy API liczą je od milionów tokenów wejściowych i wyjściowych, więc płacisz za każdy fragment tekstu dołączony do zapytania. Agent, który przy każdym pytaniu dostaje całą czterdziestostronicową umowę zamiast trzech pasujących fragmentów po mniej więcej stronie, płaci za kilkanaście razy więcej tekstu przy tym samym efekcie.
Przykładowy rachunek: Claude Sonnet 5.5 kosztuje w API 2 dolary za milion tokenów wejściowych i 10 dolarów za milion wyjściowych (cennik Anthropic). Jeśli jedno zapytanie to około 3 000 tokenów wejścia, czyli mail, trzy fragmenty dokumentów i instrukcja, oraz 500 tokenów odpowiedzi, kosztuje ono około 1,1 centa, a 200 takich spraw miesięcznie to nieco ponad 2 dolary. Ta sama sprawa z całą umową w zapytaniu, około 30 000 tokenów wejścia, kosztuje mniej więcej 6,5 centa, prawie sześć razy więcej. Przy takiej skali o koszcie utrzymania decyduje raczej plan narzędzia do orkiestracji i czas osoby, która przegląda odpowiedzi, niż sam model.
- Model językowyOdpowiada za zrozumienie tekstu i zaplanowanie kroków. Wybór modelu wpływa na jakość i na rachunek, bo płaci się za ilość przetworzonego tekstu, a nie za czas pracy.
- Wyszukiwanie w dokumentach, czyli RAGMateriały firmy dzieli się na fragmenty i indeksuje. Przy pytaniu system dokłada do zapytania wyłącznie pasujące fragmenty i prosi model o odpowiedź opartą tylko na nich.
- Narzędzia i akcjeAgent dostaje zamkniętą listę funkcji, które wolno mu wywołać: pobierz zamówienie, utwórz zadanie, przygotuj wersję roboczą. Każda ma własne uprawnienia i własny limit.
- Orkiestracjan8n, Make albo Zapier trzymają całość: wyzwalacz, kolejność kroków, ponowienia, obsługę błędów i miejsce na zatwierdzenie. To tutaj widać, co się wydarzyło i gdzie proces stanął.
- Dziennik zdarzeńKażde uruchomienie zapisuje dane wejściowe, użyte fragmenty dokumentów i wykonane akcje. Bez tego nie da się ustalić, dlaczego odpowiedź wyszła tak, a nie inaczej.
Cenniki i przepisy się zmieniają. Linki do źródeł są na dole strony.
Skąd agent bierze wiedzę o firmie
Agent nie wie o firmie nic poza tym, co mu podasz. Nie zna cennika sprzed dwóch tygodni, nie pamięta ustaleń z rozmowy telefonicznej i nie domyśli się, że jeden z dwóch regulaminów na dysku jest już nieaktualny.
Dlatego wdrożenie zaczyna się od pracy, która z AI nie ma nic wspólnego: zebrania dokumentów, usunięcia duplikatów i wskazania wersji obowiązującej. Na tym etapie wychodzi na jaw, czy firma ma jedną odpowiedź na proste pytanie klienta, czy trzy różne w trzech plikach.
- Jedno źródło prawdyKażdy temat ma jeden obowiązujący dokument z datą i właścicielem. Przy dwóch cennikach w obiegu agent raz zacytuje jeden, raz drugi, a nikt nie będzie wiedział, która odpowiedź była dobra.
- Tekst zamiast skanuZeskanowany PDF bez warstwy tekstowej trzeba najpierw rozpoznać. Tabela wklejona jako obrazek albo zrzut ekranu z cenami bez rozpoznanego tekstu jest dla wyszukiwania niewidoczna, więc agent odpowie tak, jakby jej nie było.
- Krótkie, opisane fragmentyDokument z nagłówkami dzieli się na sensowne kawałki. Ściana tekstu bez struktury rozpada się na fragmenty, które osobno nic nie znaczą.
- Zakres i wyjątki wprostJeśli czegoś nie robicie, musi to być zapisane. Model nie odgadnie granicy oferty i chętnie potwierdzi coś, czego firma nie sprzedaje.
- Opiekun treściKtoś musi aktualizować bazę po zmianie ceny lub warunków współpracy. Wiedza bez opiekuna przestaje być aktualna przy pierwszej zmianie cennika.
Kiedy agent się opłaca, a kiedy lepiej wybrać coś innego
Agent opłaca się wtedy, gdy zadanie jest powtarzalne, oparte na tekście i zdarza się na tyle często, że ktoś realnie traci na nie godziny tygodniowo.
Prosty próg: jeśli czynność zajmuje kilka minut i powtarza się kilkadziesiąt razy w tygodniu, jest co odzyskiwać. Pięć minut razy czterdzieści spraw to ponad trzy godziny tygodniowo; pięć minut razy cztery sprawy w miesiącu to dwadzieścia minut miesięcznie. Przy takiej skali koszt budowy i utrzymania trudno odrobić, a firma zyska kolejny system do pilnowania.
Przewodnik OpenAI wskazuje trzy rodzaje procesów, w których agent ma przewagę nad regułami: decyzje wymagające oceny, pełne wyjątków i zależne od kontekstu, na przykład zgoda na zwrot; reguły rozrośnięte tak, że ich utrzymanie jest kosztowne i podatne na błędy; oraz praca na danych nieustrukturyzowanych, czyli rozumienie języka naturalnego, wyciąganie sensu z dokumentów i rozmowa z klientem. Jeśli Twój proces nie spełnia tych kryteriów wyraźnie, według tego samego przewodnika może wystarczyć rozwiązanie deterministyczne. Anthropic w „Building effective agents” radzi szukać najprostszego rozwiązania i dokładać złożoność tylko wtedy, gdy jest potrzebna, co może oznaczać, że agent nie będzie potrzebny wcale.
Do progu częstotliwości dochodzi warunek ostrzejszy: musi dać się powiedzieć, jak wygląda dobry wynik. Jeśli nie umiesz ocenić dwudziestu przykładowych odpowiedzi jako poprawne albo błędne, nie da się ani zbudować agenta, ani później sprawdzić, czy nadal działa.
Tam, gdzie reguła jest jednoznaczna, model dokłada tylko koszt i niepewność. Przepisanie leada z formularza do CRM to zwykła integracja i powinno nią zostać, nawet jeśli brzmi to mniej efektownie.
| Sytuacja | Co wybrać | Dlaczego |
|---|---|---|
| Zgłoszenie z formularza ma trafić do CRM i wywołać powiadomienie | Automatyzacja bez AI | Reguła jest jednoznaczna, model dołożyłby koszt i nieprzewidywalność |
| Trzeba streścić 30 maili dziennie i nadać im priorytet | Agent AI z akceptacją człowieka | Treść jest zbyt różnorodna na reguły, a pomyłka kosztuje chwilę na poprawkę |
| Klient pyta o zapis w umowie ramowej | Agent AI odpowiada z cytatem, człowiek potwierdza | Wyszukiwanie w dokumentach oszczędza czas, ale odpowiedź wiąże firmę |
| Reklamacja z zapowiedzią rezygnacji | Człowiek, bez pośrednictwa agenta | Liczy się ocena relacji i ustępstwa, których nie oddaje się modelowi |
| Wycena nietypowego zlecenia | Człowiek, agent przygotowuje materiał | Agent zbierze dane i podobne przypadki, cenę ustala osoba odpowiedzialna |
| Raport sprzedaży co poniedziałek z tych samych pól | Zapytanie do bazy albo automatyczny raport | Liczby mają być powtarzalne co do grosza, a model nie jest narzędziem do arytmetyki |
Dane, RODO i AI Act: co trzeba ustalić przed startem
Agent przetwarza dane klientów i podejmuje kroki w imieniu firmy, więc obowiązki prawne wyglądają inaczej niż przy zwykłym narzędziu biurowym.
Dostawca modelu przetwarza dane w imieniu firmy, czyli jest podmiotem przetwarzającym. Artykuł 28 RODO wymaga umowy powierzenia określającej przedmiot, czas trwania, charakter i cel przetwarzania oraz kategorie danych i osób. Bez niej wdrożenie nie jest legalne, niezależnie od tego, jak dobrze działa.
Warto też sprawdzić, co dostawca robi z treścią. Anthropic w warunkach komercyjnych zapisał wprost, że nie może trenować modeli na treściach klienta, a OpenAI deklaruje, że domyślnie nie trenuje na danych z API ani z ChatGPT Business i Enterprise, chyba że organizacja wyraźnie się na to zgodzi. Prywatne konta, także płatne plany indywidualne, działają na warunkach konsumenckich: OpenAI może używać rozmów do trenowania, dopóki użytkownik tego nie wyłączy, a Anthropic w planach Claude Free, Pro i Max, jeśli użytkownik na to pozwoli. Do danych klientów się nie nadają.
Artykuł 22 RODO daje człowiekowi prawo, by nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, jeśli wywołuje ona skutki prawne lub podobnie istotne. Odmowa warunków płatności, odrzucenie reklamacji czy selekcja kandydatów nie mogą więc kończyć się na wyniku modelu.
AI Act obowiązuje etapami. Rozporządzenie weszło w życie 1 sierpnia 2024 roku, zakazane praktyki oraz obowiązek kompetencji w zakresie AI stosuje się od 2 lutego 2025 roku, obowiązki dostawców modeli ogólnego przeznaczenia od 2 sierpnia 2025 roku, a obowiązki przejrzystości z artykułu 50 od 2 sierpnia 2026 roku, czyli już dziś; tylko dostawcy systemów generujących treści syntetyczne, wprowadzonych do obrotu przed tą datą, mają według art. 111 ust. 4 czas do 2 grudnia 2026 roku na oznaczanie tych treści zgodnie z art. 50 ust. 2. Obowiązki dla systemów wysokiego ryzyka z załącznika III przesunięto na 2 grudnia 2027 roku, a dla AI wbudowanej w produkty regulowane na 2 sierpnia 2028 roku; zmianę wprowadziło rozporządzenie 2026/1744, nazywane cyfrowym omnibusem, obowiązujące od 27 lipca 2026 roku.
Dla małej firmy z czatem albo voicebotem kluczowy jest artykuł 50: osoba rozmawiająca z systemem AI musi wiedzieć, że rozmawia z maszyną, chyba że jest to oczywiste dla rozsądnie zorientowanego odbiorcy. Art. 4 po zmianach z omnibusa wymaga od firm stosujących AI środków wspierających rozwój kompetencji zespołu w zakresie AI, ale zastrzega, że nie oznacza to obowiązku zapewnienia określonego poziomu kompetencji każdej osobie (tekst skonsolidowany rozporządzenia 2024/1689 z 27 lipca 2026 r.).
- Minimum danychDo modelu trafia tylko to, co potrzebne do wykonania zadania. Numery rachunków, dane wrażliwe i pełne bazy kontaktów zostają po stronie firmy.
- Granica na akcji, nie na deklaracjiAgent może czytać szeroko, ale wysyłać na zewnątrz wyłącznie to, co zatwierdzone. Ograniczenie zapisuje się w uprawnieniach akcji, a nie w instrukcji dla modelu.
- Rejestr działańZapis, kto zatwierdził odpowiedź i na jakich fragmentach dokumentów ją oparto, to dowód, który przyda się przy sporze z klientem albo kontroli.
- Miejsce przetwarzaniaSprawdź, gdzie dostawca przetwarza dane i na jakiej podstawie odbywa się przekazanie poza Europejski Obszar Gospodarczy. To pytanie do umowy, nie do strony marketingowej.
Jak wdrożyć pierwszego agenta i jak sprawdzić, czy działa
Zacznij od procesu, nie od narzędzia. Dopiero opis procesu mówi, jakich danych, uprawnień i akcji agent potrzebuje, a więc czy wystarczy Make, czy trzeba n8n albo własnego kodu.
Mierz trzy rzeczy i policz je przed startem, inaczej zabraknie punktu odniesienia. Udział spraw zamkniętych bez poprawki człowieka. Czas od zapytania do pierwszej odpowiedzi. Koszt na sprawę, czyli opłaty za model i narzędzia podzielone przez liczbę obsłużonych przypadków.
Jeśli po miesiącu udział poprawek nie spada, najpierw sprawdź dokumenty i zakres zadania, a dopiero potem model. Dziennik zdarzeń pokaże, czy odpowiedź powstała z nieaktualnego fragmentu, czy z pytania spoza zakresu. Zmiana modelu na mocniejszy podnosi rachunek za każde zapytanie, a bałaganu w wiedzy nie usuwa.
- Wybierz jeden procesNajlepiej taki, który uwiera co tydzień i ma widoczny efekt: skrzynka ogólna, zapytania z formularza, porównanie ofert dostawców.
- Opisz poprawny wynikZbierz dwadzieścia do trzydziestu prawdziwych spraw z przeszłości i dopisz przy każdej oczekiwaną odpowiedź. Ten zestaw jest jednocześnie specyfikacją i testem.
- Uporządkuj dokumentyWersje obowiązujące, tekst zamiast skanów, wyjątki wypisane wprost. Tego kroku nie da się rzetelnie wycenić z góry, bo zależy od stanu dokumentów, a nie od narzędzia.
- Zbuduj przepływ z hamulcemPierwsza wersja niczego nie wysyła: przygotowuje wersję roboczą i czeka na kliknięcie. Hamulec zdejmuje się później i tylko dla kategorii, które przeszły testy. Przewodnik OpenAI wymienia dwa momenty, w których agent ma oddać sprawę człowiekowi: przekroczenie limitu prób lub błędów, na przykład gdy po kilku próbach nadal nie rozumie, o co prosi klient, oraz działania wrażliwe, nieodwracalne albo o wysokiej stawce, jak anulowanie zamówienia, zatwierdzenie dużego zwrotu czy płatność.
- Uruchom obok człowiekaPrzez kilka tygodni agent pracuje równolegle do dotychczasowego sposobu obsługi. Porównujecie wyniki, zamiast zakładać, że jest dobrze.
- Ustal właściciela i przeglądJedna osoba odpowiada za bazę wiedzy i raz w miesiącu ogląda próbkę odpowiedzi. Bez tego nikt nie zauważy, kiedy odpowiedzi zaczną rozjeżdżać się z dokumentami.
Typowe błędy wdrożeń
Żaden z tych błędów nie zależy od narzędzia: każdy można popełnić w n8n, Make, Zapierze i we własnym kodzie. Zabezpieczeniem jest zestaw prawdziwych spraw, na którym testujesz agenta przed startem.
Sam pracuję dokładnie w tej kolejności: zaczynam od jednego procesu i od pytania, co znaczy poprawnie wykonane zadanie, sprawdzam dokumenty, zanim cokolwiek zbuduję, a decyzje ze skutkiem na zewnątrz zostawiam człowiekowi. Przepływy prowadzę w n8n, Make lub Zapier, a tam, gdzie potrzebna jest własna logika, przez API. Jeśli masz proces, który wygląda na kandydata, wystarczy opisać, jak wygląda dziś i ile spraw przechodzi przez niego w tygodniu.
- Agent zamiast procesuModel postawiony na niepoukładanym procesie daje ten sam bałagan, tylko szybciej. Najpierw trzeba wiedzieć, kto i na jakiej podstawie podejmuje decyzję.
- Zbyt szeroki zakresAgenta „do wszystkiego” nie da się rzetelnie przetestować, bo nie wiadomo, co miał zrobić. Jeden proces, jedna miara, jedna osoba odpowiedzialna.
- Brak trybu odmowyModel, któremu nie wolno powiedzieć „nie mam tego w dokumentach”, zawsze coś odpowie. Odmowa i przekazanie sprawy dalej muszą być dozwolonym wynikiem.
- Uprawnienia na wyrostKonto agenta z dostępem do całej skrzynki i całego CRM to ryzyko nieproporcjonalne do zadania. Zakres nadaje się pod konkretne akcje, nie pod wygodę konfiguracji.
- Demo zamiast testuTrzy udane przykłady na spotkaniu nie mówią nic o setnej sprawie. Liczy się wynik na zestawie prawdziwych przypadków, łącznie z tymi nietypowymi.
- Brak opiekuna po starcieZmiana cennika, nowa usługa albo inny format faktur po cichu psują odpowiedzi. Comiesięczny przegląd próbki odpowiedzi wyłapuje takie zmiany, zanim zrobi to klient.
Pytania i odpowiedzi
Czym agent AI różni się od chatbota na stronie?
Chatbot prowadzi rozmowę po wcześniej zapisanym scenariuszu i kończy się tam, gdzie kończy się scenariusz. Agent ma dostęp do dokumentów i do akcji w systemach, więc potrafi sprawdzić konkretną sprawę i zapisać jej efekt. Kosztem tej swobody jest konieczność testowania i nadzoru, bo agent może pomylić się w sposób, którego nikt wcześniej nie przewidział.
Ile kosztuje utrzymanie agenta AI?
Rachunek ma trzy części: opłatę za narzędzie do orkiestracji, opłaty za model liczone od ilości przetworzonego tekstu oraz czas osoby, która dba o bazę wiedzy i przegląda odpowiedzi. Pierwsza część jest przewidywalna i podana w cenniku dostawcy. Druga zależy od tego, ile tekstu trafia do modelu przy każdym zapytaniu, więc dobrze zaprojektowane wyszukiwanie fragmentów obniża ją najbardziej; w przykładzie z tego przewodnika 200 spraw miesięcznie na Claude Sonnet 5.5 to nieco ponad 2 dolary opłat za model (cennik Anthropic). Trzeciej nie da się ominąć i to ona najczęściej decyduje, czy wdrożenie przetrwa rok.
Czy agent może odpowiadać klientom bez nadzoru człowieka?
W wąskich, przetestowanych kategoriach tak, na przykład przy statusie zamówienia albo godzinach pracy. Przy odpowiedziach, które wiążą firmę, czyli warunkach, terminach i cenach, wysyłkę powinien zatwierdzać człowiek. Granicę ustala się na poziomie uprawnień do akcji, a nie w instrukcji tekstowej dla modelu, bo tylko uprawnienia da się wyegzekwować.
Jak zbudować agenta AI do maili, który nie wyśle niczego sam?
Przepływ zaczyna się od wyzwalacza skrzynki, na przykład węzła Gmail Trigger w n8n. Agent czyta wiadomość, nadaje etykietę i przygotowuje odpowiedź, ale jako narzędzie dostaje tylko tworzenie wersji roboczej, a nie wysyłkę. Jeśli wysyłka ma być możliwa, n8n pozwala oznaczyć narzędzie jako wymagające zgody człowieka: przepływ się zatrzymuje, a prośba o akceptację trafia na przykład do Slacka, Microsoft Teams albo Gmaila. Zatwierdzenie uruchamia narzędzie z danymi zaproponowanymi przez model, odrzucenie anuluje akcję.
Czy moje dane trafią do trenowania modelu?
W ofertach biznesowych domyślnie nie. Anthropic w warunkach komercyjnych zobowiązał się, że nie będzie trenował modeli na treściach klienta, a OpenAI deklaruje, że domyślnie nie trenuje na danych z API ani z ChatGPT Business i Enterprise, chyba że organizacja wyraźnie się na to zgodzi. Inaczej jest na kontach prywatnych, także płatnych: tam o trenowaniu decydują ustawienia użytkownika, nie firmy. Dostawcy zmieniają te zasady, więc przed wdrożeniem sprawdź aktualne warunki i podpisz umowę powierzenia przetwarzania.
Czy potrzebuję n8n, czy wystarczy Make albo Zapier?
To zależy od liczby kroków, potrzebnej logiki i tego, czy firma chce trzymać dane u siebie. n8n daje wersję do samodzielnego hostowania i więcej swobody w kodzie, Make dobrze radzi sobie z rozgałęzionymi przepływami, Zapier jest najszybszy przy prostych połączeniach popularnych aplikacji. Jeśli firma już czegoś używa, zwykle taniej jest zacząć od tego narzędzia i sprawdzić, gdzie napotka limit.
Czy agent AI zastąpi pracownika?
W praktyce przejmuje fragmenty pracy, a nie stanowiska: czytanie, streszczanie, przepisywanie danych i przygotowanie wersji roboczej. Decyzje, negocjacje i sprawy nietypowe zostają po stronie człowieka, bo to on odpowiada za ich skutki. Zespół zmienia sposób pracy: zamiast pisać od zera, ocenia i poprawia gotowy materiał.
Co zrobić, gdy agent poda klientowi błędną informację?
Za odpowiedź odpowiada firma, więc przede wszystkim trzeba ją sprostować i naprawić skutek. Potem sprawdza się dziennik zdarzeń: z jakich fragmentów dokumentów powstała odpowiedź i czy błąd wynikał z nieaktualnej treści, złego dopasowania fragmentów czy z braku trybu odmowy. Jeśli winna jest nieaktualna treść, poprawka zaczyna się od dokumentu, a nie od zmiany modelu.
Czy muszę informować klientów, że rozmawiają z AI?
Tak, jeśli system prowadzi rozmowę bezpośrednio z osobą i nie jest to oczywiste w danym kontekście. Obowiązek wynika z artykułu 50 AI Act, który stosuje się od 2 sierpnia 2026 roku. Informacja ma być czytelna najpóźniej przy pierwszej interakcji, więc w praktyce wystarczy jasne oznaczenie okna czatu i wzmianka w podpisie automatycznej odpowiedzi.
Jak długo trwa wdrożenie pierwszego agenta?
Rytm zwykle wygląda podobnie: najpierw wybór procesu i zebranie przykładowych spraw, potem uporządkowanie dokumentów, następnie budowa przepływu i testy na prawdziwych przypadkach. Najdłuższy i najtrudniejszy do oszacowania jest krok z dokumentami, bo zależy od tego, w jakim stanie są materiały firmy. Konkretny harmonogram ustalam po obejrzeniu procesu i źródeł wiedzy, a nie z góry.
Od czego zacząć, jeśli firma nie ma uporządkowanych dokumentów?
Od jednego wąskiego tematu, na przykład najczęstszych pytań przed zakupem. Wystarczy kilkanaście stron aktualnej, jednoznacznej treści z datą i osobą odpowiedzialną, żeby sprawdzić, czy agent w ogóle pomaga. Porządkowanie całej dokumentacji przed pierwszym testem to pewny sposób na to, żeby projekt nigdy nie ruszył.
Źródła
Liczby i terminy w tym przewodniku sprawdziłem w oficjalnych źródłach. Ceny i przepisy się zmieniają, więc przy decyzji warto zajrzeć do nich ponownie.
- Anthropic: Building effective agents (19.12.2024)
- OpenAI: A practical guide to building agents
- n8n: węzeł Gmail (operacje na wersjach roboczych i wiadomościach)
- n8n: zgoda człowieka przed wywołaniem narzędzia (human-in-the-loop)
- n8n: cennik, rozliczenie za wykonanie całego przepływu
- n8n: darmowa wersja Community do samodzielnego hostowania
- Make: cennik, kredyty jako jednostka rozliczenia
- Zapier: cennik, zadania jako jednostka rozliczenia
- Anthropic: cennik API liczony od milionów tokenów (MTok), m.in. Claude Sonnet 5.5
- Anthropic: Commercial Terms of Service, sekcja B (brak trenowania na treściach klienta)
- Anthropic: zmiany w warunkach konsumenckich (Claude Free, Pro i Max)
- OpenAI: prywatność w ofertach biznesowych (Enterprise privacy)
- OpenAI Help Center: jak dane są używane do ulepszania modeli
- Akt o sztucznej inteligencji, tekst skonsolidowany z 27.07.2026 (EUR-Lex)
- AI Act: ramy regulacyjne i terminy stosowania
- Harmonogram wdrożenia AI Act (AI Act Service Desk)
- AI Omnibus: rozporządzenie (UE) 2026/1744 wchodzi w życie
- RODO: tekst rozporządzenia (UE) 2016/679, artykuły 22 i 28
Masz pytanie do swojego projektu?
Opisz, co chcesz osiągnąć. Odpowiem konkretnie, także wtedy, gdy najlepszą odpowiedzią jest „nie rób tego”.
Jonasz Jankowski · Bezpośrednia współpraca · Mikołów (Śląsk), zdalnie w całej Polsce
- Odpowiadam osobiście w ciągu jednego dnia roboczego.
- Krótka rozmowa o celu, funkcjach, materiałach i integracjach.
- Dostajesz zakres z etapami i konkretną kwotę, zanim cokolwiek zaczniemy.