Agenci AI w firmie: kiedy agent ma sens, a kiedy wystarczy automatyzacja
Przejdź do treści i przykładów
Gdy znasz problem: testujemy asystenta, automatyzację lub bazę wiedzy na uzgodnionych przykładach. Przed rozszerzeniem projektu porównujesz wynik z kryteriami ustalonymi na starcie.
Wykonawca proponuje „agenta AI”, branżowe media są pełne przykładów agentów, a Ty masz ocenić, czy to rozwiązanie Twojego problemu, czy droższa wersja czegoś, co da się zrobić prostszym narzędziem. Ta różnica kosztuje. Agent jest droższy w budowie, przy każdym uruchomieniu i w nadzorze.
W tym poradniku dostajesz:
Prowadzę audyty procesów, wdrożenia i szkolenia z AI. Ten tekst nie zastąpi rozmowy o konkretnym procesie, ale pozwoli Ci zadać wykonawcy właściwe pytania. Pozostałe teksty z tej serii znajdziesz w dziale poradniki AI dla firm.
Te trzy pojęcia bywają używane zamiennie. W praktyce oznaczają trzy różne podziały odpowiedzialności. Rozróżnisz je jednym pytaniem: kto decyduje o następnym kroku?
Z tego podziału wynika reszta tekstu. Im więcej decyzji przechodzi z projektu na model, tym większa elastyczność. Razem z nią rośnie nieprzewidywalność, liczba wywołań modelu i potrzeba kontroli.
| Cecha | Automatyzacja | Asystent | Agent |
|---|---|---|---|
| Kto wybiera kolejny krok | Scenariusz zaprojektowany z góry | Pracownik | Model, w granicach nadanych uprawnień |
| Przewidywalność | Wysoka: te same dane, ta sama ścieżka | Zależy od pracownika | Niższa: przy podobnych sprawach ścieżka może się różnić |
| Wywołania modelu na zadanie | Zero, jedno albo kilka, zawsze tyle samo | Tyle, ile pytań zada pracownik | Wiele, liczba zmienna |
| Gdzie leży ryzyko | Błędne dane wejściowe, zmiana formatu dokumentu | Bezrefleksyjne kopiowanie odpowiedzi | Działania w systemach, pętle, koszt, błędne decyzje pośrednie |
| Przykładowe zastosowanie | Faktury, powiadomienia, przenoszenie danych między systemami | Pisanie, analiza dokumentów, przygotowanie do spotkań | Sprawy wymagające kilku źródeł i zmiennej ścieżki, np. wstępna analiza reklamacji |
| Kto odpowiada za wynik | Właściciel procesu | Pracownik | Właściciel procesu i osoba zatwierdzająca |

Agent AI w firmie ma sens wtedy, gdy zadanie da się opisać celem, ale nie da się go zapisać jako sztywnej listy kroków. Jeśli potrafisz narysować schemat blokowy obejmujący prawie wszystkie przypadki, wystarczy automatyzacja. Będzie tańsza, szybsza i łatwiejsza w kontroli.
Załóżmy, że w firmie handlowej na 40 osób dział obsługi klienta dostaje reklamacje e-mailem i każda wygląda inaczej. Raz brakuje numeru zamówienia, raz klient pisze o dwóch produktach naraz, raz chodzi o przesyłkę uszkodzoną przez przewoźnika. Zanim pracownik zaproponuje decyzję, sprawdza system zamówień, historię korespondencji, regulamin i status przesyłki. Agent mógłby przejąć tę część pracy: zebrać fakty z kilku źródeł, wychwycić braki i przygotować propozycję odpowiedzi. Pracownik zatwierdzałby ją albo poprawiał.
W tej samej firmie przepisywanie danych z faktur zakupowych do systemu księgowego to zadanie dla automatyzacji. Format jest powtarzalny, kroki są znane, a wyjątki da się wyłapać regułą.
Odpowiedz na każde pytanie dla jednego, konkretnego procesu. Proces jest dobrym kandydatem na agenta, gdy odpowiedź brzmi „tak” co najmniej na pierwsze cztery pytania.
Nie każda firma potrzebuje agentów AI ani zaawansowanych automatyzacji. Czasem lepszym ruchem jest nauczenie zespołu pracy z asystentem. Czasem uczciwa rekomendacja brzmi: tego procesu nie automatyzować. Odłóż agenta, gdy:
Jeśli po teście zostaje proces pasujący do zwykłej automatyzacji, zacznij od policzenia jej opłacalności. Pomoże w tym poradnik Automatyzacja procesów AI: od czego zacząć i jak to policzyć?. Jeśli zostaje proces o zmiennej ścieżce, w którym agent ma uzasadnienie, następnym krokiem jest prototyp na Twoich danych. Tak prowadzę wdrożenia AI dla firm: rozwiązanie jest wpięte w systemy firmy, a nie działa obok nich, a o pełnym wdrożeniu decydujesz dopiero po teście.
Agent różni się od asystenta tym, że wykonuje działania. Każde podłączone narzędzie to uprawnienie, z którego może skorzystać w sposób, którego nie przewidziałeś. Zanim zaczniecie rozmawiać o funkcjach, omów z wykonawcą trzy obszary.
Przepisy o ochronie danych osobowych i unijne regulacje dotyczące AI mogą nakładać dodatkowe obowiązki zależnie od procesu. Zakres agenta skonsultuj więc z osobą odpowiedzialną za ochronę danych albo z prawnikiem.
W automatyzacji błąd da się przypisać do konkretnego kroku scenariusza. U agenta pomyłka na początku, na przykład źle odczytany numer zamówienia, może przejść przez kolejne kroki i skończyć się dobrze napisaną, ale błędną propozycją. Taki wynik wygląda wiarygodnie, więc łatwo go przepuścić.
Przed startem ustal też, które wyniki wymagają zatwierdzenia przez człowieka i co robi zespół, gdy agent się pomyli: kto dostaje powiadomienie, jak cofnąć działanie i w jakiej sytuacji agenta się wyłącza.
Automatyzacja z jednym krokiem AI wywołuje model raz na zadanie. Agent wywołuje go wiele razy: przy planowaniu pracy, po każdym użyciu narzędzia i przy sprawdzaniu wyniku. Za każdym razem model dostaje też coraz dłuższy kontekst: historię poprzednich kroków, pobrane dokumenty i wyniki wyszukiwań. Koszt jednego zadania nie jest więc stały. Zależy od tego, jak trudna była sprawa.
Zabezpiecz się trzema ustawieniami:
Przykładowe liczby znajdziesz niżej, w części o utrzymaniu.
Pilotaż ma odpowiedzieć na jedno pytanie: czy agent wykonuje tę pracę na tyle dobrze i tanio, że opłaca się go rozwijać. Do tego potrzebujesz punktu odniesienia sprzed testu.
Wróćmy do działu obsługi klienta z wcześniejszego przykładu. Przy założeniu, że reklamacji jest ok. 300 miesięcznie, a pracownik zbiera fakty do jednej sprawy przez ok. 15 minut, punkt wyjścia to ok. 75 godzin pracy w miesiącu. Jeśli w pilotażu sprawdzenie propozycji agenta zajmie średnio 5 minut, a koszt wywołań zmieści się w budżecie, zespół mógłby odzyskać ok. 50 godzin miesięcznie. Jeśli sprawdzenie będzie trwało 12 minut, bo propozycje wymagają poprawek, agent nie obroni się w tym procesie.

W moich wdrożeniach najpierw powstaje prototyp testowany na uzgodnionych przykładach z realnych danych firmy. Planuję go na 2-6 tygodni od uzgodnienia zakresu i udostępnienia materiałów. Termin pełnego wdrożenia ustalamy osobno. Przed rozszerzeniem projektu porównuję wynik prototypu z kryteriami ustalonymi na starcie, a decyzja o kontynuacji należy do firmy. Całą ścieżkę, od wyboru procesu do decyzji po teście, opisuje poradnik Wdrożenie AI w firmie krok po kroku: od procesu do decyzji po pilotażu.
Budowa to wydatek jednorazowy. Agent generuje koszty co miesiąc, a część z nich rośnie razem z liczbą spraw. Przed decyzją poproś o wycenę, która osobno pokazuje wdrożenie i koszty dalszego działania: licencje, wykorzystanie usług AI, hosting i utrzymanie. Ich wysokość zależy od ruchu, rodzaju zadań i wymaganego wsparcia.
Ceny API wybranych modeli Anthropic w USD za 1 mln tokenów, bez podatku (stan na 29.10.2026):
| Model | Wejście | Wyjście | Uwagi |
|---|---|---|---|
| Claude Haiku 5.5 | 0,10 USD (prompt do 100 tys. tokenów), 0,50 USD powyżej | 0,50 USD (prompt do 100 tys. tokenów), 2,50 USD powyżej | Najtańszy model Anthropic, do szybkich zadań masowych: klasyfikacji, wyciągania danych, kierowania spraw |
| Claude Sonnet 5.5 | 2 USD | 10 USD | Najnowszy Sonnet; tańszy odczyt cache niż w Sonnet 5 |
| Claude Opus 5.5 | 4 USD | 20 USD | Najnowszy Opus, Anthropic zaleca go do większości zadań |
U OpenAI GPT-6.1 Sol kosztuje 2 USD za wejście i 10 USD za wyjście, a najtańszy w rodzinie GPT-6 model GPT-6 Luna 0,10 i 0,50 USD za 1 mln tokenów (stan na 29.10.2026).
Załóżmy, że agent obsługuje 1000 spraw miesięcznie na modelu Claude Sonnet 5.5. Jedna sprawa to 8 wywołań, każde z ok. 20 tys. tokenów wejścia (rosnący kontekst i dokumenty) oraz 1 tys. tokenów wyjścia. Jedno wywołanie kosztuje wtedy ok. 0,05 USD, sprawa ok. 0,40 USD, a miesiąc ok. 400 USD za same wywołania. Ta sama liczba spraw w automatyzacji z jednym krokiem AI (ok. 5 tys. tokenów wejścia i 500 tokenów wyjścia) to ok. 0,015 USD na sprawę i ok. 15 USD miesięcznie.
Te liczby to założenia, a nie wycena. Pokazują jednak proporcję: agent może kosztować w wywołaniach kilkadziesiąt razy więcej niż prosty scenariusz, bo pracuje w wielu krokach. Część kroków, na przykład klasyfikację sprawy, możesz przekazać tańszemu modelowi, takiemu jak Claude Haiku 5.5, a droższy zostawić do kroków wymagających rozumowania.
W moich wdrożeniach dokumentacja i przeszkolenie zespołu z obsługi są częścią wdrożenia. Potem jest 30 dni wsparcia i optymalizacji. Po tym okresie rozwiązanie, razem z dokumentacją i dostępami, należy do firmy.
Zanim usiądziesz do rozmowy z wykonawcą, przejdź test pięciu pytań dla jednego procesu i zapisz jego punkt wyjścia: ile razy w miesiącu się powtarza i ile trwa jedna sprawa.
W procesie opisanym w tym poradniku agent przejmuje zbieranie informacji i przygotowanie propozycji, a decyzję zostawia człowiekowi. Korzyść liczysz w odzyskanym czasie, który zespół może przeznaczyć na sprawy wymagające oceny. Jeśli plan zakłada pełną samodzielność agenta od pierwszego dnia, dopytaj wykonawcę, jak będą wychwytywane i cofane błędy.
W moich projektach do rozmowy i szkolenia nie jest potrzebny dział IT. Przy integracji z systemami firmy potrzebna jest za to osoba, która zna te systemy i może uzgodnić dostępy. Agent bez dostępu do systemów zamienia się w asystenta, któremu trzeba wszystko podawać ręcznie.
Częściowo tak. Możesz przejść scenariusz ręcznie: wkleić do ChatGPT lub Claude kilka zanonimizowanych spraw razem z potrzebnymi dokumentami i poprosić o propozycję decyzji, oczywiście zgodnie z zasadami korzystania z AI obowiązującymi w Twojej firmie. Jeśli model nie radzi sobie nawet wtedy, gdy dostaje wszystkie informacje gotowe, agent, który musi je sam zebrać, też sobie nie poradzi. Taki test nie sprawdza integracji, uprawnień ani kosztów, ale tanio odsiewa nietrafione pomysły.
To zależy od liczby systemów i dostępności danych. Prototyp w moich wdrożeniach planuję na 2-6 tygodni od uzgodnienia zakresu i udostępnienia materiałów. Termin może się wydłużyć, gdy uzgadnianie dostępów do systemów trwa dłużej niż sama budowa. Dlatego osobę znającą systemy dobrze wskazać przed startem.
Model wybiera się w pilotażu, na Twoich sprawach, a nie na podstawie rankingów. Rozsądny układ to tańszy model do prostych, masowych kroków (klasyfikacja, wyciąganie danych) i mocniejszy do analizy i przygotowania propozycji. Jeśli wykonawca proponuje jeden najdroższy model do wszystkiego, poproś o porównanie kosztu na sprawę dla dwóch wariantów.
Procedurę ustal przed startem, nie po pierwszym incydencie. Określ, kto dostaje powiadomienie, jak cofnąć działanie, jak poinformować klienta i kiedy wyłączyć agenta do czasu wyjaśnienia sprawy. Ryzyko ograniczysz, jeśli na początku agent tylko przygotowuje propozycje, a wszystko, co trafia do klienta, zatwierdza człowiek.