Źródło: Link
Szkolenia, warsztaty i wdrożenia AI. Dopasowane do Twojego zespołu.
Automatyzacja To przypomina coś dla programistów. Tymczasem większość osób, które dziś budują workflow z AI, nigdy nie widziała linii kodu. Różnica między nimi a Tobą? Otworzyli jedną z trzech platform i kliknęli "Create workflow". Reszta to logika: "jeśli to, to tamto". Jeśli umiesz stworzyć filtr w Excelu, dasz radę zautomatyzować powtarzalne zadania.
Wybór platformy ma znaczenie. n8n, Make i Zapier różnią się nie tylko ceną, ale filozofią. Jeden daje Ci pełną kontrolę (i wymaga więcej czasu). Drugi stawia na wizualną prostotę. Trzeci na gotowe szablony. Żaden nie jest "najlepszy" — każdy pasuje do innego sposobu pracy.
Zapier to najprostsza opcja. Wybierasz trigger ("nowy email w Gmailu"), dodajesz akcję ("wyślij do Slacka") i gotowe. Interfejs przypomina formularz — wypełniasz pola, klikasz "Continue". Zero kodowania, zero skomplikowanych diagramów. Darmowy plan daje 100 zadań miesięcznie, płatne zaczynają się od 19,99 USD (około 1500 zadań). Integracji jest ponad 7000 — od Gmaila po Salesforce. Cena rośnie szybko, gdy potrzebujesz więcej operacji. I brak kontroli nad hostingiem — wszystko działa w chmurze Zapiera.
Make (dawniej Integromat) stawia na wizualizację. Tworzysz workflow jako diagram — widzisz przepływ danych między modułami. Interfejs jest bardziej złożony niż Zapier, ale daje więcej możliwości: filtry, routery, iteratory. Darmowy plan to 1000 operacji miesięcznie, płatne od 9 USD. Integracji jest około 1500, ale każda oferuje więcej opcji konfiguracji. Make świetnie radzi sobie z wieloetapowymi scenariuszami — np. "pobierz dane z API, przefiltruj, wyślij do trzech różnych miejsc w zależności od warunku".
n8n to opcja dla tych, którzy chcą pełnej kontroli. Open-source, możesz hostować na własnym serwerze (lub użyć chmury n8n). Interfejs przypomina Make — węzły połączone strzałkami — ale daje dostęp do kodu. Możesz wstawić fragment JavaScript, edytować JSON, łączyć się z dowolnym API. Darmowa wersja self-hosted nie ma limitów operacji (płacisz tylko za hosting). Wersja chmurowa od 20 EUR miesięcznie. Integracji jest około 400, ale dzięki elastyczności możesz podłączyć praktycznie wszystko.
Wszystkie trzy platformy integrują się z GPT-5, Claude 4.6 i innymi modelami. Różnica w szczegółach:
Jeśli planujesz zaawansowane scenariusze z AI, n8n i Make dają więcej przestrzeni. Zapier sprawdzi się, gdy potrzebujesz szybkiego połączenia "email → analiza sentymentu → odpowiedź".
Pytanie 1: Ile czasu chcesz poświęcić na naukę? Jeśli odpowiedź to "jak najmniej", idź w Zapier. Interfejs nauczysz się w 10 minut. Make wymaga godziny, żeby ogarnąć logikę modułów. n8n — kilku godzin, jeśli chcesz wykorzystać pełnię możliwości.
Pytanie 2: Ile workflow planujesz uruchamiać? Jeśli 2-3 proste scenariusze ("nowy lead w CRM → powiadomienie na Slacku"), Zapier wystarczy. Jeśli kilkanaście złożonych procesów z AI, Make lub n8n będą tańsze. n8n self-hosted nie ma limitów — płacisz tylko za serwer (5-10 USD miesięcznie na DigitalOcean).
Pytanie 3: Czy potrzebujesz kontroli nad danymi? Zapier i Make to chmura — Twoje dane przechodzą przez ich serwery. n8n możesz hostować u siebie. Jeśli pracujesz z danymi klientów (RODO, NIS2), to ma znaczenie. Bezpieczeństwo w AI to konkretne decyzje o tym, gdzie lądują Twoje dane.
Załóżmy, że budujesz workflow: nowy email → analiza GPT-5 → zapis do Notion → powiadomienie Slack. Uruchamia się 50 razy dziennie (1500 miesięcznie). Każde uruchomienie to 4 operacje = 6000 operacji/miesiąc.
Różnica: 103 USD vs 16 USD vs 0 USD. To 1000 USD rocznie.
Zbudujemy prosty scenariusz w Make (najlepszy kompromis między prostotą a możliwościami): nowy wiersz w Google Sheets → analiza tekstu przez Claude 4.6 Sonnet → zapis wyniku do kolejnej kolumny.
Krok 1: Załóż konto w Make. Wejdź na make.com, kliknij "Get started for free". Potwierdzasz email, logujesz się. Darmowy plan daje 1000 operacji — wystarczy na testy.
Krok 2: Utwórz nowy scenariusz. Kliknij "Create a new scenario". Widzisz pusty canvas z plusem pośrodku. Kliknij plus → wyszukaj "Google Sheets" → wybierz "Watch Rows".
Krok 3: Połącz Google Sheets. Make poprosi o autoryzację. Kliknij "Add", zaloguj się do Google, wybierz arkusz. Ustaw "Trigger" na "New row" — scenariusz uruchomi się, gdy dodasz wiersz.
Krok 4: Dodaj moduł Anthropic. Kliknij strzałkę po prawej stronie modułu Google Sheets → wyszukaj "Anthropic" → wybierz "Create a Message". Wklej klucz API z console.anthropic.com (musisz mieć konto). Wybierz model: Claude Sonnet 4.6. W polu "User Message" wpisz prompt: "Przeanalizuj poniższy tekst i oceń sentyment (pozytywny/neutralny/negatywny): {{1.Column A}}" ({{1.Column A}} to zmienna z pierwszej kolumny arkusza).
Krok 5: Zapisz wynik z powrotem do Sheets. Dodaj kolejny moduł → "Google Sheets" → "Update a Row". Wybierz ten sam arkusz. W polu "Column B" wstaw {{2.content}} (odpowiedź Claude). Ustaw "Row" na {{1.Row number}} (ten sam wiersz, który uruchomił scenariusz).
Krok 6: Testuj. Kliknij "Run once" na dole ekranu. Dodaj wiersz do arkusza (np. "Produkt jest świetny, polecam!"). Po kilku sekundach w kolumnie B pojawi się "pozytywny". Działa? Kliknij "Schedule" i ustaw częstotliwość (np. co 15 minut). Workflow będzie działał automatycznie.
To podstawa. Możesz rozbudować: dodać filtr ("uruchamiaj tylko jeśli kolumna C jest pusta"), router ("jeśli sentyment negatywny, wyślij alert na Slacka"), iterację ("przetwórz wszystkie wiersze naraz"). Asystenci AI w narzędziach kreatywnych działają na podobnej zasadzie — trigger, akcja, wynik.
Pułapka 1: Nieskończona pętla. Jeśli trigger to "nowy wiersz", a akcja to "dodaj wiersz" — scenariusz uruchomi sam siebie. Rozwiązanie: dodaj warunek ("uruchamiaj tylko jeśli kolumna X jest pusta") albo użyj osobnego arkusza na wyniki.
Pułapka 2: Przekroczenie limitu API. Claude 4.6 ma limit requestów (zależy od planu). Jeśli workflow uruchamia się 100 razy na minutę, dostaniesz błąd 429 (too many requests). Rozwiązanie: ustaw opóźnienie między operacjami (w Make: moduł "Sleep") albo ogranicz częstotliwość triggera.
Pułapka 3: Brak obsługi błędów. Jeśli API Claude nie odpowie (awaria, timeout), workflow się zatrzyma. Rozwiązanie: dodaj moduł "Error handler" — jeśli coś pójdzie nie tak, zapisz błąd do logów zamiast przerywać scenariusz.
Podstawowy workflow to dopiero początek. Oto trzy przykłady, które widziałem w praktyce (i działają):
Scenariusz 1: Automatyczna kategoryzacja emaili. Gmail → GPT-5 analizuje temat i treść → przypisuje kategorię ("pilne", "do przeczytania", "spam") → przenosi do odpowiedniego folderu. Oszczędza 30 minut dziennie. Zbudowane w Zapier (bo integracja Gmail jest natywna).
Scenariusz 2: Generowanie raportów z danych. Google Sheets z danymi sprzedażowymi → Make pobiera dane co tydzień → Claude 4.6 Opus generuje podsumowanie w formacie markdown → konwersja do PDF → wysyłka na email. Zero ręcznej pracy. Koszt: 16 USD/miesiąc (Make Pro).
Scenariusz 3: Monitoring mediów społecznościowych. Twitter API → n8n pobiera wzmianki o marce → GPT-5 ocenia sentyment → jeśli negatywny, wysyła alert na Slacka z linkiem do tweeta. Reakcja w czasie rzeczywistym. Self-hosted n8n, koszt serwera: 10 USD/miesiąc.
Wspólny mianownik? Każdy z tych workflow robi coś, co człowiek robiłby ręcznie — tylko szybciej i bez błędów. Automatyzacja nie zabiera pracy — zabiera nudne kawałki pracy.
Czy muszę znać programowanie, żeby używać tych platform?
Nie. Zapier i Make działają bez kodu — klikasz, wybierasz opcje z menu, łączysz moduły. n8n też można używać bez kodowania, ale jeśli znasz JavaScript, masz więcej możliwości (np. przetwarzanie danych w locie). Jeśli umiesz stworzyć formułę w Excelu, dasz radę zbudować workflow.
Ile kosztuje integracja z AI (GPT-5, Claude)?
Platformy automatyzacji liczą operacje (uruchomienia workflow), nie zapytania do AI. Samo API AI jest płatne. GPT-5 kosztuje około 0,03 USD za 1000 tokenów (input), Claude Sonnet 4.6 około 0,003 USD. Jeśli workflow uruchamia się 1000 razy miesięcznie i każde zapytanie to 500 tokenów — koszt API to około 15 USD. Do tego dochodzi koszt platformy (Make, Zapier, n8n).
Czy mogę przenieść workflow między platformami?
Nie bezpośrednio. Każda platforma ma własny format. Logika zostaje — jeśli zbudowałeś scenariusz w Zapier, możesz go odtworzyć w Make lub n8n. Zajmie to 15-30 minut (w zależności od złożoności). Niektóre platformy oferują import z JSON (n8n), ale to wymaga edycji ręcznej.
Co jeśli workflow przestanie działać?
Wszystkie trzy platformy mają logi — widzisz, które uruchomienie się nie powiodło i dlaczego (błąd API, brak danych, timeout). Make i n8n wysyłają powiadomienia email, gdy scenariusz się zatrzyma. Zapier ma "Task History" — klikasz, widzisz szczegóły błędu. Większość problemów to zmiany w API (np. Google zmienił format danych) — wtedy edytujesz moduł i gotowe.
Automatyzacja z AI to trigger, akcja, wynik. Wybierasz platformę, budujesz pierwszy workflow, testujesz. Jeśli działa — skalujesz. Jeśli nie — poprawiasz. Różnica między osobą, która automatyzuje swoją pracę, a tą, która tego nie robi? Pierwsza otworzyła narzędzie i kliknęła "Create". Reszta to logika, którą już masz.
Na podstawie: Sukces AI
Podoba Ci się ten artykuł?
Co piątek wysyłam podsumowanie najlepszych artykułów tygodnia. Zapisz się!
90 minut praktycznej wiedzy o AI. Pokaze Ci krok po kroku, jak zaczac oszczedzac 10 godzin tygodniowo dzieki sztucznej inteligencji.
Zapisz sie na webinar
Połowa firm używa już AI w biznesie. Problem? Większość nie ma infrastruktury danych, która pozwoliłaby wycisnąć z niej wartość. Oto dlaczego data fabric to nie buzzword, tylko fundament.
Meta monitoruje ruchy myszy i klawiaturę własnych pracowników, żeby nauczyć AI wykonywania zadań biurowych. Problem? Brak danych treningowych wysokiej jakości.
Startup założony przez naukowca z OSU dostał $40M na seed. Cel? Agenci AI, którzy stają się ekspertami w każdej dziedzinie — ucząc się jak człowiek, nie jak maszyna.
