Zespoły IT ufają agentom AI. Ale nie we wszystkim

Szef IT dostaje raport: koszty infrastruktury wzrosną dwu-trzykrotnie do 2030 roku. Budżet? Bez zmian. I wtedy pada pytanie: "Może agenci AI to ogarnią?" Nie jako futurystyczna wizja - jako konkretny plan na przyszły kwartał.

Gartner nazywa 2026 "rokiem przełomu" dla AI w firmach. Presja na zwrot z inwestycji rośnie, a agenci AI przestają być eksperymentem. Stają się narzędziem, któremu zespoły techniczne powierzają realne zadania. Niektórym zadaniom ufają bezgranicznie. Innym - ani trochę.

Microsoft i MIT Technology Review zapytali 300 globalnych ekspertów technicznych: którym zadaniom ufasz na tyle, by puścić agenta samodzielnie? Odpowiedź ujawnia, gdzie jesteśmy naprawdę - nie w prezentacjach sprzedażowych, ale w codziennej pracy.

Gdzie agenci już działają bez nadzoru

Zespoły techniczne - inżynierowie, deweloperzy, architekci - oceniły 101 zadań związanych z AI, danymi i chmurą. Pytanie brzmiało: puścisz agenta samodzielnie czy będziesz pilnować?

Zaufanie jest wysokie w zadaniach mierzalnych. Tam, gdzie wynik da się sprawdzić automatycznie. Gdzie błąd nie kończy się katastrofą. Gdzie proces ma jasne reguły. W takich miejscach agenci dostają zielone światło.

Jeremy Winter, wiceprezes Microsoft Azure Platform, tłumaczy to prosto: "Projektujemy agentów tak, by działały w tych samych granicach operacyjnych, systemach tożsamości i modelach zarządzania, których zespoły już używają. Wtedy zaczynają zachowywać się jak systemy, którym organizacje już ufają."

Innymi słowy - agent nie jest obcym bytem. To kolejny element infrastruktury, który respektuje te same zasady co reszta.

Co konkretnie agenci robią samodzielnie?

Raport wymienia konkretne obszary, gdzie zaufanie jest najwyższe. Infrastruktura chmurowa. Przetwarzanie danych. Monitoring systemów. Tam, gdzie algorytm może podjąć decyzję na podstawie metryk, logów, statusów.

Przykład: agent wykrywa anomalię w zużyciu zasobów, analizuje wzorce z ostatnich tygodni, proponuje skalowanie - i wykonuje je, jeśli mieści się w ustalonych limitach. Zespół dostaje raport post factum. I to działa, bo reguły są jasne, a ryzyko ograniczone.

Gdzie zaufanie spada - i dlaczego

Problem zaczyna się tam, gdzie potrzebny jest kontekst biznesowy. Nie techniczny - biznesowy. Różnica? Techniczny kontekst to dane, które system już ma: logi, metryki, konfiguracje. Biznesowy to wiedza, której system nie widzi: dlaczego ten projekt jest priorytetem, kto jest interesariuszem, jakie są cele kwartalne.

Im bardziej złożone zadanie, tym więcej rozumowania wymaga od agenta. A im więcej rozumowania, tym bardziej potrzebuje kontekstu, którego... po prostu nie ma w systemie.

Raport wskazuje wprost: możliwości generowania kontekstu dla agentów są wciąż na wczesnym etapie rozwoju. Szczególnie tam, gdzie dane firmowe są rozproszone, niejednolite, trudne do połączenia w spójną całość - w tempie i jakości, jakiej potrzebują deweloperzy i menedżerowie.

Zespoły techniczne wiedzą, że agent może zoptymalizować bazę danych. Czy powinien to zrobić w piątek wieczorem, tuż przed weekendem, kiedy zespół biznesowy planuje demo dla klienta? To wymaga kontekstu, którego agent nie ma - chyba że ktoś mu go dostarczy.

Nadzór człowieka jako klucz

Dlatego nadzór człowieka pozostaje kluczowy. Nie chodzi o to, że agenci są niewydolni. Organizacje są złożone. Decyzje techniczne mają konsekwencje biznesowe. A te konsekwencje nie zawsze da się zakodować w regułach.

Eksperci z badania oczekują, że zaufanie będzie rosło wraz z doświadczeniem. Im więcej zespoły pracują z agentami, tym lepiej rozumieją, gdzie mogą im zaufać - i gdzie muszą pilnować. To nie jest kwestia technologii. To kwestia dojrzałości organizacyjnej.

Co to zmienia w pracy zespołów IT

Badanie obejmowało 300 globalnych ekspertów technicznych. Pytano ich nie tylko o zaufanie, ale też o to, jak agenci AI wpływają na ich pracę i karierę. Odpowiedzi pokazują, że zmiana jest realna - i że ludzie ją widzą.

Zespoły techniczne są w kluczowej pozycji, by prowadzić tę transformację. Znają infrastrukturę, rozumieją ryzyka, wiedzą, gdzie automatyzacja ma sens - a gdzie może zaszkodzić. To oni będą decydować, które zadania przekazać agentom, a które zatrzymać pod kontrolą.

Raport sugeruje, że pewność co do agentów będzie rosnąć w miarę dojrzewania środowisk biznesowych. Nie chodzi tylko o lepsze modele AI - chodzi o lepsze procesy, lepsze dane, lepsze zrozumienie, gdzie agenci dodają wartość.

Microsoft podkreśla, że agenci muszą działać w tych samych ramach bezpieczeństwa i zarządzania co reszta systemów. Nie jako osobny byt, ale jako zintegrowany element infrastruktury. To zwiększa zaufanie - bo zespoły wiedzą, że agent nie zrobi nic, czego nie mógłby zrobić człowiek z odpowiednimi uprawnieniami.

Inwestycje rosną, oczekiwania też

Gartner prognozuje, że 2026 to rok, w którym organizacje muszą połączyć projekty AI z celami biznesowymi. Nie wystarczy już eksperymentować - trzeba pokazać zwrot z inwestycji. Agenci AI są postrzegani jako sposób na osiągnięcie mierzalnych wyników finansowych.

McKinsey szacuje, że koszty infrastruktury IT wzrosną dwu-trzykrotnie do 2030 roku, przy niezmiennych budżetach. To oznacza presję na efektywność. Agenci mogą pomóc - jeśli zespoły będą im ufać na tyle, by rzeczywiście delegować pracę.

I tu pojawia się paradoks: żeby zaufać, trzeba doświadczenia. Żeby zdobyć doświadczenie, trzeba zacząć używać. Zespoły, które ruszą wcześniej, będą miały przewagę - bo nauczą się, gdzie agenci działają dobrze, a gdzie potrzebują wsparcia. Reszta będzie gonić.

Najczęstsze pytania

Czy agenci AI mogą zastąpić zespoły IT?

Nie w najbliższych latach. Agenci świetnie radzą sobie z zadaniami mierzalnymi i powtarzalnymi, ale potrzebują nadzoru człowieka tam, gdzie decyzje wymagają kontekstu biznesowego. Zespoły IT będą zarządzać agentami, nie konkurować z nimi.

Jakie zadania IT można już teraz powierzyć agentom?

Zadania związane z monitoringiem infrastruktury, automatycznym skalowaniem zasobów chmurowych, analizą logów i wykrywaniem anomalii. Tam, gdzie wynik da się zweryfikować automatycznie i gdzie błąd nie ma krytycznych konsekwencji biznesowych.

Dlaczego agentom brakuje kontekstu biznesowego?

Bo ten kontekst często nie istnieje w systemach - jest w głowach ludzi, w mailach, w rozmowach. Technologie łączenia rozproszonej wiedzy firmowej w formę użyteczną dla agentów są wciąż na wczesnym etapie rozwoju.

Czy zaufanie do agentów AI będzie rosło?

Tak, eksperci oczekują wzrostu pewności wraz z doświadczeniem. Im więcej zespoły pracują z agentami, tym lepiej rozumieją ich możliwości i ograniczenia. To kwestia czasu i dojrzałości organizacyjnej, nie tylko technologii.