Słowo „agent” w kontekście AI robi ostatnio więcej szumu niż konkretnej roboty. W praktyce agent AI to program, który samodzielnie wykonuje ciąg kroków: odczytuje dokument, sięga po dane z innego systemu, porównuje je z regułą i przygotowuje wynik — bez czekania na to, żeby ktoś przy każdym kroku klikał „dalej”. Różnica między agentem a zwykłym chatbotem nie jest kosmetyczna: chatbot odpowiada na pytanie, agent wykonuje pracę.

Czym agent AI różni się od automatyzacji, którą już znacie

Klasyczna automatyzacja (reguła, skrypt, integracja) działa dobrze tam, gdzie ścieżka jest z góry znana: jeśli pole X ma wartość Y, wykonaj Z. Agent AI wchodzi do gry wtedy, gdy trzeba najpierw zrozumieć treść, która nie ma jednego stałego formatu: e-mail od klienta napisany potocznie, skan faktury z nietypowym układem, zgłoszenie opisane własnymi słowami. Agent czyta to, klasyfikuje, decyduje, którego kolejnego kroku potrzeba, i wykonuje go, jeśli ma do tego uprawnienia.

To właśnie ta zdolność do wielokrokowego działania odróżnia agenta od prostszego modelu, który tylko odpowiada na jedno pytanie. Agent może sam sprawdzić stan zamówienia, porównać go z regułą zwrotów i przygotować projekt odpowiedzi — zamiast czekać, aż człowiek poda mu wszystkie potrzebne dane z góry.

Gdzie to się realnie opłaca

Agent AI ma sens tam, gdzie proces składa się z kilku kroków odczytu i porównania, a wolumen jest wystarczająco duży, żeby oszczędność czasu przewyższyła koszt zbudowania i utrzymania systemu. W praktyce widzimy to najczęściej w obsłudze zgłoszeń klientów, wstępnej kwalifikacji dokumentów przed dalszym przetwarzaniem i porządkowaniu danych rozproszonych po kilku systemach firmy.

Nie ma sensu tam, gdzie proces jest prosty i rzadki. Koszt zbudowania agenta przewyższy wtedy oszczędność, a zwykła checklista albo reguła w kodzie rozwiąże to za mniejszy koszt. Zanim zaczniemy budować agenta, sprawdzamy razem z klientem, czy dany proces w ogóle jest gotowy na automatyzację — to krótszy i tańszy krok niż budowa czegoś, co potem nie ma komu obsłużyć.

Zasada, która obowiązuje we wszystkich naszych wdrożeniach

W każdym agencie, którego budujemy, obowiązuje ten sam podział: agent czyta, klasyfikuje i proponuje następny krok, a wszystko, co dotyka liczb, pieniędzy albo nieodwracalnej decyzji, wykonuje deterministyczny kod. Agent może zaproponować, że faktura powinna zostać zaksięgowana na konkretne konto. To, czy kwota się zgadza i czy transakcja zostanie zapisana, sprawdza i wykonuje jednak kod, nie model. Zasadę tę opisaliśmy szerzej w artykule o tym, dlaczego AI proponuje, a kod liczy — dla agenta obowiązuje ona bez wyjątków, dokładnie tak samo jak dla prostszych systemów AI.

Ten sam wzorzec widać w Qkwicie: agent czyta dokument księgowy i proponuje klasyfikację, a policzenie podatku i ZUS zostaje po stronie deterministycznego silnika. W Brokiku asystent konfiguracji przygotowuje projekt rekordu nieruchomości albo najemcy na podstawie opisu w wolnym tekście, ale nic nie trafia do bazy bez zatwierdzenia przez użytkownika. Agent proponuje wersję roboczą, człowiek podejmuje ostatnią decyzję.

Uprawnienia i ślad audytowy: dwa warunki startu

Agent, który ma wykonywać kroki samodzielnie, musi mieć precyzyjnie ograniczone uprawnienia: dostęp tylko do tych systemów i tych operacji, które są mu faktycznie potrzebne w danym procesie, nigdy „na wszelki wypadek” szerzej. Im szerszy zakres działania agenta, tym ważniejsze jest, żeby granica jego uprawnień była ustalona zanim zacznie działać, a nie poprawiana po pierwszym incydencie.

Drugi warunek to ślad audytowy: każdy krok, który agent wykona samodzielnie, musi zostać zapisany, co odczytał, jaką decyzję podjął, na jakiej podstawie i co zrobił dalej. Bez tego śladu nie da się odtworzyć, dlaczego agent zrobił to, co zrobił, kiedy coś pójdzie nie tak, a przy systemie działającym bez ciągłego nadzoru człowieka to pytanie prędzej czy później się pojawi.

Jak zaczynamy: mały krok, nie cały proces od razu

Nie zaczynamy od agenta, który ma obsłużyć cały proces od początku do końca. Zaczynamy od jednego, wąsko zdefiniowanego kroku, na przykład samej klasyfikacji zgłoszenia albo samego odczytu dokumentu, i uruchamiamy agenta z ograniczonymi uprawnieniami, żeby zobaczyć, jak radzi sobie na realnych danych firmy, zanim rozszerzymy zakres jego działania.

Przypadki, w których agent nie jest pewny swojej decyzji, trafiają do człowieka razem z tym, co agent już ustalił. To nie porażka systemu, tylko zaprojektowany punkt kontroli. Dopiero gdy ten wąski zakres działa stabilnie na prawdziwych danych, rozszerzamy go o kolejny krok procesu.

Co to oznacza dla wdrożenia w Waszej firmie

Jeśli rozważacie agenta AI do konkretnego procesu, warto zacząć od trzech pytań: które kroki agent ma wykonywać samodzielnie, jakie uprawnienia rzeczywiście do tego potrzebuje, i gdzie kończy się jego decyzja a zaczyna zatwierdzenie człowieka. Więcej o tym, jak projektujemy takie wdrożenia, piszemy na stronie wdrożeń AI.

Najczęstsze pytania

Czym agent AI różni się od chatbota firmowego?

Chatbot odpowiada na pytania w jednej rozmowie. Agent wykonuje ciąg kroków samodzielnie — czyta dane, sprawdza je w innym systemie i przygotowuje albo wykonuje decyzję, zgodnie z przyznanymi mu uprawnieniami.

Czy agent AI może samodzielnie podejmować decyzje finansowe?

Może przygotować propozycję na podstawie odczytanych danych, ale samo wyliczenie kwoty i zapisanie decyzji z konsekwencjami finansowymi wykonuje deterministyczny kod, nie model. Agent nigdy nie liczy pieniędzy samodzielnie.

Jak długo trwa wdrożenie pierwszego agenta?

Zależy od procesu, ale zaczynamy zawsze od jednego wąskiego kroku, nie od całego procesu naraz. Zobaczenie pierwszego realnego wyniku na danych firmy to zwykle kwestia tygodni, nie miesięcy.

Co się dzieje, gdy agent nie jest pewny swojej decyzji?

Sprawa trafia do człowieka razem z tym, co agent już ustalił, zamiast zgadywać dalej. Ten próg pewności ustalamy razem z klientem na etapie projektowania, a nie po pierwszym błędzie.

Czy agent AI wymaga zmiany systemów, które już mamy?

Zwykle nie. Agent dostaje ograniczony dostęp do systemów, które firma już używa, i pracuje na nich. Wymiana systemu to osobna decyzja, której wdrożenie agenta nie wymusza.