Agent AI: co to jest i jak zbudować agenta, który pracuje w firmie

Co to jest agent AI?

Agent AI to model językowy połączony z narzędziami i pętlą decyzji: po każdym kroku sprawdza, czy cel jest osiągnięty, i wybiera kolejne działanie. Bez tej pętli zostaje model, który odpowiada na jedno pytanie i czeka na następne.

Przydatne rozróżnienie podaje Anthropic, twórca modeli Claude, w tekście Building effective agents z grudnia 2024 roku. Workflow to system, w którym model i narzędzia idą ścieżką zapisaną w kodzie. Agent to system, w którym model sam kieruje swoim procesem i sam wybiera narzędzia. Ten sam tekst radzi zaczynać od najprostszego rozwiązania, które działa, a agentów używać tam, gdzie liczby kroków nie da się przewidzieć.

W praktyce oznacza to, że większość „agentów” sprzedawanych firmom to workflow z AI w jednym lub dwóch krokach. To nie zarzut. Często właśnie to jest najlepszy wybór.

Jeszcze jedna rzecz, bo w polskich tekstach pojawiają się obie formy. Poradnia Językowa Uniwersytetu Warszawskiego we wrześniu 2026 roku wyjaśniła, że zgodnie z systemem językowym o programie mówimy „agenty AI”. Formę „agenci AI” uznała za świeżą innowację i zaleciła obserwować, która z nich się utrwali. W tym artykule używam formy „agenci AI”.

Agent AI, chatbot i automatyzacja: czym się różnią?

Różnica leży w tym, kto ustala kolejność kroków i czy program może coś zrobić w Twoich systemach. Chatbot rozmawia, automatyzacja wykonuje stały scenariusz, agent planuje sam.

Dobry test: spróbuj wypisać kroki procesu na kartce. Jeśli się da i wychodzi zawsze tak samo, buduj automatyzację. Jeśli połowa kroków zaczyna się od „to zależy”, to miejsce na agenta. Jak spisać kroki, pokazuję w artykule o mapowaniu procesów w firmie.

Z czego składa się agent AI, który pracuje w firmie?

Agent, który działa miesiącami, a nie tylko na pokazie, ma pięć części: cel, narzędzia, reguły, dziennik i człowieka. Brak którejkolwiek zwykle kończy się tym, że agent albo nic nie robi, albo robi za dużo.

1. Cel z warunkiem końca. Nie „ogarnij zakupy”, tylko „dla każdego zgłoszenia zaproponuj produkt i alternatywę albo zadaj jedno pytanie”. Warunek końca chroni przed pętlą, w której agent szuka bez końca.
2. Narzędzia z uprawnieniami. Każde narzędzie to jedna czynność z jasnym wejściem i wyjściem: odczyt katalogu, wyszukiwanie, wysłanie wiadomości. Agent dostaje tylko te uprawnienia, które dostałby nowy pracownik na tym stanowisku.
3. Reguły w kodzie, nie w prośbie. Limity, filtry i zakazy trzymam w kodzie i w bazie danych. Prośbę w instrukcji model może zrozumieć po swojemu, a warunku na serwerze nie ominie.
4. Dziennik decyzji. Każda decyzja zostaje zapisana: co agent dostał, co wybrał i dlaczego. Bez dziennika po tygodniu nikt nie wie, skąd wziął się dziwny wynik.
5. Człowiek przy krokach ryzykownych. Pieniądze, wysyłka do klienta i zmiany w danych idą do akceptacji. Agent przygotowuje, człowiek klika.

Tyle, bo model językowy czasem się myli, i to pewnym tonem. Pięć części nie usuwa błędów, ale sprawia, że błąd jest mały, widoczny i do cofnięcia.

Przykład z Reefy: agent zakupowy krok po kroku

W Reefie, mojej firmie sprzątającej, pracownicy na obiektach zgłaszają, czego brakuje: środków, worków, sprzętu. Robią to tekstem albo zdjęciem, po polsku, rosyjsku albo ukraińsku. We wrześniu 2026 zbudowałem agenta AI, który takie zgłoszenie obsługuje, a człowiek zostaje przy decyzji o zakupie.

Warto zobaczyć, gdzie leżą granice. Filtr ofert jest w kodzie, a nie w prośbie do modelu, więc agent nie „przekona się” do taniego sprzedawcy z niską oceną. Wyszukiwanie jest jedno na zgłoszenie, więc koszt jest przewidywalny: około 0,20 USD za zgłoszenie. I agent niczego nie kupuje. Zamówienie składa człowiek, który zna obiekt i budżet.

W testach agent rozpoznawał konkretne produkty ze zdjęć. Gdzie pewność jest za niska, lepiej, żeby zapytał. Tak działa też inny bot w Reefie: numer drzwi ze zdjęcia odczytuje sam tylko przy pewności co najmniej 0,85, a poniżej pyta ekipę na czacie. Więcej takich przykładów jest w realizacji agenci AI, którzy prowadzą część firmy.

Jak stworzyć agenta AI krok po kroku?

Agenta budujesz od jednego wąskiego zadania: spisujesz cel i granice, dajesz mu narzędzia tylko do odczytu, testujesz na prawdziwych przypadkach i dopiero potem oddajesz mu działania. Ta kolejność jest ważniejsza niż wybór platformy.

1. Wybierz zadanie. Dużo podobnych przypadków, każdy trochę inny, błąd łatwy do wyłapania. Zgłoszenia, zapytania ofertowe i dokumenty przychodzące są dobrym startem. Jak policzyć, czy zadanie jest warte zachodu, opisuję w poradniku od czego zacząć automatyzację w firmie.
2. Zapisz cel i warunek końca jednym zdaniem, razem z tym, czego agentowi nie wolno.
3. Daj narzędzia najpierw do odczytu. Pierwsza wersja czyta i proponuje. Zapis w systemie dochodzi później.
4. Przenieś reguły do kodu. Limity, filtry i listy wykluczeń sprawdza serwer. W Reefie agent od pierwszego kontaktu z firmami wysyła ofertę dopiero po zgodzie odbiorcy. Pilnuje tego bramka na serwerze z listą wykluczeń i dziennym limitem, a nie zdanie w instrukcji.
5. Zbierz zestaw testowy. Kilkadziesiąt prawdziwych przypadków z poprawnym wynikiem. Każda zmiana instrukcji przechodzi przez ten zestaw, zanim trafi do pracy.
6. Uruchom tryb „proponuje, zatwierdzam”. Mierz, ile propozycji przechodzi bez poprawek. Samodzielność dajesz tylko tam, gdzie znasz już typowe błędy.
7. Dodaj dziennik i wycofanie. Pięć moich rutyn od 16 października 2026 zapisuje każdą decyzję: datę, pytanie, opcje, wybór, uzasadnienie i sposób wycofania. Do dziennika można tylko dopisywać. Zmiana na stronie, która nie przejdzie testu po wdrożeniu, wraca automatycznie. Zmierzyłem to wycofanie na 3 sekundy.

Platforma ma mniejsze znaczenie, niż się wydaje. Narzędzia no-code, na przykład węzeł AI Agent w n8n, pozwalają złożyć agenta z modelu i narzędzi. Agent ten wymaga podłączenia co najmniej jednego narzędzia. Gdy agent dotyka pieniędzy, klientów albo danych osobowych, piszę go w kodzie, bo wtedy bramki, testy i dziennik są pod moją kontrolą.

Jak pilnować agenta, który pracuje sam?

Agenta pilnuje się tak jak nowego pracownika: jasne zasady, ograniczone uprawnienia, druga para oczu przy ważnych sprawach i regularny przegląd. Różnica jest jedna: agent nie męczy się i nie obraża, więc kontrole mogą być gęstsze.

• Zasady pod kluczem. Zasady tych rutyn leżą w zablokowanych plikach z sumą kontrolną SHA-256. Ich zmiana wymaga mojego ponownego zatwierdzenia, więc agent nie poluzuje sobie reguł sam.
• Druga opinia. W moderacji treści na KtoSprząta.pl poprawka albo odrzucenie wpisu wymaga zgody drugiego agenta, a jeden przebieg ma limit 30 decyzji i 10 odrzuceń.
• Ostatni krok u człowieka. Agent przetargowy czyta ogłoszenia i szykuje szkic dokumentów, ale pakiet kończy się instrukcją złożenia oferty dla człowieka.
• Mało pytań do właściciela. Rutyny decydują same i zapisują decyzje, a mnie zostawiają głównie to, czego fizycznie nie zrobią (logowanie, płatność i podpis), oraz sprawy sporne prawnie.

Szerzej o tym, gdzie AI w firmie pomaga, a gdzie szkodzi, piszę w artykule AI w małej i średniej firmie: co działa, a co zawodzi.

Ile kosztuje agent AI w firmie?

Koszt agenta to trzy części: zbudowanie, opłaty za model i narzędzia przy każdym użyciu oraz utrzymanie. Najbardziej różni się pierwsza część, bo zależy od liczby systemów, do których agent ma dostęp.

Opłaty za model przy jednym zadaniu są zwykle małe. Droższe bywa to, czego nie widać w cenniku: czas człowieka na poprawianie błędów agenta, jeśli zabrakło testów i dziennika. Dokładny zakres i cenę znajdziesz na stronie wdrożenia AI w firmie.

Kiedy agent AI się nie opłaca?

Agent się nie opłaca, gdy kroki da się spisać z góry, gdy przypadków jest mało albo gdy w firmie nie ma danych, które agent mógłby czytać. Wtedy taniej i pewniej działa zwykła automatyzacja albo porządek w danych.

• Stały proces. Mój poranny raport o pieniądzach, sprzedaży i ludziach w ogóle nie używa modelu językowego. Działa na stałym szablonie, bo tam liczy się powtarzalność, a nie pomysłowość.
• Mała skala. Kilka przypadków w tygodniu szybciej załatwi człowiek niż agent, którego trzeba zbudować, przetestować i pilnować.
• Brak danych. Jeśli ceny są w głowie handlowca, a zlecenia w zeszycie, agent nie ma czego czytać. Najpierw system albo automatyzacja, które zbiorą dane w jednym miejscu.
• Decyzje bez źródła. Agent nie powinien liczyć pieniędzy, jeśli nie ma twardego źródła, z którym może je porównać.

Uczciwie: wpływu moich agentów na liczbę zapytań od klientów jeszcze nie zmierzyłem, więc go nie podaję. Mierzę to, co da się zmierzyć: ile propozycji przeszło bez poprawek, ile decyzji zapisano i ile trwało wycofanie.

Od czego zacząć z agentem AI w swojej firmie?

Zacznij od wypisania trzech zadań, w których ktoś codziennie czyta podobne wiadomości lub dokumenty i na ich podstawie coś wpisuje albo wysyła. Wybierz to, w którym błąd najłatwiej wyłapać, i zbuduj agenta, który na początku tylko proponuje.

Szybki obraz gotowości firmy daje bezpłatna diagnoza gotowości na AI. Jeśli wolisz, żebym przeszedł z Twoim zespołem przez procesy i wskazał, gdzie agent ma sens, a gdzie wystarczy automatyzacja, diagnoza AI i procesów kosztuje od 6 000 zł netto. Możesz też od razu umówić 30-⁠minutową rozmowę i opowiedzieć, które zadanie chcesz oddać agentowi.