Firmy wdrażają agentów AI z nadzieją, że „same ogarną” procesy. Automation Labs, polska firma od automatyzacji procesów, przetestowała to na sobie i wyciągnęła wnioski, które nie pasują do branżowego entuzjazmu. Agent mnoży to, co znajdzie. Porządek albo bałagan. O wyniku decydują starania, nie narzędzie.
Wokół agentów AI narobiło się sporo szumu. Sprzedaje się je jako gotowe rozwiązania dla firm. Doświadczenia z kilku miesięcy pracy pokazują coś innego: agent to mnożnik. Pomnoży dobrą organizację pracy i pomnoży chaos. Różnicę robi to, ile wysiłku firma włoży w strukturę, zanim uruchomi system.
Czym jest agent AI
Agent AI to model językowy połączony z narzędziami: dostępem do plików, terminala, wyszukiwania. Sam model potrafi tylko rozmawiać. Dopiero narzędzia pozwalają mu coś zrobić: sprawdzić stan serwera, wysłać zapytanie do API, opublikować artykuł.
To rozróżnienie wyjaśnia, dlaczego jeden agent działa świetnie, a drugi nie. Różnica nie leży w modelu. Leży w tym, co dostał do dyspozycji i jak precyzyjnie opisano mu zadanie.
Garbage in, garbage out – w firmie boli podwójnie
Klasyczna zasada informatyki brzmi: śmieci na wejściu, śmieci na wyjściu. Z agentami AI działa to ze zdwojoną siłą, bo agent nie przetwarza danych biernie. Na ich podstawie podejmuje decyzje i wykonuje konkretne akcje.
Na etapie pilotażu system ewidencjonujący koszty modeli pokazywał zaniżony ranking. Powód był prozaiczny. Koszt jednego z providerów zapisywał się jako zero, bo niestandardowa konfiguracja nie wpadała do standardowego pola. Agent raportował więc nieprawdę. Nie dlatego, że kłamał. Dlatego, że dostał niekompletne dane.
Druga wpadka dotyczyła publikacji treści. Artykuły lądowały na stronie, ale bez wersjonowania, więc nie było historii zmian. Problem wyszedł przy trzeciej poprawce tego samego tekstu. Nie dało się odtworzyć, co było przed zmianą. Repozytorium z wersjonowaniem doszło dopiero później, jako wniosek z tej wtopy.
W obu przypadkach problem nie leżał w AI. Proces był opisany nieprecyzyjnie. Albo wcale.
Jak to wygląda po kilku miesiącach
Konkrety, bo bez nich to tylko opinie. Doświadczenia Automation Labs z pracy z agentem AI w jednej firmie, system w liczbach:
- 181 sesji i około 57 500 wiadomości wymienionych z systemem,
- 102 skille, czyli udokumentowane procedury na powtarzalne zadania,
- 32 zadania w harmonogramie, które wykonują się same: kopie zapasowe, monitoring, raporty, kontrola kosztów,
- 22 własne skrypty, które robią rzeczy, których agent sam nie zrobi,
- 5 serwerów pod różne projekty, w tym portal i backend usług głosowych,
- 56 dokumentów opisujących, jak całość działa.
Najważniejsza jest ostatnia liczba. Dokumentacja to instrukcja obsługi dla kogoś, kto następnego dnia nie pamięta, dlaczego coś działa tak, a nie inaczej. Bez niej każda praca zaczyna się od zera.
Czego agent AI nie zrobi
Lista rzeczy, których nie da się zlecić automatowi:
Nie odróżni prawdy od prawdopodobnej fikcji bez weryfikacji. Model potrafi podać datę, która brzmi wiarygodnie i jest po prostu błędna. W jednym z tekstów agent podał, że starożytne miasto powstało w latach 3000–1800 przed naszą erą. Źródło mówiło 2627–2020. Różnica pozornie niewielka, ale w tekście historycznym to błąd.
Nie wykryje błędu logicznego w tekście. Model poprawnie napisze zdanie „ludzie odeszli, ale się nie rozproszyli”, a dwa zdania dalej opisze, jak przenieśli się w różne miejsca – czyli dokładnie rozproszenie. Zdanie jest gramatyczne, brzmi dobrze i jest wewnętrznie sprzeczne. To wyłapuje tylko człowiek czytający ze zrozumieniem.
Nie wie, czego nie wie. To najpoważniejsze. Model nie sygnalizuje „tu zgaduję”. Odpowiada tak samo pewnie, gdy jest pewien, i gdy zmyśla.
Nie podejmie decyzji biznesowej. Może przygotować analizę, ale nie zdecyduje, czy warto wydać pieniądze. To zostaje po stronie człowieka.
Co trzeba umieć, żeby to działało
Programowanie pomaga, ale nie jest warunkiem. Ważniejsze są:
Umiejętność opisania procesu. Jeśli firma nie potrafi powiedzieć, krok po kroku, jak coś robi, agent się tego nie domyśli. Ale to akurat jest dobra wiadomość – ta umiejętność sama w sobie porządkuje organizację.
Cierpliwość do iteracji. Pierwsza wersja prawie nigdy nie działa. Procedura publikacji artykułu przeszła przez trzy poprawki, zanim zaczęła robić to, czego oczekiwano.
Nawyk sprawdzania. Output agenta to propozycja, nie fakt. Potrzebny jest odruch: skąd to wiem, jak to zweryfikuję.
Chęć do uczenia się. Nie wszystkiego naraz. Ale system, którego nikt w firmie nie rozumie, będzie robił rzeczy, których się nie spodziewacie.
Gdzie to może pójść
Pytanie, które wraca przy każdym wdrożeniu: dokąd to zmierza.
Pierwszy kierunek to wąska specjalizacja. Uniwersalny agent robiący wszystko to droga donikąd. Agent, który doskonale obsługuje jeden proces w jednej firmie, ma realną wartość. Widać to w liczbach: 102 procedury opisują konkretne, powtarzalne zadania, nie ogólną „inteligencję”.
Drugi to agent, który przyznaje się do niewiedzy. Nad tym trwają prace – model kalibrowany tak, żeby sygnalizował niepewność zamiast zgadywać. Dziś to największa słabość tych systemów i jednocześnie najbardziej oczywisty kierunek rozwoju.
Trzeci, najbardziej ambitny: systemy, które uczą się z konsekwencji własnych błędów. Nie z dodatkowego treningu, tylko z obserwacji, że dane rozwiązanie się nie sprawdziło. Dziś robi się to ręcznie – poprawia procedurę, dopisuje wyjątek. Automatyzacja tego kroku jest następnym poziomem.
Podsumowanie
Agent AI to narzędzie, które zwielokrotnia to, co firma już ma – porządek albo chaos. Liczby nie kłamią: system opisany w 102 procedurach i podłączony do 32 automatycznych zadań pracuje. System uruchomiony „na próbę”, bez struktury i bez dokumentacji, wygeneruje szybciej więcej bałaganu.
Nie chodzi o to, że AI nie da się użyć w firmie. Chodzi o wysiłek. Bez niego – opisu procesu, weryfikacji, poprawiania błędów – nie ma z czego zrobić dobrego wyniku. Narzędzie jest dostępne dla każdego. Przewaga jest w tym, jak firma je wykorzysta.
Jeśli Twoja firma rozważa wdrożenie agenta AI albo szuka sposobu na automatyzację procesów – Automation Labs zajmuje się automatyzacją procesów, analizą danych i wdrożeniami AI dla małych i średnich firm. Powiedzą konkretnie, co ma sens w Twoim przypadku, a co jest tylko modą.
FAQ
Czym różni się agent AI od chatbota?
Chatbot odpowiada na pytania. Agent wykonuje zadania – ma dostęp do narzędzi, plików i systemów, sam zleca operacje i sprawdza wynik. Chatbot podpowie, jak wysłać zapytanie do API. Agent to zapytanie wyśle.
Czy agent AI sam ogarnie procesy w firmie?
Nie. Dostanie listę zadań, ale nie ustali ich kolejności, nie zdefiniuje wyjątków i nie sprawdzi, czy wynik ma sens. To warstwa, którą musi przygotować człowiek. Agent jest mnożnikiem – pomnoży dobry proces i pomnoży bałagan.
Ile kosztuje wdrożenie agenta AI?
Koszt dzieli się na dwie części: pracę nad opisaniem procesu (zwykle o wiele większą, niż się zakłada) i bieżące koszty modeli. Przy niewielkim wolumenie te drugie są niewielkie – pojedyncze dolary miesięcznie. Prawdziwa inwestycja to czas na przygotowanie całej struktury.
Czy agent AI może się mylić?
Tak i myli się regularnie. Potrafi podać błędną datę z pełnym przekonaniem, nie odróżnia własnej wiedzy od konfabulacji. Dlatego każdy wynik wymaga weryfikacji u źródła – zwłaszcza gdy trafia do publikacji albo dotyczy decyzji biznesowej.
Od czego zacząć?
Od jednego, wąskiego procesu, który firma powtarza najczęściej i który jest najlepiej opisany. Nie od „wprowadzenia AI do organizacji”. Wdrożenie jednej procedury do końca uczy więcej niż dziesięć uruchomionych połowicznie.