Agent AI to model językowy z dostępem do narzędzi — wyszukiwania, API, bazy danych, systemu firmy — który wykonuje wieloetapowe zadanie, sam wybierając kolejne kroki w granicach, jakie mu wyznaczono. Granice są częścią projektu: agent nie jest samodzielnym pracownikiem, tylko programem, któremu wolno tyle, ile zapisano w jego uprawnieniach.
Pięć pojęć, które warto rozróżniać
| Pojęcie | Co to jest | Kto decyduje o kolejnym kroku |
|---|---|---|
| LLM | model generujący tekst na podstawie wejścia | nikt — model odpowiada raz |
| Automatyzacja | reguła zapisana z góry: jeśli X, to Y | projektant reguły |
| Workflow z modelem | przepływ o ustalonych krokach, w którym model wykonuje jeden z nich | projektant przepływu |
| Agent AI | model z narzędziami, wybierający kolejne kroki w wyznaczonych granicach | model, w ramach uprawnień |
| Agent autonomiczny | agent działający bez punktów akceptacji | model, bez nadzoru |
Ostatni wiersz istnieje w tej tabeli po to, żeby powiedzieć wprost: w procesach sprzedażowych go nie projektujemy. Różnica między agentem a agentem autonomicznym to nie poziom zaawansowania, tylko decyzja o tym, gdzie stoi człowiek.
Gdzie agent ma sens
Agent zarabia na siebie tam, gdzie liczba kroków zależy od tego, co znajdzie po drodze — czyli tam, gdzie przepływ o stałej liczbie kroków byłby albo zbyt sztywny, albo niemożliwy do zaprojektowania.
- Research wielowątkowy: sprawdź stronę firmy, poszukaj informacji o zmianach organizacyjnych, zweryfikuj w drugim źródle, streść tylko to, co istotne dla naszej oferty.
- Porządkowanie zaległości w danych: przejrzyj rekordy bez kompletu atrybutów, spróbuj uzupełnić, oznacz te, których nie da się potwierdzić.
- Przygotowanie materiału do rozmowy: zbierz historię kontaktu z kilku systemów, wyciągnij ustalenia i otwarte kwestie.
- Obsługa powtarzalnych zapytań wewnętrznych: „jakie mamy referencje w branży X", z odwołaniem do źródeł.
Gdzie agent jest przerostem formy
- Gdy proces da się zapisać regułami. Wtedy agent dokłada koszt, zmienność wyniku i trudniejszą diagnostykę.
- Gdy zadanie ma jeden krok. Do klasyfikacji zgłoszenia wystarczy wywołanie modelu.
- Gdy nie ma jak ocenić wyniku. Agent wykonuje więcej kroków, więc więcej miejsc może zawieść — bez ewaluacji nie wiadomo, które.
- Gdy dane są nieuporządkowane. Agent dotrze do nich szybciej, ale nie sprawi, że będą prawdziwe.
Uprawnienia i dostęp do narzędzi
To jest najważniejsza część projektu agenta i zwykle najbardziej pomijana. Praktyki, które stosujemy:
- Najmniejsze potrzebne uprawnienia. Agent do researchu nie potrzebuje prawa zapisu w CRM.
- Osobne konto techniczne. Nie działa „na uprawnieniach" konkretnego człowieka, bo wtedy nie da się rozdzielić, kto co zrobił.
- Odwzorowanie dostępu do wiedzy. Jeśli agent odpowiada na pytania o dane firmowe, musi respektować te same ograniczenia, co osoba pytająca.
- Operacje odwracalne domyślnie. Zapis do szkicu zamiast wysyłki, propozycja zmiany zamiast zmiany.
- Twarde limity. Liczba kroków, czas, koszt, liczba wywołań narzędzi — agent bez limitu potrafi pracować długo i kosztownie nad zadaniem, którego nie da się wykonać.
Guardraile i ślad audytowy
Guardraile to ograniczenia wbudowane w system, a nie prośby w treści polecenia: lista dozwolonych narzędzi, walidacja wyniku przed zapisem, wykrywanie odpowiedzi bez pokrycia w źródłach, wymuszony format. Dobrą zasadą jest sprawdzanie wyniku innym mechanizmem niż ten, który go wytworzył.
Ślad audytowy odpowiada na pytanie, co się właściwie stało: jakie kroki wykonał agent, z jakich źródeł skorzystał, co zapisał i kto to zatwierdził. Bez logu nie da się zdiagnozować błędu ani wykazać, że system zachował się poprawnie.
Uporządkowany zestaw praktyk zarządzania ryzykiem w systemach AI — dobrowolny i neutralny wobec dostawców — opisuje NIST AI Risk Management Framework (AI RMF 1.0) (nist.gov/itl/ai-risk-management-framework).
Akceptacja człowieka
Reguła jest ta sama co w pozostałych zastosowaniach: wszystko, co wychodzi na zewnątrz lub zmienia stan zobowiązań, zatwierdza człowiek. Różnica polega na tym, że przy agencie trzeba zdecydować, w którym z wielu kroków ta akceptacja stoi — najczęściej na granicy systemu, tuż przed zapisem lub wysyłką, a nie po każdym kroku pośrednim.
Jak zacząć, jeśli chcesz to sprawdzić
- Wybierz zadanie, które dziś zajmuje człowiekowi kilkanaście minut i wymaga zajrzenia w kilka miejsc.
- Opisz, co znaczy dobry wynik, i zbierz kilkadziesiąt przykładów z przeszłości.
- Zbuduj najpierw wersję bez agenta — przepływ o stałych krokach. Jeśli wystarczy, masz odpowiedź.
- Dopiero gdy sztywny przepływ zawodzi na nietypowych przypadkach, dodaj agenta z ograniczonym zestawem narzędzi i twardymi limitami.
Kolejność całego wdrożenia opisujemy w artykule Jak wdrożyć AI w sprzedaży B2B.
Najczęstsze pytania
Czy agent AI może sam prowadzić korespondencję z klientem?
Technicznie potrafi generować odpowiedzi. W systemach, które projektujemy, korespondencja wychodząca przechodzi przez akceptację — bo błąd w treści do klienta jest nieodwracalny.
Czym agent różni się od AI SDR?
AI SDR to nazwa zakresu zadań sprzedażowych. Agent to sposób ich wykonania — jeden z kilku możliwych, obok automatyzacji i pojedynczych wywołań modelu.
Ile kosztuje utrzymanie agenta?
Koszt zależy od liczby kroków i wywołań narzędzi, więc rośnie szybciej niż przy pojedynczym wywołaniu modelu. Dlatego monitoring kosztu jednostkowego jest częścią wdrożenia, a nie dodatkiem.
Czy agent zastąpi nasze automatyzacje?
Zwykle nie — uzupełni je. Stabilne, powtarzalne kroki lepiej zostawić automatyzacji, a agentowi oddać to, czego nie da się z góry opisać.
Powiązana usługa:AI & LLM Systems — agenci AI, RAG, integracje, guardraile i monitoring jakości oraz kosztów.