Prosisz ChatGPT o podsumowanie rozmowy z klientem. Dostajesz je w dziesięć sekund, ładne, poukładane, z trzema punktami. Kopiujesz do CRM-u. Poprawiasz datę, bo model wziął ją z sufitu. Wklejasz ustalenia do zadania w projekcie. Dopisujesz termin, o którym on nie mógł wiedzieć. Wysyłasz maila z potwierdzeniem — sam, bo dostępu do skrzynki nie ma.
To nie jest asystent. To szybszy Google z lepszą gramatyką.
Znasz to uczucie? Narzędzie robi najefektowniejszą część roboty i zostawia ci całą resztę, czyli przenoszenie, dopinanie i pilnowanie. Dokładnie w tę lukę wchodzi obietnica agentów AI: systemów, które dostają cel, same układają kroki, sięgają do twoich narzędzi i domykają zadanie bez proszenia o zgodę na każdym etapie.
Obietnica ma poważne poparcie w prognozach. Gartner przewiduje, że do końca tego roku 40% aplikacji biznesowych będzie miało wbudowanych agentów wyspecjalizowanych w konkretnych zadaniach, wobec mniej niż 5% rok wcześniej. Pytanie brzmi, co dokładnie taki agent domknie u ciebie — i tu prognozy przestają wystarczać.
Co znajdziesz w artykule?
- Gdzie przebiega granica między chatbotem, copilotem a agentem — i dlaczego branża konsekwentnie ją zaciera
- Dlaczego zadania wielokrokowe wykładają agentów i co pokazał benchmark, w którym modele dostały do wykonania pracę w symulowanej firmie
- Czym różni się halucynacja w czacie od halucynacji w pętli agentowej, na przykładzie zmierzonym w narzędziach prawniczych
- Trzy organizacyjne przyczyny porzucanych projektów: zbyt szybka autonomia, brak zdefiniowanych uprawnień i brak mierników ustalonych przed startem
- Czterostopniowy filtr rozstrzygający, czy twoje zadanie nadaje się dla agenta: powtarzalne, zdefiniowane, odwracalne i z człowiekiem w pętli
Chatbot, copilot i agent różnią się uprawnieniami, nie inteligencją
Zanim ocenisz, czy agent zastąpi twojego asystenta, warto ustalić, o czym mówimy — bo w materiałach sprzedażowych te trzy słowa bywają używane wymiennie, a oznaczają zupełnie różne poziomy dostępu do twojej firmy.
| Poziom | Co robi | Kto podejmuje decyzję |
|---|---|---|
| Chatbot | Odpowiada na pytania w oknie czatu. Każdą sesję zaczyna od zera i nie wykonuje żadnej akcji na zewnątrz. | Ty — na każdym kroku. |
| Copilot | Widzi twój kontekst: pliki, kod, skrzynkę. Podpowiada gotowe rozwiązanie w miejscu, w którym pracujesz. | Ty — zatwierdzasz każdą podpowiedź. |
| Agent | Dostaje cel, sam układa kroki, sięga do systemów i narzędzi, wykonuje akcje i ocenia własny wynik. | On — w granicach, które mu wyznaczysz. |
Sam mechanizm agenta opisuje IBM jako zdolność do autonomicznego podejmowania decyzji i działania w ramach wyznaczonych granic. Kluczowe są tu dwa słowa: „autonomicznego" i „granic", bo cała praktyka wdrożeniowa dzieje się między nimi.
📖 Ze słownika Noraline Pętla agentowa (ang. agent loop) — podstawowy tryb pracy agenta: zaplanuj krok, wykonaj go, oceń wynik, zdecyduj, co dalej. Chatbot działa w schemacie pytanie–odpowiedź i kończy pracę na jednym wyjściu; agent zamyka ten sam schemat w cyklu i powtarza go, aż uzna cel za osiągnięty. Konsekwencja jest arytmetyczna: każdy obrót pętli to kolejna okazja do pomyłki, a pomyłka z obrotu trzeciego wchodzi jako założenie do obrotu czwartego.
Każdy kolejny krok mnoży ryzyko, zamiast je dodawać
Zadanie wielokrokowe nie jest trudniejsze o jeden krok. Jest trudniejsze o iloczyn wszystkich kroków — i to jest cała przyczyna, dla której demo działa, a wdrożenie nie.
Weź kartkę i policz to sam, bo ten rachunek tłumaczy więcej niż każdy raport branżowy. Załóżmy, że pojedyncza decyzja agenta udaje się w dziewięciu przypadkach na dziesięć — wynik, który przy pojedynczym pytaniu uznałbyś za bardzo dobry. Przy zadaniu złożonym z dziesięciu kroków szansa na dowiezienie całości spada do około 35%. Przy dwudziestu krokach zostaje mniej więcej 12%.
To nie jest pomiar, tylko ilustracja mechanizmu, ale mechanizm jest prawdziwy i wyjaśnia najczęstsze rozczarowanie po wdrożeniu. Prezentacja pokazuje jeden krok, w którym agent wypada świetnie. Twoja robota składa się z czternastu kroków, z których każdy musi się udać.
W symulowanej firmie najlepszy agent domyka mniej niż jedno zadanie na trzy
Ten rachunek dało się sprawdzić empirycznie i ktoś to zrobił. Zespół badawczy zbudował benchmark TheAgentCompany: symulowaną firmę programistyczną z własnym repozytorium, komunikatorem, dokumentacją i wirtualnymi współpracownikami, w której agenci dostają zadania przypominające normalną pracę biurową.
Najlepszy z badanych agentów wykonał samodzielnie 30% zadań. Autorzy piszą wprost, że proste zlecenia modele domykają, a zadania długie, rozciągnięte na wiele kroków, pozostają poza zasięgiem obecnych systemów.
Ta liczba ma sens dopiero w zestawieniu z tym, do czego agent ma służyć. Trzydzieści procent to dużo, jeśli mówimy o narzędziu, które podpowiada, i człowiek i tak patrzy na wynik. To bardzo mało, jeśli mówimy o czymś, co ma zastąpić asystenta, bo asystent jest wart tyle, ile domknięte sprawy, a nie rozpoczęte.
Halucynacja w pętli nie zostaje tekstem, tylko zamienia się w działanie
Do arytmetyki kroków dochodzi drugi problem, jakościowo inny. W czacie zmyślona informacja jest zdaniem na ekranie, które możesz odrzucić. W pętli agentowej staje się przesłanką kolejnej decyzji, a ta decyzja bywa akcją w prawdziwym systemie.
Skalę zjawiska zmierzono tam, gdzie stawka jest najwyższa. Badanie zespołu ze Stanforda sprawdziło komercyjne narzędzia do researchu prawniczego, reklamowane jako wolne od halucynacji dzięki oparciu na bazach orzeczeń. Odsetek odpowiedzi zawierających zmyślone lub błędnie przypisane treści wyniósł w nich od kilkunastu do ponad trzydziestu procent, zależnie od narzędzia.
Zwróć uwagę, czego to badanie dotyczy: systemów z dostępem do prawdziwych źródeł, budowanych przez firmy, dla których wiarygodność jest całym produktem. Agent działający na twoich danych nie ma powodu wypadać lepiej — ma za to jedną właściwość, której tamte narzędzia nie mają. Działa dalej, kiedy nikt nie patrzy.
Projekty agentów padają z powodów organizacyjnych, nie technicznych
Gartner prognozuje, że ponad 40% projektów agentowych zostanie anulowanych do końca 2027 roku — z powodu rosnących kosztów, niejasnej wartości biznesowej i niedostatecznej kontroli ryzyka. Warto zauważyć, czego w tym wyliczeniu nie ma: braku możliwości technicznych.
Cztery warunki, po których poznasz zadanie dla agenta
Agent nie jest odpowiedzią na wszystko, tylko na wąską kategorię zadań. Filtr jest prosty i wystarczy, żeby jedno z twoich zadań przez niego nie przeszło, by odłożyć pomysł.
Copilot daje większość korzyści bez oddawania decyzji
Zanim kupisz autonomicznego agenta, sprawdź, czy copilot — który tylko podpowiada, a decyzję zostawia Tobie — nie załatwi sprawy taniej i pewniej.
Brzmi jak cofanie się o krok i tak też bywa odbierane na spotkaniach, ale argument jest policzalny. Copilot zdejmuje z ciebie tę samą mechaniczną robotę co agent, tylko zatrzymuje się przed ostatnią czynnością: wykonaniem. Ty widzisz propozycję, zanim cokolwiek się wydarzy, więc pomyłka kosztuje sekundę czytania zamiast dnia odkręcania.
Dla firmy, która nie ma jeszcze zmapowanych procesów ani mierników, wdrożenie autonomicznego agenta jest tym samym, co automatyzacja zepsutego procesu — tylko szybciej i na większą skalę. Kolejność, która działa, jest nudna: najpierw copilot, potem agent pod nadzorem, na końcu agent autonomiczny w jednym wąskim obszarze. Każdy stopień wymaga dowodu, że poprzedni dowozi.
Zanim dasz agentowi autonomię, ustal, po czym poznasz, że dowiózł
Prognozy o agentach jako formalnych członkach zespołów pewnie się kiedyś ziszczą, ale to nie jest decyzja, którą podejmujesz w tym kwartale. Twoja decyzja jest mniejsza i wykonalna: wybrać jeden powtarzalny proces i ustalić dla niego miernik, zanim cokolwiek uruchomisz.
Miernik musi być zdaniem, które da się rozstrzygnąć bez dyskusji. Nie „agent usprawnił raportowanie", tylko „zestawienie było gotowe przed poniedziałkiem rano i nie wymagało poprawek w liczbach". Bez takiego zdania każdy wynik obronisz i każdy podważysz, więc projekt będzie żył dopóty, dopóki ktoś się nim emocjonuje.
I ostatnia rzecz, najtrudniejsza. Jeśli po miesiącu dane mówią, że agent nie dowozi, wyłącz go, zamiast dokładać kolejny kwartał na dostrajanie. To ten sam mechanizm, który opisywałem przy błędzie utopionych kosztów — a przy technologii, w którą zainwestowałeś publicznie, działa on ze zdwojoną siłą.
Sprawdźmy, co da się zdjąć z Twojej głowy
Chcesz wdrożyć agenta AI, ale nie wiesz od czego zacząć? Przejdziemy przez Twoje procesy i wskażemy te, gdzie agent naprawdę zarobi na siebie.
Napisz do mnie →Najczęściej zadawane pytania
Różnica dotyczy uprawnień, nie inteligencji. Chatbot odpowiada w oknie czatu, zaczyna każdą sesję od zera i nie wykonuje żadnej akcji na zewnątrz. Copilot widzi twój kontekst — pliki, kod, skrzynkę — i podpowiada rozwiązanie, ale decyzję zatwierdzasz ty. Agent dostaje cel, sam układa kroki, sięga do systemów, wykonuje akcje i ocenia własny wynik, działając w granicach, które mu wyznaczysz.
Nie w zadaniach wielokrokowych. W benchmarku TheAgentCompany, symulującym pracę w firmie programistycznej, najlepszy z badanych agentów wykonał samodzielnie 30% zadań, a autorzy wskazują, że zadania długie pozostają poza zasięgiem obecnych systemów. Dokłada się do tego arytmetyka pętli: przy skuteczności dziewięć na dziesięć na pojedynczym kroku dziesięciokrokowe zadanie udaje się w około jednej trzeciej przypadków. Dlatego agent sprawdza się dziś w wąskich, dobrze zdefiniowanych zadaniach z człowiekiem zatwierdzającym wynik.
W czacie zmyślona informacja jest zdaniem, które możesz odrzucić przed użyciem. W pętli agentowej staje się przesłanką kolejnego kroku, a ten krok bywa realną akcją w systemie — wysłanym mailem, zmienionym rekordem, złożonym zamówieniem. Badanie zespołu ze Stanforda pokazało, że nawet komercyjne narzędzia prawnicze oparte na bazach orzeczeń zwracały od kilkunastu do ponad trzydziestu procent odpowiedzi ze zmyśloną lub błędnie przypisaną treścią. Kluczowa różnica polega na tym, że agent działa dalej, kiedy nikt nie patrzy.
Gdy zadanie spełnia cztery warunki naraz: jest powtarzalne, jest zdefiniowane (wejście, wyjście i kryterium sukcesu mieszczą się w jednym zdaniu), błąd jest odwracalny, a człowiek zostaje w pętli i zatwierdza wynik. Przykład, który przechodzi filtr: cotygodniowe zestawienie sprzedaży z CRM w podziale na handlowców. Przykład, który go nie przechodzi: „wymyśl strategię marketingową" — nie dlatego, że jest trudne, tylko dlatego, że nie ma testu poprawności.
Dla większości firm na tym etapie tak, i nie jest to kwestia ostrożności, tylko rachunku. Copilot zdejmuje tę samą mechaniczną robotę co agent, ale zatrzymuje się przed wykonaniem, więc pomyłkę widzisz przed skutkiem. Sensowna kolejność wygląda tak: copilot, potem agent pod nadzorem, na końcu agent autonomiczny w jednym wąskim obszarze — a każdy stopień wymaga dowodu, że poprzedni dowozi.
Gartner prognozuje anulowanie ponad 40% projektów agentowych do końca 2027 roku i jako powody wskazuje rosnące koszty, niejasną wartość biznesową oraz niedostateczną kontrolę ryzyka — a więc nie ograniczenia techniczne. W praktyce powtarzają się trzy błędy: zbyt szybko przyznana autonomia, brak wyraźnie zdefiniowanych uprawnień agenta i brak miernika ustalonego przed startem, przez co po miesiącu nie da się rozstrzygnąć, czy wdrożenie się opłaciło.
Szymon Mojsak
Ekspert automatyzacji procesów biznesowych i współwłaściciel RCPonline — systemu rejestracji czasu pracy.
Teoria zastosowana w praktyce — treści opieram na własnych doświadczeniach zdobytych przy wdrożeniach i w relacjach międzyludzkich.
Poszerzam horyzonty — nieustannie rozwijam wiedzę z zakresu marketingu, psychologii i IT.
Zamieniam twórczy chaos w kierunek — najpierw pytanie „po co”, dopiero potem „jak”. Pomagam zrozumieć procesy, by je usprawnić.
Ten materiał powstał z udziałem AI
Narzędzia AI — wspierały research, redakcję tekstu i przygotowanie ilustracji.
Autor — wybiera temat, pisze pierwszą wersję i redaguje całość przed publikacją. Doświadczenia, oceny i punkt widzenia w tekście są jego własne.
Ładowanie komentarzy...