Co to jest agent AI – definicja
Agentem AI (ang. AI agent) nazywa się rozwiązanie, które łączy model językowy z narzędziami: dostępem do poczty, CRM, ERP, sklepu, kalendarza czy plików. Dostaje cel, np. „przygotuj odpowiedź na zapytanie ofertowe”, a potem sam decyduje, jakich informacji potrzebuje, z których narzędzi skorzystać i w jakiej kolejności.
Granicę między agentem a procesem zapisanym z góry dobrze opisuje Anthropic w poradniku o budowie agentów z grudnia 2024 roku. Oba typy nazywa systemami agentowymi, ale rozróżnia: rozwiązania, w których model i narzędzia działają według ścieżki zapisanej z góry w kodzie (workflows), oraz agentów, w których model sam kieruje swoim procesem i użyciem narzędzi. W praktyce wiele firmowych wdrożeń łączy oba podejścia: stałe kroki są zapisane w aplikacji, a model decyduje tam, gdzie potrzebna jest elastyczność.
Spotkasz też określenie „agent sztucznej inteligencji”. Pokrewny termin „agentic AI” (AI agentowa) jest szerszy – obejmuje wszystkie rozwiązania, w których AI nie tylko pisze tekst, ale samodzielnie wykonuje działania przez API innych systemów.
Jak działa agent AI – od celu do wykonanego zadania
Z zewnątrz agent może wyglądać jak zwykły czat albo w ogóle nie mieć okna rozmowy – uruchamia go np. nowy e-mail lub zgłoszenie. W środku zwykle powtarza ten sam cykl:
Cel i kontekst
Agent dostaje zadanie i dane wejściowe, np. treść zapytania od klienta, oraz zasady: co mu wolno, czego nie wolno i kiedy ma oddać sprawę człowiekowi.
Plan
Model ustala, czego brakuje do wykonania zadania: danych klienta, cen, terminów, dostępności towaru.
Działanie przez narzędzia
Agent wywołuje narzędzia, do których dostał dostęp – odczytuje rekord w CRM, sprawdza stan w ERP, wyszukuje dokument – i dostaje wyniki.
Sprawdzenie wyniku
Na podstawie wyników decyduje o kolejnym kroku: szuka dalej, przygotowuje szkic albo zgłasza problem, np. brak towaru.
Akceptacja i zapis
Krok o dużym skutku, np. wysłanie oferty do klienta, czeka na zatwierdzenie przez pracownika. Każde działanie trafia do dziennika.
Kluczowe jest to, że lista kroków nie musi być identyczna przy każdym zadaniu. Jeśli w zapytaniu brakuje ilości, agent może najpierw przygotować pytanie do klienta, a jeśli klient jest nowy – pominąć sprawdzanie historii zamówień. Właśnie ta elastyczność odróżnia go od klasycznej automatyzacji.
Agent AI, asystent AI, chatbot i automatyzacja – czym się różnią
Wszystkie te rozwiązania mogą korzystać z tego samego modelu językowego. Różnią się tym, kto wyznacza kolejne kroki i czy rozwiązanie tylko odpowiada, czy także działa w systemach.
| Rozwiązanie | Co robi | Kto ustala kolejne kroki | Przykład |
|---|---|---|---|
| Chatbot | odpowiada klientom na stronie i przekazuje trudniejsze sprawy | scenariusz lub model, w granicach rozmowy | pytanie o czas dostawy |
| Asystent AI | odpowiada pracownikom na podstawie dokumentów firmy | człowiek – asystent czeka na kolejne polecenie | pytanie o warunki gwarancji |
| Automatyzacja procesu | wykonuje stałą sekwencję działań według reguł | reguły zapisane w aplikacji | zamówienie → faktura → etykieta kuriera |
| Agent AI | realizuje cel, korzystając z kilku systemów | model, w granicach uprawnień i zasad | przygotowanie oferty na podstawie e-maila, CRM i ERP |
Granice są płynne: chatbot, który sam zakłada zgłoszenie reklamacyjne w systemie, ma już cechy agenta. Szerzej o odpowiadaniu na podstawie wiedzy firmy piszemy w tekście asystent AI – co to jest, a o procesach opartych na stałych regułach – w tekście automatyzacja procesów biznesowych.
Przykłady zastosowań agenta AI w firmie
Agent ma sens tam, gdzie pracownik dziś przełącza się między kilkoma systemami, a każda sprawa wygląda trochę inaczej. Kilka typowych przykładów:
Zapytania ofertowe
Agent odczytuje zapytanie z e-maila, sprawdza klienta w CRM i dostępność w ERP, a potem przygotowuje szkic oferty do akceptacji handlowca.
Zgłoszenia serwisowe
Zbiera brakujące dane od klienta, sprawdza status gwarancji, zakłada zgłoszenie i proponuje termin na podstawie kalendarza serwisu.
Dokumenty przychodzące
Odczytuje zamówienia i faktury w PDF, porównuje je z danymi w systemie, a rozbieżności przekazuje osobie odpowiedzialnej.
Zestawienia z kilku systemów
Pobiera dane ze sklepu, CRM i ERP, przygotowuje z nich zestawienie i zaznacza nietypowe wartości do sprawdzenia.
We wszystkich przykładach agent przygotowuje pracę, a decyzję o krokach o dużym skutku zostawia człowiekowi. Rozwiązania pracujące na danych z CRM, ERP i sklepu, które odsyłają wynik do tych systemów, budujemy w ramach usługi rozwiązania AI dla firm. Jeśli masz proces, w którym zespół przepisuje dane między systemami, opisz nam go – podpowiemy, czy wystarczy automatyzacja, czy warto sięgnąć po agenta.
Kiedy agent AI ma sens, a kiedy wystarczy zwykła automatyzacja
Agent jest bardziej elastyczny niż automatyzacja, ale też trudniejszy do przetestowania i mniej przewidywalny. Dlatego warto go stosować tam, gdzie elastyczność rzeczywiście jest potrzebna.
Wystarczy automatyzacja
- proces ma stałe kroki i zawsze ten sam przebieg,
- dane przychodzą w ustalonym formacie, np. z formularza,
- wynik musi być za każdym razem identyczny,
- chodzi o liczby i rozliczenia, które nie mogą się różnić.
Warto rozważyć agenta AI
- sprawy przychodzą w różnej formie: e-maile, PDF-y, wiadomości,
- przebieg zależy od treści sprawy i danych w kilku systemach,
- pracownik dziś głównie zbiera informacje i przygotowuje szkic,
- jest jasno określone, kiedy decyzję podejmuje człowiek.
Anthropic w tym samym poradniku zaleca szukać najprostszego rozwiązania i zwiększać złożoność dopiero wtedy, gdy jest potrzebna. W praktyce wiele procesów najlepiej działa jako automatyzacja z jednym krokiem AI w środku, np. odczytaniem danych z dokumentu, a dopiero w trudniejszych przypadkach – jako agent.
Bezpieczeństwo agenta AI – uprawnienia, akceptacja i dziennik działań
Agent działa w systemach firmy, więc pomyłka może mieć realny skutek: wysłany e-mail, zmieniony rekord, błędne zamówienie. OWASP, organizacja zajmująca się bezpieczeństwem aplikacji, opisuje to ryzyko na liście zagrożeń dla aplikacji z modelami językowymi (2025) jako Excessive Agency, czyli nadmierną sprawczość. Jako typowe przyczyny wskazuje zbyt wiele funkcji, zbyt szerokie uprawnienia i zbyt dużą autonomię.
Przy wdrożeniu agenta warto więc ustalić kilka zasad:
- agent dostaje tylko te narzędzia i uprawnienia, których potrzebuje – jeśli wystarczy odczyt danych, nie dostaje zapisu,
- działania o dużym skutku, np. wysyłka do klienta, zmiana ceny czy usunięcie danych, czekają na akceptację pracownika,
- to system docelowy, a nie model, sprawdza, czy dane działanie jest dozwolone,
- każdy krok agenta jest zapisywany, żeby dało się sprawdzić, co zrobił, na jakich danych i kto zatwierdził.
Ważne
Treść e-maila to dane, nie polecenie
Agent czyta wiadomości i dokumenty z zewnątrz, a ich treść może próbować zmienić jego zachowanie, np. poleceniem ukrytym w e-mailu. Dlatego ważne działania nie mogą zależeć wyłącznie od decyzji modelu – granice wyznaczają uprawnienia w systemach i akceptacja człowieka.
Jak przygotować firmę do wdrożenia agenta AI
Przed wdrożeniem więcej pracy wymaga zwykle opisanie procesu niż sama technologia. Pomogą odpowiedzi na kilka pytań:
- który jeden proces ma obsłużyć agent na początek i jak dziś wygląda krok po kroku,
- z jakich systemów korzysta pracownik przy tej sprawie i czy mają API (także ERP lub CRM pisane na zamówienie),
- które kroki agent może wykonać sam, a które wymagają akceptacji,
- po czym poznasz, że agent działa dobrze – np. ile szkiców pracownik zatwierdza bez poprawek,
- kto w firmie odpowiada za zasady, którymi kieruje się agent, i za ich zmiany.
Dobrym startem jest tryb, w którym agent tylko przygotowuje szkice, a pracownik je zatwierdza. Po kilku tygodniach widać, które kroki można bezpiecznie oddać agentowi, a które lepiej zostawić człowiekowi. W naszych wdrożeniach zaczynamy podobnie: od pilotażu na próbce danych, który trwa zwykle 4–6 tygodni.

