Czym agent AI różni się od zwykłej automatyzacji?

Automatyzacja wykonuje ustaloną kolejność kroków: przychodzi zdarzenie, dzieje się krok pierwszy, drugi, koniec. Agent dostaje cel i zestaw narzędzi, a kolejność wybiera sam w zależności od tego, co dostał na wejściu. Ta swoboda jest jednocześnie zaletą i kosztem — pomaga przy nieprzewidywalnych zapytaniach, ale sprawia, że dwa podobne pytania mogą pójść różnymi ścieżkami.

Ile kosztuje stworzenie agenta AI?

Oprogramowanie jest najtańszym składnikiem. n8n w wersji Community przy własnym hostingu nie kosztuje nic, mały serwer to 30–90 zł miesięcznie, a rachunek za model przy kilkuset zapytaniach miesięcznie zwykle mieści się w kilkudziesięciu złotych. Prawdziwy koszt to przygotowanie: uporządkowanie dokumentów, ustalenie kto za co odpowiada i napisanie testów. Na pierwszego działającego agenta trzeba zaplanować od tygodnia do trzech tygodni pracy.

Czy trzeba umieć programować, żeby zbudować agenta AI?

Do złożenia agenta w n8n nie trzeba — węzły łączy się w interfejsie, a narzędzia opisuje zwykłym tekstem. Potrzebna jest natomiast podstawowa świadomość techniczna: do utrzymania serwera, do podpięcia API i przede wszystkim do oceny, czy odpowiedź agenta w ogóle trzyma się kupy. Firma bez takiej osoby powinna zbudować pierwszego agenta z kimś z zewnątrz, a utrzymanie przejąć później.

Od jakiego zadania zacząć?

Od takiego, które powtarza się często, opiera się na jasno spisanej wiedzy i niewiele kosztuje, jeśli agent się pomyli. Klasyczny start to wewnętrzna informacja: pytania o urlopy, delegacje, progi akceptacji, szczegóły produktów. Zła odpowiedź kosztuje wtedy jedno dopytanie, a nie klienta. Na początek odpadają wyceny, zobowiązania umowne i wszystko, co wychodzi na zewnątrz firmy.

Jak nie dopuścić, żeby agent zmyślał?

Trzy rzeczy naraz: agent odpowiada wyłącznie z pobranych dokumentów, przy każdej informacji podaje źródło i ma dozwoloną odpowiedź na wypadek, gdy niczego nie znajdzie. Ten trzeci punkt wypada z instrukcji najczęściej — agent, który nie ma prawa powiedzieć „nie znajduję podstawy”, w zamian wymyśla coś wiarygodnie brzmiącego.

Skąd wiadomo, że agent zaczął działać gorzej?

Wyłącznie z pomiaru. Trzeba przygotować dwadzieścia–trzydzieści pytań testowych ze sprawdzonymi odpowiedziami i puszczać je po każdej zmianie promptu, modelu albo zestawu dokumentów. Do tego dwie liczby z produkcji: jak często użytkownik dopytuje i jak często człowiek poprawia odpowiedź. Bez nich pogorszenie wychodzi na jaw dopiero przy reklamacji.

Kiedy nie budować agenta w ogóle?

Kiedy zadanie da się zapisać jako reguła — wtedy zwykła automatyzacja jest tańsza, szybsza i sprawdzalna. Kiedy dokumenty są sprzeczne albo nieaktualne — agent tylko szybciej pokaże ten bałagan. I kiedy nikt w firmie nie potrafi powiedzieć, jak wygląda dobra odpowiedź — bo wtedy nie ma czym mierzyć, czy agent działa.

Jak stworzyć agenta AI, który przetrwa pierwszy kwartał

Jak zbudować agenta AI, żeby po trzech miesiącach ktoś jeszcze z niego korzystał?

Trzeba zawęzić zadanie do jednego, sprawdzalnego obszaru, dać agentowi wyłącznie te narzędzia, które są mu do niego potrzebne, zmusić go do odpowiadania z pobranych dokumentów zamiast z pamięci modelu i przez pierwsze tygodnie pozwolić mu tylko proponować odpowiedzi, które zatwierdza człowiek. Dopiero gdy stały zestaw pytań testowych przechodzi bezbłędnie przez kilka tygodni, można przełączyć go na pracę samodzielną — i to tylko w tych sprawach, gdzie pomyłka kosztuje dopytanie, a nie klienta.

Brzmi to mało efektownie i o to chodzi. Agenci nie wykładają się na technice, tylko na zbyt szerokim zleceniu: „ma obsługiwać zapytania klientów” zamiast „ma odpowiadać na pytania o warunki dostawy i zwrotów na podstawie obowiązującego regulaminu”. Dalsza część tekstu pokazuje, jak to zawężenie wygląda w praktyce.

Agent czy automatyzacja — rozstrzygnięcie, które decyduje o rachunku

Automatyzacja to ustalony łańcuch. Wpada e-mail, system wyciąga z niego dane, zakłada rekord w CRM, wysyła potwierdzenie. Każdy krok jest z góry opisany. To, czego taki proces nie potrafi, widać od razu.

Agent dostaje cel, kilka narzędzi i prawo decydowania, w jakiej kolejności ich użyje. Może zajrzeć do dokumentów, sprawdzić status zamówienia, dopytać — i sam ocenia, co jest w danej sprawie potrzebne.

Ta swoboda kosztuje. Kosztuje w tokenach, bo każdy krok pośredni to kolejne wywołanie modelu. Kosztuje w przewidywalności, bo dwa podobnie sformułowane pytania mogą pójść inną trasą. I kosztuje w testowaniu, bo nie sprawdza się już jednej ścieżki, tylko przestrzeń możliwości.

Reguła praktyczna brzmi więc tak: jeśli zadanie da się spisać jako ciąg „jeżeli — to”, buduj automatyzację. Agent zaczyna się opłacać dopiero tam, gdzie wejście jest nieustrukturyzowane, a kolejny krok zależy od treści. W praktyce mniej więcej połowa spraw zgłaszanych jako „potrzebujemy agenta” po tym rozstrzygnięciu kończy jako zwykły przepływ — z tą przyjemną konsekwencją, że działa od razu.

Na czym budować: cztery drogi

Droga	Ma sens, gdy	Rząd kosztów	Haczyk
n8n u siebie	zależy Wam na kontroli nad danymi i łączycie kilka systemów	Community za darmo, serwer 30–90 zł/mies., model osobno	utrzymanie, aktualizacje i kopie zapasowe są po Waszej stronie
n8n Cloud	chcecie tego samego, ale bez własnego serwera	ok. 90–220 zł/mies. zależnie od liczby uruchomień	dane przetwarza dostawca — sprawdźcie umowę powierzenia i lokalizację
Microsoft Copilot Studio	firma i tak stoi w całości na Microsoft 365	pakiety zużycia albo licencja na użytkownika	poza światem Microsoftu robi się ciasno
Własny kod	agent sam w sobie jest Waszym produktem	czas zespołu, na stałe	do automatyzacji wewnętrznej prawie zawsze przerost formy

W polskich firmach wybór najczęściej pada na n8n i rzadko decyduje o tym lista funkcji. Kiedy przez agenta przechodzą dane kadrowe, treści faktur albo zapisy umów, własny hosting zamienia pytanie „czy ufamy dostawcy?” na pytanie „jak skonfigurowaliśmy własną instancję?”. Na to drugie da się odpowiedzieć samodzielnie — i pokazać odpowiedź audytorowi.

Koszt modelu liczy się osobno w każdym z czterech wariantów i to właśnie ta pozycja bywa źle szacowana, w obie strony. Agent odpowiadający na kilkaset wewnętrznych pytań miesięcznie prawie zawsze mieści się w kilkudziesięciu złotych. Agent, który przy każdym pytaniu wrzuca w kontekst cały regulamin, potrafi wydać tę samą kwotę w jeden dzień. Różnicy nie robi model, tylko zakres.

Budowa w siedmiu krokach

1. Zawęź zadanie tak, żeby dało się je sprawdzić

Napisz jedno zdanie o tym, co agent robi, i drugie o tym, czego nie robi. Bez tego drugiego zdania nie masz agenta, tylko deklarację intencji.

Agent odpowiada pracownikom na pytania o rozliczanie delegacji i progi akceptacji wydatków na podstawie obowiązującej polityki. Nie rozstrzyga przypadków indywidualnych, nie obiecuje zwrotów i nie odpowiada na pytania kadrowe spoza tej polityki.

2. Uporządkuj wiedzę, zanim ją wczytasz

Ten krok przesądza o wyniku i jako jedyny nie da się przyspieszyć sztuczną inteligencją. Muszą zgadzać się trzy rzeczy: istnieje jedna obowiązująca wersja każdego dokumentu, stare wersje są usunięte, a tam gdzie dwa dokumenty mówią co innego — wiadomo, który wygrywa.

Agent mający dostęp do trzech wersji tej samej procedury udzieli trzech różnych odpowiedzi. Za każdym razem z jednakową pewnością siebie.

3. Potnij dokumenty tak, żeby fragment odpowiadał na pytanie

Dziel wzdłuż struktury dokumentu, nie co określoną liczbę znaków. Fragment musi być zrozumiały sam z siebie. Cięcie w połowie tabeli daje strzęp, którego nie zinterpretuje ani model, ani człowiek.

Sprawdza się: podział na nagłówkach, 300–800 słów na fragment, zakładka jednego–dwóch zdań na stykach i w każdym fragmencie adnotacja, z którego dokumentu i której wersji pochodzi. Ta adnotacja przyda się w kroku piątym do podawania źródeł.

4. Rozdawaj narzędzia oszczędnie

Każde narzędzie poszerza przestrzeń, w której agent podejmuje decyzje. Cztery dobrze opisane biją dwanaście opisanych byle jak.

Agent od informacji wewnętrznej radzi sobie zwykle trzema: wyszukiwanie w dokumentach, odczyt danych ze słownika firmowego i przekazanie sprawy człowiekowi. To trzecie nie jest protezą, tylko najważniejszym z nich — daje agentowi legalne wyjście, kiedy utknie.

W opisie narzędzia podaj nie tylko, co ono robi, ale kiedy go użyć. „Szuka w politykach” to za mało. „Szuka w obowiązującej polityce delegacji; użyj tego narzędzia jako pierwszego przy każdym pytaniu o stawki, dokumenty i terminy rozliczenia” daje wyraźnie stabilniejsze zachowanie.

5. Napisz instrukcję z trzema obowiązkowymi zdaniami

Cokolwiek jeszcze się w niej znajdzie, te zdania muszą tam być:

Odpowiadaj wyłącznie na podstawie pobranych dokumentów.
Przy każdej informacji podaj dokument i wersję, z której pochodzi.
Jeśli nie znajdujesz podstawy, powiedz to wprost i przekaż sprawę człowiekowi.
Pod żadnym pozorem nie wymyślaj przepisów, kwot ani terminów.

Trzecie zdanie wypada z instrukcji najczęściej. Agent bez dozwolonej odpowiedzi „nie wiem” wyprodukuje w zamian coś wiarygodnego — nie ze złej woli, tylko dlatego, że odpowiadanie jest jedyną czynnością, jaką zna.

6. Najpierw propozycje, potem zatwierdzanie, dopiero na końcu samodzielność

Ta kolejność waży więcej niż którakolwiek decyzja techniczna.

Etap pierwszy: agent układa odpowiedź, człowiek ją czyta i wysyła. Dwa do czterech tygodni, zależnie od liczby zapytań. W tym czasie zbierają się przypadki, o których przy projektowaniu nikt nie pomyślał.

Etap drugi: agent odpowiada sam, ale ktoś czyta odpowiedzi i notuje, jak często trzeba je poprawiać.

Etap trzeci: praca samodzielna — wyłącznie dla tych rodzajów pytań, które w etapie drugim wychodziły stabilnie. Reszta zostaje w etapie drugim. Nie ma powodu, żeby zwalniać całego agenta naraz.

W n8n pierwszy etap składa się z węzła akceptacji, który wysyła przygotowaną odpowiedź do potwierdzenia i rusza dalej dopiero po zatwierdzeniu. To nie jest proteza na start — tam, gdzie w grę wchodzą pieniądze albo umowy, ten węzeł zostaje na stałe. AI Act i tak wymaga nadzoru człowieka przy zastosowaniach wyższego ryzyka, a węzeł akceptacji to najprostszy sposób, żeby ten nadzór dało się wykazać.

7. Zmierz, zanim wypuścisz

Przygotuj dwadzieścia–trzydzieści pytań, których poprawną odpowiedź znasz, w tym pięć takich, które agent ma odrzucić. Ten zestaw przechodzi ponownie po każdej zmianie promptu, modelu albo dokumentów.

Wygląda na pracę na jedno popołudnie i tyle właśnie zajmuje — a robi różnicę między „wydaje nam się, że jest lepiej” a „wiemy, że jest lepiej”. Zmiana modelu, po której agent odpowiada poprawnie na 28 z 30 pytań zamiast na 30, bez takiego zestawu wychodzi na jaw dopiero przy skardze.

Co wykłada agenty w praktyce

Nie znajduje podstawy, a mimo to odpowiada. Najczęstsza przyczyna: w instrukcji brakuje dozwolonej odpowiedzi „nie wiem”. Druga w kolejności: fragmenty pocięto zbyt grubo, wyszukiwanie zwraca słabo dopasowane trafienia, a agent buduje z nich odpowiedź.

Odpowiedzi były dobre i się psują. Zwykle ktoś dorzucił dokumenty, nie usuwając starych. Zbiór rośnie, trafność spada. Zbiór, który nie ma właściciela, gnije — od początku wyznaczcie osobę odpowiedzialną i stały rytm przeglądu.

Rachunek rośnie lawinowo. Prawie zawsze dlatego, że przy każdym wywołaniu leci za dużo kontekstu albo agent zapętla się na narzędziach. Limit wywołań na zapytanie i alarm kosztowy wchodzą pierwszego dnia, nie po pierwszej fakturze.

Nikt z niego nie korzysta. Najbardziej kłopotliwy przypadek, bo technicznie wygląda na sukces. Zwykle agent siedzi tam, gdzie nikt nie zagląda — w osobnym portalu, który trzeba specjalnie otworzyć. Agent ma stać tam, gdzie powstaje pytanie: w czacie zespołu, w systemie zgłoszeń, w skrzynce.

Kiedy odpuścić

Kiedy zadanie da się opisać regułą — automatyzacja będzie tańsza, szybsza i sprawdzalna. Kiedy dokumenty są sprzeczne — agent tylko szybciej ujawni ten bałagan, więc najpierw posprzątajcie; to się zwraca nawet bez żadnej AI. I kiedy nikt nie potrafi powiedzieć, jak wygląda dobra odpowiedź — bo wtedy brakuje miary, którą dałoby się go ocenić.

Najlepszy pierwszy agent jest nudny: jeden rodzaj pytań, uporządkowany zbiór dokumentów, akceptacja przez człowieka, dwadzieścia pytań testowych. Drugi idzie już wyraźnie łatwiej — nie dlatego, że technika staje się prostsza, ale dlatego, że przy pierwszym uczycie się, jak wąsko trzeba postawić zadanie.

Materiał edukacyjny, nie stanowi porady prawnej. Stan na 2026 r. — interpretacja przepisów AI Act może się zmieniać.