Agenci AI dla firm — autonomiczna automatyzacja procesów

Nie czatbot na stronie, a program, który przechodzi proces od końca do końca: czyta, decyduje, wpisuje do systemu i oddaje człowiekowi to, co wymaga człowieka.

AI ma dziś prawie każdy. Agentów — prawie nikt

To najciekawsza liczba z raportu AI Index 2026: adopcja AI w organizacjach dobiła do 88%, ale wdrożenia agentów zostały w jednocyfrowych procentach w prawie każdej funkcji biznesowej. Agenci działają — tylko mało kto umie je wdrożyć.

organizacji korzysta z AI
88%
nie używa agentów w IT
69%
wzrostu wydajności w programowaniu
26%
wskazuje bezpieczeństwo jako barierę
62%

Źródło: „The AI Index 2026 Annual Report”, Stanford Institute for Human-Centered AI. Adopcja i bariery — badanie McKinsey & Company (2025), rys. 4.3.7 i 3.3.10. Wzrost wydajności — przegląd badań w rozdziale Economy.

Agent AI to proces, nie czatbot. Bierzemy jedną czynność, która dzieje się w Twojej firmie setki razy w miesiącu, i oddajemy ją programowi razem z granicami, logiem i wyłącznikiem. Dopiero kiedy to działa i da się zmierzyć, dokładamy następną.

Czym agent różni się od czatbota

Ma dostęp do narzędzi

Czatbot odpowiada tekstem. Agent wywołuje API, wpisuje dane do CRM, wystawia dokument, wysyła wiadomość i sprawdza, czy operacja się udała. Bez tego zostaje uprzejma rozmowa bez skutku.

Pracuje w krokach

Dostaje cel, dzieli go na etapy i wraca do tego, który się nie udał. Rynek pracy przesunął się dokładnie w tę stronę: w 2025 roku ogłoszenia przestały pytać o „obsługę czatu”, a zaczęły o orkiestrację systemów zadaniowych.

Ma granice w kodzie

Co wolno, czego nie wolno, jaka kwota wymaga zgody człowieka, co się dzieje przy błędzie. To nie zdanie w promptcie, które da się obejść, a reguły w systemie i uprawnienia najmniejsze z możliwych.

Zostawia ślad

Każda decyzja i każde wywołanie narzędzia trafia do logu. Bez tego nie da się ani rozliczyć efektu, ani znaleźć przyczyny, gdy coś pójdzie nie tak.

Gdzie agenci są już dobrzy, a gdzie się mylą

Wolimy powiedzieć to na pierwszej rozmowie niż w połowie wdrożenia. Liczby poniżej są z raportu Stanforda, nie z naszej prezentacji.

Tu działają

Praca ustrukturyzowana, z wynikiem, który da się sprawdzić: obsługa zgłoszeń, przepisywanie danych między systemami, przygotowanie dokumentów, kod. Badania cytowane w AI Index 2026 pokazują wzrost wydajności o 14–15% w obsłudze klienta, 26% w programowaniu i 50% w liczbie materiałów marketingowych.

Tu wypadają słabo

Zadania wymagające sądu i kontekstu, którego nie ma w żadnym systemie. Zyski są tam mniejsze albo ujemne. Raport dokłada ostrzeżenie na dłuższy termin: nadmierne oparcie się na AI potrafi spowolnić rozwój kompetencji zespołu.

Tu się mylą

Na teście τ-bench, który sprawdza rozmowę z użytkownikiem i wywoływanie narzędzi zgodnie z regułami, najlepszy model osiąga 70,2% i żaden nie przekracza 71%. Na OSWorld agenci zawodzą mniej więcej w jednej próbie na trzy. Dlatego projekt zaczynamy od pytania, co się stanie przy tej jednej na trzy.

Od czego zaczynamy w Twojej firmie

Procent obok nazwy to udział organizacji, które w tej funkcji nie używają agentów w ogóle. Im wyższy, tym mniej konkurencji — i tym taniej zbudować przewagę, zanim zrobi to ktoś inny.

  • 71%

    Obsługa klienta i zgłoszenia

    bez agentów

    Kwalifikacja zgłoszeń, odpowiedzi na pytania powtarzalne, zakładanie i domykanie zadań, eskalacja do człowieka według reguł, a nie według nastroju.

  • 69%

    IT i wsparcie wewnętrzne

    bez agentów

    Pierwsza linia zgłoszeń, nadawanie uprawnień, porządkowanie zasobów i dokumentacji. Funkcja z największą aktywnością w raporcie — i wciąż dwie trzecie firm bez agentów.

  • 68%

    Marketing i sprzedaż

    bez agentów

    Kwalifikacja leadów z formularzy, uzupełnianie CRM, przygotowanie ofert i treści do zatwierdzenia przez człowieka.

  • 66%

    Zarządzanie wiedzą

    bez agentów

    Odpowiedzi na pytania na podstawie Twoich dokumentów — z przypisem do źródła i z uczciwym „nie wiem”, kiedy źródła nie ma.

  • 77%

    Programowanie i rozwój produktu

    bez agentów

    Przegląd kodu, testy, migracje, dokumentacja. Tu wzrost wydajności jest najlepiej zmierzony i najszybciej widoczny.

AI odpowiada z pamięci, dopóki nie pokażesz jej swoich dokumentów

Zapytaj dowolną sztuczną inteligencję — ChatGPT, Copilota, dowolny inny model, czyli program układający odpowiedzi ze zdań przeczytanych w internecie — o warunki gwarancji w Twojej firmie. Dostaniesz odpowiedź płynną, pewną siebie i nieprawdziwą, bo nigdy nie widziała Twojego regulaminu i układa ją z tysięcy cudzych. Nowy pracownik ma w takiej sytuacji dwie drogi: powiedzieć z pamięci albo wstać i otworzyć segregator. Budujemy agentów, którzy najpierw wstają po segregator, a potem pokazują stronę, z której cytują. Ten mechanizm nazywa się RAG — od angielskiego „retrieval-augmented generation”, czyli odpowiadania na podstawie wyszukanych dokumentów. Jeśli usłyszysz ten skrót od kogoś innego, chodzi dokładnie o to, co opisujemy niżej.

Najpierw zagląda, potem odpowiada

Zanim padnie odpowiedź, system przeszukuje Twoje dokumenty i wybiera fragmenty, które dotyczą pytania. Dopiero one idą do modelu razem z pytaniem. To różnica między „wydaje mi się, że gwarancja jest dwuletnia” a „w regulaminie sprzedaży, punkt 7, stoi dwa lata”.

Model nie uczy się Twoich dokumentów

To najczęstsze nieporozumienie w tych rozmowach. Nie douczamy modelu Twoimi plikami i niczego do niego nie wgrywamy. Twoje dokumenty zostają w Twoich systemach, a my budujemy z nich wyszukiwarkę, która przy każdym pytaniu wyciąga pasujące fragmenty. Tylko te fragmenty — nie cały cennik i nie cała umowa — idą do modelu, żeby ułożył z nich odpowiedź. Gdzie fizycznie stoi ta wyszukiwarka i model, ustalamy z Tobą przed startem. Poprawiasz kwotę w cenniku w piątek rano — agent podaje nową, gdy tylko system wczyta poprawiony plik; zwykle to kilka minut. Aktualizacja wiedzy jest podmianą pliku, a nie kolejnym projektem.

Pod każdą odpowiedzią stoi przypis

Odpowiedź przychodzi z nazwą dokumentu i fragmentem, z którego pochodzi — możesz kliknąć i przeczytać oryginał. To cała różnica między odpowiedzią, w którą trzeba wierzyć, a odpowiedzią, którą sprawdzisz od ręki, klikając w źródło. Odpowiedź bez źródła i tak trzeba potwierdzić ręcznie, więc nikomu nie oszczędza czasu.

Ogranicza zmyślanie, ale go nie kasuje

System może wyciągnąć nie ten fragment albo trafić na dokument, który dawno stracił ważność — i podeprze błędną odpowiedź przypisem. Dlatego ustawiamy agenta tak, żeby mówił „nie wiem, w dokumentach tego nie ma”, i oddawał sprawę człowiekowi: brak źródła jest u nas poprawnym wynikiem, nie porażką. Przy podanym źródle pomyłkę widać od razu, a nie dopiero wtedy, gdy zobaczy ją klient.

Wiedza siedzi w głowach dwóch osób, nie w dokumentach

W każdej firmie jest ktoś, kogo pyta się o wszystko. Kiedy idzie na urlop, praca zwalnia. Agent nie ma kogo zapytać. Odpowiada wyłącznie z tego, co mu daliście — więc droższa sztuczna inteligencja nie naprawi złych dokumentów. Śmietnik na wejściu to śmietnik na wyjściu, tylko napisany ładniejszym zdaniem. Dlatego wdrożenie zaczynamy od Twoich dokumentów, a nie od wyboru modelu.

Trzy wersje cennika to trzy różne odpowiedzi

Jeśli w firmie krąży cennik z marca, cennik z czerwca i „ten właściwy” na pulpicie handlowca, system poda jedną z tych wersji i nie musi to być ta obowiązująca. Człowiek w takiej sytuacji dopyta kolegi zza ściany. Program nie dopyta — odpowie pewnym głosem. Porządek w plikach robi tu więcej niż wybór firmy, której sztucznej inteligencji użyjemy.

Co siedzi w głowach, trzeba spisać

Najdroższa wiedza w firmie zwykle nie jest nigdzie zapisana: dlaczego temu klientowi liczy się inaczej, czego nie wolno obiecywać przez telefon, co robić z reklamacją zgłoszoną po terminie. Zbieramy to w krótkich rozmowach z zespołem i zamieniamy w kilkustronicowe dokumenty. Przy okazji firma przestaje stawać, kiedy te dwie osoby idą na urlop. To jest pierwszy etap wdrożenia, nie warunek wstępny: jeśli po audycie okaże się, że samo porządkowanie jest większą robotą niż agent, powiemy to wprost i zaczniemy od niego.

Jeden aktualny dokument na jeden temat

Cennik, warunki gwarancji, procedura reklamacji, zasady rabatów — na każdy z tych tematów jeden dokument obowiązujący, z datą przeglądu i z osobą, która go aktualizuje. Bez tego po roku agent odpowiada tak, jak było rok temu — tylko bardzo przekonująco. Pomaga w tym log, czyli zapis każdej odpowiedzi: widać, z którego pliku przyszła odpowiedź, więc widać też, który plik psuje wyniki.

Uprawnienia idą razem z wiedzą

Nie każdy w firmie ma widzieć marże, umowy i dane kadrowe. System najpierw sprawdza, kto pyta, i przeszukuje tylko te dokumenty, które ta osoba i tak może otworzyć. Handlowiec nie zobaczy marż przez agenta, skoro nie widzi ich w systemie. Wdrożenie bez tego kroku to nie asystent, tylko wyciek z wygodną wyszukiwarką.

Kartka z procedurą, która wykonuje się sama

W każdej firmie wisi taka kartka: krok 1, krok 2, krok 3, za każdym razem tak samo. Wpływa faktura, sprawdź dane sprzedawcy, wpisz do systemu, wyślij do akceptacji, zarchiwizuj. Nikt się nad kolejnością nie zastanawia, a wynik i tak zależy od tego, kto miał czas i czy o niczym nie zapomniał. Taką kartkę da się przepisać na program, który przechodzi ją sam. Nazywa się to workflow, czyli przepływ pracy — u nas ta usługa nazywa się po prostu automatyzacja procesów i zwykle jest tańszą odpowiedzią niż agent.

Workflow idzie ścieżką, agent ją wybiera

Przepływ robi dokładnie to, co zostało zapisane, i zawsze w tej samej kolejności. Ta sama faktura przejdzie tę samą drogę w poniedziałek i w piątek, niezależnie od tego, kto akurat jest w pracy. Agent dostaje cel, a nie listę kroków — sam decyduje, od czego zacząć i do którego etapu wrócić, gdy coś się nie udało. Za tę swobodę płacisz dłuższym wdrożeniem, większym nadzorem i mniejszą pewnością, że dwie takie same sprawy pójdą tą samą drogą.

Test, który zrobisz sam, zanim do nas zadzwonisz

Spróbuj wypisać ten proces w punktach. Jeśli się udaje i nie kończy się zdaniem „to zależy”, jest to robota dla zwykłej automatyzacji, a nie dla agenta — tańsza, szybsza i pewniejsza. Jeśli trzeba najpierw przeczytać sprawę ze zrozumieniem, żeby wiedzieć, którą ścieżką pójdzie, wtedy zaczyna się rozmowa o agencie. Mówimy to również wtedy, gdy przychodzisz do nas po agenta.

Zwykle najlepsze wdrożenie łączy oba

Nie musisz wybierać między „bez AI” a „agent decyduje o wszystkim”. Zwykle przepływ prowadzi sprawę od początku do końca. AI robi w nim jedną rzecz, której nie da się zapisać w regułach: czyta wiadomość napisaną ludzkim językiem i wyciąga z niej dane. Resztę robią sztywne kroki. Ten jeden krok trzeba mierzyć jak agenta: ta sama wiadomość może zostać zrozumiana raz lepiej, raz gorzej. Dlatego w pilocie sprawdzamy właśnie jego, a nie cały przepływ. Koszt i ryzyko rosną wtedy w jednym miejscu, a nie w całym procesie.

Awarię widać od razu

Kiedy przepływ stanie, wiesz, na którym kroku i dlaczego: poprawiasz ten jeden krok i lecisz dalej. Przy agencie diagnoza jest dłuższa, bo trzeba odtworzyć, dlaczego wybrał taką, a nie inną kolejność. Dlatego niejeden proces, z którym przychodzi się do nas po agenta, kończy jako przepływ — tańszy w budowie i łatwiejszy do naprawy.

Jak wdrażamy

  1. 01

    Audyt procesów

    Dwa–trzy dni z Twoim zespołem. Szukamy czynności powtarzalnych, mierzalnych i takich, w których pomyłka nie jest katastrofą. Wychodzimy z listą kandydatów i szacunkiem czasu, który da się odzyskać.

  2. 02

    Business case na jeden proces

    Ile ta czynność kosztuje dziś, ile ma kosztować po wdrożeniu i po czym poznamy, że się udało. „Niejasna wartość biznesowa” blokuje wdrożenia agentów w 32% organizacji — u nas ten punkt jest na papierze przed pierwszą linią kodu.

  3. 03

    Pilot na jednym procesie

    Cztery do sześciu tygodni. Agent pracuje obok człowieka, nie zamiast niego: proponuje, człowiek zatwierdza. Skuteczność mierzymy na Twoich realnych sprawach, nie na benchmarku.

  4. 04

    Granice, nadzór i bezpieczeństwo

    Uprawnienia najmniejsze z możliwych, dane w Twojej infrastrukturze albo u dostawcy, którego wskażesz, log każdej decyzji, próg wymagający zgody człowieka i wyłącznik pod ręką. Bezpieczeństwo jest najczęściej wskazywaną barierą wdrożeń, więc jest u nas osobnym etapem, nie akapitem w umowie.

  5. 05

    Wdrożenie i integracje

    Podłączenie do systemów, które już macie: CRM, ERP, poczta, magazyn, arkusze. Szkolimy zespół i zostawiamy dokumentację, po której da się to utrzymać bez nas.

  6. 06

    Utrzymanie i rozwój

    Modele i API zmieniają się co kilka miesięcy. Monitorujemy skuteczność, poprawiamy reguły i dokładamy kolejny proces dopiero po stabilnym pilocie. Opieka w ramach Wataha Care.

Bariery, na których staje większość wdrożeń

Kolejność i procenty z badania McKinsey cytowanego w AI Index 2026. Przy każdej barierze piszemy, co z nią robimy — bo to dokładnie te rozmowy, które prowadzimy na wdrożeniach.

62%

Bezpieczeństwo i ryzyko

Co robimy

Uprawnienia najmniejsze z możliwych, dane pod Twoją kontrolą, log każdej operacji, testy na danych syntetycznych przed produkcją i wyłącznik, który zatrzymuje agenta w jednej chwili.

38%

Ograniczenia techniczne

Co robimy

Nie obiecujemy, że agent zrobi wszystko. Dobieramy procesy do tego, co modele naprawdę potrafią — stąd sekcja o skuteczności wyżej, z liczbami zamiast zapewnień.

38%

Niepewność regulacyjna

Co robimy

Pracujemy z RODO i AI Act w tle: klasyfikacja ryzyka, jawna informacja, że użytkownik rozmawia z systemem, rejestr operacji i dokumentacja wdrożenia. Pierwsze zakazy z AI Act weszły w życie w 2025 roku.

36%

Braki w narzędziach nadzoru

Co robimy

Panel z historią decyzji, miarami skuteczności i kosztem tokenów dostajesz razem z agentem, nie jako płatny dodatek za kwartał.

34%

Budżet

Co robimy

Zaczynamy od jednego procesu z policzonym zwrotem, nie od platformy na całą firmę. Jeden pilot to decyzja odwracalna.

32%

Niejasna wartość biznesowa

Co robimy

Business case przed kodem. Jeśli po audycie nie widzimy zwrotu, mówimy to wprost i nie bierzemy projektu.

Ile to kosztuje

Uczciwie: agenta nie da się wycenić z cennika, bo cena zależy od liczby integracji i od tego, jak uporządkowane są Twoje dane. Dlatego rozliczamy się w jednym z trzech trybów.

01Pilot na jeden proceswycena po audycieZakres i termin ustalamy po audycie. Pilot jest skrojony tak, żeby przy najmniejszym możliwym budżecie dał odpowiedź, czy iść dalej.
02Wdrożenie dedykowaneod 10 000 złAgent podłączony do Twoich systemów, z panelem nadzoru i dokumentacją — ten sam próg co dedykowane serwisy webowe i aplikacje. Kwota zależy od liczby integracji i wymagań bezpieczeństwa.
03Opieka i rozwójod 100 zł / mies.Monitoring skuteczności, poprawki reguł, aktualizacje modeli i API w ramach Wataha Care. Zakres dobierany do wdrożenia.

Koszt działania agenta (tokeny, API dostawcy modelu) jest osobny i jawny — widzisz go w panelu od pierwszego dnia pilota, a nie na fakturze po kwartale.

Pytania, które słyszymy najczęściej

Czym agent AI różni się od czatbota na stronie?

Czatbot rozmawia, agent działa. Agent ma dostęp do narzędzi (API, CRM, poczta, baza), rozbija zadanie na kroki, wraca do tych, które się nie udały, i zostawia log każdej decyzji. Ma też granice wpisane w system: zakres uprawnień, próg wymagający zgody człowieka i wyłącznik. Czatbot na stronie odpowie na pytanie o godziny otwarcia; agent przyjmie zgłoszenie, założy zadanie w systemie, przypisze je do właściwej osoby i sprawdzi, czy zostało domknięte.

Ile kosztuje wdrożenie agenta AI w firmie?

Wdrożenie dedykowane zaczyna się od 10 000 zł — tyle samo, co dedykowany serwis webowy, bo to ta sama klasa pracy: integracje, uprawnienia, panel nadzoru i dokumentacja. Kwota zależy przede wszystkim od liczby systemów, do których agent musi się podłączyć, i od wymagań bezpieczeństwa. Pilota na jeden proces wyceniamy po audycie, bo dopiero on pokazuje, ile pracy jest po stronie danych. Opieka i rozwój po wdrożeniu idą w ramach Wataha Care, od 100 zł miesięcznie. Koszt tokenów i API dostawcy modelu jest osobny i pokazujemy go w panelu.

Jak długo trwa wdrożenie agenta AI?

Audyt procesów to dwa–trzy dni. Pilot na jednym procesie zamyka się zwykle w cztery do sześciu tygodni — i to on rozstrzyga, czy iść dalej. Pełne wdrożenie zależy od liczby integracji; im więcej systemów i im mniej uporządkowane dane, tym dłużej. Nie podajemy jednego terminu na wszystko, bo różnica między jednym a pięcioma systemami to różnica miesięcy.

Czy moje dane są bezpieczne? Czy trafią do uczenia modelu?

Dane zostają tam, gdzie zdecydujesz: w Twojej infrastrukturze albo u dostawcy, którego wskażesz, na warunkach, które sprawdzamy przed podpisaniem. Agent dostaje uprawnienia najmniejsze z możliwych — dostęp tylko do tego, co jest potrzebne w danym procesie. Każda operacja idzie do logu. Bezpieczeństwo i ryzyko to najczęściej wskazywana bariera wdrożeń agentów (62% organizacji w badaniu cytowanym w AI Index 2026), więc traktujemy je jako osobny etap projektu, nie jako akapit w umowie.

Co się stanie, gdy agent się pomyli?

Pomyli się — i to trzeba zaplanować, a nie obiecywać, że nie. Na teście τ-bench, sprawdzającym rozmowę z użytkownikiem i wywoływanie narzędzi zgodnie z regułami, najlepszy model osiąga 70,2%, a żaden nie przekracza 71%. Na OSWorld agenci zawodzą mniej więcej w jednej próbie na trzy. Dlatego w każdym wdrożeniu jest człowiek w pętli na operacjach nieodwracalnych, próg kwotowy wymagający zgody, log pozwalający odtworzyć każdą decyzję i możliwość cofnięcia zmian. Pilot służy do tego, żeby zmierzyć ten odsetek na Twoich sprawach.

Czy agent AI zwolni moich pracowników?

Nie sprzedajemy wdrożeń jako sposobu na zwolnienia i nie zamierzamy tego udawać. Dane z AI Index 2026: jedna trzecia organizacji spodziewa się zmniejszenia zatrudnienia w najbliższym roku, ale prawie połowa nie oczekuje żadnej zmiany. Widoczny efekt jest na razie punktowy — najmocniej w zatrudnieniu najmłodszych programistów. Zaczynamy tam, gdzie ludzie są przeciążeni powtarzalną robotą, bo tam zwrot jest najszybszy i nikt nie musi tracić pracy, żeby wdrożenie się opłaciło.

Czy to jest zgodne z AI Act i RODO?

Pierwsze zakazy z unijnego AI Act weszły w życie w 2025 roku, więc zgodność jest częścią projektu od początku, nie po nim. Przygotowujemy klasyfikację ryzyka wdrożenia, jawną informację dla użytkownika, że rozmawia z systemem, rejestr operacji, opis danych i podstaw ich przetwarzania oraz dokumentację techniczną. Nie jesteśmy kancelarią i nie udajemy, że nią jesteśmy: dostarczamy dokumentację i współpracujemy z Twoim prawnikiem lub inspektorem ochrony danych.

Na jakich modelach pracujecie?

Nie przywiązujemy Cię do jednego dostawcy. AI Index 2026 pokazuje, że czołowe modele są dziś od siebie niemal nieodróżnialne, a modele o otwartych wagach są bardziej konkurencyjne niż kiedykolwiek — przy takim tempie zmian wybór „na zawsze” jest błędem architektonicznym. Model dobieramy do zadania i budujemy wdrożenie tak, żeby dało się go podmienić bez przepisywania całości. Tam, gdzie dane nie mogą wyjść z firmy, pracujemy na modelu uruchomionym po Twojej stronie.

Czy wdrożenie agenta ma sens w małej firmie?

Ma, jeśli jest proces powtarzany na tyle często, że da się go zmierzyć. Raport pokazuje, że mniejsze organizacje są wyraźnie z tyłu: w firmach o przychodach poniżej 100 mln dolarów 39% wciąż tylko eksperymentuje z AI, a jedynie 5% ma wdrożenia w pełni rozwinięte. Dla mniejszej firmy to dobra wiadomość, bo próg wejścia jest dziś niski: jeden proces, jeden pilot, policzony zwrot. Nie trzeba budować platformy na całą firmę, żeby zacząć.

Czy AI nauczy się naszych dokumentów, cenników i procedur?

Nie w tym sensie, w jakim to zwykle brzmi — i nie musi. Nie douczamy modelu Twoimi plikami i niczego do niego nie wgrywamy. Dokumenty zostają w Twoich systemach. Przy każdym pytaniu system wyszukuje w nich pasujące fragmenty i dopiero z nich układa odpowiedź. Podaje przy tym dokument, z którego korzystał. Ten mechanizm nazywa się RAG. Praktycznie oznacza to dwie rzeczy: poprawiony w piątek cennik działa po ponownym wczytaniu pliku, zwykle w kilka minut, bez żadnego douczania, a każdą odpowiedź da się sprawdzić u źródła zamiast brać na słowo. Kiedy w dokumentach odpowiedzi nie ma, agent ma powiedzieć „nie wiem” i przekazać sprawę człowiekowi.

Nasze dokumenty są w nieładzie. Czy to przekreśla wdrożenie?

Nie przekreśla, ale przesuwa punkt startu. Agent odpowiada z tego, co dostanie: jeśli w obiegu są trzy wersje cennika i żadna nie jest oznaczona jako obowiązująca, poda jedną z nich i zrobi to bardzo pewnym tonem. Dlatego audyt jest pierwszym etapem, a nie formalnością — sprawdzamy, co istnieje, gdzie leży, która wersja obowiązuje i czego nikt nigdy nie spisał. Część wiedzy siedzi wyłącznie w głowach i tę spisujemy w krótkich rozmowach z zespołem. Jeśli po audycie okaże się, że najpierw trzeba uporządkować dokumenty, powiemy to wprost, zamiast uruchamiać pilota, który skończy się rozczarowaniem po obu stronach. Ten etap ma wartość dla zespołu nawet wtedy, gdy z agentem ostatecznie nic nie robisz.

Czym workflow różni się od agenta AI i co jest tańsze?

Workflow to spisana procedura, która wykonuje się sama: kroki są ustalone z góry, więc to samo wejście daje ten sam przebieg. Agent dostaje cel i sam decyduje o kolejności, bo nie da się przewidzieć, co przyjdzie na wejściu. Workflow jest tańszy, szybszy we wdrożeniu i łatwiejszy do sprawdzenia. Test jest prosty. Da się wypisać proces w punktach, bez zdania „to zależy”? Buduj przepływ. Trzeba najpierw przeczytać sprawę ze zrozumieniem, żeby wiedzieć, gdzie ją skierować? Wtedy rozmawiamy o agencie. Bardzo często najlepsze wdrożenie łączy oba: przepływ prowadzi proces, a model obsługuje ten jeden krok, który wymaga czytania ze zrozumieniem. Kiedy wystarcza sama automatyzacja, mówimy to wprost i odsyłamy do tańszej usługi.

Wdrożenie agenta AI w firmie — czego się spodziewać

Praktyka, nie prezentacja: co dokładnie robimy, ile to trwa, kto po naszej stronie pracuje i czego nie obiecujemy.

Co składa się na agenta AI

Agent AI dla firmy to nie model językowy sam w sobie, a cztery warstwy złożone razem. Pierwsza to dostęp do narzędzi: integracje z CRM, ERP, pocztą, magazynem, arkuszami i tym, co jeszcze macie — przez API albo przez warstwę automatyzacji w rodzaju n8n czy Make. Druga to pamięć i wiedza: Twoje dokumenty, procedury i historia spraw, podłączone tak, żeby agent odpowiadał z przypisem do źródła, a nie z ogólnej wiedzy modelu. Trzecia to reguły: uprawnienia, progi wymagające zgody człowieka, ścieżki eskalacji i obsługa błędu. Czwarta to nadzór: log decyzji, miary skuteczności i koszt działania widoczny na bieżąco.

Model językowy jest w tym zestawie najłatwiejszy do wymiany i najmniej wart bez pozostałych trzech warstw. Dlatego wdrożenie agenta AI jest projektem integracyjnym, a nie zakupem licencji. Kto sprzedaje Ci agenta jako abonament na czat, sprzedaje pierwszą warstwę i milczy o trzech pozostałych.

Automatyzacja procesów AI a klasyczna automatyzacja

Jeśli proces ma sztywne reguły i przewidywalne wejście, klasyczna automatyzacja procesów jest tańsza, szybsza i pewniejsza — i wtedy właśnie ją proponujemy. Agent zarabia na siebie tam, gdzie wejście jest nieustrukturyzowane: wiadomość od klienta napisana własnymi słowami, faktura w dowolnym układzie, zgłoszenie, które trzeba najpierw zrozumieć, żeby wiedzieć, gdzie je skierować. Granica jest prosta: reguły da się wypisać w punktach — automatyzacja; trzeba czytać ze zrozumieniem — agent.

Kto to robi po naszej stronie

Ten sam zespół, który buduje serwisy webowe i aplikacje — bo wdrożenie agenta w 80% jest zwykłą inżynierią: API, uprawnienia, kolejki, testy, wdrożenie, monitoring. Bez podwykonawców i bez pośredników. Jedna umowa, jeden numer telefonu i kod źródłowy na Twoje konto, tak samo jak przy każdym innym projekcie.

Ile kosztuje agent AI i od czego zależy cena

Cena rozstrzyga się na dwóch rzeczach: liczbie systemów, do których agent musi się podłączyć, i stanie danych. Dwa razy ten sam proces w dwóch firmach potrafi różnić się kosztem trzykrotnie, jeśli w jednej dane siedzą w jednym CRM-ie, a w drugiej w trzech arkuszach i skrzynce pocztowej. Dlatego wdrożenie dedykowane wyceniamy od 10 000 zł, a pilota na jeden proces — po audycie, kiedy wiemy, ile pracy leży po stronie danych. Do tego dochodzi koszt działania: tokeny i API dostawcy modelu, rozliczane od zużycia i widoczne w panelu od pierwszego dnia.

Nie podajemy jednej ceny „za agenta”, bo każda taka liczba jest albo zawyżona na zapas, albo skończy się aneksem. Podajemy próg i mówimy wprost, co go rusza w górę: więcej integracji, wymagania bezpieczeństwa, model uruchamiany po Twojej stronie, praca na danych osobowych.

Czego nie obiecujemy

Nie obiecujemy agenta, który „zajmie się firmą”. Niezależne pomiary z raportu AI Index 2026 pokazują, że nawet czołowe modele mylą się w zadaniach łączących rozmowę z użytkownikiem i wywoływanie narzędzi w co trzecim–czwartym podejściu. Wdrożenie, które tego nie zakłada, po prostu przenosi ryzyko na Twoich ludzi. Nie obiecujemy też oszczędności na etatach jako celu projektu — zaczynamy tam, gdzie zespół tonie w powtarzalnej robocie, bo tam zwrot jest najszybszy i najłatwiejszy do udowodnienia.

Gdzie pracujemy

Siedzimy w Radomsku i obsługujemy firmy z całej Polski — zdalnie, bo audyt i pilot da się tak poprowadzić. Najbliżej jesteśmy rynków województwa łódzkiego i śląskiego (Piotrków Trybunalski, Bełchatów, Częstochowa, Łódź), gdzie dojeżdżamy też na miejsce. Na pierwszy warsztat i na uruchomienie pilota przyjeżdżamy, jeśli to ma sens dla Twojego zespołu: proces łatwiej zrozumieć, patrząc, jak ktoś go wykonuje, niż czytając jego opis.

Agenci AI dla firm to u nas usługa prowadzona zdalnie w całej Polsce — Radomsko jest naszą bazą, nie granicą zasięgu. Jeśli szukasz kogoś, kto wdroży agenta AI w Twojej firmie i weźmie odpowiedzialność za efekt, a nie tylko podłączy model do czatu, napisz albo zadzwoń: pierwsza rozmowa jest bezpłatna i kończy się konkretną odpowiedzią, czy w Twoim procesie to się opłaca.

Zacznijmy od jednego procesu

Piętnaście minut rozmowy wystarczy, żeby powiedzieć, czy w Twojej firmie jest proces, który agent zrobi lepiej — i czy w ogóle warto go ruszać.