Agent AI - co to jest i dlaczego nie każda automatyzacja z AI zasługuje na nazwę?

Autor: Marcin Drozd Aktualizacja:

Agent AI to program, w którym model językowy, np. Claude, GPT albo Gemini, sam decyduje o kolejnych krokach zadania: planuje, korzysta z narzędzi i systemów firmy, sprawdza wynik i działa dalej, aż osiągnie cel albo się zatrzyma. Tym różni się od chatbota, który tylko odpowiada, i od automatyzacji, w której kolejność kroków ustalił człowiek.

Agent AI w 30 sekund

  • Kiedy ma sens: gdy przypadki się nie powtarzają, a dane leżą w systemach, do których agent może sięgnąć.
  • Czym różni się od automatyzacji: w automatyzacji kolejność kroków ustala program, w agencie model. Często lepsza jest zwykła automatyzacja.
  • Kto odpowiada za błąd: firma, która agenta uruchomiła. Dlatego agent działa w ustalonych granicach, a kroki nieodwracalne zatwierdza człowiek.

Jak działa agent AI?

Agent AI działa w pętli: dostaje cel, wybiera kolejny krok, wywołuje narzędzie, sprawdza wynik i decyduje, co dalej. Robi tak, dopóki nie skończy, nie trafi na limit albo nie poprosi człowieka o decyzję. Simon Willison, programista, który od lat porządkuje słownik tej branży, zmieścił to w jednym zdaniu: agent to model, który „w pętli uruchamia narzędzia, żeby osiągnąć cel”.

Pętla agenta AI: cel, plan, wywołanie narzędzia (ERP, poczta, pliki, API) i sprawdzenie wyniku, powtarzane do skutku. Pod spodem hamulce, bez których agent nie wchodzi na produkcję: twardy limit, podpis człowieka, natychmiastowe zatrzymanie i dziennik decyzji.

Narzędziem może być system firmy (ERP, CRM), skrzynka pocztowa, folder z plikami, wyszukiwarka albo dowolne API. Coraz częściej narzędzia podłącza się przez MCP, otwarty standard, który działa z Claude, ChatGPT i Copilotem.

Przykład, który dobrze pokazuje pętlę (to scenariusz ilustracyjny, nie opis konkretnego wdrożenia). Do zakładu produkcyjnego przychodzi mailem zapytanie ofertowe z rysunkiem. Agent czyta treść i rysunek, sprawdza w systemie dostępność materiału i obłożenie maszyn, liczy termin i przygotowuje szkic oferty. Na końcu się zatrzymuje, bo wysłanie oferty zatwierdza handlowiec. Kolejności tych kroków nikt nie zaprogramował na sztywno: jeśli rysunek jest nieczytelny, agent może najpierw poprosić klienta o lepszy plik.

Agent nie uczy się sam. Większość polskich tekstów o agentach pisze, że agent „uczy się na doświadczeniach”. W agentach opartych na modelach językowych to nieprawda: model nie zmienia się między zadaniami. Agent działa lepiej dopiero wtedy, gdy człowiek poprawi mu instrukcje, narzędzia albo dane. Każdą lekcję trzeba mu zapisać.

Czym agent AI różni się od chatbota i automatyzacji?

Różnicę widać po tym, kto decyduje o następnym kroku: człowiek, program czy model. Kto prowadził produkcję, zna to z hali. Automat ze sterownikiem wykonuje zaprogramowaną sekwencję, a gdy trafi na coś spoza scenariusza, staje. Operator patrzy, ocenia sytuację i sam wybiera, co zrobić dalej. Automatyzacja to automat, agent to operator. I tak jak na hali, w większości powtarzalnych procesów lepszy jest automat.

Chatbot / asystent AIAutomatyzacja (reguły, RPA)Workflow z AIAgent AI
Kto decyduje o następnym krokuczłowiek, który pyta dalejprogram, według regułprogram; model wykonuje wybrane kroki, np. czyta fakturęmodel, w granicach ustalonych przez człowieka
Czy działa w systemach firmyzwykle nie, odpowiada tekstemtaktaktak
Przypadek spoza scenariuszaodpowiada, czasem zmyślastaje albo zgłasza błądprzekazuje człowiekowipróbuje rozwiązać sam albo prosi człowieka
Przewidywalnośćśredniawysokawysoka w szkielecienajniższa, zależy od zabezpieczeń
Koszt jednego przebieguniskibardzo niskiniski-średninajwyższy, płaci się za każdy krok
Kiedy wybraćpytania i odpowiedzi, wiedza z dokumentówte same kroki na danych w stałym formaciestały proces z kilkoma „trudnymi” krokamizadania, których przebiegu nie da się rozpisać z góry

Ten podział nie jest naszym wymysłem. Anthropic w poradniku „Building effective agents” (grudzień 2024) oddziela workflow, w którym model i narzędzia idą po ścieżce zapisanej w kodzie, od agenta, w którym model sam kieruje procesem. I radzi zaczynać od najprostszego rozwiązania, co „może oznaczać, że w ogóle nie budujesz systemu agentowego”.

Na naszych własnych systemach wygląda to tak. BEP Centrum, centrum automatyzacji procesów księgowych, działa na regułach i to jest jego zaleta. Pipeline treści dla Forexwolf.pl (redakcja, fact-check, publikacja) to workflow z modelem: kolejność kroków jest stała, model pisze i sprawdza. SkrybaAI jest już agentem, bo na podstawie danych z Google Search Console i GA4 sam decyduje, o czym pisać, i ma ustawione presety budżetowe. A w Speedcut.pl, który wycenia cięcie laserem, agent byłby błędem: rozkrój i cenę liczy algorytm, bo wynik musi wyjść identycznie za każdym razem. Wszystkie cztery to nasze produkty, nie wdrożenia u klientów; opisujemy je na stronie wdrożeń.

Uwaga na „agent washing”. Tak Gartner nazwał w czerwcu 2025 r. przemianowywanie zwykłych asystentów, RPA i chatbotów na agentów. Według Gartnera spośród tysięcy firm sprzedających „agentów” prawdziwych jest około 130. Jedno pytanie do dostawcy rozwiewa większość wątpliwości: co robi wasz agent, gdy trafi na przypadek, którego nie ma w scenariuszu?

Czy agent AI jest dla mojej firmy?

Często nie, i to dobra wiadomość, bo zwykła automatyzacja jest tańsza i przewidywalna. Agent ma sens tam, gdzie decyzje wymagają oceny sytuacji, reguły rozrosły się tak, że nikt ich nie ogarnia, albo dane to głównie tekst: maile, umowy, rysunki. Takie trzy kryteria podaje OpenAI w przewodniku po budowie agentów. Znajdź swoją sytuację:

„Kroki są zawsze te same.”Wystarczy automatyzacja. Będzie tańsza i nie zaskoczy.Automatyzacja back-office → „Każdy przypadek jest trochę inny, a dane są w systemach.”Tu agent ma sens. Sprawdź koszty i zabezpieczenia.Ile kosztuje agent ↓ „Dane są w Excelu i w głowach.”Najpierw porządek w danych i proste automatyzacje. Agent potrzebuje systemów, do których może sięgnąć.Od czego zacząć ↓ „Pracownicy już używają agentów na własną rękę.”Najpierw zasady bezpieczeństwa, potem kolejne narzędzia.Ryzyka i zabezpieczenia ↓

Czy ChatGPT to agent AI?

Zwykła rozmowa z ChatGPT to nie agent, ale tryb agenta w ChatGPT już tak. OpenAI samo pisze, że proste chatboty i modele odpowiadające na jedno pytanie agentami nie są. Od 17 lipca 2025 r. ChatGPT ma jednak tryb agenta (ChatGPT agent), w którym sam planuje kroki i wykonuje je na własnym wirtualnym komputerze: przegląda strony, wypełnia formularze, przygotowuje pliki. Podobnie jest u innych: Claude potrafi obsługiwać komputer od października 2024 r., a Claude Code działa jako agent programistyczny. W Microsoft Copilot Studio da się budować agentów działających w systemach firmy.

Czego nie dawać agentowi w czacie: haseł, dostępu do bankowości i płatności, pełnej skrzynki pocztowej, jeśli zadanie dotyczy jednego wątku. Zasada jest ta sama co w firmie: uprawnienia wynikają z zadania, a nie z tego, co „może się przydać”.

Ile kosztuje agent AI?

Koszt agenta składa się z trzech części: budowy, opłaty za każdy krok i utrzymania. Najbardziej zaskakuje druga.

  • Każdy krok kosztuje. Modele rozlicza się za tokeny, czyli kawałki tekstu. Według cenników Anthropic i OpenAI milion tokenów tekstu generowanego przez model kosztuje od mniej niż dolara w małych modelach do kilkudziesięciu dolarów w modelach flagowych. Agent zużywa ich znacznie więcej niż czat: według Anthropic około 4 razy więcej, a system kilku współpracujących agentów około 15 razy. Gartner przewiduje, że koszt jednego przebiegu agentowego do 2028 r. wzrośnie ponad pięciokrotnie, bo zadania są coraz dłuższe.
  • Budowa. Pierwszy agent w środowisku testowym to u nas zwykle 3-6 tygodni. Cena zależy od liczby systemów, od tego, czy agent tylko czyta, czy też zapisuje, od wymagań RODO i od tego, czy model ma działać lokalnie.
  • Utrzymanie. Modele, API i interfejsy zmieniają się co kilka miesięcy, więc agent bez opieki po pewnym czasie przestaje działać. To osobny, stały element kosztu, nie jednorazowy wydatek.

Dlatego twardy limit w agencie dotyczy nie tylko tego, co wolno mu zrobić, ale też tego, ile wolno mu wydać. Agent, który utknie w pętli, bez limitu budżetu potrafi przepalić sporo pieniędzy w jedną noc.

Dlaczego agent się myli i jak to ograniczyć?

Bo błędy się kumulują. Jeśli każdy krok udaje się w 95%, zadanie z 20 kroków kończy się dobrze tylko w około 36% przypadków (0,95 do potęgi 20). To uproszczony rachunek, bo dobry agent może poprawiać się po drodze dzięki informacji zwrotnej z narzędzi, ale kierunek się zgadza. Anthropic pisze wprost o „wyższych kosztach i ryzyku kumulujących się błędów”.

Na hali nikt nie puszcza dwudziestu operacji bez kontroli międzyoperacyjnej. W agencie robi się to samo:

  • punkty kontrolne w miejscach, gdzie błąd jest drogi;
  • wąskie zadania zamiast jednego agenta „od wszystkiego”;
  • reguła „cytuj albo się wstrzymaj”: gdy brakuje podstawy w danych, model mówi, że nie wie, zamiast zgadywać (o tym, skąd się biorą zmyślenia, piszemy w haśle halucynacje AI);
  • dwa modele: jeden wykonuje, drugi sprawdza przed publikacją. Tak działa nasz pipeline treści.

Modele szybko się poprawiają. Organizacja badawcza METR mierzy, że długość zadań programistycznych, które modele wykonują z 50-procentową skutecznością, podwaja się mniej więcej co 7 miesięcy, a od 2024 r. nawet szybciej. Ale 50% skuteczności to wciąż nie jest poziom, który wpuszcza się na produkcję bez kontroli.

Co może pójść źle, gdy agent AI działa w firmie?

Ryzyko agenta nie leży w tym, co mówi, tylko w tym, co może zrobić, i rośnie razem z jego uprawnieniami. Najważniejsze zagrożenia mają już nazwy i głośne przykłady:

  • Nadmiarowe uprawnienia. OWASP, organizacja od standardów bezpieczeństwa aplikacji, umieściła je na liście głównych ryzyk modeli językowych jako Excessive Agency. Głośny przykład z lipca 2025 r.: agent programistyczny Replit w trakcie zamrożenia zmian usunął dane z produkcyjnej bazy użytkownika. Prezes Replit nazwał to „niedopuszczalnym i czymś, co nigdy nie powinno być możliwe” i rozdzielił bazy testowe od produkcyjnych.
  • Przejęcie agenta przez obcy tekst. Willison opisał „zabójczą trójkę”: dostęp do prywatnych danych, kontakt z niezaufaną treścią i możliwość wysłania czegoś na zewnątrz. Gdy agent ma wszystkie trzy, obca osoba może przejąć go zdaniem ukrytym w mailu albo na stronie. Mechanizm opisujemy w haśle prompt injection.
  • Odpowiedzialność firmy. W lutym 2024 r. kanadyjski trybunał nakazał liniom Air Canada zapłacić klientowi, któremu chatbot linii podał błędne zasady zwrotu. Argument, że chatbot „odpowiada sam za siebie”, trybunał nazwał „zadziwiającym”. To był chatbot, nie agent, ale zasada tym bardziej dotyczy systemu, który działa.
  • Agent w złej roli. W 2025 r. Anthropic przez miesiąc pozwolił modelowi Claude prowadzić sklepik w biurze (Project Vend). Agent sprzedawał poniżej kosztu, dawał się namawiać na rabaty i przez jakiś czas podawał klientom zmyślone konto do płatności. Wniosek Anthropic: „nie zatrudnilibyśmy go”.
  • Agent na komputerze. Agent z dostępem do systemu operacyjnego może zrobić to samo co złośliwy program: wykraść klucze, wysłać pliki na zewnątrz. Dlatego zbudowaliśmy Agent Blocker, który wykrywa takie zachowania na Windows w czasie rzeczywistym.

Na hali nowy operator na okresie próbnym ma kartę stanowiskową, nie dostaje kluczy do magazynu, pierwszą sztukę podpisuje mu brygadzista, a przy maszynie jest grzybek bezpieczeństwa. Maszyna bez wyłącznika awaryjnego nie przejdzie odbioru. U nas agent bez przycisku STOP nie wchodzi na produkcję.

Zanim wpuścisz agenta do systemów firmy

  1. Zakres kompetencji spisany przed startem. Uprawnienia wynikają z zadania, a nie „na wszelki wypadek”.
  2. Twardy limit liczby działań i budżetu.
  3. Podpis człowieka przed każdym krokiem nieodwracalnym: wysyłką, płatnością, publikacją.
  4. Natychmiastowe zatrzymanie, czyli grzybek bezpieczeństwa.
  5. Dziennik decyzji: co, kiedy i na jakiej podstawie agent zrobił.
  6. Dane do modelu ograniczone technicznie, a nie regulaminem. Tam, gdzie wymaga tego ryzyko, model działający lokalnie.
  7. Start w środowisku testowym i pilotaż na jednym procesie.

Bez punktów 2, 3 i 4 nie oddajemy agenta na produkcję.

Jedna rzecz, o której łatwo zapomnieć: polecenie w instrukcji agenta („nie wysyłaj niczego bez zgody”) to prośba, nie blokada. Model zwykle się stosuje, ale nie musi. Blokadą są uprawnienia konta, z którego agent korzysta, i techniczny wymóg potwierdzenia.

A AI Act? Unijne rozporządzenie nie zna kategorii „agent”. Ocenia zastosowanie według ryzyka, więc ten sam agent może być nieistotny prawnie przy porządkowaniu maili i objęty obowiązkami przy ocenie kandydatów do pracy. Obowiązki dla systemów wysokiego ryzyka zostały w 2026 r. przesunięte (rozporządzenie 2026/1744): dla zastosowań z załącznika III obowiązują od 2 grudnia 2027 r. Więcej o tym na szkoleniu z bezpieczeństwa i compliance AI.

Jak zbudować agenta AI?

  1. Gotowy tryb agenta w ChatGPT, Claude albo Copilocie. Dobry dla jednej osoby i zadań, które nie wymagają dostępu do systemów firmy.
  2. Narzędzia no-code, np. n8n albo Copilot Studio. Węzeł „AI Agent” w n8n to agent osadzony w workflow: szkielet procesu ustalasz Ty, a w jednym miejscu decyzję podejmuje model. Warto wiedzieć, która część decyduje sama.
  3. Własny kod z narzędziami podłączonymi przez MCP. Tu buduje się granice, panel operatora z podglądem na żywo i dziennik decyzji. Tak pracujemy przy agentach AI dla firm.

Niezależnie od drogi trudniejsza od techniki jest decyzja, co agent ma robić, czego mu nie wolno i kto zatwierdza jego pracę. Jeśli dane leżą w Excelu i w głowach, zacznijcie od uporządkowania ich i od prostych automatyzacji. Agent ma sens wtedy, gdy pojedyncze kroki są już zautomatyzowane i trzeba je spiąć w proces.

Dla developerów: workflow czy agent, i ile agentów naraz

Anthropic definiuje workflow jako system, w którym modele i narzędzia są „orkiestrowane przez z góry zdefiniowane ścieżki w kodzie”, a agenta jako system, w którym model „dynamicznie kieruje własnym procesem i użyciem narzędzi”. W praktyce agenci to zwykle „po prostu modele używające narzędzi w pętli na podstawie informacji zwrotnej ze środowiska”.

Andrew Ng w marcu 2024 r. spopularyzował pojęcie „agentic workflows” i cztery wzorce: refleksję (model ocenia własny wynik), użycie narzędzi, planowanie i współpracę kilku agentów. Ten ostatni kusi najbardziej, ale każdy dodatkowy agent to kolejny punkt awarii i kilkanaście razy większe zużycie tokenów. Zacznij od jednego agenta z dobrze opisanymi narzędziami. Pracę z agentem w terminalu (plan, punkty kontrolne, subagenci) ćwiczymy na szkoleniu Claude CLI.

Co oznacza agentowa AI (agentic AI)?

Agentowa AI to szersze określenie systemów, w których model działa, a nie tylko odpowiada. Agent AI to pojedynczy taki system. Generatywna AI tworzy treść, agentowa wykonuje działania, często z tą pierwszą w środku. Po polsku poprawna forma to „agentowa”, a nie „agentyczna”: Poradnia PWN zauważa, że ta pierwsza wyraźnie dominuje w użyciu.

Termin jest dziś na szczycie oczekiwań. Gartner umieścił agentową AI w kwietniu 2026 r. na „szczycie zawyżonych oczekiwań” w swoim cyklu hype’u. Według ankiety wśród dyrektorów IT agentów wdrożyło dopiero 17% organizacji, a ponad 60% planuje to w ciągu dwóch lat. Ta sama firma przewiduje, że ponad 40% projektów agentowych zostanie anulowanych do końca 2027 r. z powodu kosztów, niejasnej wartości albo słabej kontroli ryzyka. Obie liczby mówią to samo: agentów nie wdraża się „bo wszyscy wdrażają”.

Jakie są typy agentów AI?

Są dwa podziały i warto ich nie mieszać. Podręcznikowy, z klasycznej książki Russella i Norviga o sztucznej inteligencji, dzieli agentów na odruchowych, odruchowych z modelem świata, celowych, opartych na użyteczności i uczących się. To klasyfikacja sprzed modeli językowych: opisuje termostat równie dobrze jak ChatGPT.

Praktyczny podział w 2026 r. wygląda tak:

  • agent w czacie: tryb agenta w ChatGPT albo Claude, dla jednej osoby;
  • agent programistyczny: np. Claude Code albo Codex, pisze i testuje kod w repozytorium;
  • agent procesowy: działa w systemach firmy, np. przy zamówieniach, dokumentach albo zgłoszeniach;
  • agent głosowy: prowadzi rozmowę telefoniczną i wykonuje działania w jej trakcie;
  • system wieloagentowy: kilku agentów z podziałem ról, np. jeden planuje, drugi wykonuje, trzeci sprawdza.

Najczęstsze pytania

Czy agent AI może działać bez człowieka?

Bez nadzoru przy każdym kroku tak, bez granic nie. Agent sam wybiera kolejne kroki, ale limit działań, podpis człowieka przed krokiem nieodwracalnym i możliwość natychmiastowego zatrzymania są stałe. Autonomia agenta to ustawienie, a nie cecha.

Czym różni się agent AI od asystenta AI?

Asystent podpowiada i czeka na człowieka: pisze szkic maila, streszcza dokument. Agent wykonuje: sam wysyła zapytanie do systemu, sprawdza wynik i decyduje o następnym kroku. Wiele narzędzi ma dziś oba tryby.

Agenci czy agenty AI?

Według Poradni PWN o programach poprawnie mówi się „agenty AI”, a „agenci” to ludzie. W praktyce, także w wyszukiwarce, dominuje „agenci AI”. Obie formy są zrozumiałe. Różnią się tylko w mianowniku i bierniku liczby mnogiej, w pozostałych przypadkach („agentów”, „agentom”) brzmią tak samo.

Czy jest darmowy agent AI?

Są darmowe plany i narzędzia open source, z których da się zbudować agenta. Przy danych firmy liczy się jednak przede wszystkim to, dokąd te dane trafiają i kto ma do nich dostęp. Za agenta pracującego na danych firmy ktoś zawsze płaci, pieniędzmi albo danymi.

Czy agent AI zastąpi pracownika?

Agent przejmuje kawałek procesu, nie stanowisko. Najlepiej sprawdza się tam, gdzie zdejmuje z ludzi powtarzalną robotę, a decyzje ze skutkami finansowymi lub prawnymi zostawia człowiekowi.

Jak nauczyć się budować agentów AI?

Najszybciej na własnym, małym zadaniu: tryb agenta w czacie, potem prosty workflow w n8n, potem kod. Dla zespołów technicznych prowadzimy szkolenie z pracy z agentem w terminalu, na Waszym repozytorium i Waszych zadaniach.

Agent czy zwykła automatyzacja: co wybrać w Twojej firmie?

Jeśli z kart na górze wyszło „agent ma sens” albo „najpierw zasady bezpieczeństwa”, to robimy dokładnie te dwie rzeczy. Opisz jeden proces, a powiemy, czy potrzebny jest agent, czy wystarczy zwykła automatyzacja. Czasem odpowiedź brzmi: wystarczy automatyzacja. Szczegóły: agenci AI dla firm, szkolenia z bezpieczeństwa AI, kontakt.

Stan na 16 października 2026 r. Ceny modeli i przepisy zmieniają się często, więc aktualizujemy to hasło co kwartał.

Źródła

Powiązane pojęcia

← Cały słownik „Od AI do Z"