Rozdział 6
Agent AI (AI agent): co to jest i jak działa
Agent AI to program, który dostaje cel i sam dobiera kroki, żeby go osiągnąć. Model językowy (LLM) wybiera kolejny krok, a narzędzia pobierają dane i działają w systemach firmy. Zasady firmy wyznaczają, do czego agent ma dostęp i kiedy decyduje człowiek.
Jak działa agent AI: od sprawy do sieci współpracy
S1
Sprawa i notatnik agenta
Praca agenta zaczyna się od sprawy. Agent rozpisuje ją na kroki w terminalu, swoim notatniku poleceń.
Kto o tym decyduje u Was
Właściciel procesu wskazuje, które sprawy trafiają do agenta.
Schemat pojęcia, a nie opis produktu Aiversum. Sprawy, kwoty, numery dokumentów i nazwy firm na ekranie to dane przykładowe.
Co z tego działa dziś
- Działa u klientaObsługa klienta: korespondencja, CRM, szkic
- Działa u klientaDostęp do CRM przez siedem nazwanych narzędzi, tylko odczyt
- Działa u klientaUdział plikowy klienta jako źródło wiedzy
- Działa u klientaWysyłka wyłącznie po zatwierdzeniu szkicu przez człowieka, zatwierdzenie w dzienniku
- Działa u klientaAzure OpenAI w tenancie klienta
Co ustawiamy przy wdrożeniu
- Tożsamość decyzji z uwierzytelnienia, odrzucanie i zapis żądań bez tożsamości
- Kilku agentów z osobnymi zakresami w jednym środowisku
- Zlecanie pracy podagentom z weryfikacją zlecenia
- Wiedza firmy w formie dla agenta (źródło, data, pewność, ważność)
- Predykcje ML w pracy agenta
- Próg pewności kierujący sprawę do człowieka
- Sieć agentów działów z nadzorcą
- Raport dla zarządu z pracy agentów
Co to znaczy dla Twojej firmy
Koszt
Każdy krok agenta to osobne zapytanie do modelu, zwykle rozliczane w tokenach, czyli kawałkach tekstu. Sprawa w dziesięciu krokach kosztuje więc więcej niż jedno pytanie w czacie.
Rachunek rośnie z liczbą kroków i ceną modelu. Rośnie też z długością kontekstu, czyli ilością tekstu, który model czyta w każdym kroku.
Do tego dochodzi praca jednorazowa: opis procesu i narzędzia do Waszych systemów. Liczcie też czas ludzi, którzy sprawdzają i zatwierdzają wyniki. Własne liczby podstawicie w haśle „Koszt AI w firmie”.
Ryzyko
Agent działa w Waszych systemach. Jego pomyłka to zła czynność, np. wysłany mail albo zmieniony wpis.
SailPoint, dostawca zabezpieczeń tożsamości, opublikował 28.05.2025 r. raport „AI agents: The new attack surface”. W raporcie 80% firm zgłosiło niezamierzone działania swoich agentów.
Wśród przykładów było wejście do nieuprawnionych systemów i dostęp do danych wrażliwych. Odpowiadali specjaliści IT z dużych firm. To ich deklaracje, bez pomiaru w systemach.
Decyzja
Zacznijcie od jednego powtarzalnego procesu, który ma nazwanego właściciela. Na piśmie ustalcie, do których systemów agent sięga i czy tylko czyta.
Wypiszcie kroki, które zawsze zatwierdza człowiek. Sprawdźcie też, czy każde zatwierdzenie trafia do dziennika razem z tożsamością osoby. Pilot na jednym procesie pokaże koszt i ryzyko na Waszych danych.
Pytania do dostawcy i IT
- Do których naszych systemów agent będzie miał dostęp i czy tylko do odczytu?
- Czy dostęp idzie przez nazwane narzędzia o określonym zakresie, czy przez konsolę z szerokimi prawami?
- Które kroki agent wykonuje sam, a które czekają na zatwierdzenie człowieka?
- Gdzie działa model i czy dane sprawy opuszczają nasze środowisko?
- Co zapisuje dziennik: kto zatwierdził, jakie narzędzie wywołano i na jakich danych?
Krok po kroku
Schemat pojęcia, a nie opis produktu Aiversum. Sprawy, kwoty, numery dokumentów i nazwy firm na ekranie to dane przykładowe.
- 01
Sprawa i notatnik agenta
Praca agenta zaczyna się od sprawy. Agent rozpisuje ją na kroki w terminalu, swoim notatniku poleceń.
Kto o tym decyduje u Was: Właściciel procesu wskazuje, które sprawy trafiają do agenta.
- 02
Narzędzia sięgają do systemów
Agent pobiera dane przez narzędzia, jak pracownik z przepustką do wybranych pokoi. Widzi tylko systemy, na które pozwoliliście.
Kto o tym decyduje u Was: IT wskazuje systemy i zakres: odczyt czy zapis. Zarząd zatwierdza ten zakres.
- 03
Kontekst: teczka sprawy
Z danych agent składa teczkę sprawy (kontekst). O tej sprawie model wie tylko to, co leży w teczce.
Kto o tym decyduje u Was: Właściciel danych decyduje, co wolno włożyć do kontekstu. Inspektor ochrony danych doradza i sprawdza.
- 04
Mózg: model językowy
Model językowy czyta teczkę jak nowy referent i proponuje kolejny krok. Model można wymienić, ale po testach.
Kto o tym decyduje u Was: IT i bezpieczeństwo ustalają, gdzie pracuje model. Zarząd akceptuje dostawcę i umowę.
- 05
Wiedza organizacji
Agent sprawdza opis procesu i zasady firmy. Bez nich musiałby zgadywać, jak to się u Was robi.
Kto o tym decyduje u Was: Właściciel procesu odpowiada za to, czy opis procesu i zasad jest aktualny.
- 06
Instrukcje i połączenia
Agent dostaje spisane instrukcje i dostęp przez wspólny standard połączeń. Integrację z systemem budujecie raz i korzysta z niej każdy agent zgodny ze standardem.
Kto o tym decyduje u Was: Właściciel procesu zatwierdza instrukcje. IT zatwierdza każde nowe połączenie.
- 07
Prognozy: klasyczne uczenie maszynowe
Klasyczne modele liczą prognozy, jak controller porównujący kwoty z historią. Agent korzysta z ich wyniku.
Kto o tym decyduje u Was: Controlling lub zespół danych odpowiada za jakość prognoz i częstotliwość ich sprawdzania.
- 08
Próg pewności
Gdy system nie jest pewny, sprawa trafia do człowieka. Próg ustalacie Wy, jak limit podpisu.
Kto o tym decyduje u Was: Zarząd i właściciel procesu ustalają próg i listę spraw, które zawsze idą do człowieka.
- 09
Człowiek w pętli
Człowiek decyduje, co wychodzi na zewnątrz. Każde zatwierdzenie trafia do dziennika.
Kto o tym decyduje u Was: Zarząd wskazuje, kto podpisuje się pod decyzją i kto przegląda dziennik.
- 10
Działy, nadzorca, zarząd
Agenci działów raportują do nadzorcy, jak kierownicy zmian do dyrektora. Zarząd dostaje zestawienie wyników i wyjątków.
Kto o tym decyduje u Was: Zarząd ustala, co trafia do raportu i kto go czyta.
- 11
Nowa sieć współpracy
Jedni agenci pomagają ludziom, inni pilnują procesów. Ludzie decydują i odpowiadają za wynik.
Kto o tym decyduje u Was: Zarząd i HR ustalają, jak rozmawiacie z zespołem o zmianie ról.
Jak działa agent AI?
Agent pracuje w pętli. Dostaje cel, wybiera krok, sprawdza wynik i wybiera następny krok. Kończy, gdy osiągnie cel, trafi na przeszkodę albo wyczerpie ustalony limit kroków.
Taką pętlę, czyli rozumowanie przeplatane z działaniem, opisała w 2022 r. praca ReAct. Napisali ją badacze z Princeton i Google.
Anthropic opisuje agenta jako system, w którym model sam kieruje swoją pracą i użyciem narzędzi. Po każdym kroku agent powinien dostać z otoczenia twardą informację, np. wynik wywołania narzędzia. Na tej podstawie ocenia, jak daleko jest od celu.
Anthropic wymienia też warunek stopu, np. największą dozwoloną liczbę kroków. Agent może się też zatrzymać i poprosić człowieka o decyzję.
OpenAI wymienia trzy części agenta: model, narzędzia i instrukcje. Model wybiera kolejny krok. Narzędzia pobierają dane i wykonują czynności, a instrukcje mówią, jak prowadzić sprawę.
Weźmy nowego pracownika biura. Dostaje sprawę, segregator z procedurami i kartę dostępu do kilku szaf. Pisma wychodzące podpisuje kierownik.
Agent ma to samo w wersji cyfrowej. Karta dostępu to uprawnienia narzędzi, a segregator to instrukcje. Podpis kierownika to zatwierdzenie przez człowieka (human in the loop).
Tę otoczkę wokół modelu nazywamy warstwą kontroli (harness). Sam model niczego w systemach nie wykonuje. Pisze tekst, także polecenie użycia narzędzia.
Polecenie wykonuje program wokół modelu. To on może sprawdzić, czy polecenie jest dozwolone.
Stąd różnica między modelem językowym a agentem. Model odpowiada na jedno pytanie. Agenty AI prowadzą całą sprawę przez wiele kroków i kilka systemów.
Model językowy (LLM) a agent AI
| Model językowy (LLM) | Agent AI | |
|---|---|---|
| Co dostaje | Pytanie albo polecenie | Cel albo sprawę do załatwienia |
| Co oddaje | Tekst odpowiedzi | Wynik sprawy po wielu krokach |
| Dostęp do systemów | Sam z siebie żaden, widzi tylko to, co dostał | Przez narzędzia, w granicach ustalonych przez firmę |
| Pamięć | Tylko bieżący kontekst | Pamięć spraw, jeśli ktoś ją zbudował i dopuścił |
| Kto pilnuje | Użytkownik czyta odpowiedź | Warstwa kontroli i człowiek, który zatwierdza |
| Skutek błędu | Zła odpowiedź | Zła czynność w systemie firmy |
Pamięć agenta: co agent pamięta między sprawami
Model językowy sam nie pamięta poprzednich rozmów. Przy każdym zapytaniu widzi tylko okno kontekstowe (context window). To jego biurko: cały tekst, który model ma w danej chwili przed sobą.
Pamięć agenta buduje więc program wokół modelu. Zespół z Princeton opisał w pracy CoALA cztery jej rodzaje.
Pamięć robocza to bieżąca sprawa. Pamięć epizodyczna to zapis wcześniejszych spraw i ich przebiegu. Pamięć semantyczna to wiedza o świecie i o firmie, np. cennik albo regulamin.
Pamięć proceduralna to umiejętności: wyuczone na treningu albo zapisane w kodzie i instrukcjach. W biurze to kolejno biurko, archiwum spraw, firmowa baza wiedzy i instrukcja stanowiskowa. Do archiwum i bazy wiedzy agent sięga przez wyszukiwanie, często w formie narzędzia.
Czego program nie zapisał, tego agent przy następnej sprawie nie zna. Dla firmy pamięć to więc decyzja o danych. Ustalcie, co agent zapisuje, gdzie to leży i kto może to usunąć.
Pamięć z danymi klientów traktujcie jak każdy inny zbiór tych danych. Jeśli są w niej dane osobowe, obowiązuje ją RODO.
Pomocnik pracownika a opiekun procesu
W encyklopedii rozróżniamy dwie role agenta w firmie. Pomocnik pracownika pracuje dla konkretnej osoby, np. przygotowuje szkic odpowiedzi na maila. Człowiek czyta, poprawia i wysyła.
Opiekun procesu pracuje dla procesu. Pilnuje, żeby sprawy przechodziły kolejne etapy w granicach wyznaczonych przez firmę. Człowiek wchodzi przy wyjątkach i decyzjach, które zastrzegliście dla siebie.
Role różnią się autonomią. Przy pomocniku każdy wynik zatwierdza pracownik. Przy opiekunie firma z góry wskazuje właściciela procesu, który ustala granice agenta.
Taki pomocnik działa dziś u naszego klienta w obsłudze korespondencji. Działa u klienta Agent przygotowuje szkic. Wysyłka rusza dopiero po zatwierdzeniu przez człowieka, a zatwierdzenie trafia do dziennika. Działa u klienta
Opiekuna procesu ustawiamy w granicach, które wyznacza właściciel procesu.
Nasz silnik aiv to program, który prowadzi agentów. Silnik zleca zadania innym agentom i sprawdza, czy zlecenie naprawdę poszło. Zestaw ról agentów składamy przy wdrożeniu.
Agenta łatwo pomylić z RPA. RPA to roboty klikające według sztywnego skryptu, a agent sam dobiera kroki do sprawy.
Z naszej praktyki: agent sprawdza agenta
We wrześniu 2026 r. sprawdzaliśmy własny kod. Jeden agent go napisał, a drugi dostał zadanie znaleźć w nim błędy. Wskazał poważne usterki, które autor przeoczył.
O tym, co poprawić i co włączyć do kodu, zdecydował człowiek. Drugi agent pomaga, gdy ma polecenie szukać błędów i się sprzeciwiać. Sama obecność drugiego agenta nie wystarcza.
Wniosek dla firmy: ostatnie słowo należy do człowieka, który podpisuje się pod wynikiem.
Każde zdanie o aiv ma stan z rejestru. Pełny rejestr z datą: /stan.
Przykład
Przykład ilustracyjny: faktury do akceptacji
Kontroler finansowy zleca agentowi zadanie: zestaw faktury z tego tygodnia do akceptacji. Agent pobiera listę faktur z systemu księgowego, tylko do odczytu. Przy każdej sprawdza, czy ma zamówienie i potwierdzony odbiór.
Faktury bez odbioru oznacza jako wyjątki i opisuje, czego brakuje. Zestawienie trafia do kontrolera, który zatwierdza albo odsyła pytania. Agent niczego nie płaci i niczego nie zmienia w systemie.
Przy każdej fakturze kontroler widzi, skąd agent wziął dane i które pole budzi wątpliwość. Wszystkie dane w przykładzie są wymyślone.
Przykład ilustracyjny, nie opis wdrożenia.
Najczęstsze pytania
Z czego składa się agent AI?
Z modelu językowego, narzędzi i instrukcji. Model wybiera kolejny krok, a narzędzia pobierają dane i wykonują czynności. Instrukcje opisują, jak prowadzić sprawę.
Wokół nich działa warstwa kontroli (harness). To tożsamość agenta, uprawnienia, dziennik i punkty, w których decyduje człowiek. Od tej warstwy zależy, co agent zrobi bez pytania.
Czym agent różni się od modelu językowego (LLM)?
Model językowy odpowiada tekstem na to, co dostał. Agent używa modelu do wyboru kroków, a narzędzi do ich wykonania.
Ten sam model może pracować w czacie i w agencie. Różnicę robią narzędzia, zasady i pętla, w której agent sprawdza wynik każdego kroku.
Czy agent ma dostęp do wszystkich danych firmy?
Ma taki dostęp, jaki dostaną jego konto i narzędzia. Microsoft w raporcie Work Trend Index 2026 radzi działom IT zarządzać każdym agentem. Każdy ma mieć tożsamość, uprawnienia i zasady, od uruchomienia do wyłączenia.
Dobra zasada: tyle dostępu, ile wymaga zadanie, i zakres zapisany na piśmie. W naszym wdrożeniu agent sięga do CRM tylko przez nazwane narzędzia do odczytu. Działa u klienta Działają jak okienko podawcze: agent dostaje tylko to, o co wolno mu zapytać.
Czy agent pamięta poprzednie sprawy?
Sam model nie pamięta. Agent pamięta tyle, ile zapisze program wokół niego: sprawę, archiwum, bazę wiedzy, instrukcje.
To Wy decydujecie, co trafia do pamięci i jak długo tam leży. Ustalcie też, kto może te zapisy usunąć. Szczegóły są w sekcji o pamięci agenta.
Agenci AI czy agenty AI?
Obie formy są w użyciu. W Poradni Językowej PWN (28.02.2025) dr Rafał Sidorowicz uznaje „agenty AI” za formę poprawną. To termin informatyczny, który opisuje programy.
Według tej odpowiedzi forma „agenty” odróżnia programy od ludzi, np. agentów handlowych. W tekście używamy obu form.
Częste nieporozumienia
- „Agent zna wszystko, co jest w naszych systemach.” Nie zna. Widzi tylko to, co narzędzia pobrały do kontekstu przy tej sprawie.
- „Agent uczy się na każdej sprawie.” W typowym wdrożeniu model nie uczy się w trakcie pracy. Agent może zapisywać notatki w pamięci, jeśli ktoś ją zbudował i dopuścił.
- „Im więcej dostępu, tym lepszy agent.” Każde dodatkowe uprawnienie to kolejna droga do pomyłki. Agent powinien dostać tyle dostępu, ile wymaga zadanie.
Powiązane hasła
Źródła
- Building effective agents — Anthropic, publikacja 2024-12-19, dostęp 2026-09-26
- A practical guide to building agents (data z metadanych pliku i pierwszych wzmianek; wydawca nie podaje daty) — OpenAI, publikacja 2025-04, dostęp 2026-09-26
- ReAct: Synergizing Reasoning and Acting in Language Models (Yao i in., arXiv:2210.03629) — arXiv / ICLR 2023, publikacja 2022-10-06, dostęp 2026-09-26
- Cognitive Architectures for Language Agents (Sumers, Yao, Narasimhan, Griffiths, arXiv:2309.02427; v3 z 15.03.2024, wersja przyjęta w TMLR) — arXiv / TMLR 2024, publikacja 2023-09-05, dostęp 2026-09-26
- 2026 Work Trend Index: Agents, human agency and the opportunity for every organization — Microsoft WorkLab, publikacja 2026-05-05, dostęp 2026-09-26
- SailPoint research highlights rapid AI agent adoption, driving urgent need for evolved security (raport „AI agents: The new attack surface”, badanie Dimensional Research, 353 respondentów) — SailPoint, publikacja 2025-05-28, dostęp 2026-09-26
- Agenty AI (odpowiedź dr. Rafała Sidorowicza, Uniwersytet Szczeciński) — Poradnia Językowa PWN, publikacja 2025-02-28, dostęp 2026-09-26
Hasło pisze i przegląda Damian Świderek. Każdy fakt ma źródło z datą dostępu. Twierdzenia o aiv mają stan z rejestru /stan. Widzisz błąd? Napisz na hello@aiversum.ai.
Sprawdź w kilka minut, czy Twój proces nadaje się dla agenta. Wynik zobaczysz od razu, bez podawania kontaktu.
Sprawdź swój proces