W skrócie - Agenci AI w przedsiębiorstwie
- Agenci AI to wyspecjalizowane komponenty programowe realizujące zadania biznesowe autonomicznie - w odróżnieniu od chatbotów (tylko odpowiedzi) czy RPA (tylko reguły).
- Trzy typy: Document Agents (odczyt i przetwarzanie dokumentów), Workflow Agents (orkiestracja procesów między systemami), Knowledge Agents (odpowiedzi kontekstowe z wiedzy firmowej).
- McKinsey (2024) szacuje, że agenci AI mogą zautomatyzować do 30% godzin pracy w większości zawodów do 2030 roku.
- Agent to nie model - model językowy jest wymienny, agent dostarcza logikę biznesową, integrację systemową i governance.
- Wdrożenie w organizacji wymaga Decision Layer między agentem a systemem docelowym - aby każda zautomatyzowana decyzja była przejrzysta, audytowalna i zgodna z regulacjami.
Czym jest agent AI?
Agent AI to wyspecjalizowany komponent programowy, który na bazie dużych modeli językowych (LLM) autonomicznie realizuje zadania biznesowe. W odróżnieniu od chatbota, który odpowiada na pytania, agent wykonuje działania: odczytuje dokument, ocenia jego zawartość, podejmuje decyzje i uruchamia akcje w systemie docelowym.
Agenci AI w kontekście korporacyjnym nie działają dowolnie. Operują w ramach zdefiniowanych granic: zestawów reguł, zakresów obowiązywania, progów pewności, reguł eskalacji. Każda decyzja agenta jest przejrzysta i audytowalna.
Podstawą agenta AI jest model językowy - Claude, ChatGPT, Gemini, Llama, Mistral, DeepSeek lub gpt-oss. Model dostarcza rozumienie języka. Agent dostarcza logikę biznesową, integrację systemową i governance.
Rozgraniczenie: Agent AI vs. chatbot vs. RPA
Te trzy koncepcje są często mylone. Rozwiązują różne problemy.
Chatbot: Chatbot odpowiada na pytania w języku naturalnym. Nie ma zdolności do działania. Gdy pracownik pyta “Ile dni urlopu mi jeszcze zostało?”, chatbot odpowiada. Nie rezerwuje urlopu, nie sprawdza reguł, nie tworzy Audit Trail.
RPA (Robotic Process Automation): RPA automatyzuje powtarzalne zadania oparte na regułach poprzez interfejsy użytkownika. Bot RPA klika przez SAP, kopiuje dane z A do B, wypełnia formularze. RPA nie rozumie języka. Gdy formularz się zmienia, bot przestaje działać.
Agent AI: Agent AI rozumie kontekst, interpretuje nieustrukturyzowane dane i podejmuje decyzje. Odczytuje fakturę - niezależnie od formatu - rozumie jej zawartość, stosuje zestawy reguł i generuje propozycje księgowania. Gdy format faktury się zmienia, agent działa dalej, bo rozumie treść, a nie rozpoznaje układ strony.
| Właściwość | Chatbot | RPA | Agent AI |
|---|---|---|---|
| Rozumienie języka | Tak | Nie | Tak |
| Zdolność do działania | Nie | Tak (oparta na regułach) | Tak (oparta na kontekście) |
| Nieustrukturyzowane dane | Tak | Nie | Tak |
| Governance/Audyt | Nie | Częściowo | Tak (przez Decision Layer) |
| Integracja systemowa | Powierzchowna | Przez UI | Przez API/Integration Layer |
| Adaptacja do zmian | Zmiana promptu | Przeprogramowanie bota | Agent uczy się kontekstu |
Trzy typy agentów AI w organizacji
W architekturze Gosign wyróżniamy trzy typy agentów. Każdy typ ma zdefiniowany zakres zadań i operuje w granicach, które wyznacza Decision Layer.
Document Agents
Document Agents odczytują, rozumieją i przetwarzają dokumenty. Faktury, zwolnienia lekarskie, umowy, zaświadczenia, dowody księgowe, korekty.
Kluczowa różnica wobec OCR lub rozpoznawania szablonów: Document Agents mają prawdziwe rozumienie języka. Nie rozpoznają pól na określonych pozycjach strony, lecz rozumieją treść dokumentu. Faktura w formacie PDF, jako zeskanowany obraz lub jako załącznik e-mail - Document Agent rozumie wszystkie trzy.
Document Agent do przetwarzania dokumentów księgowych odczytuje fakturę przychodzącą i wyodrębnia: wystawcę, kwotę, opis usługi, datę, stawkę podatkową, dane bankowe. Generuje ustrukturyzowany zestaw danych, który przekazywany jest do Decision Layer.
Document Agents nie działają w izolacji. Są punktem wejściowym workflow - po odczytaniu dokumentu przejmuje Workflow Agent.
Workflow Agents
Workflow Agents orkiestrują procesy między systemami. Koordynują przebieg między Document Agent, Decision Layer i systemem docelowym.
Workflow Agent do przetwarzania faktur koordynuje: Document Agent odczytuje fakturę -> Decision Layer sprawdza propozycję księgowania -> przy wysokiej pewności księgowanie trafia do systemu docelowego -> przy niskiej pewności eskalacja do referenta -> po zatwierdzeniu księgowanie jest finalizowane -> cały proces jest dokumentowany w Audit Trail.
Workflow Agents obsługują także wyjątki: Co się dzieje, gdy system docelowy jest niedostępny? Co się dzieje przy timeout? Co się dzieje, gdy referent nie reaguje? Workflow Agent ma reguły eskalacji, mechanizmy ponownych prób i logikę timeout.
Orkiestracja workflow odbywa się przez Trigger.dev lub Camunda - w zależności od złożoności i wymagań compliance klienta. Workflow są wizualizowane, wersjonowane i możliwe do dostosowania bez programowania.
Knowledge Agents
Knowledge Agents dostarczają odpowiedzi oparte na kontekście z wiedzy firmowej. Porozumienia zakładowe, regulaminy, układy zbiorowe, reguły compliance, wewnętrzne polityki.
Różnica wobec funkcji wyszukiwania: Knowledge Agent rozumie pytanie, szuka w odpowiednim kontekście i dostarcza odpowiedź ze źródłem i wersją regulaminu. Gdy referent pyta “Czy dodatek za pracę nocną obowiązuje również dla pracowników na pół etatu w regionie zachodnim?”, Knowledge Agent dostarcza odpowiedź z odwołaniem do obowiązującego porozumienia zakładowego w aktualnej wersji.
Knowledge Agents wykorzystują RAG (Retrieval Augmented Generation): Wiedza firmowa jest indeksowana w wektorowej bazie danych. Agent wyszukuje odpowiednie fragmenty i generuje odpowiedź na podstawie tych źródeł - nie na podstawie swojego treningu.
Każda odpowiedź zawiera: źródło, wersję regulaminu, datę obowiązywania. Żadnych halucynacji, żadnych zmyślonych odniesień do regulaminów.
Jak agenci AI współdziałają w architekturze korporacyjnej
Trzy typy agentów nie działają w izolacji. W typowej implementacji korporacyjnej Workflow Agent orkiestruje cały proces i deleguje do wyspecjalizowanych Document i Knowledge Agents.
Przykład z obsługi kadrowej: Wpływa zwolnienie lekarskie (e-mail z załącznikiem PDF). Document Agent odczytuje zwolnienie i wyodrębnia: pracownika, okres, zaświadczenie lekarskie, zaświadczenie kontynuacyjne. Knowledge Agent sprawdza: Jakie reguły obowiązują dla tego pracownika? Układ zbiorowy, porozumienie zakładowe, indywidualne uzgodnienia dodatkowe. Decision Layer ocenia: Czy kontynuacja wynagrodzenia jest prawidłowo obliczona? Czy terminy się zgadzają? Workflow Agent koordynuje cały przebieg i zapewnia aktualizację wszystkich systemów.
Każdy agent ma swój zdefiniowany zakres zadań. Żaden agent nie “decyduje” samodzielnie o krytycznych procesach biznesowych. Decision Layer znajduje się między agentem a systemem docelowym i zapewnia governance.
Agnostyczność modelowa: Agent to nie model
Częste nieporozumienie: Agent to nie model językowy. Model (Claude, ChatGPT, Llama) dostarcza rozumienie języka. Agent dostarcza logikę biznesową, integrację systemową, governance.
W architekturze Gosign warstwa modelowa jest wymienna. Gdy pojawia się nowy model - wydajniejszy, tańszy, z lepszą licencją - może zostać zintegrowany bez zmian w warstwach wyższych. Logika biznesowa w Decision Layer, workflow, zestawy reguł pozostają niezmienione.
Agent może też korzystać z wielu modeli: Tańszy model open-source do wstępnej klasyfikacji i wydajniejszy model do złożonych decyzji. Routing między modelami jest konfigurowalny.
Ta agnostyczność modelowa zapobiega uzależnieniu od dostawcy (vendor lock-in). Żadna firma nie jest uzależniona od jednego dostawcy modeli.
Wymagania dla agentów AI w organizacjach
Agenci AI w środowiskach korporacyjnych wymagają więcej niż modelu językowego:
Governance: Każda decyzja agenta musi być przejrzysta i audytowalna. Decision Layer to zapewnia.
Integracja: Agenci muszą być zintegrowani z istniejącymi systemami - SAP, Comarch, Workday, SuccessFactors, SharePoint. Integration Layer oddziela logikę agenta od systemu docelowego.
Infrastruktura: Agenci wymagają środowiska uruchomieniowego: hosting LLM, wektorowe bazy danych dla RAG, silnik workflow, API Gateway. Ta infrastruktura może działać w chmurze, self-hosted lub hybrydowo.
Współdziałanie z pracownikami: W Polsce Rada Zakładowa lub przedstawiciele pracowników mają prawo do informacji i konsultacji przy wdrażaniu systemów AI. Architektura musi to uwzględniać od początku.
Więcej na ten temat: AI Agents - szczegóły
Umów spotkanie - Pokażemy, który typ agenta pasuje do Twojego procesu.
Bert Gogolin
Dyrektor Generalny, Gosign
AI Governance Briefing
Enterprise AI, regulacje i infrastruktura - raz w miesiącu, bezpośrednio ode mnie.