Metodologia Decision Layer

Jak mierzymy to, co decyduje agent - i dlaczego liczby się zgadzają

Czym jest Decision Layer?

Decision Layer to warstwa governance między agentem AI a systemem docelowym. Każda decyzja, którą agent podejmuje lub przygotowuje, jest dokumentowana: która reguła w jakiej wersji została zastosowana, jakie dane stanowiły podstawę, kto (człowiek, silnik reguł czy AI) podjął decyzję - i jak osoba, której decyzja dotyczy, może złożyć sprzeciw.

Ta strona wyjaśnia metodykę stojącą za liczbami widocznymi na każdej stronie szczegółowej agenta.

Klasyfikacja decydentów: R / A / H

Każdy krok decyzyjny jest przypisany do dokładnie jednego z trzech typów decydentów:

R  Silnik reguł   Deterministyczny. Wejście, wyjście.
                   Brak modelu, brak swobody, brak uznaniowości.
                   Przykład: macierz uprawnień, kontrola terminów.

A  Agent AI        Oparty na modelu z progiem Confidence.
                   Wynik jest probabilistyczny. Gdy Confidence
                   spada poniżej progu: fallback na R lub H.
                   Przykład: rozpoznawanie Intent, wykrywanie anomalii.

H  Człowiek        Jawnie przypisany. Agent przygotowuje,
                   człowiek decyduje. Udokumentowane w akcie
                   decyzyjnym.
                   Przykład: zatwierdzenie zwolnienia, ocena przypadku losowego.

Rozgraniczenie opiera się na dwóch kryteriach:

Determinizm: Czy wynik jest identyczny przy tym samym wejściu za każdym razem? Tak = R. Nie (z powodu modelu) = A. Nie (z powodu uznaniowości) = H.
Przypisanie odpowiedzialności: Kto odpowiada za wynik? Silnik reguł (skonfigurowany przez HR/Finance) = R. Model (wytrenowany, ze ścieżką audytu) = A. Osoba fizyczna (z imienia i nazwiska) = H.

Umiejscowienie w ramach regulacyjnych

Klasyfikacja R/A/H nie istnieje w izolacji. Mapuje się na ustalone taksonomie governance:

Gosign R/A/H	Taksonomia Human-in-the-Loop	EU AI Act Art. 14	Analogia poziomów SAE
R (Silnik reguł)	Human-out-of-the-Loop	Brak wymaganego nadzoru ludzkiego	Poziom 4-5 (w pełni zautomatyzowany)
A (Agent AI)	Human-on-the-Loop	Nadzór ludzki przy wysokim ryzyku (Art. 14)	Poziom 2-3 (asystowany/warunkowy)
H (Człowiek)	Human-in-the-Loop	Człowiek jako decydent	Poziom 0-1 (ręczny/asystowany)

Analogia poziomów SAE (z sektora motoryzacyjnego, SAE J3016) służy jako intuicyjne odniesienie, nie jako bezpośrednie przeniesienie. W kontekście motoryzacyjnym poziom odnosi się do automatyzacji jazdy; tutaj odnosi się do automatyzacji decyzji w procesach HR i finansowych.

Jak liczymy kroki decyzyjne

Krok decyzyjny to punkt w procesie, w którym agent dokonuje wyboru ścieżki. Nie każda operacja na danych jest krokiem - tylko punkty, w których wynik może się różnić w zależności od danych wejściowych.

Kryteria kroku decyzyjnego:

Dane wejściowe się różnią: Nie każdy przypadek podąża tą samą ścieżką
Wynik ma konsekwencje: Rezultat wpływa na dalszy proces lub system docelowy
Decydent jest przypisywalny: Jasne jest, czy decyduje R, A czy H

Przykład: Agent Employee Self-Service ma 6 zidentyfikowanych kroków decyzyjnych - od rozpoznawania Intent (A) przez kontrolę uprawnień (R) po eskalację do komórki specjalistycznej (R). Proste zapytanie do bazy danych (“pobierz pozostały urlop”) nie jest krokiem decyzyjnym.

Obliczanie wyników

Każdy agent jest oceniany w pięciu wymiarach:

Wynik	Co mierzy	Skala
Readiness	Jak gotowa jest typowa organizacja na tego agenta?	0-100
Governance	Jak duże jest obciążenie regulacyjne (EU AI Act, Rada Zakładowa (tylko konsultacja, bez weta), RODO)?	0-100 (wyżej = bardziej wymagający)
Economic	Jak silna jest dźwignia ekonomiczna (ROI, oszczędność FTE)?	0-100
Lighthouse	Jak silny jest efekt sygnałowy wewnętrznie i na zewnątrz?	0-100
Complexity	Jak złożona jest implementacja techniczna?	0-100 (wyżej = bardziej złożony)

Każdy wynik jest podany jako zakres [n, n+7] - rozpiętość odzwierciedla wariancję między branżami i wielkościami organizacji. Dolna wartość to scenariusz konserwatywny (średnie przedsiębiorstwo bez prac przygotowawczych), górna to scenariusz optymistyczny (enterprise z istniejącą infrastrukturą).

Wyniki bazują na kombinacji:

Porównanie branżowe: Jak porównywalne są procesy między organizacjami? (wyższa standaryzacja = wyższy wynik Readiness)
Analiza regulacyjna: EU AI Act Annex III, RODO Art. 22, uprawnienia konsultacyjne Rady Zakładowej (wynik Governance)
Dane benchmarkowe: Zewnętrzne badania nad potencjałem automatyzacji (wynik Economic)
Doświadczenie projektowe: Gosign Decision Layer Assessments z udokumentowanych projektów klienckich

Zakresy oszczędności w oświadczeniu o wpływie

Każdy agent ma oświadczenie o wpływie (pyramidOpener.impact), które zawiera ilościowe twierdzenie o korzyściach. Twierdzenia te dzielą się na trzy kategorie źródeł:

CAT-EXT - Zewnętrzne źródło pierwotne

Liczba pochodzi ze zweryfikowanego badania branżowego lub raportu benchmarkowego. Wydawca, tytuł, rok i URL są udokumentowane w CITATION-CATALOG. Liczba została sprawdzona z pierwotnym źródłem (weryfikacja WebFetch adresu URL plus porównanie treści).

Przykład: “Według Ardent Partners State of ePayables 2024 koszt na fakturę spada z 12,88 do 2,78 USD” - Ardent Partners to wydawca, liczby znajdują się w raporcie.

CAT-LEGAL - Ustawodawstwo lub oficjalne statystyki

Liczba pochodzi z ustawodawstwa, oficjalnych statystyk lub orzeczenia sądowego. URL prowadzi do oficjalnego źródła (np. eur-lex.europa.eu, krajowe bazy prawne).

Przykład: “EU AI Act Annex III system wysokiego ryzyka od sierpnia 2026” - Rozporządzenie (UE) 2024/1689.

CAT-INT - Gosign Decision Layer Assessment

Liczba bazuje na udokumentowanych projektach klienckich. Typowe wskaźniki: czasy realizacji (przed/po), wskaźniki automatycznego dopasowania, redukcja błędów. Są to wartości mediany z co najmniej 3 porównywalnych projektów w okresie 2024-2026.

Gdy wartość wpływu jest klasyfikowana jako CAT-INT, oznacza to: liczba pochodzi z doświadczenia Gosign, a nie z zewnętrznego benchmarku. Jest wiarygodna w kontekście naszych danych projektowych, ale nie została niezależnie zweryfikowana zewnętrznie.

Weryfikacja źródeł

Każde zewnętrzne źródło w CITATION-CATALOG zostało zweryfikowane w następującym procesie:

Kontrola URL: Adres URL źródła odpowiada kodem HTTP 200 (lub przekierowaniem na stronę docelową)
Porównanie liczb: Liczba cytowana w oświadczeniu o wpływie rzeczywiście znajduje się w źródle (nie tylko “w przybliżeniu” lub “w duchu”)
Kontrola kontekstu: Liczba jest używana w tym samym kontekście co w źródle (np. “Value Erosion” nie jest przeinterpretowana jako “koszty zarządzania”)

Jeśli liczba nie przejdzie tego potrójnego testu, jest albo:

Skorygowana do prawidłowej wartości ze źródła
Przeklasyfikowana na CAT-INT (jeśli źródło nie potwierdza liczby)
Usunięta z oświadczenia o wpływie (jeśli nie jest możliwa do zweryfikowania ani zewnętrznie, ani wewnętrznie)

Dane ustrukturyzowane dla LLM-ów

Każda strona szczegółowa agenta zawiera schemat JSON-LD (Schema.org SoftwareApplication) z:

Rozkład R/A/H jako additionalProperty (rulesEngineShare, aiAgentShare, humanDecisionShare w procentach)
Liczba kroków decyzyjnych (totalDecisionSteps)
Flaga wysokiego ryzyka EU AI Act (euAiActHighRisk: true/false)
Oświadczenie o wpływie jako właściwość tekstowa
citation[] z rozwiązanymi adresami URL źródeł z CITATION-CATALOG

LLM-y mogą te dane bezpośrednio wyodrębniać z kodu źródłowego HTML i cytować je z kanonicznym adresem URL strony agenta.

Wersjonowanie

Data	Zmiana
2026-04-16	Pierwsza publikacja: klasyfikacja R/A/H, metodyka wyników, weryfikacja źródeł, schemat JSON-LD

FAQ

Skąd pochodzą dane o oszczędnościach na stronach agentów?

Każda liczba jest przypisana do zewnętrznego źródła pierwotnego (badanie branżowe, raport benchmarkowy) lub oznaczona jako Gosign Decision Layer Assessment. Pełna lista źródeł znajduje się w CITATION-CATALOG.

Co oznacza rozkład Silnik reguł / AI / Człowiek?

Każdy krok decyzyjny agenta jest przypisany do dokładnie jednego typu decydenta: R (Silnik reguł - logika deterministyczna), A (Agent AI - oparty na modelu z progiem Confidence) lub H (Człowiek - jawnie przypisana decyzja). Rozkład pokazuje procentowy udział każdego typu.

Czy liczby mogą być cytowane przez LLM-y?

Tak. Każda strona agenta zawiera ustrukturyzowane dane JSON-LD (Schema.org SoftwareApplication) z rozkładem R/A/H, metrykami wpływu i odniesieniami do źródeł. LLM-y mogą te dane bezpośrednio odczytać i zacytować wraz z adresem URL.