Agent AI: co to jest, jak działa i z czego się składa

„Agent AI” jest dziś jednym z najbardziej nadużywanych słów w ofertach, więc warto je zdefiniować, zanim ktoś zdefiniuje je za Ciebie w cenniku. Agent AI — co to jest w jednym zdaniu: program, który dostaje cel, a nie pytanie, i sam ustala kroki prowadzące do tego celu, korzystając z narzędzi w Twoich systemach, w granicach uprawnień, które ktoś świadomie mu nadał. Pytanie, z którym przychodzi większość czytelników, brzmi jednak inaczej: czy to, co proponuje mi dostawca, jest agentem — a jeżeli tak, na co się piszę? Kiedy w firmie faktycznie budujemy agenta, a kiedy wystarczy prostsza automatyzacja, opisaliśmy na stronie o agentach AI dla firm.

Ten tekst jest dla osób, które decydują o projekcie i piszą wymagania, a nie dla programistów. Nie znajdziesz tu rankingu narzędzi ani rekomendacji modelu. Znajdziesz anatomię: z czego agent się składa, w którym miejscu każdy element potrafi zawieść i co sprawdzić, zanim podpiszesz umowę. Różnicę wobec chatbota rozpisaliśmy osobno w tekście Agent AI vs chatbot — tutaj poświęcamy jej dwa zdania. Fakty o standardach i przepisach odczytaliśmy ze źródeł 6 września 2026 r.

Agent AI — co to jest: definicja i to, czego ona nie mówi

Agent AI to program, który dostaje cel i sam dobiera do niego drogę. Model językowy — silnik AI, który rozumie i pisze tekst, taki jak ten, na którym działa ChatGPT — gra w nim rolę planisty: patrzy na cel, na listę dostępnych narzędzi i na to, co już wiadomo, po czym wskazuje następny krok. Program wykonuje ten krok — odczytuje kartę klienta, przeszukuje katalog, tworzy szkic dokumentu — i oddaje wynik modelowi, który decyduje, co dalej. Tak aż do chwili, gdy cel jest osiągnięty albo sprawa musi trafić do człowieka. Wszystko to dzieje się w granicach uprawnień nadanych z góry i zostawia ślad w dzienniku działań.

Ta definicja mówi, czym agent jest. Równie ważne jest to, czym nie jest:

• Nie jest lepszym chatbotem. Wynikiem pracy chatbota jest tekst odpowiedzi; wynikiem pracy agenta jest zmieniony stan Twoich systemów — wpis, szkic, status. Na tym poprzestaniemy.
• Nie jest zwykłą automatyzacją z jednym krokiem AI. Automatyzacja, która w ustalonej sekwencji kroków wywołuje model do jednego zadania — sklasyfikuj mail, wyciągnij dane z faktury — pozostaje automatyzacją. O kolejności kroków zdecydował człowiek na etapie budowy, a nie model w trakcie pracy.
• Nie jest „cyfrowym pracownikiem”. Agent ma zakres, listę uprawnień i dziennik, a nie zakres obowiązków. Oferty posługujące się tą metaforą zwykle pomijają pytanie, kto zatwierdza jego działania.

Praktyczny test odróżniający agenta od chatbota w ofercie — co trzeba zrobić po pomyłce — jest w tekście porównawczym i nie będziemy go powtarzać. Reszta tego tekstu jest o częściach: z czego agent się składa i gdzie każda z nich potrafi zawieść.

Z czego składa się agent AI: pięć elementów i jeden, o którym oferty milczą

Agent to nie model. To sześć decyzji, z których model jest ostatnią. Poniżej po kolei, w porządku, w jakim trzeba je podjąć.

1. Cel i kryterium końca

Cel agenta to polecenie z dwoma dodatkami: kryterium zakończenia i warunkiem eskalacji. „Przygotuj szkic oferty do zatwierdzenia albo oznacz zapytanie jako wymagające człowieka, podając powód” — to cel kompletny. „Obsługuj zapytania ofertowe” — nie, bo nie wiadomo, kiedy praca jest skończona ani kiedy agent ma się poddać. Cel bez kryterium końca to najczęstszy sposób, w jaki agenci wpadają w pętlę: próbują kolejnych kroków, bo nic nie mówi im, że wystarczy.

2. Model

Model językowy jest w agencie planistą: czyta cel, listę narzędzi i wyniki dotychczasowych kroków, a następnie proponuje krok następny. Dwie rzeczy, które słowniki pomijają. Po pierwsze, model nie zmienia się od tego, że wykonuje pracę — po tysiącu spraw jest dokładnie tym samym modelem, co przy pierwszej. To, co wygląda na uczenie się, to pamięć, którą budują ludzie; o niej w punkcie piątym. Po drugie, model jest ostatnią decyzją w projekcie, a nie pierwszą: wybiera się go pod zmierzoną jakość i koszt na Twoich sprawach, kiedy listy uprawnień już istnieją. Jeżeli oferta zaczyna się od nazwy modelu, zaczyna się od końca.

Agenta, którego wielu czytelników już używa, łatwo wskazać: narzędzia do programowania takie jak Claude Code — według dokumentacji Anthropic czyta kod projektu, edytuje pliki i uruchamia polecenia — są agentami w tym samym sensie, co agent AI dla firm; różni je tylko zestaw narzędzi.

3. Narzędzia

Narzędzie to funkcja, którą model może wywołać, plus opis, który model czyta, żeby zdecydować, kiedy jej użyć: „odczytaj kartę klienta”, „wyszukaj kod produktu w katalogu”, „utwórz szkic dokumentu”. Lista narzędzi jest w praktyce listą uprawnień agenta, dlatego od początku dzielimy ją na dwie: narzędzia odczytu i narzędzia zapisu. Pierwsza może być długa, druga powinna być krótka — to ona wyznacza ryzyko.

Coraz częściej narzędzia udostępnia się agentom przez MCP (Model Context Protocol) — otwarty standard, który opisuje, jak serwer udostępnia modelowi narzędzia (czynności), zasoby (dane) i szablony poleceń dla AI (prompty) w jednolity sposób. Firma Anthropic udostępniła go 25 listopada 2024 r., a 9 grudnia 2025 r. przekazała do Agentic AI Foundation przy Linux Foundation; aktualna wersja specyfikacji pochodzi z 28 lipca 2026 r. Według Anthropic w grudniu 2025 r. działało ponad 10 000 aktywnych publicznych serwerów MCP — to liczba dostawcy, nie niezależna. Dla firmy znaczenie jest praktyczne: raz opisane połączenie z CRM czy ERP może działać z różnymi modelami i platformami. Gotowy element „Agent AI” w narzędziu do automatyzacji n8n, który z takich narzędzi korzysta, opisaliśmy w przewodniku po n8n. Co MCP zmienia w ofercie dla agenta — w wycenie, w odbiorze i w uprawnieniach — opisaliśmy w tekście MCP dla firm.

Standard nazywa też ryzyko, którego zwykła automatyzacja nie miała. Specyfikacja MCP zaleca, by program, w którym działa agent, pytał użytkownika o zgodę za każdym razem, gdy agent chce skorzystać z narzędzia, i każe traktować opisy narzędzi jako niezaufane, jeżeli nie pochodzą z zaufanego serwera. To zalecenie dla implementacji, nie wymóg protokołu — czy program, który kupujesz, rzeczywiście o zgodę pyta, trzeba sprawdzić u dostawcy. Powód jest prosty: model czyta wszystko, co wraca z narzędzia — treść maila, opis produktu, komentarz w zgłoszeniu — i jeżeli ktoś ukryje tam instrukcję, model może ją potraktować jak polecenie. To wstrzyknięcie polecenia (prompt injection) przez wyniki narzędzi. Dotyczy ono każdego rozwiązania, w którym model czyta niezaufaną treść, także zwykłej automatyzacji o stałych krokach; agent powiększa skutki, bo sam wybiera narzędzia, z których skorzysta dalej. Stąd dwie zasady: zakres odczytu tak wąski, jak pozwala zadanie, i zgoda człowieka na operacje zapisu.

4. Cykl decyzji (pętla agenta)

Agent pracuje w cyklu: zaplanuj → wykonaj → obserwuj → zdecyduj. Cykl kończy się w jednym z trzech przypadków: cel został osiągnięty, agent dotarł do operacji wymagającej zgody człowieka albo przekroczył budżet kroków lub czasu. Ten trzeci warunek trzeba ustawić świadomie, a przekroczenie budżetu musi kończyć się eskalacją z podaniem powodu — nigdy cichym ponawianiem prób.

Każdy obrót pętli powinien zostawić wpis w dzienniku: znacznik czasu, użyte narzędzie, skrót danych wejściowych i wyniku oraz powód podany przez model. Na poziomie sprawy dziennik zapisuje wynik końcowy, decyzję człowieka i wprowadzone poprawki. Bez takiego zapisu wiadomo tylko, że agent coś zrobił — nie da się odtworzyć dlaczego ani rozsądnie zdecydować, gdzie poluzować nadzór po pilotażu. Dziennik jest jedynym źródłem danych do decyzji o rozszerzeniu uprawnień, dlatego jest częścią agenta, a nie dodatkiem.

5. Pamięć

Pamięć agenta ma dwa poziomy. Krótkotrwała to informacje o bieżącej sprawie dostępne modelowi podczas jej obsługi: cel, dotychczasowe kroki i ich wyniki; znika, gdy sprawa się kończy. Długotrwała to to, do czego agent zagląda między sprawami: baza wiedzy, historia spraw, ustalenia z klientem. Pamięć długotrwałą zapisują i utrzymują ludzie albo jawne reguły — agent sam z siebie nic nie zapamiętuje. To właśnie ona wygląda z zewnątrz jak uczenie się. Jak buduje się i testuje taką bazę wiedzy, to osobny temat.

Szósty element: uprawnienia i zatwierdzanie przez człowieka

O tym elemencie oferty milczą najczęściej, a bez niego pozostałe pięć to prototyp. Składa się z czterech list: co agent może czytać, co może zapisywać, które operacje zawsze czekają na zgodę człowieka i gdzie jest rejestr jego działań. Każdy agent, którego budujemy, po krótkim etapie w trybie cienia, w którym nie wykonuje zapisów w systemach, startuje w trybie „przygotowuje, człowiek zatwierdza”; poluzowanie nadzoru jest decyzją podejmowaną na danych z pilotażu i z codziennej pracy z zatwierdzaniem, nie założeniem w ofercie. Jeżeli oferta nie zawiera tych czterech list, nie opisuje agenta, tylko obietnicę.

Trzy poziomy samodzielności: asystent AI, agent z zatwierdzaniem, agent w wąskim zakresie

Słowo „agent” obejmuje w praktyce trzy różne rzeczy i warto wiedzieć, o której mowa w ofercie.

Poziom 1: asystent AI dla firm. Ma wyłącznie narzędzia odczytu. Zbiera informacje z systemów, przygotowuje odpowiedź, szkic lub propozycję — i na tym kończy; kliknięcie należy do człowieka. Najtańszy w budowie, a pomyłka zatrzymuje się na osobie, która patrzy na ekran. Dla wielu firm to właściwy pierwszy projekt, nawet jeżeli w ofercie napisano „agent”.

Poziom 2: agent z zatwierdzaniem. Ma narzędzia zapisu, ale każdy zapis trafia do kolejki zatwierdzeń: szkic czeka w folderze, wpis w CRM czeka na akceptację. Tutaj — po etapie w trybie cienia, w którym zapisy są tylko rejestrowane — zaczyna się codzienna praca każdego pierwszego projektu agentowego, bo dopiero ten poziom daje dane o tym, jak często agent proponuje coś poprawnego.

Poziom 3: agent w wąskim zakresie. Ściśle określona lista działań odwracalnych wykonuje się bez zgody człowieka — decyzja zapada osobno dla każdej kategorii, na podstawie liczb z pilotażu i z codziennej pracy z zatwierdzaniem. Działania nieodwracalne — wysyłka do klienta, płatność, usunięcie, zmiana statusu, która uruchamia coś dalej — nie przechodzą na ten poziom nigdy, niezależnie od wyników.

Pytanie „czy agent zastąpi pracownika” ma w tym podziale prostą odpowiedź: agent przenosi powtarzalną część pracy — wyszukiwanie, przepisywanie, kompletowanie — a zatwierdzanie i obsługa wyjątków zmieniają właściciela, nie znikają. Na poziomie drugim handlowiec przestaje pisać szkice, a zaczyna je sprawdzać; to inna praca, mniejsza, ale nie zerowa. Jak ten sam podział wygląda w kadrach, gdzie asystent przygotowuje dokumenty, a każda decyzja o urlopie czy zaświadczeniu zostaje przy ludziach, opisujemy w tekście o AI w HR bez rekrutacji.

Jak to wygląda w firmie: trzy przykłady

Zapytania ofertowe w dystrybucji B2B — przykład liczbowy

To przykład liczbowy, nie opis wdrożenia — liczby są ilustracyjne i pokazują, co trzeba policzyć u siebie.

Dystrybutor B2B dostaje 400 zapytań ofertowych miesięcznie na wspólną skrzynkę ofertową. Dane są w trzech systemach: w skrzynce, w CRM (klienci i indywidualne cenniki) oraz w ERP (katalog 12 000 pozycji, czyli indeksów, stany magazynowe). Dziś handlowiec poświęca na jedno zapytanie 10–15 minut; przy 12 minutach to 400 × 12 min ≈ 80 godzin miesięcznie samego przygotowywania szkiców.

Cel: „przygotuj szkic oferty do zatwierdzenia albo oznacz zapytanie jako wymagające człowieka i podaj powód”. Koniec pracy: szkic w kolejce albo eskalacja z powodem.

Narzędzia (siedem): odczyt wiadomości; wyszukaj klienta (CRM, odczyt); pobierz cennik klienta (CRM, odczyt); wyszukaj kod produktu (ERP, odczyt); sprawdź stan magazynowy (ERP, odczyt); utwórz szkic oferty w folderze „do zatwierdzenia” (zapis); dodaj notatkę „szkic” w CRM (zapis). Nigdy: wysyłka do klienta, zmiana ceny w cenniku, utworzenie zamówienia, usunięcie czegokolwiek.

Cykl pracy: zwykle 6–9 czynności w systemach na jedno zapytanie; limit 15 kroków lub 3 minut; przekroczenie któregokolwiek oznacza eskalację z podaniem powodu.

Pamięć: kontekst sprawy plus mała baza ustaleń z klientami, tylko do odczytu, utrzymywana przez dział handlowy („klient X zawsze chce cenę z transportem”).

Zatwierdzanie przez człowieka: czterotygodniowy pilotaż równolegle z dotychczasowym procesem; każdy szkic zatwierdza lub poprawia handlowiec (około 2 minut na szkic → 400 × 2 ≈ 13 godzin). Progi ustalone przed pilotażem, dla przykładu: „jeżeli po czterech tygodniach mniej niż 70% szkiców przechodzi bez poprawek, zostajemy przy asystencie; kategorie powyżej 90% rozważamy do poluzowania — ale wysyłka do klienta i tak zostaje za zgodą człowieka”. Te progi ustalasz Ty, pod własny koszt pomyłki; to nie są wskaźniki branżowe i nie należy ich tak czytać.

Dziennik: każdy wpis zawiera to, co opisaliśmy w elemencie czwartym, a lista poprawek z pilotażu pokazuje, gdzie może przebiegać granica między „robi sam” a „trafia do człowieka”; przesuwa się ją dopiero na danych z codziennej pracy z zatwierdzaniem. Co składa się na koszt takiego projektu — liczba systemów, stan danych, wymagany poziom pewności — rozpisaliśmy w tekście o tym, ile kosztuje agent AI.

Kompletowanie dokumentów do reklamacji

Cel: skompletuj dokumentację do reklamacji albo wskaż, czego brakuje. Agent czyta zgłoszenie, historię zamówień, warunki gwarancji i załączniki. To, gdzie zajrzy w drugim kroku, zależy od tego, co znalazł w pierwszym: jeżeli w zgłoszeniu jest numer faktury, sięga do historii zamówień; jeżeli go nie ma, szuka po kliencie i dacie; jeżeli brakuje zdjęcia uszkodzenia, przygotowuje prośbę o uzupełnienie. Wysłanie tej prośby czeka na zgodę pracownika, a decyzja o uznaniu reklamacji należy do człowieka — zawsze. Agent skraca czas kompletowania, nie rozstrzyga sprawy.

Asystent planisty w biurze produkcji

Przykład poziomu pierwszego. Asystent czyta otwarte zlecenia, dostępność materiałów i podobne zlecenia z przeszłości, po czym przygotowuje planiście propozycję kolejności z uzasadnieniem: co można uruchomić od razu, co czeka na materiał, gdzie jest konflikt zasobów. Nie zapisuje nic — planista czyta notatkę i sam zmienia harmonogram. To często właściwy pierwszy agent w firmie produkcyjnej: zaczyna się w biurze produkcji, na danych, które już są w systemie, a nie na hali.

Gdzie trafiają dane agenta i co z AI Act

Jeżeli agent dotyka danych osobowych — a karta klienta, zgłoszenie reklamacyjne czy mail od kontrahenta to dane osobowe — decyzje są te same jak w każdym projekcie z modelem językowym: które dane opuszczają firmę, do kogo trafiają, na jakiej podstawie i gdzie działa model. Rolę dostawcy modelu ustala się osobno dla każdej operacji przetwarzania; jak to robimy i jak dzielimy role między Tobą, nami i dostawcą, opisaliśmy na stronie o bezpieczeństwie i RODO. Agent dodaje jedno pytanie: skoro sam decyduje, do którego systemu zajrzeć, zakres odczytu musi być ograniczony technicznie, a nie tylko instrukcją.

AI Act w skrócie. Jeżeli agent rozmawia z ludźmi bezpośrednio — na przykład na czacie albo przez telefon — od 2 sierpnia 2026 r. stosuje się art. 50 AI Act: rozmówca ma się dowiedzieć najpóźniej przy pierwszej interakcji, że rozmawia z systemem AI, chyba że jest to oczywiste z okoliczności. Zaprojektowanie tej informacji to obowiązek dostawcy systemu, a to, czy dociera ona do rozmówcy, zależy od konfiguracji po stronie firmy; jaką rolę odgrywa Twoja firma, ustala prawnik — szczegóły w tekście AI Act w Polsce. W naszych wdrożeniach ujawniamy to zawsze. Pozostałe obowiązki wynikają z klasyfikacji zastosowania, a nie z samego faktu użycia agenta — datowaną oś czasu i to, co obowiązuje dziś, utrzymujemy na stronie o technicznym sprincie zgodności z AI Act.

To opis strony technicznej i organizacyjnej, a nie porada prawna — ocena prawna należy do Twojego prawnika albo inspektora ochrony danych.

Trzy testy, zanim zbudujesz agenta

Pytanie „jak stworzyć agenta AI w firmie” ma mniej wspólnego z technologią, niż sugerują oferty. Zanim ktokolwiek wybierze platformę albo model, warto przejść trzy testy. Każdy ma jasny wynik.

1. Test jednej strony. Czy właściciel procesu potrafi spisać na jednej stronie trzy listy: co agent może czytać, co może zapisywać, czego nie może nigdy? Jeżeli lista zapisu jest pusta, potrzebujesz asystenta (poziom 1) — taniej i szybciej. Jeżeli nikt nie potrafi napisać tej strony, proces nie jest gotowy na żaden system, agentowy czy nie; najpierw trzeba go opisać.
2. Test cofnięcia. Dla każdej pozycji z listy zapisu: jak się ją cofa, kto zauważy pomyłkę i jak szybko? Wszystko, co nie ma cofnięcia, ląduje na liście operacji za zgodą człowieka. Jeżeli cała wartość projektu siedzi w działaniu, którego nie da się cofnąć i które nie może czekać na zatwierdzenie, to nie jest zadanie na pierwszego agenta — i rzetelny wykonawca powie to przed umową, nie po pilotażu.
3. Test pięćdziesięciu spraw. Czy potrafisz wyciągnąć 50 historycznych spraw i przy każdej zaznaczyć, jaki wynik był poprawny? Wynik testu to arkusz: 50 wierszy, kolumna z danymi wejściowymi, kolumna z werdyktem. Bez tej próbki pilotaż równoległy nie ma z czym porównywać wyników i „działa dobrze” zostaje wrażeniem. Ta sama próbka jest jedynym wiarygodnym sposobem wyboru modelu: kilka kandydatów, te same 50 spraw, zmierzona zgodność i koszt.

Jeżeli trzy testy przechodzą, budowa ma naturalną kolejność: strona z listami, próbka pięćdziesięciu spraw, kolejka zatwierdzeń i dziennik, potem narzędzia — coraz częściej przez MCP — i cykl pracy agenta w narzędziu do automatyzacji, takim jak n8n, albo w kodzie. Model wybiera się na końcu, pod zmierzoną jakość na Twojej próbce. Tak powstaje agent AI, który da się utrzymać, a nie tylko pokazać.

Kiedy to nie jest zadanie dla agenta

Z anatomii wynika też lista dyskwalifikacji — niezależna od pytania, czy agent jest lepszy od zwykłej automatyzacji:

• Nikt nie jest właścicielem trzech list. Jeżeli nie ma osoby, która odpowie, co agent może czytać i zapisywać, nie ma też komu zatwierdzać ani poprawiać.
• Kluczowe działanie nie ma cofnięcia i nie może czekać. Agent bez kolejki zatwierdzeń to system działający bez nadzoru od pierwszego dnia, a każdy agent, którego budujemy, zaczyna od zatwierdzania przez człowieka.
• Nie ma pięćdziesięciu spraw. Proces jest za rzadki albo za młody, żeby zebrać próbkę — nie ma więc jak zmierzyć, czy agent działa, i pilotaż skończy się wrażeniem.
• Proces zmienia się co miesiąc. Agent utrwala reguły; jeżeli jeszcze ich nie ma, utrwali chaos, a każda zmiana będzie oznaczać poprawki w listach, narzędziach i próbce.
• Zadanie wykracza poza nasze standardy — systemy działające bez zatwierdzania od pierwszego dnia, automaty do zimnych maili, ocena kandydatów w rekrutacji. Zasady, według których prowadzimy każde wdrożenie, opisaliśmy na stronie nasze standardy.

A jeżeli kolejność kroków da się wypisać z góry, agent nie jest potrzebny — kiedy agent ma sens, a kiedy jest przerostem formy, rozstrzygamy na stronie usługi, nie tutaj.

Co dalej

Agent AI to nie model, tylko sześć decyzji, z których model jest ostatnią: cel z kryterium końca, narzędzia podzielone na odczyt i zapis, pętla z budżetem i dziennikiem, pamięć utrzymywana przez ludzi, cztery listy uprawnień — i dopiero na końcu model dobrany pod zmierzoną jakość na Twojej próbce. Jak wygląda taki projekt od list uprawnień po pilotaż i co powstaje na każdym etapie, opisaliśmy na stronie o wdrożeniu agentów AI.

Opisz nam proces w kilku zdaniach. Odpowiemy, czy widzimy w nim agenta, asystenta czy zwykłą automatyzację i od czego warto zacząć.