Agent AI a asystent AI: czym się różnią i gdzie warto wdrażać agentów?

Asystent AI przede wszystkim reaguje na polecenia użytkownika. Może odpowiedzieć na pytanie, podsumować dokument, przygotować wiadomość, przeanalizować dane albo zaproponować dalsze działanie.

Człowiek nadal prowadzi cały proces: przekazuje dane, wydaje polecenie, ocenia wynik i sam decyduje, co zrobić dalej.

Agent AI nie ogranicza się do generowania odpowiedzi. Dostaje określony cel, ma dostęp do wybranych narzędzi i może wykonać kilka kolejnych działań potrzebnych do osiągnięcia wyniku.

1. Odczytać zapytanie.
2. Rozpoznać, czego potrzebuje klient.
3. Sprawdzić klienta lub sprawę w CRM.
4. Zebrać brakujące informacje.
5. Wybrać właściwy dalszy krok.
6. Przygotować albo wykonać akcję w granicach swoich uprawnień.
7. Zapisać wynik i stan sprawy.
8. Przekazać wyjątek człowiekowi, gdy wychodzi poza ustalone granice.

Najważniejsza nie jest wielka deklaracja autonomii. Ważna jest zdolność do działania, obserwowania wyniku i wyboru kolejnego kroku.

Zadaj jedno pytanie: co system zrobi po wygenerowaniu odpowiedzi?

W środowisku biznesowym nieograniczona autonomia jest częściej ryzykiem niż zaletą. Przydatny agent powinien mieć jasno ograniczoną odpowiedzialność.

• konkretny cel
• zatwierdzone źródła danych
• ograniczony zestaw narzędzi
• dozwolone i zabronione działania
• limity kosztów lub akcji
• punkty akceptacji człowieka
• jasne zasady eskalacji

Agent dokumentowy może sam klasyfikować i kierować faktury, ale przelew nadal wymaga zatwierdzenia. Agent obsługi klienta może prowadzić sprawę, ale nietypową reklamację przekazuje pracownikowi.

• Cel: konkretny rezultat biznesowy, a nie ogólne polecenie „zajmuj się sprzedażą”.
• Model: interpretuje informacje i podejmuje ograniczone decyzje.
• Narzędzia: poczta, CRM, baza danych, kalendarz, API, dokumenty lub systemy wewnętrzne.
• Stan: informacja o tym, na jakim etapie znajduje się zadanie lub proces.
• Reguły: granice, uprawnienia, ponowienia i eskalacja.

Sam model językowy nie jest agentem. Agent powstaje dopiero z połączenia modelu, narzędzi, stanu i zasad kontroli.

Najlepsze są procesy, w których ludzie wykonują dużo powtarzalnej pracy, ale kolejnego kroku nie da się niezawodnie opisać tylko sztywną regułą „jeśli A, zrób B”.

• Zapytania klientów: zrozumienie sprawy, sprawdzenie danych, wybór ścieżki i wykonanie dalszej akcji.
• Dokumenty i administracja: klasyfikacja, sprawdzanie kompletności, ekstrakcja danych i kierowanie spraw.
• Sprzedaż i leady: research, kwalifikacja, aktualizacja CRM, przygotowanie dalszych działań i obsługa wyjątków.
• Organizacja pracy: dobór ludzi lub zasobów na podstawie kompetencji, dostępności, ocen i odpowiedzi.
• Kontrola danych: wykrywanie braków i niespójności, poprawianie prostych przypadków i eskalacja niepewnych.

Jeżeli proces można niezawodnie zrealizować kilkoma deterministycznymi regułami, klasyczna automatyzacja będzie zwykle tańsza, szybsza i łatwiejsza do testowania.

Agent jest też złym pierwszym krokiem, gdy firma nie potrafi opisać procesu, nie wie, które dane są aktualne albo nikt nie odpowiada za przypadki wyjątkowe.

Agent nie musi zarządzać połową firmy. Często najbezpieczniejsze i najbardziej opłacalne pierwsze wdrożenie daje AI jeden wąski zakres odpowiedzialności.

• klasyfikowanie i kierowanie dokumentów
• kwalifikowanie zapytań klientów
• kontrola i poprawa wybranych danych
• prowadzenie małego procesu zapytania ofertowego
• koordynowanie ograniczonego procesu doboru ludzi

Pole działania jest niewielkie, ale system nadal obserwuje, podejmuje decyzję, wykonuje akcję i reaguje na wynik. O to właśnie chodzi.

Nie nazywamy agentem każdej integracji z modelem językowym. Jeżeli system tylko odpowiada na pytania albo przygotowuje tekst na polecenie użytkownika, traktujemy go jako asystenta.

Agent powinien dostać cel, ocenić sytuację, wybrać kolejny krok, skorzystać z narzędzi, zareagować na wynik, zachować stan tam, gdzie jest potrzebny, i wiedzieć, kiedy przekazać sprawę człowiekowi.

Dlatego zakres wdrożenia określamy pracą, którą agent ma przejąć, a nie liczbą promptów.

Najlepiej znaleźć jedno zadanie, które pojawia się regularnie, zabiera czas, wymaga podstawowej analizy lub wyboru, korzysta z danych dostępnych cyfrowo i ma jasno rozpoznawalny wynik.

Nie trzeba automatyzować całej firmy. Jeden dobrze zaprojektowany agent odpowiedzialny za mały proces może dać więcej niż efektowny „system AI”, który nadal wymaga prowadzenia człowieka przez każdy krok.