Na slajdach agent AI robi wszystko: czyta maile, zamawia towar, rozlicza faktury i pisze raport dla zarządu. W firmach, z którymi rozmawiamy, wygląda to skromniej. Agent obsługuje jeden proces, robi to dobrze albo średnio, a ktoś musi pilnować wyników. To nie jest zły scenariusz, jeśli od początku wiadomo, czego się spodziewać.
Ten tekst jest dla osób, które muszą zdecydować, czy i gdzie zainwestować. Bez entuzjazmu i bez straszenia.
Co mówią dane o adopcji
Zacznijmy od skali. Według badania McKinsey "The state of AI in 2025" 62% ankietowanych organizacji co najmniej eksperymentuje z agentami AI, ale tylko 23% skaluje jakiegoś agenta gdzieś w przedsiębiorstwie. Większość z nich robi to w jednej lub dwóch funkcjach. Eksperymentuje prawie każdy, na produkcji pracuje garstka.
Podobny obraz dają inne źródła, choć trzeba je czytać ostrożnie. Raport MIT NANDA z 2025 roku (150 wywiadów, 300 przeanalizowanych wdrożeń) głosi, że około 95% pilotaży generatywnej AI nie daje mierzalnego wpływu na wynik finansowy. Ta liczba krąży w prasie jako "95% projektów się nie udaje" i to jest uproszczenie. Autorzy wskazują jako przyczynę nie jakość modeli, tylko słabe dopasowanie narzędzi do procesów w firmie. Do tego metodologia budzi pytania, więc traktowałbym 95% jako sygnał kierunku, nie twardy wskaźnik.
Gartner w czerwcu 2025 prognozował, że ponad 40% projektów z agentami zostanie anulowanych do końca 2027 roku. Powody: rosnące koszty, niejasna wartość biznesowa i słabe zabezpieczenia. Analitycy zwracają też uwagę na "agent washing", czyli przemianowywanie zwykłych chatbotów i automatyzacji na "agentów".
Wniosek jest nudny, ale ważny: rzadko zawodzi technologia. Częściej wybór procesu i oczekiwania.
Gdzie agenci faktycznie oszczędzają czas
Najlepsze wyniki widzimy tam, gdzie zadanie jest wąskie, powtarzalne i łatwe do sprawdzenia.
Obsługa zgłoszeń. Klasyczne badanie Brynjolfssona, Li i Raymonda (NBER, ponad 5000 konsultantów w dużej firmie programistycznej) pokazało, że asystent AI podniósł liczbę rozwiązanych spraw na godzinę o około 14%, a u początkujących o 34%. Zwróćcie uwagę na układ: AI podpowiadało, człowiek decydował. Konsultanci stosowali średnio niecałe 40% podpowiedzi.
Przetwarzanie dokumentów. Faktury, umowy, zamówienia, reklamacje. Agent wyciąga pola, porównuje je z danymi w systemie i oznacza rozbieżności. Człowiek zatwierdza wyjątki. Tu wartość jest policzalna: czas na dokument, odsetek poprawek.
Raportowanie i przygotowanie danych. Cotygodniowy raport sprzedaży, zestawienie z kilku systemów, szkic komentarza do wyników. Agent zbiera i opisuje, analityk weryfikuje i dopisuje wnioski.
Back office. Uzgadnianie danych między systemami, weryfikacja kompletności wniosków, kierowanie próśb do właściwego działu. Nudne, ale właśnie tam MIT widzi najlepszy zwrot, choć większość budżetów AI idzie według tego samego raportu w sprzedaż i marketing.
Wspólny mianownik: agent nie podejmuje decyzji o dużych skutkach, tylko przygotowuje pracę dla człowieka albo zamyka sprawy, w których pomyłka kosztuje niewiele.
Gdzie jeszcze zawodzą
Benchmark TheAgentCompany z Carnegie Mellon symuluje firmę programistyczną i zadaje agentom 175 zadań biurowych. Najlepszy agent wykonał samodzielnie około 30% z nich (we wcześniejszej wersji badania 24%). To wynik sprzed kilku modeli i pewnie dziś jest wyższy, ale pokazuje właściwy rząd wielkości: długie, wieloetapowe zadania z wieloma systemami to wciąż słaba strona.
Z naszych obserwacji zawodzą zwłaszcza:
- procesy, w których dane leżą w pięciu systemach bez porządnego dostępu przez API,
- zadania wymagające osądu i kontekstu, którego nie ma w dokumentach (np. "ten klient jest ważny, bo zna prezesa"),
- długie łańcuchy kroków, gdzie błąd w kroku trzecim psuje wszystko do dziesiątego,
- rozmowy z klientem w sprawach emocjonalnych lub nietypowych.
Głośnym przykładem jest Klarna, która w 2024 roku chwaliła się asystentem wykonującym pracę 700 osób, a w 2025 zaczęła znów zatrudniać ludzi do obsługi, bo jakość rozmów spadła. Firma nie porzuciła AI, zmieniła proporcje. Lekcja jest prosta: oszczędność widoczna w kosztach bywa zjadana przez jakość, której nikt nie mierzył.
Ryzyka, które zarząd powinien znać
Halucynacje. Model potrafi pewnie podać nieprawdziwą informację. Lekarstwem nie jest "lepszy prompt", tylko ograniczenie zadania do źródeł, które agent może zacytować, i sprawdzanie wyników.
Prompt injection. Agent czyta maile, dokumenty i strony. Ktoś może w nich ukryć polecenie, które agent wykona. W zestawieniu OWASP Top 10 dla aplikacji LLM z 2026 roku prompt injection jest na pierwszym miejscu, a "nadmierna sprawczość" (excessive agency) awansowała z szóstego na trzecie, wraz z rosnącymi uprawnieniami agentów. Zalecenie OWASP jest architektoniczne: zakładamy, że model da się oszukać, więc ograniczamy to, co może zrobić.
Uprawnienia. Agent z dostępem do całego ERP i skrzynki pocztowej to ten sam problem, co stażysta z hasłem administratora. Każde narzędzie powinno mieć minimum uprawnień.
Koszty. Agent wywołuje model wiele razy na jedno zadanie. Przy pilotażu na 50 sprawach dziennie koszt jest śmieszny, przy 5000 już nie. Liczcie koszt całego zadania, nie pojedynczego zapytania.
Brak obserwowalności. Jeśli nie wiecie, co agent zrobił i dlaczego, nie wiecie też, kiedy przestał działać dobrze. To najczęstszy brak, jaki widzimy w projektach, które trafiają do nas po nieudanym pilotażu.
Wzorce, które działają
Anthropic w przeglądzie wdrożeń zauważa, że najlepsze systemy opierają się na prostych, składanych elementach, a nie na rozbudowanych frameworkach, i radzi szukać najprostszego rozwiązania, które działa. Rozróżnia przy tym workflow (kod z góry wyznacza ścieżkę, model wykonuje kroki) od agenta (model sam decyduje o kolejności). W większości procesów biznesowych wystarczy workflow, a agentowej swobody używamy tylko tam, gdzie naprawdę jest potrzebna.
Praktyczny zestaw, który stosujemy:
- Człowiek w pętli tam, gdzie błąd kosztuje: zatwierdzenie przed wysyłką, płatnością, zmianą w systemie.
- Wąski zakres. Jeden proces, jeden typ dokumentu, jedna rola. Szeroki agent "do wszystkiego" nie ma jak się dobrze sprawdzić.
- Narzędzia z ograniczonymi uprawnieniami. Odczyt zamiast zapisu, gdzie się da. Limity kwot i liczby operacji.
- Ewaluacje. Zbiór kilkudziesięciu prawdziwych przypadków z oczekiwanym wynikiem, uruchamiany po każdej zmianie. Bez tego "poprawiamy prompt" znaczy "zgadujemy".
- Logowanie. Każdy krok, wywołanie narzędzia i decyzja człowieka, na potrzeby audytu i nauki.
Prosty test: czy ten proces nadaje się dla agenta
Przed wyborem procesu przejdźcie cztery pytania. Każde oceńcie od 1 do 3.
- Powtarzalność. Czy proces zdarza się co najmniej kilkadziesiąt razy w miesiącu i przebiega podobnie? (3 = codziennie i według schematu, 1 = każdy przypadek inny)
- Koszt błędu. Co się stanie, jeśli agent się pomyli i nikt tego nie zauważy? (3 = drobna poprawka, 1 = strata finansowa, kara lub utrata klienta)
- Dostępność danych. Czy agent ma dostęp do informacji, których potrzebuje, w formie cyfrowej i aktualnej? (3 = jeden system z API, 1 = papier, maile i wiedza w głowach)
- Mierzalność. Czy da się policzyć, co jest "dobrym wynikiem" i ile to dziś kosztuje? (3 = jest metryka i punkt odniesienia, 1 = "ma być lepiej")
Wynik 10-12: dobry kandydat. 7-9: najpierw uporządkujcie dane lub dodajcie kontrolę człowieka. Poniżej 7: odłóżcie, to nie jest dobry pierwszy pilotaż. Najczęściej wygrywa proces z wysoką powtarzalnością i niskim kosztem błędu, nawet jeśli nie jest najbardziej widowiskowy.
Pilotaż w 6 tygodni
Sześć tygodni wystarcza, żeby zobaczyć, jak jest naprawdę, a projekt nie zdąży się rozlać.
Tydzień 1: wybór i punkt odniesienia. Jeden proces według powyższego testu. Zmierzcie stan obecny: czas na sprawę, odsetek błędów, koszt. Wyznaczcie właściciela po stronie biznesu, nie tylko IT.
Tydzień 2: dane i przypadki testowe. Zbierzcie 50-100 prawdziwych przypadków z poprawnymi wynikami. Ustalcie, do czego agent ma dostęp i do czego nie.
Tygodnie 3-4: budowa i ewaluacja. Pierwsza wersja, uruchamiana na zbiorze testowym. Poprawki na podstawie błędów, nie wrażeń. Wdrożcie logowanie od pierwszego dnia.
Tydzień 5: praca równoległa. Agent przygotowuje wyniki, człowiek je zatwierdza, wszystko jest porównywane z procesem dotychczasowym. Zbierajcie uwagi osób, które będą z tego korzystać.
Tydzień 6: decyzja. Porównajcie z punktem odniesienia z tygodnia 1: czas, jakość, koszt na zadanie (razem z tokenami i czasem osoby zatwierdzającej). Trzy możliwe wyniki: skalujemy, poprawiamy jeszcze jeden cykl, kończymy. Dobrze ustawiony pilotaż pozwala na trzecią opcję bez wstydu. Lepiej zamknąć za 6 tygodni niż utrzymywać projekt-widmo przez rok.
Co zrobić w poniedziałek
Wypiszcie pięć procesów, które męczą zespół, i oceńcie je czterema pytaniami. Wybierzcie jeden. Zapytajcie, kto po stronie biznesu byłby jego właścicielem i jak dziś mierzycie jego wynik. Jeśli na któreś z tych pytań nie ma odpowiedzi, to znaczy, że pierwszą pracą jest porządek w procesie, nie technologia.
W projektach, które prowadzimy, najwięcej czasu schodzi właśnie na to: wybór procesu, dane i sposób mierzenia. Sam agent to zwykle najłatwiejsza część. Jeśli chcecie przejść przez taką ocenę razem, chętnie porozmawiamy.
Źródła
- McKinsey, The state of AI in 2025: Agents, innovation, and transformation
- Fortune, MIT report: 95% of generative AI pilots at companies are failing
- CRN, Gartner: 40% of agentic AI projects could be canceled by 2027
- NBER, Brynjolfsson, Li, Raymond: Generative AI at Work
- arXiv, TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks
- SD Times, Prompt Injection tops 2026 OWASP GenAI / LLM Top Ten vulnerabilities
- Anthropic, Building effective agents
- Tech.co, Klarna Reverses AI Customer Service Overhaul
