Nie da się przejść dwóch kroków po krajobrazie mediów technologicznych, nie potykając się o artykuł wychwalający rok 2025 jako rok agenta AI. Agenci, jak się nam mówi, przekształcą sposób wykonywania pracy, wpływając na każdy aspekt naszego życia — osobistego i zawodowego.
Spis treści
Ledwie wydostaliśmy się spod lawiny hype’u wokół NFT i kryptowalut, a następnie bańki metawersum, zanim media zaczęły wychwalać generatywną sztuczną inteligencję (Gen AI). Chór ten nie zamilkł całkowicie, ale w 2025 roku uwaga przesunęła się z dużych modeli językowych (LLM) na postępy w pozornie autonomicznych agentach sztucznej inteligencji, które mają wprowadzić przyszłość pracy.
Relacje medialne podkreślają obietnice innowacji, automatyzacji i efektywności, które agenci mają przynieść, ale jak wiele z tej rozmowy to żądny kliknięć hype? Świat mediów opartych na reklamach rozwija się dzięki kliknięciom i można się spodziewać sensacyjnych nagłówków. Czego możemy realistycznie oczekiwać od agentowej AI w 2025 roku i jak wpłynie to na nasze życie?
Czym są agenci AI?
Agent AI to program programowy zdolny do autonomicznego działania, rozumienia, planowania i wykonywania zadań. Agenci AI są zasilani przez LLM i mogą komunikować się z narzędziami, innymi modelami oraz innymi aspektami systemu lub sieci, aby realizować cele użytkownika.
To znacznie więcej niż prośba do chatbota o przepis. Agenci AI różnią się od tradycyjnych asystentów, którzy potrzebują monitów za każdym razem, gdy generują odpowiedź. W teorii użytkownik przekazuje agentowi zadanie wysokiego poziomu, a agent sam ustala, jak je wykonać, co stanowi kluczową różnicę.
| Cecha | Tradycyjny asystent/chatbot | Agent AI |
| Definicja zadania | Wymaga monitu dla każdego kroku/odpowiedzi | Wymaga instrukcji wysokiego poziomu (autonomiczne planowanie) |
| Złożoność zadań | Ograniczona (np. sugerowanie przepisu) | Wysoka (automatyzacja złożonych, otwartych procesów) |
| Użycie narzędzi | Ograniczone, zintegrowane narzędzia | Możliwość korzystania z wielu narzędzi i platform |
Jaka wartość agenci mogą wnieść do biznesu?
Wartość, którą mogą odblokować agenci, wynika z ich potencjału do automatyzacji szerokiego zakresu złożonych przypadków użycia, charakteryzujących się dużą zmiennością danych wejściowych i wyjściowych. Są to przypadki, które historycznie były trudne do zautomatyzowania w sposób opłacalny lub efektywny czasowo.
Przykładem jest prosta podróż służbowa, która może obejmować wiele wariantów (linie lotnicze, programy lojalnościowe hoteli, rezerwacje restauracji) na różnych platformach online. Duża część tego procesu nadal wymaga pracy ręcznej z powodu ogromnej zmienności.
Generatywne systemy agentowe mogą ułatwić automatyzację złożonych, otwartych procesów na trzy kluczowe sposoby:
- Agenci mogą radzić sobie z wielością sytuacji. Podczas gdy systemy oparte na regułach „psują się”, gdy pojawiają się sytuacje nieprzewidziane, modele fundamentowe, na których opierają się agenci, potrafią adaptować się do wielu mniej typowych scenariuszy i elastycznie je obsługiwać, podejmując decyzje w czasie rzeczywistym.
- Można nimi sterować za pomocą języka naturalnego. Obecnie automatyzacja wymaga kosztownego i czasochłonnego kodowania przez programistów. Agenci natomiast mogą być instruowani za pomocą zwykłego języka, dzięki czemu nawet skomplikowane procesy mogą zostać odwzorowane szybciej i przez osoby nietechniczne.
- Agenci mogą korzystać z istniejących narzędzi i platform. Oprócz przetwarzania informacji, agenci mogą korzystać z aplikacji i narzędzi cyfrowych: wyszukiwać dane, analizować wyniki, współpracować z innymi systemami lub używać innych modeli AI. Bez modeli fundamentowych integracja takich narzędzi wymagałaby żmudnego, ręcznego łączenia systemów.
Jak działają agenci wspierani przez generatywną AI?
Agenci mogą wspierać złożone procesy w różnych branżach – szczególnie tam, gdzie wymagane są czasochłonne analizy jakościowe i ilościowe. Przebieg pracy agenta można opisać w czterech kluczowych krokach:
- Instrukcja użytkownika: Użytkownik wydaje instrukcję w języku naturalnym.
- Planowanie i przydział zadań: System agentowy planuje i przydziela zadania pomiędzy podagentów wyspecjalizowanych w konkretnych rolach.
- Iteracyjne ulepszanie: System iteracyjnie ulepsza wynik, prosząc o doprecyzowania, jeśli to konieczne.
- Wykonanie działania: Agent wykonuje działanie w świecie (np. wysyła dokument, składa rezerwację, uzupełnia systemy).
Sztuka możliwego: trzy potencjalne przypadki użycia
Poniższe hipotetyczne przypadki użycia dają wgląd w to, co może być możliwe w niedalekiej przyszłości.
Przypadek użycia 1: ocena ryzyka kredytowego (loan underwriting)
Proces oceny ryzyka kredytowego jest czasochłonny i wymaga kompilacji, analizy i przeglądu różnorodnych informacji oraz współdziałania wielu osób (menedżera relacji, analityków, recenzentów).
Potencjalne rozwiązanie oparte na agentach:
System agentowy – składający się z wielu agentów, z których każdy przyjmuje wyspecjalizowaną rolę – mógłby obsłużyć szeroki zakres scenariuszy ryzyka. Użytkownik podaje wysokopoziomowy plan pracy (zasady, standardy), a zespół agentów dzieli pracę na podzadania:
- Agent menedżera relacji obsługuje komunikację z kredytobiorcą.
- Agent wykonawczy zbiera dokumenty.
- Agent–analityk finansowy analizuje dane i oblicza wskaźniki.
- Agent–recenzent identyfikuje rozbieżności i dostarcza informacje zwrotne.
Proces ten powtarzałby się aż do ukończenia końcowego memo kredytowego. Agenci mogą wytwarzać treści wysokiej jakości, skracając czas cykli przeglądów o 20 do 60 procent.
Przypadek użycia 2: dokumentacja i modernizacja kodu
Starsze aplikacje w dużych przedsiębiorstwach stwarzają ryzyko i spowalniają innowacje. Modernizacja wymaga od inżynierów przeglądania milionów linii starszego kodu, ręcznego dokumentowania logiki i jej tłumaczenia na zaktualizowaną bazę.
Potencjalne rozwiązanie oparte na agentach: Wyspecjalizowany agent-ekspert od oprogramowania dziedziczonego (legacy) analizuje stary kod, dokumentuje i tłumaczy jego segmenty. W kontekście szybkich zmian w technologii warto sprawdzić, jaka jest kluczowa różnica między Low-Code a No-Code, co ma znaczenie przy modernizacji.
Równocześnie agent zapewniający kontrolę jakości ocenia tę dokumentację i tworzy przypadki testowe, pomagając systemowi AI iteracyjnie ulepszać wynik i zapewniać jego dokładność.
Powtarzalny charakter tego procesu mógłby stworzyć efekt koła zamachowego (flywheel), w którym komponenty struktury agentów są ponownie wykorzystywane do innych migracji, co znacząco poprawiałoby produktywność i zmniejszało ogólne koszty rozwoju oprogramowania.
Przypadek użycia 3: tworzenie kampanii marketingowych online
Projektowanie i prowadzenie kampanii marketingowych jest złożone i obejmuje szeroki zakres narzędzi, aplikacji i platform. Przepływ pracy jest skomplikowany (przekładanie celów biznesowych na kreatywne pomysły, tworzenie treści, testowanie na różnych platformach).
Potencjalne rozwiązanie oparte na agentach:
Agenci mogą pomóc połączyć ten ekosystem marketingu cyfrowego. Marketer opisuje parametry (użytkownicy docelowi, kanały) w języku naturalnym. Następnie system agentowy, przy wsparciu specjalistów, opracowuje, testuje i iteruje pomysły:
- Agent strategii marketingowej korzysta z analityki i badań rynkowych (systemy CRM) w celu pozyskania informacji i opracowania strategii. Więcej na temat wykorzystania Gen AI w kreacji znajdziesz w artykule: Generatywna AI w marketingu.
- Agenci do marketingu treści, copywritingu i projektowania tworzą dopasowane treści. Planując działania, pamiętaj o roli ścieżki klienta, o czym piszemy w: Customer Journey w e-commerce, czyli ścieżka klienta od kliknięcia do powtórnego zakupu.
- Ludzki oceniający dokonuje przeglądu treści pod kątem zgodności z marką. Budowanie silnej marki to podstawa strategii, zobacz: 7 strategii, które pomogą zbudować silną markę w sprzedaży detalicznej.
Agenci współpracowaliby ze sobą, aby iterować i udoskonalać wyniki, co maksymalizuje wpływ kampanii przy minimalizacji ryzyka dla marki.
Jak liderzy biznesowi powinni przygotować się na erę agentów?
Chociaż technologia agentowa jest na wczesnym etapie, rosnące inwestycje mogą sprawić, że systemy agentowe osiągną znaczące kamienie milowe i zostaną wdrożone na dużą skalę w ciągu najbliższych kilku lat.
Nie jest za wcześnie, aby liderzy biznesowi dowiedzieli się więcej o agentach i rozważyli, czy niektóre z ich kluczowych procesów lub priorytetów biznesowych mogą zostać przyspieszone dzięki systemom agentowym.
To zrozumienie może pomóc w planowaniu przyszłej mapy drogowej oraz utrzymaniu przewagi gotowości na innowacje. Gdy potencjalne przypadki użycia zostaną zidentyfikowane, organizacje mogą zacząć eksplorować rosnący ekosystem agentów, korzystając z API, zestawów narzędzi i bibliotek (na przykład Microsoft Autogen, Hugging Face i LangChain), aby zrozumieć ich możliwości.
