Agenci AI (Hermes)

Agent AI dla firmy — czym różni się od chatbota i jak go wdrożyć

8 min czytania Aktualizacja: Read in English
Agent AI dla firmy — czym różni się od chatbota i jak go wdrożyć

Agent AI to system, w którym model językowy sam decyduje, jakie działania podjąć, żeby osiągnąć cel. Wywołuje narzędzia (CRM, kalendarz, bazę zamówień), sprawdza wyniki i powtarza tę pętlę, aż zadanie będzie wykonane. Chatbot przede wszystkim odpowiada na pytania, a klasyczna automatyzacja wykonuje z góry zaplanowane kroki. Agent opłaca się tam, gdzie kolejnych kroków nie da się przewidzieć, i wymaga mocniejszych zabezpieczeń niż jedno i drugie.

Co to jest agent AI?

Agent AI to program, w którym duży model językowy (LLM) interpretuje prośbę i sam wybiera działania potrzebne do jej realizacji, najczęściej wywołania narzędzi. Tak definiuje go słownik pojęć n8n. Anthropic w poradniku „Building effective agents” stawia granicę jeszcze wyraźniej. Workflow to system, w którym model i narzędzia działają według z góry zdefiniowanych ścieżek w kodzie. Agent to system, w którym model sam kieruje swoim procesem i użyciem narzędzi.

Ta różnica ma konsekwencje praktyczne. W workflow wiesz z góry, co się stanie po kroku 3. W agencie wiesz tylko, jaki ma cel, do jakich narzędzi ma dostęp i jakich granic nie może przekroczyć. Dlatego projektowanie agenta to w dużej mierze projektowanie tych granic.

Agent AI, chatbot i automatyzacja — porównanie

Cecha Chatbot Automatyzacja (workflow) Agent AI
Kto decyduje o kolejnych krokach Scenariusz albo model, ale tylko w obrębie rozmowy Projektant procesu, z góry Model, w ramach wyznaczonych granic
Dostęp do systemów Zwykle brak lub tylko odczyt FAQ Stałe integracje w określonej kolejności Zestaw narzędzi, z których sam wybiera
Pamięć Bieżąca rozmowa Dane przekazywane między krokami Rozmowa, wcześniejsze sesje, baza wiedzy
Przewidywalność Wysoka Najwyższa Niższa, wymaga testów i limitów
Koszt i czas odpowiedzi Niski Niski Wyższy, bo kilka wywołań modelu na zadanie
Główne ryzyko Błędna odpowiedź Awaria integracji Błędne lub zmanipulowane działanie w systemie
Przykład „Jakie macie godziny otwarcia?” Lead z formularza trafia do CRM i na Slacka „Przełóż moją rezerwację na piątek i wyślij potwierdzenie”

W praktyce granice się zacierają: chatbot z dostępem do narzędzi staje się agentem, a workflow może mieć w środku krok agentowy. Liczy się nie nazwa, tylko to, kto decyduje o działaniach i co może się stać, gdy decyzja będzie błędna.

Jak działa agent AI?

Agent pracuje w pętli. Dostaje wiadomość lub sygnał z harmonogramu, czyta instrukcje, ocenia prośbę i decyduje: wywołać narzędzie, przeszukać bazę wiedzy, przekazać zadanie innemu agentowi albo dopytać użytkownika. Powtarza to, aż przygotuje odpowiedź. Dokumentacja agentów n8n wymienia elementy, które konfigurujesz:

  • Model, czyli LLM, który rozumuje i generuje odpowiedzi.
  • Instrukcje, czyli prompt systemowy z rolą, tonem i ograniczeniami.
  • Narzędzia: workflow, własny kod, integracje i serwery MCP.
  • Umiejętności (skills), czyli pakiety instrukcji i narzędzi do konkretnego zadania.
  • Baza wiedzy: pliki, które agent przeszukuje, np. regulaminy, cenniki, procedury.
  • Pamięć: bieżąca rozmowa oraz kontekst z wcześniejszych sesji.
  • Kanały i harmonogramy, czyli Slack, Telegram i inne miejsca rozmowy oraz zadania cykliczne.
  • Sub-agenci, czyli wyspecjalizowani agenci, którym agent główny przekazuje część pracy.

Do czego firma może użyć agenta AI?

  • Obsługa klienta z dostępem do systemów. Agent sprawdza status zamówienia lub rezerwacji, zmienia termin w dozwolonych granicach i wysyła potwierdzenie. Zwroty i reklamacje przekazuje ludziom. Poziom autonomii: średni, z akceptacją przy zmianach płatności.
  • Asystent handlowca na Slacku. Na prośbę „przygotuj mnie do spotkania z firmą X” zbiera historię z CRM, ostatnie maile i notatki, a potem pisze brief z otwartymi tematami. Tylko odczyt, więc ryzyko jest niskie.
  • Agent researchowy na harmonogramie. Co tydzień przegląda wskazane źródła (przetargi, strony konkurencji, zmiany w przepisach branżowych) i wysyła zestawienie z linkami. Każde twierdzenie musi mieć źródło do weryfikacji.
  • Wewnętrzny helpdesk. Odpowiada pracownikom na pytania o procedury, urlopy czy dostęp do narzędzi na podstawie aktualnych dokumentów, a w razie potrzeby zakłada zgłoszenie w systemie IT.
  • Back-office i dokumenty. Porównuje zamówienia, dostawy i faktury, wyjaśnia rozbieżności i proponuje korekty. Zatwierdza je człowiek.
  • Agent operacyjny. Pilnuje wskaźników (dostępność strony, stany magazynowe, nietypowe zamówienia), opisuje problem i proponuje działanie zamiast wysyłać kolejny suchy alert.

Wiele zadań, które firmy nazywają „agentem”, to w rzeczywistości dobrze zaprojektowany workflow z jednym krokiem AI. Takie przykłady opisaliśmy w artykule automatyzacje AI dla firm — 15 przykładów.

Kiedy nie potrzebujesz agenta AI?

W czerwcu 2025 r. Gartner prognozował, że ponad 40% projektów agentowych zostanie anulowanych do końca 2027 r. z powodu rosnących kosztów, niejasnej wartości biznesowej lub niewystarczającej kontroli ryzyka. Analitycy zwrócili też uwagę na „agent washing”, czyli przemianowywanie zwykłych chatbotów i asystentów na agentów. Według relacji Reutersa Gartner ocenił, że spośród tysięcy dostawców „agentowej AI” prawdziwych jest tylko około 130.

Anthropic radzi zaczynać od najprostszego rozwiązania i komplikować je tylko wtedy, gdy to konieczne. Systemy agentowe zwykle płacą opóźnieniem i kosztem za lepsze wyniki, a ich samodzielność oznacza wyższe koszty i ryzyko kumulowania się błędów. Prosty test: jeśli umiesz narysować proces jako schemat blokowy z kilkoma rozgałęzieniami, zbuduj workflow. Agenta dodaj dopiero tam, gdzie liczby i kolejności kroków naprawdę nie da się przewidzieć.

Bezpieczeństwo agenta AI: najważniejsze ryzyka

Agent z dostępem do systemów to nowy użytkownik w firmie, tyle że taki, którego da się zmanipulować tekstem. OWASP Top 10 for LLM Applications 2025 wskazuje m.in. cztery ryzyka, które przy agentach są szczególnie ważne:

  • LLM01 Prompt Injection. Treść podsunięta przez atakującego, np. w mailu, na stronie czy w dokumencie, zmienia zachowanie modelu i nadpisuje jego instrukcje.
  • LLM02 Sensitive Information Disclosure. Agent ujawnia dane, których nie powinien, np. dane innego klienta.
  • LLM06 Excessive Agency. Agent ma więcej uprawnień i samodzielności, niż potrzebuje, więc błędna lub zmanipulowana decyzja wywołuje realne szkody.
  • LLM10 Unbounded Consumption. Brak limitów zużycia, czyli pętla wywołań, która generuje koszty albo przeciąża system.

Zabezpieczenia, które stosujemy w każdym wdrożeniu:

  1. Minimalne uprawnienia. Osobne konto techniczne dla agenta, domyślnie tylko odczyt. Każde narzędzie zapisu dodajesz świadomie.
  2. Akceptacja człowieka przy działaniach nieodwracalnych. W n8n human-in-the-loop dla narzędzi wstrzymuje wysyłkę maila, usunięcie danych czy płatność do czasu zatwierdzenia w Slacku lub na czacie.
  3. Filtry na wejściu i wyjściu. Węzeł Guardrails wykrywa próby jailbreaku i tematy spoza zakresu, a dane osobowe i klucze potrafi zamienić na znaczniki.
  4. Treści z zewnątrz traktowane jak dane, nie polecenia. Mail od klienta czy pobrana strona nie mogą zmieniać instrukcji agenta. Narzędzia o wysokim ryzyku nie powinny być dostępne w tych samych rozmowach, w których agent czyta niezaufane treści.
  5. Izolacja kodu. Jeśli agent uruchamia kod lub polecenia, robi to w sandboksie (np. w kontenerze Docker), a nie na serwerze produkcyjnym.
  6. Limity. Maksymalna liczba kroków na zadanie, budżet na tokeny u dostawcy modelu i limit zapytań od jednego użytkownika.
  7. Logi i testy. Każde wywołanie narzędzia jest zapisywane. Anthropic zaleca obszerne testy w środowisku izolowanym i odpowiednie zabezpieczenia, zanim agent trafi do ludzi.

Agent AI a prawo: AI Act i RODO

Od 2 sierpnia 2026 r. stosuje się art. 50 ust. 1 AI Act: system AI przeznaczony do bezpośredniej interakcji z ludźmi musi być zaprojektowany tak, by wiedzieli, że rozmawiają z AI, chyba że jest to oczywiste dla rozsądnego, uważnego użytkownika. W praktyce agent na stronie czy w WhatsAppie powinien się przedstawiać jako asystent AI.

RODO dotyczy agenta jak każdego innego przetwarzania. Potrzebujesz podstawy prawnej, minimalizacji danych, umów powierzenia z dostawcą modelu i platformy oraz wiedzy, gdzie dane są przetwarzane. Uważaj też na art. 22 RODO: człowiek ma prawo nie podlegać decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu, jeśli wywołuje ona wobec niego skutki prawne lub podobnie istotnie na niego wpływa. Odmowę kredytu kupieckiego czy odrzucenie reklamacji zostaw więc człowiekowi.

Jak wdrożyć agenta AI w firmie — krok po kroku

  1. Jeden proces i miara sukcesu. Np. „agent samodzielnie zamyka określony odsetek pytań o status zamówienia, a reszta trafia do zespołu z kompletem informacji”. Bez miary nie ocenisz, czy pilotaż się udał.
  2. Mapa narzędzi i uprawnień. Spisz, do jakich systemów agent potrzebuje dostępu, które działania są odczytem, a które zapisem, i które wymagają akceptacji.
  3. Najpierw workflow, potem agent. Stałe części procesu (weryfikacja klienta, pobranie danych) zbuduj jako zwykłe kroki, a agentowi zostaw tylko to, co wymaga decyzji.
  4. Baza wiedzy z właścicielem. Aktualne dokumenty i osoba odpowiedzialna za ich aktualizację. Agent z nieaktualnym cennikiem jest gorszy niż brak agenta.
  5. Zestaw testowy. Kilkadziesiąt prawdziwych przypadków, w tym trudne, nietypowe i złośliwe (próby wyciągnięcia danych innego klienta). Uruchamiasz go po każdej zmianie modelu lub promptu.
  6. Pilotaż z człowiekiem w pętli. Ograniczona grupa użytkowników, wszystkie działania zapisu wymagają akceptacji, a codziennie przeglądasz rozmowy.
  7. Stopniowe zwiększanie autonomii. Akceptację zdejmujesz tylko z tych działań, w których agent przez dłuższy czas się nie mylił. Monitoring zostaje na stałe.

Na czym zbudować agenta AI?

Podejście Kiedy się sprawdza Na co uważać
n8n: węzeł AI Agent lub Agent Builder Agent osadzony w procesach firmy, z wieloma integracjami, akceptacją człowieka i self-hostingiem Agent Builder ma status Preview, a złożoną logikę rozmowy trzeba dobrze zaprojektować
Hermes Agent (Nous Research, licencja MIT) Asystent z pamięcią między sesjami, umiejętnościami tworzonymi na podstawie doświadczenia, harmonogramem i jedną bramką do ponad 20 platform (m.in. Telegram, Slack, WhatsApp, Discord) To samodzielny agent działający na serwerze, więc wymaga starannej konfiguracji uprawnień i sandboksa
Własny kod (SDK dostawcy modelu) Agent będący częścią Twojego produktu, z nietypowymi wymaganiami Najwięcej pracy i utrzymania, a wszystkie zabezpieczenia budujesz sam

Hermes Agent według dokumentacji ma ponad 60 wbudowanych narzędzi, obsługę serwerów MCP, sub-agentów do pracy równoległej i sześć backendów terminala (lokalny, Docker, SSH, Daytona, Modal, Vercel Sandbox). Współpracuje m.in. z Nous Portal, OpenRouter, OpenAI i dowolnym zgodnym endpointem. Szczegóły i scenariusze wdrożenia opisujemy w przewodniku Hermes Agent — open-source agent AI w firmie. Często najlepsze efekty daje połączenie: agent rozmawia i decyduje, a działania w systemach wykonuje przez sprawdzone workflow w n8n.

Myślisz o agencie AI dla swojej firmy, ale nie wiesz, od którego procesu zacząć i jak go zabezpieczyć? Zobacz, jak wdrażamy agentów AI dla firm, albo napisz do nas. Zaczniemy od analizy jednego procesu i pilotażu z człowiekiem w pętli.

Najczęstsze pytania

Czym agent AI różni się od chatbota?

Chatbot przede wszystkim odpowiada na pytania w rozmowie. Agent AI sam decyduje, jakie działania podjąć, i wykonuje je za pomocą narzędzi w Twoich systemach, np. sprawdza zamówienie, zmienia rezerwację albo zakłada zgłoszenie. Chatbot z dostępem do narzędzi, który sam wybiera działania, staje się w praktyce agentem.

Czy agent AI jest bezpieczny dla firmy?

Może być, jeśli ma minimalne uprawnienia, działania nieodwracalne wymagają akceptacji człowieka, a wejście i wyjście przechodzą przez filtry. Największe ryzyka według OWASP to prompt injection, ujawnienie danych wrażliwych i nadmierna samodzielność agenta. Potrzebne są też limity kosztów, logi i testy przed wdrożeniem.

Czy muszę informować klientów, że rozmawiają z agentem AI?

Tak, w większości przypadków. Od 2 sierpnia 2026 r. art. 50 ust. 1 AI Act wymaga, by system AI przeznaczony do bezpośredniej interakcji z ludźmi informował ich, że rozmawiają z AI, chyba że jest to oczywiste. Najprościej, gdy agent przedstawia się jako asystent AI na początku rozmowy.

Kiedy lepiej zbudować zwykłą automatyzację zamiast agenta?

Gdy proces da się opisać jako schemat blokowy z kilkoma rozgałęzieniami, a kroki są z góry znane. Workflow jest tańszy, szybszy i bardziej przewidywalny. Agenta warto dodać dopiero tam, gdzie liczby i kolejności kroków nie da się przewidzieć, np. przy nietypowych zgłoszeniach klientów.

Na czym zbudować agenta AI dla firmy?

Najczęściej na n8n (węzeł AI Agent lub Agent Builder), gdy agent ma działać w procesach firmy z wieloma integracjami. Hermes Agent od Nous Research sprawdza się jako samodzielny asystent z pamięcią i dostępem przez komunikatory. Własny kod wybierz wtedy, gdy agent jest częścią Twojego produktu.

Źródła

  1. Anthropic — Building effective agents
  2. n8n Docs — Key concept glossary
  3. n8n Docs — Build and manage agents
  4. n8n Docs — AI Agent node
  5. n8n Docs — Human-in-the-loop for tools
  6. n8n Docs — Guardrails node
  7. OWASP — Top 10 for LLM Applications 2025
  8. Gartner — Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 Jun 2025)
  9. Reuters via The Star — Over 40% of agentic AI projects will be scrapped by 2027, Gartner says
  10. EU AI Act — Article 50: Transparency obligations
  11. GDPR — Article 22: Automated individual decision-making
  12. Hermes Agent — Documentation (Nous Research)

Potrzebujesz pomocy z tym tematem?

Agent AI to coś więcej niż chatbot: sam planuje kroki, korzysta z narzędzi, pamięta kontekst i działa w Twoich kanałach. Wdrażamy agentów na bazie Hermes Agent od Nous Research i n8n.