Agenci AI [1/6] – czym są i dlaczego mogą zrewolucjonizować automatyzację biznesu?

Agenci AI w biznesie — chwilowy trend czy prawdziwa rewolucja?

Wygląda na to, że to drugie. Jeszcze niedawno automatyzacja oznaczała głównie skrypty i boty. Dziś coraz częściej mówimy o agentach AI – inteligentnych systemach, które potrafią nie tylko wykonywać polecenia, ale też samodzielnie podejmować decyzje. Czym są agenty AI? W maksymalnym uproszczeniu można powiedzieć, że to połączenie automatyzacji klasycznej z asystentami AI, których do mainstreamu na dobre wprowadził amerykański start up OpenAI udostępniając za darmo Chat GPT pod koniec roku 2022. 

Kilka miesięcy po ukazaniu się Chata GPT, jego twórcy udostępnili API (Application Programming Interface) – tzn. taki programistyczny interfejs, który daje możliwość łączenia i komunikowania się różnych aplikacji ze sobą. Efekt? Możesz napisać prosty program np. w języku Python, który wyśle zapytanie do modelu językowego Chata GPT i otrzyma odpowiedź — dokładnie tak, jakbyś wpisał takie zapytanie na stronie internetowej Chata GPT samodzielnie. To otwiera bardzo szerokie możliwości automatyzacji procesów biznesowych z AI.

Ten wpis to początek mini serii, z której dowiesz się czym są agenty AI (tak, to jest poprawna forma w j.polskim). Będzie również część praktyczna – krótki tutorial o tym, jak zbudować prostego agenta AI. Zapraszam do lektury.

Czym różni się bot od agenta AI?

Wyjaśnię to na (nieco uproszczonym) przykładzie. Korzystając z Pythona mogłeś napisać skrypt, który “przegląda” wskazany folder i znalezione tam pliki porządkuje w podfolderach np. na podstawie nazwy pliku lub jego typu. Taki program mógłby — przykładowo — pliki z tekstem FV w nazwie przenosić do katalogu faktury. Innym przykładem może być skrypt, który kategoryzuje pliki na podstawie ich rozszerzenia: .doc, .jpg, .pdf itd. — każdy z nich osobno. Przykład takiej prostej automatyzacji był wykorzystany w mini kursie Pythona z AI na tym blogu.

A co, jeśli chciałbyś dokładniej określić typ dokumentu w sposób automatyczny i na tej podstawie podjąć dalsze działania? Weźmy wspomniane faktury. Wyobraź sobie, że Twoim celem jest określenie kategorii wydatków na fakturze (np. artykuły biurowe, koszty podróży, szkolenia itd.), krótkie opisanie jej, a następnie przesłanie tych wszystkich informacji (plik, kategoria i opis) do działu księgowego.

Czy da się pozyskać te informacje za pomocą klasycznego kodowania? Jeśli masz choćby odrobinę doświadczenia w programowaniu, zapewne intuicyjnie czujesz, że nie będzie to proste. Z drugiej strony prawdopodobnie wiesz, jak to zrobić “ręcznie” wykorzystując najprostszego Asystenta AI, jakim może być dowolny duży model językowy (Chat GPT, Claude, Gemini itp.). Wystarczy napisać odpowiedniego prompta i załadować plik z fakturą, żeby po chwili otrzymać jej krótki opis wraz z kategorią wydatku.

Łącząc automatyzację klasyczną z odpowiednio skonfigurowanym Asystentem AI możemy otrzymać mini Agenta AI który np.:

1. Kategoryzuje wszystkie pliki, które trafiają do folderu pobrane i przenosi je do dedykowanych podfolderów.
2. Jeśli plik jest fakturą, wysyła maila do działu księgowego oraz załącza krótkie podsumowanie z opisem.

Jak to działa? Każdy plik jest po prostu “czytany” przez narzędzie typu OCR (Optical Character Recognition), a następnie ten tekst przekazywany jest do asystenta AI wraz z odpowiednim promptem, gdzie następuje jego analiza, przydzielenie kategorii, podsumowanie itp. 

Można dywagować czy taka automatyzacja to już Agent AI czy pół-agent AI — czyli po prostu przepływ z wykorzystaniem asystenta AI. Obserwując mnogość i różnorodność materiałów na ten bardzo świeży i nowoczesny temat, odnoszę wrażenie, że definicja Agenta AI ciągle się kształtuje.

Myślę, że z pragmatycznego punktu widzenia, kwestie nazewnictwa możemy odłożyć na bok i przyjąć, że nie są one aż tak istotne. Kluczowy jest fakt, że tego typu automatyzacje procesów biznesowych z AI mogą przynieść realne korzyści praktycznie w każdym przedsiębiorstwie. I to właśnie na tym skupimy się w dalszej części tej serii. 

Jak działa agent AI w praktyce?

Wyobraź sobie pracownika, który nie tylko wykonuje polecenia, ale też rozumie kontekst swojej pracy. Kiedy dostaje plik z danymi – sprawdza, czy wszystko wygląda poprawnie. Jeśli coś się nie zgadza, potrafi sam dopytać lub zaproponować rozwiązanie. Właśnie tak działa agent AI – to połączenie automatyzacji z inteligentnym podejmowaniem decyzji.

Agent AI składa się z kilku podstawowych elementów:

• Model językowy (LLM) – jego “mózg”, który rozumie tekst, potrafi analizować dane i formułować odpowiedzi w naturalny sposób.
• Zadania – zestaw akcji, które agent może wykonywać, np. pobieranie pliku, wysyłanie maila, uruchomienie skryptu Python lub aktualizacja arkusza danych.
• Źródła danych – dostęp do informacji, np. wiadomości e-mail, folderów na dysku, baz danych, API czy plików Excel. → to właśnie dzięki bazom danych Twój asystent wykorzystany w agencie AI może ograniczyć kontekst w swoich odpowiedziach do Twojej firmy, produktu lub usługi – czyli pracować na danych, jakie mu dostarczysz
• Pętla decyzyjna – kluczowy element, dzięki któremu agent potrafi ocenić, czy już osiągnął cel, czy potrzebuje wykonać kolejne kroki. 

W praktyce wygląda to mniej więcej tak:

Agent dostaje cel – np. “znajdź ostatnie faktury w skrzynce mailowej i zaktualizuj raport wydatków”. Sprawdza skrzynkę, pobiera faktury, rozpoznaje dane z załączników, a następnie aktualizuje odpowiedni arkusz. Gdy coś się nie zgadza (np. brakuje kwoty), może sam spróbować to naprawić lub dać Ci znać.

Różnica w stosunku do klasycznych automatyzacji polega na tym, że agent nie potrzebuje sztywno zaprogramowanej ścieżki. Zamiast wykonywać listę komend linijka po linijce, sam wybiera strategię działania, dążąc do określonego celu. Dlatego tak dobrze sprawdza się w zadaniach, w których wcześniej trzeba było reagować “manualnie” – analizować dane, wybierać warianty czy interpretować tekst.

Nie zawsze jednak mówimy o w pełni autonomicznym agencie.

Często w biznesie stosuje się rozwiązania hybrydowe, w których AI stanowi jeden z elementów klasycznego przepływu automatyzacji.

Na przykład w Make.com lub Power Automate (tematyce narzędzi do budowania agentów AI poświęcę kolejny wpis tej serii) można zbudować scenariusz, który pobiera nowe pliki (np. faktury), przekazuje ich treść do modelu AI, a ten jedynie klasyfikuje dane lub sugeruje kategorię wydatku.

Następnie dalsze kroki – zapis w bazie, wysyłka raportu czy aktualizacja arkusza – wykonuje już “tradycyjna” automatyzacja.

Zastosowanie agentów AI w biznesie

Sztuczna inteligencja doskonale radzi sobie z tekstem, kodem oraz dużą ilością danych. Dzięki temu możemy ją wykorzystać w naszych automatyzacjach do różnych “mikro-tasków”. Takie małe zadania mogą być realizowane przez pojedynczych asystentów AI.

Przykłady asystentów AI w praktyce biznesowej

Lista zadań, jakie mogą być realizowane przez asystentów AI wydaje się nie mieć końca, poniżej znajdziesz kilka przykładów:

• Rozpoznanie intencji wiadomości tekstowej wysłanej przez klienta na czacie. Jeśli klient chce się umówić na konsultację – wyślij link do kalendarza. Jeśli chce zapytać o produkt – znajdź informację w bazie danych.
• Podsumowanie tekstu (transkrypcji rozmowy, artykułu itp.). AI bez problemu podsumuje dla Ciebie spotkanie, w którym nie mogłeś uczestniczyć oraz przygotuje listę zadań ustalonych podczas tego spotkania. Innym przykładem może być odczytanie kluczowych informacji z CV kandydata w procesie rekrutacji.
• Analiza dużej ilości danych tekstowych. AI dopasuje stanowiska, na które prowadzisz rekrutację do CV kandydatów, którzy się zgłosili. Przedstawi również argumenty dlaczego aplikację mniej kompetentnego kandydata należy odrzucić.
• Analiza rozmowy. Asystent AI przeanalizuje rozmowę sprzedażową. Zidentyfikuje punkt, w którym doszło do transakcji (sales point) lub da rekomendacje, co można zrobić lepiej w przyszłości, aby rozmowa była skuteczna.
• Ocena rozmowy. Asystent AI oceni, jak zaprezentował się kandydat podczas rozmowy rekrutacyjnej.
• Przygotowanie treści. Sztuczna inteligencja przygotuje gotową treść posta na Twoje media społecznościowe,a następnie odpowiednio dopasuje ton i styl, żeby brzmiał naturalnie.
• Przeszukanie bazy danych aby odpowiedzieć na konkretne pytanie. Asystent AI z podłączoną bazą danych odpowie na pytanie klienta, czerpiąc informacje tylko z danych, które mu udostępniłeś – prezentacje PP, pliki PDF itd.
• Automatyczna klasyfikacja dokumentów. Agent AI odczyta zawartość faktury, paragonu czy umowy i przypisze je do odpowiednich kategorii wydatków lub projektów. Może też uzupełnić brakujące dane w arkuszu lub systemie ERP na podstawie kontekstu dokumentu.
• Podsumowanie raportów i przygotowanie rekomendacji. Agent AI analizuje raporty sprzedażowe z różnych okresów i źródeł, wskazuje produkty o rosnącej lub malejącej sprzedaży oraz sugeruje działania – np. zwiększenie budżetu reklamowego dla najlepiej rotujących pozycji.
• Tworzenie rekomendacji. Na podstawie historii zakupów klientów, AI przygotuje listę rekomendowanych produktów lub usług.
• Automatyczne porządkowanie wiadomości e-mail. Asystent AI przeanalizuje skrzynkę odbiorczą, wykryje powtarzające się wątki (np. zapytania ofertowe, reklamacje, zamówienia) i przypisze je do odpowiednich kategorii, folderów lub procesów w CRM.
• Tworzenie raportów i wniosków. AI przygotuje zwięzłe raporty na podstawie danych z wielu źródeł – np. z plików Excela, systemu ERP i notatek spotkań. Raport może zawierać nie tylko dane, ale i krótką interpretację trendów.
• Monitorowanie jakości danych i alerty. Agent AI sprawdzi poprawność danych w bazie, wykryje błędy logiczne lub brakujące wartości (np. w planach produkcyjnych, zamówieniach czy rejestrach pracowników) i powiadomi odpowiednią osobę o konieczności korekty.
• Wspomaganie pracy programisty i utrzymanie automatyzacji. Asystent AI analizuje fragmenty kodu (np. skrypty Python lub VBA), wykrywa błędy składniowe, nieużywane funkcje lub zduplikowaną logikę, a następnie sugeruje poprawki. Może też generować dokumentację techniczną lub streszczenie działania danego modułu, co ułatwia utrzymanie automatyzacji w większych zespołach.
• Pisanie wiadomości e-mail. Asystent AI pisze spersonalizowane wiadomości. Dzięki temu kandydat, który zaaplikował na otwarte stanowisko pracy dostanie spersonalizowany feedback — niezależnie od tego, czy jesteś zainteresowany współpracą, czy też nie.

Przykłady takich małych zadań, które mogą być realizowane przez AI jest o wiele więcej. Myślę jednak, że powyższa lista daje już pewien obraz tego, z jak potężnymi narzędziami mamy do czynienia oraz jak wielką rewolucję mogą one przynieść w automatyzacji procesów biznesowych.

Przykłady agentów AI w biznesie

Połączenie asystentów z elementami automatyzacji klasycznej, pozwala na automatyzowanie całych procesów biznesowych — tworząc autonomicznych agentów AI, którzy wykonują pracę za Ciebie. Mając do dyspozycji kilku asystentów z powyższej listy, moglibyśmy stworzyć kompleksową automatyzację procesu rekrutacji. Brzmi jak “Science Fiction”? Jeszcze kilka lat temu — z pewnością tak. Dzisiaj to jak najbardziej możliwe. Taki proces mógłby wyglądać tak:

1. Kandydat wysyła CV → Agent AI zapisuje CV automatycznie w chmurze.
2. Analiza dokumentów → Agent AI czyta CV, archiwizuje je i wpisuje kluczowe dane kandydata do Google Sheets. Tutaj korzystamy z asystenta AI, który wyławia interesujące nas dane z tekstu CV
3. Dopasowanie profilu → Agent AI porównuje dane kandydata z otwartymi stanowiskami. W tym punkcie korzystamy z asystenta AI, który dostaje informacje o kandydacie oraz opis stanowisk, na które prowadzimy rekrutację. Wynikiem jego pracy jest dopasowanie stanowisk do kandydatów.
4. Weryfikacja przez człowieka → Rekruter potwierdza ocenę wykonaną przez agenta AI.
5. Kontakt z kandydatem → Agent AI wysyła spersonalizowany feedback: zaproszenie na rozmowę lub informację o braku oferty. Kolejny asystent AI, który formułuje spersonalizowaną wiadomość (oraz tytuł e-maila) w zależności od tego czy kandydat przechodzi dalej czy też nie.
6. Umawianie rozmowy → Agent AI koordynuje termin rozmowy z kandydatem.
7. Przeprowadzana jest rozmowa rekrutacyjna. → Asystent AI “uczestniczy” w rozmowie. Transkrypcja przesyłana jest automatycznie do kolejnego asystenta.
8. Podsumowanie spotkania → Agent AI zapisuje najważniejsze wnioski z rozmowy oraz jej ocenę: pozytywną lub negatywną. Tutaj korzystamy z asystenta AI, który ocenia transkrypcję rozmowy oraz tworzy jej krótkie podsumowanie.
9. Decyzja rekrutacyjna → Rekruter decyduje o dalszym udziale kandydata w procesie rekrutacji.
10. Przesłanie zadania → Agent AI wysyła zadanie testowe do kandydata. W tym kroku asystent AI po prostu tworzy treść wiadomości e-mail z zadaniem testowym na dane stanowisko.
11. Finalna decyzja → Rekruter podejmuje decyzję o zatrudnieniu.
12. Zakończenie procesu → Agent AI wysyła informację o przyjęciu oraz szablon dokumentu umowy o pracę. Tutaj również asystent AI tworzy treść oraz tytuł wiadomości e-mail.

Zauważ, że opisany tutaj proces składa się z wielu “mikro-zadań”, które dałoby się wykorzystać w automatyzacji dowolnego innego procesu — np. zamiast analizy dokumentu CV asystent AI może przeanalizować fakturę lub ofertę oraz przygotować wiadomość email do klienta, a nie kandydata uczestniczącego w rekrutacji itd.

Powyższy opis faktycznie oddaje to, w jaki sposób przebiegają procesy rekrutacji w praktycznie każdej firmie. Najczęściej różnią się one jedynie niuansami. W tym przypadku, aby to zadziałało potrzebujesz przygotować opis stanowiska wraz z zadaniem testowym dla kandydata. Umieszczasz informację o rekrutacji w sieci, a kiedy zaczynają pojawiać się pierwsze CV do gry wchodzi Twój agent AI, który realizuje kolejne kroki procesu niemalże całkowicie autonomicznie.

Rola człowieka w automatyzacji procesów biznesowych z AI 

Zauważ, że w powyższym opisie wskazałem kilka punktów, w których to człowiek (w tym przypadku rekruter) weryfikuje rekomendacje sztucznej inteligencji. Rekruter decyduje o tym, czy kandydat przechodzi do kolejnego etapu oraz czy finalnie zostaje przyjęty.

To trochę jak z wykorzystaniem AI w medycynie — sztuczna inteligencja może bardzo szybko przeanalizować wiele badań i wyników, zidentyfikować nieprawidłowości oraz opracować rekomendacje. Finalnie jednak to lekarz podejmuje decyzje. Po prostu dzięki dźwigni, jaką daje technologia (w tym przypadku możliwość efektywnej analizy dużej ilości danych) specjalista może pomóc większej liczbie osób w tym samym czasie.

Podobnie jak w medycynie, błędne decyzje rekrutacyjne mogą mieć również bardzo negatywne konsekwencje – nawet dla zdrowia ludzkiego, chociaż to nieintuicyjne. Myślę, że wielu managerów zgodziłoby się z tym stwierdzeniem. Koniec końców, modele AI nie gwarantują powtarzalności ani poprawności odpowiedzi – potrafią zaskoczyć, ale też popełnić błąd. Warto o tym pamiętać, zanim powierzysz im kluczowe procesy swojej firmy.

W praktyce może to wyglądać po prostu tak, że cały proces zarządzania automatyzacją zachodzi w pliku Google Sheets lub Excel. Agent AI, przechodząc przez kolejne etapy, adekwatnie zmienia status przypisany do danego kandydata. Przejście do krytycznych etapów rekrutacji (np. zaproszenie kandydata na rozmowę lub wysłanie informacji o zatrudnieniu) wymaga statusu ustawionego przez rekrutera.

Dlaczego Agenci AI to przełom w automatyzacji procesów biznesowych?

Agenci AI w biznesie to nie tylko kolejna technologia — to zmiana sposobu myślenia o automatyzacji. Zamiast pisać dziesiątki sztywnych reguł i skryptów, tworzymy systemy, które same potrafią interpretować dane, podejmować decyzje i dostosowywać się do sytuacji.

Klasyczna automatyzacja działa według sztywnego schematu: „jeśli A, to zrób B”. Agent AI potrafi zrozumieć intencję, a nie tylko warunek logiczny. Dzięki temu nie trzeba pisać osobnego skryptu do każdej sytuacji – agent sam dobierze właściwe działanie, nawet gdy dane nie są idealnie uporządkowane.

Co więcej, stworzenie takiego rozwiązania jest dziś o wiele prostsze. Agenta AI można stworzyć i przetestować w środowisku no-code lub low-code, takim jak Make.com (tematyce narzędzi do budowania agentów AI poświęcę kolejny wpis tej serii), co znacząco skraca czas od pomysłu do gotowego rozwiązania. Nie trzeba już angażować całego zespołu deweloperów – wystarczy dobrze zaplanować logikę procesu i dodać warstwę „inteligencji”.

Warto zauważyć, że agent AI nie zastępuje istniejących systemów (jak SAP, Excel czy Python), tylko dodaje im nowy wymiar – zdolność rozumienia i reagowania. Potrafi analizować dane, interpretować wyniki raportów, a następnie uruchamiać odpowiednie działania. To nowy poziom współpracy między człowiekiem, kodem i systemem.

Jeszcze kilka lat temu stworzenie takiego rozwiązania wymagało wiedzy z zakresu machine learningu, dziś można zbudować przy pomocy gotowych narzędzi i API. Coraz łatwiej stworzyć własnego agenta nawet bez znajomości programowania – wystarczy umieć zdefiniować jego cel i zadania. To sprawia, że automatyzacja staje się bardziej dostępna, inteligentna i praktyczna niż kiedykolwiek wcześniej.

Dzięki tej zmianie automatyzacja staje się bardziej ludzka – zamiast zastępować człowieka w najprostszych czynnościach, wspiera go w codziennej pracy, analizie i podejmowaniu decyzji. Agent AI może przejąć to, co powtarzalne i czasochłonne, a my możemy skupić się na tym, co naprawdę ważne: rozwiązywaniu problemów, planowaniu i rozwoju.

Wyzwania i ograniczenia związane z wykorzystaniem agentów AI w biznesie

Oprócz szeregu korzyści, jakie może przynieść Ci wykorzystanie agentów AI w Twoim biznesie, musisz pamiętać o tym, że ta technologia niesie ze sobą pewne wyzwania. 

Pierwsze z nich to koszty — dostęp do narzędzi AI (jak np. API Chata GPT lub subskrypcje innych serwisów) jest z reguły płatny. To najczęściej koszt od kilku do kilkunastu (czasami więcej) dolarów miesięcznie. Do zbudowania bardziej złożonej automatyzacji możesz potrzebować nawet kilku różnych narzędzi, które łącznie mogą wygenerować sporą miesięczną opłatę, Dobra wiadomość jest taka, że podstawowe funkcjonalności takich narzędzi z reguły dostępne są za darmo. Co więcej, nawet jeśli będziesz potrzebował płatnych subskrypcji, to ich koszty będą najprawdopodobniej nieporównywalnie niższe od oszczędności, jakie może wygenerować dobrze zaprojektowany i wdrożony agent AI.

Kolejna kwestia to prywatność danych. “There is no free lunch” — to angielskie powiedzenie świetnie trafia w sedno prywatności danych w pracy ze sztuczną inteligencją. Pamiętaj, że jeśli coś jest (pozornie) darmowe, to walutą najprawdopodobniej są Twoje dane. Płatne wersje modeli językowych w swoich politykach prywatności mają często zapis informujący, że Twoje dane są bezpieczne (tzn. modele nie będą na nich trenowane). W planach darmowych taka informacja jest często pominięta. Dodatkowo, w przypadku pracy z danymi personalnymi należy pamiętać o aspektach prawnych – RODO. Naturalnie, da się korzystać z AI w sposób bezpieczny i zgodny z prawem, należy to po prostu robić z głową i nie ignorować tych kwestii.

Warto poruszyć również aspekt niezawodności. Inteligencja w modelach AI opiera się na statystyce — to potężne modele probabilistyczne, które uczą się wzorców języka, a nie prawdziwego rozumienia. AI nie rozumie świata – tylko go odtwarza na podstawie danych. Dlatego jej odpowiedzi nie są powtarzalne i mogą być błędne. W języku branżowym mówi się o tym, że AI “halucynuje” – czyli po prostu zmyśla, jeśli czegoś nie wie lub zwyczajnie się myli. Przyznaję, że pozwoliłem sobie tutaj na pewne uproszczenie. Kluczowe jest jednak to, że modele językowe mogą halucynować. Wdrażając agentów AI do automatyzacji procesów biznesowych należy koniecznie wziąć to pod uwagę.

Ostatnia rzecz to obsługa techniczna. Choć agenci AI potrafią działać samodzielnie, każda automatyzacja wciąż wymaga nadzoru technicznego. Wystarczy drobna zmiana w nazwie pliku, polu formularza lub strukturze danych, żeby cały proces się zatrzymał. Dlatego tak ważne jest, by w organizacji zawsze była osoba, która rozumie logikę działania agenta, potrafi prześledzić jego kroki i przywrócić go do działania w razie awarii. Automatyzacja nie zwalnia nas z odpowiedzialności — wymaga raczej nowego rodzaju kompetencji: umiejętności diagnozowania i utrzymania „inteligentnych” procesów. 

Podsumowanie

Technologia AI rozwija się w niesamowitym tempie. Porównując modele sprzed kilkudziesięciu lat do tych współczesnych widzimy, że poziom ich zaawansowania wzrósł wprost niewyobrażalnie. Podejście świata biznesu jest bardzo różne: jedni próbują postawić wszystko na jedną kartę i myślą o przerobieniu całej firmy na jednego wielkiego agenta AI, inni podchodzą sceptycznie, a jeszcze inni powoli wchodzą w ten świat zachowując zdrowy rozsądek.

Ten wpis powinien uzmysłowić Ci dwie rzeczy:

1. Wykorzystanie agentów AI może przynieść realne korzyści biznesowe.
2. Obecnie technologia ta nie jest idealna i ma swoje ograniczenia.

Można więc postawić hipotezę, że firmy, które zaczynają korzystać z AI już teraz budują znaczną przewagę nad tymi, które z tym zwlekają. Przez następne kilka lat modele staną się  po prostu lepsze. Biznesy, które przez ten czas przejdą tę transformację będą na znacznie lepszej pozycji od tych, które dopiero zdecydują się zacząć.

Pamiętaj o tym, że nie nie warto podążać ślepo za modą. Implementacja agentów AI nie zawsze ma sens. W pierwszej kolejności należy zrobić audyt procesów, ustandaryzować je i dopiero wtedy podejmować decyzje o ewentualnym wdrożeniu agenta AI. Sam ten “przegląd” Twoich procesów może być bardzo wartościowy — może się okazać, że da się wiele uprościć i zaoszczędzić bez żadnych agentów AI lub, że wystarczy prosta (klasyczna) automatyzacja. Na przykład taka, jaką pokazywałem w serii o automatyzacji SAP-a.

Aby dołączyć do tej rewolucji technologicznej, nie potrzebujesz od razu automatyzować całej firmy za pomocą agentów AI. Zdecydowanie lepszym pomysłem, wydaje się być rozpoczęcie od prostych rzeczy. Następnie zrozumienie tej technologii, a dopiero później automatyzowanie kolejnych — bardziej skomplikowanych — procesów.

W kolejnych wpisach tej serii będę stopniowo przechodził do zagadnień praktycznych. Pokażę Ci narzędzia wykorzystywane do budowania agentów AI oraz nauczę Cię stworzenia prostego agenta AI od podstaw. Do lektury tych artykułów już teraz Cię serdecznie zachęcam.