Zapytania brzmią zwykle tak: "potrzebujemy agenta AI do obsługi zamówień". Po dwudziestu minutach rozmowy okazuje się, że zamówienia przychodzą z jednego formularza, zawsze z tymi samymi polami, a robota polega na przepisaniu ich do arkusza i do CRM. To nie jest zadanie dla modelu językowego. To kilkanaście węzłów w n8n, które postawi się w dwa dni i które będzie chodzić rok bez ani jednego wywołania modelu.
Pytanie jest warte konkretnych pieniędzy. Polscy dostawcy publikują za agenta widełki 3 000-15 000 zł wdrożenia plus 500-2 500 zł miesięcznie, a przy agencie zintegrowanym z CRM 15 000-45 000 zł. Agent, który czyta i zapisuje dane w ERP, wyceniany jest już na 80 000-250 000 zł. Jeśli ten sam efekt daje deterministyczny scenariusz, różnica idzie w dziesiątki tysięcy złotych rocznie. Poniżej test, który robię na pierwszym spotkaniu, i liczby, które za nim stoją.
Dwie różne rzeczy sprzedawane pod jedną nazwą
Jedyna prawdziwa różnica jest taka: kto decyduje o następnym kroku.
W deterministycznym workflow kolejność ustalasz ty, na etapie budowy. Przyszedł mail, sprawdź nadawcę, wyciągnij załącznik, zapisz do bazy, powiadom handlowca. Jeśli warunek A, to gałąź w lewo, jeśli B, w prawo. Wszystkie ścieżki są narysowane i dają się policzyć.
W agencie kolejność ustala model w trakcie działania. Dostaje cel, listę narzędzi i sam wybiera, po które sięgnąć, ile razy i kiedy uznać, że skończył. To daje elastyczność i to samo odbiera przewidywalność.
Sama obecność modelu w procesie nie robi z niego agenta. Węzeł, który czyta maila i zwraca jedną z pięciu kategorii z listy, to nadal zwykły workflow z jednym inteligentnym krokiem. I bardzo często dokładnie to jest właściwą odpowiedzią na zapytanie klienta.
Widać, gdzie dryfuje budżet: biblioteka szablonów n8n przekroczyła w sierpniu 2026 około 11 700 pozycji, a szablony wieloagentowe podwoiły się w dwa miesiące i stanowią już mniej więcej czwartą część kategorii AI.
Test na sześć pytań
Odpowiadaj tak albo nie, o konkretnym procesie, nie o firmie w ogóle.
- Czy wejście przychodzi w nieprzewidywalnej formie? Swobodny tekst maila, PDF od kontrahenta, skan, nagranie rozmowy, a nie pola formularza.
- Czy liczba możliwych ścieżek jest większa, niż da się wypisać na jednej kartce? Jeśli potrafisz naszkicować diagram i mieści się w dwudziestu gałęziach, model nie jest potrzebny.
- Czy któryś krok wymaga oceny sensu treści, a nie porównania wartości? "Czy to reklamacja, czy zapytanie ofertowe" to ocena sensu. "Czy kwota przekracza 5 000 zł" nie jest.
- Czy wyjątki są regułą? Jeśli ponad 10% spraw nie mieści się w schemacie i za każdym razem inaczej, sztywne rozgałęzienia będą rosły w nieskończoność.
- Czy kolejność kroków zależy od tego, co system znajdzie po drodze? Sprawdzi w CRM, dopiero potem wie, czy szukać w mailach, czy w umowach.
- Czy różnica między odpowiedzią poprawną a dobrze napisaną jest warta pieniędzy? Przy odpowiedzi do klienta zwykle tak. Przy przepisaniu danych między systemami nie ma żadnego znaczenia.
| Liczba odpowiedzi "tak" | Co budować |
|---|---|
| 0-1 | Deterministyczny workflow, bez modelu w środku |
| 2-3 | Workflow z jednym krokiem LLM w miejscu, gdzie pada "tak" |
| 4-6 | Agent, ale zawężony do jednego zadania, nie do całego działu |
Większość zapytań, które trafiają do mnie z hasłem "agent AI", kończy się wynikiem 0-2. To nie znaczy, że agenci nie działają. Znaczy, że nazwa wyprzedziła potrzebę.
Kiedy deterministyczny workflow wygrywa
Cztery rzeczy, których agent nie daje z definicji.
Koszt jednostkowy. Workflow nie płaci za tokeny. Sto zamówień dziennie i dziesięć tysięcy zamówień dziennie kosztują w rachunku za model dokładnie tyle samo, czyli zero. Rachunek za agenta rośnie liniowo z ruchem, a przy dużym wolumenie to jest ta pozycja, która psuje ROI.
Powtarzalność. To samo wejście daje to samo wyjście, więc test robi się raz. Model przy tym samym mailu może dziś wybrać jedno narzędzie, a po aktualizacji wersji inne.
Debugowanie. Kiedy pada workflow, log pokazuje węzeł, dane wejściowe i błąd. Kiedy pada agent, masz łańcuch wywołań i trzeba odtworzyć, dlaczego model zdecydował tak, a nie inaczej. Realnie to różnica między dziesięcioma minutami a połową dnia.
Rozliczalność. Przy danych osobowych i dokumentach księgowych łatwiej wykazać, co system robi, gdy ścieżka jest narysowana. Szerzej o kolejności prac pisałem w tekście o tym, od czego zacząć automatyzację procesów.
Statystyka jest po tej samej stronie. Gartner prognozuje, że do końca 2027 ponad 40% projektów agentowych zostanie zamkniętych, a 89% pilotaży agentowych nigdy nie wchodzi na produkcję. S&P Global Market Intelligence podaje, że w 2025 roku 42% firm porzuciło większość inicjatyw AI, wobec 17% rok wcześniej. Powód rzadko jest technologiczny: budowano rzecz droższą i mniej przewidywalną, niż wymagało zadanie.
Kiedy agent naprawdę ma sens
Są procesy, w których sztywny scenariusz nie ma szans, i wtedy agent zwraca się szybko.
Nieustrukturyzowane wejście. Skrzynka z zapytaniami ofertowymi to klasyk polskiego rynku: produkcja, budowlanka i hurt dostają RFQ mailem, w załączniku PDF, arkusz, czasem zdjęcie rysunku. Tego nie da się rozgałęzić, to trzeba zrozumieć.
Decyzja zamiast reguły. Kwalifikacja leada z długiej rozmowy, przypisanie sprawy do działu na podstawie treści i zapis wyniku tam, gdzie pracuje handlowiec, czyli zwykle w CRM dla małej firmy.
Wyjątki jako codzienność. Reklamacje i obsługa posprzedażowa, gdzie połowa zgłoszeń to sytuacja nieopisana w procedurze.
Warto zobaczyć, czego rynek naprawdę używa. W badaniu Upwork wśród małych firm pilotaże najczęściej dotyczą wsparcia decyzji (41%) i wyszukiwania informacji (36%), a autonomiczne wykonywanie zadań zamyka listę (30%). Agent, który czyta, klasyfikuje i przekazuje dalej, wchodzi do produkcji. Ten, który ma prowadzić proces sam od początku do końca, utyka w pilotażu.
Ten sam proces w dwóch wersjach
Jedno zadanie: przychodzące zapytania ofertowe, z których trzeba wyciągnąć pozycje i przygotować szkic oferty. Po lewej wersja z formularzem, który wymusza strukturę. Po prawej agent czytający to, co przyszło mailem.
| Kryterium | Workflow deterministyczny | Agent na modelu językowym |
|---|---|---|
| Koszt budowy u mnie | od 900 € (około 3 900 zł) za proces | od 1 500 € (około 6 400 zł) |
| Widełki rynkowe w Polsce | pojedyncza automatyzacja, poniżej progu agentowego | 3 000-15 000 zł, z integracją CRM 15 000-45 000 zł |
| Opłata za model | brak | 5-20 wywołań na jedno zadanie, rośnie z wolumenem |
| Koszt miesięczny | hosting i konta w narzędziach | polskie cenniki podają 500-2 500 zł/mc, część dostawców 200-500 zł/mc za samo API |
| Punkty awarii | tyle, ile węzłów, każdy widoczny w logu | węzły plus zachowanie modelu, które zmienia się przy aktualizacji |
| Czas diagnozy typowego błędu | minuty, log wskazuje węzeł | godziny, trzeba odtworzyć łańcuch decyzji |
| Powtarzalność | to samo wejście, to samo wyjście | to samo wejście, możliwa inna ścieżka |
| Udział człowieka | tylko wyjątki zdefiniowane z góry | praktycy podają 5-15% spraw do przeglądu |
| Utrzymanie roczne | zmiany, gdy dostawca zmieni API | polscy dostawcy liczą 15-25% wartości wdrożenia |
Wniosek nie brzmi "workflow jest lepszy". Brzmi: jeśli da się wymusić strukturę na wejściu, lewa kolumna jest tańsza w każdym wierszu. Czasem najtańszą inwestycją w AI jest formularz.
Ukryte koszty wersji agentowej
Pięć pozycji, których nie ma w ofercie, a które budujący agentów wymieniają zgodnie.
- Liczba wywołań na zadanie. Nie jedno, tylko 5-20. Przy trzystu sprawach miesięcznie to inna skala rachunku niż zakładał kalkulator z demo.
- Przegląd ludzki. 5-15% spraw i tak trafia do człowieka. Jeśli w biznesplanie było 0%, wynik będzie ujemny.
- Dryf promptu przy zmianie modelu. Dostawca podnosi wersję, zachowanie się przesuwa, trzeba przetestować i poprawić. To praca kwartalna, nie jednorazowa.
- Utrzymanie integracji i autoryzacji. Tokeny wygasają, API się zmieniają. Polskie firmy liczą na to 15-25% wartości wdrożenia rocznie i to jest uczciwa liczba.
- Governance. Logi, wersjonowanie promptów, obsługa danych osobowych. Przy AI Act to warunek wejścia, nie opcja.
Policz to na kartce. Agent wyceniony na 8 000 zł to przy regule półtora raza jakieś 12 000 zł samego wdrożenia. Doliczasz 500-2 500 zł miesięcznie z polskich cenników, czyli 6 000-30 000 zł w skali roku. Pierwszy rok wychodzi na 14 000-38 000 zł, a nie na 8 000 zł z oferty. Globalne cenniki mają tę samą strukturę: agent jednozadaniowy to 1 500-5 000 USD budowy plus 300-800 USD miesięcznie.
Wersja hybrydowa, czyli to, co buduję najczęściej
Najlepszy stosunek efektu do ryzyka daje deterministyczny scenariusz z jednym krokiem LLM w środku. Szkielet jest sztywny: pobierz, zapisz, powiadom, ponów przy błędzie. Model dostaje jedno wąskie zadanie z zamkniętym wyjściem: wyciągnij z tego maila pięć pól, wybierz jedną kategorię z listy, napisz szkic odpowiedzi.
Trzy praktyczne zalety. Model nie decyduje o kolejności, więc scenariusz jest testowalny. Rachunek jest przewidywalny, bo wywołanie przypada jedno na sprawę. A gdy model zwróci nonsens, walidacja to wyłapie i sprawa idzie do człowieka, zamiast wysypać resztę procesu.
Po pół roku widać z danych, gdzie sztywność faktycznie boli, i dopiero to jest moment na rozszerzenie do prawdziwego agenta. Kandydatów na pierwszy proces wypisałem w materiale o tym, co zautomatyzować w firmie najpierw.
Jak zapisać to w zapytaniu ofertowym
Nie pisz "chcemy agenta AI". Opisz proces i dołóż sześć pytań do wykonawcy. Odpowiedzi rozstrzygają wycenę lepiej niż katalog usług.
- Które kroki są deterministyczne, a w których decyduje model?
- Ile wywołań modelu przypada na jedno zadanie i kto płaci za tokeny?
- Co się dzieje, gdy model zwróci wynik niepoprawny formalnie? Czy jest walidacja i ścieżka awaryjna?
- Jaki procent spraw idzie do człowieka w pierwszym miesiącu i jak to mierzycie?
- Co się dzieje przy zmianie wersji modelu i kto płaci za retest?
- Jak wygląda log jednej sprawy, gdy trzeba wyjaśnić klientowi, dlaczego system zrobił to, co zrobił?
Wykonawca, który na pierwsze pytanie odpowiada "agent sam sobie poradzi", wycenia coś, czego nie będzie umiał utrzymać.
GUS podaje, że w 2025 roku 8,7% polskich firm deklarowało korzystanie z technologii AI, a rozwiązanie zbudowane na zamówienie przez zewnętrzną firmę miało zaledwie 2,1%. Większość rynku jest przed pierwszym wdrożeniem, nie przed dziesiątym. Pierwsze wdrożenie powinno być nudne i działać.
Jeśli nie masz pewności, po której stronie leży twój proces, audyt AI daje odpowiedź na papierze: mapa procesu, wynik testu dla każdego kandydata, wycena obu wariantów i rekomendacja, czego nie robić. Kosztuje od 4 900 zł, a rekomendacja bywa tańsza niż to, po co klient przyszedł. Jeśli wynik jest już oczywisty i wystarczy zwykła automatyzacja procesów, robię ją od 900 € za proces, zwykle w dwa do trzech tygodni. Tak czy inaczej, napisz do mnie z opisem jednego konkretnego procesu, nie całej firmy.
FAQ
Czym różni się agent AI od zwykłej automatyzacji? Różnica jest jedna: kto ustala kolejność kroków. W automatyzacji projektujesz ją z góry i system zawsze idzie tą samą ścieżką. W agencie model dostaje cel i listę narzędzi, po czym sam decyduje w trakcie działania, po które sięgnąć i kiedy skończyć. Obecność modelu w jednym kroku nie robi jeszcze z procesu agenta.
Kiedy agent AI naprawdę się opłaca? Gdy wejście przychodzi w nieprzewidywalnej formie (mail, PDF, rozmowa), gdy ponad 10% spraw to wyjątki i gdy jakiś krok wymaga oceny sensu treści, a nie porównania liczb. Jeśli w teście sześciu pytań masz cztery odpowiedzi "tak" i więcej, agent ma sens. Przy zerze albo jednym "tak" deterministyczny workflow zrobi to samo taniej i przewidywalniej.
Ile kosztuje agent AI, a ile zwykły workflow w Polsce? Polscy dostawcy publikują za agenta 3 000-15 000 zł wdrożenia plus 500-2 500 zł miesięcznie, a przy integracji z CRM 15 000-45 000 zł. Agent zapisujący dane w ERP wyceniany jest na 80 000-250 000 zł. U mnie automatyzacja procesu zaczyna się od 900 € (około 3 900 zł), a agent od 1 500 € (około 6 400 zł). Do każdej wyceny agentowej doliczaj koszt modelu i utrzymanie na poziomie 15-25% wdrożenia rocznie, bo tyle liczy rynek.
Dlaczego tyle projektów agentowych upada? Gartner prognozuje, że do końca 2027 ponad 40% projektów agentowych zostanie zamkniętych, a 89% pilotaży nigdy nie wchodzi do produkcji. S&P Global Market Intelligence podaje, że w 2025 roku 42% firm porzuciło większość inicjatyw AI, wobec 17% rok wcześniej. Najczęstsza przyczyna nie jest techniczna: wybrano architekturę droższą i mniej przewidywalną, niż wymagało zadanie, a koszt modelu i przeglądu ludzkiego pojawił się dopiero w rachunku.
Czym jest wersja hybrydowa i dlaczego zwykle wystarcza? To sztywny scenariusz z jednym krokiem modelu w środku: mechanika jest zaprojektowana, a model dostaje wąskie zadanie z zamkniętym wyjściem, na przykład wyciągnięcie pięciu pól z maila albo wybór kategorii z listy. Koszt jest przewidywalny, całość da się przetestować, a błędny wynik wyłapuje walidacja. Dla większości małych firm to właściwy pierwszy krok, a rozbudowa do pełnego agenta ma sens dopiero na danych z kilku miesięcy.
Ile wywołań modelu zużywa agent na jedno zadanie? Praktycy budujący agentów podają 5-20 wywołań na zadanie, nie jedno. Do tego 5-15% spraw i tak trafia do przeglądu przez człowieka. Tych dwóch pozycji najczęściej brakuje w kalkulacji zwrotu, a przy kilkuset sprawach miesięcznie potrafią odwrócić wynik.
O co zapytać wykonawcę przed podpisaniem umowy na agenta? O sześć rzeczy: które kroki są deterministyczne, ile wywołań modelu przypada na zadanie i kto płaci za tokeny, co się dzieje przy niepoprawnym wyniku modelu, jaki procent spraw idzie do człowieka w pierwszym miesiącu, kto płaci za retest po zmianie wersji modelu oraz jak wygląda log pojedynczej sprawy. Odpowiedź "agent sam sobie poradzi" jest sygnałem, że wykonawca nie utrzymywał jeszcze takiego systemu w produkcji.
Czy warto zacząć od audytu, czy od razu budować? Jeśli masz jeden oczywisty proces i wynik testu jest jednoznaczny, buduj od razu, audyt niczego nie doda. Audyt ma sens, gdy kandydatów jest kilka i trzeba wybrać kolejność albo gdy ktoś przysłał wycenę na kilkadziesiąt tysięcy i chcesz sprawdzić, czy zakres odpowiada zadaniu. GUS podaje, że technologii AI używało w 2025 roku 8,7% polskich firm, więc większość rynku podejmuje tę decyzję pierwszy raz.
