Agent to nie chatbot. To cyfrowy współpracownik z jasno opisanym zakresem pracy.
Budujemy agenta, który potrafi przeczytać dokument, podjąć decyzję według Waszych reguł i tam, gdzie potrzebny jest osąd, przekazać sprawę człowiekowi. Działa to jednak tylko wtedy, gdy ma dokładnie zdefiniowaną rolę, wejście, wyjście i granice. Właśnie to robimy — i tutaj pokazujemy jak.
Czym właściwie jest agent AI — i czym różni się od zwykłej automatyzacji
Automatyzacja jedzie po sztywnym torze: gdy przyjdzie X, zrób Y. Świetna do tego, co się nie zmienia. Agent dostaje cel i kontekst i sam decyduje, jakie kroki do niego doprowadzą — przeczyta dokument, znajdzie podobieństwo, poprowadzi rozmowę, a gdy coś go przerasta, eskaluje do człowieka. To właśnie różnica między skryptem a cyfrowym współpracownikiem.
Automatyzacja = sztywny tor
Stała procedura, żadnego decydowania. Gdy dotrze faktura w oczekiwanym formacie, zostaje przepisana do systemu. Niezawodna, tania, ale ślepa na wyjątek. Wystarczy inny format i staje.
Agent = cel plus osąd
Mówimy mu „załóż z tego zamówienia pozycje w ERP" i radzi sobie nawet z tym, że każdy klient pisze maila inaczej. Rozumie treść, nie tylko format. Nasz agent e-mail-to-order nie czyta formularza — rozumie zamówienie.
Dlaczego to ważne dla decydenta
Agent ogarnie procesy, w których dawniej musiał siedzieć człowiek, bo chodziło o osąd nad tekstem i dokumentami. To dokładnie ta droga, wyczerpująca rutyna, której nie dało się „zeskryptować" — i gdzie dziś odchodzi czas oraz know-how.
To nie magia, to inżynieria
Agent działa niezawodnie tylko wtedy, gdy ma rzemieślniczo zbudowany szkielet: rolę, wejścia, wyjścia, reguły, integracje i metryki. Bez tego to efektowne demo, które w realnym ruchu padnie. My budujemy to pierwsze.
Z czego składa się niezawodny agent — krok po kroku
To jest rdzeń całej pracy. Agent to nie jeden „inteligentny model", lecz układ jasno opisanych elementów. Pomińcie którykolwiek z nich, a agent długoterminowo Wam nie pojedzie — dlatego to nie jest tania robota, ale projekt z wagą. Tak go budujemy.
Rola — co robi, a czego NIE robi
Najpierw dokładnie opisujemy proces i jego powiązania, potem rolę agenta. „Wczytaj pozycję szczytową, przeczytaj tabliczkę i wykaz części, załóż strukturę komponentów." I równie ważne: czego robić nie powinien. Granica roli to połowa niezawodności.
Wejście i wyjście w każdym kroku
Co agent dostaje (rysunek PDF, e-mail, zapytanie) i co dokładnie zwraca (wiersze do ERP, draft odpowiedzi, CSV do importu). Jasne wejście i wyjście oznacza, że wynik da się sprawdzić i zmierzyć — a nie tylko „jakoś to działa".
Reguły i granice — wolno / nie wolno
Co agent jest uprawniony zrobić sam, a gdzie musi się zatrzymać. Granice to nie dodatkowe ograniczenia, to tory, po których agentowi można zaufać. Bez nich nigdy nie dacie agentowi dostępu do produkcyjnego ERP.
Narzędzia i integracje — ręce agenta
Agent ma sens tylko podłączony do realiów firmy. Podłączymy go do ERP (K2, Helios, Business Central), SharePoint, M365, CRM, PDM/CAD, e-mail, WhatsApp — przez API oraz RPA tam, gdzie API nie ma. Centralna warstwa danych jako układ nerwowy, nad którym pracują agenci.
Pamięć i kontekst — RAG
Aby agent odpowiadał na podstawie danych firmy, konsolidujemy dokumenty z ERP/SharePointu/DMS/NAS do bazy wektorowej (Qdrant, Weaviate, pgvector). Zeskanowane dokumenty i PDF przechodzą OCR (ABBYY, Tesseract). Agent odpowiada wtedy z kontekstu firmy — i zawsze ze źródłem.
Human-in-the-loop — gdzie decyduje człowiek
Agent rekomenduje, człowiek zatwierdza. Definiujemy dokładne punkty przekazania: technolog dopracuje to, co widzi tylko on na rysunku; podpis składa człowiek, nie maszyna. To różnica między godnym zaufania narzędziem a czarną skrzynką.
Metryki — według czego się ocenia
Wskaźnik błędów, czas reakcji, ile pracy realnie oszczędza, jak rośnie adopcja. Agenta się nie wdraża i nie zapomina — ocenia się go i stroi. Bez wartości wyjściowej i zdefiniowanej korzyści u nas nie buduje się żadnego agenta.
Governance i bezpieczeństwo od początku
Reguły, co wolno powierzyć AI, a czego nie (sygnalizacja AI), kto jest właścicielem, jak uzyskuje się dostęp do danych. Dla danych wrażliwych prywatne AI nad własną infrastrukturą (on-prem, lokalna Llama/LLaVA, stack NVIDIA). Bezpieczeństwo to część projektu, a nie dodatek na końcu.
Czego agent nie robi: nie wysyła niczego poza firmę bez zatwierdzenia. Nie usuwa danych. Nie decyduje o pieniądzach — zatwierdzanie zostaje przy ludziach. Nie uczy się na Waszych danych na rzecz kogokolwiek innego.
Technologia pod maską
Co agenci w naszej praktyce realnie potrafią
To nie są abstrakcyjne kategorie z prezentacji. Każdy typ mamy zbudowany w realnym projekcie. Model i narzędzie dobieramy według zadania i wrażliwości danych — Claude, GPT, Gemini, Copilot, Azure OpenAI albo model lokalny — a nie według mody.
Agent czytający / wydobywający dane
Przeczyta rysunek PDF, tabliczkę rysunkową, wykaz części, fakturę, umowę i wydobędzie z nich ustrukturyzowane dane. Podstawa dla branży maszynowej oraz do wydobywania danych z załączników.
Agent e-mailowy
Zamówienie przychodzi mailem, agent wydobywa z niego pozycje i zakłada je w ERP — zamiast ręcznego przepisywania pozycja po pozycji. Potrafi też tworzyć drafty odpowiedzi na powtarzające się zapytania.
Agent wiedzy / RAG
Odpowiada na podstawie firmowej dokumentacji w języku naturalnym i zawsze pokazuje źródło. Serwisowe know-how, które dawniej odchodziło z technikami, zostaje w firmie.
Agent procesowy
Z transkrypcji spotkania tworzy zadania i eskalacje. Self-service skill, który uruchomi sobie każdy pracownik sam, a nie tylko IT.
Agent raportujący
Dane z ERP lub hurtowni danych w języku naturalnym. Zamiast przeklikiwania eksportów handlowiec po prostu pyta i dostaje przefiltrowaną odpowiedź.
Agent komunikacyjny / chatbot
Web, WhatsApp, 24/7. Obsłuży zapytanie, przefiltruje pocztę, odpowie na powtarzające się pytanie, a resztę przekaże człowiekowi.
Jak budujemy agenta, któremu da się zaufać
Niezawodność to nie obietnica, to sposób pracy. Uczciwy agent potrafi powiedzieć „tego nie wiem" i „to zostawię człowiekowi". Umiejętność określenia, gdzie wdrożyć maszynę, a gdzie świadomie zostawić człowieka, jest sama w sobie ekspertyzą — i najczęstszym powodem, dla którego tanie rozwiązania w eksploatacji padają.
Odpowiedź zawsze ze źródłem
Agent RAG nie odpowiada „z głowy". Do każdej odpowiedzi pokazuje, z którego cennika, rysunku lub dokumentu czerpie. Firma widzi, skąd pochodzi odpowiedź — a to klucz do zaufania, nie dekoracja.
Świadome wycofanie tam, gdzie OCR sobie nie radzi
W firmie maszynowej zdecydowaliśmy się nie czytać wymiarów ze złożonych rysunków — OCR jest tam niepewny. Czytamy tylko tabliczkę rysunkową i wykaz części, gdzie rozpoznanie jest pewne. Resztę uzupełnia człowiek. Wiedzieć, czego agentowi nie powierzyć, to część rzemiosła.
Audyt dokumentów przed wyceną
Zanim cokolwiek wyceni Enter IT, przeglądamy 5–10 realnych PDF i sprawdzamy, czy różni odbiorcy mają różne layouty tabliczek. Od tego zależy zarówno niezawodność, jak i cena. Żadnych obietnic na ślepo.
Człowiek przy decyzji, nie przy rutynie
Agent przejmuje przepisywanie i zakładanie, człowiek zostawia sobie osąd i zatwierdzenie. To nie kompromis — to projekt, który w branżach regulowanych (energetyka, produkcja, wrażliwe umowy) w ogóle umożliwia wdrożenie AI.
Co agent mierzy i jak go długoterminowo prowadzimy
Agenta się wdraża, ale przede wszystkim ocenia i stroi. Bez wartości wyjściowej i zdefiniowanej korzyści u nas nie buduje się żadnego — to odróżnia poważny projekt od małego demka. I nie oddajemy go i nie znikamy: eksploatacja oraz długoterminowa opieka są częścią umowy.
Co mierzy każdy agent
Czas reakcji i całego procesu, wskaźnik błędów i poprawek, ile pracy realnie oszczędza, jak rośnie adopcja. Liczby, nie odczucia — względem zmierzonej wartości wyjściowej sprzed wdrożenia.
Typowy zwrot 3–12 miesięcy
Budujemy tak, aby zwrot pokrył też dalszy rozwój. Agent to nie jednorazowa zabawka, ale długoterminowo utrzymywana warstwa firmy, która w eksploatacji się poprawia.
Eksploatacja i strojenie, nie przekazanie i do widzenia
Śledzimy, gdzie agent się myli, uzupełniamy reguły, rozszerzamy zakres. Pilot na jednym odbiorcy ze sprawdzoną logiką, potem rozszerzenie tam, gdzie to daje zwrot.
Dane zostają w firmie
Szyfrowany przesył i magazyn danych, RODO i czeskie przepisy, możliwość on-prem dla danych wrażliwych. Governance i ramy bezpieczeństwa działają od pierwszego dnia, a nie jako łatka na końcu.
Agent do TPP w ERP Helios — firma maszynowa i konstrukcyjna
Ból, który rozwiązywaliśmy
Technologiczne przygotowanie produkcji to były godziny rutyny dziennie. Przychodziło zlecenie, w ERP powstawała tylko pozycja szczytowa projektu z wgranymi danymi (PDF + DWG + DXF). Technolog następnie przy każdej części ręcznie pobierał PDF, na jego podstawie tworzył w Heliosie pozycje komponentów, zakładał strukturę pozycji, do każdej pozycji zapisywał rysunek i uzupełniał proces technologiczny oraz normę czasową. Ciągle te same, bardzo podobne pozycje — 15–25 zespołów tygodniowo, czyli 70–120 pozycji, wszystko przepisane i założone przez człowieka.
Audyt wejściowy zamiast obietnic
Zanim cokolwiek wyceniliśmy, przejrzeliśmy 5–10 realnych rysunków i sprawdziliśmy, czy różni odbiorcy mają różne layouty tabliczek rysunkowych. Od tego zależy zarówno niezawodność, jak i cena. Pilot celowo zbudowaliśmy na jednym głównym odbiorcy — ta sama tabliczka oznacza wyższą niezawodność odczytu.
Świadoma decyzja, czego agentowi NIE powierzyć
Zdecydowaliśmy się nie czytać wymiarów ze złożonych rysunków — OCR jest tam niepewny. Agent czyta tylko tabliczkę rysunkową i wykaz części (nazwa, numer rysunku, gatunek stali, masa), gdzie rozpoznanie jest pewne. Ta granica jest sama w sobie ekspertyzą: trzyma linię między działającym a niedziałającym rozwiązaniem.
Co agent robi sam
Wczytuje PDF pozycji szczytowej, czyta tabliczkę i wykaz części, na podstawie wykazu części znajduje już istniejące podobne pozycje w ERP i zakłada strukturę komponentów — wraz z przejęciem procesu technologicznego i normy czasowej z pierwotnej podobnej pozycji. Podobieństwa szuka według pól karty głównej i metadanych z formularza.
Human-in-the-loop przy tym, co widzi tylko człowiek
Tam, gdzie dane nie są na rysunku maszynowo czytelne (liczba gięć, grubość blachy), otwiera się dialog z podglądem PDF i polem liczbowym. Technolog uzupełnia wartość z rysunku. Uzupełnione metadane zbierane są do CSV i przez import w Heliosie automatycznie zakładana jest struktura pozycji. Agent rekomenduje i zakłada, technolog kontroluje i dostarcza osąd.
Integracja i fazowanie
Agent stoi na ERP Helios (podłączenie przez API zgodnie z dokumentacją Wiki), czyta rysunki PDF/DWG/DXF, używa OCR do tabliczki i wykazu części oraz importu CSV do ERP. Podzieliliśmy to na dwie fazy: najpierw pozycje produkowane, w drugiej fazie części kupowane i znormalizowane — z możliwością rozszerzenia aż po wycenę.
Wynik
Z godzin rutynowego przepisywania przy 70–120 pozycjach tygodniowo na agenta, który zakłada strukturę i przejmuje standardy. Technolog już tylko kontroluje i uzupełnia to, co naprawdę wymaga ludzkiego osądu. Pilot działa na jednym głównym odbiorcy ze sprawdzoną logiką i przestrzenią na rozszerzenie. Konkurencyjna oferta na to samo zadanie była przy tym droższa.
Macie proces, który zabiera czas Waszym ludziom?
Powiedzcie nam, co u Was robi się wciąż w kółko ręcznie. Zaprojektujemy rozwiązanie i policzymy, ile to zwróci.