Czy jesteśmy gotowi na agentów AI?

Autor: Janusz Bossak, Dyrektor Działu Rozwoju AMODIT

Moment, w którym „papuga” zaczęła myśleć

Czytając książkę „Quo V-AI-dis” Andrzeja Dragana, łatwo zauważyć jedno kluczowe napięcie:
rozumiemy algorytmy, które uczą sieci neuronowe, ale wciąż nie do końca rozumiemy, jak te sieci później rozumują.

Co więcej, modele AI zaczęły rozumieć nas – i świat – w sposób, który wykracza poza czystą statystykę.

Rok 2025 dostarczył dowodów, których nie da się zbyć marketingiem ani technologicznymi demami. To już nie są tylko lepsze chatboty. To systemy wchodzące w obszary dotąd zarezerwowane dla ludzkiego intelektu: wnioskowanie, planowanie i odkrywanie.

Gdy AI ratuje życie – dowody, nie obietnice

Spójrzmy na fakty z ostatnich 12 miesięcy – nie wizje przyszłości, ale realne wydarzenia ze świata nauki i biznesu.

W czerwcu 2025 roku lek na zwłóknienie płuc (Rentosertib), dla którego AI zidentyfikowała cel biologiczny i zaprojektowała cząsteczkę, z sukcesem przeszedł drugą fazę badań klinicznych.

W październiku inny model stworzył precyzyjny antybiotyk przeciwko E. coli.
W grudniu FDA uznała analizę wykonaną przez AI za pełnoprawny dowód naukowy.

Jeśli system potrafi zrozumieć złożoną biologię i zaprojektować działający lek, oznacza to jedno: potrafi rozumować.

Dlaczego to ważne z perspektywy firm technologicznych?
Bo pokazuje fundamentalną zmianę paradygmatu.

Przeszliśmy z ery „Systemu 1” – szybkich, instynktownych odpowiedzi –
do „Systemu 2” – wolnego, głębokiego myślenia.

Warto dodać, że architektami tej zmiany są w dużej mierze Polacy: Wojciech Zaremba z OpenAI, Łukasz Kaiser – jeden z twórców architektury Transformera – czy Andrzej Dragan. To oni otwarcie mówią o wejściu w erę, w której modelem nie jest już encyklopedia, lecz badacz.

Koniec ery chatbotów. Początek ery agentów

Różnicę najlepiej widać na prostym przykładzie.

Chatbot:
„Jak zrobić backup?” – odpowiada.

Agent AI:
W odpowiednio skonfigurowanym procesie sprawdza dostępne zasoby, wykonuje kopię, weryfikuje poprawność i przygotowuje raport. Człowiek sprawdza wynik i zatwierdza dalszy krok.

To zasadnicza różnica.
Chatbot odpowiada. Agent wykonuje skonfigurowane zadanie w procesie, a człowiek weryfikuje wynik i zachowuje decyzję.

Świat technologii przechodzi od systemów, które wyłącznie odpowiadają, do systemów wykonujących określone zadania w zaprojektowanym procesie. Raport Big Ideas 2026 funduszu a16z wskazuje na rozwój infrastruktury projektowanej od podstaw pod agentów AI.

Obok interfejsów przeznaczonych dla ludzi rośnie znaczenie systemów komunikujących się przez API. Zakres ich działania wyznaczają konfiguracja procesu, dostępny kontekst oraz punkty weryfikacji i zatwierdzenia przez człowieka.

Jak reguła agentowa działa w AMODIT?

W AMODIT agent AI wykonuje w ramach procesu zadanie wymagające interpretacji treści i kontekstu. Administrator określa:

• moment uruchomienia reguły,
• instrukcję dla AI,
• wejście i kontekst potrzebne do wykonania zadania,
• oczekiwany wynik,
• dalszy przebieg procesu,
• zabezpieczenia i ograniczenia.

To konfiguracja istniejącego modelu, a nie trenowanie własnego. Reguła zapewnia powtarzalny sposób przekazania zadania do AI, a człowiek weryfikuje rezultat i zatwierdza jego dalsze wykorzystanie w procesie.

Praktyczny zakres konfiguracji opisujemy we wpisie Jak administrator tworzy regułę agentową w AMODIT.

Co to oznacza w praktyce?

Dla firm oznacza to konieczność zmiany sposobu myślenia o systemach i procesach.

Jeśli AI potrafi projektować leki, to potrafi również:

• analizować dokumenty w szerokim kontekście,

• weryfikować poprawność biznesową danych,

• projektować i optymalizować procesy.

To nie jest kwestia „czy”, tylko „kiedy” i „jak”.

Rozumienie zamiast samego odczytu

Agent AI nie tylko „czyta” dokument.
Rozumie jego kontekst: umowy, protokoły odbioru, zależności biznesowe. Dzięki nowoczesnym modelom multimodalnym dokument jest analizowany podobnie jak przez człowieka – całościowo, a nie fragmentarycznie.

Działanie zamiast klikania

Kolejnym krokiem jest wykonanie zdefiniowanego zadania w procesie. System analizuje kontekst, przygotowuje wynik i może komunikować się z innymi narzędziami w granicach konfiguracji. Decyzja pozostaje po stronie człowieka, który sprawdza rezultat i zatwierdza dalszy krok.

To kierunek, w którym przygotowane integracje pozwalają systemom bezpośrednio wymieniać dane i uruchamiać kolejne etapy pracy.

Tworzenie zamiast konfigurowania

Copilot przygotowuje projekt na podstawie opisu w języku naturalnym: diagram procesu oraz propozycję logiki biznesowej. Właściciel procesu przegląda, testuje i zatwierdza rezultat.

Taki sposób pracy ułatwia rozpoczęcie projektowania procesu, a odpowiedzialność za jego ostateczny kształt pozostaje po stronie człowieka.

Profilaktyka zamiast gaszenia pożarów

Agenci AI wykonują zadania i monitorują kondycję systemów.
Analizują kontekst, łączą dane i wskazują sygnały problemu, zanim sytuacja przerodzi się w awarię.

To przejście z reaktywnego utrzymania do proaktywnej diagnostyki, w której operator ocenia rekomendację i zatwierdza działanie.

2026: AI jako wykonawca pracy

Rok 2026 nie będzie kolejnym rokiem „AI jako ciekawostki”.
Będzie rokiem, w którym sztuczna inteligencja zacznie realnie wykonywać pracę w procesach z określonym zakresem i kontrolą człowieka.

Dla firm, które to zrozumieją, to ogromna szansa.
Dla tych, które pozostaną przy sztywnych formularzach i regułach – ryzyko utraty konkurencyjności.

Pytanie nie brzmi już:
„Czy AI jest wystarczająco dobra?”

Pytanie brzmi:
„Czy jesteśmy gotowi włączyć AI do procesu, jasno określić jego zadanie i zachować decyzję po stronie człowieka?”