Agent AI dla freelancera - automatyczny research przed rozmową z klientem

Masz rozmowę z potencjalnym klientem za dwie godziny. Otwierasz stronę firmy, sprawdzasz rejestr, szukasz ostatnich informacji, czytasz kilka wpisów osoby, z którą rozmawiasz, potem próbujesz ułożyć z tego sensowne pytania.

Agent AI może pomóc, ale tylko jeśli jest potraktowany jak narzędzie researchowe, a nie jak sprzedawca w pudełku. Jego zadaniem nie jest "zdobyć klienta". Jego zadaniem jest przejść przez powtarzalny zestaw źródeł, zebrać kontekst, oznaczyć niepewne informacje i przygotować krótki briefing, który da się przeczytać przed spotkaniem.

To ważne rozróżnienie. Freelancer nie potrzebuje kolejnej generatywnej notatki pełnej oczywistości. Potrzebuje systemu, który odpowie na pytania:

• czym naprawdę zajmuje się firma,
• z kim będę rozmawiać,
• jakie są sygnały ryzyka lub szansy,
• czego nie wiemy i trzeba dopytać,
• które wnioski mają źródło, a które są hipotezą.

Agent, nie chatbot

Chatbot odpowiada na pytanie w oknie rozmowy. Agent researchowy wykonuje zadanie według ustalonego procesu: pobiera dane z dozwolonych źródeł, wywołuje narzędzia, zapisuje wynik, a czasem czeka na Twoją zgodę przed kolejnym krokiem.

W praktyce dobry agent do przygotowania rozmowy składa się z kilku warstw:

• plan zadania - co sprawdzić zawsze, a co tylko w konkretnych branżach,
• narzędzia - wyszukiwarka, pobieranie stron, KRS/CEIDG, CRM, kalendarz, baza notatek,
• RAG - wyszukiwanie w Twoich własnych materiałach: ofertach, case studies, poprzednich briefingach, checklistach pytań,
• uprawnienia - które narzędzia agent może wywołać sam, a które wymagają akceptacji,
• obserwowalność - log kroków, źródeł, kosztów modeli i decyzji agenta,
• format wyjścia - briefing krótki, cytowalny i łatwy do skorygowania.

Jeśli narzędzie tylko przyjmuje nazwę firmy i zwraca ładny akapit bez źródeł, to nie jest jeszcze użyteczny agent. To generator tekstu z ryzykiem halucynacji.

Gdzie agent ma sens

Najlepszy przypadek użycia to powtarzalne przygotowanie do rozmów, w których kontekst firmy wpływa na jakość pytań. Dotyczy to copywriterów, konsultantów IT, doradców marketingowych, specjalistów automatyzacji, prawników obsługujących B2B, księgowych i freelancerów sprzedających droższe usługi.

Agent ma sens, gdy:

• masz kilka podobnych rozmów miesięcznie,
• ręcznie sprawdzasz podobne źródła,
• często gubisz notatki lub przygotowujesz je w pośpiechu,
• chcesz widzieć luki w wiedzy przed rozmową,
• masz własne materiały, które agent może dopasować do branży klienta.

Agent nie ma sensu, gdy rozmowy są rzadkie, klienci są bardzo mali, a wystarczy pięć minut na stronie www. Nie ma też sensu, jeśli miałby automatycznie oceniać ludzi, punktować leady bez kontroli albo wysyłać wiadomości na LinkedIn w Twoim imieniu. To inny poziom ryzyka prawnego, reputacyjnego i technicznego.

Jakie źródła dopuścić

Źródła powinny być jawne i ograniczone. Im bardziej agent ma dostęp do prywatnych systemów, tym ważniejsze są logi, role i zgody.

Źródła publiczne

Najbezpieczniejszy start to publiczny research:

• strona www klienta i jej najważniejsze podstrony,
• publiczne rejestry, np. KRS dla spółek i CEIDG dla jednoosobowych działalności,
• komunikaty prasowe, blog firmowy, aktualności branżowe,
• ogłoszenia o pracę, jeśli pokazują technologie, role lub problemy organizacyjne,
• publiczne opinie i recenzje, z jasnym oznaczeniem że to opinie, nie fakty,
• publiczne materiały konkurentów.

W Polsce trzeba uważać na dane osób prowadzących JDG. To, że wpis w CEIDG jest publiczny, nie znaczy, że można dowolnie przetwarzać każdą informację bez podstawy, celu i retencji. Dla freelancera praktyczna zasada brzmi: zbieraj minimum potrzebne do przygotowania rozmowy, nie twórz stałych profili osób bez powodu i kasuj briefing, gdy przestaje być potrzebny.

LinkedIn

LinkedIn jest szczególnie wrażliwy. Regulamin LinkedIn zabrania nieautoryzowanego scrapingu i automatyzacji dostępu do profili. Agent może pomóc Ci uporządkować ręcznie dostępne informacje albo pracować na danych, które masz zgodnie z zasadami platformy, ale nie powinien logować się na Twoje konto i masowo pobierać profili.

W briefingu wystarczy:

• link do profilu, jeśli sam go podałeś,
• krótkie streszczenie publicznych informacji, które zweryfikowałeś,
• lista tematów do dopytania, zamiast udawania że agent zna intencje rozmówcy.

Twoje dane

Największą wartość daje połączenie publicznego researchu z Twoją bazą wiedzy. RAG może wyszukać podobne projekty, fragmenty oferty, pytania discovery, ograniczenia umowne albo wcześniejsze notatki z tej branży. To zwykle ważniejsze niż kolejny akapit o "trendach rynkowych".

Tu trzeba zdecydować, co agent może czytać:

• pełne umowy czy tylko zanonimizowane case studies,
• notatki z CRM czy tylko status i branżę,
• faktury i dane kontaktowe czy w ogóle bez finansów,
• kalendarz tylko do odczytu czy z prawem tworzenia wydarzeń.

Dla freelancera często wystarczy tryb "read-only": agent czyta dozwolone źródła i przygotowuje briefing, ale nie wysyła maili, nie aktualizuje CRM i nie kontaktuje się z klientem.

Co powinien zwracać dobry briefing

Briefing nie powinien być długi. Jeśli musisz go czytać 25 minut, agent przerzucił pracę na Ciebie.

Dobry format:

BRIEFING PRZED ROZMOWĄ
Klient: Firma przykładowa
Rozmowa: 2026-01-15, 14:00
Status: research automatyczny, wymaga szybkiej weryfikacji przez freelancera

1. Co wiemy na pewno
- Firma opisuje się jako producent mebli kontraktowych dla hoteli.
  Źródło: strona firmowa, sekcja Oferta.
- Spółka jest aktywna w KRS.
  Źródło: KRS, odpis aktualny.

2. Sygnały warte rozmowy
- Na stronie są osobne podstrony dla hoteli i biur, ale brak jasnego
  procesu zapytania ofertowego.
  Hipoteza: można zapytać o jakość leadów i czas przygotowania wyceny.
- W ogłoszeniach o pracę pojawia się rekrutacja do działu realizacji.
  Hipoteza: firma może rosnąć albo mieć rotację w operacjach.

3. Czego nie wiemy
- Kto podejmuje decyzję po stronie klienta.
- Czy problemem jest sprzedaż, obsługa zapytań, czy realizacja po sprzedaży.
- Czy firma ma CRM i jak mierzy źródła leadów.

4. Pytania na start
- Co musi się wydarzyć po tej rozmowie, żeby uznali ją Państwo za przydatną?
- Który etap obsługi zapytania jest dziś najbardziej ręczny?
- Jak wygląda różnica między dobrym a słabym leadem w tej branży?

5. Ostrzeżenia
- Brak danych finansowych w publicznych źródłach użytych przez agenta.
- Nie sprawdzono profili LinkedIn automatycznie.
- Wnioski z opinii klientów są jakościowe, nie statystyczne.

Taki briefing nie udaje raportu doradczego. Daje Ci fakty, hipotezy i pytania. To wystarczy, żeby wejść na rozmowę konkretniej i nie zaczynać od "proszę powiedzieć, czym się Państwo zajmują".

Czego nie automatyzować

Najwięcej problemów pojawia się wtedy, gdy agent dostaje zbyt szerokie uprawnienia.

Nie dawaj agentowi od razu prawa do:

• wysyłania wiadomości do klienta,
• publikowania postów lub komentarzy,
• aktualizacji CRM bez akceptacji,
• zapisywania wrażliwych danych osobowych,
• pobierania danych z platform, które zabraniają automatyzacji,
• tworzenia ocen typu "ten lead jest słaby", jeśli nie masz jasnych kryteriów.

Research przed rozmową powinien zaczynać się jako asystent do odczytu i syntezy. Dopiero gdy jakość jest stabilna, można dodać akcje: stworzenie zadania w CRM, przygotowanie szkicu maila, zapis briefingu w Notion lub wysłanie przypomnienia. Przy akcjach zewnętrznych warto mieć ręczną akceptację: agent proponuje, człowiek zatwierdza.

Technicznie: n8n, LangGraph, RAG i lokalne agenty

Nie musisz wybierać technologii po nazwie. Ważniejsze jest, czy system daje kontrolę nad źródłami, narzędziami i logami.

n8n

n8n sprawdza się, gdy chcesz złożyć proces z gotowych kroków: kalendarz, webhook, wyszukiwarka, CRM, dokument, mail z briefingiem. Jego AI Agent node może korzystać z podłączonych narzędzi, a w przepływach można dodać akceptację człowieka przed wywołaniem wybranych akcji. To dobry kierunek dla freelancera, który chce automatyzacji operacyjnej bez budowania całej aplikacji od zera.

Ograniczenie: łatwo zbudować przepływ, który wygląda agentowo, ale w praktyce jest zbiorem kruchych kroków. Trzeba testować na prawdziwych firmach, sprawdzać błędy źródeł i pilnować, co agent robi, gdy nie znajduje danych.

LangChain i LangGraph

LangGraph jest lepszym wyborem, gdy agent ma mieć wyraźny stan, rozgałęzienia, przerwania, powrót do wcześniejszego kroku i kontrolę nad długim procesem. To jest istotne przy researchu, bo agent czasem powinien zatrzymać się i zapytać: "znalazłem trzy firmy o podobnej nazwie, którą sprawdzić?".

LangSmith lub podobna warstwa obserwowalności pomaga zobaczyć, jakie narzędzia zostały użyte, ile kosztowały wywołania modeli i skąd wzięła się odpowiedź. Bez tego trudno naprawiać halucynacje i błędne skróty.

RAG

RAG nie jest magiczną pamięcią. To mechanizm wyszukiwania fragmentów Twoich dokumentów i podawania ich modelowi jako kontekstu. Dla freelancera ma sens wtedy, gdy masz materiały warte przeszukiwania:

• ofertę i warianty zakresu,
• checklisty pytań discovery,
• case studies,
• wzory briefingu,
• notatki po projektach,
• listę typowych ryzyk dla branż.

Jeśli baza jest słaba, RAG tylko szybciej poda słabe materiały. Zanim go wdrożysz, uporządkuj dokumenty i usuń rzeczy, których agent nie powinien widzieć.

OpenClaw, Hermes i inne lokalne środowiska

Lokalny lub desktopowy agent może być atrakcyjny, gdy chcesz większej kontroli nad środowiskiem, plikami i narzędziami. Sama lokalność nie rozwiązuje jednak RODO ani bezpieczeństwa. Nadal trzeba sprawdzić:

• z jakiego modelu korzysta agent i gdzie trafiają prompty,
• jakie pliki, przeglądarki, konta i API może otworzyć,
• czy ma logi działań,
• czy da się ograniczyć narzędzia do odczytu,
• jak działa pamięć i retencja sesji,
• czy można łatwo wyłączyć lub cofnąć uprawnienia.

Nazwy takie jak OpenClaw czy Hermes bywają używane w różnych kontekstach, wersjach i forkach. Przed wdrożeniem sprawdzaj konkretną dokumentację projektu, a nie opis z artykułu lub wątku w social mediach.

RODO i EU AI Act w praktyce freelancera

Research agent dla freelancera zwykle nie jest systemem wysokiego ryzyka w rozumieniu EU AI Act, jeśli służy do przygotowania notatek przed rozmową. Ryzyko rośnie, gdy system zaczyna podejmować lub automatycznie rekomendować decyzje wpływające na ludzi: rekrutacja, kredyt, ubezpieczenia, ocena pracowników, dostęp do usług, scoring osób.

RODO jest bliżej codziennej pracy. Jeżeli briefing zawiera dane osoby fizycznej, przetwarzasz dane osobowe. Dotyczy to także wielu danych zawodowych: imię, nazwisko, stanowisko, publiczny profil, adres JDG, historia aktywności.

Minimalna lista kontrolna:

• określ cel: przygotowanie do konkretnej rozmowy,
• ogranicz zakres: tylko informacje potrzebne do tego celu,
• zapisuj źródła i datę pobrania,
• nie twórz trwałego profilu osoby bez uzasadnienia,
• ustal retencję, np. kasowanie briefingu po zamknięciu leada albo po określonym czasie,
• nie wysyłaj danych do narzędzi, których warunków przetwarzania nie akceptujesz,
• trzymaj log, kto uruchomił agenta i jakie źródła zostały użyte.

W przypadku API modeli sprawdź politykę danych dostawcy. "Nie trenujemy na danych klientów" nie znaczy automatycznie "nic nie jest zapisywane". Dostawcy mogą przechowywać logi bezpieczeństwa, stan aplikacji albo dane funkcji dodatkowych. To trzeba przeczytać przed wrzuceniem danych klientów.

Jak ocenić narzędzie przed zakupem

Zamiast pytać "czy agent oszczędzi mi 10 godzin miesięcznie", poproś o test na trzech prawdziwych, ale bezpiecznych przykładach.

Sprawdź:

• czy briefing ma źródła przy kluczowych twierdzeniach,
• czy agent rozróżnia fakt, hipotezę i brak danych,
• czy potrafi powiedzieć "nie wiem",
• czy da się zobaczyć log kroków,
• czy możesz wyłączyć konkretne źródła,
• czy LinkedIn i inne platformy są obsługiwane zgodnie z regulaminem,
• czy masz kontrolę nad retencją danych,
• czy akcje zewnętrzne wymagają zatwierdzenia,
• czy wynik jest przydatny po pięciu minutach czy wymaga redakcji od zera.

Dobry test nie polega na najładniejszym briefingu. Polega na tym, czy agent zachowuje się rozsądnie, gdy dane są niepełne, firma ma podobną nazwę do innej firmy, a źródła sobie przeczą.

Ile to może dać

Nie da się uczciwie obiecać jednej liczby. Freelancer, który robi krótki research raz w miesiącu, nie odzyska wiele. Konsultant z kilkoma rozmowami tygodniowo może zauważyć różnicę, szczególnie jeśli agent automatycznie łączy publiczne źródła z własną bazą ofert i notatek.

Policz to po swojemu:

Jeżeli agent oszczędza tylko czas, ale pogarsza jakość przygotowania, nie warto. Jeżeli daje równy, źródłowy briefing i lepsze pytania na rozmowę, warto go rozważyć nawet bez wielkich obietnic ROI.

Jak zacząć

Najprostszy wariant:

1. Wypisz stałe źródła, które sprawdzasz przed rozmową.
2. Zaznacz, których źródeł agent nie może używać automatycznie.
3. Przygotuj szablon briefingu: fakty, hipotezy, pytania, braki, ostrzeżenia.
4. Dodaj własne materiały do RAG, ale tylko te, które agent może czytać.
5. Uruchom test na kilku firmach i porównaj wynik z ręcznym researchem.
6. Dopiero potem dodaj integracje z kalendarzem, CRM lub mailem.

W Syntalith projektujemy takich agentów jako małe systemy operacyjne dla konkretnego procesu, nie jako "AI do wszystkiego". Dla freelancera najczęściej zaczynamy od wersji read-only: briefing przed rozmową, źródła, log, ręczna akceptacja dalszych akcji. To wystarczy, żeby sprawdzić wartość bez oddawania agentowi zbyt dużej kontroli.

FAQ

Czy agent AI może sam przygotować research z KRS i CEIDG?

Może korzystać z publicznych rejestrów i API, jeśli integracja jest zrobiona poprawnie. Nadal trzeba pamiętać o celu, minimalizacji danych i retencji, zwłaszcza przy osobach prowadzących JDG.

Czy agent może sprawdzać LinkedIn?

Nie powinien scrapować LinkedIn ani automatycznie działać na koncie wbrew zasadom platformy. Bezpieczniejszy wariant to ręcznie podany link, publiczne informacje zweryfikowane przez człowieka albo dane pozyskane przez oficjalne, dozwolone integracje.

Czy dane klienta trafią do modelu AI?

To zależy od architektury. Trzeba sprawdzić dostawcę modelu, region przetwarzania, retencję logów, umowę powierzenia i to, czy agent wysyła pełne dokumenty, czy tylko małe fragmenty kontekstu. Nie zakładaj prywatności na podstawie nazwy narzędzia.

Czy agent może wysłać maila po rozmowie?

Technicznie może, ale na początku lepiej wymagać zatwierdzenia. Agent może przygotować szkic i podać źródła, a Ty decydujesz, czy wiadomość jest zgodna z ustaleniami i tonem relacji.

Czy taki agent zastąpi przygotowanie do rozmowy?

Nie. Zastępuje część zbierania i porządkowania informacji. Rozmowa nadal wymaga Twojej oceny, słuchania i zadawania pytań, których agent nie zna z publicznych danych.

Co dalej?

Jeśli chcesz sprawdzić, czy agent researchowy ma sens w Twojej pracy:

1. Policz liczbę rozmów i realny czas przygotowania z ostatniego miesiąca.
2. Zbierz trzy przykładowe firmy do testu.
3. Przygotuj listę źródeł dozwolonych i zakazanych.
4. Ustal, jak długo briefing może być przechowywany.

Umów bezpłatny skan procesów: 30 minut z inżynierem i pisemne podsumowanie w 2 dni robocze. Pokażemy, jak wygląda agent researchowy z ograniczonymi uprawnieniami, źródłami i ręczną akceptacją działań.

Sprawdź też: Czym są agenci AI? | Poranny briefing AI - codzienny przegląd dla właściciela firmy | Agent AI vs pracownik - porównanie kosztów