Agenci AI rosną szybciej niż hype. Co to znaczy dla polskich firm?

Gartner prognozuje, że do 2028 roku 33% aplikacji biznesowych będzie zawierało agentic AI, wobec mniej niż 1% w 2024. W tej samej publikacji Gartner ostrzega jednak, że ponad 40% projektów agentic AI może zostać anulowanych do końca 2027 roku przez koszty, niejasną wartość biznesową albo słabe mechanizmy kontroli ryzyka.

To jest właściwy punkt wyjścia do rozmowy o rynku. Nie jedna wielka liczba. Nie hasło "autonomiczny pracownik". Raczej pytanie: które procesy warto automatyzować, jakie uprawnienia dostaje system i gdzie człowiek nadal musi zatwierdzać decyzję?

Raporty rynkowe są dziś rozstrzelone, bo różnie definiują "agentów AI". Grand View Research szacuje rynek enterprise agentic AI na 2,58 mld USD w 2024 i 24,50 mld USD w 2030. MarketsandMarkets podaje dla szerszego rynku AI agents 7,84 mld USD w 2025 i 52,62 mld USD w 2030. Precedence Research pokazuje jeszcze szerszą kategorię: 7,55 mld USD w 2025 i 199,05 mld USD w 2034.

Różnica między 24,5 mld, 52,6 mld i 199 mld USD nie jest drobiazgiem. Dlatego pojedynczy nagłówek typu "rynek wart 28 miliardów" nie powinien być podstawą decyzji wdrożeniowej. To co ma znaczenie dla polskiej firmy, to adopcja w narzędziach, koszt integracji i ryzyko uruchomienia systemu, który ma dostęp do maila, CRM, faktur albo kalendarza.

Czym jest agentic AI - po ludzku

Agent AI to nie każdy chatbot z dopisanym "agent" w nazwie.

W praktyce agent ma cztery elementy:

• cel albo zadanie do wykonania
• dostęp do narzędzi, na przykład CRM, poczty, bazy wiedzy, formularza, API lub kalendarza
• pamięć roboczą albo stan procesu, żeby wiedzieć, co już zrobił
• reguły bezpieczeństwa: limity, logi, uprawnienia i miejsca, w których potrzebna jest zgoda człowieka

Agent nie musi być w pełni autonomiczny. W większości firm nie powinien być. Sensowny agent przygotowuje projekt odpowiedzi, klasyfikuje sprawę, pobiera dane, wywołuje narzędzie albo proponuje kolejny krok. Decyzje o wysokiej stawce powinny zostać przy człowieku.

Przykłady bez bajki o "cyfrowym pracowniku":

Obsługa maili: system czyta wiadomość, rozpoznaje temat, sprawdza klienta w CRM, dopisuje brakujące dane i przygotowuje odpowiedź. Jeśli sprawa dotyczy reklamacji, płatności albo zmiany umowy, tworzy zadanie i prosi człowieka o zatwierdzenie.

Rejestracja wizyt: agent może zebrać dane, sprawdzić wolne terminy i zaproponować wizytę. Przy medycynie, danych wrażliwych i wyjątkach proces musi mieć jasny zakres, informację dla pacjenta i ścieżkę do recepcji.

Monitoring operacyjny: system może czytać alerty, porównać je z historią incydentów i przygotować rekomendację. Automatyczne działania, na przykład restart usługi albo wysłanie komunikatu do klienta, wymagają osobnych uprawnień i logów.

Co z prognoz wynika naprawdę

Najważniejszy wniosek nie brzmi "rynek ma wartość X miliardów". Lepszy wniosek brzmi:

• funkcje agentowe będą coraz częściej wbudowane w CRM, helpdesk, narzędzia marketingowe, pakiety biurowe i systemy workflow
• część vendorów będzie sprzedawać zwykłe chatboty, RPA albo reguły automatyzacji jako "agentic AI"
• realna wartość pojawia się tam, gdzie system ma dobry kontekst, ograniczone uprawnienia i mierzalny proces
• ryzyko rośnie wraz z dostępem do danych, pieniędzy, komunikacji z klientem i decyzji prawnie istotnych

Warto patrzeć na adopcję szerzej niż tylko przez agentów. Eurostat podaje, że w 2025 roku 19,95% firm w UE zatrudniających co najmniej 10 osób używało co najmniej jednej technologii AI. Polska jest wyraźnie niżej, ale rośnie: według GUS (za PIE) w 2025 roku AI używało 8,7% polskich firm, wobec 5,9% rok wcześniej, a wśród dużych firm 42%. To nie znaczy, że polskie firmy mają rzucać się na każdy produkt z etykietą "agent". Znaczy raczej, że jest miejsce na spokojne wdrożenia w procesach, które już dziś bolą operacyjnie.

Dlaczego temat przyspiesza

1. Modele są lepsze w pracy na kontekście

Nie są bezbłędne i nie "rozumieją firmy" same z siebie. Są jednak wystarczająco dobre, by klasyfikować sprawy, streszczać dokumenty, pisać drafty, wybierać narzędzie i prowadzić wieloetapowy dialog, jeśli dostaną dobry kontekst oraz ograniczenia.

2. Narzędzia przestały być tylko eksperymentem

Frameworki i platformy do budowania agentów mają coraz więcej elementów produkcyjnych. LangGraph opisuje durable execution, streaming i human-in-the-loop jako podstawowe elementy orkiestracji agentów; jego warstwa persistence zapisuje stan jako checkpointy, co pozwala przerwać, sprawdzić i wznowić proces. n8n ma węzeł AI Agent, który może używać narzędzi i pamięci w workflow. OpenClaw opisuje model narzędzi, skills i pluginów, w którym agent widzi tylko te narzędzia, które przejdą przez profil, politykę allow/deny, sandbox i uprawnienia kanału.

To nie usuwa pracy wdrożeniowej. Przesuwa ją z "czy da się zbudować demo" na "czy mamy poprawny proces, dane, logi, zgody i utrzymanie".

3. Koszt testu spadł, ale koszt odpowiedzialności nie

Prosty prototyp można dziś zrobić szybciej niż dwa lata temu. Produkcyjny agent nadal wymaga integracji, testów regresji, kontroli dostępu, monitoringu jakości, polityki retencji danych i planu na błędną odpowiedź.

Co to oznacza dla polskiej firmy

AI przesuwa się z dodatku do standardowej funkcji

Coraz częściej firma nie będzie kupować "agenta" jako osobnej aplikacji. Funkcja agentowa pojawi się w narzędziu, którego zespół już używa: w CRM, helpdesku, systemie ticketowym, automatyzacji workflow albo pakiecie biurowym.

To obniża barierę wejścia, ale podnosi ryzyko przypadkowej adopcji. Jeśli dostawca włączy funkcję, która czyta dane klientów albo proponuje działania w systemie, firma nadal odpowiada za konfigurację, podstawę prawną przetwarzania i kontrolę dostępu.

Najpierw proces, potem model

Dobry kandydat na agenta ma kilka cech:

• powtarza się często
• ma jasne wejście i wyjście
• można sprawdzić poprawność wyniku
• błąd nie powoduje natychmiast dużej szkody
• człowiek może zatwierdzić krok, zanim system zrobi coś nieodwracalnego

Słaby kandydat to proces nieopisany, pełen wyjątków, zależny od negocjacji, danych wrażliwych albo decyzji prawnej bez nadzoru.

RODO i AI Act nie są dodatkiem na koniec

Jeśli agent przetwarza dane osobowe, wchodzi w zwykły reżim RODO: cel, minimalizacja danych, retencja, bezpieczeństwo i prawa osób, których dane dotyczą. Komisja Europejska przypomina, że RODO chroni dane osobowe niezależnie od technologii użytej do przetwarzania.

Do tego dochodzi AI Act. Według aktualnej strony Komisji Europejskiej o ramach regulacyjnych AI, obowiązki dotyczące modeli ogólnego przeznaczenia obowiązują od 2 sierpnia 2025, większość przepisów AI Act od 2 sierpnia 2026, a po politycznym porozumieniu w sprawie uproszczeń zasady dla niektórych systemów wysokiego ryzyka mają stosować się później: od 2 grudnia 2027 dla wskazanych obszarów wysokiego ryzyka i od 2 sierpnia 2028 dla systemów wbudowanych w regulowane produkty.

Dla większości MŚP praktyczny wniosek jest prostszy niż sama regulacja: zanim agent dostanie dostęp do danych klientów, maila, dokumentów HR albo rozliczeń, trzeba ustalić zakres, podstawę prawną, retencję, logi i ścieżkę wyłączenia.

Przykłady: gdzie agent może mieć sens

Firma budowlana

Problem: zapytania ofertowe przychodzą mailem i przez formularz, a zespół odpowiada wolno, bo musi ręcznie przepisywać parametry do arkusza albo CRM.

Agent AI: wyciąga z wiadomości lokalizację, zakres prac, metraż, termin i załączniki. Uzupełnia rekord w CRM, porównuje sprawę z podobnymi realizacjami i przygotowuje szkic odpowiedzi. Wyceny nie wysyła sam, tylko przekazuje kosztorysantowi do sprawdzenia.

Co mierzyć: czas pierwszej odpowiedzi, kompletność danych, odsetek spraw wymagających poprawki i liczbę zapytań obsłużonych bez ręcznego przepisywania.

Klinika stomatologiczna

Problem: recepcja traci czas na powtarzalne pytania, zmianę terminów i zbieranie podstawowych danych przed wizytą.

Agent AI: w kanale tekstowym może odpowiadać na pytania z bazy wiedzy, zbierać dane do kontaktu i proponować terminy zgodnie z zakresem ustalonym przez klinikę. Voiceboty realizujemy pod marką odbierze.ai: wdrożenie i abonament, zgodność z RODO oraz hosting w UE. Aktualne pakiety i ceny są na stronie submarki.

Co mierzyć: mniej ręcznych pytań do recepcji, krótszy czas odpowiedzi i liczba spraw przekazanych człowiekowi poza zakresem automatyzacji.

Biuro rachunkowe

Problem: dokumenty przychodzą różnymi kanałami, a pracownicy tracą czas na porządkowanie, klasyfikację i proszenie klientów o brakujące informacje.

Agent AI: klasyfikuje dokumenty, wykrywa brakujące dane, przygotowuje listę pytań do klienta i proponuje dekretację tam, gdzie reguły są jasne. Księgowa zatwierdza wynik i odpowiada za decyzję.

Co mierzyć: czas porządkowania dokumentów, odsetek poprawnie sklasyfikowanych spraw, liczbę braków wychwyconych przed księgowaniem i liczbę poprawek po zatwierdzeniu.

Jak odróżnić wdrożenie od agent washing

Nie pytaj sprzedawcy, czy produkt ma AI. Zapytaj o konkrety:

• jakie narzędzia agent może wywołać
• jak ogranicza się uprawnienia
• czy da się wymusić zatwierdzenie człowieka przed działaniem
• gdzie są logi decyzji i wywołań narzędzi
• jakie dane trafiają do modelu i jak długo są przechowywane
• jak testuje się poprawność odpowiedzi przed i po zmianie promptu, modelu albo bazy wiedzy
• co się dzieje, gdy agent nie wie, nie ma danych albo dostanie sprzeczne instrukcje

Jeśli odpowiedź brzmi głównie "model sam to zrozumie", to nie jest plan wdrożenia. To ryzyko opisane ładnym językiem.

FAQ

Czy agenci AI to to samo co ChatGPT?

Nie. ChatGPT jest interfejsem do rozmowy z modelem. Agent to system, który oprócz modelu ma proces, narzędzia, stan, uprawnienia i reguły wykonania. Może używać modelu podobnego do tego, który stoi za chatbotem, ale jego wartość wynika z integracji z pracą firmy.

Czy agent AI może działać samodzielnie?

Technicznie czasem tak, organizacyjnie rzadko powinien. Im większa stawka decyzji, tym więcej kontroli: ograniczone narzędzia, zatwierdzenie człowieka, progi ryzyka, logi i możliwość cofnięcia działania.

Ile kosztuje agent AI dla małej firmy?

Nie ma odpowiedzialnej jednej ceny. Prosty agent do jednego procesu może być relatywnie tani, jeśli dane są uporządkowane i integracje są proste. Koszt rośnie przy CRM, systemach księgowych, danych osobowych, niestandardowych uprawnieniach, testach i utrzymaniu. Najpierw policz koszt problemu, potem budżet wdrożenia.

Czy moja firma jest za mała na agenta AI?

Jeśli masz powtarzalny proces, dużo ręcznego przepisywania albo kolejkę spraw, które można jasno sklasyfikować, firma nie musi być duża. Jeśli problem jest rzadki, nieopisany albo wymaga indywidualnej decyzji eksperta za każdym razem, agent prawdopodobnie nie będzie pierwszym wyborem.

Czy RAG rozwiązuje halucynacje?

Nie. RAG pomaga dać modelowi właściwy kontekst z dokumentów, ale nie gwarantuje poprawnej odpowiedzi. Nadal trzeba mierzyć jakość wyszukiwania, aktualność bazy, cytowane źródła, progi pewności i ścieżkę do człowieka, gdy system nie ma wystarczających danych.

Co dalej?

Rynek agentów AI rośnie, ale liczby z raportów nie powinny zastępować oceny procesu. Najbardziej użyteczny sygnał z prognoz jest prosty: funkcje agentowe będą coraz częściej w standardowym oprogramowaniu, a część konkurencji zacznie je testować wcześniej niż później.

Polska nadal jest poniżej średniej UE w adopcji AI. To daje przestrzeń do sensownych wdrożeń, ale nie usprawiedliwia pośpiechu. Dobry pierwszy projekt nie zaczyna się od pytania "jakiego agenta kupić?", tylko od procesu: gdzie tracimy czas, gdzie wynik da się sprawdzić i gdzie błąd nie zrobi szkody przed zatwierdzeniem przez człowieka.

W Syntalith w Warszawie wdrażamy agentów AI dla polskich firm: aplikacje LLM, RAG i automatyzacje procesów. Jeśli problem dotyczy telefonu, kierunek jest osobny: odbierze.ai dla voicebotów i automatycznej sekretarki AI. Aktualne warunki tej submarki trzeba sprawdzić u źródła.

Umów bezpłatny skan procesów: 30 minut z inżynierem i pisemne podsumowanie w 2 dni robocze. Przejdziemy przez proces, dane, ryzyka i sensowny zakres pierwszego wdrożenia.

Sprawdź też: 8.7% polskich firm używa AI - szansa czy zagrożenie? | Czym jest agent AI | Agentic AI dla małych firm w Polsce | Agent AI - ile kosztuje wdrożenie?