System wieloagentowy AI (multi-agent) w średniej firmie: kiedy jeden agent to za mało

Agent AI to program oparty na modelu językowym (jak w ChatGPT), który nie tylko odpowiada na pytania, ale sam wykonuje kroki: sprawdza dane w systemie, wypełnia formularz, przygotowuje dokument. Działa według instrukcji i ma dostęp tylko do narzędzi, które mu udostępnisz.

System wieloagentowy (ang. multi-agent) to kilku takich agentów, z których każdy ma własną rolę, instrukcje i uprawnienia. Agenci przekazują sobie sprawę albo jej części i składają wynik w całość. Można to porównać do różnicy między jednym doświadczonym pracownikiem z listą kontrolną a małym zespołem z kierownikiem.

Zespół ma przewagę, gdy zadania da się podzielić i wykonać równolegle. Ma też swoje koszty: każdy członek musi zrozumieć sprawę, a przekazywanie informacji zajmuje czas i rodzi pomyłki. U agentów AI jest dokładnie tak samo.

W praktyce firmowej spotyka się trzy układy. Różnią się tym, kto decyduje o kolejności pracy i gdzie wchodzi człowiek.

W średniej firmie najczęściej sensowny jest pierwszy albo drugi układ z tabeli poniżej, zawsze połączony z trzecim, czyli z progiem dla człowieka. Spotyka się też układ, w którym agenci bez nadzoru „negocjują” między sobą. Warto go zostawić na później, bo najtrudniej go sprawdzić i wyjaśnić.

Poniższe sygnały pomagają ocenić, czy proces naprawdę potrzebuje więcej niż jednego agenta. Jeden sygnał to zwykle za mało. Gdy pasują trzy lub więcej, warto rozważyć system wieloagentowy.

Uwaga na argument „jeden agent nie zmieści wszystkich dokumentów”. Współczesne modele przyjmują bardzo długie teksty naraz. Prawdziwym powodem podziału jest raczej przejrzystość i to, że różne role powinny mieć różne uprawnienia.

Microsoft w dokumentacji swojej biblioteki do budowy agentów daje prostą radę: jeśli zadanie da się zapisać jako zwykłą funkcję programu, nie używaj do niego agenta AI. Tym bardziej nie używaj kilku agentów.

Anthropic opisuje z kolei, że systemy wieloagentowe słabo radzą sobie tam, gdzie wszyscy agenci muszą znać ten sam pełny kontekst albo gdzie kroki silnie od siebie zależą. Kilku agentów sprawdza się wtedy, gdy pracę da się podzielić na niezależne części.

W średniej firmie oznacza to, że większość procesów – odpowiedzi na typowe maile, odczyt dokumentów, przygotowanie szkicu oferty – obsłuży jeden agent albo automatyzacja w Power Automate. Kilku agentów to rozwiązanie dla wąskiej grupy złożonych spraw.

Poniższe przykłady są hipotetyczne i pokazują typ procesu, a nie wyniki konkretnych wdrożeń. Łączy je to, że jedna sprawa wymaga kilku niezależnych ocen, a ostateczną decyzję podejmuje człowiek.

Zakupy powyżej ustalonego progu. Weźmy firmę produkcyjną, w której wnioski zakupowe powyżej 50 tys. zł sprawdza kilka osób. Jeden agent porównuje wniosek z polityką zakupową, drugi sprawdza budżet działu, trzeci czyta warunki umowy. Agent koordynujący składa ich uwagi w jedną notatkę dla dyrektora, który zatwierdza albo odrzuca.

Złożone zgłoszenia od klientów. Agent rozpoznaje temat zgłoszenia i kieruje je do agenta od spraw technicznych, rozliczeń albo umów. Agent specjalista przygotowuje propozycję odpowiedzi na podstawie historii klienta. Gdy sprawa wykracza poza jego uprawnienia, przekazuje ją pracownikowi z gotowym podsumowaniem.

Przygotowanie handlowca do rozmowy. Jeden agent zbiera publiczne informacje o firmie klienta, drugi sprawdza historię współpracy w CRM, trzeci proponuje pytania na spotkanie. Handlowiec dostaje jedną stronę notatek zamiast szukać informacji w kilku miejscach.

Za korzystanie z modeli AI płaci się zwykle za liczbę przetworzonych tokenów, czyli fragmentów tekstu – mniej więcej kawałków słów. Każdy agent musi przeczytać swoją część sprawy, a często też instrukcje i wyniki innych agentów. Dlatego koszt rośnie szybciej niż liczba agentów.

Skalę pokazuje opis systemu badawczego firmy Anthropic. Pojedynczy agent zużywał tam około 4 razy więcej tokenów niż zwykła rozmowa z AI, a system wieloagentowy około 15 razy więcej. Twój proces będzie miał inne proporcje, ale kierunek jest ten sam.

Szacunek dla własnego procesu zrób tak: zmierz zużycie dla jednego agenta na kilkudziesięciu prawdziwych sprawach. Pomnóż przez liczbę agentów, którzy czytają sprawę, i dodaj zapas na wymianę informacji między nimi. Wynik pomnóż przez miesięczną liczbę spraw i porównaj z kosztem obecnej pracy ludzi.

Koszt da się obniżyć sposobami z listy poniżej. Warto o nie zapytać dostawcę jeszcze przed podpisaniem umowy.

Decyzję jednego agenta da się odtworzyć: widać, co dostał, czego użył i co odpowiedział. Przy kilku agentach wynik zależy od pracy każdego z nich i od tego, co sobie przekazali. Bez zapisu każdego kroku nie wyjaśnisz klientowi ani kontrolerowi, skąd wzięła się decyzja.

Przepisy wzmacniają tę potrzebę. RODO daje ludziom prawo, by decyzje wywołujące wobec nich skutki prawne nie zapadały wyłącznie automatycznie. Jeśli agenci mają brać udział np. w ocenie kandydatów do pracy, od 2 grudnia 2027 r. dojdą obowiązki AI Act dla systemów wysokiego ryzyka.

Minimalny zestaw zasad nadzoru znajdziesz poniżej. Dobrze jest ustalić go przed uruchomieniem, a nie po pierwszym problemie.

Nie musisz znać tych narzędzi, ale warto wiedzieć, o co pytać dostawcę. Część to gotowe platformy, w których agentów konfiguruje się w przeglądarce. Część to biblioteki dla programistów, czyli gotowe zestawy kodu, które dają więcej swobody, ale wymagają zespołu technicznego do utrzymania.

Dla firm pracujących w Microsoft 365 naturalnym punktem startu jest Copilot Studio, w którym jeden agent może przekazywać zadania innym agentom. Gdy proces wymaga więcej kontroli, dostawca sięga zwykle po jedną z bibliotek z tabeli poniżej. Ten rynek szybko się zmienia, więc pytaj o aktualną wersję i plan rozwoju wybranego narzędzia.

Najczęstszy błąd to budowa systemu kilku agentów, zanim jeden agent zostanie przetestowany na prawdziwych sprawach. Bezpieczniej przejść przez poniższe etapy i po każdym z nich podjąć świadomą decyzję.

Ważny element to tryb cienia. Agenci widzą prawdziwe sprawy i proponują decyzje, ale nic nie wykonują – ludzie pracują jak dotąd i porównują swoje decyzje z propozycjami AI.