Typy agentów AI: jakie są rodzaje agentów i który pasuje do procesu w Twojej firmie

Czat z AI, taki jak ChatGPT czy Microsoft Copilot, odpowiada na pytania i pisze teksty. Agent AI idzie krok dalej: sam korzysta z systemów firmy i wykonuje zadania. Sprawdza status zamówienia w ERP, zakłada zgłoszenie w systemie serwisowym albo wpisuje dane z dokumentu do arkusza.

Agent działa według instrukcji, ma dostęp do wybranych źródeł wiedzy i do określonych czynności w systemach. To właśnie lista tych czynności i ich granice decydują, czy agent jest prostym pomocnikiem, czy samodzielnym wykonawcą części procesu. Dokładniejsze porównanie agenta z chatbotem znajdziesz w osobnym artykule.

Dostawcy opisują agentów na wiele sposobów, często w żargonie. Prościej jest zadać o każdego agenta trzy pytania. Odpowiedzi pokażą Ci, z jakim typem masz do czynienia i jakie ryzyko się z nim wiąże.

W tabeli poniżej zestawiamy typy agentów, które najczęściej mają sens w firmie zatrudniającej od kilkudziesięciu do kilkuset osób. Podział jest praktyczny, nie naukowy – jeden agent może łączyć cechy dwóch typów. Kolumna „Trudność wdrożenia” to nasza ocena wysiłku wdrożenia, a nie dane rynkowe.

Asystent wiedzy odpowiada na pytania pracowników na podstawie procedur, instrukcji, cenników i umów. Najlepiej działa tam, gdzie ludzie często szukają tych samych informacji: w dziale obsługi klienta, w kadrach, na produkcji. Pracownik zamiast przeszukiwać foldery pyta w Teams i dostaje odpowiedź z odnośnikiem do dokumentu.

Warunek jest jeden, ale twardy: dokumenty muszą być aktualne i w jednym miejscu. Jeśli w SharePoincie leżą trzy wersje tej samej procedury, asystent może odpowiedzieć na podstawie najstarszej. Dlatego projekt często zaczyna się od porządków w dokumentach, a nie od konfiguracji agenta.

W Microsoft 365 taki agent da się zbudować w Copilot Studio. Jeśli korzystają z niego pracownicy z licencją Microsoft 365 Copilot, ich rozmowy z agentem wewnętrznym nie zużywają dodatkowych kredytów. Jak wygląda asystent wiedzy dla inżynierów produkcji, pokazuje nasze case study z fabryki.

Ten typ agenta rozmawia z klientem albo pracownikiem i nie kończy na odpowiedzi. Weźmy hipotetycznego dystrybutora części, do którego klienci dzwonią i piszą z pytaniem, gdzie jest ich zamówienie. Agent sprawdza status w ERP, podaje numer przesyłki, a gdy towaru brakuje – zakłada zgłoszenie dla handlowca.

Granicę samodzielności warto ustawić jasno. Sprawdzanie statusu i zakładanie zgłoszeń agent może wykonywać sam. Zmianę terminu dostawy, rabat czy uznanie reklamacji powinien tylko przygotować, a zatwierdzić je człowiek.

Ten typ agenta podlega obowiązkowi przejrzystości. Od 2 sierpnia 2026 r. klient musi wiedzieć, że rozmawia z AI, a nie z pracownikiem. Do tego dochodzi łatwe przejście do człowieka, gdy sprawa wykracza poza scenariusz.

Wielu agentów nigdy z nikim nie rozmawia. Uruchamia ich zdarzenie: nowy e-mail na skrzynce zamówień, nowy plik w folderze, nowa pozycja w systemie. Agent czyta dokument, wyciąga potrzebne dane, sprawdza je w systemach i przekazuje dalej albo prosi człowieka o decyzję.

Microsoft podaje w dokumentacji Copilot Studio przykład agenta obsługi zamówień. Przy każdym nowym zamówieniu agent wykonuje cztery czynności: sprawdza dostępność, termin wysyłki, zatwierdza zamówienie i wysyła e-mail do klienta. To 4 × 5 = 20 kredytów na zamówienie.

Przełóżmy to na hipotetyczną hurtownię, która dostaje 40 zamówień dziennie, czyli około 840 w miesiącu z 21 dniami roboczymi. Daje to 840 × 20 = 16 800 kredytów, co mieści się w jednym pakiecie 25 000 kredytów za 200 USD miesięcznie. Rzeczywiste zużycie zależy od budowy agenta, dlatego przed decyzją policz je w kalkulatorze Microsoft.

Jedna uwaga dotycząca faktur kosztowych od polskich firm. Od 1 lutego 2026 r. każda firma odbiera je w KSeF, a od 1 kwietnia 2026 r. większość firm także je tam wystawia. Przychodzą więc jako uporządkowane dane i agent nie musi ich odczytywać z PDF-ów. Agent dokumentów przydaje się bardziej przy zamówieniach, specyfikacjach, umowach i fakturach zagranicznych. Jak taki system działa u importera roślin, pokazuje nasze case study.

Agent analityczny odpowiada na pytania w rodzaju „jak sprzedaż w województwie śląskim wypada na tle zeszłego roku?”. Sam tworzy zapytanie do danych, liczy wynik i pokazuje tabelę albo wykres. Dla zarządu oznacza to mniej próśb do działu finansów o jednorazowe zestawienia.

W Microsoft 365 Copilot taką rolę pełni wbudowany agent Analyst, który analizuje dane z plików, na przykład z arkuszy Excela. Przy danych z ERP lub hurtowni danych potrzebne jest więcej pracy. Ktoś musi opisać, co oznaczają tabele i kolumny, inaczej agent pomyli przychód z wpływami albo policzy anulowane zamówienia.

Najczęstszy błąd to zaufanie do liczby bez sprawdzenia, skąd się wzięła. Dobry agent analityczny pokazuje sposób liczenia, a pierwsze tygodnie warto poświęcić na porównanie jego odpowiedzi z raportami, które firma już zna.

Agent obsługujący ekran patrzy na okno programu i klika w nim jak człowiek. Ma sens tam, gdzie stary system nie ma żadnego połączenia dla innych aplikacji, a przepisywanie danych zajmuje komuś kilka godzin dziennie. Jest jednak wolniejszy od połączenia systemów i wrażliwy na każdą zmianę wyglądu ekranu.

W Copilot Studio każdy krok takiego agenta to czynność za 5 kredytów. Ten rodzaj użycia nie jest objęty licencją Microsoft 365 Copilot, więc zawsze zużywa kredyty z puli firmy.

Zespół agentów to kilka wyspecjalizowanych agentów, które przekazują sobie zadanie. Przykład: jeden przyjmuje zapytanie ofertowe, drugi dobiera produkty i liczy cenę, trzeci sprawdza warunki handlowe klienta. Takie rozwiązanie ma sens dopiero wtedy, gdy pojedynczy agent przestaje sobie radzić z liczbą zadań, bo każdy dodatkowy agent utrudnia testowanie i szukanie błędów.

Typ agenta to jedno, a sposób jego zbudowania to drugie. Masz do wyboru trzy drogi, różniące się kosztem, swobodą i tym, kto później utrzymuje rozwiązanie. Porównujemy je w tabeli poniżej.

Rynek zmienia się szybko i warto to uwzględnić przy wyborze. Przykład: OpenAI wyłączył 26 sierpnia 2026 r. usługę Assistants API, na której powstało wielu wczesnych agentów, i zastąpił ją Responses API. Firmy, które zbudowały na niej agentów, musiały je przebudować. Pytaj więc dostawcę, co się stanie z agentem, gdy producent modelu zmieni swoją ofertę.

Bezpieczna zasada brzmi: agent przygotowuje, człowiek zatwierdza. Samodzielne działanie zostaw do czynności, które łatwo cofnąć i które mają niewielki skutek, na przykład założenie zgłoszenia czy wysłanie potwierdzenia. Gdy przez kilka tygodni agent nie popełnia błędów w danym kroku, możesz rozważyć zdjęcie z niego obowiązkowej akceptacji.

Przepisy też wyznaczają granice. Agent, który rozmawia z ludźmi, musi od 2 sierpnia 2026 r. informować, że jest AI. Agent oceniający kandydatów do pracy albo zdolność kredytową klientów indywidualnych to według AI Act system wysokiego ryzyka. Pełne obowiązki dla takich systemów obowiązują od 2 grudnia 2027 r.

Każdy agent z dostępem do systemów firmy powinien też działać na osobnym koncie z minimalnymi uprawnieniami. Jego czynności muszą zapisywać się w historii. Dzięki temu w razie błędu wiesz, co agent zrobił i kiedy.

Pierwszy agent ma pokazać efekt w kilka tygodni i nauczyć firmę pracy z tą technologią. Dlatego wybierz proces wąski, częsty i dobrze opisany. Poniższe kroki pomogą Ci przejść od pomysłu do wyboru typu agenta.