Agenci AI i Agenty AI. Czym są, jak działają i do czego możesz je wykorzystać?

Agenci AI i Agenty AI. Czym są, jak działają i do czego możesz je wykorzystać?

Agenty AI. Czym są, jak działają i do czego możesz je wykorzystać?

Coraz częściej słyszymy o agentach AI, które pracować za nas, obsługiwać komputer, wykonywać wieloetapowe zadania, a nawet samodzielnie podejmować decyzje. W dużym skrócie, agenty AI działają tak jak sztuczna inteligencja którą wyobrażaliśmy sobie w filmach sci-fi. Taka sztuczna inteligencja może wykonywać zadania (sprawdzać informacje, edytować wiele dokumentów na raz, robić zakupy itd.) Mało kto wyobrażał sobie AI jako klasyczny model językowy Chat GPT.

Co ważne, nie trzeba być programistą ani specjalistą od sztucznej inteligencji, żeby zacząć z nich korzystać. Jednym z najciekawszych zastosowań agentów jest zwykła praca na własnym komputerze: porządkowanie dokumentów, edytowanie wielu plików jednocześnie, przygotowywanie arkuszy kalkulacyjnych czy tworzenie prostych programów. Dalszym etapem jest tworzenia zautomatyzowanych systemów, które są aktywowane na różne sposoby (np. wiadomośćią na Whatsapie), które działają "same w tle", nie tylko gdy wydamy komendę w chat GPT.

Zanim jednak zaczniemy nazywać agentem każdy system wykorzystujący AI, warto zrozumieć kilka różnic. Czym właściwie agent różni się od zwykłego chatbota? Czy każda automatyzacja wykorzystująca model językowy jest agentem? Czemu używamy formy "Agenty" a nie "Agenci"? Większa samodzielność AI oznacza nie tylko większe możliwości, ale również większe ryzyko, jak się przed tym zabezpieczyć?

W 2026, aplikacje modeli językowych jak Chat GPT czy Claude, są w pewnym stopniu agentami AI. Zwłaszcza w trybie Deep Search.

Czysty model językowy opiera się na przewidywaniu kolejnego słowa, korzystając z wiedzy o zależnościach pomiędzy słowami. Tak działała pierwsza publiczna wersja Chat GPT. Szybko jednak okazało się, że poza ulepszaniem samego "silnika modelu językowego", bardzo dobre efekty daje mechanizm łańcucha myśli (chai of thought), oraz obsługa narzędzi, takich jak dostęp do internetu.

W takim wypadku, zamiast od razu generować tekst odpowiedzi, model ocenia czego potrzebuje użytkownik, potem pisze wstępną wersję, ocenia ją, robi plan przeszukiwania sieci, analizuje odpowiedzi, na ich podstawie szuka kolejnych rzeczy, a następnie powtarza cały proces. Obecnie Chat GPT sam ocenia czy dana odpowiedź wymaga przeszukania internetu, i robi to, nawet jeśli wprost o to nie poprosimy.

Przy czym "agentowość" zwykłego przeglądarkowego Chat GPT, jest nadal mocno ograniczona, i służy głównie tworzeniu tekstu.

Agent AI na twoim komputerze, czyli praca bezpośrednio na plikach

Prawdziwą "agentowość" można osiągnąć w trybie Work, lub gdy zainstulujemy Chat GPT lub Claude na dysku komputera. Musimy do tego mieć płatną wersje.

Na pewno masz bałagan w plikach na swoim dysku. Chcesz je uporządkować, ujednolicić formatowanie, poprawić błędy, wydobyć z nich określone informacje i przygotować jedno zbiorcze zestawienie.

W tradycyjnym podejściu musiałbyś otwierać kolejne pliki, kopiować ich zawartość do ChatGPT, wydawać polecenia, a następnie przenosić gotowe odpowiedzi z powrotem do dokumentów.

Można jednak podejść do tego inaczej.

Istnieją narzędzia, takie jak OpenAI Codex czy Claude Code, które pozwalają pracować bezpośrednio na plikach znajdujących się na komputerze.

Wskazujesz folder i opisujesz, co chcesz osiągnąć. Agent, jeśli ma odpowiednie uprawnienia, może samodzielnie przejrzeć jego zawartość czy otworzyć potrzebne pliki następnie wykonać operacje i zapisać wyniki. Nie musisz ręcznie przekazywać mu każdego dokumentu osobno.

Choć narzędzia typu Codex czy Claude te powstały przede wszystkim z myślą o programowaniu, to jak widać można wykorzystywać je również do wielu innych czynności.

Poza porządkowaniem plików, model może też edytować wiele plików na raz.

Edytowanie tekstów i arkuszy Excela

Przykładowo możesz zlecić agentowi:

• Przejrzenie 30 dokumentów tekstowych, poprawienie literówek i ujednolicenie formatowania.
• Przeanalizowanie kilkunastu arkuszy Excela, połączenie danych i przygotowanie zbiorczego zestawienia.
• Wydobycie nazwisk, dat i kwot z dużej liczby dokumentów oraz zapisanie ich w tabeli.
• Zmianę tych samych informacji w wielu plikach jednocześnie.
• Porównanie kilku wersji dokumentu i przygotowanie jednej wersji uwzględniającej różnice.

Najważniejsze jest to, że agent może wprowadzać zmiany bezpośrednio w plikach, zamiast jedynie wyświetlać odpowiedź w okienku czatu.

Przykładowe polecenie mogłoby wyglądać tak:

> W tym folderze znajduje się 25 dokumentów z opisami produktów. Przejrzyj wszystkie, popraw błędy językowe, ujednolić sposób zapisywania parametrów i przygotuj arkusz Excel zawierający nazwy produktów, ceny i najważniejsze cechy. Nie usuwaj oryginalnych plików.

W zależności od narzędzia i jego wyposażenia agent może wykorzystać odpowiednie biblioteki, skrypty lub programy do przetworzenia dokumentów. Oczywiście nie oznacza to, że zawsze prawidłowo poradzi sobie z każdym formatem, zwłaszcza przy skomplikowanych dokumentach Worda czy Excela.

Porządkowanie plików

Wspomniane wcześniej, jedno z najbardziej praktycznych zastosowań, które warto wypróbować na początek.

Większość z nas ma foldery zawierające setki plików o przypadkowych nazwach. Dokumenty, zdjęcia, pobrane materiały, raporty, faktury, kilka wersji tego samego projektu.

Agent może przeanalizować te pliki i zaproponować sposób ich uporządkowania. Na przykład posegregować faktury według dat, zmienić nazwy dokumentów na podstawie ich zawartości, wykryć potencjalne duplikaty albo pogrupować materiały według tematyki.

Można też zlecić mu przygotowanie katalogu wszystkich dokumentów, wraz z krótkim opisem zawartości każdego pliku.

W przypadku setek dokumentów oszczędność czasu może być naprawdę duża.

Trzeba jednak zachować ostrożność. Agent, który może przenosić i modyfikować pliki, może również przez pomyłkę coś nadpisać, źle sklasyfikować albo usunąć. Dlatego pierwsze eksperymenty najlepiej przeprowadzać na kopiach testowych, a przy właściwej pracy wymagać podglądu planowanych zmian.

Tworzenie własnych programów staje się coraz łatwiejsze

Drugie niezwykle ciekawe zastosowanie agentów dotyczy programowania. I wbrew pozorom nie jest skierowane wyłącznie do programistów.

Jeszcze niedawno stworzenie nawet prostej aplikacji wymagało przynajmniej podstawowej znajomości języka programowania. Dziś w wielu przypadkach można zacząć od opisania, czego właściwie potrzebujemy.

Załóżmy, że masz skomplikowaną tabelę w Excelu i chcesz wygodniej przeglądać zawarte w niej informacje.

Możesz poprosić agenta o stworzenie małej aplikacji, która wczyta dane z pliku, pozwoli je filtrować, przeszukiwać, sortować i wyświetlać na wykresach. Tabela ma zbyt wiele kolumn, więc cięzko się zorientowac co tam jest, a edycja jest trudniejsza? W ciągu godziny bez problemu każdy może zrobić proste rozwiązanie, pokazujące wiersz pionowo, albo nawet na całym ekranie, pozwalające przesuwac się pomiędzy wierszami za pomocą strzałek.

Albo potrzebujesz kalkulatora, który przelicza określone wartości według twoich zasad. Zamiast ręcznie budować skomplikowane formuły w arkuszu, możesz zlecić stworzenie prostego programu z polami do wpisywania danych i przyciskiem obliczającym wynik.

To, co kiedyś wymagało nauczenia się formuł w Excelu, a później podstaw programowania, dziś coraz częściej można zrobić za pomocą języka naturalnego.

Nie oznacza to oczywiście, że każdy może bez żadnej wiedzy tworzyć niezawodne, rozbudowane oprogramowanie. Nadal trzeba umieć ocenić, czy program robi to, czego oczekujemy, sprawdzić poprawność obliczeń i wychwycić błędy.

Zmienia się jednak próg wejścia.

Tworzenie złożonych formuł w Excelu to jedno z lepszych zastosowań vibecodowania.

Tworzenie złożonej tabeli, mającej wiele formuł, liczącej skomplikowane rzczy, zajmuje wiele czasu i wyamga już większej wiedzy o arkuszach kalkulacyjnych. AI może wygenerować całą tabelę za Ciebie. Excel czy Arkusze Google zewniają w tej sytuacji odpowiednie środowisko. Ponieważ dane i formuły sa w takiej sytuacji rozłożone po całym arkuszu, łatwo jest się zorientować jak to wszystko działa. Jest to dużo łatwiejsze niż analizowanie kodu.

Dodaktowo, Arkusze kalkulacyjne często pozwalają na tworzenie makr, dających więcej możliwości niż zwykle formuły w arkuszach. W takim przypadku AI pisze już typowy kod, ale jest to dosc prosty w zrozumieniu język.

Jakich programów lepiej nie pisać samemu, jeśli nie ma się wiedzy o programowaniu?

Ogólna zasada: dość bezpieczny jest kod pisany dla siebie, na własny użytek, albo dla ogarniętego, małego zespołu. Chodzi o sytuacje gdy masz możliwość wytłumaczyć każdemu użytkownikowi działanie systemu, i masz pewność że nikt nie ma powodu żeby celowo go niszczyć. Na tej samej zasadzie, jak nikt w zespole nie ma powodu żeby np. usuwać cały plik excel nad którym pracuje parę osób. Oczywiście należy również uważać na uprawnienia danego programu, tak żeby błąd nie mógł np. usunąć wszystkich twoich plików. Jeśli chodzi o dane w programie, dobrze jest mieć opcje importu eksportu, wtedy to co w danym programie zrobiłes, jest bezpieczne.

Należy też uważac na integracje. AI jest ogromną pomocą w żmudnym zadaniu integrowania rzeczy, ale trzeba mieć tu już pewną wiedzę, częstym błędem jest udostępnianie kluczy API i innych haseł.

Program działający bez AI, i jako nakładka AI.

Ai może napisać program, który działa całkowicie samodzielnie, bez dostępu do internetu, i bez zużywania tokenów modelu AI. Natomiast można też tworzyć proste programy, które wykorzystują model językowy jako "silnik". Najwygodniejszy jest tu Claude, który ma funkcje specjalnie pod to projektowane. Taki program można udostępnić publicznie, a ludzie z niego korzystający, zużywają własne limity. Jeśli nie mamy płatnego Claude, można odtwarzać kod bezpośrednio w chat GPT, ale w takim wypadku funkcje AI są mniej płynne, bo uruchamia się je zwykłą komendą w chacie.

Programy udostępniane publicznie.

Tu trzeba być bardzo ostrożnym. W takiej sytuacji, użytkownicy czy klienci mocno oceniają dany program, testują go, więc wszelkie błędy mogą szkodzić wizerunkowo. Dodatkowo, program musi być odpowiednio zabezpieczony.

Środowiska do udostępniania programów.

Istnieją strony pozwalające tworzyć, oraz udostępniać własne programy w bezpiecznym środowisku. W ten sposób unikamy ryzyka istniejącego gdy wrzuca się własny kod na serwer. Najprostszym przykładem jest tu Claude (choć jest to mocno ograniczone rozwiązanie).

Kluczowe są mechanizmy izolacji, np. sandboxing, kontenery lub uruchamianie kodu w przeglądarce. (w tym przeglądarce użytkownika)

Bardziej rozbudowane możliwości oferują Lovable, Bolt.new i Replit, które pozwalają tworzyć, testować i publikować aplikacje bez konieczności samodzielnego zarządzania serwerem. Z kolei CodePen, JSFiddle i StackBlitz umożliwiają szybkie uruchamianie i udostępnianie kodu, szczególnie prostych aplikacji internetowych. Warto też wspomnieć o Hugging Face Spaces, platformie przeznaczonej m.in. do publikowania aplikacji wykorzystujących AI.

Nie eliminują one wszystkich zagrożeń, ale ograniczają ryzyko dla własnej infrastruktury. Nie gwarantują natomiast, że sama opublikowana aplikacja będzie bezpieczna.

Dobrą praktyką jest pytanie się AI czy to co chcemy zrobić, wymaga specjalnych zabezpieczeń (choć oczywiście, należy pamiętać o tym że AI może popełniać błędy).

Jak wygląda praca z agentem programistycznym?

Przykładowo prosisz:

> Stwórz prostą aplikację, w której będę mógł wczytać plik Excel, wybrać interesujące mnie kolumny, filtrować wyniki i eksportować przefiltrowane dane do nowego pliku.

Agent może sam zaplanować strukturę programu, utworzyć pliki, napisać kod, uruchomić aplikację, przetestować działanie i poprawić wykryte błędy.

A jeśli efekt nie będzie ci odpowiadał, możesz po prostu napisać, co chcesz zmienić.

Na przykład: „Dodaj wyszukiwarkę”, „Zrób większe przyciski”, „Chcę mieć możliwość edytowania danych bezpośrednio w tabeli”.

System może wówczas odnaleźć odpowiednie fragmenty kodu i wprowadzić zmiany w istniejącym programie.

Właśnie na tym polega jedna z największych zalet narzędzi takich jak Codex i Claude Code: nie ograniczają się do napisania fragmentu kodu, ale mogą pracować nad całym projektem, obejmującym wiele powiązanych plików.

Można więc powiedzieć, że tworzenie małych, użytecznych programów zaczyna przypominać pracę z arkuszem kalkulacyjnym. Nie każdy zostanie programistą, tak jak nie każdy użytkownik Excela zostaje analitykiem danych. Ale znacznie więcej osób będzie mogło samodzielnie przygotowywać narzędzia odpowiadające ich potrzebom.

Czy właściwie jest agent AI i czym różni się od chatbota oraz automatyzacji?

Żeby zrozumieć, skąd biorą się opisane możliwości, trzeba przyjrzeć się temu, jak działają systemy wykorzystujące modele językowe.

Agenci AI potrafią podejmować decyzje. Ale nie chodzi o prosty wybór na zasadzie: jeśli X to zrób Y. Agent AI ma cel, i szuka sposobów jego rozwiązania. Nie musisz więc podawać mu wcześniej wszystkich możliwości z których on może wybierać. Zamiast tego, dajesz mu zestaw wytycznych, celów i ograniczeń.

Od modelu językowego do agenta AI

Model językowy i chatbot

U podstaw współczesnych systemów AI znajdują się duże modele językowe (LLM). W uproszczeniu otrzymują tekst i generują jego dalszą część. Dzięki treningowi na ogromnych zbiorach danych potrafią odpowiadać na pytania, pisać artykuły, analizować informacje czy tworzyć kod.

Sam model nie musi jednak mieć dostępu do internetu, dokumentów ani komputera. Można uruchomić go lokalnie, bez żadnych dodatkowych narzędzi. Wówczas jego zadaniem jest przede wszystkim przetwarzanie tekstu i generowanie odpowiedzi.

Chatbot wyposażony w narzędzia

Współczesne systemy, takie jak ChatGPT czy Claude, potrafią znacznie więcej. Mogą przeszukiwać internet, analizować dokumenty, wykonywać obliczenia i tworzyć pliki.

Przykładowo, gdy zapytasz o wyniki finansowe firmy, model może samodzielnie znaleźć aktualny raport, odczytać dane i przygotować zestawienie.

Co istotne, model może sam zdecydować, którego narzędzia potrzebuje. To już przypomina działanie agentowe, choć samo korzystanie z narzędzi nie oznacza jeszcze, że system jest agentem.

Od chatbota do agenta AI

Najważniejszą cechą agenta jest możliwość samodzielnego dobierania działań prowadzących do realizacji określonego celu.

Porównajmy trzy polecenia:

W trzecim przypadku nie chodzi już o pojedynczą odpowiedź, ale o wieloetapowy proces, w którym model wybiera kolejne działania na podstawie dotychczasowych rezultatów.

Granica między chatbotem korzystającym z narzędzi a agentem nie jest jednak ostra. Najważniejszy jest stopień samodzielności systemu.

Automatyzacja istniała przed agentami AI

Automatyzacja nie jest nowym wynalazkiem. Narzędzia takie jak Zapier czy Make od lat pozwalają łączyć aplikacje i wykonywać określone czynności bez udziału człowieka. A w teorii, praktycznie każdy program to pewnego rodzaju automatyzacja.

Przykładowo możesz przygotować arkusz z postami przeznaczonymi do publikacji. Automatyzacja sprawdza daty, pobiera treści i publikuje je w wybranych serwisach społecznościowych.

Może też zapisywać adresy opublikowanych wpisów, wysyłać powiadomienia czy zgłaszać błędy.

Nie potrzeba do tego żadnej sztucznej inteligencji.

Co więcej, tradycyjne automatyzacje również podejmują decyzje. Mogą wykorzystywać warunki logiczne, filtry, rozgałęzienia i pętle. Przykładowo, jeśli e-mail zawiera słowo „faktura”, system przenosi go do odpowiedniego folderu.

Różnica polega na tym, że zasady postępowania zostały wcześniej zaprogramowane.

Model językowy nie musi być agentem

Dodanie AI do automatyzacji nie oznacza automatycznie stworzenia agenta.

Załóżmy, że publikujesz post na Facebooku i chcesz przygotować jego krótszą wersję na X. Automatyzacja może przekazać tekst modelowi językowemu, odebrać skróconą wersję i ją opublikować.

Możesz nawet dodać drugi model, który ocenia jakość tekstu. Jeśli uzna go za niewystarczający, pierwszy model przygotowuje poprawioną wersję. Proces powtarza się aż do uzyskania akceptowalnego rezultatu.

To nadal może być zwykła automatyzacja, ponieważ przebieg całego procesu został określony z góry. Modele wykonują przypisane zadania, ale nie decydują samodzielnie o kolejnych etapach pracy.

Kiedy automatyzacja staje się agentem?

Wyobraźmy sobie, że zamiast programować kolejne kroki, wydajesz ogólne polecenie:

„Przygotuj artykuł o polskim rynku mieszkaniowym, uwzględnij aktualne dane, porównania miast i wiarygodne źródła”.

Agent może rozpocząć od szkicu, następnie uznać, że potrzebuje dodatkowych informacji, przeszukać internet, porównać dane, wykonać obliczenia i przygotować wykresy.

Jeżeli odkryje niespójności, może zmienić plan i przeprowadzić dodatkową weryfikację.

Kluczowa różnica polega na tym, że model sam wybiera kolejne działania, zamiast jedynie realizować szczegółowo zaprogramowany scenariusz.

Typowy cykl pracy agenta wygląda następująco:

Nie oznacza to jednak nieograniczonej autonomii. Agent może działać w określonych ramach: korzystać tylko z wybranych narzędzi, przestrzegać limitów i wymagać zatwierdzenia ważniejszych operacji.

W praktyce agenty można również łączyć z tradycyjnymi automatyzacjami. Przykładowo Zapier uruchamia proces po otrzymaniu wiadomości, agent decyduje, jak ją obsłużyć, a gotowe integracje wykonują wybrane czynności.

Takie rozwiązanie łączy elastyczność AI z przewidywalnością klasycznej automatyzacji.

Porównanie: chatbot, automatyzacja i agent

Rozwiązanie	Jak działa?	Przykład
Klasyczny chatbot	Otrzymuje wiadomość i generuje odpowiedź	Pisze treść posta
Automatyzacja	Wykonuje proces według ustalonych reguł	Publikuje post o określonej godzinie
Automatyzacja z AI	Wykorzystuje model do konkretnego kroku	Skraca post, a potem go publikuje
Agent AI	Sam dobiera kolejne działania i narzędzia w ramach wyznaczonego celu	Analizuje temat, szuka danych, tworzy i weryfikuje materiał

Nie należy traktować tego zestawienia jako sztywnego podziału technologicznego. Wiele współczesnych systemów łączy kilka z tych sposobów działania.

Kluczowe pytanie brzmi: czy model tylko wykonuje określony krok, czy również wybiera, jakie kroki należy wykonać dalej?

Agenci prowadzący research i analizujący informacje

Jednym z najbardziej naturalnych zastosowań agentów jest wyszukiwanie i analizowanie informacji.

Przy zwykłym wyszukiwaniu internetowym otrzymujemy listę stron, które sami musimy otworzyć, przeczytać i porównać.

Chatbot z dostępem do internetu może zrobić część tej pracy za nas. Wyszukać informacje, przeanalizować wyniki i przygotować odpowiedź.

Rozbudowany agent badawczy może jednak prowadzić poszukiwania przez wiele kolejnych etapów.

Załóżmy, że chcemy ustalić, jak zmieniły się wydatki pięciu polskich miast na transport publiczny w ciągu ostatnich dziesięciu lat.

Agent może najpierw wyszukać sprawozdania budżetowe, następnie zidentyfikować odpowiednie pozycje w dokumentach, wyodrębnić dane i przygotować tabelę.

W trakcie pracy może odkryć, że niektóre miasta prezentują wydatki według innej klasyfikacji. Wówczas powinien poszukać dodatkowych dokumentów, ustalić różnice metodologiczne i zaznaczyć ograniczenia porównania.

Jeżeli nie znajdzie potrzebnych danych, może zmienić sposób wyszukiwania.

To właśnie przykład wieloetapowego podejmowania decyzji.

Jednak autonomiczny research nie oznacza automatycznie wiarygodnego researchu. Agent może błędnie zinterpretować źródło, pomieszać dane albo wyciągnąć nieuzasadniony wniosek.

Dlatego przy poważniejszych analizach szczególnie ważne jest sprawdzanie źródeł, metod obliczeń i najważniejszych ustaleń.

Agenci sterujący komputerem: OpenClaw, Hermes i kolejne rozwiązania

Dotychczas mówiliśmy głównie o agentach wykonujących określone zadania, takich jak analiza dokumentów, programowanie czy przygotowywanie raportów.

Istnieje jednak jeszcze bardziej ambitny kierunek: stworzenie asystenta AI, który może zarządzać wieloma czynnościami na komputerze, korzystać z różnych programów i pracować również wtedy, gdy użytkownik nie prowadzi z nim aktywnej rozmowy.

Przykładami takich rozwiązań są OpenClaw (projekt znany wcześniej jako Clawdbot, a następnie Moltbot) oraz Hermes Agent.

Są to systemy umożliwiające łączenie modeli językowych z narzędziami, pamięcią, komunikatorami i środowiskami wykonywania poleceń. Ich możliwości zależą od konfiguracji i przyznanych uprawnień.

Jeśli masz takiego agenta uruchomionego na swoim komputerze lub serwerze, możesz wysłać mu wiadomość przez Telegram i poprosić, żeby przejrzał dokumenty znajdujące się w określonym folderze, sprawdził aktualne informacje w internecie i przygotował raport.

Możesz też ustawić cykliczne zadania, na przykład codzienne sprawdzanie nowych plików, analizowanie określonych danych i wysyłanie podsumowania.

W niektórych konfiguracjach agenci mogą także obsługiwać przeglądarkę internetową, uruchamiać polecenia systemowe i korzystać z innych aplikacji. Nie zawsze oznacza to dosłowne klikanie myszką po pulpicie. Często system wykonuje operacje przez terminal, API lub specjalnie przygotowane narzędzia.

OpenClaw skupia się między innymi na łączeniu agentów z komunikatorami, organizowaniu sesji i wykonywaniu zaplanowanych zadań. Hermes Agent oferuje dodatkowo mechanizmy utrzymywania pamięci i tworzenia umiejętności wielokrotnego użytku.

W założeniu, takiemu asystentowi trzeba za każdym razem od początku tłumaczyć, czym się zajmujemy i jakie zadania chcemy wykonać.

Jednocześnie należy odróżnić możliwości techniczne takich systemów od ich rzeczywistej niezawodności. Im bardziej rozbudowane środowisko, tym więcej potencjalnych problemów: błędnie wykonywane polecenia, nieprawidłowe działania w aplikacjach, nieoczekiwane koszty czy zagrożenia bezpieczeństwa.

Dlatego rozwiązania pozwalające na szeroki dostęp do komputera wymagają szczególnej ostrożności.

Funkcjonalność hermesa możesz osiągnąć rownież za pomocą Codexa czy Claude Code.

Oba te rozwiązania, poza zarządzaniem plikami na komputerze, umożliwiają na podłączenia e-maila, dysku google, i innych narzędzi. Przy odrobinie cierpliwośći, można z nich korzystać jak z agentów-asystentów.

Większa autonomia oznacza większe ryzyko

To jeden z najważniejszych aspektów całej koncepcji agentów AI.

W tradycyjnej automatyzacji przebieg procesu jest zwykle stosunkowo przewidywalny. Programista z góry określa jego działania.

Jeśli przygotowaliśmy automatyzację, która wysyła tekst do modelu językowego, odbiera skróconą wersję i publikuje ją na określonym koncie, wiemy przynajmniej, jakie czynności system może wykonać.

Oczywiście nadal może popełniać błędy. Model może przygotować nieprawidłowy tekst, automatyzacja może opublikować coś nieodpowiedniego, a powtarzające się zapytania mogą generować niepotrzebne koszty.

Nie jest więc tak, że zwykłe automatyzacje są z definicji bezpieczne.

Jednak ich zakres działania jest najczęściej bardziej ograniczony.

W przypadku agenta sytuacja wygląda inaczej.

Załóżmy, że dajemy mu dostęp do folderu z dokumentami i polecenie uporządkowania ich zawartości.

Agent może sam zdecydować, które pliki należy przenieść, które przemianować, a które uznać za duplikaty.

Jeśli błędnie zinterpretuje dokumenty, może wprowadzić bałagan na znacznie większą skalę niż pojedyncza nieudana odpowiedź chatbota.

A jeśli wyposażymy go również w możliwość uruchamiania programów, wykonywania poleceń systemowych czy korzystania z internetu, zakres potencjalnych problemów staje się jeszcze większy.

Agent może na przykład:

• Nadpisać lub usunąć ważne pliki.
• Wprowadzić nieprawidłowe zmiany w wielu dokumentach jednocześnie.
• Uruchomić niewłaściwe polecenia w systemie operacyjnym.
• Przesłać poufne informacje do usługi zewnętrznej.
• Wykonać kosztowne lub niepożądane operacje poprzez podłączone aplikacje.
• Utknąć w pętli działań, wielokrotnie korzystając z płatnych modeli i narzędzi.

Szczególnie niebezpieczna może być sytuacja, w której agent odczytuje treści pochodzące z niezaufanych źródeł, na przykład strony internetowej czy otrzymanej wiadomości, i potraktuje zawarte w nich instrukcje jako polecenia do wykonania.

To jeden z problemów określanych jako prompt injection, czyli wstrzykiwanie instrukcji do danych przetwarzanych przez model.

Jak bezpiecznie zacząć korzystać z agentów?

Najrozsądniej zacząć od niewielkich, dobrze określonych zadań.

Jeśli chcesz nauczyć się porządkowania dokumentów, przygotuj folder testowy zawierający kopie kilkunastu plików. Poproś agenta o ich przeanalizowanie, zaproponowanie nowej struktury i przedstawienie planowanych zmian. Upewnij się że model nie ma dostępu do innych treści.

Dopiero później pozwól mu te zmiany wykonać.

Warto też stosować kilka prostych zasad:

• Ogranicz dostęp do plików. Jeśli agent ma uporządkować jeden folder, nie potrzebuje uprawnień do całego dysku.
• Pracuj na kopiach i twórz backupy. Szczególnie przed masową zmianą nazw, przenoszeniem lub usuwaniem dokumentów.
• Wymagaj zatwierdzenia ważnych działań. Zwłaszcza usuwania plików, wysyłania wiadomości, publikowania treści czy wykonywania operacji finansowych.
• Ustal limity. Można ograniczyć czas działania, liczbę wykonywanych operacji lub koszty korzystania z modeli.
• Sprawdzaj rezultaty. Nie zakładaj, że poprawne wykonanie techniczne oznacza również poprawność merytoryczną.

W przypadku programowania przydatne są systemy kontroli wersji, takie jak Git. Pozwalają sprawdzić zmiany i przywrócić wcześniejszą wersję projektu. Przy dokumentach i innych plikach trzeba zadbać o odpowiednie kopie bezpieczeństwa.

Warto też korzystać z mechanizmów izolacji środowiska, czyli tzw. sandboxów, które ograniczają to, do czego agent ma dostęp. Takie mechanizmy są obecne również w narzędziach programistycznych, w tym w Codexie. ChatGPT Learn +1

Najważniejsza zasada jest jednak prosta: nie dawaj agentowi większych uprawnień, niż rzeczywiście potrzebuje do wykonania zadania.

Czy agent zawsze jest lepszy od zwykłej automatyzacji?

Zdecydowanie nie.

Wiele zadań znacznie lepiej pozostawić tradycyjnym automatyzacjom. Jeśli system ma codziennie o określonej godzinie pobierać dane z jednego źródła i zapisywać je w tabeli, nie potrzebujemy zaawansowanego agenta.

Klasyczny skrypt albo proces przygotowany w Make czy Zapier może wykonać takie zadanie szybciej, taniej i bardziej przewidywalnie.

Podobnie, jeśli automatyzacja ma jedynie przekazać tekst do modelu językowego, a następnie zapisać jego odpowiedź, dodatkowa warstwa autonomii może nie przynosić żadnej korzyści.

Agent staje się szczególnie użyteczny wtedy, gdy nie da się łatwo z góry przewidzieć wszystkich potrzebnych kroków.

Dotyczy to zadań wymagających analizy niejednorodnych dokumentów, wyszukiwania informacji, rozwiązywania nieoczekiwanych problemów czy pracy nad projektami, w których kolejne działania zależą od wcześniejszych wyników.

Bardzo często najlepsze rozwiązanie będzie łączyć oba podejścia.

Tradycyjna automatyzacja może odpowiadać za uruchamianie procesu, przekazywanie danych, zapisywanie wyników i kontrolowanie uprawnień.

Agent może natomiast wykonywać te fragmenty pracy, w których potrzebne jest elastyczne analizowanie sytuacji i wybieranie kolejnych działań.

Możemy więc wykorzystać autonomię tam, gdzie przynosi korzyść, ale zachować przewidywalne mechanizmy wszędzie tam, gdzie są wystarczające.

Od czego zacząć?

Jeśli ktoś dotychczas korzystał głównie ze zwykłego ChatGPT lub Claude, nie musi od razu instalować skomplikowanego systemu zarządzającego całym komputerem.

Najłatwiej zacząć od zadań, które już wykonujemy.

Przygotowanie raportu na podstawie kilku dokumentów, analiza arkusza kalkulacyjnego czy opracowanie zestawienia z informacji znalezionych w internecie pozwala zrozumieć, jak model korzysta z narzędzi.

Kolejnym krokiem może być wypróbowanie Codexa lub Claude Code na własnym komputerze.

Choć są to przede wszystkim narzędzia programistyczne, świetnie nadają się do nauki pracy agentowej. Można wskazać im folder testowy, poprosić o analizę plików, zaproponowanie zmian albo napisanie skryptu automatyzującego powtarzalne czynności.

Co więcej, taka praca nie wymaga od razu tworzenia wielkiego projektu.

Dobrym pierwszym zadaniem może być przygotowanie prostego kalkulatora, przeglądarki danych z Excela albo narzędzia automatycznie zmieniającego nazwy plików według ustalonego schematu.

Dzięki temu można zobaczyć, jak agent planuje pracę, z jakich narzędzi korzysta, jakie popełnia błędy i jak można go poprawiać kolejnymi instrukcjami.

Dopiero gdy nauczymy się nadzorować takie działania, warto eksperymentować z bardziej autonomicznymi rozwiązaniami, działającymi cyklicznie lub obsługującymi wiele aplikacji.

Nie trzeba przy tym od razu oddawać agentowi całego komputera. Znacznie rozsądniej jest stopniowo zwiększać jego zakres odpowiedzialności.

Agenci czy agenty AI? Która forma jest poprawna?

Na koniec pozostaje jeszcze kwestia nazewnictwa.

W języku polskim spotykamy dwie formy: „agenci AI” oraz „agenty AI”.

Różnica wynika z odmiany rzeczownika „agent”.

„Agenci” to forma męskoosobowa, naturalnie odnosząca się do ludzi, na przykład agentów nieruchomości, agentów wywiadu czy przedstawicieli handlowych.

„Agenty” to forma niemęskoosobowa, spotykana w języku informatycznym, gdzie agent oznacza program lub autonomiczny system wykonujący określone zadania.

Dlatego w kontekście oprogramowania forma „agenty AI” pozwala podkreślić, że mówimy o systemach komputerowych, a nie o osobach.

Jednocześnie określenie „agenci AI” jest bardzo rozpowszechnione, również w materiałach technologicznych i biznesowych. Nie ma sensu traktować go jako jednoznacznie błędnego.

W tym artykule częściej pojawiała się forma „agenty”, ponieważ lepiej oddaje techniczny charakter opisywanych rozwiązań.

Samo słowo „agent” nie jest zresztą nowością w informatyce. Systemy agentowe i autonomiczne programy analizowano na długo przed powstaniem współczesnych dużych modeli językowych. Obecna popularność tego określenia wynika przede wszystkim z nowych możliwości, jakie dało połączenie modeli językowych z narzędziami i środowiskami wykonywania działań.

Podsumowanie.

Najważniejszą zmianą, którą przynoszą agenty AI, nie jest to, że sztuczna inteligencja potrafi napisać jeszcze lepszy tekst czy udzielić bardziej rozbudowanej odpowiedzi.

Istotniejsze jest to, że coraz częściej możemy zlecić systemowi wykonanie całego zadania, zamiast jedynie pytać, jak należy je zrobić.

Możemy poprosić o przeanalizowanie dokumentów, uporządkowanie plików, przygotowanie tabeli, stworzenie programu czy przeprowadzenie wieloetapowego researchu.

Agent może samodzielnie wybierać kolejne działania, korzystać z dostępnych narzędzi i korygować swoją pracę na podstawie otrzymanych rezultatów.

Nie oznacza to jednak, że każdy system wykorzystujący model językowy jest agentem, ani że większa autonomia zawsze stanowi zaletę.

Zwykłe automatyzacje nadal mają ogromny sens. Są przewidywalne, stosunkowo łatwe do kontrolowania i często całkowicie wystarczające. Można je również rozbudowywać o modele językowe, nie przekazując AI kontroli nad całym procesem.

Agenty sprawdzają się przede wszystkim wtedy, gdy wykonanie zadania wymaga samodzielnego dobierania kroków, reagowania na nieprzewidziane sytuacje i wykorzystywania różnych narzędzi.

Wraz ze wzrostem ich możliwości rośnie jednak znaczenie bezpieczeństwa, ograniczania uprawnień i nadzoru nad wykonywanymi działaniami.

Najciekawsze jest być może to, jak bardzo zmienia się dostępność technologii. Podobnie jak arkusze kalkulacyjne pozwoliły milionom ludzi wykonywać obliczenia bez pisania własnego oprogramowania, tak agenty AI zaczynają umożliwiać tworzenie prostych programów i automatyzowanie pracy osobom, które nigdy wcześniej nie zajmowały się programowaniem.

Nie znaczy to, że wiedza techniczna przestaje być potrzebna. Zmienia się jednak to, jak wiele można zrobić bez jej zaawansowanej znajomości.

I właśnie dlatego warto zainteresować się agentami AI już teraz. Nie dlatego, że wkrótce samodzielnie zrobią za nas wszystko, ale dlatego, że już dziś mogą znacznie ułatwić wiele zwykłych, codziennych czynności.