Agent AI to program, który samodzielnie wykonuje powtarzalne zadania biurowe: czyta i klasyfikuje maile, przetwarza zamówienia, przygotowuje raporty i pilnuje, żeby kolejny krok procesu się wydarzył. Nie jest chatbotem - pracuje w tle, na Waszych danych i według reguł, które ustalacie Wy.
Zaczynamy zawsze od jednego procesu, który zabiera zespołowi najwięcej godzin, i rozszerzamy dopiero wtedy, gdy ten jeden działa bez nadzoru.
Cennik · wrzesień 2026
Przejrzyste ceny, bez niespodzianek
Jeden agent procesowy5-15 tys. zł
Maile, zamówienia albo raporty. Wycena za agenta i jeden proces - nie widget na stronę i nie helpdesk ticketów. Kilka dni roboczych do pierwszego wyniku.
Kilka agentów procesowych20-80 tys. zł
Kilka agentów procesowych na łańcuchu maili, zamówień i raportów, z logami i wąskimi narzędziami. To nie system helpdesku i nie chatbot na stronę.
Wdrożenie jednego agenta na jeden proces kosztuje 5-15 tys. zł. System kilku współpracujących agentów kosztuje 20-80 tys. zł. Wycena zawsze po bezpłatnej rozmowie o wymaganiach. Nie bierzemy za rozmowę wstępną i propozycję zakresu. Cennik aktualny na wrzesień 2026.
Typy agentów
Trzy typy agentów, które zaoszczędzą Twój czas
01
Agent do maili, zamówień i raportów
Przejmuje skrzynkę, przetwarza zamówienia i generuje raporty. Eliminuje ręczne, powtarzalne zadania biurowe.
02
Agent sprzedażowy
Np. dla firmy B2B: agent sprawdza zapytanie ofertowe, kwalifikuje lead według Twoich kryteriów i przypisuje do handlowca z gotowym briefem. Działa całą dobę - żaden lead nie przepada przez weekend.
Jak projektujemy agentów do maili i zamówień, którzy wykonują pracę, a nie tylko rozmawiają
Agent AI to program, który sam wykonuje kolejne kroki procesu: czyta mail, bierze dane z systemu, przygotowuje wynik i zatrzymuje się, gdy decyzja ma należeć do człowieka. Zaczynamy od jednego konkretnego procesu, na przykład skrzynki zamówień albo raportów tygodniowych.
01
Agent AI to pętla decyzji, narzędzi i kontroli
Agent AI nie jest zwykłym promptem ani chatbotem z inną nazwą. Produkcyjny agent dostaje cel, kontekst, zestaw narzędzi i reguły bezpieczeństwa. Może pobrać dane z API, sprawdzić rekord w CRM, utworzyć zadanie, przygotować odpowiedź, zapisać notatkę, wygenerować raport albo poprosić człowieka o decyzję. Różnica polega na tym, że agent działa w procesie, a nie tylko generuje tekst.
W MKM Labs projektujemy agentów od najmniejszego kontrolowanego zakresu. Najpierw agent działa jako asystent: proponuje wynik, a człowiek zatwierdza. Potem automatyzujemy kategorie o niskim ryzyku. Dopiero na końcu dajemy agentowi większą autonomię, jeśli logi i testy pokazują stabilną jakość.
02
Narzędzia agenta muszą być wąskie i dobrze opisane
Agent z dostępem do wszystkiego jest ryzykiem. Dlatego narzędzia projektujemy wąsko: pobierz dane klienta, utwórz szkic odpowiedzi, sprawdź status zamówienia, dodaj notatkę do CRM, wygeneruj raport, wyślij powiadomienie do zespołu. Każde narzędzie ma wejście, wyjście, walidację i limit odpowiedzialności.
Takie podejście ułatwia testowanie. Wiemy, kiedy agent źle rozpoznał intencję, kiedy wywołał złe narzędzie i kiedy wynik wymaga akceptacji. Bez tego agent szybko staje się czarną skrzynką, której nikt w firmie nie ufa.
03
Najlepsze use case’y dla agentów do maili i zamówień
Agent AI ma sens tam, gdzie zadanie składa się z kilku kroków i wymaga decyzji po drodze. Przykłady: obsługa zapytań B2B, przygotowanie briefu sprzedażowego, klasyfikacja ticketów, analiza dokumentów, aktualizacja CRM, monitoring statusów, research konkurencji, generowanie raportów lub koordynacja pracy między systemami.
Jeśli zadanie jest jednorazowe, proste i oparte na twardych regułach, agent może być przesadą. Wtedy lepsza jest klasyczna automatyzacja. Nie obiecujemy agentów do wszystkiego - wskazujemy, kiedy taki program naprawdę ma sens.
04
Bezpieczeństwo autonomii
Produkcyjny agent dostaje cel, wąskie narzędzia i limit tego, co wolno mu zapisać. Szkic maila to inny poziom uprawnień niż aktualizacja CRM. Krytyczny krok czeka na człowieka, a log mówi, które narzędzie poszło w ruch. Agent ma zadanie i ślad działania. Chat w oknie to tylko rozmowa.
Dodatkowo ograniczamy uprawnienia agentów. Inny zakres ma agent, który przygotowuje szkic maila, a inny agent mogący aktualizować CRM. Krytyczne działania wymagają akceptacji człowieka, a system zapisuje, kto zatwierdził decyzję i jakie dane były podstawą odpowiedzi.
Kiedy agent ma sens
Agent AI nie jest zamiennikiem każdej automatyzacji.
Najlepszy przypadek dla agenta to proces, który wymaga kilku decyzji, pracy na języku naturalnym i kontaktu z narzędziami. Jeżeli zadanie polega tylko na przeniesieniu danych z punktu A do punktu B, zwykła integracja API będzie tańsza i stabilniejsza. Jeżeli proces wymaga zrozumienia maila, wybrania ścieżki, pobrania danych i przygotowania działania do akceptacji, agent zaczyna mieć przewagę.
Dlatego w rozmowie o agentach od razu oddzielamy trzy rzeczy: chatbot jako rozmowę na stronie, automatyzację jako powtarzalny przebieg i agenta jako program, który sam wybiera następny krok i korzysta z narzędzi. Jeśli potrzebujesz obsługi klienta, mamy osobną stronę o agentach helpdesk. Jeśli agent ma zapisywać dane w CRM albo ERP, robimy to jako osobne wdrożenie integracji. Agent sam przechodzi przez zadanie i zatrzymuje się w miejscu, w którym prosi człowieka o decyzję.
Model pracy
Agent AI musi mieć zadanie, narzędzia, pamięć i granice.
01
Zadanie
Zadanie agenta opisujemy jak proces operacyjny, nie jak życzenie do modelu. Agent ma wiedzieć, kiedy zaczyna pracę, jakie dane może pobrać, jaki wynik ma przygotować i kiedy ma się zatrzymać. Inaczej będzie generował odpowiedzi, które brzmią dobrze, ale nie dają się wpiąć w firmowy workflow.
02
Narzędzia
Każde narzędzie agenta ma wąską odpowiedzialność: pobierz rekord klienta, sprawdź status, przygotuj szkic maila, dodaj notatkę, wygeneruj raport. Nie dajemy jednego nieograniczonego dostępu do systemu. Dzięki temu można testować i blokować błędy na poziomie konkretnej akcji.
03
Pamięć
Pamięć agenta nie oznacza zapamiętywania wszystkiego bez kontroli. Projektujemy ją pod proces: historia sprawy, preferencje klienta, poprzednie decyzje, kontekst projektu albo baza wiedzy. Dane muszą mieć zakres, retencję i jasną informację, skąd pochodzą.
04
Granice
Granice są ważniejsze niż sama inteligencja modelu. Agent powinien wiedzieć, czego nie może zrobić: obiecać ceny, zmienić danych finansowych, zatwierdzić reklamacji, wysłać wiadomości bez akceptacji albo użyć danych spoza zakresu. To właśnie granice pozwalają bezpiecznie zwiększać autonomię.
05
Testy
Agenta testujemy na prawdziwych przypadkach, również trudnych i niepełnych. Sprawdzamy, czy rozpoznaje intencję, czy wybiera właściwe narzędzie, czy potrafi powiedzieć „nie wiem” i czy zostawia człowiekowi decyzje wysokiego ryzyka. Bez tego agent nie powinien wyjść na produkcję.
06
Utrzymanie
Po wdrożeniu agent wymaga opieki: monitoring kosztów modeli, logi błędów, aktualizacja bazy wiedzy, przegląd promptów systemowych i kontrola jakości wyników. Agent AI to część produktu, nie jednorazowy skrypt oddany bez odpowiedzialności.
Jak działamy
Jak zaczynamy współpracę
01
Rozmowa - 30 min
Ustalamy, co ma się zmienić w firmie po wdrożeniu: mniej ręcznej pracy, szybsza obsługa klienta, chatbot AI na stronie albo porządek w danych.
02
Zakres i wycena
Dostajesz zakres prac, ryzyka, orientacyjny harmonogram i cenę. Jeśli temat wymaga audytu AI, mówimy to przed wyceną.
03
Budujemy i pokazujemy
Pracujemy krótkimi etapami. Po każdym widzisz działającą część produktu i możesz sprawdzić, czy idziemy w dobrą stronę.
Stack, który napędza naszych agentów:
Claude Opus 5GPT-5.6OpenAI Agents SDK 0.11Responses APILangGraph 1.3n8n MCP
Agenci AI
FAQ
Najczęstsze pytania o agentów AI - architektura, typy agentów, bezpieczeństwo, ceny i stack.
Chatbot jest przede wszystkim kanałem rozmowy: widgetem na stronie, bazą wiedzy, leadami i eskalacją do człowieka. Agent AI może używać chatu jako interfejsu, ale jego wartość leży w planowaniu kolejnych kroków, wywoływaniu narzędzi, pracy na danych i prowadzeniu procesu do końca.
Agenta operacyjnego do maili, zamówień i raportów. Agenta sprzedażowego, który kwalifikuje lead i przypisuje go do handlowca z gotowym briefem. Agenta do obsługi klienta i ticketów opisujemy osobno na stronie agenci AI do obsługi klienta.
Automatyzacja jednego procesu, na przykład klasyfikacja maili albo prosty follow-up, to 5-15 tys. zł, a wdrożenie trwa kilka dni roboczych. System kilku współpracujących agentów z podłączeniem do ERP albo CRM i pamięcią kontekstu to 20-80 tys. zł. Wycena zawsze po bezpłatnej rozmowie i wstępnym rozpoznaniu potrzeb. Pełny audyt wdrożeniowy jest osobną, płatną usługą i zaczynamy go dopiero przy starcie współpracy.
Zakładamy, że model może się pomylić, więc projektujemy logi, limity, role, testy na przykładach i zgodę człowieka przy decyzjach ryzykownych. Uprawnienia są wąskie: inny zakres ma agent przygotowujący szkic maila, a inny agent aktualizujący CRM. System zapisuje, kto zatwierdził decyzję i jakie dane były podstawą odpowiedzi.
Jeśli zadanie jest jednorazowe, proste i oparte na twardych regułach, agent może być przesadą - wtedy klasyczna automatyzacja albo zwykła integracja API będzie tańsza i stabilniejsza. Agent zyskuje przewagę dopiero wtedy, gdy proces wymaga zrozumienia maila, wybrania ścieżki, pobrania danych i przygotowania działania do akceptacji.
Claude Opus 5, GPT-5.6, OpenAI Agents SDK 0.11, Responses API, LangGraph 1.3 oraz n8n MCP. Dobór narzędzi zależy od procesu - część projektu agentowego nadal zawiera zwykłe automatyzacje.
