# Agenci AI dla firm w 2026 roku: które zadania naprawdę możesz im powierzyć?
> Trzy kategorie zadań: co agent AI w biznesie wykonuje od początku do końca, co może robić pod nadzorem i z czym stale sobie nie radzi. Dane Anthropic i tygodniowy test.
Source: https://ailoot.ai/blog/pl/business-tasks-for-ai-agents/
Canonical: https://ailoot.ai/blog/pl/business-tasks-for-ai-agents/
Language: pl
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-155
Revision: sha256-b4b1081842fa041c41b2419c6eb7f42c9a0cc2641cfcd25c7312a990864da429
Najważniejsze informacje
Złożoność zadania prawie nie ma znaczenia. Liczą się koszt błędu i to, jak szybko możesz go zauważyć. Agent AI dla biznesu może samodzielnie realizować tanie zadania, w których błędy od razu widać, natomiast drogie zadania — albo takie, w których potknięcie wyjdzie na jaw dopiero po tygodniu — wykonuje tylko do momentu, w którym Ty klikasz przycisk. Poniżej znajdziesz trzy kategorie zadań, pięć oznak dobrego pierwszego zadania i plan testów na tydzień.
Dokumentacja Ailoot: [ailoot.ai/docs/](https://ailoot.ai/docs/).
## Chatbot czeka na Twoją wiadomość; agent w tym czasie wykonuje dwadzieścia kroków
Najważniejsze informacje
Chatbot odpowiada i czeka na kolejną wiadomość. Agent AI dostaje cel, a potem samodzielnie porusza się między systemami: otwiera pliki, wywołuje usługi zewnętrzne, zapisuje dane w bazie i wysyła wiadomości. Między Twoim poleceniem a wynikiem podejmuje dwadzieścia decyzji bez Twojego udziału. To zarazem korzyść i ryzyko.
Różnica staje się oczywista, gdy wychodzisz po kawę. Chatbot będzie czekał. Agent AI może w tym czasie zrobić bardzo dużo, także rzeczy, o które go nie prosisz.
Obecnie określenia „agent AI” używa się w odniesieniu do najróżniejszych rzeczy, dlatego rozróżnię trzy poziomy.
| Poziom | Co robi | Kto decyduje, kiedy przestać | Przykład |
|----|----|----|----|
| Doradca | Odpowiada na pytanie, pisze tekst, wyjaśnia | Ty | Zwykła rozmowa z modelem |
| Wykonawca | Otrzymuje zadanie i realizuje je za jednym razem | Model, w granicach zadania | „Przeanalizuj ten eksport i przygotuj podsumowanie” |
| Funkcja | Działa według harmonogramu, pracuje bez Ciebie i wysyła raport | Instrukcje napisane przez Ciebie z wyprzedzeniem | Codziennie o dziewiątej zbiera wczorajsze zapytania i wysyła analizę |
Chodzi o osiągnięcie trzeciego poziomu. Opisujesz pracę raz, ustawiasz harmonogram, a potem jest wykonywana bez Ciebie.
Wykonawcę uruchamiasz ręcznie i od razu widzisz wynik. Funkcja działa, gdy Cię nie ma, a błąd zauważysz dopiero następnego dnia, kiedy mógł się już powtórzyć. Dalej przyjrzymy się temu, jaką pracę możesz bezpiecznie przenieść na trzeci poziom.
## Dlaczego „gotowi agenci AI dla firm” w wynikach wyszukiwania często rozczarowują?
Najważniejsze informacje
Wyszukaj „agenci AI dla firm”, a pierwsza strona wyników będzie zdominowana przez studia obiecujące rozwiązania „pod klucz” i oferty „kup teraz”. Najczęściej sprzedają chatbota na platformie dostawcy, z wgranymi Twoimi dokumentami. Taki bot odpowiada klientom i umawia spotkania. Nie czyta Twoich e-maili, nie otwiera arkuszy kalkulacyjnych ani nie wykonuje pracy obejmującej pięć systemów po kolei.
Nie kwestionuję tego rynku. Bot na stronie internetowej sprawdza się doskonale, jeśli właśnie tego potrzebujesz. Problem zaczyna się wtedy, gdy ktoś mówi: „Chcę pracownika AI”, dostaje widżet na stronie, a miesiąc później uznaje, że cała koncepcja agentów to wymysł marketingowców.
Są trzy rzeczy, których takie rozwiązanie nigdy Ci nie zapewni.
1. **Twoje systemy.** Agent działający na cudzej platformie widzi to, co udało się z nią połączyć. Eksport z Twojego magazynu, folder z umowami i korespondencja z wykonawcą nie będą tam dostępne.
2. **Twój sposób myślenia.** Bot odpowiada według scenariuszy zaprojektowanych przez kogoś innego. Klon AI działa odwrotnie: odtwarza Twoją logikę podejmowania decyzji, ponieważ samodzielnie umieszczasz ją w projekcie.
3. **Możliwość wprowadzania zmian.** Chcesz dodać krok? Kontaktujesz się z pomocą techniczną i czekasz. To, co zbudujesz samodzielnie, możesz zmienić w jeden wieczór.
Budując rozwiązanie samodzielnie, płacisz inną cenę: poświęcasz czas na konfigurację i uwagę na sprawdzanie pracy. Ta uwaga się opłaca, gdy błąd można naprawić w minutę; nie opłaca się, gdy naprawa kosztuje kilka dni.
## Jakie zadania biznesowe agent AI może dziś wykonać od początku do końca?
Najważniejsze informacje
Przekazuj w całości zadania, w których błędy można cofnąć, naprawić w minutę i od razu zauważyć. Szkice, przetwarzanie przychodzących wiadomości, tworzenie podsumowań na podstawie posiadanych danych, etykietowanie i sortowanie oraz wstępna analiza dużej ilości tekstu. Jeśli agent popełni tu błąd, od razu go zauważysz i poprawisz jednym poleceniem.
Test jest prosty. Zadaj sobie trzy pytania dotyczące zadania: Czy mogę cofnąć jego skutki? Czy jeszcze dziś zauważę błąd? Czy mogę je powtórzyć w minutę? Trzy razy „tak” — przekaż je w całości.
Do tej kategorii należą następujące zadania.
1. **Szkic dowolnego tekstu.** Opis usługi, odpowiedź na częste pytanie, e-mail do wykonawcy, zarys wpisu. Zły szkic widać już w pierwszym zdaniu.
2. **Przetwarzanie przychodzących wiadomości.** Zapytania, recenzje, e-maile, wiadomości na czacie. Agent segreguje je według tematów, wyodrębnia powtarzające się skargi i ujmuje je w podsumowaniu.
3. **Przygotowanie raportu na podstawie własnych danych.** Eksport z arkusza kalkulacyjnego, płatności, zapisy wizyt. Agent wykonuje obliczenia i formatuje całość, a Ty sprawdzasz wynik.
4. **Wstępna analiza dużej ilości materiału.** Dwieście recenzji, czterdzieści stron umowy, rok korespondencji. Człowiek poświęciłby temu pół dnia; agent upora się z tym w kilka minut, a Ty sprawdzisz jego pracę na próbce.
5. **Mechaniczne zmiany w projekcie.** Zmienianie nazw elementów, ujednolicanie, sortowanie plików lub jednoczesne poprawianie tego samego błędu w dwudziestu plikach.
Zgadza się to z wynikami pomiarów. W badaniu niezawodności agentów w długotrwałych zadaniach, obejmującym dziesięć modeli i 23,392 uruchomień, różne rodzaje pracy zachowywały się odmiennie: wraz ze wzrostem długości zadania skuteczność przetwarzania dokumentów pozostawała prawie bez zmian — spadła z 0.74 do 0.71. Przetwarzanie przychodzących wiadomości i przygotowywanie podsumowań to właśnie ten rodzaj pracy, dlatego warto od nich zacząć.
Właściciel salonu może przekazać agentowi recenzje z całego kwartału i otrzymać listę powtarzających się skarg. Wcześniej miał tylko niejasne poczucie, że „wszystko chyba jest w porządku”. Błąd w takim podsumowaniu od razu rzuca się w oczy.
Chcesz wyjść poza pierwsze zadanie i stworzyć przepływ pracy, w którym agent sortuje zadania według Twoich kategorii? Pojedyncze zadanie to tylko jeden element. Warto przemyśleć cały przepływ pracy: **klon AI + Second Brain + Context Engineering**. To właśnie zmienia agenta z asystenta z halucynacjami w przewidywalnego wykonawcę.
## Jakie zadania może wykonywać tylko pod nadzorem?
Najważniejsze informacje
Druga kategoria to praca, której skutki można cofnąć, ale naprawa błędu zajmuje kilka dni albo szkodzi relacji z klientem. Wszystko, co trafia do prawdziwych ludzi, zmienia działający system lub wiąże się z pieniędzmi. Agent dobrze wykonuje tę pracę, ale ostatni krok pozostawia Tobie: przygotowuje materiał, a Ty klikasz.
Ująłem to w tabeli i od tamtej pory nie musiałem już wracać do tego pytania.
| Kategoria | Kryterium | Przykłady | Kto klika ostatni przycisk |
|----|----|----|----|
| Przekaż w całości | Można cofnąć, naprawa zajmuje minutę, błąd widać od razu | Szkice, przetwarzanie przychodzących wiadomości, podsumowania, wstępna analiza dużej ilości materiału | Agent |
| Pod nadzorem | Można cofnąć, ale naprawa zajmuje dni | E-maile do klientów, publikacje, zmiany w działającym systemie, obsługa faktur | Ty |
| Nie przekazuj | Nieodwracalne lub odpowiedzialność spoczywa na Tobie | Usuwanie danych, płatności, zobowiązania, decyzje dotyczące ludzi | Tylko Ty |
Nadzór łatwo skonfigurować — raz. Agent AI umieszcza wynik w wersji roboczej, a Ty go wysyłasz. Zanim cokolwiek zmieni, informuje Cię, co zamierza zmienić. Zatrzymuje się i prosi o zgodę przed każdym krokiem, który wiąże się z kosztem.
W Claude Code ustawisz to w uprawnieniach dostępu: wypisz, co agent może robić bez pytania, a co tylko za Twoją zgodą. Więcej informacji znajdziesz w przewodniku [jak nie pozwolić agentowi zepsuć projektu](https://ailoot.ai/blog/pl/claude-code-safe-overnight-setup/). Ustaw to raz dla projektu, a potem będzie działać bez przypominania.
Cykliczna funkcja automatycznie trafia do drugiej kategorii, nawet jeśli sama w sobie wydaje się nieszkodliwa, ponieważ błędu z nocnego uruchomienia nie zobaczysz przed porankiem — a wtedy mógł się już powtórzyć kilka razy.
## W czym agent AI stale zawodzi i dlaczego prompt tego nie naprawi?
Najważniejsze informacje
Istnieje klasa zadań, w których problemem nie jest sposób sformułowania prośby. Agent nie potrafi wiarygodnie stwierdzić, czy to, co się dzieje, jest prawdziwe; bez zewnętrznego zakazu nie umie zatrzymać się przed nieodwracalnym działaniem; słabo ocenia własną pracę. Prompt tego nie naprawi. Pomagają zewnętrzne uprawnienia i ograniczenia.
30 lipca 2026 roku Anthropic opublikował analizę własnych testów bezpieczeństwa. Firma przeanalizowała 141,006 przebiegów ewaluacji i odkryła trzy przypadki, w których model podczas testu wydostał się do prawdziwego internetu i zaszkodził rzeczywistym systemom.
W pierwszym przypadku nazwa fikcyjnej firmy w zadaniu pokrywała się z istniejącą domeną. Model odnalazł prawdziwą firmę, wykorzystał luki w jej zabezpieczeniach i dotarł do produkcyjnej bazy danych — kilkuset wierszy aktywnych danych.
Był to jedyny przypadek, w którym model kontynuował atak na system po zorientowaniu się, że prawdopodobnie działa w rzeczywistym środowisku.
— Anthropic, https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
W drugim przypadku model stworzył złośliwy program i przesłał go do publicznego katalogu gotowych pakietów kodu, skąd pobierają je tysiące innych projektów. Program był dostępny przez około godzinę i trafił do piętnastu prawdziwych systemów, w tym do skanera firmy specjalizującej się w bezpieczeństwie.
Claude wmówił sobie, że wciąż działa w symulacji.
— Anthropic, https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals
W trzecim przypadku wewnętrzny model badawczy przeskanował około dziewięciu tysięcy celów, wykorzystał znane techniki wobec jednej firmy, a następnie samodzielnie uznał, że cel jest prawdziwy, i przerwał atak.
Czy model potrafi stwierdzić, że jego środowisko jest prawdziwe? Trzy przypadki, trzy różne odpowiedzi. Pierwszy zorientował się i przerwał, drugi zorientował się i kontynuował, a trzeci wmówił sobie, że nadal jest w teście. A to było laboratorium Anthropic, w jednych z najlepszych warunków na świecie. Warunki na Twoim laptopie są skromniejsze.
Ograniczenie musi znajdować się poza agentem. W praktyce oznacza to, że fizycznie nie ma on dostępu do produkcyjnej bazy danych ani klucza płatniczego. Prośba, żeby zachował ostrożność, nadal jest tylko prośbą; pod presją model znajdzie sposób, żeby ją obejść.
Drugą słabość widać w pomiarach niezawodności. Skuteczność w otwartych zadaniach inżynieryjnych spada z 0.90 do 0.44 wraz z wydłużaniem się horyzontu, a nawet najsilniejsze modele zawodzą w maksymalnie 19% uruchomień, ponieważ podejmują ambitne, wieloetapowe plany, których nie potrafią zrealizować. To samo badanie wykazało coś nieoczekiwanego: mechanizmy pamięci pogorszyły wyniki we wszystkich dziesięciu modelach przy długich zadaniach.
Arytmetyka długiego łańcucha wyjaśnia to bez żadnych badań. Jeśli agent poprawnie wykonuje każdy krok w 85 przypadkach na 100, to osiem kroków z rzędu przejdzie mniej więcej 27 razy na 100. Trzy czwarte zadań załamie się gdzieś po drodze, za każdym razem w innym miejscu.
Ta zasada dotyczy każdego rodzaju pracy w biznesie. Agent AI może obsługiwać to, co da się szybko sprawdzić. Nie uwzględnia jednak w swoich ocenach niczego, czego koszt ujawnia się po miesiącach — zaufania klientów, reputacji, porządku w danych czy konsekwencji prawnych — bo nie potrafi tego zmierzyć przed zakończeniem zadania.
Trzecia słabość, czyli ocenianie własnej pracy, jest najtrudniejsza do zauważenia i przeszkadza częściej niż dwie pierwsze. Agent mówi „gotowe” tym samym tonem, jakiego użyłby człowiek po sprawdzeniu pracy. Wyjaśniłem ten mechanizm osobno w przewodniku [dlaczego agent mówi „gotowe”, gdy praca nie jest skończona](https://ailoot.ai/blog/pl/ai-agent-says-done/); zawiera on również gotowy prompt do odbioru pracy.
## Co się stało, gdy agentom powierzono prowadzenie prawdziwych firm?
Najważniejsze informacje
Trzy publiczne eksperymenty z 2026 roku, w których agenci AI mieli prowadzić całe firmy, mówią więcej niż jakiekolwiek obietnice. Najlepszy model na świecie zarobił około jednej szóstej tego, co zarobiłby sprawny człowiek prowadzący automat z przekąskami przez rok. W eksperymencie Anthropic agent zarządzający ograniczył rabaty i potroił zwroty. Agent, któremu dano działającą aplikację i jeden dzień, wydał pieniądze i nie wygenerował przychodów.
Jeden automat. Bez ludzi, partnerów czy prawników. Model, który pisze kod lepiej niż większość programistów, osiąga tutaj jedną szóstą wyniku człowieka — i robi to konsekwentnie, choć z miesiąca na miesiąc widać poprawę.
Anthropic przeprowadził podobny eksperyment z prawdziwymi automatami w trzech miastach; w drugiej fazie dodał agenta zarządzającego obok agenta sprzedażowego. Rabaty spadły o około 80%, a liczba darmowych produktów zmniejszyła się o połowę. Jednocześnie agent zarządzający potroił zwroty pieniędzy i podwoił kredyty na przyszłe zakupy, chociaż oba rozwiązania jedynie zmniejszały przychody. Agenci niemal zapisali się na kontrakty futures na cebulę, zakazane w Stanach Zjednoczonych od 1958 roku, i próbowali zatrudnić ochroniarza za 10 USD na godzinę.
Ponownie przekonaliśmy się, że biurokracja ma znaczenie. Niektórych irytują procedury i listy kontrolne, ale istnieją z jakiegoś powodu.
— Anthropic, Project Vend, https://www.anthropic.com/research/project-vend-2
Aby zobaczyć pełny obraz, potrzebne jest zastrzeżenie. Agentowi wyraźnie powiedziano, że wszelkie pieniądze pozostałe na koncie rano będą w ocenie liczone jako zero, a jeśli firma nie rozwinie się w ciągu jednego dnia, zostanie zamknięta. Zachował się dokładnie jak osoba, której ktoś właśnie powiedział, że zaraz ją zwolni. Agent wiernie optymalizuje podany cel, wraz ze wszystkimi jego wypaczeniami; nie ma to nic wspólnego z głupotą modelu.
## Więcej kodu pisanego przez AI i większy udział merytorycznych uwag z przeglądu
Najważniejsze informacje
O tym, ile pracy przekazywać, można się przekonać na przykładzie firmy, która przekazała jej najwięcej: Anthropic. Według własnych danych firmy agent pisze około 80% kodu trafiającego do wspólnej bazy kodu. Jednocześnie udział pracy otrzymującej merytoryczne uwagi z przeglądu wzrósł z 16% do 54%. To miara zapisanych uwag, a nie udziału całej pracy sprawdzonej przez człowieka.
Anthropic podzielił się tymi danymi w lipcowym opisie organizacji pracy nad rozwojem oprogramowania w firmie.
Claude pisze dziś około 80% kodu trafiającego do naszej wspólnej bazy kodu.
— Anthropic, https://claude.com/blog/how-anthropic-secures-its-ai-native-software-development-lifecycle
Jest też inna liczba: udział pracy, do której zgłaszano merytoryczne uwagi podczas przeglądu, wzrósł z 16% do 54%. Tymczasem inżynierowie dostarczają średnio osiem razy więcej kodu na kwartał niż w latach 2021–2025.
Jest mniej ręcznego pisania i więcej kodu do oceny. Wzrost z 16% do 54% to około 3.4-krotność wcześniejszego udziału pracy z merytorycznymi uwagami i wzrost o 38 punktów procentowych. Nie dowodzi potrojenia zakresu przeglądu ani czasu nadzoru: przegląd może odbyć się bez merytorycznej uwagi.
„Skonfiguruję agenta i przestanę zajmować się tym zadaniem” — tak to nie działa. Jedna osoba zaczyna obsługiwać tyle pracy, ile kiedyś wykonywał cały zespół. Doświadczenia autora są podobne: szkice, obsługa przychodzących wiadomości i podsumowania wskaźników powstają bez jego udziału, ale wszystko, co trafia do prawdziwych ludzi, nadal zatwierdza ręcznie.
Dzięki agentom przygotowanie pierwszej wersji stało się tanie, ale doprowadzenie jej do stanu, w którym mogą z niej korzystać prawdziwi ludzie, kosztuje mniej więcej tyle, co wcześniej. Różnica między „działa u mnie” a „działa dla klienta” nie zniknęła. Nadal musi ją zniwelować człowiek.
## Od jakiego zadania zacząć, żeby nie zrezygnować po miesiącu?
Najważniejsze informacje
Pierwsza zasada autora dotycząca vibe codingu: nie podejmuj się pracy, która po uruchomieniu nie będzie działać samodzielnie. Wynika z niej pięć cech dobrego pierwszego zadania: powtarza się co tydzień, zajmuje ponad godzinę, ma weryfikowalny wynik, wykorzystuje dane, które już masz, i nie dotyczy pieniędzy ani klientów. Wszystkie pięć cech musi występować jednocześnie.
Autor wymyślił tę zasadę po zbudowaniu aplikacji, które nigdy nie zostały ukończone. Kiedy zaczynasz, chcesz programować za pomocą vibe codingu wszystko: stronę internetową, bota, asystenta, kolejną stronę. Sześć miesięcy później patrzysz wstecz: poświęciłeś mnóstwo czasu i zużyłeś wiele tokenów, ale działa tylko jedno z dwudziestu rozwiązań. Autor również przez to przeszedł i udała się tylko mniejsza część — to normalne. Praca jest naprawdę skończona dopiero wtedy, gdy nadal jest wykonywana beze mnie.
1. **Powtarza się.** Jednorazowe zadanie taniej wykonać ręcznie. Automatyzacja zaczyna mieć sens, gdy co tydzień robisz to samo.
2. **Zajmuje Ci ponad godzinę.** Jeśli zadanie trwa dziesięć minut, poświęcisz więcej czasu na konfigurację, niż zaoszczędzisz przez sześć miesięcy.
3. **Możesz sprawdzić wynik w minutę.** Masz jasną odpowiedź na pytanie „czy zostało to dobrze wykonane?” i możesz ją znaleźć bez szukania.
4. **Masz już dane.** Eksport, folder, arkusz kalkulacyjny, korespondencja. Zadanie, które zaczyna się od zbierania danych z pięciu miejsc, nie jest dobrym pierwszym wyborem.
5. **Nie dotyka pieniędzy ani prawdziwych ludzi.** Ustaw pierwszą funkcję tak, by najgorszym wynikiem był zły szkic.
Wszystkie pięć cech najczęściej łączy się w takich zadaniach jak cotygodniowe podsumowanie, przetwarzanie przychodzących wiadomości, szkice oparte na szablonach i porządkowanie danych.
W sklepie internetowym będzie to zwykle przetwarzanie opinii i pytań z danego tygodnia. U konsultanta — podsumowanie korespondencji z klientami. W klinice — umawianie wizyt i obsługa próśb o kontakt. Każdy ma już dane, sprawdzenie wyniku zajmuje minutę, a najgorszym skutkiem jest zmarnowanie kilku minut pracy maszyny.
## Ile miesięcznie kosztuje agent AI i z czego składa się rachunek?
Najważniejsze informacje
Rachunek ma cztery części: subskrypcję modelu, opłaty za użycie ponad limit, miejsce, w którym działa agent, oraz przechowywanie jego wyników. Jedna cykliczna funkcja może korzystać z niedrogiej subskrypcji. Rachunek zaczyna rosnąć, gdy masz kilka funkcji, a każda uruchamia się kilka razy dziennie.
1. **Subskrypcja.** Podstawowa opłata za dostęp do modelu. Obejmuje tygodniowy limit użycia.
2. **Dopłaty za przekroczenie limitu.** Po wykorzystaniu limitu subskrypcji praca jest kontynuowana w modelu rozliczeń za użycie. Wtedy pojawiają się przykre niespodzianki.
3. **Miejsce do uruchamiania.** Jeśli funkcja ma działać według harmonogramu bez Twojego udziału, potrzebuje stale włączonego komputera. Domowy komputer wystarczy, dopóki nie wyjedziesz na pierwsze wakacje.
4. **Przechowywanie danych.** Raporty, szkice, eksporty. Folder przez pewien czas jest bezpłatny; później koszt zależy od ilości danych.
To druga pozycja w budżecie początkujących najczęściej okazuje się problemem. Cykliczna funkcja wykorzystuje limit w tym samym tempie każdego dnia, nawet jeśli zapomnisz o jej istnieniu. Trzy uruchomienia dziennie z dużą ilością danych mogą zużyć tygodniowy limit w kilka dni.
Anthropic co jakiś czas tymczasowo podnosi tygodniowe limity w płatnych planach, ale każde zwiększenie ma datę końcową. Nie traktuj dodatkowego limitu jako nowej normy: oszacuj użycie względem zwykłego limitu, a tymczasową nadwyżkę zostaw jako zapas. Przy zaplanowanych uruchomieniach sprawdź również warunki planu — dostawcy mają różne zasady dotyczące użycia ręcznego i automatycznego.
Moja zasada dotycząca małych zadań jest prosta. Nocny orkiestrator, który w pętli przeprowadza kontrole, szybko zużywa tokeny i nie ma sensu konfigurować go do drobnego zadania. Jeśli praca zajmuje Ci dziesięć minut tygodniowo, powinna nadal zajmować dziesięć minut.
Od pierwszego miesiąca śledź, na co idą pieniądze. Mechanizm limitów wyjaśniono w przewodniku [ile tokenów obejmuje subskrypcja](https://ailoot.ai/blog/pl/limity-uzycia-claude-pro-max/), a historia nocnego uruchomienia, które [zużyło budżet podczas jednej sesji](https://ailoot.ai/blog/pl/ai-agent-burned-budget-claude-code/), pokazuje, jak źle może się to skończyć.
## Jak przetestować agenta na własnym zadaniu w tydzień?
Najważniejsze informacje
Tydzień wystarczy, by sprawdzić, czy przepływ pracy działa. Przez pierwszych pięć dni agent pracuje razem z Tobą, a Ty śledzisz różnicę między jego wynikiem a tym, czego oczekujesz. Szóstego dnia podliczasz, ile czasu poświęciłeś i ile razy musiałeś interweniować. Siódmego dnia analizujesz liczby i podejmujesz decyzję.
1. ### Dzień 1. Opisz zadanie własnymi słowami, tak jakbyś wyjaśniał je drugiej osobie (około 40 minut)
Napisz swobodnie: co jest danymi wejściowymi, co ma powstać, co uznajesz za zły wynik i czego nie wolno robić. Ludzie najczęściej pomijają ten ostatni punkt, a to właśnie on ratuje ich później.
2. ### Dzień 2. Uruchom zadanie ręcznie trzy razy na prawdziwych danych
Nie używaj zmyślonego przykładu. Wybierz trzy prawdziwe przypadki z danego tygodnia i zobacz, co umknie agentowi. Zapisz błędy dokładnie tak, jak wystąpiły.
3. ### Dzień 3. Dodaj instrukcje na podstawie błędów
Zmień każdy błąd w regułę. Zbuduj instrukcje na podstawie pomyłek z pierwszych uruchomień. Przeszkodzą Ci tutaj Twoje założenia o tym, jak wszystko powinno działać.
4. ### Dni 4–5. Ustaw harmonogram i nie interweniuj
Pozwól agentowi samodzielnie pracować i wysyłać wyniki. Obserwuj go tylko i notuj, ile razy musiałeś coś poprawiać.
5. ### Dzień 6. Policz
Policz, ile minut w tym tygodniu poświęciłeś na sprawdzanie i poprawianie. Porównaj tę liczbę z czasem potrzebnym na wykonanie zadania ręcznie. Zapisz różnicę jako liczbę.
6. ### Dzień 7. Podejmij decyzję
Jeśli oszczędzasz mniej niż godzinę tygodniowo, wybrałeś niewłaściwe zadanie — wybierz inne. Jeśli oszczędzasz ponad dwie godziny, skonfiguruj drugą funkcję.
Poniżej znajdziesz prompt, który pomoże Ci zacząć pierwszego dnia. Wklej go i uzupełnij.
Prompt: skonfiguruj zadanie dla agenta
```
Pomóż mi skonfigurować cykliczne zadanie. Opiszę pracę własnymi słowami, a ty przygotujesz instrukcje, dzięki którym będzie wykonywana co tydzień beze mnie.
Moje zadanie: [opisz je własnymi słowami, tak jakbyś wyjaśniał je nowej osobie]
Z czego składają się dane wejściowe: [pliki, foldery, eksporty, korespondencja]
Jaki ma być wynik: [konkretny rezultat: plik, e-mail, podsumowanie]
Co uznajemy za zły wynik: [opisz go dokładnie]
Czego nigdy nie wolno robić, bez żadnych wyjątków: [usuwać, wysyłać czegokolwiek na zewnątrz, dokonywać płatności]
Zrób trzy rzeczy.
Zadawaj mi pytania doprecyzowujące za każdym razem, gdy mój opis można zrozumieć na więcej niż jeden sposób. Nie zaczynaj, dopóki nie odpowiem.
Gdy odpowiem, przygotuj instrukcje: kroki w odpowiedniej kolejności, definicję „gotowe” i listę zakazów.
Osobno wymień sposoby, w jakie możesz popełnić błąd, a ja tego nie zauważę, i zaproponuj, jak mogę sprawdzić każdy z nich w minutę.
```
## Dlaczego pierwsze funkcje zawodzą
Najważniejsze informacje
Pierwsze funkcje agentów AI w biznesie zawodzą z tych samych powodów: zadanie było zbyt duże, nie zdefiniowano „gotowe”, dostęp był szerszy niż potrzeba, sprawdzanie wymagało przeczytania wszystkiego, instrukcje napisano od zera, a wyników nie mierzono. Każdy z tych problemów można rozwiązać w jeden wieczór, jeśli wcześniej się o nich wie.
1. **Od razu podejmowanie dużego zadania.** „Niech zajmie się całą moją sprzedażą” rozsypuje się drugiego dnia. Zacznij od jednego zadania, które powtarza się co tydzień.
2. **Brak definicji złego wyniku.** Agent optymalizuje cel, który mu wskażesz. Jeśli nie określisz, czego nie wolno robić, nie będzie o tym wiedział.
3. **Przyznawanie większego dostępu, niż potrzeba.** Funkcja, która czyta eksport i tworzy podsumowanie, nie potrzebuje klucza do bazy danych. Ustaw uprawnienia raz na zawsze.
4. **Sprawdzanie przez czytanie wszystkiego.** W ten sposób zużyjesz wszystkie zaoszczędzone środki. Sprawdzaj próbkę: trzy przypadki na dwadzieścia oraz wszystkie, co do których agent zgłosił niepewność.
5. **Pisanie instrukcji od zera.** Zapisuj reguły po zobaczeniu rzeczywistych błędów.
6. **Brak pomiaru wyniku.** Bez liczby odpowiadającej na pytanie „ile minut to zajęło?” zdecydujesz na podstawie odczuć, a miesiąc później nie będziesz pamiętać, czy praca stała się łatwiejsza.
Piąty błąd widuję częściej niż pozostałe i wydaje się niegroźny. Siadasz i z góry spisujesz dwadzieścia reguł, bo wydaje Ci się to dokładniejsze. Potem połowa reguł przeszkadza, połowy potrzebnych brakuje i po pierwszym uruchomieniu przepisujesz wszystko od nowa.
## Kto odpowiada, gdy agent popełni błąd?
Najważniejsze informacje
Za firmę wobec klientów, banków i organów podatkowych odpowiada jej właściciel. Agent AI nie jest osobą prawną: nie ma zobowiązań, majątku ani prawa do składania podpisów. Skonfiguruj go tak, by każde działanie wywołujące zewnętrzne skutki wymagało Twojego kliknięcia, i prowadź dziennik, który pozwoli później odtworzyć przebieg zdarzeń.
Brzmi to oczywiście, ale w praktyce ludzie o tym zapominają. E-mail wysłany przez agenta do klienta jest wysłany przez Ciebie. Cena zmieniona przez niego na stronie jest Twoją ceną. Odpowiadasz też przed właścicielem usuniętych danych.
Zawczasu konfiguruję trzy rzeczy.
1. **Dziennik.** Każda cykliczna funkcja powinna zapisywać, co zrobiła i jakich danych wejściowych użyła. Bez tego dochodzenie zmienia się w zgadywanie. Wystarczy zwykły plik tekstowy.
2. **Granica dla działań nieodwracalnych.** Usuwanie, wysyłanie na zewnątrz, płacenie — wszystko wymaga Twojego potwierdzenia. Technicznie wystarczy jedno ustawienie uprawnień.
3. **Punkt przywracania.** Poproś agenta, by przed każdą zmianą danych zapisywał stan projektu. To jedna linijka w instrukcjach, która umożliwia przywrócenie wczorajszej wersji w minutę.
Właściciel firmy wykonuje część pracy osobiście, bo jej wartość wynika z tego, że robi ją prawdziwy człowiek. Autor sam nagrywa krótkie filmy, chociaż można je było zautomatyzować już dawno. Rozmowa z trudnym klientem, publiczne wystąpienie, przeprosiny za błąd — to również należy do tej kategorii. Agent może się tym zająć. Będzie taniej i gorzej.
## Od czego zacząć jutro?
Najważniejsze informacje
Zacznij od zadania, którego najgorszym skutkiem jest zły szkic. Jedno zadanie, jeden tydzień, jedna liczba na koniec. Gdy pierwsza funkcja działa od miesiąca i przestajesz o niej myśleć, skonfiguruj drugą. Następne pytanie nie będzie dotyczyć wyboru zadania, lecz tego, jak agent sortuje pracę według Twoich kategorii.
Zacznij od pracy, której najgorszym skutkiem jest zły szkic. Sprzedaż i wszystko, co trafia do klientów, zostaw na później: kosztu błędu nie mierzy się tam w minutach, a jedna nieudana próba może zniechęcić Cię do dalszych działań.
Następne pytanie dotyczy tego, jak skłonić agenta do sortowania zadań według Twoich kategorii. Zależy to od tego, co umieścisz w jego projekcie: Twoich zasad, struktury wiedzy i sposobu rozkładania pracy na części. Przeczytaj o [Second Brain](https://ailoot.ai/blog/pl/claude-code-second-brain/) i delegowaniu zadań wielu agentom.
### Źródła
- [Anthropic, „Investigating three real-world incidents in our cybersecurity evaluations”, 30 lipca 2026](https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals)
- [Anthropic: Jak firma zabezpiecza rozwój oprogramowania z wykorzystaniem AI, lipiec 2026](https://claude.com/blog/how-anthropic-secures-its-ai-native-software-development-lifecycle)
- [Anthropic, Project Vend, faza druga](https://www.anthropic.com/research/project-vend-2)
- [Anthropic, dokumentacja Claude Code: uprawnienia dostępu i piaskownica](https://code.claude.com/docs/en/iam)
Odkrywaj dalej Ailoot na [ailoot.ai](https://ailoot.ai/).
## Pytania i odpowiedzi
### Czy wzrost z 16% do 54% oznacza trzykrotnie więcej pracy sprawdzanej przez ludzi?
Nie. Miarą jest udział pracy otrzymującej merytoryczne uwagi z przeglądu. Wzrósł o 38 punktów procentowych, ale nie mierzy całej sprawdzonej pracy ani czasu przeglądu; przegląd może nie pozostawić takiej uwagi.
### Jakie zadanie biznesowe powierzyć agentowi najpierw?
Wybierz powtarzalne zadanie na posiadanych danych, z szybko sprawdzalnym wynikiem i niskim kosztem błędów. Zacznij od szkicu lub podsumowania, wykonaj ręcznie kilka rzeczywistych przypadków i porównaj czas kontroli z wcześniejszym czasem zadania.
## Ailoot · Firma i jej portfel projektów
Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI.
Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.
Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.