Agentic AI: wyższy poziom w automatyzacji z LLM

Czym właściwie jest Agentic AI?

Zwykłe wdrożenie generative AI pozwala dzisiaj napisać treść e-maila czy dokonać prostej analizy skoku sprzedaży z arkusza Excel poprzez konwersację z chatbotem. Użytkownicy zadają pytania, na które otrzymują mniej lub bardziej trafne podpowiedzi generowane przez model.

Rozwiązania Agentic AI idą jednak o krok dalej. Podczas gdy tzw. chat jest reaktywny (czeka na polecenie człowieka i zwraca tekst), agenty AI to systemy ukierunkowane na realizację kompleksowych zadań, samodzielnie wykorzystujące narzędzia, API czy środowiska kodu. Odchodzimy od paradygmatu "napisz mi raport" na rzecz "wyszukaj nowe leady w bazach, porównaj z rekordami w Salesforce, wyciągnij powiązane kontakty, stwórz dla nich persony i skonfiguruj wstępne parametry kampanii mailingowej, a następnie poproś mnie o zatwierdzenie". System agentowy nie polega tylko na modelu językowym (LLM), ale uczy się samodzielnego planowania i wnioskowania (reasoning loop).

Automatyzacja procesów AI za pomocą architektury Agenckiej

We wdrożeniach sztucznej inteligencji dla firm korzysta się często z bibliotek i frameworków, takich jak LangGraph, Microsoft AutoGen czy wzorzec ReAct. Powstała w ten sposób architektura pozwala systemowi iteratywnie wywoływać poszczególne narzędzia (tzw. tool calls).

Dla przykładu, w procesie obsługi reklamacji lub naprawy Agent AI może samodzielnie zweryfikować dane u dostawcy: zaloguje się do systemu CRM, sprawdzi numer VIN lub kod zamówienia e-commerce i ustali, kiedy produkt faktycznie opuścił magazyn. Następnie skonsultuje się z predefiniowaną bazą wiedzy (RAG) by ocenić, czy warunki gwarancyjne zostały dotrzymane. Na koniec powiadomi na Slacku specjalistę technicznego z helpdesku i wygeneruje odpowiednie zgłoszenie w systemie Jira.

Jak wdrożyć AI (w formie Agenta) w firmie? Pierwsze kroki

Automatyzacja procesów AI za pomocą LLM i narzędzi agentowych wymaga od klienta wcześniejszego przygotowania cyfrowego. Zanim firma wdroży samodzielnego asystenta (Agenta), jej środowisko chmurowe oraz bazy danych muszą zostać uporządkowane:

1. Ekstrakcja wiedzy: Przeniesienie procedur (np. z plików PDF), procesów workflow oraz notatek Sharepoint do dedykowanej wektorowej bazy (VectorDB) tak, by Agent "rozumiał" polityki firmy, odpowiadając na pytania użytkownika (architektura RAG). Oparcie bazy wiedzy wyłącznie na własnych dokumentach eliminuje problem "halucynacji", w którym modele zmyślają wiarygodnie brzmiące odpowiedzi.
2. Wykreowanie API dla narzędzi: Agenty wymagają odpowiedniego dostępu. Zespół PSLAB upewnia się, że firmowe systemy ERP i CRM posiadają bezpieczne interfejsy (REST API / webhooki). Programujemy dla Agenta pętlę decyzyjną oraz listę dozwolonych działań — np. odczyt danych z CRM lub wysłanie wiadomości na Slacku.
3. Guardrails i Nadzór: Ponieważ AI może podejmować autonomiczne decyzje, istnieje ryzyko wpadnięcia w nieskończoną pętlę poleceń. We wdrożeniach agentowych ustalamy na początku metodykę Human-in-the-loop (HITL). Oznacza to, że każda krytyczna czynność (jak np. ostateczne uruchomienie masowej wysyłki e-maili) jest wstrzymywana i raportowana do uprawnionego administratora. Zakończy się dopiero po zatwierdzeniu przez autoryzowanego decydenta organizacyjnego. W ten sposób zawsze chronimy dane korporacyjne.