Rozwiązanie · Agent AI
Agent AI dla biznesu. Pracuje 24/7, nie zapomina, nie chodzi na urlop.
Wdrażamy agentów AI dla polskich firm w n8n, Claude SDK, GPT-4 i Gemini. Customer Support, Sales SDR, Research, Operations, Internal Knowledge — pilot w 4 tygodnie, ROI w 3–6 miesięcy. Hosting w UE, RODO, audit log, umowa powierzenia.
Co to jest Agent AI
Mózg, narzędzia, pamięć i decyzje.
Agent AI to autonomiczny program, który wykorzystuje duży model językowy (LLM) jako mózg, ma dostęp do narzędzi (tools) i pamięć kontekstową, dzięki czemu wykonuje wieloetapowe zadania bez instrukcji krok-po-kroku.
Różnica vs chatbot: klasyczny chatbot odpowiada na zapytanie tu-i-teraz, agent AI potrafi zaplanować sekwencję działań, wykonać je (np. odczytać CRM, zapisać do bazy, wysłać maila), zweryfikować wynik i ponowić jeśli coś poszło nie tak. Chatbot to interfejs, agent to pracownik.
Różnica vs RPA (Robotic Process Automation typu UiPath, Blue Prism): RPA klika w ekrany według sztywnego scenariusza i pada gdy GUI się zmieni albo gdy dane są nieustrukturyzowane (mail, PDF, rozmowa). Agent AI rozumie kontekst, radzi sobie z nieprzewidzianymi sytuacjami i pracuje na surowym tekście, obrazach, dźwięku.
Kiedy agent AI ma sens: gdy proces ma wysokie wolumeny (50+ zdarzeń/tydzień), wymaga interpretacji nieustrukturyzowanych danych (czytanie maili, klasyfikacja dokumentów, rozumienie rozmowy z klientem), przewidywalny ROI w pierwszym kwartale i akceptację kierownictwa na okres pilotażu (8 tygodni). Nie ma sensu dla procesów wykonywanych raz na kwartał — taniej zatrudnić stażystę.
W DSX wdrażamy agentów AI od 2024 roku. Mamy w produkcji własne agenty (Daily AI Brief, Blog Writer, Contact-to-CRM) które codziennie sprawdzamy w boju. Nie sprzedajemy teorii, sprzedajemy to czego sami używamy. Każde wdrożenie u klienta zaczynamy od pytania „który proces zżera najwięcej czasu i ile kosztuje błąd ludzki” — bo agent który automatyzuje proces nieistotny dla biznesu to wyrzucone pieniądze, niezależnie od tego jak ładnie napisany.
Nasza siedziba to Szczecin (od 2002 roku). Klienci to firmy w Polsce i UE — produkcja, logistyka, e-commerce, B2B services. Wszystkie wdrożenia z umową powierzenia, hosting w UE, kod dostępny w git klienta. Bez vendor lock-in, bez proprietary blackboxa — wszystko czytelne dla Twojego wewnętrznego zespołu IT.
5 typów agentów AI
Pięć dziedzin, w których to działa.
Każdy z poniższych typów agenta wdrożyliśmy u klienta w ciągu ostatnich 18 miesięcy. Stack i ROI to realne dane, nie marketing.
Customer Support Agent
Agent obsługi klienta odpowiada na 70% zapytań bez człowieka. Podpięty do bazy wiedzy (RAG), CRM, systemu ticketowego i dokumentów handlowych. Rozumie polski, eskaluje do agenta tylko gdy nie ma pewności lub gdy klient prosi o człowieka. Loguje każdą interakcję do audit log.
Stack
Claude 3.5 Sonnet + RAG (Postgres pgvector) + Twenty CRM + Slack/Teams
ROI
Skrócenie czasu odpowiedzi z 4h do 30 sek, redukcja kosztu obsługi o 60–70%
Sales SDR Agent
Agent sprzedażowy researchuje firmę z LinkedIn, KRS, strony www, pisze spersonalizowanego DM-a, dodaje rekord do CRM, pilnuje follow-upów. Dzienny limit + ręczna akceptacja kampanii — nie spamuje. Generuje raport tygodniowy z konwersją.
Stack
Gemini 2.0 (research) + Claude (copywriting) + n8n + Twenty CRM + Apollo/Hunter
ROI
35–50 dopracowanych DM-ów dziennie zamiast 5–10 ręcznie, response rate 12–18% vs 2% przy szablonach
Research Agent
Codziennie monitoruje branżowe źródła (RSS, Google News, X/Twitter, regulatorzy), wybiera 5 najważniejszych newsów dla Twojej firmy, streszcza i dostarcza brief mailem o 6:00. Idealny dla zarządu, marketingu i compliance.
Stack
Gemini 2.0 + Google Search grounding + n8n cron + Resend (mail)
ROI
Oszczędność 1–2h dziennie na osobę zarządzającą, lepsze decyzje na podstawie aktualnych danych
Operations Agent
Agent operacyjny przetwarza dokumenty (faktury, umowy, protokoły), klasyfikuje, ekstrahuje dane, wpuszcza do ERP, alertuje o anomaliach (np. faktura bez PO, kwota > limit). Działa 24/7, nie chodzi na urlop.
Stack
Claude 3.5 (vision dla skanów) + n8n + Comarch/Enova/SAP + Healthchecks.io
ROI
Z 4h dziennie na faktury do 15 minut na akceptację, 99,2% dokładność
Internal Knowledge Agent
Wewnętrzny agent firmy pamięta wszystko: polityki HR, procedury, instrukcje, historię klienta, umowy. Pracownik pyta po polsku, dostaje odpowiedź z linkiem do źródłowego dokumentu. Bez przeszukiwania dysku przez 30 minut.
Stack
Claude 3.5 + RAG (pgvector na Neon Postgres) + Microsoft Graph / Google Drive + Slack
ROI
Onboarding nowego pracownika z 4 tygodni do 1 tygodnia, redukcja pytań do działu HR o 40%
Architektura
Sześć warstw, jeden agent.
Każdy agent w DSX ma sześć warstw architektonicznych. Brak jednej z nich kończy się incydentem — albo halucynacjami, albo wyciekiem danych, albo brakiem audytu.
LLM (mózg)
Claude 3.5 Sonnet, GPT-4o, Gemini 2.0 — dobierane do zadania. Claude do długiego kontekstu i analizy, GPT do tool-use, Gemini do researchu z Google Search.
Memory (pamięć)
Krótka pamięć kontekstowa (sesja użytkownika) + długa pamięć w pgvector (Postgres) na własnej infrastrukturze. RAG po dokumentach klienta, retencja konfigurowalna.
Tools (narzędzia)
Agent ma dostęp do funkcji: odczyt maila, zapis do CRM, query do bazy, wywołanie webhooka, wyszukiwarka. Każde narzędzie ma scoped credentials z minimalnymi uprawnieniami.
Orchestration (n8n)
n8n self-hosted na Hetzner orchestruje przepływ: kiedy uruchomić agenta, jakie dane mu podać, co zrobić z wynikiem, gdzie wysłać alert. Code-first, wersjonowanie w git.
Guardrails
Filtry input/output, human-in-the-loop dla decyzji finansowych, content moderation, rate limity per user, maskowanie PESEL/kart, lista zakazanych tematów. Konfigurowane per agent.
Audit log
Każda akcja: timestamp, user, prompt, odpowiedź, narzędzia, decyzja, koszt tokenów. Postgres + backup do Cloudflare R2, monitoring Healthchecks.io. Wymagane dla NIS2/DORA/ISO 27001.
Dlaczego n8n a nie Zapier? n8n jest self-hostowany — dane nie wychodzą z naszej (lub Twojej) infrastruktury. Ma node typu Code (JS/Python), wersjonowanie workflow w git, własne credentials store, i obsługuje wszystkie LLM out-of-the-box. Zapier płaci się per-task (drogo przy wolumenie), nie ma hostingu w UE i nie pozwala na własny code execution. Make jest tańszy ale ma gorszą integrację z LLM tool-use. Wybór n8n to nie estetyka — to RODO, koszt przy skali i kontrola.
Cała architektura DSX (n8n, Postgres, R2, monitoring) opisana jest na podstronie DSX System — naszej platformy automatyzacji. Agent AI to warstwa orchestracji nad tą platformą.
Jak budujemy
Pięć kroków do agenta w produkcji.
Nie zaczynamy od pisania kodu. Zaczynamy od pytania „który proces boli najbardziej i dla kogo”. Wdrożenie agenta AI bez zrozumienia procesu kończy się fakturą bez efektu.
| Krok | Czas | Deliverable |
|---|---|---|
| 1. Discovery | 1 tydzień | Mapa procesów, lista kandydatów do automatyzacji, ranking ROI, draft architektury, NDA + umowa powierzenia |
| 2. Prototyp | 2 tygodnie | Działający prototyp na środowisku DSX, demo dla zespołu, lista poprawek przed pilotem |
| 3. Pilot z 1 procesem | 4 tygodnie | Agent w produkcji dla 1 działu / 1 procesu, audit log, dashboard metryk, raport tygodniowy |
| 4. Roll-out | 4–8 tygodni | Skalowanie na pozostałe procesy, integracje z ERP/CRM, szkolenia użytkowników, dokumentacja |
| 5. Monitoring | ciągły | Healthchecks.io, alerty Slack, miesięczny raport ROI, kwartalny przegląd guardrails i kosztów LLM |
Pierwszy działający agent w produkcji w 6–7 tygodni od podpisania umowy. Pilot zawsze obejmuje tylko jeden proces dla jednego działu — żeby zminimalizować ryzyko, zebrać metryki i uczyć się na żywym przykładzie. Po pilocie podejmujemy decyzję o roll-oucie. Bez kontraktu rocznego, bez vendor lock-in — cały kod workflow zostaje u Ciebie w git.
Bezpieczeństwo i RODO
Nie tylko firewall. Cała architektura.
Bezpieczeństwo agenta AI to nie jedna funkcja — to kilka warstw nakładających się na siebie. Bez audit logu nie spełnisz NIS2. Bez human-in-the-loop popełnisz błąd finansowy. Bez maskowania danych wyślesz PESEL do OpenAI.
Guardrails: filtry input (czy pytanie jest w temacie firmy?), filtry output (czy odpowiedź nie zawiera PESEL, numerów kart, danych wrażliwych?), content moderation (Anthropic ma wbudowane, OpenAI też), rate limity per user (max 50 wywołań/h), lista zakazanych zachowań (agent nie składa zobowiązań w imieniu firmy).
Audit log: każde wywołanie agenta zapisywane do Postgres + backup na Cloudflare R2 (3-2-1). Logujemy: timestamp, user, prompt, odpowiedź modelu, narzędzia, decyzję, koszt tokenów, czas wykonania. Retencja 12 miesięcy domyślnie, dłużej dla compliance NIS2/DORA. Healthchecks.io alertuje gdy agent przestaje wykonywać scheduled runs.
Human-in-the-loop: każda decyzja powyżej zdefiniowanego progu (kwota, wpływ na klienta, zmiana w bazie krytycznej) wymaga akceptacji człowieka. W praktyce: agent generuje draft, pracownik klika „Akceptuj/Odrzuć/Edytuj” w Slacku albo na panelu. Realnie wdrożone w naszym Blog Writerze — agent otwiera Pull Request, redaktor merguje.
Dane na własnym serwerze: infrastruktura (n8n, Postgres, R2) działa na Hetzner (Niemcy/Polska, jurysdykcja UE) lub on-prem u klienta (pakiet Enterprise). Wywołania LLM idą do Anthropic, OpenAI i Google z umowami DPA — żadne z tych firm nie używa danych do trenowania modeli (zero data retention dla klientów enterprise).
Umowa powierzenia (DPA): podpisujemy standardowo, RODO art. 28. Dla branż regulowanych (finanse, zdrowie, energetyka) dokumentujemy zgodność z NIS2, DORA, ISO 27001 ready. Dla największych klientów oferujemy hosting we własnym VPC klienta — kod DSX, infrastruktura klienta.
Modele cenowe
Trzy pakiety, żadnych ukrytych pozycji.
Cena obejmuje wdrożenie, hosting, monitoring i support. Co NIE jest w cenie: tokens LLM (rozliczamy 1:1 wg faktury Anthropic/OpenAI), hosting on-prem u klienta (pakiet Enterprise — koszty infrastruktury klienta), dodatkowe integracje spoza standardowej listy konektorów.
DSX Automate Starter
990 PLN/mc
Jeden agent w produkcji, prosty proces, integracja z 1–2 systemami. Idealny start dla małej firmy lub jednego działu.
- 1 agent w produkcji (np. Customer Support albo Research)
- Do 5 000 wywołań LLM miesięcznie
- Hosting na infrastrukturze DSX (Hetzner)
- Monitoring Healthchecks.io + alerty
- Raport miesięczny + 2h supportu
DSX Automate Pro
2 500 PLN/mc
Do 3 agentów, integracje z ERP/CRM, RAG na własnej bazie wiedzy, audit log, panel administracyjny.
- Do 3 agentów (np. Support + Sales + Knowledge)
- Do 25 000 wywołań LLM miesięcznie
- RAG na własnych dokumentach (pgvector)
- Integracja z 1 systemem ERP/CRM
- Panel admin + audit log
- 8h supportu miesięcznie
DSX Automate Enterprise
od 6 000 PLN/mc
Bez limitu agentów, dedykowany SLA 99,9%, hosting na Twojej infrastrukturze (on-prem / własne VPC), umowa DPA + NIS2.
- Bez limitu agentów i wywołań LLM
- Hosting on-prem albo we własnym VPC klienta
- SLA 99,9% z karami umownymi
- Dedykowany engineer + cotygodniowe stand-upy
- Compliance: RODO, NIS2, DORA, ISO 27001 ready
- 24h support, 1h reakcji P1
Realne wdrożenia DSX
Trzy agenty, które same testujemy.
Zanim wdrożymy agenta u klienta, sprawdzamy go w boju u siebie. Poniższe trzy działają w produkcji DSX i są dokumentowane workflow-id w n8n.
DSX Daily AI Brief
Codziennie o 6:00 agent w n8n researchuje branżowe newsy o AI z Google Search, wybiera 5 najważniejszych dla DSX, generuje draft posta na LinkedIn (PL+EN, 1st i 3rd person) i wysyła do akceptacji na [email protected].
DSX Blog Writer
Agent piszący artykuły blogowe na podstawie tematu. Robi research z Google Search grounding, pisze 1500-słowowy artykuł, generuje screen do hero, otwiera Pull Request w repo dsx.pl na GitHub do akceptacji człowieka. Po merge — Vercel deployuje.
Contact-to-CRM Agent
Webhook agent.serwis.eu/webhook/dsx-contact przyjmuje zgłoszenie z formularza, klasyfikuje (sales/support/spam), tworzy Person + Opportunity w Twenty CRM, taguje, przypisuje opiekuna i wysyła Slack alert do właściwego zespołu.
FAQ — 15 pytań
Pytania, które dostajemy najczęściej.
Co to jest Agent AI?
Agent AI to autonomiczny program, który wykorzystuje model językowy (LLM) jako mózg, ma dostęp do narzędzi (tools — np. czytanie maila, zapis do CRM, wyszukiwarka) i pamięć kontekstową, dzięki czemu wykonuje wieloetapowe zadania bez instrukcji krok-po-kroku. Różni się od chatbota tym, że potrafi działać proaktywnie i podejmować decyzje. Różni się od RPA tym, że radzi sobie z nieustrukturyzowanymi danymi (mail, PDF, rozmowa).
Ile kosztuje wdrożenie agenta AI?
Pilot z jednym procesem to 8–25 tys. PLN one-time + abonament od 990 PLN/mc (Starter), 2 500 PLN/mc (Pro), od 6 000 PLN/mc (Enterprise). Tokens LLM to osobna pozycja — średnio 100–800 PLN/mc dla małej firmy. Pełna wycena po 1-tygodniowym Discovery.
Jak długo trwa wdrożenie?
Discovery: 1 tydzień. Prototyp: 2 tygodnie. Pilot z 1 procesem w produkcji: 4 tygodnie. Roll-out na kolejne procesy: 4–8 tygodni. Pierwszy działający agent w produkcji w 6–7 tygodni od podpisania umowy.
Claude vs GPT-4 vs Gemini — który model wybrać?
Nie wybieramy jednego — dobieramy model do zadania. Claude 3.5 Sonnet — najlepszy do długiego kontekstu, analizy dokumentów, kodu i nie-trywialnych instrukcji. GPT-4 / GPT-4o — uniwersalny, dobry do tool-use. Gemini 2.0 — najtańszy, świetny do researchu z Google Search grounding. W jednym agencie często łączymy 2–3 modele.
Czy agent AI jest bezpieczny?
Bezpieczeństwo to nie cecha modelu — to architektura. Stosujemy guardrails (filtry input/output), human-in-the-loop dla decyzji o wpływie finansowym powyżej progu, audit log każdej akcji, izolację środowisk, scoped credentials z minimalnymi uprawnieniami i hosting na własnym serwerze (Hetzner w UE, nie OpenAI). Umowa powierzenia (DPA) standardowo.
RAG czy fine-tuning?
W 95% przypadków: RAG (Retrieval Augmented Generation). Fine-tuning ma sens tylko gdy potrzebujesz unikalnego stylu, custom output formatu lub gdy RAG mimo wszystko nie wystarcza. RAG na pgvector w Postgres aktualizuje się natychmiast — fine-tuning trzeba retrainować przy każdej zmianie danych.
Jak liczymy ROI agenta AI?
Wzór: (oszczędność roboczogodzin × stawka godzinowa pracownika) − (koszt wdrożenia + abonament + tokens LLM) ÷ koszt. Realny przykład: agent obsługi klienta przejmuje 70% zapytań, oszczędza 120h/mc × 80 PLN/h = 9 600 PLN/mc, koszt wdrożenia 15k + abonament 2 500/mc, breakeven w 4 miesiące.
Czy mogę zacząć od pilota zanim podpiszę pakiet roczny?
Tak, każdy projekt zaczynamy od pilota. Discovery (1 tydz) + Prototyp (2 tyg) + Pilot z 1 procesem (4 tyg) — łącznie 7 tygodni. Po pilocie decydujesz: kontynuujemy w abonamencie, rozszerzamy na kolejne procesy, albo kończymy. Bez kontraktu rocznego.
Hostowanie własne czy chmura LLM?
Mózg (LLM) — chmura: Claude (Anthropic), GPT (OpenAI), Gemini (Google). Wszystkie z umowami DPA i przetwarzaniem w UE. Logika agenta (n8n), baza wiedzy (Postgres), pliki (Cloudflare R2) — na naszej infrastrukturze (Hetzner, Polska/Niemcy) albo u klienta on-prem (pakiet Enterprise).
Co to są guardrails?
Guardrails to mechanizmy bezpieczeństwa nakładane na agenta: filtry tematów (agent obsługi klienta nie odpowie na pytania niezwiązane z firmą), limity kwotowe (operacje > 5 000 PLN wymagają akceptacji), filtry danych wrażliwych (PESEL, numery kart maskowane), rate limity per user, content moderation (Claude ma wbudowane).
Czy działa po polsku?
Tak, Claude 3.5, GPT-4 i Gemini 2.0 mówią po polsku na poziomie native. Testowane na realnych wdrożeniach DSX (Daily AI Brief PL+EN, Blog Writer w PL, Contact pipeline). Agent klasyfikujący polskie maile, faktury i rozmowy działa na poziomie 95%+ dokładności.
Jakie procesy automatyzować jako pierwsze?
Kryteria: wysokie wolumeny (>50 zdarzeń/tydz), powtarzalny pattern, dane cyfrowe (nie papier ręcznie wpisywany), niska tolerancja błędu człowieka (np. zapominanie follow-upów). Najszybsze wins: klasyfikacja maili, ekstrakcja danych z faktur, FAQ chatbot, daily research brief, lead qualification.
Czy agent zastąpi pracownika?
W 99% wdrożeń — nie. Agent przejmuje powtarzalne zadania (klasyfikacja, draftowanie, research), pracownik akceptuje, decyduje, rozmawia z klientem przy trudniejszych przypadkach. Realny efekt: ten sam zespół obsługuje 3–4× więcej zgłoszeń, zamiast cięć zatrudnienia.
Audit log i compliance — co dokładnie logujemy?
Każde wywołanie agenta: timestamp, użytkownik, prompt, odpowiedź modelu, narzędzia użyte, decyzja podjęta, koszt w tokenach, czas wykonania. Logi w Postgres + backup do Cloudflare R2, retencja 12 miesięcy domyślnie (konfigurowalna). Wymagane dla NIS2, DORA, ISO 27001.
Czy wymagana jest integracja z naszym systemem?
Nie wymagana, ale zalecana. Agent może działać samodzielnie (np. mailowy brief), ale prawdziwa wartość pojawia się przy integracji z ERP/CRM/dokumentami. Mamy gotowe konektory: SAP, Comarch, Enova, iScala, Salesforce, HubSpot, Pipedrive, Twenty CRM, Microsoft 365, Google Workspace.
Gotowy na pierwszego agenta?
Diagnoza procesów — 30 minut, bezpłatnie.
Pokażemy Ci, który z Twoich procesów ma największy ROI z agenta AI i ile kosztuje pilot. Bez slajdów, bez agendy sprzedażowej.