--- title: "Agent zapytań w ChatGPT: przepis w sześciu krokach" url: "https://majchrzycki.com/blog/agent-zapytan-w-chatgpt-krok-po-kroku" description: "Budujemy w projekcie ChatGPT agenta, który czyta zapytanie ofertowe, znajduje podobne zamknięte projekty i sprawdza moce zakładu. Dane do pobrania." --- # Agent zapytań w ChatGPT: przepis w sześciu krokach 25 kwietnia 2026· Aktualizacja: 11 listopada 2026·8 min czytania·[Krzysztof Majchrzycki](https://majchrzycki.com/o-mnie) Temat: [Firma produkcyjno-usługowa](https://majchrzycki.com/blog/filar/firma-produkcyjno-uslugowa) **W sześciu krokach zbudujecie w projekcie ChatGPT agenta, który czyta zapytanie ofertowe, znajduje podobne zamknięte projekty z ich prawdziwą marżą i sprawdza, czy zakład ma wolne moce w terminie klienta.** Agent kładzie handlowcowi na biurku rekomendację „wyceniać, wyceniać pod warunkami albo nie wyceniać”, ale nie podaje ceny i nie decyduje za nikogo. Stan funkcji sprawdzony 15.10.2026 w [dokumentacji projektów ChatGPT](https://help.openai.com/en/articles/10169521-projects-in-chatgpt). To przepis do karty agenta zapytań z serii o [firmie produkcyjno-usługowej jako jednym systemie](https://majchrzycki.com/blog/filar/firma-produkcyjno-uslugowa). Pracujemy na tych samych danych ćwiczeniowych co w pozostałych przepisach: zapytanie, dwadzieścia cztery zamknięte projekty i obciążenie gniazd. Wszystkie dane są fikcyjne, łącznie z mleczarnią, która chce wiatę. > **Gotowy skill.** Procedurę agenta zapytań ofertowych z tego przepisu znajdziecie jako gotowy skill w otwartym repozytorium [moja-firma-produkcja-uslugowa](https://github.com/majchrzycki-com/moja-firma-produkcja-uslugowa) na GitHubie, razem z danymi ćwiczeniowymi i wynikiem kontrolnym. Działa w Claude, Microsoft 365 Copilot, ChatGPT i Gemini. [Jak z niego skorzystać](https://majchrzycki.com/blog/skill-agent-zapytan-ofertowych-produkcja-uslugowa). ## Co zbudujesz Projekt w ChatGPT ze stałymi instrukcjami i dwoma plikami z historią i mocami zakładu. Do nowej rozmowy w projekcie dołączasz PDF z zapytaniem i dostajesz trzy rzeczy, które dziś kosztują handlowca pół dnia telefonów. Wejście Co robi agent Wynik Zapytanie ofertowe w PDF wypisuje wymagania i braki lista wymagań i pytań do klienta Zamknięte projekty wybiera podobne według jawnej reguły, liczy marże tabela podobnych projektów z marżą ofertową i powykonawczą Obciążenie gniazd liczy normy roboczogodzin i wolne moce tabela „potrzeba kontra wolne moce” w tygodniach klienta Wszystko razem proponuje ocenę z uzasadnieniem „wyceniać pod warunkami” i lista warunków **Czym ChatGPT różni się od pozostałych trzech narzędzi w tym zadaniu.** Liczenie robi analiza danych: ChatGPT pisze i uruchamia Pythona w notatniku Jupyter i czyta zarówno XLSX, jak i CSV, w przeciwieństwie do Agent Buildera w Microsoft 365 Copilot, którego wiedza bierze tylko XLSX. Najwięcej zmienia się wokół projektu: dawny tryb agenta zastąpił ChatGPT Work, własne GPT są wycofywane, a do automatyzacji służą workspace agents. Dlatego ten przepis stoi na projekcie, czyli na części, która się nie zmienia. Gemini z kolei czyta pliki prosto z Dysku Google, tutaj pliki wgrywacie do projektu. ## Czego potrzebujesz - Workspace’u ChatGPT na planie Business albo Enterprise. Na stronie OpenAI Business kosztuje 25 USD za użytkownika miesięcznie albo 20 USD przy płatności rocznej, przy minimum dwóch użytkownikach; traktujcie to jako orientację, bo OpenAI wspomina też miejsca Standard i Premium, których cennik nie pokazuje, więc cenę potwierdźcie przed zakupem. Projekt na tych planach mieści do 40 plików. - Uprawnień do tworzenia i udostępniania projektów. Nadaje je administrator workspace’u (krok 1). - Danych ćwiczeniowych: [zapytanie.pdf](https://majchrzycki.com/pobierz/agenci/pu/zapytanie.pdf), [projekty-zamkniete.xlsx](https://majchrzycki.com/pobierz/agenci/pu/projekty-zamkniete.xlsx), [obciazenie.xlsx](https://majchrzycki.com/pobierz/agenci/pu/obciazenie.xlsx). Ten sam komplet w CSV (UTF-8, separator średnik) i w jednym archiwum: [agent-pu-dane-cwiczeniowe.zip](https://majchrzycki.com/pobierz/agenci/agent-pu-dane-cwiczeniowe.zip). Analiza danych czyta oba formaty; w przepisie używamy XLSX, żeby nie walczyć z separatorem. ## Czego ten agent nie zrobi Nie poda ceny i nie zaproponuje marży dla nowego tematu. To decyzja handlowca, a przy dużej wartości zarządu. Agent pokazuje, ile podobne tematy kosztowały naprawdę i czy zakład je udźwignie, żeby ta decyzja zapadła na danych, a nie na optymistycznej pamięci. Nie zastąpi też porządku w danych. Jeśli koszt rzeczywisty zamkniętych projektów nie jest nigdzie zapisany, agent nie ma na czym liczyć. Gorzej: model chętnie wypełni lukę czymś, co brzmi wiarygodnie. W prawdziwej firmie zacznijcie od jednego arkusza z kosztem powykonawczym projektów z ostatniego roku. Dopiero potem agent. ## Krok 1. Sprawdź uprawnienia w workspace Administrator otwiera `Workspace settings` → `Permissions & roles` → `Projects` i włącza „Create and manage projects” oraz „Share projects”. Projekty dziedziczą ustawienia narzędzi, retencji i rezydencji danych z workspace’u, więc to też dobry moment, żeby sprawdzić, co administrator tam ustawił. Powinieneś zobaczyć w pasku bocznym `Projects` z możliwością założenia nowego projektu. Jeśli go nie ma, uprawnienie jest wyłączone. ## Krok 2. Załóż projekt i wpisz instrukcje W pasku bocznym wybierz `Projects` i załóż nowy projekt o nazwie „Agent zapytań”. Potem otwórz menu projektu (•••) → `Project settings` i wklej instrukcje poniżej. Obowiązują tylko w tym projekcie i mają pierwszeństwo przed Twoimi globalnymi instrukcjami. ``` Jesteś agentem zapytań w firmie produkcyjno-usługowej (konstrukcje stalowe na zamówienie). Pracujesz na plikach projektu: - projekty-zamkniete.xlsx: zamknięte projekty z kosztem planowanym i rzeczywistym, roboczogodzinami i uwagami, - obciazenie.xlsx: dostępne i zajęte roboczogodziny (rbh) gniazd w kolejnych tygodniach. Gdy dostaniesz zapytanie ofertowe (PDF w rozmowie), zrób kolejno: 1. Wypisz wymagania: obiekt, materiał, masa, zabezpieczenie, normy, zakres, termin, płatność, kary. Osobno wypisz, czego w zapytaniu brakuje albo co zależy od innych wykonawców. 2. Znajdź podobne zamknięte projekty. Warunki: ten sam rodzaj konstrukcji (pierwsze słowo typu), ten sam gatunek stali, to samo zabezpieczenie, montaż u klienta jak w zapytaniu, masa od 60% do 140% masy z zapytania. Pokaż wszystkie spełniające warunki, posortowane według różnicy masy. Dla każdego: nr projektu, masa, marża ofertowa = (wartość oferty − koszt planowany) / wartość oferty, marża powykonawcza = (wartość oferty − koszt rzeczywisty) / wartość oferty, dni zwłoki płatności, liczba zmian zakresu, uwagi. 3. Policz normy: rbh spawania i rbh montażu na tonę jako sumę rbh podobnych projektów podzieloną przez sumę ich masy. Pomnóż przez masę z zapytania. 4. Sprawdź moce. Wolne rbh = dostepne_rbh − zajete_rbh; nie korzystaj z kolumny wolne_rbh. Zamień daty montażu z zapytania na tygodnie ISO. Zsumuj wolne rbh montażu w tych tygodniach i wolne rbh spawania we wszystkich tygodniach z pliku przed pierwszym tygodniem montażu. Porównaj z potrzebą z punktu 3. 5. Zaproponuj ocenę: „wyceniać”, „wyceniać pod warunkami” albo „nie wyceniać”. Uzasadnij w trzech zdaniach i wypisz warunki do rozmowy z klientem. „Nie wyceniać” tylko wtedy, gdy żaden warunek nie usuwa przeszkody, np. temat jest poza technologią zakładu. Brak mocy w terminie klienta i ryzyka z podobnych projektów, które da się objąć warunkami (inny termin, kooperacja, aneks na zmiany, zaliczka), oznaczają „wyceniać pod warunkami”. Zasady: - Licz w Pythonie (analiza danych) na plikach projektu, nie z pamięci. Przy każdej liczbie podaj, z których wierszy pochodzi. - Nie dopisuj projektów ani tygodni, których nie ma w plikach. Brak danych nazwij wprost. - Nie podawaj ceny ani marży dla nowego tematu. To decyzja handlowca i zarządu. - Wynik: wymagania i braki, tabela podobnych projektów, tabela mocy, ocena z warunkami. ``` Reguła podobieństwa jest jawna celowo: handlowiec może się z nią kłócić, zamiast ufać „intuicji modelu”. Zakaz korzystania z kolumny `wolne_rbh` sprawdzi się w kroku z rzeczywistością. ## Krok 3. Dodaj pliki projektu Dodaj do plików projektu `projekty-zamkniete.xlsx` i `obciazenie.xlsx`. Zajmą 2 z 40 miejsc i są daleko od limitów wielkości (ok. 50 MB dla arkusza). Nazwy kolumn znajdziesz w pierwszym wierszu każdego arkusza; jeśli w swoich danych użyjesz innych, popraw je w instrukcji. Zapytania **nie** dodawaj do plików projektu. Pliki projektu to Wasza historia i moce, obowiązujące w każdej rozmowie. Zapytanie jest sprawą na dziś i trafia do pojedynczej rozmowy. ## Krok 4. Uruchom agenta na zapytaniu W projekcie rozpocznij nową rozmowę, dołącz `zapytanie.pdf` i napisz: ``` Mamy nowe zapytanie. Przeprowadź analizę według instrukcji projektu, licząc w Pythonie na plikach projektu. ``` Powinieneś zobaczyć, że ChatGPT uruchamia analizę danych (kod w Pythonie), czyta oba arkusze i odpowiada w kolejności z instrukcji: wymagania i braki, tabela podobnych projektów, normy, moce, ocena. Na planie Business PDF jest czytany jako sam tekst, bez rysunków i wykresów; w naszym zapytaniu wszystko, co ważne, jest tekstem, w Waszych może nie być. Jedno zastrzeżenie: strona pomocy o projektach nie wymienia analizy danych wprost wśród narzędzi projektu. Jeśli w odpowiedzi nie widać uruchomionego kodu, poproś o niego wprost i nie przyjmuj liczb, dopóki go nie zobaczysz. ## Krok 5. Gdy potrzebujesz gotowego arkusza Dokumentacja analizy danych nie mówi wprost, czy z rozmowy w projekcie pobierzesz wynik jako plik XLSX, więc sprawdź to sam, prosząc o plik na końcu odpowiedzi. Pewną drogą do gotowego arkusza jest ChatGPT Work: przełącz rozmowę na `Work` w tym samym projekcie, a zadanie wykona się z kontekstem projektu i zakończy dokumentem albo arkuszem ([ChatGPT Work](https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex-ChatGPT)). Work zastąpił dawny tryb agenta, więc jeśli w starszym poradniku zobaczysz polecenie `/agent`, to już nie działa. ## Sprawdź wynik na danych kontrolnych Porównaj odpowiedź z tabelami poniżej. Liczby policzyliśmy niezależnie z tych samych plików. Projekt Masa Marża ofertowa Marża powykonawcza Zwłoka płatności Zmiany zakresu P-2025-001 34,0 t 15,0% 6,7% 12 dni 2 P-2024-004 41,0 t 15,0% 6,5% 35 dni 3 P-2025-009 29,5 t 15,1% 12,8% 0 dni 0 Gniazdo Norma Potrzeba na 36 t Wolne moce Okno Spawanie 22,6 rbh/t 813 rbh 222 rbh tygodnie 18–27, przed montażem Montaż 15,2 rbh/t 548 rbh 262 rbh tygodnie 28–31, termin klienta Prawidłowa ocena to **„wyceniać pod warunkami”**: dwa z trzech podobnych tematów straciły ponad połowę marży na zmianach zakresu i opóźnieniach, a w terminie klienta zakładowi brakuje mocy zarówno na spawalni, jak i na montażu. Warunki do rozmowy: późniejszy termin montażu albo kooperacja, aneks wyceniający zmiany po zamrożeniu listy materiałowej, zaliczka zamiast płatności 60 dni po odbiorze przy karze 0,5% za dzień zwłoki. W brakach agent powinien wskazać rysunki wykonawcze (jest tylko koncepcja) i nieznany termin gotowości fundamentów. Jeśli w tabeli pojawi się hala albo wiata bez montażu, agent nie trzymał się reguły. Jeśli liczby mocy się nie zgadzają, poproś o pokazanie kodu analizy i sprawdź, którą kolumnę wziął. Odpowiedź policzona z pamięci wygląda tak samo pewnie jak policzona kodem; różnicę widać dopiero w kodzie. ## Krok z rzeczywistością Dane w firmie się zmieniają, a agent musi to zauważyć bez zmiany instrukcji. Otwórz `projekty-zamkniete.xlsx`, dopisz na końcu arkusza jeden wiersz (wartości w kolejnych kolumnach), zapisz plik i w plikach projektu zastąp starą wersję nową: ``` P-2026-025 | 2026 | Ferma Kurzanka sp. z o.o. | wiata magazynowa | S355 | 40 | ocynk ogniowy | tak | 700000 | 595000 | 690000 | 160 | 1000 | 680 | 60 | 0 | 1 | Niedoszacowane spawanie słupów. ``` Zadaj w nowej rozmowie to samo pytanie. Agent powinien teraz pokazać **cztery** podobne projekty, z nowym na drugim miejscu (różnica masy 4 t). Norma spawania wzrośnie do 23,3 rbh/t, czyli 837 rbh na 36 t; norma montażu do 15,7 rbh/t, czyli 566 rbh. Nowy projekt ma marżę ofertową 15,0% i powykonawczą 1,4%. Jeden zły projekt przesunął normę i obraz marży. Dlatego koszt zamkniętego zlecenia ma wracać do wiedzy agenta, a nie do szuflady. ## Krok 6. Udostępnij zespołowi i zaplanuj automatyzację Kiedy wynik zgadza się z danymi kontrolnymi, kliknij `Share` w projekcie i dodaj osoby albo grupę z workspace’u (do 100 współpracowników). Handlowcom daj uprawnienie `Chat`, osobie odpowiedzialnej za instrukcje i pliki `Edit`. Link w workspace domyślnie daje dostęp `Chat`, a projekt udostępniony zawsze pracuje w trybie pamięci `Project-only`. Zapytania przychodzą mailem i to jest następny krok, ale już poza projektem. Workspace agent (`Agents` → `Create` w pasku bocznym) dostaje te same pliki, aplikacje takie jak Google Drive czy SharePoint i harmonogram uruchomień. Gmail występuje z kolei jako wyzwalacz „nowa wiadomość” dla zadań Work. Akcje zapisu mają tam domyślnie ustawienie `Always ask`, czyli agent przygotowuje, a człowiek zatwierdza. Zostawcie to tak. Według zapowiedzi OpenAI z kwietnia 2026 workspace agents są rozliczane kredytami (stawek nie potwierdziliśmy), a w Enterprise są domyślnie wyłączone ([workspace agents](https://help.openai.com/en/articles/20001143-chatgpt-workspace-agents-for-enterprise-and-business)). Outlook i SharePoint wymagają jeszcze zgody administratora Microsoft Entra. ## Typowe problemy Objaw Przyczyna Co zrobić Brak tworzenia projektu albo przycisku `Share` administrator wyłączył uprawnienie `Workspace settings` → `Permissions & roles` → `Projects` W tabeli jest projekt, którego nie ma w pliku model dopowiada zamiast liczyć poproś o numery wierszy i ponowne policzenie w Pythonie Wolne moce się nie zgadzają agent wziął kolumnę `wolne_rbh` przypomnij regułę z instrukcji: dostępne minus zajęte Rysunki z PDF są pomijane na planie Business PDF jest czytany jako tekst opisać dane tekstem albo podać je w arkuszu Kolega nie widzi projektu po dodaniu do grupy członkowie dodani później nie dostają powiadomienia wyślij mu link do projektu Aplikacja ma etykietę „Disabled by admin” aplikacja wyłączona w `Admin` → `Plugins` administrator włącza aplikację i akcje Nie da się zbudować nowego GPT GPT są wycofywane zostań przy projekcie albo workspace agent ## Co dalej Na własnych danych potrzebujecie dwóch eksportów, w XLSX albo CSV. Z ERP albo z arkusza kierowników projektów: numer projektu, typ konstrukcji, gatunek stali, masa, zabezpieczenie, montaż, wartość oferty, koszt planowany i rzeczywisty, roboczogodziny według gniazd, termin i zwłoka płatności, zmiany zakresu. Z planowania: dostępne i zajęte roboczogodziny gniazd na tydzień. Nazwy kolumn mogą być Wasze, wtedy poprawcie je w instrukcji. Ten sam agent w innych narzędziach: - [Agent zapytań w Claude](https://majchrzycki.com/blog/agent-zapytan-w-claude-krok-po-kroku) - [Agent zapytań w Microsoft 365 Copilot](https://majchrzycki.com/blog/agent-zapytan-w-microsoft-365-copilot-krok-po-kroku) - [Agent zapytań w Gemini](https://majchrzycki.com/blog/agent-zapytan-w-gemini-krok-po-kroku) Pełną kartę agenta zapytań, czyli co czyta, co może sam, co zatwierdza człowiek i czym go mierzyć, znajdziecie we wpisie o [wycenie na kosztach rzeczywistych](https://majchrzycki.com/blog/wycena-na-kosztach-rzeczywistych-nie-z-pamieci#agent-zapytan). - Produkcja na zamówienie - ChatGPT - Agent AI - Zapytania ofertowe ## Agent zapytań to dopiero pierwszy z dwunastu Darmowy poradnik „Firma produkcyjno-usługowa jako jeden system” pokazuje, gdzie w dziesięciu etapach pracuje każdy z dwunastu agentów i co przy każdym zostaje w rękach człowieka. [Pobierz darmowy poradnik](https://majchrzycki.com/transformacja-agenci-ai/firma-produkcyjno-uslugowa#pobierz) FAQ ## Najczęstsze pytania Czy mogę wgrać do projektu prawdziwe dane klientów? Na planach Business i Enterprise OpenAI domyślnie nie trenuje modeli na danych firmy i udostępnia umowę powierzenia (DPA). Przechowywanie danych w Europie jest jednak dostępne tylko w Enterprise i Edu, dla nowych workspace'ów; plan Business go nie ma. Ustalcie z właścicielem danych i działem prawnym, co może opuścić firmę, i zacznijcie od eksportu bez danych osobowych. Dlaczego projekt, a nie własny GPT? Bo własne GPT są wycofywane we wszystkich planach: standardowy termin to 11.12.2026, a w Enterprise tworzenie nowych GPT kończy się 26.10.2026. OpenAI wskazuje jako następcę pluginy. Projekt z instrukcjami i plikami robi w tym zadaniu to samo i nie wymaga migracji za dwa miesiące. ## Czytaj dalej - [Agent zapytań w Claude: przepis w sześciu krokach](https://majchrzycki.com/blog/agent-zapytan-w-claude-krok-po-kroku) - [Agent zapytań w Microsoft 365 Copilot: sześć kroków](https://majchrzycki.com/blog/agent-zapytan-w-microsoft-365-copilot-krok-po-kroku) - [Agent zapytań w Gemini: skill (Gem) w sześciu krokach](https://majchrzycki.com/blog/agent-zapytan-w-gemini-krok-po-kroku) - [Agent zleceń w ChatGPT: przepis w sześciu krokach](https://majchrzycki.com/blog/agent-zlecen-transportowych-w-chatgpt-krok-po-kroku)