Czy ChatGPT, Claude albo Gemini to agent AI?

W zwykłej rozmowie to asystenci: odpowiadają, a człowiek decyduje i działa. Agentem stają się dopiero wtedy, gdy dostają narzędzia i sami wybierają kolejne kroki, na przykład w trybach agentowych, w agentach programistycznych albo w rozwiązaniu zbudowanym przez API. Decyduje konfiguracja i uprawnienia, nie nazwa produktu.

Czym agent AI różni się od chatbota?

Chatbot prowadzi rozmowę w ustalonym zakresie: odpowiada, zbiera dane i przekazuje sprawę dalej. Agent dąży do celu, sam dobiera kroki i używa narzędzi, które zmieniają stan systemów. Chatbot z modelem językowym wciąż nie jest agentem, jeśli przebiegiem rozmowy steruje scenariusz, a nie model.

Czy Microsoft 365 Copilot to agent?

Copilot Chat i Microsoft 365 Copilot działają przede wszystkim jako asystenci w aplikacjach Microsoft 365. Agenci to osobne rozszerzenia z własnymi instrukcjami, wiedzą i akcjami — budowane w Copilot Studio albo jako agenci z własnym silnikiem. Microsoft opisuje oba podejścia w dokumentacji agentów dla Microsoft 365 Copilot.

Czy agent AI może działać całkiem sam?

Technicznie tak: może startować z wyzwalacza, bez polecenia człowieka. W firmie samodzielność powinna obejmować tylko działania odwracalne i ograniczone limitem. Działania nieodwracalne, płatności i komunikacja z klientem zwykle wymagają zatwierdzenia człowieka, co zalecają też OpenAI i OWASP.

Ile kosztuje agent AI?

Nie ma jednej ceny. Na koszt składają się licencje albo zużycie modelu, integracje, przygotowanie danych, testy, nadzór i utrzymanie po pilocie. Najpierw policzcie koszt dzisiejszego procesu i koszt błędu, potem porównujcie oferty na tym samym zadaniu.

Czy do agenta potrzebny jest RAG?

Nie zawsze. RAG jest potrzebny, gdy agent ma odpowiadać na podstawie dokumentów firmy, których model nie zna. Gdy agent czyta dane z systemu (status zamówienia, saldo), wystarczy narzędzie z zapytaniem do tego systemu.

Kto w firmie odpowiada za agenta AI?

Właściciel procesu odpowiada za wynik i zakres działania, IT za dostęp i bezpieczeństwo, a osoba prowadząca pracę agenta na co dzień — za przegląd, poprawki i eskalacje. Agent nie przejmuje odpowiedzialności, nawet jeśli wykonał całą pracę.

Co to jest agent AI? Bot, asystent i agent – poradnik

6 października 2026· Aktualizacja: 6 października 202613 min czytaniaKrzysztof Majchrzycki

Temat: Automatyzacja i agenci AI

Agent AI to program z modelem językowym, który sam planuje kolejne kroki i wykonuje je narzędziami — w granicach uprawnień nadanych przez firmę. Asystent AI odpowiada i przygotowuje szkic, ale działa człowiek. Bot wykonuje z góry zapisany scenariusz. O różnicy nie decyduje okno czatu, tylko to, kto wybiera następny krok i czy program może coś zmienić w Waszych systemach. Dlatego przed zakupem zapytajcie nie „czy to agent?”, ale „co może zrobić bez pytania i kto to zatwierdza?”.

Poradnik jest dla zarządu i menedżerów firm od 50 osób, które dostają oferty „agentów”, „copilotów” i „botów” i chcą je porównać jednym językiem. Na końcu jest mapa wszystkich wpisów o agentach na blogu. Szerszy kontekst decyzji daje przewodnik automatyzacja i agenci AI.

Pięć pojęć, które w ofertach brzmią podobnie

Vendorzy używają tych słów zamiennie, a „agent” trafia do ofert także tam, gdzie program tylko odpowiada. Poniższe definicje opierają się na materiałach Anthropic, OpenAI i Microsoft, stan na 6.10.2026.

Bot: scenariusz i reguły

Klasyczny bot działa według drzewa decyzji. Rozpoznaje intencję („gdzie jest moja paczka?”), pyta o numer zamówienia, odczytuje status, odpowiada. Każdy krok zaprojektował człowiek. Bot nie wymyśli nowej ścieżki, ale też nie zrobi niczego, czego nie przewidziano. Przy prostych, powtarzalnych sprawach to zaleta.

Chatbot z modelem językowym

Chatbot z LLM rozumie swobodne pytania i odpowiada pełnymi zdaniami, często na podstawie firmowych dokumentów. Przebiegiem rozmowy nadal steruje jednak scenariusz: zakres tematów, eskalacja do konsultanta, dozwolone czynności. OpenAI w swoim przewodniku wprost zalicza proste chatboty do aplikacji z LLM, które nie są agentami, bo model nie kieruje przebiegiem pracy. Jak zaprojektować zakres i eskalację, opisuje wpis o chatbocie AI w firmie.

Asystent AI: odpowiada, człowiek działa

Asystent (copilot) pracuje na polecenie użytkownika i w jego kontekście: streszcza dokument, pisze szkic maila, porównuje umowy. Wynik trafia do człowieka, który decyduje, co z nim zrobić. Tu mieszczą się codzienne rozmowy z ChatGPT, Claude, Gemini czy Microsoft 365 Copilot. Wartość asystenta mierzy się poprawnie zakończonym zadaniem, nie liczbą promptów — szerzej w tekście jak ocenić użyteczność asystenta AI.

Agent AI: planuje i działa narzędziami w granicach

Agent dostaje cel, a nie listę kroków. Sam ustala, co zrobić najpierw, wywołuje narzędzia (odczyt z CRM, zapis w ERP, wysłanie wiadomości), ocenia wynik i decyduje o następnym kroku. Anthropic opisuje agentów jako systemy, w których model dynamicznie kieruje własnym procesem i użyciem narzędzi. To odróżnia ich od przepływów (workflows), w których ścieżkę zapisano w kodzie. OpenAI dodaje, że agent rozpoznaje, kiedy zadanie jest skończone, i potrafi poprawić własne działanie.

Agent nie zna zmęczenia ani wątpliwości. To drugie bywa problemem: z tą samą pewnością siebie zaproponuje rabat zgodny z cennikiem i rabat, którego nikt nigdy nie zatwierdził.

System wielu agentów

Kilku agentów dzieli zadanie: jeden zbiera dane, drugi przygotowuje ofertę, trzeci sprawdza ją z cennikiem. Ma to sens, gdy podział odpowiada realnym granicom wiedzy albo uprawnień. OpenAI radzi najpierw w pełni wykorzystać jednego agenta, dodając mu narzędzia, a dopiero potem dzielić pracę. Więcej agentów to więcej koordynacji, kosztu i miejsc na pomyłkę — opisuje to wpis system wieloagentowy AI: kiedy ma sens.

Porównanie w jednej tabeli

Kategoria	Kto decyduje o kolejnym kroku	Co robi	Przykład w firmie	Główne ryzyko
Bot	scenariusz zaprojektowany przez człowieka	prowadzi rozmowę po drzewie decyzji	status zamówienia po numerze	sztywność: klient utknie poza scenariuszem
Chatbot z LLM	scenariusz; model tylko formułuje odpowiedź	odpowiada na podstawie źródeł, eskaluje	pytania o zasady zwrotu	błędna odpowiedź podana pewnym tonem
Asystent AI	człowiek	przygotowuje szkic, streszczenie, analizę	szkic odpowiedzi na reklamację	niesprawdzony szkic wysłany dalej
Agent AI	model, w granicach uprawnień	planuje i wykonuje kroki narzędziami	obsługa reklamacji do zatwierdzenia zwrotu	działanie poza zakresem, zbyt szerokie uprawnienia
System wielu agentów	model koordynujący i agenci wykonawczy	dzieli zadanie na role	przygotowanie oferty przez kilku agentów	koszt, opóźnienia, trudne śledzenie błędu

Porównanie pięciu kategorii: bot, chatbot z modelem językowym, asystent AI, agent AI i system wielu agentów. Dla każdej: kto decyduje o kolejnym kroku, co robi, przykład w firmie i główne ryzyko. Im niżej na skali, tym więcej decyduje model i tym ważniejsze są uprawnienia oraz zatwierdzenia. — Bot, chatbot, asystent, agent i system agentów: od scenariusza do samodzielnego wyboru kroków. Ocena autora na podstawie definicji Anthropic, OpenAI i Microsoft.

Poziomy autonomii: kto zatwierdza

Autonomia nie jest przełącznikiem „włącz/wyłącz”. To zakres uprawnień, który da się opisać i stopniować. Proponuję pięć poziomów (podział autora):

Poziom	Co agent może	Kto zatwierdza	Przykład
0. Szkic	tylko przygotować odpowiedź lub dokument	człowiek wykonuje wszystko sam	szkic maila do klienta
1. Odczyt	czytać dane w systemach i łączyć je	człowiek decyduje na podstawie wyniku	zestawienie historii klienta z CRM i ERP
2. Zapis z zatwierdzeniem	przygotować zmianę w systemie	człowiek klika „zatwierdź” przed skutkiem	propozycja korekty faktury
3. Działanie w limicie	wykonać działanie do ustalonej wartości lub zakresu	człowiek przegląda próbkę i wyjątki	zwrot do kwoty progowej
4. Praca w tle	sam reaguje na zdarzenie (wyzwalacz)	właściciel procesu nadzoruje, ma przycisk stop	klasyfikacja nowych zgłoszeń w nocy

OpenAI zaleca oddawać sprawę człowiekowi w dwóch sytuacjach: gdy agent przekroczy próg błędów (na przykład kilka razy nie zrozumiał klienta) i przy działaniach wysokiego ryzyka — wrażliwych albo nieodwracalnych, takich jak anulowanie zamówienia czy płatność. Microsoft rozróżnia agentów, którzy reagują tylko na polecenie użytkownika, od agentów z własnym silnikiem, którzy mogą uruchamiać działania sami.

Zaczynajcie od poziomów 0–2. Wyżej przechodźcie dopiero po pilocie, który pokazał liczbę i rodzaj błędów. Szczegóły zakresu autonomii i warunków zatrzymania opisują wpisy agenci autonomiczni: granice działania oraz kto odpowiada za decyzję przygotowaną przez agenta.

Z czego składa się agent

OpenAI wymienia trzy podstawowe składniki: model, narzędzia i instrukcje. Microsoft dodaje wiedzę, akcje i orkiestrator. Dla zarządu wygodniej rozpisać to na siedem elementów, bo każdy z nich ma innego właściciela w firmie:

Model — „silnik” rozumowania i języka. Wybór modelu wpływa na jakość i koszt, ale rzadko jest najtrudniejszą decyzją.
Instrukcje — cel, zasady, ton, czego robić nie wolno. Odpowiednik opisu stanowiska i procedury.
Wiedza — dokumenty i dane firmy, z których agent korzysta. Gdy chodzi o dokumenty, potrzebne jest zwykle wyszukiwanie w źródłach, czyli RAG — opisuje to poradnik o wykorzystaniu danych firmy w AI.
Narzędzia — funkcje i API, przez które agent czyta i zmienia systemy. Coraz częściej podłącza się je przez Model Context Protocol (MCP), otwarty standard łączenia aplikacji AI z zewnętrznymi danymi i narzędziami.
Pamięć — co agent zapamiętuje między zadaniami. Pamięć pomaga w ciągłości, ale utrwala też błędy; zobacz czy agent powinien pamiętać rozmowy z klientem.
Uprawnienia — do jakich danych i operacji agent ma dostęp. Decyzja o dopuszczeniu operacji musi zapaść w systemie, nie w prompcie. Metodę opisuje wpis do jakich danych agent naprawdę potrzebuje dostępu.
Wyzwalacze — co uruchamia agenta: polecenie człowieka, nowy mail, zdarzenie w ERP, harmonogram.

Ten sam model z innymi narzędziami i uprawnieniami to zupełnie inny poziom ryzyka. Dlatego przy ofercie pytajcie o elementy 4, 6 i 7, a nie tylko o nazwę modelu.

Asystenci vendorów: Claude, ChatGPT, Copilot i Gemini

Każdy duży vendor ma dziś asystenta czatowego i jakąś drogę do agentów. Poniżej rola każdego produktu, nie ranking. Nazwy i zakresy zmieniają się co kilka miesięcy, więc szczegóły i daty są w osobnych wpisach.

Vendor	Asystent (praca na polecenie)	Droga do agenta	Wpis na blogu
Anthropic	Claude w aplikacji i w planach dla firm	Claude Code (agent programistyczny), skille i pluginy, budowa przez API	Claude w firmie
OpenAI	ChatGPT w planach dla firm	funkcje agentowe w ChatGPT, Codex, osobisty agent dots	ChatGPT w firmie
Microsoft	Copilot Chat, Microsoft 365 Copilot	agenci deklaratywni i z własnym silnikiem, Copilot Studio, Microsoft Foundry, rejestr Agent 365	agenci Microsoft Copilot
Google	Gemini w Google Workspace	Gemini Enterprise jako platforma agentów Google, partnerów i własnych	Gemini w firmie

Wniosek dla zarządu jest prosty: ten sam produkt może być asystentem dla jednej osoby i agentem w innej konfiguracji. Pytanie „czy kupujemy Copilota czy Claude?” jest drugorzędne wobec pytania, który proces i z jakimi uprawnieniami ma obsłużyć. Przy Microsoft najwięcej szczegółów o wersjach i licencjach zbiera przewodnik po Microsoft Copilot.

Agenci programistyczni: osobna kategoria

Agenci programistyczni pracują na repozytorium kodu. Claude Code — według dokumentacji Anthropic — czyta kod, edytuje pliki i uruchamia polecenia w terminalu, IDE lub przeglądarce. Podobnie działają Codex, GitHub Copilot, Cursor oraz narzędzia open source wymienione w mapie wpisów na końcu poradnika.

Dla firmy to zwykle pierwszy agent, który naprawdę zmienia pliki. Ma też najlepsze warunki do kontroli: wynik to zmiana w kodzie (diff), którą widać, testuje się automatycznie i zatwierdza w przeglądzie. Instrukcje dla takich agentów zapisuje się w plikach repozytorium, a rozszerzenia instaluje jako pluginy — porównuje je wpis pluginy agentów AI: Claude, ChatGPT, Codex i Copilot. Cały proces wytwarzania oprogramowania z agentami opisuje poradnik AI SDLC, a orkiestrację agentów w kodzie — poradnik LangChain.

Ryzyka i kontrola

Model językowy myli się w treści. Agent z narzędziami myli się w działaniu: błędna odpowiedź kosztuje czas, błędne wywołanie systemu może utworzyć płatność albo zmienić dane klienta.

OWASP opisuje to jako ryzyko Excessive Agency (nadmierna sprawczość; w edycji 2025 oznaczone LLM06:2025). Źródła są trzy: agent ma więcej funkcji, niż potrzebuje, szersze uprawnienia, niż wymaga zadanie, albo za dużo swobody bez zatwierdzenia człowieka. OWASP zaleca:

dawać agentowi tylko te narzędzia, których zadanie wymaga,
nadawać najmniejsze uprawnienia w systemach docelowych i działać w kontekście konkretnego użytkownika,
wymagać zatwierdzenia człowieka przed działaniem o istotnych skutkach,
kontrolować uprawnienia w systemie docelowym, nie w instrukcji dla modelu,
rejestrować działania, monitorować i ograniczać ich liczbę.

Drugie ryzyko to wstrzyknięcie poleceń (prompt injection): złośliwa treść w mailu, dokumencie lub na stronie, którą agent czyta i bierze za instrukcję. Dlatego agent czytający pocztę z zewnątrz nie powinien jednocześnie mieć prawa wysyłki bez zatwierdzenia. Aktualną listę ryzyk omawia wpis OWASP LLM Top 10 2026; dla systemów agentowych OWASP prowadzi też osobną listę Top 10 for Agentic Applications for 2026. Własną tożsamość agenta, modele uprawnień i zatwierdzanie jego działań opisuje poradnik o uprawnieniach agentów AI.

Anthropic dodaje praktykę, która przydaje się każdemu zarządowi: agentów testuje się najpierw w środowisku izolowanym, z punktami kontrolnymi, w których agent czeka na człowieka.

Kiedy agent NIE jest potrzebny

Agent nie jest „lepszą wersją” automatyzacji. To inne narzędzie do innego problemu. Anthropic radzi zaczynać od najprostszego rozwiązania, bo systemy agentowe płacą opóźnieniem i kosztem za lepszy wynik. Złożoność dodaje się tylko wtedy, gdy wyraźnie poprawia efekt.

OpenAI wskazuje trzy sytuacje, w których agent ma przewagę:

decyzje wymagają oceny, wyjątków i kontekstu (np. zgoda na zwrot w reklamacji),
reguły rozrosły się tak, że ich utrzymanie jest drogie i podatne na błędy,
praca opiera się na danych nieustrukturyzowanych: mailach, dokumentach, rozmowach.

Jeśli żaden z tych warunków nie zachodzi, zwykle wystarczy coś prostszego:

stałe reguły i znane kroki → automatyzacja przepływu albo bot,
praca jednej osoby, którą ona sama sprawdza → asystent AI,
jedna liczba lub raport z systemu → zapytanie albo dashboard, bez AI,
proces, którego nikt nie potrafi opisać → najpierw opis procesu, potem technologia.

Ostatni punkt jest najczęstszy. Gdy w procesie jest zbyt wiele wyjątków, warto najpierw je uporządkować — o tym jest wpis zbyt wiele wyjątków do automatyzacji.

Karta decyzji „Czego potrzebuje Twój proces?”. Cztery pytania prowadzą do wyniku: brak opisu procesu albo jedna liczba z systemu — bez AI; stałe reguły i znane kroki — bot lub automatyzacja; człowiek wykonuje i sprawdza pracę — asystent AI; zmienna ścieżka do sprawdzalnego wyniku — agent z zatwierdzeniem. Uproszczenie autora. — Czego potrzebuje Twój proces: bot, asystent, agent czy rozwiązanie bez AI. Uproszczenie autora na podstawie zaleceń Anthropic i OpenAI.

Jak zacząć: jeden proces, karta zakresu, pilot

Nie zaczynajcie od platformy. Zacznijcie od jednego procesu, w którym wynik da się sprawdzić, a błąd da się cofnąć.

Krok 1. Wybierzcie jeden proces. Dobry kandydat powtarza się co tydzień, ma właściciela i wymaga czytania dokumentów lub maili. Słaby kandydat to „usprawnijmy sprzedaż”.

Krok 2. Spiszcie kartę zakresu. Jedna strona, którą podpisuje właściciel procesu:

Pole karty	Przykład dla obsługi reklamacji
Cel i warunek „gotowe”	reklamacja sklasyfikowana, szkic decyzji z uzasadnieniem w systemie
Dane do odczytu	zamówienie, faktura, historia klienta, regulamin
Dozwolone działania	zapis szkicu, prośba do klienta o brakujące zdjęcie
Działania zakazane	zwrot pieniędzy, zmiana ceny, wysyłka decyzji do klienta
Kto zatwierdza	kierownik obsługi klienta
Kiedy agent oddaje sprawę	brak danych, kwota powyżej progu, klient zgłasza skargę
Jak zatrzymać	wyłącznik po stronie IT i ręczna obsługa kolejki

Krok 3. Pilot na prawdziwych sprawach. Kilka tygodni, z poziomem autonomii 0–2, na próbce spraw z ostatnich miesięcy i na bieżących. Mierzcie czas całej obsługi i liczbę poprawek, nie liczbę uruchomień agenta. Zaplanujcie też, kto przejmie pracę, gdy automatyzacja się zatrzyma.

Krok 4. Nazwijcie osobę, która prowadzi agenta. Ktoś musi codziennie przeglądać wyniki, poprawiać instrukcje i eskalować. To nowa rola — opisuje ją wpis menedżer agentów AI, a przygotowuje do niej kurs AI Agent Manager.

Jeśli po kroku 1 nie potraficie wskazać procesu ani osoby, która zatwierdzi wynik, problem nie leży w wyborze agenta. Wtedy pomaga rozmowa zarządu o tym, który proces naprawdę kosztuje najwięcej. Na tym polega prezentacja dla zarządu: nazwiemy proces, koszt dzisiejszego stanu i granice działania, niezależnie od vendora i partnera.

Mapa wpisów o agentach na blogu

Wszystkie wpisy o agentach, asystentach i botach w ośmiu grupach. Zacznijcie od grupy, która odpowiada Waszemu pytaniu.

A. Agenci ogólnie: autonomia i ludzie

Podstawy: granice autonomii, zatwierdzenia i nowe role w zespole.

Agenci autonomiczni: granice działania i kontrola — pięć wymiarów autonomii i bezpieczne zatrzymanie.
Agent półautonomiczny: granice i kontrola — wzorzec „człowiek zatwierdza przed skutkiem”.
AI Copilot w firmie: jak ocenić użyteczność asystenta — wybór zadania i pomiar pracy asystenta.
Technologie AI dla firm: jak porównać warstwy systemu — zapis, decyzja i działanie jako warstwy systemu.
Cyfrowy pracownik: czego CORPGEN uczy o pracy agentów? — badanie Microsoft Research o agentach w wielu zadaniach.
Vendor obiecuje autonomicznego agenta AI. O co zapytać? — pytania o błędy, eskalację i wyłączenie.
Jak przekazać sprawę między pracownikiem a agentem AI? — co musi zawierać przekazanie w obie strony.
Menedżer Agentów AI: następna rola pracownika biurowego — od wykonywania zadań do kierowania agentami.
Kto w firmie powinien zostać menedżerem agentów AI? — jak wybrać osobę do tej roli.
AI nie zabiera stanowiska. Rozbiera je na decyzje — co agenci zmieniają w pracy biurowej i inżynierskiej.
Kiedy agent AI pomaga handlowcowi, a kiedy psuje relację? — granice automatyzacji w relacji z klientem.
Copilot jako współpracownik: użyteczna metafora i granice — praca z Copilotem bez oddawania odpowiedzialności.

B. Orkiestracja i systemy wielu agentów

Frameworki i platformy, które sterują pracą jednego lub wielu agentów.

System wieloagentowy AI: kiedy ma sens w firmie — podział ról, koszt i testy całego procesu.
LangGraph: jak kontrolować pracę agentów AI — stan, przerwania i wznawianie pracy.
Microsoft AutoGen: jak ocenić system wielu agentów — role agentów i tryb utrzymania AutoGen.
Microsoft Agent Framework po AutoGen i Semantic Kernel — następca obu frameworków i migracja.
Semantic Kernel: kiedy orkiestracja AI ma sens — oddzielenie modelu, narzędzi i reguł.
LangChain: kiedy framework pomaga aplikacji AI — kiedy upraszcza, a kiedy dokłada zależności.
LangChain Deep Agents w suwerennym AI OS — wzorce agentów do zadań wieloetapowych.
Big tasks. Small models: po co agentowi kilka mniejszych modeli? — podział planowania i pracy w przeglądarce.
Temporal: trwałe procesy agentów AI — długie procesy odporne na awarie.
Cloudflare OS: przestrzeń pracy agentów — środowisko pracy agentów i jego bezpieczeństwo.
Cloudflare Platform w suwerennym AI OS — platforma edge do uruchamiania agentów.
Vercel Agentic Infrastructure w suwerennym AI OS — zarządzane usługi dla aplikacji agentowych.
Agentic RAG: wiele źródeł, koszt i kontrola — agent, który sam wybiera źródła wiedzy.

C. Asystenci i agenci vendorów

Jak zacząć z produktami Anthropic, OpenAI, Google, Amazon, xAI, Meta i Salesforce.

Claude w firmie: jak zacząć od bezpiecznego zadania — pierwsze zadanie i zasady danych.
Claude for Small Business: skille dla polskiego MŚP — przegląd skilli i brakujących integracji.
Claude for Small Business w polskiej firmie: start i prompty — konfiguracja i pierwsze zadanie.
ChatGPT w firmie: od pomysłu do kontrolowanego użycia — wariant firmowy, dane i pomiar efektu.
OpenAI dots: milusiński agent, który pamięta i działa — pamięć, praca w tle i zgody.
Google Gemini w firmie: zadania, dane i kontrola — wybór wariantu Gemini i pilotaż.
Amazon Q: jak ocenić zastosowanie w firmie — źródła, role i koszt firmowego asystenta.
Grok Bot: milusiński agent dostał własny komputer — osobisty agent pracujący w aplikacjach.
Meta Muse: kolejny słodziak AI, ale z własnymi gadżetami — agent wychodzi poza ekran telefonu.
Agentforce w CRM: jak zaplanować pilota — uprawnienia CRM i testy w sandboxie.

D. Copilot i agenci Microsoft

Najliczniejsza grupa. Zacznijcie od przewodnika po Microsoft Copilot i agentów Microsoft Copilot, potem wybierzcie podgrupę.

Copilot jako asystent i nowe tryby pracy:

Budowa i nadzór agentów:

Agenci w procesach i danych:

Kontekst dla agentów (seria Microsoft IQ):

Agenci przy komputerze i urządzeniach:

E. Chatboty i voiceboty

Obsługa klienta i pracowników w rozmowie: zakres, eskalacja, pomiar.

Chatbot AI w firmie: zakres, eskalacja i pomiar — metoda niezależna od platformy.
Voicebot AI: jak sprawdzić jakość obsługi telefonicznej — rozmowa, przekazanie konsultantowi, koszt sprawy.
Azure Bot Service: co po końcu wsparcia Bot Framework — ocena istniejącego bota i migracja.
Agent obsługi klienta w Copilot Studio: plan wdrożenia — zakres spraw i przekazanie konsultantowi.
Agent HR w Copilot Studio: wiedza i granice dostępu — procedury HR oddzielone od danych pracowników.
Agent IT w Copilot Studio: od pytania do zgłoszenia — porada, odczyt danych i operacja.
Agent sprzedaży w Copilot Studio: projekt procesu — kwalifikacja i CRM bez błędnych obietnic.
Agent marketingowy w Copilot Studio: zakres i odbiór — kontrola źródeł, marki i publikacji.

F. Agenci programistyczni (AI SDLC)

Agenci, którzy piszą i zmieniają kod. Najpierw pluginy agentów i AGENTS.md, potem karty narzędzi.

Narzędzia vendorów:

Narzędzia otwarte i lokalne:

Instrukcje, specyfikacje i organizacja pracy:

G. Bezpieczeństwo, uprawnienia i governance

Kto co może, kto zatwierdza i co się dzieje, gdy agent się myli. Zacznijcie od porównania RBAC, ABAC i ReBAC i macierzy odpowiedzialności za decyzję agenta.

Uprawnienia i tożsamość:

Ryzyka i testy:

Odpowiedzialność i utrzymanie:

Granice wymuszane przez infrastrukturę (NVIDIA):

H. Protokoły i interfejsy

Jak agent łączy się z narzędziami, innymi agentami i ekranem użytkownika.

Model Context Protocol w suwerennym AI OS — agent ↔ narzędzia i dane.
MCP w Copilot Studio: narzędzia, dostęp i testy integracji — konfiguracja MCP na platformie Microsoft.
Agent2Agent A2A w suwerennym AI OS — agent ↔ agent jako osobne usługi.
AG-UI: otwarty kontrakt między agentem a ekranem — agent ↔ interfejs użytkownika.
Universal Commerce Protocol UCP w suwerennym AI OS — agent ↔ sklep i płatność.
CopilotKit: interfejs człowiek–agent w aplikacji — komponenty interfejsu dla agenta.
Cordis: kompozycja usług dla agentów AI — składanie usług dla agentów.
Open WebUI: własny interfejs do modeli AI — własny czat do modeli.

Agenci AI
Automatyzacja
Bezpieczeństwo
Zarząd