Agent AI to nie chatbot — to Twój autonomiczny pracownik

mgr inż. arch. Emil Marciniec · ok. 5 min czytania

Wielu ludzi próbuje AI raz: zadaje pytanie w czacie, dostaje ogólną radę i kwituje to: „fajne, ale mało użyteczne." I mają rację — bo dostali chatbota, nie agenta. Różnica jest fundamentalna: chatbot odpowiada, agent wykonuje. Jeden model robi to na Twoich danych i oddaje gotowy wynik. Pokażę, na czym ta różnica realnie polega, czym się to spina i gdzie kończy się autonomia.

Chatbot odpowiada. Agent wykonuje.

Chatbot to rozmowa: pytasz, dostajesz odpowiedź, a całą pracę i tak wykonujesz sam. To użyteczne, ale to wciąż Ty siedzisz nad plikami.

Agent idzie dalej: planuje zadanie, sięga po narzędzia, czyta Twoje dane, wykonuje kilka kroków pod rząd i wraca z gotowym wynikiem. Różnica polega na trzech rzeczach, których chatbot nie ma: dostępie do Twoich danych, możliwości użycia narzędzi i działaniu w pętli.

To rozróżnienie jest ważniejsze niż wybór marki. ChatGPT, Claude czy inny model mogą działać i jako chatbot, i jako agent — liczy się, czy dostały narzędzia i dostęp, czy tylko okno czatu.

Co robi agent, czego nie zrobi sam chatbot

Widać wzór: chatbot operuje wiedzą ogólną, agent — Twoimi danymi i konkretnym zadaniem.

Czym to się spina: Claude + MCP

Most między agentem a Twoimi danymi to MCP (Model Context Protocol) — otwarty standard Anthropic. Pozwala agentowi sięgać do Twoich plików, baz kosztorysowych czy dokumentacji BIM w sposób kontrolowany. Ty decydujesz, co widzi, a serwer może działać lokalnie, więc dokumentacja nie jest masowo kopiowana na zewnątrz. (Warto pamiętać o granicy: model i tak przetwarza kontekst, nad którym pracuje — pełną lokalność daje dopiero model lokalny.)

Dlaczego akurat Claude? To mój wybór z dwóch praktycznych powodów: obsługuje bardzo duży kontekst, więc obszerne dokumenty bierze w całości, a nie w kawałkach; i jest trenowany z naciskiem na ostrożność — częściej przyzna „nie wiem" niż zmyśli. To nie znaczy, że nigdy się nie myli — dlatego wynik i tak weryfikujesz. Dla porządku: Anthropic to firma założona przez byłych ludzi OpenAI, w której zainwestowali m.in. Amazon, Google i Salesforce (łącznie znacznie ponad 10 mld USD).

Przydatność tego podejścia: 85/100

Dlaczego aż tyle? Bo agent zdejmuje całe zadanie, nie jego opis. Zamiast rady „porównaj oferty" dostajesz porównanie z oznaczonymi anomaliami; zamiast „sprawdź SIWZ" — wypunktowane ryzyka z konkretnego pliku. To różnica między pomocnikiem a wykonaną robotą.

Dlaczego nie więcej? Bo „autonomiczny" nie znaczy „bez nadzoru". Im więcej agent robi sam, tym ważniejsze, żeby człowiek zatwierdzał działania o konsekwencjach i weryfikował wynik. To wzmacnia dobrego fachowca, nie zastępuje. Dlatego 85.

Na co uważać

Skoro agent działa, a nie tylko mówi, stawka rośnie. Działania o realnych skutkach — wysłanie pisma, złożenie wniosku, zmiana pliku — powinny przechodzić przez Twoją akceptację, nie dziać się „same". Dostęp ograniczaj do tego, co potrzebne (przez MCP właśnie). I traktuj wynik jak pierwszą wersję do sprawdzenia: agent przyspiesza, ale odpowiedzialność zostaje po stronie człowieka z uprawnieniami.

Od czego zacząć

Nie zaczynam od „autonomicznego pracownika do wszystkiego". Wybierz jedno powtarzalne zadanie, które robisz co projekt — analizę SIWZ, porównanie ofert, pilnowanie terminów — i pozwól agentowi przejść je od początku do końca na realnych danych. Porównaj z własną pracą. Jeśli odda gotowy wynik, który wystarczy sprawdzić, od razu wiesz, ile to warte.

Buduję takich agentów dla firm budowlanych na Claude i MCP. Jeśli chcesz, podpowiem, które z Twoich powtarzalnych zadań nadają się na pierwszy.