Używamy plików cookie aby zapewnić działanie platformy oraz (opcjonalnie) analizować ruch. Wybierz swoje preferencje:
Czym różni się agent AI od chatbota i automatyzacji, co pasuje do jakiego zadania i kiedy wystarczy jeden krok AI w n8n albo Make. Przykłady z kosztami.
Automatyzacja wykonuje stałe kroki według reguł, chatbot prowadzi rozmowę, a agent AI sam wybiera kroki i narzędzia, żeby osiągnąć cel. W małej firmie najczęściej wygrywa automatyzacja z jednym krokiem AI, na przykład odczytem faktury albo szkicem odpowiedzi. Agent ma sens tam, gdzie kolejnych kroków nie da się zapisać z góry.
Te trzy pojęcia często padają zamiennie, bo wszystkie dziś mogą korzystać z tego samego modelu językowego. Różnią się tym, kto decyduje o kolejnych krokach.
Automatyzacja to ciąg kroków zapisany z góry. Coś się dzieje (przychodzi mail, ktoś wypełnia formularz, mija godzina 8:00), a narzędzie wykonuje zawsze tę samą sekwencję. Przykład z firmy: faktura kosztowa przychodzi mailem, scenariusz w Make albo n8n zapisuje załącznik, odczytuje dane i przekazuje je do systemu księgowego. Te same dane wejściowe dają ten sam wynik. Jeśli coś pójdzie źle, widać dokładnie, w którym kroku.
Chatbot prowadzi rozmowę z człowiekiem. Dawniej działał na drzewku pytań i gotowych odpowiedzi, dziś zwykle korzysta z modelu językowego i bazy wiedzy firmy. Przykład: klient sklepu pyta w oknie czatu o termin dostawy albo zasady zwrotu, a chatbot odpowiada na podstawie regulaminu i danych zamówienia. Chatbot reaguje na to, co napisze rozmówca, ale jego zadanie jest wąskie: odpowiedzieć albo przekazać sprawę człowiekowi.
Agent AI dostaje cel i zestaw narzędzi, na przykład wyszukiwarkę, dostęp do CRM i skrzynki pocztowej. Model sam decyduje, którego narzędzia użyć, sprawdza wynik i wybiera następny krok, aż uzna, że cel jest osiągnięty. Przykład: „przygotuj szkic oferty dla firmy X”. Agent sprawdza stronę firmy, historię kontaktów w CRM i cennik, a potem pisze szkic, który handlowiec poprawia i wysyła.
| Cecha | Automatyzacja | Chatbot | Agent AI |
|---|---|---|---|
| Co uruchamia działanie | Zdarzenie: mail, formularz, godzina | Pytanie człowieka | Cel postawiony przez człowieka |
| Kto wybiera kroki | Osoba, która zbudowała scenariusz | Model w ramach rozmowy | Model, krok po kroku |
| Przewidywalność wyniku | Wysoka | Średnia | Niższa, ścieżka bywa za każdym razem inna |
| Liczba wywołań modelu na zadanie | Zero albo jedno | Jedno na odpowiedź | Wiele: planowanie, narzędzia, sprawdzanie |
| Typowe narzędzia | Make, n8n, Zapier | Voiceflow, n8n z modelem przez API | n8n z węzłem agenta, API modeli |
Granice nie są ostre. Automatyzacja może mieć w środku krok AI, chatbot może uruchamiać automatyzacje, a agent może być jednym z kroków większego scenariusza. Definicje tych i innych pojęć znajdziesz w słowniku.
Dobry punkt wyjścia to pytanie, czy potrafisz opisać zadanie jako listę kroków. Jeśli tak, to automatyzacja. Jeśli zadanie polega na odpowiadaniu ludziom, to chatbot. Jeśli kroki zależą od tego, co wyjdzie po drodze, rozważ agenta.
| Zadanie | Rozwiązanie | Dlaczego |
|---|---|---|
| Faktury kosztowe z maila do księgowości | Automatyzacja z krokiem AI do odczytu dokumentu | Kroki zawsze te same, AI tylko odczytuje dane z faktury |
| Leady z formularzy do CRM | Automatyzacja bez AI | Pola formularza mają stały format |
| Kwalifikacja leadów po treści zapytania | Automatyzacja z krokiem AI | AI ocenia opis, reszta procesu jest stała |
| Pytania klientów o zamówienia i zwroty | Chatbot z bazą wiedzy | Rozmowa, odpowiedzi z regulaminu i danych zamówienia |
| Pytania zespołu o procedury | Baza wiedzy z AI | Odpowiedzi z dokumentów firmy, z linkiem do źródła |
| Tygodniowy raport sprzedaży | Automatyzacja bez AI | Dane i układ raportu są stałe |
| Research firmy i szkic oferty | Agent AI pod nadzorem | Źródła i kolejność kroków zależą od firmy |
| Analiza nietypowej reklamacji z kilku systemów | Agent AI pod nadzorem | Trzeba zdecydować, gdzie szukać informacji |
Zwróć uwagę, że w tabeli tylko dwa zadania wymagają agenta. Pozostałe da się zrobić prościej i taniej. Jak działa baza wiedzy dla zespołu, opisujemy we wpisie o firmowej bazie wiedzy z AI, a chatbot dla klientów w tekście o odpowiedziach na zapytania klientów z AI.
Weźmy jedną sprawę ze sklepu internetowego: klient pyta, gdzie jest jego zamówienie. Każde z trzech rozwiązań obsłuży ją inaczej.
Wersja z automatyzacją. Klient pisze maila z numerem zamówienia w temacie. Scenariusz wyciąga numer, sprawdza status w systemie sprzedaży i numer przesyłki u przewoźnika, a potem wysyła odpowiedź z gotowego szablonu: „Zamówienie nr … zostało nadane, link do śledzenia: …”. Krok AI może się przydać tylko wtedy, gdy klient nie poda numeru w temacie i trzeba go znaleźć w treści maila. Działa dla pytań o status, ale nie poradzi sobie z pytaniem „czy mogę zmienić adres dostawy”.
Wersja z chatbotem. Klient pyta w oknie czatu na stronie. Chatbot prosi o numer zamówienia, pobiera status przez tę samą integrację, a do tego odpowiada na pytania dodatkowe z regulaminu: o zmianę adresu, zwrot, czas dostawy za granicę. Gdy sprawa wykracza poza regulamin, przekazuje rozmowę pracownikowi razem z jej zapisem.
Wersja z agentem. Klient pisze, że paczka dotarła uszkodzona, a część produktów się nie zgadza. Agent sprawdza zamówienie, historię kontaktów z klientem, zdjęcia z maila i zasady reklamacji, po czym przygotowuje propozycję: wymiana dwóch pozycji i zwrot kosztów dostawy. Pracownik czyta propozycję, poprawia ją i zatwierdza. Agent nie wysyła niczego sam.
Wniosek dla większości sklepów: pytania o status to automatyzacja albo chatbot, a agent przydaje się przy nietypowych reklamacjach, których jest mniej, ale każda zajmuje dużo czasu.
Agent jest najciekawszą z trzech opcji i dlatego często wybiera się go tam, gdzie wystarczyłaby automatyzacja. Cztery sygnały, że to przesada:
Prosty test: opisz zadanie osobie z zespołu w pięciu zdaniach. Jeśli te zdania brzmią jak instrukcja („weź, sprawdź, wpisz, wyślij”), budujesz automatyzację. Jeśli brzmią jak polecenie dla analityka („dowiedz się, oceń, zaproponuj”), agent ma sens.
To najczęstszy i najbezpieczniejszy wzorzec. Scenariusz w n8n albo Make wykonuje stałe kroki, a w jednym miejscu wysyła dane do modelu przez API z wąskim zadaniem: odczytaj, sklasyfikuj, streść albo napisz szkic. Wynik wraca do scenariusza, który sprawdza jego format i wykonuje dalsze kroki.
Schemat wygląda tak:
W katalogu procesów Qerify trzy procesy mają taki krok AI:
| Proces | Odzyskany czas tygodniowo | Koszt wdrożenia | Zwrot | Narzędzia |
|---|---|---|---|---|
| Odpowiedzi na powtarzalne zapytania klientów | 6-15 h | 3 000-10 000 zł | 2-5 miesięcy | n8n, Voiceflow, OpenAI API, Make |
| Baza wiedzy z odpowiedziami AI dla zespołu | 4-9 h | 4 000-12 000 zł | 4-8 miesięcy | OpenAI API, n8n, Notion |
| Zbieranie i księgowanie faktur kosztowych | 4-9 h | 3 000-9 000 zł | 3-6 miesięcy | Make, n8n, OpenAI API |
Wszystkie trzy mieszczą się w widełkach typowej automatyzacji z benchmarków Qerify (2 000-20 000 zł). Przykład z fakturami rozpisujemy krok po kroku we wpisie o fakturach kosztowych w n8n. Wykonawców, którzy budują takie scenariusze, znajdziesz wśród ekspertów n8n.
Każde z trzech rozwiązań korzystające z modelu językowego dziedziczy te same ryzyka. Różni się tylko skala.
Od jednego procesu, jednego kroku AI i człowieka, który zatwierdza wynik. W praktyce:
Jeśli zamiast automatyzacji myślisz o całej aplikacji zbudowanej z pomocą AI, przeczytaj, gdzie kończy się prototyp z Lovable. A jeśli chcesz zlecić wdrożenie, zobacz, jak zlecić automatyzację, żeby wykonawca dostał konkretny zakres.
Nie wiesz, które z trzech rozwiązań pasuje do Twojego zadania? Opisz je Concierge'owi: kto dziś je wykonuje, ile razy w tygodniu i na jakich danych. Concierge dopyta o szczegóły, przygotuje brief i dobierze wykonawcę, który zbuduje automatyzację, chatbota albo agenta.