Paweł Osterreicher, dyrektor zarządzający polskiego oddziału firmy Wonderful, w komentarzu eksperckim dla ISBtech o roli agentów AI we wdrożeniach biznesowych, transformacji modelu SaaS, zaufaniu do autonomicznych decyzji sztucznej inteligencji, schemacie organizacyjnym firmy w 2030 i roli Polski.
- Dlaczego sam agent AI nie wystarczy
Agent jest tą częścią wdrożenia, którą widać. I dlatego to na nim większość pilotaży się kończy.
MIT policzyło w 2025 r., że 95% firmowych pilotaży generatywnej AI nie przekłada się na wynik finansowy, a autorzy raportu piszą wprost: problemem nie jest jakość modeli, tylko to, jak firmy wpinają je w swoje systemy i procesy. Gartner przewiduje, że do końca 2027 r. ponad 40% projektów agentowych zostanie skasowanych z powodu kosztów, niejasnej wartości albo braku kontroli ryzyka. W tym tygodniu ta sama firma podała, że tylko 13% szefów IT widzi u siebie znaczącą wartość z AI.
Pilotaż łatwo zrobić tak, żeby się udał. Wybiera się proces, który i tak działa, odcina agenta od systemów produkcyjnych, żeby niczego nie zepsuł, i mierzy zadowolenie z rozmowy. Potem przychodzi skala i okazuje się, że agent nie ma uprawnień, żeby cokolwiek zrobić: zwrócić pieniędzy, zmienić adres, zamknąć sprawę. Rozmawia ładnie i odsyła do człowieka.
Za agentem muszą stać trzy rzeczy. Integracje z systemami, w których żyją dane i w których można coś zrobić, a nie tylko odczytać. Miejsce w procesie: co agent prowadzi od początku do końca, a co i komu oddaje. I spisane reguły decyzji: co rozstrzyga sam, gdzie ma limity, co eskaluje. W Wonderful nazywamy tę warstwę systemem operacyjnym dla AI, bo dokładnie tym jest: łączy agentów z danymi, integracjami i procesami firmy, niezależnie od tego, który model akurat jest pod spodem.
Model jest najtańszym elementem tego układu. Różnica między pilotażem a skalą nie leży w modelu, tylko w uprawnieniach, integracjach i regułach.
- Pusta kartka zamiast automatyzowania starych procesów
Większość procesów w firmach nie została zaprojektowana a narosła. Kolejka, zmiana, formularz, przekazanie do drugiej linii, odpowiedź w 14 dni – każdy z tych elementów istnieje dlatego, że człowiek jest drogi, bywa niedostępny i nie może być w wielu systemach naraz. Proces jest wówczas zapisem ograniczeń ludzi, którzy go wykonywali.
Agent tych ograniczeń nie ma. Pracuje równolegle, o każdej porze, we wszystkich systemach, do których dostanie dostęp. Dołożony do starego procesu przyspieszy kroki, które istniały tylko po to, żeby obsłużyć ludzką kolejkę. Będziemy szybciej rejestrować zgłoszenia, których nie trzeba rejestrować, bo decyzja mogła zapaść w pierwszej rozmowie.
Prosty test: jak wyglądałby ten proces, gdyby wykonywali go zawsze dostępni eksperci z pełnym dostępem do danych? Zwykle okazuje się, że większość kroków to obsługa kolejki, nie obsługa klienta.
Pusta kartka nie oznacza pustej głowy. Regulacje, kontrole i ślad audytowy zostają, tylko trzeba je zaprojektować świadomie, a nie odziedziczyć. McKinsey w badaniu z 2025 r. pokazuje, że firmy z największym zwrotem z AI prawie trzy razy częściej niż pozostałe przeprojektowały procesy od podstaw, zamiast dokładać AI do istniejących.
Polska ma w tym wprawę. Nie digitalizowała czeków, bo nigdy się u nas nie przyjęły. Zaprojektowała płatność od nowa, pod telefon, i w 2025 r. było to 2,9 mld transakcji BLIK-iem. Agent dołożony do starego procesu przyspiesza obejście. Agent zaprojektowany od zera je usuwa.
- Od SaaS do odpowiedzialności za wyniki
W klasycznym SaaS wdrożenie było problemem klienta. Dostawca wysyłał login i fakturę, a to, czy narzędzie cokolwiek zmieni w firmie, rozstrzygało się po stronie klienta albo u integratora. W agentach wdrożenie jest produktem. Agent, który nie jest wpięty w systemy i proces, nie jest produktem w wersji podstawowej – jest maksymalnie demem możliwości.
Stąd zmiana modelu. Cennik przesuwa się z licencji na wynik: Intercom rozlicza swojego agenta za rozwiązaną sprawę, nie za dostęp. Kiedy płaci się za rezultat, dostawca nie może zostawić ostatniej mili klientowi, bo to ta mila decyduje, czy w ogóle będzie faktura.
I stąd inżynierowie wdrożeniowi, Forward-Deployed Engineers. Palantir robi tak od lat, od 2026 r. kopiuje to reszta branży. Według Lightcast liczba ogłoszeń na te stanowiska w USA wzrosła między styczniem a sierpniem 2026 r. o ponad 1000% rok do roku, przy 13% dla całego rynku pracy w tech. Taki inżynier siedzi u klienta, ma dostęp do prawdziwych systemów i widzi to, czego nie ma w żadnej dokumentacji: że połowa procesu żyje w arkuszu, którego nie ma na żadnym diagramie.
Wonderful działa tak od pierwszego dnia: platforma, którą nazywamy AI OS, plus inżynierowie, którzy wpinają ją w systemy klienta. Wrześniowa runda 550 mln dolarów ma w opisie przeznaczenia trzy punkty i jednym z nich jest rozbudowa zespołów FDE. W Polsce zatrudniamy więcej inżynierów wdrożeniowych niż handlowców.
Software, który nie bierze odpowiedzialności za wynik, będzie coraz trudniej sprzedać. Usługa bez platformy pod spodem nie będzie się skalować. Przyszłość jest pośrodku i ma inżyniera w budynku klienta.
- Zaufanie do autonomii
Prezesi od lat pozwalają maszynom podejmować ostateczne decyzje. Scoring kredytowy, blokada podejrzanej transakcji, cena biletu lotniczego – nikt w zarządzie nie zatwierdza ich pojedynczo. Nowe w agentach jest to, że działają w języku naturalnym, w wielu systemach naraz i mylą się w sposób, którego firma jeszcze nie widziała.
Zaufanie bierze się więc z tego samego źródła co w przypadku ludzi: z historii decyzji podjętych pod obserwacją, z jasno określonego zakresu uprawnień i z możliwości cofnięcia błędu. W praktyce to trzy etapy. Najpierw agent decyduje, a człowiek wykonuje i porównuje. Potem agent wykonuje sam w ustalonych limitach – kwota, typ sprawy, odwracalność – a człowiek sprawdza próbkę. Na końcu agent prowadzi proces, a ludzie zajmują się wyjątkami i audytem.
Jest też warunek wstępny, o którym mówi się rzadko: regułę decyzji trzeba umieć spisać. Jeśli firma nie potrafi powiedzieć, kiedy reklamacja jest zasadna, to nie jest problem agenta, tylko firmy. Nowy pracownik miałby ten sam kłopot.
Klarna jest tu pouczająca. W 2024 r. ogłosiła, że jej asystent AI wykonuje pracę 700 konsultantów. W maju 2025 r. prezes przyznał, że koszt był zbyt dominującym kryterium, jakość spadła i firma znowu zatrudnia ludzi. Autonomia przyznana dla oszczędności zostaje cofnięta, ale autonomia przyznana za jakość zostaje.
Wreszcie droga z 95% do 99,9% poprawnych decyzji jest dłuższa niż droga od zera do 95%. Zaufanie buduje się na tym odcinku, nie na demie.
- Struktura organizacyjna w 2030 r.
Schemat organizacyjny firmy w 2030 r. będzie miał w sobie agentów, a obok każdego z nich nazwisko. Nie dlatego, że agent potrzebuje przełożonego do rozwoju zawodowego, tylko dlatego, że ktoś musi odpowiadać za jego wynik.
Gartner szacuje, że do 2028 r. co najmniej 15% codziennych decyzji w pracy będzie podejmowanych autonomicznie przez agentów, a agentowa AI znajdzie się w 33% aplikacji dla firm – z poziomu bliskiego zeru w 2024 r. Microsoft w Work Trend Index z 2025 r. opisuje firmę, w której podstawowym pytaniem organizacyjnym staje się proporcja ludzi do agentów w każdym zespole, a każdy pracownik zarządza jakimiś agentami. Nazwali to „agent boss”. Gartner podał w tym tygodniu, że tylko 4% szefów IT ma plan przeprojektowania ról pod zespoły złożone z ludzi i agentów, a ci, którzy go mają, 2,4 raza częściej należą do firm, które widzą z AI realną wartość.
W praktyce: agent dostaje KPI jak każdy wykonawca procesu – odsetek rozwiązanych spraw, czas, koszt, liczbę eskalacji. Struktura jest płaska. Kierownik średniego szczebla przestaje nadzorować ludzi w kolejce, a zaczyna projektować reguły i obsługiwać wyjątki. Pojawia się właściciel procesu, który odpowiada za wynik wszystkich jego wykonawców, ludzi i agentów, i który ma prawo agenta wyłączyć, przekonfigurować albo wymienić.
Kto odpowiada, gdy agent nie dowozi? Ten sam, kto odpowiada, gdy nie dowozi dostawca outsourcingu: właściciel procesu, który go uruchomił i ustawił mu limity. Firmy znają ten układ z outsourcingu, tylko dotąd po drugiej stronie umowy SLA siedzieli ludzie w innym mieście.
- Rola Polski w tej zmianie
Polska posiada już podglebie infrastruktury cyfrowej od strony obywatela. Ponad 11 mln osób ma mDowód w telefonie, od lutego 2026 r. każda firma w kraju odbiera faktury przez jeden państwowy system, a płatność kodem z aplikacji bankowej jest tu normą. Jednocześnie według Eurostatu w 2025 r. z AI korzystało 8% polskich przedsiębiorstw, przy 20% średniej dla Unii.
Ale ta luka to, co do zasady, także duża szansa. Polskie firmy nie mają warstwy starych automatyzacji, którą trzeba by chronić, więc mogą zacząć od pustej kartki, a ich klienci są już przyzwyczajeni, że sprawę załatwia się w aplikacji w dwie minuty.
Druga rzecz to procesy. W 2 179 centrach usług biznesowych pracuje w Polsce około pół miliona ludzi, sektor odpowiada za 6,1% PKB, a 63% jego pracy to mid-office: księgowość, HR, zakupy, obsługa klienta dla globalnych korporacji. To są dokładnie te procesy, które się dziś agentyfikują, i mało kto w Europie zna je lepiej niż ludzie, którzy od lat robią je dla całego świata. Wiedza o procesie jest dziś rzadsza niż wiedza o modelach.
Trzecia rzecz to język. Polski jest trudny dla systemów głosowych i to jest zaleta: agent, który działa po polsku, działa potem wszędzie. Wonderful buduje w Polsce lokalny zespół inżynierów wdrożeniowych z tego samego powodu, dla którego robi to w ponad 35 krajach: agenci działają tam, gdzie zespół zna rynek i język.
Polska nie wygra wyścigu na modele. Może wygrać wyścig o to, gdzie agenci najszybciej zaczną robić prawdziwą pracę. Przewaga we wdrożeniu jest mniej fotogeniczna niż przewaga w badaniach, ale to ona trafia do rachunku wyników.
Paweł Osterreicher: doświadczony technologiczny lider odpowiedzialny za zarządzanie Wonderful i rozwój platformy w Polsce. Wcześniej współzałożyciel i CEO polskiego startupu ReSpo.Vision z sektora deep-tech i sport-tech. Posiada doświadczenie w doradztwie strategicznym, które zdobywał w Boston Consulting Group (BCG), technologiczne szlify zbierał jako Chief Revenue Officer i członek zarządu w deepsense.ai, wiodącej polskiej spółce implementującej projekty AI i ML.
