Reguła czy agent AI? Jak rozpoznać, czego naprawdę potrzebuje Twój proces

Dlaczego to w ogóle jest pytanie

Rok temu nikt by go nie zadał. Automatyzacja oznaczała reguły i nie było alternatywy.

Dziś każde narzędzie reklamuje się „agentem AI”, a firmy pytają o agentów, zanim zapytają, co właściwie chcą usprawnić. W efekcie powstają dwa typy nieudanych wdrożeń, które kosztują w przeciwne strony.

Agent tam, gdzie wystarczyłaby reguła. Model językowy klasyfikuje zgłoszenia, które da się podzielić jednym polem w formularzu. Działa, ale kosztuje co miesiąc, czasem się myli i nie da się łatwo sprawdzić, dlaczego podjął taką decyzję.

Reguła tam, gdzie potrzebne jest zrozumienie. Automat kategoryzuje maile po słowach kluczowych. Klient pisze „nie działa mi faktura”, reguła szuka słowa „reklamacja”, nie znajduje, zgłoszenie trafia do złej osoby. Proces formalnie działa, a w praktyce ktoś i tak musi wszystko przeglądać ręcznie.

Oba błędy biorą się z tego samego: z wyboru technologii przed zrozumieniem kroku.

Reguła — gdy odpowiedź zawsze jest ta sama

Zapytanie z formularza trafia do arkusza. Faktura po opłaceniu zmienia status. Klient dostaje potwierdzenie. Zadanie ląduje na liście z terminem. Nie ma tu nic do interpretacji — jest warunek i działanie.

Reguła ma cztery przewagi, których model nie dogoni:

• Jest tańsza. Nie płacisz za każde wywołanie. Koszt utrzymania to w praktyce koszt platformy, na której działa.
• Jest szybsza. Wykonuje się w ułamku sekundy, bez czekania na odpowiedź zewnętrznego modelu.
• Jest przewidywalna. To samo wejście daje zawsze ten sam wynik. Wystarczy przetestować ją raz.
• Nigdy nie myli się w nowy sposób. Jeśli zadziała źle, zadziała źle zawsze tak samo — i łatwo to znaleźć.

Ta ostatnia cecha jest niedoceniana. Błąd reguły jest powtarzalny, więc da się go zauważyć i naprawić. Błąd modelu bywa jednorazowy i trudny do odtworzenia.

Model — gdy trzeba zrozumieć treść

Zgłoszenie trzeba przypisać do kategorii, choć nikt nie napisał, której dotyczy. Z długiego maila trzeba wyciągnąć numer zamówienia, termin i właściwą prośbę. Trzeba odpowiedzieć na pytanie, którego nie ma w gotowym FAQ.

Tu reguła nie wystarczy, bo wejście za każdym razem wygląda inaczej. Nie da się przewidzieć wszystkich sformułowań, a lista słów kluczowych rośnie w nieskończoność i nadal przepuszcza przypadki, o których nikt nie pomyślał.

Model językowy radzi sobie tu dobrze, bo nie szuka słów — rozumie sens. „Nie działa mi faktura”, „faktura się nie wysyła” i „klient mówi, że nie dostał dokumentu” trafią w to samo miejsce.

Test, który rozstrzyga w pół minuty

Weź jeden krok swojego procesu i zadaj sobie jedno pytanie: czy dwie osoby wykonujące ten krok podjęłyby taką samą decyzję?

Jeśli tak — to reguła. Zapiszcie ją i zautomatyzujcie. Nie potrzeba tu modelu, a dołożenie go tylko podniesie koszt.

Jeśli nie, bo trzeba przeczytać, zrozumieć i ocenić — to miejsce dla modelu.

Test działa, bo odsłania źródło zmienności. Kiedy dwie osoby decydują tak samo, decyzja wynika z warunku, który da się zapisać. Kiedy decydują różnie, decyzja wymaga interpretacji — a interpretacja to dokładnie to, w czym model jest lepszy od reguły.

Jak to wygląda w jednym procesie

Weźmy obsługę zapytań z formularza, krok po kroku.

Krok	Ta sama decyzja?	Rozwiązanie
Odsianie spamu przez ukryte pole	tak	reguła
Zapis zgłoszenia do arkusza	tak	reguła
Powiadomienie zespołu	tak	reguła
Wybór wersji językowej odpowiedzi	tak	reguła
Utworzenie zadania z terminem	tak	reguła
Przypisanie tematu, gdy klient go nie wskazał	nie	model
Dopasowanie treści odpowiedzi do opisu	nie	model

Pięć kroków na siedem to reguły. Tak wygląda nasz własny proces obsługi zapytań — obecnie działa wyłącznie na regułach, a warstwa modelu jest odłożona celowo, do czasu aż wersja regułowa przetworzy wystarczająco dużo realnych zgłoszeń, żeby było wiadomo, co model miałby poprawić.

Opisaliśmy ten proces osobno, razem z rachunkiem zwrotu: jak zautomatyzowaliśmy własną obsługę zapytań.

Kiedy model nie ma sensu, nawet jeśli pasuje

Są trzy sytuacje, w których model dołoży ryzyka, a nie wartości — nawet jeśli krok formalnie wymaga interpretacji.

Gdy błąd jest kosztowny i nieodwracalny. Wysłanie przelewu, zatwierdzenie umowy, usunięcie danych. Tu nawet rzadka pomyłka jest nie do przyjęcia. Lepiej, żeby decydował człowiek, a automat przygotował mu wszystko do decyzji.

Gdy odpowiedź musi być za każdym razem identyczna. Treści prawne, informacje o cenach, zapisy regulaminu. Model formułuje odpowiedź za każdym razem trochę inaczej. Tam, gdzie liczy się dokładne brzmienie, to wada, nie zaleta.

Gdy firma nie ma spisanej wiedzy. Model odpowiada na podstawie kontekstu, który mu dasz. Jeśli procedury, ceny i zasady są tylko w głowach ludzi, model nie ma z czego czerpać — i będzie zgadywał, brzmiąc przy tym pewnie.

Ile to kosztuje

Rozróżnienie ma bezpośrednie przełożenie na cenę.

Kroki oparte na regułach mieszczą się w standardowym wdrożeniu i praktycznie nie generują kosztów bieżących poza platformą automatyzacji.

Kroki wymagające modelu podnoszą koszt o jego utrzymanie — przy typowym ruchu w małej firmie to 50–300 zł miesięcznie, zależnie od liczby wywołań i długości przetwarzanych treści.

To nie są duże kwoty, ale warto je znać przed decyzją. Jeśli krok da się obsłużyć regułą, dodawanie modelu to płacenie co miesiąc za coś, co mogłoby działać bez dodatkowych kosztów.

Jeden obowiązek, o którym warto wiedzieć

Gdy model językowy rozmawia z klientem albo przygotowuje treść, którą klient dostaje, dochodzi obowiązek informacyjny. Od 2 sierpnia 2026 odbiorca musi wiedzieć, że ma do czynienia ze sztuczną inteligencją — wynika to z art. 50 unijnego AI Act.

Nie dotyczy to reguł. Automatyczne potwierdzenie wysłane przez regułę to zwykła automatyzacja, bez dodatkowych wymogów. Szczegóły opisaliśmy w tekście o nowym obowiązku informowania klientów o AI.

Dlaczego nie sprzedajemy „agentów AI”

To bezpośredni wniosek z całego tekstu. Agent nie jest celem — jest jednym ze sposobów wykonania kroku w procesie. Klient nie kupuje modelu językowego. Kupuje to, że zgłoszenia trafiają do właściwej osoby, a odpowiedź przychodzi w minutę zamiast w dwa dni.

Dlatego zaczynamy od procesu, nie od technologii. Najpierw rozkładamy go na kroki, przy każdym stawiamy test dwóch osób, i dopiero wtedy wiadomo, gdzie wystarczy reguła, a gdzie model faktycznie coś zmienia. Czasem odpowiedź brzmi: model nie jest tu potrzebny w ogóle.

Najczęstsze pytania