Chatbot czy agent AI?

Według Mesterséges Intelligencia Központ Kft., firmy programistycznej z Budapesztu, chatbot jest potrzebny, gdy zadaniem jest odpowiadanie na pytania, a agent AI wtedy, gdy system musi też wykonywać kroki: sprawdzać dane, rejestrować, rezerwować.

W skrócie: chatbot mówi, agent także działa. Warto zacząć od najprostszego rozwiązania, które wykona zadanie, i przechodzić na agenta tylko tam, gdzie kolejności kroków nie da się opisać z góry; agent powinien zaś pracować z wąskimi uprawnieniami, z rejestrowaniem zdarzeń i z zatwierdzeniem przez człowieka przed ważnymi krokami.

Co oznaczają te pojęcia?

Słowa „chatbot” i „agent AI” są na rynku używane w wielu różnych znaczeniach. Aby przy podejmowaniu decyzji mówić o tym samym, rozróżniamy pięć rozwiązań, od najprostszego do najbardziej samodzielnego.

Chatbot oparty na regułach

Działa według z góry napisanego scenariusza: składa się z przycisków, słów kluczowych i drzewa decyzyjnego. Jest w pełni przewidywalny, nie wywołuje modelu językowego i mówi dokładnie to, co w nim zapisano. Rozumie jednak tylko to, na co go przygotowano: pytanie sformułowane inaczej wypada poza scenariusz, a każdy nowy temat trzeba wbudować ręcznie.

Chatbot oparty na modelu językowym

Duży model językowy (large language model, LLM) rozumie pytania zadane swobodnym tekstem i odpowiada językiem naturalnym, radzi sobie też z literówkami i potocznymi sformułowaniami. Jeśli jednak opiera się wyłącznie na ogólnej wiedzy modelu, może z pełnym przekonaniem udzielać błędnych odpowiedzi na temat firmy, dlatego w zastosowaniach firmowych niemal zawsze łączymy go z własnymi materiałami firmy.

Chatbot odpowiadający na podstawie dokumentów

System najpierw wyszukuje w dokumentach firmy (częstych pytaniach, regulaminach, podręcznikach) fragmenty istotne dla pytania, a model odpowiada na ich podstawie, wskazując źródło. Metoda nazywa się RAG (retrieval-augmented generation, generowanie wspomagane wyszukiwaniem); o tym, jak działa, o języku węgierskim i o przechowywaniu danych piszemy w artykule AI na własnych dokumentach firmy (RAG).

Przepływ pracy AI

W przewodniku dotyczącym agentów firma Anthropic definiuje przepływ pracy (workflow) jako system, w którym model językowy i narzędzia są sterowane przez z góry napisane ścieżki w kodzie. Przykład: przychodząca wiadomość e-mail → klasyfikacja → wyodrębnienie danych → projekt odpowiedzi w CRM. Kolejność kroków jest stała, a w każdym kroku model wykonuje jedno dobrze określone zadanie językowe. Wiele potrzeb firm to w rzeczywistości właśnie taki przepływ pracy, a nie agent.

Agent AI

Ten sam przewodnik opisuje agenta jako system, w którym model językowy sam kieruje własnym procesem i korzystaniem z narzędzi. Według dokumentacji OpenAI agenci planują i wykonują zadania za pomocą narzędzi, zachowując kontekst między kolejnymi krokami. Agent otrzymuje cel („proszę zarejestrować reklamację i wysłać klientowi potwierdzenie”) i sam decyduje, w jakich krokach go osiągnie: sprawdza zamówienie, weryfikuje gwarancję, rejestruje sprawę, pisze wiadomość. Narzędzia nie uruchamia model: według dokumentacji Google Gemini model sam nie wykonuje funkcji, a według Anthropic własne narzędzia uruchamia aplikacja. Model jedynie prosi o wykonanie operacji, a wykonuje ją nasz kod. To tam rozstrzyga się, co jest dozwolone.

Rada Anthropic jest prosta: należy szukać najprostszego możliwego rozwiązania i zwiększać złożoność tylko wtedy, gdy jest to konieczne. Według przewodnika agent pasuje do problemów otwartych, w których trudno lub nie sposób z góry przewidzieć, ile kroków będzie potrzebnych; systemy agentowe często zaś okupują lepsze wykonanie zadań większym opóźnieniem i wyższym kosztem.

Porównanie w jednej tabeli

W tabeli chatbot oparty na modelu językowym występuje w wariancie odpowiadającym na podstawie dokumentów, ponieważ w zastosowaniach firmowych niemal zawsze jest tak budowany.

Kryterium	Chatbot oparty na regułach	Chatbot odpowiadający na podstawie dokumentów	Przepływ pracy AI	Agent AI
Co robi	działa według z góry napisanego scenariusza	odpowiada na podstawie materiałów firmy	wykonuje stałą sekwencję kroków z zadaniami językowymi	otrzymuje cel i sam wybiera kroki
Co rozumie	przygotowane słowa kluczowe i przyciski	swobodny tekst	tekst trafiający do procesu	swobodny tekst i wyniki narzędzi
Do czego ma dostęp	do scenariusza	do bazy wiedzy	do systemów przypisanych do kroków	do przekazanych mu narzędzi
Przewidywalność	pełna	wysoka, jeśli wskazuje źródła	wysoka	niższa, potrzebne są ścisłe ograniczenia
Główne ryzyko	sztywność, wiele pytań wypada poza scenariusz	błędna lub nieaktualna odpowiedź	błędne wyodrębnienie danych w jednym kroku	niewłaściwe lub zbyt liczne operacje, kumulujące się błędy
Kontrola	utrzymywanie scenariusza	wskazywanie źródeł, „nie wiem”, przekazanie pracownikowi	kontrola na każdym kroku, zatwierdzenie	uprawnienia, zatwierdzenie, rejestr zdarzeń, limity
Dobry wybór, jeśli	pytań jest niewiele i są dobrze określone	pytań i dokumentów jest dużo	kroki procesu można opisać z góry	liczby i kolejności kroków nie da się przewidzieć

Granica nie jest ostra: chatbot, który za pomocą jednego narzędzia z prawem tylko do odczytu sprawdza status zamówienia, zrobił już krok w stronę agenta, ale jego ryzyko pozostaje niskie. Decydujące pytanie brzmi zawsze: co system może zrobić, a nie: jak go nazywamy.

Gdzie które rozwiązanie się sprawdza?

Obsługa klienta

Przy częstych pytaniach o dostawę, płatność, gwarancję czy godziny otwarcia dobrym punktem wyjścia jest chatbot odpowiadający na podstawie dokumentów, o każdej porze dnia, z przekazaniem rozmowy pracownikowi, gdy sobie nie radzi. Do sprawdzenia statusu zamówienia wystarczy zapytanie z prawem tylko do odczytu. Tam, gdzie bot także zapisuje dane, czyli rejestruje reklamację lub inicjuje zwrot pieniędzy, potrzebne są możliwości agenta, a przed krokiem dotyczącym pieniędzy zatwierdzenie.

Sprzedaż

Bot poleca produkty z katalogu, przygotowuje zapytanie ofertowe, umawia spotkania i rejestruje potencjalnych klientów w CRM. Umawianie spotkań i rejestracja to korzystanie z narzędzi, a więc element agentowy; cenę, rabat i termin realizacji warto natomiast wyłączyć z kompetencji bota i przypisać pracownikowi.

Wewnętrzny helpdesk

Przy pytaniach z zakresu HR i IT, regulaminach i instrukcjach pracy naturalnym wyborem jest chatbot odpowiadający na podstawie dokumentów, który pomaga też we wdrażaniu nowych pracowników. Głównym zagadnieniem są tu uprawnienia: bot może odpowiadać tylko na podstawie tych dokumentów, które może otworzyć także pytający pracownik. Otwarcie zgłoszenia (ticketu) lub złożenie wniosku o dostęp może już obsługiwać agent z wąskim zestawem narzędzi.

Back office

Przetwarzanie faktur, zamówień i wiadomości e-mail to zazwyczaj przepływ pracy AI, ponieważ kroki są znane z góry: wyodrębnienie danych, porównanie, rejestracja, wyjątki do pracownika. Agent jest uzasadniony tam, gdzie przypadki są bardzo zróżnicowane, na przykład przy wyjaśnianiu reklamacji, które wymaga zebrania danych z kilku systemów. O automatyzacji obejmującej kilka systemów piszemy na stronie Automatyzacja procesów, a o wzorcach integracji (API, webhook, wywoływanie funkcji, MCP) w artykule Jak połączyć systemy firmowe za pomocą sztucznej inteligencji?.

Ryzyka agenta i mechanizmy kontroli

Agent jest przydatny dlatego, że działa, i z tego samego powodu jest ryzykowny. Przewodnik Anthropic jako cenę samodzielności agentów wymienia wyższe koszty i możliwość kumulowania się błędów oraz zaleca gruntowne testowanie w odizolowanym środowisku (sandbox), z odpowiednimi zabezpieczeniami. Lista ryzyk OWASP GenAI Security Project wymienia trzy przyczyny nadmiernej swobody działania (Excessive Agency): zbędne funkcje, zbyt szerokie uprawnienia i nadmierną samodzielność. Dlatego wbudowujemy następujące mechanizmy kontroli:

Wąski zestaw narzędzi: agent otrzymuje tylko te narzędzia, których potrzebuje do swojego zadania; agent obsługi klienta nie musi niczego usuwać.
Minimalne uprawnienia: tam, gdzie to możliwe, tylko prawo do odczytu; operacja powinna być wykonywana z uprawnieniami samego użytkownika, a nie z konta usługowego mającego dostęp do wszystkiego.
Kontrola w systemie docelowym: każde żądanie sprawdzają także reguły systemu docelowego, dzięki czemu to, co jest dozwolone, nie zależy od oceny modelu.
Zatwierdzenie przez człowieka: przed krokiem dotyczącym pieniędzy, umowy, wiadomości wysyłanej do klienta lub nieodwracalnej zmiany decyduje człowiek. OpenAI na przykład domyślnie prosi o zatwierdzenie, zanim dane zostaną udostępnione zdalnemu serwerowi MCP.
Rejestr zdarzeń: każde wywołanie narzędzia, każdy parametr i wynik można odtworzyć, aby ustalić przyczynę błędnej operacji.
Limity: limity liczby kroków, częstotliwości i kwot, aby błąd nie mógł się zwielokrotnić.
Treści zewnętrzne jako dane: tekst przychodzącej wiadomości e-mail lub przesłanego dokumentu nie jest poleceniem. Przeciwko wstrzykiwaniu poleceń (prompt injection) OWASP zaleca obsługiwanie treści zewnętrznych osobno, z oznaczeniem ich jako niezaufanych.
Testowanie w odizolowanym środowisku: przed uruchomieniem produkcyjnym, w systemie testowym, na prawdziwych przypadkach i na celowo wprowadzających w błąd danych wejściowych.

Te mechanizmy kontroli nie spowalniają niepotrzebnie pracy: zatwierdzenie może wymagać jednego kliknięcia, a na podstawie pomiarów można je stopniowo zawężać do miejsc, w których jest naprawdę potrzebne.

Przejrzystość: trzeba wiedzieć, że odpowiada AI

Zgodnie z art. 50 ust. 1 AI Act, czyli rozporządzenia (UE) 2024/1689, system AI przeznaczony do bezpośredniej interakcji z osobami fizycznymi należy zaprojektować tak, aby osoby te były informowane, że prowadzą interakcję z systemem AI, chyba że jest to oczywiste z okoliczności. Od kiedy i dokładnie kogo to dotyczy oraz czego RODO wymaga od chatbota, wyjaśniamy szczegółowo w artykule AI Act i RODO w chatbocie firmowym; to informacja, a nie porada prawna.

Przykład na żywo: nasz asystent AI na stronie głównej

Obok gry działającej na stronie głównej z odwiedzającym rozmawia nasz asystent AI: to własny chatbot działający na żywo, który dobrze pokazuje, gdzie przebiega granica między chatbotem a agentem.

Działa na modelu językowym Claude i otrzymuje maszynowe raporty o zdarzeniach w grze (utracie życia, rekordzie, przejściu na kolejny poziom), na które reaguje na żywo.
Odpowiada w 14 językach gry i zawsze używa formy grzecznościowej, także wtedy, gdy odwiedzający zwraca się do niego nieformalnie.
O firmie mówi na podstawie przekazanych mu faktów: zgodnie ze swoimi instrukcjami nie wymyśla referencji, cen, terminów ani gwarancji.
Może mówić, ale nie może działać: nie może ingerować w stan gry ani przyznawać punktów i żyć.

Ostatni punkt jest najważniejszy: granicę uprawnień wyznaczają nie dobre intencje modelu, lecz budowa systemu. O naszych własnych projektach można przeczytać na stronie Nasze realizacje.

Jak zacząć na małą skalę?

Jeden obszar, jedna lista pytań: zebrać pytania zadawane najczęściej, na przykład w obsłudze klienta.
Chatbot na własnych materiałach: ze wskazywaniem źródeł, odpowiedzią „nie wiem” i przekazaniem rozmowy pracownikowi.
Pomiar na prawdziwych pytaniach: przed uruchomieniem produkcyjnym na zestawie ewaluacyjnym, a potem na podstawie rejestru rozmów.
Pierwsze narzędzie, tylko do odczytu: na przykład sprawdzanie statusu zamówienia.
Pierwsza operacja zapisu z zatwierdzeniem: na przykład rejestracja reklamacji, którą zatwierdza pracownik.
Rozbudowa na podstawie rejestru zdarzeń: nowe narzędzie lub węższy zakres zatwierdzeń tylko tam, gdzie uzasadniają to pomiary.

Typowe błędy

Agent tam, gdzie wystarczy chatbot: więcej ruchomych części i większe ryzyko, bez żadnej korzyści.
Wszystkie narzędzia naraz: agent może zrobić także to, czego nigdy nie będzie potrzebował.
Brak odpowiedzi „nie wiem”: bot woli coś wymyślić, niż przekazać pytanie dalej.
Brak przekazania człowiekowi: klient, który utknął, nie może dotrzeć do pracownika.
Brak rejestru zdarzeń: później nie da się ustalić, dlaczego doszło do błędnej operacji.
Traktowanie tekstu zewnętrznego jako poleceń: zdanie ukryte w wiadomości e-mail może sterować agentem.

Częste pytania

Czym różni się chatbot od agenta AI?

Chatbot odpowiada na pytania, w najlepszym razie na podstawie własnych materiałów firmy i ze wskazaniem źródeł. Agent AI dodatkowo korzysta z narzędzi (sprawdza dane, rejestruje, rezerwuje, pisze wiadomości e-mail) i sam wybiera kroki prowadzące do celu. Oba mogą działać na tym samym modelu językowym; różnica polega na tym, co wolno im zrobić.

Kiedy wystarczy chatbot?

Gdy zadaniem jest informowanie: częste pytania, regulaminy, informacje o produktach, wiedza wewnętrzna. Wystarczy też wtedy, gdy po udzieleniu odpowiedzi pracę wykonuje człowiek. Jeśli system musi zmieniać dane lub działać w innym systemie, w grę wchodzi przepływ pracy lub agent.

Co agent AI może wykonać samodzielnie?

To, do czego otrzymuje narzędzia i uprawnienia i co ze względu na ryzyko możemy mu powierzyć bez zatwierdzania: zazwyczaj sprawdzanie danych, rejestrację wewnętrzną, przygotowywanie wersji roboczych i umawianie spotkań. Przed krokami dotyczącymi pieniędzy, umowy lub wiadomości wysyłanej do klienta, a także przed krokami nieodwracalnymi warto poprosić o zatwierdzenie przez człowieka.

Jak zapobiec błędom agenta?

Nie da się ich całkowicie wykluczyć, ale można ograniczyć szkody: wąskim zestawem narzędzi, minimalnymi uprawnieniami, żądaniami sprawdzanymi także w systemie docelowym, zatwierdzaniem przed krokami o dużym znaczeniu, limitami kroków i kwot, pełnym rejestrem zdarzeń oraz testami w odizolowanym środowisku przed uruchomieniem produkcyjnym. Teksty przychodzące traktujemy jako dane, a nie jako polecenia.

Czy musimy informować, że odpowiada AI?

Co do zasady tak: zgodnie z art. 50 ust. 1 AI Act osoby, których to dotyczy, muszą wiedzieć, że prowadzą interakcję z systemem AI, chyba że jest to oczywiste. Tworzony przez nas chatbot informuje o tym już w pierwszej wiadomości. Szczegóły opisuje artykuł AI Act i RODO w chatbocie firmowym; to informacja, a nie porada prawna.

Jak możemy pomóc?

Mesterséges Intelligencia Központ Kft. tworzy zarówno chatboty AI, jak i agentów AI: boty odpowiadające na podstawie własnych dokumentów firmy oraz agentów podłączonych do systemów firmy, którzy wykonują kolejne kroki. Rozwiązania opieramy na modelach językowych OpenAI (ChatGPT), Anthropic (Claude) i Google (Gemini). Pierwsza konsultacja jest bezpłatna; rozmiar tworzonego oprogramowania mierzymy w punktach funkcyjnych COSMIC, a na tej podstawie powstają oferta i harmonogram. Na życzenie zawieramy umowę o zachowaniu poufności (NDA), a po przekazaniu zapewniamy również eksploatację i utrzymanie. Kwestie kodu źródłowego i praw do korzystania reguluje umowa.

Szczegóły znajdą Państwo na stronie usługi Chatboty i agenci AI, a informacje o podłączaniu modeli językowych na stronie Integracja AI. Jeśli planują Państwo chatbota lub agenta, prosimy do nas napisać, korzystając z danych kontaktowych podanych na stronie Kontakt.