Mesterséges Intelligencia Központ
Menu

Jak połączyć systemy firmowe za pomocą sztucznej inteligencji?

Według Mesterséges Intelligencia Központ Kft., firmy programistycznej z Budapesztu, model językowy należy wbudować przez API w istniejące procesy pracy: systemy pozostają, a model wyodrębnia dane, klasyfikuje, podsumowuje i redaguje teksty.

W skrócie: istniejących systemów nie trzeba wymieniać: model językowy otrzymuje zadania i dane przez interfejs programistyczny, a wynik wraca tam, gdzie się z nim pracuje, czyli do CRM, do ERP albo do programu pocztowego. Warto zacząć od jednego, dobrze mierzalnego zadania, przekazywać tylko niezbędne dane, a tam, gdzie błąd kosztuje pieniądze, krok powinien zatwierdzać człowiek.

Co to oznacza w praktyce?

Duży model językowy (large language model, LLM) interpretuje i tworzy tekst. W zastosowaniach firmowych nie oznacza osobnego okna czatu, do którego pracownicy wklejają tekst i z którego go kopiują, lecz usługę, którą własne programy firmy wywołują przez interfejs programistyczny, czyli API (application programming interface). Model otrzymuje dane potrzebne do zadania, wykonuje pracę językową, a program, po sprawdzeniu i z rejestrowaniem zdarzeń, przekazuje wynik dalej do właściwego systemu.

Niemal w każdej integracji występuje pięć operacji językowych:

Jeśli system ma nie tylko odpowiadać, lecz także działać samodzielnie, w kilku krokach, jest to już agent AI; o różnicy między tymi rozwiązaniami piszemy w artykule Chatbot czy agent AI?. Jeśli model ma odpowiadać na podstawie własnych dokumentów firmy, metodą jest RAG, którą przedstawiamy w osobnym artykule.

Trzy wzorce integracji

API i webhook

Większość systemów firmowych (CRM, ERP, sklep internetowy, program do fakturowania, poczta e-mail) ma API, przez które inny program może odczytywać z nich dane lub je w nich zapisywać. Webhook działa odwrotnie: system sam powiadamia wcześniej podany adres, gdy coś się wydarzy, na przykład gdy wpłynie zamówienie lub wiadomość. Najprostsza integracja AI składa się z tych dwóch elementów: zdarzenie uruchamia naszą własną usługę, która wywołuje API modelu językowego, sprawdza wynik, a następnie zapisuje go przez API systemu docelowego. W tym wzorcu model nie ma bezpośredniego dostępu do żadnego systemu firmowego; wszystko wykonuje nasz kod i to w nim rozstrzyga się, co może trafić do modelu i co może z niego wrócić.

Wywoływanie funkcji (tool use)

Wywoływanie funkcji (w Anthropic nazywane tool use, czyli korzystaniem z narzędzi) pozwala modelowi samodzielnie zdecydować, kiedy potrzebuje danych lub operacji. Programista opisuje modelowi dostępne funkcje, na przykład „sprawdzenie statusu zamówienia”, a model na podstawie pytania zwraca ustrukturyzowane wywołanie z potrzebnymi parametrami. Według dokumentacji wszystkich trzech dużych dostawców funkcji nie uruchamia model, lecz aplikacja: w opisie OpenAI kod działa po stronie aplikacji, według Anthropic własne narzędzia wykonuje aplikacja, a dokumentacja Google Gemini stwierdza wprost, że model sam nie wykonuje funkcji. Wynika z tego najważniejsza zasada projektowa: kontrola uprawnień znajduje się w naszym kodzie i nie zależy od dobrej woli modelu. OpenAI i Anthropic oferują także tryb ścisły (strict), który zapewnia, że parametry wywołania dokładnie odpowiadają podanemu schematowi; dokumentacja Anthropic ostrzega jednak również, że przy brakujących danych model czasami wymyśla wartość, która wydaje się rozsądna, dlatego parametry musi sprawdzać także kod.

Model Context Protocol (MCP)

MCP to otwarty protokół, który według swojej specyfikacji zapewnia jednolity sposób łączenia aplikacji korzystających z modeli językowych z zewnętrznymi źródłami danych i narzędziami. Ma trzech uczestników: hosta (host), czyli aplikację korzystającą z modelu językowego; działającego w niej klienta; oraz serwer, który udostępnia dane (resources), szablony poleceń (prompts) i narzędzia, które można wywołać (tools). Wiadomości mają format JSON-RPC 2.0; aktualna wersja specyfikacji nosi oznaczenie 2026-07-28 (sprawdzono 17 października 2026 r.).

Zaletą MCP jest to, że serwer dla danego systemu wystarczy napisać raz, a potem może z niego korzystać wiele aplikacji AI. Ze zdalnym serwerem MCP mogą się łączyć API Anthropic, API OpenAI oraz Gemini API (sprawdzono 17 października 2026 r.). Protokół nie rozwiązuje wszystkich kwestii bezpieczeństwa: zgodnie z zasadami bezpieczeństwa specyfikacji aplikacja hosta przed każdym wywołaniem narzędzia musi uzyskać wyraźną zgodę użytkownika, ale sam protokół nie jest w stanie tego wymusić, więc musi to wbudować podmiot wdrażający. OpenAI ostrzega też, że złośliwy serwer może wyprowadzić wrażliwe dane, które trafiają do kontekstu modelu. W środowisku firmowym w grę wchodzi zatem wyłącznie własny serwer albo serwer od zaufanego dostawcy.

WzorzecDo czego się nadajeNa co zwrócić uwagę
API i webhookstałe, przewidywalne procesy: każda wiadomość i każda faktura przechodzi tę samą drogękażdy krok trzeba zaplanować z góry, łącznie z obsługą błędów i ponawianiem prób
Wywoływanie funkcjigdy model w zależności od pytania musi pobrać dane lub zainicjować operacjęzakres funkcji i ich uprawnienia; model może też podać błędny parametr
MCPgdy do tego samego systemu musi mieć dostęp kilka aplikacji AItylko zaufany serwer; zatwierdzenie przed wywołaniami narzędzi

Do czego można to wykorzystać? Typowe zadania

ObszarZadanieTypowy wzorzecZatwierdzenie przez człowieka
Dokumentywyodrębnianie danych z faktur, dokumentów dostawy i umów oraz porównywanie ich z zamówieniemAPI, z wynikiem o stałym schemacieprzy rozbieżności lub niepewnym wyodrębnieniu
E-mailklasyfikowanie i przekazywanie przychodzących wiadomości, projekt odpowiedziwebhook i APIprzed wysłaniem odpowiedzi
CRMpodsumowanie historii klienta, propozycja kolejnego krokuwywoływanie funkcji z prawem do odczytuniepotrzebne, bo to tylko propozycja
ERPpytania o dane zadawane zwykłym językiem, przygotowanie zestawieniawywoływanie funkcji z prawem do odczytujeśli operacja miałaby zmienić dane
Sklep internetowyopisy produktów, tłumaczenia, dokładniejsza wyszukiwarkaAPIprzed publikacją tekstu
Wiedza wewnętrznapytania i odpowiedzi na podstawie regulaminów i podręcznikówRAGniepotrzebne, jeśli odpowiedź wskazuje źródło

Więcej o naszych usługach można przeczytać na stronie Integracja AI. Zautomatyzowane procesy obejmujące kilka systemów opisuje strona Automatyzacja procesów, a AI wbudowaną w systemy ERP i CRM przedstawia strona Oprogramowanie biznesowe.

Przepływ danych i ochrona danych: co gdzie trafia?

Integracja AI to także przetwarzanie danych. Pierwszym krokiem projektowania jest więc prosty schemat przepływu danych: które pola opuszczają systemy firmy, do którego dostawcy trafiają, w którym regionie są przetwarzane, jak długo dostawca je przechowuje i co wraca. Warunki dostawców często się zmieniają; poniższy opis opiera się na własnej dokumentacji dostawców (sprawdzono 17 października 2026 r.).

Co mówią dostawcy?

Aspekty RODO

Jeśli do modelu trafiają dane osobowe, ich przetwarzanie podlega RODO. Dostawca modelu jest wtedy zazwyczaj podmiotem przetwarzającym, dlatego potrzebna jest z nim umowa zgodna z art. 28 ust. 3 ogólnego rozporządzenia o ochronie danych; art. 5 wymaga minimalizacji danych, a art. 25 wymienia pseudonimizację jako przykład środków uwzględniania ochrony danych w fazie projektowania. W praktyce oznacza to, że:

O przekazywaniu danych poza UE, przejrzystości i AI Act piszemy w artykule AI Act i RODO w chatbocie firmowym. To informacja, a nie porada prawna.

Gdzie potrzebne jest zatwierdzenie przez człowieka?

Model językowy może się mylić, a według przewodnika OpenAI dotyczącego ewaluacji nawet dla tych samych danych wejściowych nie zawsze daje taki sam wynik. Dlatego proces warto zaprojektować tak, aby błąd modelu nie mógł wyrządzić szkody. Rozróżniamy trzy poziomy:

Praktyczna zasada: tam, gdzie błąd kosztuje pieniądze, dotyczy klienta lub jest nieodwracalny (płatność, faktura, umowa, wiadomość wysyłana do klienta), krok zatwierdza człowiek. Lista ryzyk OWASP GenAI Security Project mówi to samo o nadmiernej swobodzie działania (Excessive Agency): model otrzymuje tylko narzędzia potrzebne do swojego zadania, z możliwie najwęższymi uprawnieniami, przed operacjami o dużym znaczeniu zatwierdza człowiek, operacja jest wykonywana z uprawnieniami samego użytkownika, a każdy krok jest rejestrowany.

Osobnym ryzykiem jest prompt injection, czyli wstrzykiwanie poleceń: jeśli model czyta treści zewnętrzne, takie jak przychodząca wiadomość e-mail, przesłany dokument czy strona internetowa, mogą się w nich znajdować teksty, które jako polecenia próbują wpływać na model. OWASP zaleca przeciwko temu najmniejsze niezbędne uprawnienia, zatwierdzenie przez człowieka przed operacjami uprzywilejowanymi oraz obsługiwanie treści zewnętrznych osobno, z oznaczeniem ich jako niezaufanych.

Testowanie i monitorowanie

Integracja AI nie jest dobra dlatego, że przekonuje na prezentacji, lecz dlatego, że mierzalnie dobrze działa na prawdziwych materiałach firmy. Według przewodnika OpenAI dotyczącego ewaluacji dane testowe powinny obejmować przypadki typowe, skrajne i celowo wprowadzające w błąd, a ewaluację należy powtarzać przy każdej zmianie; Anthropic zaleca konkretne, mierzalne kryteria sukcesu oraz zestaw testowy odzwierciedlający rzeczywiste zadania. Tak to budujemy:

Modele nie działają wiecznie: zarówno Anthropic, jak i OpenAI regularnie wycofują starsze modele i z wyprzedzeniem informują o tym klientów; żądanie wysłane do wycofanego modelu kończy się błędem. Dlatego umieszczamy model w osobnej warstwie, a zmianę modelu mierzymy na tym samym zestawie ewaluacyjnym, zanim trafi do środowiska produkcyjnego.

Który model wybrać?

Nie ma modelu, który byłby równie dobry w każdym zadaniu, dlatego wybór jest kwestią pomiaru, a nie przywiązania do marki. Nasze kryteria:

Często w jednym systemie pracuje kilka modeli: szybszy, mniejszy do klasyfikacji, a mocniejszy do złożonych tekstów. Ponieważ model znajduje się w osobnej warstwie, decyzję można później zmienić.

Od czego zależy koszt?

Koszt składa się z dwóch części. Koszt realizacji wynika z rozmiaru funkcjonalnego, który mierzymy w punktach funkcyjnych COSMIC; metodę opisuje strona Wycena. Koszt działania zależy od użycia: dostawcy naliczają opłaty według ilości przetworzonego i wygenerowanego tekstu, czyli liczby tokenów, a według opisu Anthropic także opisy narzędzi przekazywane modelowi liczą się jako tokeny wejściowe. Na koszt działania wpływają:

Koszt działania szacujemy na etapie projektowania na prawdziwych próbkach firmy i bierzemy go pod uwagę także przy wyborze modelu.

Krok po kroku: jak zacząć

  1. Wybór jednego zadania: częsta praca o charakterze językowym, z mierzalnym celem, na przykład kategoryzowanie przychodzących reklamacji.
  2. Rozrysowanie przepływu danych: skąd pochodzą dane, co może trafić do modelu, dokąd trafia wynik i kto go zatwierdza.
  3. Próbki i zestaw ewaluacyjny: prawdziwe, zanonimizowane przykłady z oczekiwanym wynikiem.
  4. Prototyp: porównanie kandydujących modeli na próbkach, jeszcze bez podłączenia do systemów produkcyjnych.
  5. Podłączenie: API, webhook, wywoływanie funkcji lub MCP, z uprawnieniami, obsługą błędów i rejestrowaniem zdarzeń.
  6. Uruchomienie pilotażowe: w wąskim gronie, z zatwierdzaniem każdego kroku przez człowieka; uczymy się na poprawkach.
  7. Rozbudowa i eksploatacja: tam, gdzie uzasadniają to pomiary, zakres zatwierdzeń się zawęża; monitorowanie i zmiany modeli są procesem ciągłym.

Typowe błędy

Częste pytania

Który model wybrać?

Ten, który na własnych próbkach firmy mierzalnie najlepiej radzi sobie z danym zadaniem, przy akceptowalnej opłacie i odpowiednich warunkach przetwarzania danych. Pracujemy z modelami OpenAI, Anthropic i Google, porównujemy kandydatów na przykładach firmy, a ponieważ model znajduje się w osobnej warstwie, decyzję można później zmienić.

Czy przesyłanie danych firmowych do usługi AI jest bezpieczne?

Przy odpowiednim projekcie tak, ale nie samo z siebie. Według własnej dokumentacji dużych dostawców ich biznesowe API domyślnie nie wykorzystują przesłanych danych do trenowania modeli (sprawdzono 17 października 2026 r.), jednak okres i miejsce przechowywania różnią się w zależności od dostawcy i ustawień. To od firmy zależy, aby na zewnątrz trafiały tylko niezbędne dane, dane osobowe w miarę możliwości w postaci spseudonimizowanej, z umową powierzenia przetwarzania danych i świadomie wybranym miejscem przetwarzania. To informacja, a nie porada prawna.

Czy musimy wymienić istniejące systemy?

Nie. Integracja opiera się na API, webhookach, bazie danych lub eksporcie plików istniejących systemów, a wynik wraca tam, gdzie pracowano z nim dotychczas. Jeśli stary system nie ma interfejsu programistycznego, sprawdzamy, w jaki sposób można bezpiecznie uzyskać dostęp do jego danych.

Czym jest MCP?

Model Context Protocol to otwarty protokół, który w jednolity sposób łączy aplikacje korzystające z modeli językowych z zewnętrznymi źródłami danych i narzędziami. Jest przydatny wtedy, gdy do tego samego systemu ma dostęp kilka aplikacji AI. W środowisku firmowym warto go używać tylko z zaufanym serwerem i z zatwierdzaniem przed wywołaniami narzędzi.

Co się dzieje, gdy AI się pomyli?

Bierzemy to pod uwagę, dlatego projektujemy proces tak, aby pomyłka nie wyrządziła szkody. Kod sprawdza wynik, czyli schemat i reguły biznesowe (na przykład to, czy kwota końcowa faktury zgadza się z sumą pozycji); przed ryzykownym krokiem zatwierdza człowiek, niepewne przypadki trafiają do pracownika, a wszystko jest rejestrowane. Wykryte błędy trafiają do zestawu ewaluacyjnego, dzięki czemu poprawkę można zmierzyć.

Jak możemy pomóc?

Za pomocą sztucznej inteligencji łączymy wszystko, co istnieje: modele językowe OpenAI (ChatGPT), Anthropic (Claude) i Google (Gemini) podłączamy do istniejących systemów firm. 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, łącznie z monitorowaniem działania modelu. Kwestie kodu źródłowego i praw do korzystania reguluje umowa.

Szczegóły znajdą Państwo na stronie Integracja AI. Jeśli mają Państwo proces, który chcieliby Państwo połączyć ze sztuczną inteligencją, prosimy do nas napisać, korzystając z danych kontaktowych podanych na stronie Kontakt.

Źródła