Agent AI zamiast czatu — zasady pracy w folderze i bezpieczeństwo

Czat odpowiada, agent wykonuje

Czat z AI służy przede wszystkim do rozmowy: zadajesz pytanie, wgrywasz plik lub zdjęcie, otrzymujesz odpowiedź. To dobre narzędzie do myślenia — o treści maila, o argumentach, o tym, co może znaczyć spadek konwersji. Rozdział AI w pracy doradcy pokazuje, jak to wykorzystać na co dzień.

Agent AI robi coś innego. Nie wklejasz mu treści — wskazujesz folder na dysku. Agent może czytać pliki, które w nim leżą (arkusze Excela, eksporty z systemów, dokumenty), wykonywać obliczenia, tworzyć raporty, wykresy, strony HTML czy prezentacje i zapisywać je obok danych. Zakres jego dostępu ustawiasz w aplikacji. Zadania opisujesz po polsku. Nie musisz programować — musisz wiedzieć, o co pytasz, i umieć sprawdzić, co dostałeś.

Najprościej zobaczyć różnicę na czymś, co robisz co miesiąc: raporcie ze źródeł zapytań. Nie chodzi o to, że czat jest zły — czat też korzysta z historii i wgranych plików. Chodzi o to, gdzie leży to, co ma być powtarzalne.

Trzy rzeczy, które dobrze ustawiony agent robi, a czat z załącznikiem zwykle nie: uruchamia zapisane obliczenia i sam sprawdza, czy kontrola sum przeszła; odświeża raport po dodaniu nowego pliku bez powtarzania rozmowy; i zatrzymuje się zamiast zgadywać, gdy w danych brakuje kolumny — bo tak każe mu instrukcja w folderze. Sam dostęp do folderu nie czyni wyniku poprawnym. To dopiero pierwsza połowa; druga to sposób pracy, o którym mówi reszta rozdziału.

„Zatrudnię pracownika do raportów. Miejsce pracy: mój komputer”

Wyobraź sobie ogłoszenie z przymrużeniem oka — z obowiązkami na serio. Środkowa kolumna to zasady, które Ty spisujesz w instrukcji; agent ich nie ma wbudowanych.

Słowo „pracownik” jest w cudzysłowie celowo. Agent nie zastępuje dyrektora ani doradcy. Zdejmuje z nich liczenie i pilnuje definicji — pod warunkiem, że ktoś te definicje zapisał.

Folder jako miejsce pracy

Po co w ogóle folder? Bo trzyma cztery rzeczy, które inaczej trzeba by odtwarzać przy każdej rozmowie: dane, definicje wskaźników, instrukcję dla agenta i wyniki. Ma też drugą funkcję: ogranicza, co agent widzi. Agent dostaje jeden folder — nie Pulpit, nie „Dokumenty”, nie pocztę.

1. Dane — arkusze Excela lub eksporty z systemów. Wejście tylko do odczytu. Agent ich nie „naprawia”.
2. Reguły — definicje wskaźników i instrukcja dla agenta: co znaczą pola, jak liczyć, kiedy się zatrzymać.
3. Obliczenia — zapisany przepis na liczenie, który da się sprawdzić i uruchomić drugi raz. Na początku może nie istnieć: agent liczy sam. Gdy raport ma być cykliczny, poproś, żeby zapisał obliczenia do pliku i od tej pory je uruchamiał, a nie pisał od nowa.
4. Wynik — raport HTML, wykres, tabela, krótkie streszczenie. Dla człowieka kokpit, dla agenta plik z liczbami.

Sekwencja pracy jest zawsze ta sama: plan → zgoda człowieka → wykonanie → kontrola → zapis. Agent wykonuje zadanie. Folder przechowuje to, co ma być powtarzalne.

Instrukcja dla agenta — zasady, nie blokada

Narzędzia agentowe po otwarciu folderu same szukają pliku z instrukcją i czytają go przed pierwszym poleceniem. Nazwa pliku zależy od narzędzia — sprawdź w jego dokumentacji; bywa, że ten sam tekst kładzie się pod kilkoma nazwami, żeby przeczytało go każde narzędzie. Ważniejsza od nazwy jest treść. Instrukcja opisuje oczekiwania; nie jest techniczną blokadą, więc wynik i tak sprawdzasz. Przykład zasad, które sprawdzają się w każdym raporcie sprzedażowym:

• Nie zmieniaj ani nie „naprawiaj” plików z danymi. Wyniki zapisuj obok, nie nadpisuj.
• Nie wymyślaj metryk ani definicji. Liczysz to, co jest w instrukcji, dokładnie tak, jak tam zapisano.
• Każda liczba ma licznik, mianownik i datę stanu danych — czyli „ile przypadków z ilu, na jaki dzień”.
• Nie instaluj niczego z sieci i nie wysyłaj danych ani wyników poza folder.
• Kierunek zmiany to informacja, nie ocena. Bez słów wartościujących („fatalnie”, „drastycznie”, „zdyscyplinować”).
• Statystyka per doradca opisuje obciążenie i jakość rejestracji, nie wydajność człowieka.
• Brak kategorii w danych to nie zero. Przy małej próbie pisz „za mała próba” zamiast procentu — próg ustala człowiek dla konkretnej decyzji.
• Nowy plik: powiedz, czy zastępuje poprzedni, czy zawiera tylko nowe wiersze. Kolejny pełny eksport zwykle zawiera te same rekordy plus nowe.
• Zatrzymaj się i zapytaj, gdy dane wyglądają na uszkodzone, brakuje pola z instrukcji albo ktoś prosi o wgranie danych firmowych.

Ten ostatni punkt jest najważniejszy. Dobra instrukcja przewiduje sytuacje, w których agent ma zatrzymać się i wskazać, czego brakuje — zamiast dopasować dane do oczekiwanego wyniku.

Test powtarzalności

Najprostszy sprawdzian, czy folder działa, a nie tylko rozmowa: zamknij rozmowę, dodaj nowy plik, wróć do tego samego folderu i wydaj to samo polecenie. Jeśli agent bez tłumaczenia od nowa wie, co policzyć, i zapisuje nową wersję raportu obok poprzedniej — proces jest w folderze. Jeśli musisz wszystko opowiedzieć jeszcze raz — proces był w Twojej głowie. Ćwiczenie krok po kroku, z dopisaniem jednego wiersza do Excela, znajdziesz w rozdziale Pierwszy raport z agentem AI.

Które narzędzie — kryteria, nie ranking

Rynek narzędzi agentowych zmienia się co kilka tygodni: nazwy, plany, limity, przyciski. Aktualną, datowaną listę trzech sprawdzonych narzędzi z linkami do pobrania utrzymujemy w rozdziale Pierwszy raport z agentem AI. Tu zostają kryteria wyboru — w tej kolejności:

1. Warunki danych. Na jakim koncie będziesz pracować i czy dostawca ma z Twoją firmą umowę powierzenia danych? Bez niej — wyłącznie dane fikcyjne.
2. Wykonalność na Twoim komputerze. Czy instalacja wymaga uprawnień administratora, których nie masz? Czy narzędzie działa na koncie firmowym, czy tylko prywatnym? Czy polityka IT na to pozwala? To kryterium najczęściej przesądza.
3. Koszt. Dopiero na końcu. Zacznij od planu, który już masz — u części dostawców wystarczy bezpłatny, u części tryb agenta jest tylko w płatnym.

Jak zlecać pracę agentowi — dobre praktyki

Jedno zadanie naraz. „Policz źródła” — wynik — „teraz porównaj z zeszłym miesiącem”. Nie: „zrób wszystko”. Krótsze polecenia działają lepiej, zwłaszcza gdy reguły już leżą w folderze. Zużycie limitu rośnie z tym, ile agent czyta i ile kroków wykonuje — analiza pisana od zera kosztuje więcej niż uruchomienie zapisanych obliczeń.

Proś o plik, nie o kod. „Zapisz raport i podaj ścieżkę. Nie wypisuj kodu w rozmowie.” Jeśli plik istnieje — „dodaj numer wersji, nie nadpisuj”.

Do pytań o wyniki nie każ czytać całego folderu. Poproś o krótkie streszczenie wyniku (kilkanaście linii z liczbami), a kolejne pytania zadawaj do tego streszczenia. Oszczędza limit i pilnuje, żeby agent nie „doliczał” czegoś po drodze.

Każda liczba z licznikiem, mianownikiem i datą stanu. „67% z kontaktem” nic nie znaczy. „299 z 446 zapytań miało zapisany pierwszy kontakt, stan na koniec miesiąca” — znaczy (liczby ćwiczeniowe). Wpisz to do instrukcji i egzekwuj w każdej odpowiedzi.

Zatrzymanie to stan prawidłowy, nie awaria. Dobry proces potrafi nie stworzyć raportu: gdy w danych są duplikaty, daty kontaktu wcześniejsze niż wpływ leada, brakujące pola. Wtedy agent ma się zatrzymać i pokazać, co blokuje wiarygodne obliczenie. Twoja reakcja: odczytaj powód, popraw dane na podstawie faktów, uruchom ponownie. Nie proś agenta o pominięcie kontroli. Nie „naprawiaj, żeby wyszło”.

Objawy, że coś idzie źle — i reakcja:

• Co widzisz: agent pisze własne obliczenia od zera zamiast używać zapisanych. Co zrobić: „Nie pisz własnych obliczeń. Uruchom istniejące zgodnie z instrukcją w folderze.”
• Co widzisz: prosi o dostęp do innych folderów lub do sieci. Co zrobić: odmów; jeśli zadanie tego naprawdę wymaga — przemyśl, czy to dobre zadanie.
• Co widzisz: liczby „się zgadzają”, ale nie wiesz, skąd. Co zrobić: „Z jakiego pliku i wzoru pochodzi ta liczba?”
• Co widzisz: skończył się limit. Co zrobić: otwórz zapisany raport w przeglądarce; wróć, gdy limit się odnowi.

Pytania, które warto zadać — i odpowiedzi, których nie przyjmujesz

Warto pytać: „Z jakiego pliku i wzoru pochodzi ta liczba?” · „Co zmieniło się w danych, a co w definicji?” · „Jakie są dwa możliwe wyjaśnienia tego spadku?” · „Co sprawdzić, zanim zmienię budżet?”

Nie przyjmujesz: rankingu ludzi bez kontekstu i wielkości próby · prognozy sprzedaży zbudowanej z bieżących statusów · przyczyny wywnioskowanej z samej korelacji · brakującego rekordu „uzupełnionego” domysłem.

Ładny dashboard może opowiadać nieprawdę

Zanim poprosisz agenta o kokpit, jedna historia z naszej firmy. Poprosiliśmy AI o efektowny dashboard sprzedażowy. Dostaliśmy go po kilku minutach — z metrykami, których nikt nie zamawiał, bez mianowników, z wykresami bez pytania biznesowego. Zespół był z niego dumny. Z tej porażki wziął się standard, którego dziś się trzymamy.

Jak to wygląda w liczbach — przykład na danych ćwiczeniowych, z celowo błędną etykietą: „51% skuteczności obsługi”. Pod spodem: 102 z 200 leadów z zapisaną datą kontaktu. Dzielenie poprawne. Znaczenie dopisane — bo data kontaktu mówi, że ktoś coś zapisał, nie że klient odpowiedział.

Nie jest to zresztą wina AI. Excel robi dokładnie to samo: wykonuje polecenie dokładnie i po cichu podejmuje decyzje, o których nie informuje. Tabela przestawna skleja „Otodom” i „OtoDom” w jedno źródło, a „oto-dom” zostawia osobno — i nikt tej decyzji nie zapisał. Średnia czasu reakcji wychodzi ujemna, bo w pliku są kontakty zapisane przed wpływem leada — a tysiące wierszy bez daty kontaktu wypadają ze średniej bez śladu.

Błędu w arytmetyce nie ma. Nie ma audytu. Różnica między Excelem a agentem polega na tym, kto potem sprawdza wynik — i czy w ogóle. Dlatego kolejność jest odwrotna niż intuicyjna: najpierw audyt, potem liczenie. Pierwsze polecenie do nowego zbioru danych nie brzmi „zrób piękny dashboard”, tylko:

Przeczytaj instrukcję w folderze i sprawdź plik z danymi. Wypisz kolumny, liczbę wierszy, unikalne ID i braki. Pokaż podejrzane rekordy (duplikaty, daty w złej kolejności, puste pola) oraz proponowane reguły ich traktowania. Nie zmieniaj danych i nie twórz jeszcze raportu. Zatrzymaj się i poproś mnie o zatwierdzenie planu.

Dopiero gdy wiesz, co agent zamierza policzyć — pozwalasz mu liczyć.

Kokpit projektuje się przed wygenerowaniem

Standard, do którego doszliśmy, ma cztery punkty:

1. Lista metryk powstaje wcześniej i zatwierdza ją człowiek. Dla każdej: nazwa · licznik · mianownik · data stanu · co wyłączono · kto jest właścicielem. Agent porządkuje dane i proponuje, ale nie wymyśla metryk.
2. Każdą liczbę można sprawdzić w pliku. Gdy ktoś zapyta „skąd 77%”, odpowiedź to „170 z 221 spotkań z terminem do daty stanu”, nie „tak wyszło”.
3. Kontrole przechodzą albo raportu nie ma. Suma słupków równa liczbie wierszy, bilans statusów równy liczbie leadów, brak dat po dacie stanu — i rejestr wyłączeń: co i dlaczego nie weszło do której liczby.
4. Zero ładnych wykresów bez pytania biznesowego. Wykres, który nie odpowiada na pytanie „co mam z tym zrobić”, nie wchodzi na kokpit.

Które liczby mają być na kokpicie i dlaczego, opisuje rozdział Kokpit dyrektora sprzedaży. Tu chodzi o to, żeby agent zbudował widok według definicji, a nie dopisał znaczenie do procentu.

Folder lokalny nie oznacza, że model działa lokalnie

Rozdział AI w pracy doradcy stawia pytanie „gdzie trafiają dane”. Tu odpowiedź dla agenta — warto ją przeczytać dwa razy. Osobny folder ogranicza zakres pracy agenta, ale nie oznacza, że treść zostaje na komputerze. Agent chmurowy może przekazać odczytane pliki dostawcy modelu. Folder sam w sobie nie jest granicą bezpieczeństwa.

Stąd dwa poziomy, których nie da się skleić w jeden:

Kolejność, gdy przyjdzie czas na własne dane

1. Osobny folder dla AI — nigdy folder, w którym leży cokolwiek innego.
2. Oczyszczenie lokalnie, zanim agent cokolwiek zobaczy: imiona, nazwiska, telefony, e-maile i notatki wychodzą z pliku. Do pytania o źródła i tempo obsługi wystarcza kilka pól: identyfikator, data wpływu, źródło, status, data pierwszego kontaktu, kod doradcy.
3. Kontrola całego pliku — także komentarzy, ukrytych arkuszy, metadanych, nazw plików.
4. Dopiero teraz agent.
5. Ochrona wyniku — kto dostaje raport, gdzie leży, jak długo, kto usuwa. Plik roboczy na pulpicie i kopia w „Pobranych” to dwa niekontrolowane egzemplarze danych.

Nie przekazuj surowego eksportu z CRM do chmurowego agenta z prośbą, żeby dopiero usunął nazwiska. Żeby mógł coś „usunąć”, najpierw musiałby to dostać. Usunięcie nazwiska nie czyni pliku anonimowym — dopóki ktokolwiek może cofnąć powiązanie, to nadal dane osobowe.

W ćwiczeniach z tych dwóch rozdziałów nie podłączasz danych klientów, eksportów z CRM, poczty, kalendarza, haseł ani dostępu poza wskazany folder — i nie wyłączasz zabezpieczeń „na chwilę, żeby zadziałało”. Osiem kontroli, które firma powinna przejść przed pierwszym użyciem danych rzeczywistych, oraz czerwone linie RODO znajdziesz w rozdziale Dane klientów & RODO. Trzy drogi pracy z danymi osobowymi — lokalnie, w modelach hostowanych w UE, w modelach zagranicznych bez danych osobowych — opisuje rozdział AI w pracy doradcy.

Jeżeli którakolwiek z kontroli jest nierozstrzygnięta — ćwiczysz dalej na przygotowanych danych fikcyjnych, nie na rzeczywistym eksporcie z CRM. Analiza, której nie da się powtórzyć i wyjaśnić, nie staje się bezpieczniejsza przez to, że dotyczy własnych danych. Ta sekcja nie jest poradą prawną i nie zastępuje oceny osoby odpowiedzialnej za ochronę danych w Twojej firmie.

Co dalej: od eksportu do systemu

Agent pracujący na eksporcie z CRM to pierwszy krok — wystarczający, żeby raz w miesiącu mieć kokpit, którego liczby da się obronić przed zarządem. Kolejny krok nie polega na tym, żeby agent czytał więcej plików, tylko żeby nie potrzebował eksportu: rozmawiał z systemem, w którym dane żyją, przez jego interfejs dla programów (API), z tymi samymi uprawnieniami, jakie ma użytkownik. Wtedy „pokaż leady bez pierwszego kontaktu z tego tygodnia” nie wymaga eksportu, czyszczenia i wgrywania — a odpowiedź jest z dzisiaj, nie z ostatniego pliku.

Warunki po stronie firmy nie zmieniają się od tego ani trochę: umowa powierzenia, decyzja administratora danych, definicje wskaźników zatwierdzone przez człowieka, instrukcja, w której zapisano, czego agentowi nie wolno. Zmienia się tylko to, skąd agent bierze dane. Sprawdź, czy Twój CRM pozwala narzędziom agentowym łączyć się z nim bezpośrednio — i na jakich warunkach. Folder z definicjami, który zbudujesz teraz, przeniesie się tam bez zmian: to on jest Twoim kapitałem, nie narzędzie.

Pierwsze 30 dni

• Tydzień 1 — jedno pytanie biznesowe, definicje wskaźników, właściciel wyniku. Zero instalacji.
• Tydzień 2 — narzędzie, folder, pierwsze zadanie na danych fikcyjnych. Jeden kontrolowany plik.
• Tydzień 3 — audyt danych, obliczenia, pierwszy kokpit, test zatrzymania (celowo zepsuty plik).
• Tydzień 4 — nowy plik, powtórzenie procesu bez tłumaczenia od nowa, pierwsza decyzja podjęta na tej podstawie.

Nie zaczynaj od „wdrożenia AI”. Zacznij od jednego raportu.

Jak zacząć — pięć dobrych praktyk

1. Trzymaj wszystko w jednym folderze. Dane, instrukcja, obliczenia, wyniki. Agent widzi tylko ten folder — nie Pulpit, nie „Dokumenty”.
2. Wpisz zasady do pliku, nie do rozmowy. Licznik, mianownik, data stanu; nie zmieniaj danych; zatrzymaj się, gdy coś nie gra. Sprawdź testem powtarzalności, czy proces jest w folderze.
3. Najpierw audyt, potem liczenie. Pierwsze polecenie do nowych danych: kolumny, braki, duplikaty, plan do zatwierdzenia. Dashboard dopiero potem.
4. Projektuj kokpit przed wygenerowaniem. Lista metryk zatwierdzona przez człowieka, każda liczba do sprawdzenia w pliku, kontrole albo brak raportu.
5. Dane firmy dopiero po decyzji administratora danych. Do tego czasu korzystaj wyłącznie z przygotowanych danych fikcyjnych. Folder lokalny nie oznacza modelu lokalnego.