Przez dziesięciolecia oprogramowanie klasy enterprise czekało. Czekało, aż ktoś się zaloguje, otworzy ekran, wprowadzi dane, zatwierdzi kolejny krok i zamknie proces. Każde działanie zależało od człowieka, a każdy wniosek wymagał zapytania. Ten model jest właśnie rozmontowywany — nie stopniowo, lecz w tempie, które zaskakuje wiele organizacji.

Agenci AI — systemy zdolne interpretować cele, monitorować warunki, podejmować decyzje i wykonywać działania w aplikacjach biznesowych bez każdorazowej prośby o instrukcje — przechodzą z pilotaży do produkcji szybciej, niż analitycy przewidywali. Gartner prognozował, że do końca 2026 roku 40% aplikacji biznesowych będzie zawierać dedykowanych agentów AI, wobec mniej niż 5% w 2025 roku. Ta liczba spełnia się zgodnie z harmonogramem. Dla kupujących praktyczna różnica wobec wcześniejszej automatyzacji polega na autonomii: tradycyjne narzędzia workflow postępują według zaprogramowanych reguł, natomiast agenci sami wybierają kroki na podstawie celu i danych, które mają przed sobą — dlatego jakość tych danych ma dziś większe znaczenie niż samo oprogramowanie.

Obsługa klienta: tam, gdzie dane są najbardziej jednoznaczne

Obsługa klienta stała się pierwszą funkcją przedsiębiorstwa, która pokazała realne wyniki agentów AI, a rezultaty trudno podważyć. Nie jest to przypadek: wsparcie generuje ogromne wolumeny powtarzalnych, tekstowych interakcji o dobrze określonych rezultatach — warunki sprzyjające agentom bardziej niż wcześniejszej automatyzacji, dające dostawcom najczystszy pomiar efektywności „przed i po”.

Platforma Agentforce od Salesforce to najlepiej udokumentowany przypadek w dużej skali. Marc Benioff, przewodniczący rady i CEO Salesforce, opisał wewnętrzne wdrożenie firmy wprost podczas telefonicznej konferencji wyników za pierwszy kwartał roku obrotowego 2027 w maju 2026 roku: agenci obsługują obecnie „podwójny wolumen obsługi w stosunku do ludzkich pracowników” na własnych kanałach wsparcia Salesforce. W ciągu ponad 15 miesięcy system autonomicznie obsłużył cztery miliony zapytań klientów. To nie pilotaż.

PenFed Credit Union wdrożył 76 agentów Agentforce w obszarach operacji, kredytów hipotecznych, IT i HR. Narzędzie „Agent Wingman” skróciło czas obsługi połączeń o 10%, a prace porejestracyjne o 50%, z prognozowaną roczną oszczędnością 1,6 miliona dolarów od tego jednego agenta. UCLA Health uruchomiło pierwsze wdrożenie Agentforce w osiem miesięcy; agent obsługuje obecnie zapytania pacjentów dotyczące wyszukiwania lekarzy i badań klinicznych, które wcześniej wymagały rozmów telefonicznych.

Jim Roth, prezes ds. sukcesu klienta w Salesforce, ujął tę zmianę w kategoriach wykraczających poza redukcję kosztów: „Gdy nasza pojemność jest nieskończona, możemy działać proaktywnie i budować niesamowitsze doświadczenia klientów. Możemy traktować każdego klienta tak, jakby był naszym najważniejszym klientem”.

ARR Agentforce przekroczył 800 milionów dolarów, wzrastając o 169% rok do roku, przy 29 000 zawartych umów. Ponad 60% tych zamówień pochodziło od istniejących klientów rozszerzających korzystanie z platformy — zwykle bardziej wiarygodnego sygnału niż pozyskiwanie nowych klientów.

Operacje IT: od kolejek zgłoszeń do autonomicznego rozwiązywania

Działy IT od dawna toną w powtarzalnych, czasochłonnych zadaniach: resetowaniu haseł, dostarczaniu oprogramowania, wnioskach o dostęp, klasyfikacji incydentów. Wolumen tych zgłoszeń rzadko uzasadnia zaangażowanie starszych inżynierów, ale ktoś musi to zrobić. Agenci AI przejmują to obciążenie szybciej, niż większość przewidywała.

Autonomous Workforce od ServiceNow, zaprezentowana na konferencji Knowledge 2026 w maju, to najbardziej kompleksowe wdrożenie tego modelu. Wewnętrzny L1 Service Desk AI Specialist rozwiązuje przydzielone zgłoszenia IT o 99% szybciej niż ludzcy pracownicy obsługujący te same sprawy, a platforma już autonomicznie obsługuje ponad 90% zgłoszeń IT pracowników samego ServiceNow.

Bill McDermott, przewodniczący rady i CEO ServiceNow, opisał pozycjonowanie na Knowledge 2026 jako przejście „poza platformę platform, by stać się agentem agentów AI, łącząc dowolny model, dowolną chmurę i dowolne źródło danych”.

Potwierdzają to rzeczywiste wdrożenia. Bell Canada po wdrożeniu ServiceNow AI Agents w obszarze telekomunikacji odnotował 25-procentową poprawę czasu reakcji na klientów oraz 90% pozytywnych ocen trafności AI. Asystent AI „Red” od Honeywell wyeliminował większość rozmów z serwisu IT, uwalniając personel do pracy bardziej wartościowej.

Autonomous CRM od ServiceNow rozwiązuje obecnie ponad 100 milionów spraw klientów miesięcznie, koordynuje ponad 16 milionów zamówień i konfiguruje ponad siedem milionów ofert wśród swoich klientów. Przychody subskrypcyjne ServiceNow osiągnęły 3,67 miliarda dolarów w pierwszym kwartale 2026 roku, wzrastając o 22% rok do roku — wzrost osiągnięty na rynku, na którym klienci nie rozdają odnowień bez namysłu.

Operacje finansowe: nuda, która naprawdę ma znaczenie

Wdrożenia AI w przedsiębiorstwach o najwyższym ROI konsekwentnie okazywały się te najmniej efektowne: przetwarzanie dokumentów, uzgadnianie faktur, dopasowywanie danych — praca, której nikt nie chce wykonywać, ale którą wszyscy potrzebują mieć wykonaną dokładnie.

Praveen Akkiraju, managing director w Insight Partners, wyraził tę myśl podczas CXOTalk w czerwcu 2026 roku, używając Stampli jako przykładu. Stampli to oparta na AI platforma rozliczeń z dostawcami (accounts payable), która działa na wierzchu istniejących systemów ERP i stosuje logikę agentową do przetwarzania faktur: przechwytywanie faktur w dowolnym formacie, kodowanie transakcji, dopasowywanie pozycji do zamówień zakupu i kierowanie zatwierdzeń według wzorców wyuczonych z historycznych danych danej firmy.

Obserwacja Akkiraju: „Masz silną platformę danych, na której możesz teraz zbudować agenta, aby wykorzystać jedną z supermocy LLM — umiejętność odróżniania sygnału od szumu”.

Innymi słowy, automatyzacja AP jest interesująca nie dlatego, że eliminuje naciśnięcia klawiszy, ale dlatego, że agent uczy się, jak wygląda norma, i zaczyna oznaczać to, co nią nie jest.

Dane potwierdzają to ujęcie. Udokumentowano, że wdrożenia AI w finansach i operacjach przyspieszają procesy zamykania o 30 do 50%, a agenci obsługi klienta oszczędzają małym zespołom ponad 40 godzin miesięcznie. To zgłaszane rezultaty bieżących wdrożeń, a nie prognozy. Wzorzec między branżami jest spójny: najwyższe zwroty przynoszą agenci obsługujący wielowolumenowe, obciążone wymogami zgodności, wieloetapowe procesy koordynacyjne — dokładnie ta praca, której najtrudniej było uzasadnić powierzenie drogim pracownikom.

Sprzedaż i CRM: od rejestrów do przychodów

Zmiana w oprogramowaniu sprzedażowym jest większa, niż większość kupujących zdaje sobie sprawę. Systemy CRM zawsze były systemami ewidencji: zapisujesz to, co się stało, po fakcie, a ktoś później czyta raport. Agenci AI zmieniają zarówno opóźnienie, jak i kierunek tego przepływu.

Paul Fipps, prezes globalnych operacji klienta w ServiceNow, opisał wzorzec widoczny na jego platformie w zespołach sprzedaży: „Na własne oczy widzieliśmy, jak agenci pomagają zespołom priorytetyzować właściwe leady, poprawiać konwersję i skracać czas przygotowań o niemal 80%”. Ta redukcja ma znaczenie, ponieważ przygotowanie sprzedażowe jest często wąskim gardłem między kwalifikowanym leadem a rzeczywistą rozmową.

Po stronie Salesforce Benioff powołał się na wdrożenie Dell jako rezultat wykraczający poza efektywność: agenci Agentforce zautomatyzowali części łańcucha dostaw Della, w tym onboarding nowych dostawców, skracając średni czas wprowadzenia z miesięcy do dni.

Reddit odwrócił 46% spraw wsparcia i skrócił czasy rozwiązywania o 84%, obniżając średni czas odpowiedzi z 8,9 minuty do 1,4 minuty. Adecco obsłużył 51% rozmów z kandydatami poza standardowymi godzinami pracy wyłącznie za pośrednictwem agentów. To nie przypadki brzegowe; stają się domyślnym wzorcem wdrożeń u dużych klientów enterprise.

Problem integracyjny, którego nikt w pełni nie rozwiązał

Wzorzec widoczny we wszystkim powyższym jest realny, ale wiąże się z poważnym zastrzeżeniem. Agenci działają, gdy dane pod spodem są czyste i połączone. Gdy nie są, rezultaty są słabe lub nieprzewidywalne.

Raport 2026 Connectivity Benchmark Report, obejmujący ankietę 1050 liderów IT w przedsiębiorstwach na całym świecie, wykazał, że jedynie 27% aplikacji biznesowych jest obecnie połączonych. Przeciętne przedsiębiorstwo obsługuje 12 agentów AI, z których połowa działa w odizolowanych silosach, a nie jako część skoordynowanych systemów. A 86% liderów IT uważa, że agenci przyniosą więcej złożoności niż wartości, gdy brakuje integracji. Gartner poszedł dalej, prognozując, że ponad 40% projektów agentowego AI może zostać anulowane do 2027 roku z powodu rosnących kosztów, niejasnej wartości biznesowej i niewystarczającej kontroli ryzyka.

Boomi to platforma najbezpośredniej podejmująca ten problem. Warstwa integracji enterprise — łącząca aplikacje, zarządzająca API, synchronizująca dane master, a obecnie także zarządzająca przepływami pracy agentów AI — ma obecnie ponad 75 000 agentów działających w produkcji wśród swoich klientów.

Joe Varghese, senior manager IT Enterprise Data, Integrations and Analytics w Amneal Pharmaceuticals, opisał efekt połączenia Boomi z Claude w celu zbudowania autonomicznego agenta reagowania na incydenty działającego 24/7: „Podnieśliśmy dotrzymywanie SLA z 85% do 98%, a nasze zespoły mogą się teraz skupić na innowacjach zamiast na zarządzaniu incydentami”. Agent wykrywa, diagnozuje i doprowadza do rozwiązania, nie czekając, aż człowiek otworzy zgłoszenie.

Boomi został uznany za Pioneer w opublikowanym w czerwcu 2026 roku Gartner Emerging Market Quadrant for No-Code Agent Builders — nowszej kategorii wyróżnień śledzącej platformy, które czynią wdrażanie agentów dostępnym bez specjalistycznych zasobów inżynieryjnych.

McDermott z ServiceNow przyznał na Knowledge 2026 szerszy problem: „Przedsiębiorstwa zainwestowały miliardy w możliwości AI, ale zdecydowana większość nie potrafi powiązać tej inwestycji z mierzalnymi rezultatami biznesowymi”.

Wyzwania integracyjnego nie rozwiązuje komunikat produktowy. Wymaga to traktowania architektury danych jako warunku wstępnego wdrożenia agentów, a nie pomyślkiego dodatku. Przedsiębiorstwa czerpiące obecnie najwięcej z agentów AI to te, które od początku podeszły do tematu w ten sposób: czyste dane, zdefiniowane uprawnienia, ścieżki audytu i ludzki nadzór nad istotnymi decyzjami. Ta praca odbywa się równolegle z wdrażaniem agentów, a nie sekwencyjnie — jest to mniej eleganckie, niż brzmi, ale bardziej uczciwe wobec tego, jak wygląda rzeczywista transformacja przedsiębiorstw. Dla organizacji obserwujących ten rynek sygnałem do śledzenia nie są komunikaty dostawców, lecz to, czy wdrożenia agentów wytrzymają próbę benchmarku anulacji z 2027 roku — czego, sądząc po obecnych danych o integracji, większość przedsiębiorstw nie ma jeszcze prawa traktować jako pewnika.