Generatywna AI

Agentic AI

Wiadomości

Jak przedsiębiorstwa mogą nadążyć za szybkim tempem rozwoju AI

Aby skutecznie korzystać z nieustannie rozwijającej się technologii AI, przedsiębiorstwa potrzebują głębokiego zrozumienia swoich procesów biznesowych oraz elastyczności w zakresie modeli i agentów, z których korzystają.

18 sierpnia 2026

Generatywna AI i agentic AI były w ostatnich latach szeroko wykorzystywane przez przedsiębiorstwa. Jednak obecnie, podobnie jak na początku boomu AI po udostępnieniu przez OpenAI ChatGPT w 2022 roku, wygląda na to, że tempo rozwoju technologii nie nadąża za jej wdrażaniem. Skupienie się na kosztach korzystania z AI sprawia, że przedsiębiorstwa muszą dokładnie przyjrzeć się sposobom wykorzystania generatywnej AI i upewnić się, że przynosi im ona wartość.

Niedawno jednak rozpoczęła się zmiana, ponieważ przedsiębiorstwa złagodziły swoją sceptyczną postawę wobec tego, w jaki sposób generatywna i agentic AI mogłyby im pomóc. Firmy odczuły pilną potrzebę wdrożenia tej technologii w świetle zjawiska OpenClaw open source personal agent, premiery przez Anthropic dostosowywalnych do domeny modeli Claude Cowork i potężnych modeli Mythos oraz apelu prezesa Nvidii Jensena Huanga do przedsiębiorstw, by przyjęły strategię „OpenClaw”.

W rozmowie podczas konferencji Ai4 2026 w Las Vegas na początku tego miesiąca Jed Dougherty, starszy wiceprezes ds. AI i platformy w Dataiku, dostawcy platformy AI i machine learning dla przedsiębiorstw, omówił przeszkody, z jakimi firmy mierzą się w obszarze autonomii agentów oraz wyboru odpowiednich modeli lub agentów. Jego zdaniem, niezależnie od marki AI wybranej przez przedsiębiorstwo, technologia musi być zarządzana tak, aby działała na rzecz organizacji. Dataiku, założone w 2013 roku i wycenione na 3,7 mld USD w rundzie finansowania z 2022 roku, sprzedaje scentralizowaną platformę do tworzenia, wdrażania i zarządzania AI dla przedsiębiorstw — co odpowiada jego argumentowi za centralną, agnostyczną warstwą orkiestracji.

Czy przedsiębiorstwa powinny teraz w pełni zaakceptować autonomię agentów AI, biorąc pod uwagę sukces OpenClaw, czy nadal potrzebny jest większy udział człowieka w pętli?

Dougherty: Nadal potrzebne są wskazówki człowieka. Największe korzyści i sukcesy obserwowane podczas korzystania z agentów nadal występują w przedsiębiorstwach, w których człowiek pozostaje w pętli. Każda firma potrzebuje strategii identyfikowania tego, co można w pełni przenieść do w pełni autonomicznych systemów. Ważne jest określenie, które polityki i procesy w organizacji można zautomatyzować, albo które ich części mogłyby zostać zautomatyzowane.

Jaką rolę odgrywają FDE, czyli forward-deployed engineers, we wdrażaniu technologii AI w przedsiębiorstwach?

Dougherty: Zainwestowaliśmy dużo czasu i pieniędzy w zatrudnienie oraz zbudowanie silnego zespołu forward-deployed engineering, którym wspieramy naszych klientów. To bardzo ważne. Na przykład pomagałem jednemu klientowi. Próbowaliśmy stworzyć kilka dość prostych stron internetowych. Nie przewidziałem liczby drobnych technicznych przeszkód, które ja traktuję jako oczywistość, bo wykonuję je codziennie, a które zatrzymują ludzi w miejscu albo znacząco spowalniają pierwszy moment, w którym można wdrożyć stronę internetową. Posiadanie forward-deployed engineera, który wie, jak wykonać proste elementy infrastruktury, nadal jest bardzo cenne.

Jak duża jest potrzeba ekspertów, aby agentic AI działała? I czy uważa pan, że dostawcy mylili się w swoim przekazie na początku szerokiego użycia generatywnej AI, próbując przedstawić ją jako narzędzie niewymagające ekspertów?

Dougherty: Nie sądzę. AI to zupełnie nowa technologia. Cztery lata temu ludzie byli całkiem dobrzy w samoobsłudze w zakresie machine learning, ponieważ zajmowali się tym od 10 lat. Teraz, gdy nowe możliwości agentów rozprzestrzeniają się wszędzie, dostawcy muszą poświęcić trochę czasu, aby pomóc ludziom przejść przez ten początkowy próg. Za rok lub dwa, gdy więcej osób zetknie się z tą technologią i się do niej przyzwyczai, nie sądzę, że potrzebny będzie aż tak wysoki poziom bezpośredniego wsparcia. Ale teraz, kiedy próbuję wyjaśnić coś komuś, kto nigdy wcześniej nie korzystał z agenta ani nie budował agenta, po prostu pomocne jest, gdy pośrodku znajduje się ekspert. Biznesowe możliwości transformacyjne związane ze strukturalnymi agentami, które odtwarzają duże części procesów biznesowych, są stosunkowo złożone.

Jaki jest najlepszy przypadek użycia agentic AI, który odmieni przedsiębiorstwa?

Dougherty: Firma musi najpierw dobrze poznać samą siebie, zanim określi najlepszy przypadek użycia. Najlepszym przypadkiem użycia agentic AI w każdej firmie jest jej podstawowy proces.

Weźmy na przykład ubezpieczenia. Zgłoszenie szkody wpływa do firmy i jest ono w pewnym stopniu przetwarzane. Trzeba przeprowadzić dochodzenie w sprawie tego roszczenia. Podejmowana jest decyzja, czy wypłacić odszkodowanie. Prawdopodobnie pojawia się też jakiś audyt. Być może informowany jest dział prawny. Zatem podstawową częścią działalności ubezpieczeniowej jest decydowanie, jak i czy w ogóle wypłacać odszkodowania, oraz czy ponownie prowadzić interesy z tym klientem. Im lepiej firma ubezpieczeniowa potrafi teraz opisać, jak robi to bez generatywnej AI, tym lepiej zrozumie, które części procesu wypłaty odszkodowań mogą zostać następnie odtworzone lub rozszerzone przez agentic AI.

Przedsiębiorstwa czasem znają swoją wartość biznesową, ale mają do wyboru wiele opcji. Jak mogą wybrać dostawcę, z którym warto współpracować?

Optymalna praca z danymi w machine learning, a teraz także w AI, oznacza wybór odpowiedniego podrzędnego narzędzia do odpowiedniego zadania oraz możliwość łatwej zamiany lub dostosowania. Czasem Snowflake jest najlepszą bazą danych, a czasem nie. Czasem OpenAI jest najlepszym wyborem, a czasem lokalny model on-prem jest najlepszy dla bardzo wrażliwych danych lub do kontroli kosztów. Posiadanie warstwy orkiestracji, platformy, która pozwala bezpiecznie, kontrolowanie i zgodnie z zasadami łączyć te podstawowe narzędzia, to fundament. Potrzebna jest scentralizowana, neutralna warstwa orkiestracji, która ułatwia wybór właściwego narzędzia do właściwego zadania.

Jak przedsiębiorstwa mogą radzić sobie z rosnącymi kosztami korzystania z AI?

Porównałbym to do szoku związanego z rachunkami za chmurę, który ludzie odczuwali na początku ery cloud computing, gdy przenieśli wszystko do AWS, a potem w kolejnym roku otrzymali ogromny rachunek. To samo zacznie się dziać w 2027 roku, gdy coraz więcej osób zacznie korzystać z generatywnej AI. Nie jest trudno zużyć 1,000 USD w tokenach dziennie, gdy intensywnie pracuję nad czymś, a to nie jest tanie. Sądzę, że pojawi się wobec tego pewien opór, ale technologia jest też niezwykle wartościowa. W odpowiednich rękach rzeczy, które można zbudować, pozwalają mi stworzyć coś w dzień lub dwa miesiące. Nie ma dla tego substytutu. Dlatego bardzo ważne jest, aby nie mieć jednego agenta wykonującego wszystkie zadania. Należy rozbić pracę na jak najwięcej małych kroków. Kolejną rzeczą, którą trzeba uwzględniać w zarządzaniu kosztami, jest otwartość na zmiany na rynku. Monitorowanie rynku pod kątem najlepszych foundation models oraz poziomów cen naprawdę robi ogromną różnicę, potencjalnie także w zarządzaniu cenami własnych usług. Możliwość przełączania się między nimi ma kluczowe znaczenie.

A co z otwartymi modelami od Alibaba, DeepSeek i innych chińskich dostawców? Jak przedsiębiorstwa powinny reagować na ten trend?

Są świetne. Widzimy wielu dostawców zewnętrznych, którzy oferują te chińskie modele stron trzecich lub inne modele open source, udostępniając je użytkownikom w bardzo konkurencyjnej cenie. Zdecydowanie można wdrożyć zewnętrzne modele open source i zaoszczędzić dużo pieniędzy. Poza tym ich użyteczność zasadniczo zależy od możliwości, jakie oferują.

W miarę jak agenci będą się upowszechniać w całej organizacji, zarządzanie nimi stanie się jeszcze ważniejsze, powiedział Dougherty. „Conversational AI i wykorzystanie AI do tworzenia aplikacji zostaną z nami na stałe. Każdy będzie to budował. Musimy ustalić, co działa, a co nie”.

Uwaga redakcyjna: Ten wywiad został zredagowany pod kątem jasności i zwięzłości.

Źródło: AI Business