Najczęstsze pytania

Najczęściej zadawane pytania

Ile kosztuje wdrożenie agenta AI?

Zależy od złożoności. Orientacyjne przedziały: prosty agent (jeden kanał, jedna integracja, ograniczona baza wiedzy): 20 000–50 000 zł. Średni agent (wielokanałowy, kilka integracji, rozbudowana baza RAG, reguły biznesowe): 50 000–150 000 zł. Złożony system multi-agent (kilka agentów współpracujących, głębokie integracje, on-premise, custom pipeline): 150 000–300 000+ zł. Do tego: miesięczny koszt utrzymania i optymalizacji (SLA): 3 000–15 000 zł/mies. w zależności od zakresu. Koszty infrastruktury (API LLM, hosting, vector DB): 500–5 000 zł/mies. w zależności od wolumenu. Precyzyjną wycenę dajemy po audycie Discovery — nigdy wcześniej, bo bez zrozumienia procesu każda liczba jest strzałem w ciemno.

Jak długo trwa wdrożenie?

Od pierwszego spotkania do agenta w produkcji: typowo 2–4 miesiące. Discovery: 1–2 tygodnie. Projektowanie: 2–3 tygodnie. Budowa MVP: 3–6 tygodni. Pilot: 2–4 tygodnie. Można szybciej (prosty agent w 6 tygodni) lub wolniej (złożony system z wieloma integracjami w 6 miesięcy). Nie skracamy na siłę — pośpiech w AI to przepis na agenta, który halucynuje.

Czy moje dane są bezpieczne?

Tak. Opcja on-premise: dane nie opuszczają Twojej infrastruktury. Opcja cloud: szyfrowanie TLS 1.3 (transit) + AES-256 (rest), kontrola dostępu, audit trail. RODO/GDPR: umowa DPA, minimalizacja danych, prawo do usunięcia. Nie trenujemy modeli na Twoich danych. Twoje dane służą Twojemu agentowi — i nikomu innemu.

Czy agent zastąpi moich pracowników?

Nie zastąpi — uwolni ich. Agent przejmuje powtarzalne, czasochłonne zadania (odpowiadanie na te same pytania, kopiowanie danych między systemami, generowanie rutynowych raportów). Ludzie zajmują się tym, co wymaga ludzkiego osądu: negocjacje, kreatywność, empat ia, strategia, decyzje w sytuacjach nietypowych. Agent obsługi klienta nie zastąpi managera obsługi — zastąpi 300 rutynowych odpowiedzi dziennie, żeby manager mógł zajmować się klientami VIP, reklamacjami eskalowanymi i ulepszaniem procesu.

Co jeśli agent popełni błąd?

Popełni — jak każdy system i jak każdy człowiek. Różnica: system wykrywania i korekcji błędów. Human-in-the-loop: w krytycznych procesach każda decyzja agenta jest weryfikowana przez człowieka (np. agent proponuje odpowiedź, ale wysyła ją dopiero po zatwierdzeniu). Eskalacja: agent zna granice swoich kompetencji — gdy nie jest pewny, przekazuje do człowieka z pełnym kontekstem. Audit trail: każde działanie logowane — możesz zobaczyć co agent zrobił, dlaczego, na podstawie jakich danych. Confidence score: agent raportuje swój poziom pewności — poniżej progu = automatyczna eskalacja. Błędy są naturalne w pierwszych tygodniach — dlatego wdrożenie pilotażowe jest z nadzorem ludzkim. Po kalibracji agent stabilizuje się na poziomie 95–98% trafności.

Jakie systemy integrujecie?

Każdy system z API: CRM (Salesforce, HubSpot, Pipedrive), ERP (SAP, Comarch, Enova, Sage), email (Gmail, Outlook, Exchange), komunikatory (Slack, Teams), helpdesk (Zendesk, Freshdesk, Jira), e-commerce (WooCommerce, PrestaShop, Shopify, Magento), bazy danych (PostgreSQL, MySQL, MongoDB, SQL Server), dowolne API REST/GraphQL. Nie macie API? Często możemy zbudować adapter (scraping, RPA, middleware).

Czy potrzebuję dużo danych?

Nie zawsze. RAG działa na istniejącej dokumentacji firmy — procedury, regulaminy, FAQ, maile, umowy, instrukcje. Jeśli masz 100 dokumentów — to wystarczy na działającego agenta Q&A. Jeśli masz 10 000 — agent będzie jeszcze lepszy. Nie potrzebujesz milionów rekordów ani data lake — potrzebujesz wiedzy, którą już masz, w formie która da się przetworzyć.

Co po wdrożeniu?

SLA (Service Level Agreement): gwarantowany czas reakcji na problemy, regularne przeglądy, monitoring. Ciągła optymalizacja: dostrajanie, rozszerzanie, nowe integracje. Wsparcie: email, Slack, telefon — zależy od poziomu SLA. Nie zostawiamy klienta z czarną skrzynką i numerem telefonu na automatyczną sekretarkę.