Czym jest agent AI i czym różni się od chatbota

Różnica sprowadza się do jednego pytania

Czy program potrafi coś zrobić poza wygenerowaniem tekstu? Jeśli odpowiada wyłącznie słowami, to chatbot. Jeśli w trakcie odpowiadania sięga po narzędzia, otwiera stronę, zapisuje plik, uruchamia zapytanie, to agent.

Chatbot pytany o ceny konkurencji napisze, jak takie badanie przeprowadzić. Agent pytany o to samo wejdzie na strony konkurentów, zbierze ceny i odeśle zestawienie. Ta różnica brzmi drobno, a decyduje o tym, czy narzędzie oszczędza Ci czas, czy tylko ładnie o nim opowiada.

To nie jest różnica w inteligencji modelu. Ten sam model językowy pracuje w obu trybach bez żadnej zmiany. Rozstrzyga wyłącznie to, czy dano mu narzędzia i prawo z nich korzystać. Można dopłacić do najdroższego modelu na rynku i dostać identyczny efekt co wcześniej, bo blokada nie leży w modelu.

Rozróżnienie ma też wymiar czysto handlowy. Gartner szacował w lipcu 2025 r., że spośród tysięcy dostawców reklamujących się jako „agentowa AI" realne rozwiązania oferuje około 130 firm, a reszta to przebrandowane chatboty, asystenci i stare RPA. Pytanie „co ten program potrafi zrobić poza pisaniem" jest najkrótszym testem, jaki możesz zadać na demie.

Trzy rzeczy, które ma agent, a których nie ma chatbot

W praktyce sprowadza się to do trzech zdolności, i akurat tutaj kolejność ma znaczenie, bo każda kolejna zależy od poprzedniej.

Brak którejkolwiek widać od razu w zachowaniu, więc diagnoza zajmuje minutę. Bez narzędzi agent opisuje plan zamiast go wykonać. Bez pętli robi jeden ruch i kończy, choćby miał komplet dostępów. Bez trwałości musisz go pilnować przy każdym uruchomieniu, czyli wracasz do punktu wyjścia.

Do tej trójki dokłada się czwarty element, o którym mówi się rzadziej, a który rozstrzyga o użyteczności po miesiącu: pamięć. Agent bez zapisanego kontekstu każdego ranka pyta o to samo i za każdym razem popełnia ten sam błąd, bo nikt mu nie powiedział, że poprzednim razem wyszło źle.

• Narzędzia. Przeglądarka, terminal, dostęp do plików, wywołania API. Bez nich agent zostaje rozmówcą.
• Pętla. Agent wykonuje krok, patrzy na wynik i decyduje o następnym. Chatbot generuje jedną odpowiedź i kończy.
• Trwałość. Agent działa dalej, gdy zamkniesz okno. Może odezwać się o siódmej rano, bo tak ustawiłeś, albo dlatego, że coś się wydarzyło.
• Pamięć. Zapisany kontekst, do którego wraca: kto jest właścicielem, jak wygląda dobry wynik, czego już próbował.

Ile z tego jest już w polskich firmach

Skala korzystania z AI w Polsce rośnie szybko, choć liczby zależą od tego, kto pyta i o co. Według badania ankietowego NBP z lipca 2026 r. z narzędzi AI korzysta już 42% polskich przedsiębiorstw, wobec 14% pod koniec 2024 r. Rozkład jest bardzo nierówny: duże firmy 59%, średnie 43%, małe i mikro 28%.

Do takich liczb podchodź jednak z ołówkiem. Polski Instytut Ekonomiczny wprost pisze, że w zależności od metodologii skala wykorzystania AI wychodzi od 6% do 16% firm, i sam zaznacza, że trudno jednoznacznie określić tę skalę. Sprzeczność jest pozorna: inne pytanie, inna próba, inny rok. Gdy ktoś rzuca w prezentacji jedną liczbę bez metodologii, to jest właśnie moment, żeby dopytać.

Agenty są w tym obrazie węższym wycinkiem niż „AI" w ogóle. McKinsey w badaniu State of AI z 2026 r. podaje, że 62% organizacji przynajmniej eksperymentuje z agentami, ale tylko 23% skaluje system agentowy choćby w jednym obszarze, a w żadnej pojedynczej funkcji biznesowej odsetek skalujących nie przekracza 10%. Eksperymentów jest więc dużo, działających wdrożeń wyraźnie mniej.

Osobna sprawa to lęk o etaty, bo pojawia się w każdej rozmowie o agentach. To samo badanie NBP pokazuje, że mniej niż 1% polskich przedsiębiorstw zadeklarowało, że wzrost wykorzystania AI pozwolił im zredukować zatrudnienie. Najwyżej wypadł handel z 1,8% i transport z 1,7%, a w przetwórstwie przemysłowym było to 0,1%. Na razie AI w Polsce raczej odciąża, niż zastępuje.

Jak agent wygląda od środka

Agent to model językowy plus zestaw narzędzi plus kartka z instrukcją. Narzędzia nie są abstrakcją: mają nazwy, opisy i granice. W katalogu skilli ClawLabs jest ich 40, pogrupowanych w dziesięć kategorii, i widać po nich, o czym naprawdę mówimy: Web Search i Browser Automation do sieci, PDF Reader i CSV Analyzer do dokumentów, Cron Scheduler do harmonogramu, Email Drafter do korespondencji.

Kartka z instrukcją to w silniku OpenClaw kilka zwykłych plików tekstowych, które agent czyta przy starcie. SOUL.md opisuje ton, wartości i granice. USER.md mówi, kto jest właścicielem i w jakiej strefie czasowej pracuje. Trzecią rzeczą są zadania proaktywne, czyli to, co agent robi bez Twojego pytania: sprawdzenie skrzynki, przypomnienie o terminie. W starszych wersjach opisywał je plik HEARTBEAT.md w tym samym katalogu; dziś silnik trzyma te instrukcje w notatniku harmonogramu, a stary plik importuje przy aktualizacji. Sam rytm się nie zmienił: agent budzi się domyślnie co pół godziny. Pliki z tonem i danymi właściciela możesz otworzyć w edytorze i przeczytać, co agent o Tobie wie, i to jest zdrowsze niż konfiguracja schowana w bazie danych.

Sam silnik jest otwarty, co ma znaczenie praktyczne przy ocenie ryzyka dostawcy. Repozytorium OpenClaw powstało 24 listopada 2025 r., a dane GitHub API z 28 lipca 2026 r. pokazują 384 351 gwiazdek i 80 744 forki. Kod jest na licencji MIT, więc możesz go przeczytać, uruchomić u siebie i sprawdzić, co dokładnie robi z Twoimi danymi.

• Model: rozumie polecenie i planuje kolejne kroki, ale sam niczego nie dotknie.
• Narzędzia: konkretne skille z nazwą i zakresem, włączane pojedynczo.
• Pliki workspace, czyli SOUL.md, USER.md, MEMORY.md: pamięć i instrukcja w formie, którą da się przeczytać.
• Kanał: miejsce, w którym rozmawiasz z agentem: czat, komunikator, mail, harmonogram.

Gdzie kończy się użyteczność agenta

Tu zwykle zaczynają się rozczarowania, więc powiemy to wprost. Agent jest dobry w zadaniach powtarzalnych, opisywalnych i sprawdzalnych. Jest słaby wszędzie tam, gdzie trzeba wyczuć kontekst, wziąć odpowiedzialność albo podjąć decyzję, której nikt wcześniej nie opisał.

Zła wiadomość jest taka, że agent nie zastąpi osoby, która w Twojej firmie „po prostu wie, jak to się robi". Dobra jest taka, że ta osoba prawdopodobnie traci połowę dnia na czynności, które opisać się da. I to jest materiał na pierwsze wdrożenie, a nie jej stanowisko.

Jest też trzecia kategoria, o której mało kto mówi: zadania, które agent wykona, ale nie powinien. Wszędzie tam, gdzie błąd jest kosztowny i trudny do wychwycenia, człowiek musi zostać w pętli. Wysyłka pieniędzy, komunikacja prawna, cokolwiek nieodwracalnego.

To nie jest ostrożność na wyrost, tylko cecha wdrożeń, które faktycznie działają. Z badania McKinsey State of AI wynika, że 65% firm realnie wyciągających wartość z AI ma zdefiniowany proces weryfikacji przez człowieka, wobec 23% pozostałych. Nadzór człowieka koreluje z sukcesem, a nie z hamowaniem.

Od 2 sierpnia 2026 agent musi się przedstawić

Jeśli Twój agent rozmawia z klientami, dotyczy Cię jeden konkretny przepis. Art. 50 ust. 1 AI Act każe tak zaprojektować system rozmawiający z człowiekiem, żeby ten wiedział, że po drugiej stronie jest sztuczna inteligencja. W praktyce załatwia to jedno zdanie w powitaniu, pod warunkiem, że nikt go później nie skasuje jako „nieprofesjonalnego”.

Termin jest blisko: obowiązek z ust. 1 zaczyna być stosowany 2 sierpnia 2026 r. i nie przewidziano dla niego okresu przejściowego. Co dokładnie z art. 50 zostało odroczone i do kiedy, rozbieramy w lekcji siódmej, przy danych firmowych. Osobno, od 2 lutego 2025 r., obowiązuje już art. 4 o kompetencjach AI wobec personelu podmiotów stosujących systemy AI, a kurs, który właśnie czytasz, mieści się dokładnie w tej kategorii.

Praktyczny wniosek mieści się w jednym zdaniu powitania agenta: „Jestem asystentem AI, w każdej chwili przełączę Cię do człowieka". Nic nie kosztuje, zamyka temat i przy okazji ustawia rozmówcy właściwe oczekiwania, co samo w sobie zmniejsza liczbę wpadek.

Jak to sprawdzić samemu w pięć minut

Weź zadanie, które robisz co tydzień, i zapisz je w punktach tak, jakbyś tłumaczył nowej osobie. Jeśli da się to zapisać w ośmiu krokach i każdy krok ma sprawdzalny wynik, agent sobie poradzi.

Jeśli po trzecim punkcie zaczynasz pisać „to zależy", zatrzymaj się. To nie znaczy, że zadanie nie nadaje się do automatyzacji. Znaczy, że trzeba je najpierw pokroić na mniejsze, i tym zajmiemy się w lekcji drugiej.

Zrób jeszcze drugi przebieg po tej samej liście i przy każdym kroku dopisz, jakiego narzędzia wymaga. Jeśli przy trzech z ośmiu kroków wychodzi „trzeba kogoś zapytać", masz proces do spisania, nie zadanie dla agenta. Jeśli wychodzi „otworzyć stronę", „przeczytać PDF", „dopisać wiersz do arkusza", masz kandydata i komplet skilli, które to obsłużą.