Jak wybrać pierwsze zadanie dla agenta

Dlaczego pierwsze zadanie decyduje o całej reszcie

Pierwsze wdrożenie ma jedno zadanie: udowodnić, że to działa. Nie zaoszczędzić najwięcej pieniędzy, nie zrobić wrażenia na zarządzie. Udowodnić, na czymś małym i mierzalnym.

Jeśli zaczniesz od „zautomatyzujmy obsługę klienta", po trzech tygodniach będziesz mieć system, który w połowie przypadków odpowiada dziwnie, i nikt nie będzie umiał powiedzieć, czy to sukces. Jeśli zaczniesz od „agent ma co poniedziałek zebrać ceny pięciu konkurentów do arkusza", w piątek będziesz wiedzieć, czy się udało.

Statystyka porażek jest tu bezlitosna i akurat dobrze udokumentowana. Gartner na podstawie ankiety wśród ponad 3 400 organizacji prognozuje, że ponad 40% projektów agentowej AI zostanie anulowanych do końca 2027 r., a jako powody wskazuje rosnące koszty, niejasną wartość biznesową i brak kontroli ryzyka. Badanie S&P Global pokazuje z kolei, że odsetek firm, które porzuciły większość swoich inicjatyw AI, wzrósł do 42% z 17% rok wcześniej.

Te projekty nie umierają na technologii. Autorzy raportu MIT Project NANDA, którzy przeanalizowali ponad 300 publicznie ujawnionych inicjatyw AI, piszą wprost, że problemem nie jest jakość modeli, tylko dopasowanie narzędzia do procesu firmy. Skalę tego rozjazdu pokazujemy liczbami w lekcji ósmej, o mierzeniu efektu. Tutaj wystarczy wniosek: dobór zadania jest pierwszym miejscem, w którym da się to przegrać, i najtańszym do poprawienia.

Cztery kryteria dobrego pierwszego zadania

Sprawdź kandydata pod kątem czterech rzeczy. Jeśli któraś nie wychodzi, nie skreślaj zadania, tylko odłóż je na później.

To nie są punkty do zsumowania. Trzy na cztery nie oznacza, że jest dobrze, bo każde z tych kryteriów blokuje coś innego. Brak powtarzalności zabiera zwrot z konfiguracji. Brak sprawdzalności zabiera pętlę poprawiania, więc nie wiesz, czy zmiana w promptcie pomogła. Wysoka cena błędu zamienia eksperyment w ryzyko. Brak właściciela sprawia, że nie ma kogo zapytać, czy wynik jest dobry.

Najczęściej odpada kryterium drugie, i to w sposób podstępny. Zadanie wygląda na sprawdzalne, dopóki nie poprosisz dwóch osób o ocenę tej samej odpowiedzi agenta i nie usłyszysz dwóch różnych zdań. Zrób ten test wcześniej niż konfigurację.

• Powtarzalność. Wykonuje się co najmniej raz w tygodniu. Rzadsze zadania nie zwrócą czasu włożonego w konfigurację.
• Sprawdzalność. Patrzysz na wynik i w mniej niż minutę wiesz, czy jest dobry. Bez tego nie da się poprawiać.
• Niska cena błędu. Gdy agent się pomyli, poprawka kosztuje minutę, a nie klienta.
• Jeden właściciel. Jest jedna osoba, która dziś to robi i umie powiedzieć jednym zdaniem, jak ma wyglądać dobry wynik.

Policz, ile to zadanie jest naprawdę warte

Zanim cokolwiek skonfigurujesz, przelicz kandydata na złotówki. To zajmuje pięć minut i rozstrzyga więcej dyskusji niż godzina spotkania.

Podstawa jest publiczna. GUS podaje, że przeciętne miesięczne wynagrodzenie brutto w sektorze przedsiębiorstw wyniosło w czerwcu 2026 r. 9 401,58 zł, przy wzroście o 5,9% rok do roku. Wymiar czasu pracy na pełnym etacie w 2026 r. to 251 dni roboczych, czyli 2008 godzin, a więc średnio 167,3 godziny miesięcznie. Z tego wychodzi około 56 zł brutto za godzinę.

Do tego doliczasz składki finansowane przez pracodawcę ponad wynagrodzenie brutto, łącznie około 20,5%, a rozbicie na pięć pozycji znajdziesz w lekcji ósmej, tam, gdzie ta liczba służy do rozliczenia wdrożenia. Godzina pracy przeciętnego etatu kosztuje więc firmę mniej więcej 68 zł. Jedna godzina tygodniowo to 52 godziny rocznie, a to już około 3 500 zł.

Teraz masz konkretną liczbę do zestawienia z kosztem wdrożenia i abonamentu. Zadanie zajmujące dwie godziny tygodniowo to około ośmiu godzin miesięcznie i mniej więcej 6 800 zł rocznie, a to jest próg, poniżej którego pierwsze wdrożenie zwykle nie zwraca włożonej pracy. Ten sam próg wraca w lekcji o mierzeniu efektu, więc zapamiętaj go teraz: osiem godzin miesięcznie. Zadanie na dziesięć minut miesięcznie warte jest około 140 zł rocznie, więc nie ma o czym rozmawiać, choćby technicznie było najprostsze.

Zadania, od których lepiej nie zaczynać

Kilka kategorii wygląda kusząco i regularnie kończy się zniechęceniem. Nie dlatego, że są niemożliwe. Dlatego, że są złym pierwszym krokiem.

Pierwsza: wszystko, co dotyka pieniędzy klienta bez akceptacji człowieka. Druga: zadania, w których „dobra odpowiedź" zależy od wyczucia, na przykład odpowiedzi na trudne reklamacje. Trzecia: procesy, których nikt nie potrafi opisać, bo żyją w głowie jednej osoby. Ten ostatni przypadek jest najbardziej podstępny, bo wygląda na idealnego kandydata do automatyzacji, a w rzeczywistości najpierw wymaga spisania procesu.

Jest też czwarta, o której mówi się rzadko: zadania, które i tak nikogo nie bolą. Automatyzacja czegoś, co zajmuje dziesięć minut miesięcznie, jest technicznie łatwa i kompletnie bez znaczenia. Nikt tego nie zauważy, więc projekt nie dostanie ciągu dalszego.

I piąta, najbardziej dziś kosztowna: zadania oparte na danych, których nie da się dostać w powtarzalnej formie. Gartner szacował, że do 2026 r. organizacje porzucą 60% projektów AI niezasilanych danymi gotowymi pod AI, a w jego badaniu 63% firm nie miało odpowiednich praktyk zarządzania danymi albo nie wiedziało, czy je ma. Jeśli wejście do procesu trzeba za każdym razem zdobywać inaczej, agent tego nie naprawi.

Pokrój zadanie na kroki i narzędzia

Gdy masz już kandydata, rozpisz go na kroki i przy każdym dopisz, czego wymaga: otworzenia strony, przeczytania załącznika, dopisania wiersza w arkuszu, wysłania wiadomości. Ta lista jest ważniejsza niż wybór modelu, bo od razu pokazuje, czy zadanie w ogóle da się wykonać dostępnymi narzędziami.

Sprawdź przy tym, czy ktoś nie zrobił tego przed Tobą. Osiem gotowych szablonów agenta w ClawLabs pokrywa najczęstsze role, czyli asystent osobisty, researcher, obsługa klienta, analityk danych, HR, sprzedaż, a w bibliotece inspiracji leżą gotowe prompty na poranny briefing czy tygodniową analizę konkurencji. Start od cudzego szkicu nie jest oszustwem, tylko oszczędnością dwóch wieczorów.

Ma to zresztą pokrycie w danych. Z raportu MIT Project NANDA wynika, że rozwiązania kupione od zewnętrznego dostawcy dochodziły do wdrożenia produkcyjnego w około 67% przypadków, a narzędzia budowane wewnętrznie od zera tylko w 33%. Budowanie własnego od podstaw wypada dwa razy gorzej, i to jest argument za tym, żeby pierwszy raz zrobić na gotowcu.

• Wejście: skąd przychodzi materiał, w jednym miejscu i jednym formacie.
• Kroki: maksymalnie osiem, każdy zaczyna się od czasownika.
• Narzędzie przy każdym kroku: przeglądarka, czytnik PDF, arkusz, wysyłka wiadomości.
• Wyjście: jedno miejsce, w którym ląduje wynik, i jedno zdanie o tym, jak wygląda dobry wynik.

Ćwiczenie: znajdź swoje zadanie w kwadrans

Weź kartkę i wypisz wszystko, co robiłeś w zeszłym tygodniu więcej niż raz. Nie filtruj, po prostu wypisz. Zwykle wychodzi od piętnastu do trzydziestu pozycji.

Teraz przy każdej pozycji postaw znak zapytania, jeśli wynik jest oceniany subiektywnie, i wykrzyknik, jeśli błąd byłby kosztowny. Zostaw tylko pozycje bez żadnego znaku, dopisz do nich liczbę minut tygodniowo i przelicz na złotówki po stawce z sekcji trzeciej. To Twoja lista kandydatów z ceną.

Z niej wybierz tę, która zajmuje najwięcej czasu. Nie najciekawszą technicznie, tylko najbardziej męczącą. Męcząca ma przewagę: gdy zniknie, każdy to poczuje, a to jest paliwo na drugie wdrożenie.

Zaplanuj, co się stanie po pierwszym sukcesie

Pierwsze zadanie ma sens tylko wtedy, gdy ma ciąg dalszy, a właśnie na tym etapie wdrożenia najczęściej się kończą. To samo badanie S&P Global pokazuje, że przeciętna organizacja skasowała 46% swoich proof of concept, zanim dotarły do produkcji, a jako główne przeszkody wskazywano koszt, prywatność danych i bezpieczeństwo.

Zabezpieczasz się przed tym trzema rzeczami zapisanymi z góry. Po pierwsze, jedna liczba przed startem: ile minut tygodniowo zajmuje to dziś i kto ją zmierzył. Po drugie, data przeglądu, najlepiej za dwa tygodnie, z nazwiskiem osoby, która porówna wynik z tą liczbą. Po trzecie, decyzja podjęta wcześniej: co robicie, jeśli nie wyjdzie, czyli kasujecie i bierzecie następne zadanie z listy, zamiast poprawiać w nieskończoność.

Największa różnica między firmami, które wyciągają z AI wartość, a resztą, leży w przebudowie procesu wokół narzędzia. Według McKinsey 55% organizacji osiągających wysokie wyniki z AI fundamentalnie przeprojektowało przepływy pracy, wobec 20% pozostałych. Agent podpięty do procesu, którego nikt nie ruszył, powiela to, co było, tylko szybciej, i wtedy nikt nie umie wskazać, gdzie właściwie jest oszczędność.