best4You
Marketing i media

Agenci AI wchodzą do zarządów i zespołów marketingowych. Co decyduje o tym, że zadziałają naprawdę?

Obraz wiodący artykułu: Agenci AI wchodzą do zarządów i zespołów marketingowych. Co decyduje o tym, że zadziałają naprawdę?

Autor: Redakcja best4You

Sztuczna inteligencja przestaje być tylko narzędziem do generowania treści. Coraz częściej staje się agentem, któremu powierzamy wieloetapowe zadania – od analizy ankiet pracowniczych po przygotowanie prezentacji dla klienta. Ale między efektownym demem a niezawodnym rozwiązaniem wciąż zieje przepaść. Pokazują to zarówno badania psychologiczne, jak i doświadczenia firm, które testują agentów na własnej skórze. Kluczowe okazują się trzy rzeczy: symulacje przed wdrożeniem, świadomość psychologicznych konsekwencji kontaktu z AI oraz zachowanie ludzkiego czynnika w zespołach.

Kiedy prezes Databricks, Ali Ghodsi, pokazuje dziennikarzowi, jak korzysta z wewnętrznego agenta AI, nie odpala kolejnej prezentacji produktu. Otwiera własnego agenta i pokazuje ostatnie rozmowy oraz wykresy. Agent analizuje wyniki ankiety satysfakcji pracowników w obszarach, gdzie firma wypada słabo, ocenia – i odrzuca – część rozwiązań zaproponowanych przez kierownictwo. Podsumowuje też nieudaną prezentację sprzedażową, wskazując, jakich funkcji klient oczekiwał przed zakupem. Przygotowuje Ghodsiemu pytania przed wywiadem podcastowym, przeglądając jego wcześniejsze wystąpienia.
To, co najciekawsze, to po co to wszystko robi. Ghodsi używa agenta, żeby usłyszeć to, czego jako szef firmy z dwunastoma tysiącami pracowników raczej już nie usłyszy. W małym startupie prezes zna wszystkich osobiście i ludzie mogą mu powiedzieć nieprzyjemną prawdę w cztery oczy. Powyżej około stu pięćdziesięciu osób – jak wynika z koncepcji liczby Dunbara opisanej przez brytyjskiego antropologa – takie bezpośrednie relacje przestają być możliwe. Sprzedawca nie wyzna dobrowolnie prezesowi katastrofalnej rozmowy z klientem. Kierownik HR nie przyzna się, że jego pomysł na poprawę satysfakcji pracowników prawdopodobnie nie zadziała. Agent, analizujący dane, których człowiek nie chce lub nie może usłyszeć, staje się źródłem niezafałszowanej informacji o tym, co w organizacji naprawdę szwankuje.
Ten przykład dobrze pokazuje, dokąd zmierza rynek: agenci AI przestają być ciekawostką demonstracyjną, a stają się częścią infrastruktury zarządczej. Firmy coraz chętniej powierzają im wieloetapowe zadania wykonywane bez nadzoru – od analizy danych po przygotowanie materiałów dla klientów. Ale jednocześnie badania pokazują, że agenci wciąż dalecy są od pełnej niezawodności. W teście LiveBench 2.0 najlepsze modele rozwiązywały około 83 na 100 złożonych zadań, a w symulowanym środowisku korporacyjnym przygotowanym przez firmę EON najlepszy przetestowany model osiągnął dokładność na poziomie niecałych 77 procent. To oznacza, że co czwarta, co piąta próba kończy się błędem.
Właśnie dlatego startup Plurai, który zebrał 13 milionów dolarów na rozwój, proponuje podejście zapożyczone z samochodów autonomicznych. Jego założyciele wcześniej pracowali przy technologiach jazdy autonomicznej, w tym przy współpracy z Waymo, gdzie symulowano działanie oprogramowania sterującego pojazdami. Teraz stosują tę samą metodę do agentów AI: budują cyfrowego bliźniaka systemów informatycznych firmy – bazy wiedzy, narzędzi, do których agent będzie miał dostęp – i na tej podstawie mapują wszystkie możliwe ścieżki działania, generując dane syntetyczne do testowania skrajnych przypadków. Agent, który rezerwuje podróże, może przy nacisku klienta zignorować politykę wydatków firmy. Agent, który dobrze radzi sobie z jedną bazą danych, gubi się, gdy trzeba połączyć informacje z kilku źródeł. Długa rozmowa z botem obsługi klienta może przeładować agenta kontekstem i sprowadzić go na manowce. Symulacje mają wyłapać te przypadki, zanim agent trafi do produkcji.
Plurai idzie też dalej: zamiast polegać wyłącznie na dużych modelach zamkniętych, firma post-trenuje mniejsze modele open-weight dostosowane do konkretnych potrzeb klienta. W testach prowadzonych we współpracy z Nvidią i Nebius takie modele przewyższały jakościowo modele średniej klasy, jednocześnie obniżając koszty o rząd lub dwa rzędy wielkości. To ważne dla firm, które próbują zapanować nad wydatkami na AI – wielu dyrektorów IT przyznaje, że najpotężniejsze modele są poza zasięgiem ich konkretnych danych, a ich koszt długoterminowo jest nie do utrzymania.
Ale niezawodność techniczna to tylko jedna strona medalu. Coraz więcej uwagi poświęca się temu, co dzieje się z człowiekiem, gdy coraz głębiej wchodzi w kontakt z AI. W Instytucie Psychologii Polskiej Akademii Nauk ruszył właśnie wieloletni projekt AI PSYCHE, finansowany przez Ministerstwo Nauki i Szkolnictwa Wyższego, który potrwa do końca 2030 roku. Naukowczynie z Laboratorium Poznania Politycznego przyglądają się różnym sposobom korzystania z chatbotów i ich związkom z dobrostanem psychicznym, relacjami społecznymi, procesami poznawczymi oraz sposobem postrzegania świata politycznego.
Chodzi o pytania, które w marketingu i mediach mają bezpośrednie znaczenie praktyczne: jak korzystanie z AI wiąże się z zaufaniem do instytucji, podatnością na dezinformację, postawami wobec demokracji czy stosunkiem do osób o odmiennych poglądach? Sztuczna inteligencja staje się bowiem nowym uczestnikiem obiegu informacji, w którym kształtują się opinie i postawy polityczne – a więc także wizerunek marek i sposób, w jaki odbiorcy odbierają komunikaty marketingowe. Badaczki z PAN zwracają uwagę, że o AI mówi się dziś głównie w kontekście możliwości technologicznych i rynku pracy, znacznie rzadziej pytając, co jej obecność oznacza dla naszego funkcjonowania psychologicznego i społecznego.
Trzeci wymiar to czynnik ludzki w zespołach, które pracują z AI. Dobrze pokazują to zawody European Rover Challenge, gdzie studenckie zespoły budują łaziki marsjańskie i drony. Organizator zawodów podkreśla, że sama technologia nie wystarcza, żeby wygrać: w pierwszym dniu często okazuje się, że pojazd, który na papierze działał, zawisł na skale, bo miał zbyt mały prześwit. Potrzebna jest zdolność adaptacji, jasny podział ról i sprawna komunikacja – jeśli w trudnym momencie członkowie zespołu zaczynają się kłócić, tracą czas. O wyniku decyduje zarówno technologia, jak i umiejętności miękkie, które celowo wlicza się do oceny: można mieć świetną konstrukcję, ale stracić punkty przez słabszą prezentację przed jurorami czy nieumiejętność odpowiedzi na trudne pytania.
Ciekawy wątek pojawia się też, gdy firmy zaczynają wykorzystywać AI do wspierania pracy zespołowej. Honda Research Institute, partner ERC, pracuje nad narzędziami AI dla złożonych, interdyscyplinarnych zespołów, w których członkowie pochodzą z różnych kultur i inaczej podchodzą do tych samych problemów – inaczej Japończycy, inaczej przedstawiciele Afryki czy Ameryki Południowej. Celem jest opracowanie rozwiązań, które pomogą zrozumieć te różnice i lepiej współpracować. W tegorocznej edycji zawodów Honda wprowadziła też specjalną konkurencję oceniającą kreatywność – odchodzenie od utartych schematów, na przykład gdy zespół rezygnuje z klasycznej wysokiej kamery na maszcie, bo utrudnia ona pokonywanie wzniesień, i umieszcza ją na manipulatorze. Kreatywność techniczna, rozumiana jako umiejętność radzenia sobie ze złożonymi problemami, gdy znany schemat nie działa, okazuje się równie ważna jak sama autonomia maszyny.
Warto też zauważyć, że autonomia systemów wizyjnych rośnie z roku na rok – łaziki coraz lepiej radzą sobie samodzielnie z jazdą w terenie i rozpoznawaniem obiektów, podobnie jak drony, gdzie z pełnej autonomii korzysta już kilkanaście zespołów zamiast trzech kilka lat temu. Ale zadania wymagające dużej precyzji, jak naprawa reaktora czy wiercenie, wciąż częściej polegają na wspomaganiu operatora lub wręcz na ręcznym sterowaniu. Maszyny przejmują to, co ryzykowne lub monotonne, ludzie zajmują się nadzorem, podejmowaniem decyzji w niestandardowych sytuacjach i kreatywnym rozwiązywaniem problemów.
Ten sam wzorzec widać w zastosowaniach ziemskich. Technologie rozwijane z myślą o kosmosie schodzą na Ziemię: mobilne platformy mogą monitorować kopalnie i wykrywać trujące gazy w miejscach, gdzie nie powinno się wysyłać ludzi – KGHM prowadził już testy takich rozwiązań. W australijskich kopalniach ogromne maszyny pracują autonomicznie, a kilkunastoosobowa załoga nadzoruje je z centrum przypominającego laboratorium. Przemysł wydobywczy idzie w kierunku, w którym człowiek zajmuje się nadzorem, obsługą i serwisem, a maszyny przejmują zadania niebezpieczne.
Co z tego wynika dla marketingu i mediów? Agenci AI będą coraz częściej wykonywać za nas wieloetapową pracę: analizować dane kampanii, przygotowywać warianty komunikatów, odpowiadać na zapytania klientów, monitorować konkurencję. Ale żeby powierzyć im takie zadania bez ryzyka, że co piąta próba skończy się wpadką, warto najpierw przetestować ich w symulowanym środowisku – podobnie jak robi się to przy samochodach autonomicznych. Warto też pamiętać, że AI staje się uczestnikiem obiegu informacji, w którym odbiorcy kształtują swoje opinie o markach, produktach i świecie – i że ten kontakt ma konsekwencje psychologiczne, które dopiero zaczynamy badać. I wreszcie: nawet najlepszy agent nie zastąpi zespołu, który potrafi komunikować się pod presją, dzielić role i myśleć kreatywnie, gdy standardowe rozwiązanie zawodzi. W marketingu, podobnie jak w inżynierii, technologia daje narzędzia, ale to człowiek decyduje, jak z nich skorzystać.

Powiązane branże

Źródła

  1. Naukowczynie PAN zbadają psychologiczne konsekwencje kontaktu człowieka z AI Nauka w Polsce (PAP) · 07.11.2026
  2. Plurai wants to help AI agents work better using the same approach that helped get self-driving cars to roads TechCrunch · 11.11.2026
  3. Organizator ERC: zawody łazików coraz mocniej zwracają się ku Księżycowi Nauka w Polsce (PAP) · 15.09.2026
  4. Databricks’ new AI agent tells CEO Ali Ghodsi the unvarnished truth TechCrunch · 11.11.2026