Agent AI, asystent czy chatbot? Ten podział właśnie się kończy

Poniedziałek, kwadrans po ósmej. Pani Marta z biura rachunkowego otwiera skrzynkę i pierwszy mail tygodnia jest od pana Tomasza, który prowadzi hurtownię materiałów budowlanych. "Dzień dobry, nie widzę faktury za wrzesień, a do tego chyba czegoś Wam nie wysłałem. Pozdrawiam." Dwa zdania, zero szczegółów i typowy poniedziałek w biurze, które obsługuje kilkadziesiąt firm.

Ten jeden mail przepuścimy dziś przez wszystko, co sprzedawcy wrzucają do jednego worka z napisem AI. Przez chatbota, przez asystenta i przez agenta. Oferty, które dostajesz, używają tych trzech słów tak, jakby opisywały trzy różne maszyny, i jeszcze trzy lata temu tak było. Chatbot był drzewkiem gotowych odpowiedzi, asystent okienkiem do rozmowy z modelem, a agent eksperymentem badawczym. Dziś pod każdym z tych szyldów pracuje ten sam silnik, czyli model językowy, który potrafi wywołać narzędzie, przeczytać wynik i zdecydować, co dalej. Różnica nie siedzi w technologii. Siedzi w tym, ile razy model może się odezwać, zanim odda Ci wynik, i co mu wolno przy tym zmienić w Twojej firmie. Wdrażamy takie systemy od kilku lat i mamy z tego jedną niewygodną obserwację. Spora część tego, co na polskim rynku sprzedaje się jako agent, to chatbot z lepszym działem marketingu, a spora część tego, co nazywa się skromnie asystentem, to agent, któremu tylko skrócono smycz.

Dlatego ten tekst pokaże Ci dwa prawdziwe podziały zamiast trzech marketingowych pudełek. Pierwszy jest techniczny i brzmi "jedno wywołanie czy pętla". Drugi jest biznesowy i brzmi "co systemowi wolno". Na końcu dostaniesz mapę narzędzi, od Make i n8n po Claude Code i OpenClaw, ułożoną według tych dwóch osi. Słowa chatbot, asystent i agent zostaną, bo tak mówi rynek, ale po lekturze będziesz wiedzieć, co naprawdę kupujesz. Jedna uwaga o nazwach. Po polsku to sztuczna inteligencja, czyli SI, a w wyszukiwarkę wpisujesz AI. Piszemy AI, bo tak szukasz, a pan Tomasz i tak nie zauważy różnicy.

Chatbot, czyli jedno wywołanie modelu i to, co da się do niego dokręcić

Jeden strzał: ekspert za szybą

Zacznijmy od tego, co dzieje się w środku, kiedy zadajesz modelowi językowemu pytanie. Model dostaje tekst, czyli Twoje pytanie razem z instrukcją od twórcy systemu (system promptSystem promptStała instrukcja od twórcy systemu, którą model dostaje przed każdym pytaniem: kim jest, jak ma odpowiadać i czego mu nie wolno.), i generuje jedną odpowiedź. Koniec. Nie sprawdza niczego, nie dzwoni nikomu, nie wraca do tematu. Inżynierowie nazywają to jednym strzałem (single shotSingle shot, single-turnJedno wywołanie modelu. Pytanie i instrukcja wchodzą, jedna odpowiedź wychodzi. Model nie używa narzędzi, nie sprawdza wyniku i nie wraca do sprawy.). To tak, jakbyś zadał pytanie ekspertowi przez szybę. Odpowie z tego, co ma w głowie, i odejdzie. Najprostszy chatbot na stronie to dokładnie to. Pytanie, odpowiedź, następne pytanie, następna odpowiedź, bez pamięci o systemach firmy i bez żadnego działania poza tekstem.

Strzał ze ściągą: ktoś podaje właściwą stronę

Do takiego pojedynczego strzału da się dokręcić procedurę, którą ktoś ustalił z góry. Najczęstsza nazywa się RAG (Retrieval-Augmented GenerationRAG, Retrieval-Augmented GenerationGenerowanie wspomagane wyszukiwaniem. Zanim model odpowie, system wyszukuje w bazie wiedzy fragmenty pasujące do pytania i dokleja je do promptu. Model dostaje ściągę, ale nadal odpowiada jednym strzałem.) i polega na tym, że zanim model odpowie, system wyszukuje w Twojej bazie wiedzy, najczęściej w bazie wektorowej (vector databaseBaza wektorowa, vector databaseBaza, która przechowuje teksty jako wektory, czyli ciągi liczb opisujących znaczenie. Pozwala znaleźć fragmenty podobne znaczeniowo do pytania, nawet gdy nie zawierają tych samych słów.), fragmenty pasujące do pytania i podsuwa je modelowi jako kartkę ze ściągą. Ekspert za szybą dostaje do ręki właściwą stronę z regulaminu i dopiero wtedy odpowiada. Inna procedura to odczyt przez API (APIAPI, Application Programming InterfaceInterfejs, przez który jeden program pyta drugi o dane albo zleca mu działanie, na przykład sprawdzenie statusu zamówienia w sklepie. Jedno żądanie, jedna odpowiedź.). Klient podaje numer zamówienia, system jednym zapytaniem sprawdza status w sklepie i model układa z tego zdanie. Technicznie to wciąż jedno wywołanie modelu, tylko z lepszym wsadem. Dokładnie tak działa dobry informator na stronie e-commerce, który zna parametry produktów, dostępność i politykę zwrotów, oraz chatbot, który odpowiada na "gdzie jest moja paczka", a to w sklepach internetowych jedno z najczęstszych pytań do obsługi.

Flow: kilka strzałów po ścieżce narysowanej przez człowieka

Trzeci wariant chatbota to kilka takich strzałów połączonych ścieżką, którą ułożył człowiek. W Make, n8n albo Zapierze rysujesz kroki. Najpierw model klasyfikuje zgłoszenie, potem system dopytuje o model urządzenia i opis usterki, potem model streszcza rozmowę, a na końcu zakłada zgłoszenie w Twoim systemie serwisowym i wysyła potwierdzenie. Model pracuje w kilku miejscach, ale o kolejności kroków decyduje osoba, która narysowała ten diagram, a nie model w trakcie rozmowy. W żargonie to workflowWorkflowPrzepływ pracy, w którym kolejność kroków jest zapisana z góry w kodzie albo na diagramie. Model wypełnia luki, ale o następnym kroku decyduje autor ścieżki, nie model., a Anthropic opisuje go jako system, w którym "modele i narzędzia są orkiestrowane przez z góry zdefiniowane ścieżki kodu". To najczęstsza i najtańsza forma automatyzacji z udziałem AI, jaka działa dziś w firmach, i nie jest gorszym bratem agenta. Jest przewidywalna, łatwa do przetestowania i wie dokładnie, czego nie wolno jej zrobić, bo nikt nie narysował takiej strzałki. Jak budujemy takie przepływy, opisujemy na stronie o automatyzacji procesów.

Gdzie czat wystarcza, a gdzie tylko irytuje

Wróćmy do pani Marty. Chatbot w każdej z trzech odmian odpowie panu Tomaszowi uprzejmie i bez błędu. Powie, że faktury za usługi biuro wysyła do piątego dnia miesiąca, podsunie listę dokumentów do zamknięcia miesiąca, a w wariancie z odczytem sprawdzi nawet, że faktura wyszła trzeciego października. Wszystko się zgadza i nic nie zostało załatwione, bo nikt nie zaprojektował ścieżki dla przypadku "faktura wyszła, ale na stary adres". Mail wyląduje u pani Marty, tyle że godzinę później i z bardziej zdenerwowanym nadawcą. I to jest w porządku, jeśli tego oczekujesz. Chatbot ma sens wszędzie tam, gdzie pytania się powtarzają, odpowiedzi są stałe, a konsekwencje pomyłki kończą się na drugim mailu od klienta. Godziny pracy, regulaminy, informacja o produkcie, status paczki, pierwsza linia zgłoszeń serwisowych, kwalifikacja zapytania handlowego przed oddzwonieniem. Również branże, w których świadomie nie dajesz maszynie prawa zapisu, bo decyzję ma podjąć człowiek, a w finansach, zdrowiu i prawie to częstsze, niż sugerują oferty.

Jest też prosty test, który warto zrobić na prezentacji handlowej. Zapytaj, co zmieni się w Twoim systemie fakturowym po rozmowie klienta z tym narzędziem i kto o tej zmianie zdecydował, model czy osoba rysująca diagram. Jeżeli nic się nie zmieni albo zmieni się tylko to, co ktoś narysował z góry, oglądasz chatbota, niezależnie od tego, co jest napisane na slajdzie.

Agent, czyli pętla. Asystent to ten sam agent na krótkiej smyczy

Pętla: ekspert dostaje telefon i klucze

Agent zaczyna się w momencie, w którym model przestaje odpowiadać raz, a zaczyna pracować w pętli (agent loopAgent loop, pętla agentowaModel dostaje cel, wywołuje narzędzie, czyta wynik, decyduje o kolejnym kroku i powtarza to, aż uzna zadanie za wykonane albo odda je człowiekowi.). Dostaje cel, nie pytanie. Sam decyduje, jakie narzędzie wywołać (tool callingTool calling, function callingMechanizm, w którym model zamiast odpowiedzi tekstowej zwraca polecenie wywołania narzędzia, na przykład zapytania do systemu fakturowego. Program je wykonuje i odsyła wynik modelowi.), czyta wynik, decyduje o kolejnym kroku, znów czyta, poprawia się, a kończy dopiero wtedy, gdy uzna, że sprawa jest załatwiona albo że trzeba oddać ją człowiekowi. OpenAI w swoim przewodniku dla firm pisze wprost, że proste chatboty i modele odpowiadające jednym zwrotem nie są agentami, a pętla "jest centralna dla działania agenta". Anthropic definiuje agenta jako model, który "używa narzędzi w pętli na podstawie informacji zwrotnej ze środowiska". Ten schemat opisała w 2022 roku praca ReAct (ReActReAct, Reason + ActPraca naukowa z 2022 roku, która pokazała, że model radzi sobie lepiej, gdy na przemian rozumuje i działa: myśli, wywołuje narzędzie, czyta wynik i myśli dalej. Fundament dzisiejszych pętli agentowych.). Ekspert za szybą dostaje telefon i klucze.

Teraz mail pana Tomasza trafia do agenta, który ma dostęp do systemu fakturowego, systemu księgowego i skrzynki biura. Agent nie szuka gotowej odpowiedzi. Pyta system fakturowy i widzi, że faktura za wrzesień wyszła trzeciego października, ale na stary adres e-mail, bo pan Tomasz zmienił go w sierpniu i nowy adres trafił tylko do jednego z systemów. Pyta system księgowy i widzi, że za wrzesień brakuje wyciągu z rachunku walutowego, z którego hurtownia płaci dostawcom z Niemiec. Wysyła fakturę ponownie na właściwy adres, poprawkę danych przygotowuje do akceptacji pani Marty, do pana Tomasza pisze krótko, czego brakuje, a sobie ustawia sprawdzenie na czwartek, bo do rozliczenia VAT zostaje wtedy bezpieczny zapas. Jedną rzecz zostawia człowiekowi. Wśród faktur kosztowych jest zakup, który wygląda na prywatny, i agent nie rozstrzyga sam, czy to koszt firmy. Nikt nie narysował mu tej ścieżki. Sam ją ułożył z celu "zamknij wrzesień dla hurtowni pana Tomasza" i z narzędzi, które dostał. Podobnie działa Asystent księgowy, którego wdrożyliśmy w biurze rachunkowym obsługującym wiele firm, i to księgowe, nie programista, ustalają tam reguły jego pracy.

Asystent, czyli ten sam agent na krótkiej smyczy

Tu dochodzimy do słowa "asystent", które w ofertach robi najwięcej zamieszania. ChatGPT, Claude, Gemini i Copilot nazywane są asystentami, a technicznie są dziś agentami. Każdy z nich sam decyduje, czy odpowiedzieć z pamięci, czy wyszukać w sieci, uruchomić kod, przeczytać Twój plik, a potem sprawdza wynik i próbuje dalej. Copilot w Excelu i Wordzie od wiosny 2026 pracuje domyślnie w pętli "popraw i sprawdź, aż wynik się zgadza". OpenAI poszło o krok dalej i w sierpniu 2026 wygasiło swój interfejs programistyczny o nazwie Assistants, zastępując go zestawem do budowy agentów. Asystent jako osobna technologia przestał istnieć nawet w nazewnictwie firmy, która go wymyśliła. To, co odróżnia asystenta od agenta z poprzedniego akapitu, nie jest silnikiem. Jest smyczą. Asystent pracuje na koncie jednej osoby, która siedzi przy klawiaturze. Nie ma kluczy do systemu fakturowego Twojej firmy albo ma tylko prawo odczytu. I nic nie wychodzi na zewnątrz bez kliknięcia człowieka. Kiedy pani Marta wkleja mail pana Tomasza do ChatGPT i dostaje piękną odpowiedź, agent wykonał pętlę w swojej głowie, ale sprawdzenie faktury, przejrzenie dokumentów i czwartkowe przypomnienie wciąż należą do niej. Stażysta, nawet najzdolniejszy, nie ma przepustki do żadnego pokoju poza Twoim. Dla porządku, pełny tryb agenta w ChatGPT i Gemini, w którym model dostaje własny komputer i przeglądarkę, trzeba włączyć ręcznie i jest limitowany. Ta sama firma sprzedaje Ci więc asystenta i agenta w jednym okienku, a różnicą jest przełącznik.

Dlatego od tego miejsca piszemy o asystencie tylko tam, gdzie cytujemy rynek. Kiedy wyjaśniamy, czym jest, piszemy "agent na krótkiej smyczy", bo to jedyne uczciwe określenie. Smycz ma zresztą nie dwie długości, a wiele. Narzędzia agentowe dla programistów, Codex od OpenAI i Claude Code od Anthropic, mają wbudowane tryby uprawnień (permission modesPermission modes, tryby uprawnieńUstawienie, co agent może zrobić bez pytania: tylko czytać, pisać w jednym katalogu i pytać o każde polecenie, albo działać bez ograniczeń.). Mogą tylko czytać, mogą pisać w jednym katalogu i pytać o każde polecenie, mogą też dostać pełny dostęp bez pytań. Ten sam agent, trzy smycze, a każdą z nich sprzedałby Ci ktoś pod inną nazwą.

Co kosztuje pętla, a co kosztuje samodzielność

Skąd więc różnica w cenie, skoro silnik jest ten sam? Z liczby wywołań. Jedno pytanie do chatbota to jedno wywołanie modelu i kilka tysięcy tokenów (tokensTokenyJednostki, na które model dzieli tekst, mniej więcej trzy do czterech znaków polskiego tekstu. Dostawcy modeli liczą koszt od liczby tokenów wejścia i wyjścia.), czyli w przeliczeniu grosze. Agent przy mailu pana Tomasza wywołuje model kilkanaście albo kilkadziesiąt razy, a przy każdym wywołaniu model czyta od nowa całą dotychczasową historię sprawy razem z odpowiedziami systemów, czyli swoje okno kontekstu (context windowContext window, okno kontekstuCała treść, którą model widzi przy jednym wywołaniu: instrukcja, historia rozmowy i wyniki narzędzi. Przy każdym kroku pętli jest przesyłana i opłacana od nowa.). Anthropic policzył na własnych systemach, że agent zużywa około czterech razy więcej tokenów niż zwykła rozmowa. Płacisz za każdy telefon eksperta, a nie za jego odpowiedź przez szybę. Dochodzi druga cena, o której oferty mówią najmniej, czyli cena samodzielności. Agent, który może wysłać maila do klienta i zmienić coś w systemie, może też wysłać złego maila i zmienić złą rzecz, szybciej i w większej skali niż stażysta. Dlatego dobre wdrożenie agenta to w dużej części praca nad tym, do czego ma dostęp, które decyzje podejmuje sam, przy których musi zapytać, i jak zapisuje każdy krok, żeby dało się go odtworzyć. O ograniczaniu pomyłek modeli pisaliśmy w tekście o halucynacjach agenta AI, a o stopniowym budowaniu zaufania w eksperymencie, w którym oddaliśmy agentowi 5 procent budżetu reklamowego. Agent jest też dokładnie tak dobry jak dane, do których go podłączysz. U pana Tomasza stary adres wyszedł na jaw, bo agent porównał dwa systemy i zauważył, że się nie zgadzają. Gdyby oba miały ten sam błąd, wysłałby fakturę w próżnię z pełnym przekonaniem i jeszcze odnotował sukces.

Roje, czyli kiedy jeden agent to za mało

Prowadzący i roboczy, czyli orkiestracja

Jest jeszcze jeden poziom wyżej i to tam dzieje się dziś najwięcej. Kiedy zadanie jest za duże na jedną pętlę, na przykład trzeba przejrzeć sto umów, porównać je z regulaminem i przygotować raport dla trzech działów, jeden agent nie zmieści tego w głowie, bo każda jego pętla czyta całą historię od nowa. Wtedy agent prowadzący dzieli pracę na części i oddaje je innym agentom, każdy pracuje w swoim własnym kontekście, a prowadzący składa wyniki. Anthropic nazywa ten wzorzec orchestrator-workersOrchestrator-workersWzorzec, w którym jeden model dzieli zadanie na części, deleguje je modelom roboczym i składa ich wyniki. U Anthropic to jeszcze workflow, jeśli kolejność ustala kod, a agent, gdy prowadzący sam decyduje, kogo powołać. i opisuje go jako sytuację, w której "centralny model dynamicznie rozbija zadanie, deleguje je modelom roboczym i syntetyzuje ich wyniki". Tak działa tryb Research w Claude, gdzie jeden model prowadzi, a kilka mniejszych szuka równolegle, i tak powstał ten artykuł, bo zanim go napisaliśmy, trzy osobne agenty przejrzały trzynaście polskich tekstów konkurencji, dwadzieścia kilka źródeł anglojęzycznych i dokumentację kilkunastu narzędzi, a my dostaliśmy tylko ich raporty.

Nadzorcy: oceniający, strażnik i sędzia

Rój nie musi składać się z równych sobie agentów i to jest najciekawsza część. Obok tych, którzy wykonują pracę, stawia się agentów do wąskich zadań nadzorczych. Jeden ocenia wynik i odsyła go do poprawki, Anthropic nazywa to evaluator-optimizerEvaluator-optimizerWzorzec dwóch modeli: jeden generuje wynik, drugi go ocenia i odsyła uwagi, aż wynik spełni kryteria. Pętla poprawek bez człowieka., czyli "jedno wywołanie generuje odpowiedź, a drugie dostarcza ocenę i informację zwrotną w pętli". Inny jest strażnikiem i sprawdza każde wejście albo każdą akcję, zanim się wykona, a jeśli coś mu się nie podoba, zatrzymuje całość. W zestawie OpenAI do budowy agentów taki strażnik nazywa się guardrailGuardrailOsobna reguła albo osobny model, który sprawdza wejście lub akcję, zanim się wykona, i może zatrzymać agenta. W Agents SDK od OpenAI ma linkę potykającą, czyli tripwire. i ma dosłownie "linkę potykającą", która przerywa pracę głównego agenta. Jeszcze inny jest sędzią (LLM as a judgeLLM as a judgeModel użyty jako oceniający: dostaje wynik pracy innego modelu i wystawia ocenę według zadanych kryteriów, zwykle liczbę i werdykt zdał albo nie zdał.), który wystawia wynikowi ocenę od zera do jednego i werdykt "przeszło albo nie", bo Anthropic sprawdził, że taka pojedyncza ocena modelem najlepiej zgadza się z oceną ludzi. Takich nadzorców konfiguruje się celowo na krótkiej smyczy. Agent kontrolny nie ma prawa niczego zmienić, ma tylko prawo powiedzieć "nie". To agent w roli asystenta, tylko że asystuje innym agentom, a nie człowiekowi. Sami tak pracujemy. Nasz generator reklam ma agenta, który tworzy kreację, i osobnego, który ocenia ją wzrokiem i odsyła do poprawki do trzech razy, a nad nimi jest jeszcze człowiek z panelem ocen, bo rozjazd między oceną automatu i oceną człowieka to osobna lekcja, którą opisaliśmy w tekście o automatyzacji, która uczy się na ocenach.

Subagenty i człowiek w pętli

Są też subagenty (subagentsSubagentsPomocnicy powoływani przez agenta prowadzącego do jednego zadania, z własnym oknem kontekstu i własnymi uprawnieniami. Po wykonaniu pracy oddają tylko podsumowanie i znikają.), czyli pomocnicy powoływani w trakcie pracy przez agenta prowadzącego do jednego zadania i znikający po jego wykonaniu. W Claude Code każdy subagent działa "w osobnym oknie kontekstu z własną instrukcją, dostępem do narzędzi i uprawnieniami" i oddaje prowadzącemu tylko podsumowanie. Dzięki temu prowadzący nie zapycha sobie pamięci stu umowami, tylko dostaje sto krótkich notatek. Hermes Agent od Nous Research robi to samo pod nazwą "izolowanych subagentów do równoległych strumieni pracy". I wreszcie człowiek w pętli (human in the loopHuman in the loopKrok, w którym system zatrzymuje się i czeka na decyzję człowieka, zanim wykona akcję o dużej stawce, na przykład przelew albo deklarację do urzędu.), czyli krok, w którym rój zatrzymuje się i czeka na kliknięcie osoby odpowiedzialnej. Najlepsze roje mają go wbudowanego w najdroższych miejscach, tam, gdzie idą pieniądze albo deklaracja do urzędu.

Ile kosztuje rój i kiedy ma sens

Cena roju jest odpowiednio wysoka. Anthropic podaje, że system wieloagentowy zużywa około piętnastu razy więcej tokenów niż zwykła rozmowa, w zamian w ich wewnętrznych testach rozwiązywał zadania badawcze o ponad dziewięćdziesiąt procent lepiej niż pojedynczy agent na tym samym modelu. Rój ma więc sens tam, gdzie człowiek i tak musiałby posadzić do zadania kilka osób na kilka dni. Do odpowiedzi na pytanie o godziny otwarcia jest tym, czym zespół konsultantów do wymiany żarówki. Czym dokładnie jest orkiestracja agentów, jak wyglądają role w roju i kiedy się opłaca, opisujemy w osobnym artykule Orkiestracja agentów AI: kiedy jeden agent nie wystarczy.

Mapa narzędzi. Czym zbudujesz chatbota, agenta i rój

Teraz możesz odłożyć słowa chatbot, asystent i agent i spojrzeć na narzędzia przez dwie osie z początku tekstu. Ile wywołań i jak długa smycz. Narzędzia ułożą się w cztery grupy, a Ty zobaczysz, że większość z nich potrafi więcej, niż mówi o sobie w nagłówku.

Systemy do rozmowy z klientem: Fin, Zendesk, Tidio, Dify

Pierwsza grupa to systemy zbudowane wokół rozmowy z klientem. Fin, czyli dawny Intercom, który w 2026 roku przyjął nazwę swojego agenta, rozlicza się od załatwionej sprawy, a nie od wiadomości, i potrafi aktualizować konta, przyjmować zwroty i wywoływać Twoje API według procedur, które mu spiszesz. Producent deklaruje, że rozwiązuje średnio trzy czwarte rozmów bez człowieka, przy czym to jego własne dane. Zendesk w czerwcu 2026 ogłosił koniec swojego starego bot buildera z drzewkami intencji, rozwój skończył się w sierpniu, a od stycznia 2027 wszystkich klientów czeka przymusowa migracja na architekturę agentową. Prościej mówiąc, duży gracz wyłącza chatboty pierwszego typu i każe wszystkim przejść na pętlę. Tidio z Lyro i Crisp obsłużą FAQ, produkt i proste zgłoszenia, czyli chatbota w drugim i trzecim wariancie, a Tidio dokłada do tego kilka akcji. Dify stoi na granicy tej grupy i następnej. To otwarte narzędzie, w którym na jednej kanwie rysujesz Chatflow dla rozmowy i Workflow dla procesu, a węzeł Agent "daje modelowi autonomiczną kontrolę nad narzędziami" z limitem iteracji, który sam ustawiasz. W Dify dosłownie widzisz naszą drabinkę jako suwak "maksymalna liczba kroków".

Automatyzacje z narzędziami agentowymi: Make, n8n, Zapier

Druga grupa to platformy automatyzacji, które dostały narzędzia agentowe, czyli Make, n8n i Zapier. Ich siłą jest to, że z racji konstrukcji pozwalają zbudować, co chcesz. Narysujesz w nich chatbota z pojedynczym strzałem i bazą wiedzy, bo n8n ma gotowy Chat Trigger z widgetem do wklejenia na stronę, a Zapier osobny produkt Chatbots do FAQ i zbierania leadów. Narysujesz flow z kilkoma strzałami, bo to ich pierwotna natura. Postawisz agenta, bo n8n ma węzeł AI Agent, który "decyduje, które narzędzia wywołać, żeby wykonać zadanie", Make od wiosny 2025 ma agentów, którzy traktują Twoje scenariusze jako narzędzia i sami wybierają, który uruchomić, a Zapier w styczniu 2025 przemianował Central na Agents z dostępem do dziewięciu tysięcy aplikacji. Zbudujesz nawet rój. W n8n agent może być narzędziem innego agenta i da się to zagnieżdżać na kilka poziomów, Zapier ma funkcję wywołania agenta przez agenta z zaleceniem, żeby nie przekraczać pięciu, a w Make da się to złożyć, choć nie jest to udokumentowana funkcja. Make rozumie tę granicę lepiej niż jego sprzedawcy, bo w opisie własnych agentów pisze, że pracują "obok deterministycznej logikiDeterministic logicKroki, które przy tych samych danych dają zawsze ten sam wynik, bo zapisał je programista, a nie wybrał model w trakcie pracy., a nie zamiast niej". To jest dokładnie nasz trzeci wariant chatbota i czwarty poziom drabinki w jednym narzędziu.

Budowniki asystentów i agentów: Langflow i lekcja Flowise

Trzecia grupa to wizualne budowniki asystentów i agentów, pomyślane od początku pod modele językowe. Langflow, dziś w rękach IBM po przejęciu DataStax, pozwala złożyć z klocków agenta z narzędziami, podpiąć agenta jako narzędzie innego agenta i wystawić cały flow jako serwer MCP (Model Context ProtocolMCP, Model Context ProtocolOtwarty standard, dzięki któremu agent taki jak Claude, ChatGPT czy Cursor podłącza zewnętrzne narzędzia i dane tak, jak komputer podłącza urządzenie przez USB.), czyli wtyczkę, którą podłączysz do Claude albo ChatGPT. Flowise robił to samo i w sierpniu 2026 zakończył życie. Zespół napisał w pożegnaniu, że programiści przesiedli się na agentów kodujących, więc wizualne klocki straciły rację bytu. To zdanie mówi o tempie zmian więcej niż cała nasza drabinka.

Czyste agenty: Codex, Claude Code, pi, Hermes, OpenClaw

Czwarta grupa to czyste agenty, czyli programy, które są pętlą i niczym więcej. Codex od OpenAI i Claude Code od Anthropic to agenty kodujące pracujące w terminalu. Czytają Twoje repozytorium, edytują pliki, uruchamiają polecenia i testy, aż zadanie jest zrobione, a smycz regulujesz trybem uprawnień. Claude Code ma do tego wbudowane subagenty i hooki, czyli punkty, w których Twój własny skrypt może zablokować wywołanie narzędzia albo zmusić agenta do dalszej pracy, więc rój z nadzorcą dostajesz w pudełku. Pi Mario Zechnera idzie w drugą stronę i jest celowo minimalny. Ma cztery narzędzia, czytaj, pisz, edytuj i uruchom, a autor pisze wprost, że pi nie będzie wspierać MCP ani nie ma osobnego narzędzia do subagentów. Jest silnikiem do budowy własnych agentów i na nim powstał OpenClaw. Hermes Agent od Nous Research to osobisty agent z pamięcią między sesjami, który po trudnych zadaniach sam spisuje sobie skill na przyszłość i rozmawia z Tobą przez Telegram, Discord, Slack czy WhatsApp. O tym, jak pisze się takie skille, mamy osobny instruktaż. I OpenClaw, który w ciągu jednej zimy nazywał się Warelay, Clawdbot, Moltbot i OpenClaw, a jego autor w lutym 2026 przeszedł do OpenAI, zostawiając projekt fundacji. To agent działający całą dobę na Twoim komputerze, sterowany z komunikatora, z najdłuższą smyczą z całej tej listy. I właśnie dlatego w lutym 2026 badacze bezpieczeństwa znaleźli dziesiątki tysięcy jego instancji wystawionych do internetu bez zabezpieczeń oraz setki złośliwych skilli w jego katalogu. Najlepsza lekcja o smyczy, jaką napisało życie.

Podział, który się kończy

Wróćmy na koniec do trzech słów z ofert. Chatbot, asystent i agent opisują świat sprzed dwóch lat i będą znaczyć coraz mniej, bo pod każdą z tych nazw pracuje dziś ten sam silnik z pętlą, a producenci przesuwają suwak co kwartał. Gartner nazwał to zjawisko agent washingiemAgent washingPrzemalowywanie istniejących produktów, chatbotów, asystentów i starej automatyzacji na agentów bez dodania architektury agentowej. Termin Gartnera z czerwca 2025 roku., czyli przemalowywaniem chatbotów, asystentów i starej automatyzacji na agentów bez zmiany w środku, i policzył, że z tysięcy dostawców prawdziwych agentów jest około stu trzydziestu. Ten sam Gartner przewiduje, że ponad czterdzieści procent projektów agentowych zostanie anulowanych do końca 2027 roku z powodu kosztów, niejasnej wartości albo braku kontroli ryzyka. Oba zdania są prawdziwe jednocześnie. Coraz więcej chatbotów to pod maską agenty i coraz więcej agentów nie powinno było nimi być.

Zanim więc zapłacisz za którekolwiek z tych trzech słów, zadaj dwa pytania. Czy system dostaje cel i sam układa kroki, czy odpowiada raz, ewentualnie po ścieżce, którą ktoś narysował? To pytanie mówi, ile będzie kosztował każdy miesiąc jego pracy. I co dokładnie wolno mu zmienić w Twojej firmie bez pytania? To pytanie mówi, ile może zepsuć. Jeśli zadanie kończy się na odpowiedzi, wystarczy jeden strzał z dobrą ściągą. Jeśli kończy się na tekście, który i tak sprawdzi i wyśle człowiek, wystarczy agent na krótkiej smyczy, czyli to, co masz już w abonamencie. Jeśli kończy się dopiero wtedy, gdy coś zmieni się w Twoich systemach, potrzebujesz agenta z kluczami, dziennikiem i jasno wyznaczonymi miejscami, w których ma zapytać. A jeśli zadanie jest tak duże, że posadziłbyś do niego kilka osób, zacznij myśleć o roju z nadzorcą, ale dopiero wtedy.

W praktyce najlepiej sprawdza się wdrażanie stopniami. Chatbot przejmuje powtarzalne pytania, agent na krótkiej smyczy przyspiesza pracę zespołu, agent z kluczami pojawia się najpierw w jednym procesie, który boli najbardziej i powtarza się najczęściej, a rój dopiero wtedy, gdy ten jeden agent pracuje i zespół mu ufa. A pan Tomasz? Faktura dotarła do niego jeszcze w poniedziałek przed dziewiątą. W czwartek wyciąg z rachunku walutowego był już w systemie, a pani Marta dowiedziała się o całej sprawie dopiero wtedy, gdy zatwierdzała poprawkę adresu. Pan Tomasz był przekonany, że biuro po prostu bardzo szybko odpisuje na maile. Nie wyprowadzaliśmy go z błędu.

Pod maską coraz więcej chatbotów to agenty, a każdy asystent to agent na krótkiej smyczy. Zanim zapłacisz, nie pytaj, jak się nazywa. Zapytaj, ile razy może się odezwać, zanim odda Ci wynik, i co wolno mu przy tym ruszyć. Nie każdy agent musi od razu dostać firmową kartę płatniczą.

Najczęstsze pytania o chatboty, agentów i roje

Zebraliśmy pytania, które przy rozmowach o chatbotach, asystentach i agentach słyszymy najczęściej. Jeśli Twojego nie ma na liście, zadaj je nam wprost, odpowiemy konkretnie i bez owijania.