Rynek agentów AI ma być wart miliardy, ale większość firm wciąż eksperymentuje. Co powstrzymuje rewolucję systemów agentowych?
Rok 2025 miał być przełomem dla agentowych systemów AI. Prognozy zapowiadały automatyzację procesów biznesowych na niespotykaną dotąd skalę, a wartość rynku skoczyła z 3,7 mld dolarów w 2023 roku do 7,38 mld dolarów w tym roku. Analitycy przewidują, że do 2032 roku osiągnie on zawrotne 103,6 mld USD. Czy jednak rzeczywistość nadąża za obietnicami?
Entuzjazm jest, wdrożeń brakuje
Badanie McKinsey „The State of AI in 2025” prze prowadzone w listopadzie przynosi zaskakujące dane: 62% respondentów ankiety twierdzi, że ich organizacje przynajmniej eksperymentują z agentami AI. Problem w tym, że eksperymenty to jedno, a rzeczywiste wdrożenia to drugie. Liczby są wymowne: tylko 23% organizacji skaluje systemy agentowe w przynajmniej jednej funkcji biznesowej, podczas gdy 39% dopiero rozpoczęło eksperymenty. Co więcej, 62% przedsiębiorstw
próbujących stosować agentów AI nie ma jasnego punktu startowego.
Gdzie firmy testują agentów?
Według raportu Lyzr AI „State of AI Agents 2025” z września br., 64% implementacji agentów AI koncentruje się na automatyzacji procesów biznesowych. Najchętniej testowanymi obszarami są:
- Zarządzanie projektami (6,67%) – analiza ryzyka i alokacja zasobów. Według autorów raportu, różne segmenty biznesowe wykorzystują agentów AI w oparciu o swoje wyzwania i priorytety.
- Obsługa klienta (20%) – gdzie agenci obsługują już 80% zapytań pierwszej i drugiej linii wsparcia
- Sprzedaż (17,33%) – AI SDR-y personalizują komunikację z potencjalnymi klientami
- Research i analityka (12%) – systemy analizują konkurencję i dane klientów
- HR (6,67%) – od screeningu CV, przez onboarding, po exit interviews.
We mgle: problem niezawodności, braku infrastruktury i kosztów
Największym wyzwaniem okazuje się niezawodność w wieloetapowych procesach. Problem został klarownie opisany w analizie „Why I’m Betting Against AI Agents in 2025”). W wieloetapowych procesach pracy wskaźniki błędów rosną wykładniczo. 95% niezawodności na każdym etapie, to 36% sukcesu po 20 etapach. Tymczasem produkcja wymaga niezawodności na poziomie powyżej 99,9%. Nie są to liczby wyrwane z kontekstu. Benchmark GAIA dla ogólnych asystentów AI pokazał, że GPT-4 z pluginami poprawnie odpowiedział na tylko 15% pytań
przy pierwszym uruchomieniu. Najbardziej zaawansowane modele osiągają jedynie 36,2% sukcesu na VisualAgentBench (VAB) (https://arxiv.org/html/2408.06327 ). Z kolei Devin, reklamowany jako “AI software engineer”, osiągnął tylko 3 sukcesy z 20 zadań end-to-end.
CZYTAJ TEŻ: Wnioski z Raportu AI Driven dla gospodarki
CZYTAJ TEŻ: TOP 50 dostawców AI w Polsce – kto tworzy przyszłość biznesu
„Większość organizacji nie jest gotowa na wprowa dzenie agentów AI. Wyzwaniem będzie na przykład udostępnienie interfejsów API, wykorzystywanych w firmach” – stwierdza raport IBM „AI Agents in 2025: Expectations vs. Reality”. Problem nie ogranicza się tylko do API. Lista wyzwań technicznych, którą przytacza analiza Carla Rabbaberga, jest długa: ograniczenia pamięci kontekstowej, złożoność interfejsów komputerowych (najlepsze agenci osiągają tylko ~40% sukcesu z prostymi narzędziami do zarządzania projektami), komunikacja z współpracownikami
(agenci osiągają tylko 21,5% sukcesu w interakcjach przez platformy kolaboracyjne) oraz problemy z autentykacją i autoryzacją.
Często nie wiadomo, ile tak naprawdę kosztuje wdrożenie systemów agentowych. Gartner podaje, że ponad 90% dyrektorów ds. informatyki uważa, że koszty przy gotowania danych i obliczeń „ograniczają ich zdolność do czerpania korzyści z AI”. Dyrektorzy ds. informatyki często nie doceniają kosztów AI, popełniając błędy się gające nawet 1000% w swoich obliczeniach kosztów;
same fazy weryfikacji koncepcji mogą kosztować od 300 tys. do 2,9 mln dolarów ze względu na potrzeby w zakresie obliczeń, danych i konserwacji.
Osobny problem to bezpieczeństwo i wyjaśnialność. Technologia nie myśli i nie ponosi odpowiedzialności. Agenci AI są tak niezawodni, jak dane, na których się opierają. Tymczasem, jak zauważają autorzy cytowanego raportu IBM: „Obserwujemy ewolucję agentów AI od generatorów treści do autonomicznych systemów do rozwiązywania problemów”. Dlatego, jak podkreślają, systemy te muszą być rygorystycznie testowane w środowiskach sandbox, aby uniknąć kaskady błędów.
Niezbędne jest także projektowanie mechanizmów cofania działań i zapewnienie dzienników audytowych – to wymóg, aby agenci AI byli przydatni w branżach o wysokim ryzyku.
Era systemów wieloagentowych
Tymczasem dalszy rozwój idzie w kierunku coraz bardziej złożonych architektur. AI Agent Survey opublikowany przez PwC wskazuje, że kolejny krok naprzód stanowią modele wieloagentowe – systemy agentów AI współpracujących ze sobą. Agenci ci mogą podejmować się złożonych, wielofunkcyjnych zadań w obszarach finansów, obsługi klienta, tworzenia oprogramowania,
badań i rozwoju oraz wielu innych. Typowy system będzie składał się z agentów orkiestrujących (jak menedżerowie projektów, nadzorujący cały proces) oraz agentów zadaniowych, wykonujących poszczególne zadania i raportujących wyniki.
W tym kontekście Bain & Company w „Technology Report 2025″ podkreśla konieczność zmian architektonicznych: „Wykorzystanie pełnego potencjału agentów będzie wymagało modernizacji istniejących rozwiązań. Rozwój systemów agentowych opiera się na rosnącej popularności architektury mikrousług oraz korporacyjnych usług chmurowych, w które wiele firm
już zainwestowało.”
Pomimo problemów, prognozy są optymistyczne. Cytowany AI Agent Survey PwC z maja tego roku podaje wyniki sondy, według której trzy czwarte respondentów zgadza się lub zdecydowanie zgadza się, że agenci AI zmienią miejsce pracy w większym stopniu niż zrobił to internet. Ponadto, 71% uważa, że agenci AI rozwijają się tak szybko a ogólna sztuczna inteligencja (AGI) stanie
się rzeczywistością w ciągu dwóch lat.
Co dalej?
McKinsey w listopadowym raporcie „The State of AI in 2025” podsumowuje obecną sytuację: „Większość organizacji wciąż jest w trakcie przejścia od fazy eksperymentów do wdrożenia na dużą skalę. Doświadczenia najefektywniejszych w tym obszarze firm wskazują, że należy wykraczać poza myślenie o stopniowym zwiększaniu wydajności, a traktować AI jako kataliza
tor transformacji swoich organizacji – sposobu pracy i innowacyjności”.
Rok 2025 prawdopodobnie nie przyniesie obiecanej rewolucji systemów agentowych. Ale można uznać, że zaowocuje inną długofalową korzyścią: trzeźwym spojrzeniem na możliwości i ograniczenia technologii, które pozwoli budować rozwiązania naprawdę działające w produkcji, a nie tylko w prezentacjach sprzedażowych.
*Tekst pochodzi z raportu TOP AI DRIVEN COMPANIES 2025
CZYTAJ TEŻ: Warto być niemiłym dla chatbota, czyli jak AI uczy i premiuje ludzi za chamstwo