Skrypt, workflow czy agent AI: co pasuje do zadania?

Jaka automatyzacja będzie odpowiednia? Konkretne porównanie skryptu, workflow i agenta AI z pytaniami decyzyjnymi i sprawdzalnymi przypadkami błędów.

12. października 2026Rozwój Integracja Strategia i praktyka IT Szczegóły techniczne

Powtarzalny krok pracy to dobry powód, by rozważyć automatyzację. Właściwa technologia zależy od danych wejściowych, podejmowanych decyzji i konsekwencji błędu. Stały skrypt, kontrolowany workflow i agent AI rozwiązują różne zadania. Najlepsze rozwiązanie często powstaje z ich połączenia.

Pierwsze pytanie brzmi zatem: co na końcu ma być niezawodnie wykonane? Dopiero później wybiera się narzędzie, model i sposób eksploatacji. Pozwala to również ocenić, czy dodatkowa złożoność AI przynosi zauważalną korzyść.

Zadanie prowadzi do wyboru między skryptem, stałym workflow a ograniczonym agentem AI. Wszystkie warianty wymagają uprawnień, testów i możliwej do utrzymania obsługi błędów. — Trzy warianty są alternatywami zależnymi od zadania. Nawet stały workflow może zawierać poszczególne kroki AI; agent potrzebuje narzędzi z wyraźnymi ograniczeniami.

Trzy możliwe drogi w tym samym środowisku procesów

Skrypt wykonuje znane reguły

Eksport jest dostępny w uzgodnionym formacie, pola można jednoznacznie przypisać, a aplikacja docelowa ma odpowiedni interfejs. Walidację, konwersję i przekazanie można wtedy bezpośrednio zaprogramować. Nieznane wartości są wychwytywane i odkładane do wyjaśnienia.

Taki program także potrzebuje obsługi błędów, testów i utrzymania. Jego zaletą jest jawny zapis reguł biznesowych w kodzie oraz możliwość prześledzenia i sprawdzenia ponownego wykonania.

Workflow ustala przebieg

Kilka kroków następuje w znanej kolejności: sprawdzenie danych wejściowych, uzupełnienie informacji, utworzenie wersji roboczej, uzyskanie akceptacji i przekazanie wyniku. Poszczególne kroki mogą wykorzystywać AI, na przykład do przygotowania nieustrukturyzowanego tekstu. Kolejność i dozwolone przejścia nadal określa aplikacja.

Ustalony przebieg sam w sobie nie zapewnia wiarygodności wyniku AI. Wymagane pola, dozwolone wartości i sensowność biznesowa są dodatkowo sprawdzane.

Agent wybiera odpowiednie kolejne kroki

Przy zmiennych zadaniach model może zdecydować, jakiej zatwierdzonej informacji potrzebuje dalej i które ograniczone narzędzie będzie odpowiednie. Może to pomóc, gdy potrzebnej drogi nie da się w pełni ustalić z góry. Wybór narzędzi i czas działania nadal są jednak ograniczane przez aplikację.

Podstawowe rozróżnienie między z góry ustalonym workflow a agentem sterowanym przez model opisuje także Anthropic w swoim omówieniu architektury (link zewnętrzny). Decyduje rzeczywiste sterowanie procesem, a nie etykieta produktu.

Możliwy przykład: przychodzące zgłoszenia serwisowe

Zgłoszenie zawiera swobodny tekst i czasem załącznik. Klasyczny krok najpierw sprawdza wymagane dane i dozwolone formaty plików. AI proponuje kategorię i podsumowuje potrzebę. Aplikacja porównuje wynik z dozwolonymi kategoriami. Osoba odpowiedzialna decyduje o obsłudze.

Do takiego przebiegu często wystarcza jasny workflow. Agent staje się interesujący dopiero wtedy, gdy dla różnych zgłoszeń rzeczywiście musi wybierać różne zatwierdzone źródła lub narzędzia. Przykład opisuje możliwą architekturę, a nie deklarowany projekt klienta.

Ustalenie granicy między propozycją a wykonaniem

Przekonująca odpowiedź tekstowa nie jest jeszcze uprawnieniem do zmiany systemu. Aplikacja musi sama sprawdzić, kto działa, jakiego obiektu dotyczy operacja i jakie działanie jest dozwolone. Wyniki modelu traktuje się jako propozycje; właściwa funkcja waliduje dane wejściowe i wymusza reguły biznesowe.

Przy wrażliwych zmianach akceptacja pokazuje konkretny stan docelowy i planowane działanie. Jeśli wersja robocza zostanie później zmieniona, wcześniejsza zgoda może już nie pasować. Dlatego dla każdego zastosowania uzgadnia się, które kroki mogą być wykonywane bez ponownego pytania.

Interfejs MCP może udostępniać zdefiniowane narzędzia. Nie zastępuje ich autoryzacji. Oficjalna dokumentacja bezpieczeństwa MCP (link zewnętrzny) omawia między innymi rozdzielenie zakresów dostępu i ochronę przed niewłaściwym użyciem narzędzi.

Co powinno nastąpić po błędzie

Przekroczenie limitu czasu nie oznacza automatycznie, że docelowe działanie nie nastąpiło. Przed ponowną próbą zapisu trzeba móc ustalić, czy pierwsze zlecenie zostało już wykonane. Odpowiednie identyfikatory operacji, jednoznaczne stany i ukierunkowane sprawdzenie wyniku pomagają uniknąć podwójnych zmian.

W procesach wspieranych przez AI dochodzą kolejne warunki przerwania: brak dowodów, sprzeczne informacje, niedozwolone narzędzie lub wyczerpany czas działania. Osoba odpowiedzialna otrzymuje wtedy aktualny stan oraz konkretną kwestię do wyjaśnienia. Prześledzalny punkt przekazania jest zwykłym wynikiem procesu.

Tymi przypadkami można sprawdzić pilotaż

Zwykłe zgłoszenie: Czy wynik i konieczne poprawki są użyteczne z biznesowego punktu widzenia?
Niekompletne zgłoszenie: Czy pada konkretne pytanie zamiast dopisywania czegoś, czego nikt nie potwierdził?
Niedozwolony dostęp: Czy funkcja odmawia dostępu niezależnie od sposobu sformułowania żądania?
Powtórzone zlecenie: Czy stan pozostaje jednoznaczny, bez podwójnego księgowania lub zmiany?
Awaria: Czy ludzie mogą kontynuować zadanie z dostępnymi informacjami?

Porównuje się nie tylko czas odpowiedzi i koszt modelu. Istotne są także praca kontrolna, integracja, usuwanie błędów i eksploatacja na jedną sensownie zakończoną operację. Pokazuje to, czy wystarcza skrypt, czy należy rozszerzyć workflow, czy też ograniczony agent daje udowadnialną dodatkową korzyść.

Wspólne ustalenie pierwszego wykonalnego kroku

DAXS opisuje obecny przebieg, wyjaśnia interfejsy i opracowuje odpowiednie wdrożenie. Obejmuje to testy, akceptacje, dokumentację i uzgodnioną eksploatację. Istniejące aplikacje i klasyczna automatyzacja pozostają tak samo ważne jak nowe narzędzia AI.

Przegląd AI i automatyzacji · Rozwój i integracja · Wdrażanie AI w firmie