Agenci AI w marketingu: czym są, co już potrafią i jak zacząć

Czym jest agent AI i czym różni się od chatbota

Agent AI to system, który łączy model językowy z narzędziami i swobodą działania. Dostaje cel, na przykład „przygotuj porównanie cen pięciu konkurentów”, rozbija go na kroki, wykonuje je i sprawdza, czy wynik ma sens. Jeśli coś nie wychodzi, zmienia plan. Chatbot w tej samej sytuacji podałby ogólną odpowiedź albo poprosił o dane.

Druga różnica dotyczy dostępu do świata zewnętrznego. Chatbot pracuje na tym, co wkleisz do okna rozmowy. Agent korzysta z przeglądarki, plików, poczty, arkuszy, systemu CRM albo panelu reklamowego. Może więc nie tylko doradzić, ale też coś zrobić: pobrać dane, uzupełnić tabelę, przygotować szkic kampanii.

Trzecia różnica to zakres decyzji. Klasyczna automatyzacja, znana choćby z gotowych scenariuszy automatyzacji w sklepie, wykonuje z góry zapisane reguły: jeśli klient porzucił koszyk, wyślij e-mail po godzinie. Agent sam wybiera, co zrobić w danej sytuacji. To daje elastyczność, ale też otwiera miejsce na błędy, których reguła by nie popełniła.

Granica bywa płynna. Wielu dostawców nazywa agentem każdego asystenta z dostępem do internetu. Gartner nazywa to zjawisko „agent washing” i szacuje, że spośród tysięcy firm reklamujących rozwiązania agentowe tylko około 130 oferuje prawdziwe systemy tego typu. Zanim kupisz narzędzie, sprawdź, czy naprawdę samo planuje i wykonuje kroki, czy tylko generuje tekst. Przegląd narzędzi według zastosowań znajdziesz w tekście o narzędziach AI dla marketerów w 2026 roku.

Jak działa agent AI: model, narzędzia i pętla zadań

Każdy agent składa się z kilku elementów. Pierwszy to model językowy, który rozumie polecenie i podejmuje decyzje. Drugi to narzędzia, czyli to, czym agent może się posłużyć. Trzeci to instrukcje i kontekst: opis zadania, zasady, przykłady dobrego wyniku. Czwarty to pamięć, dzięki której agent wie, co już zrobił w trakcie zadania.

Dobrze pokazuje to ChatGPT agent, który OpenAI udostępniło 17 lipca 2025 r. Według opisu producenta agent korzysta z przeglądarki wizualnej, przeglądarki tekstowej, terminala, bezpośredniego dostępu do API oraz konektorów, na przykład do Gmaila czy GitHuba. Przed działaniami z realnym skutkiem, takimi jak zakup, ma prosić użytkownika o zgodę. Wysyłkę e-maili wykonuje w trybie, który wymaga aktywnego nadzoru człowieka. Odmawia też zadań wysokiego ryzyka, na przykład przelewów bankowych.

Pracę agenta można opisać jako pętlę:

1. Cel. Człowiek określa, co ma powstać i według jakich zasad.
2. Plan. Agent dzieli zadanie na kroki, na przykład „pobierz dane z panelu, porównaj z poprzednim tygodniem, opisz odchylenia”.
3. Działanie. Agent wykonuje kolejne kroki w narzędziach, do których ma dostęp.
4. Kontrola. Agent sprawdza wynik każdego kroku i w razie problemu zmienia plan.
5. Raport albo prośba o zgodę. Na końcu oddaje wynik lub prosi człowieka o zatwierdzenie działania.

Coraz ważniejszy staje się sposób, w jaki agent łączy się z narzędziami. Popularnym standardem jest Model Context Protocol (MCP), czyli wspólny „język” do podłączania agentów do aplikacji i danych. Platformy reklamowe zaczynają go wspierać. TikTok w zapowiedzi produktów na III kwartał 2026 r. opisał Agentic Hub, czyli miejsce do budowy agentów obsługujących kampanie. W jego skład wchodzi TikTok Ads MCP oraz gotowe umiejętności agentów do raportowania, szukania odbiorców, optymalizacji budżetu i zadań administracyjnych. Szerzej o samym kanale piszemy w tekście o reklamach na TikToku.

Co agenci AI już potrafią w marketingu

Najwięcej sensu mają dziś agenci, którzy wykonują żmudną część pracy, a decyzję zostawiają człowiekowi. Poniższa tabela pokazuje główne zastosowania i to, jak dojrzałe są w 2026 r. Ocena dojrzałości jest redakcyjna i dotyczy typowej firmy, a nie liderów technologicznych.

Raporty, analizy i research

To najbezpieczniejszy początek. Agent, który co poniedziałek zbiera dane z platform reklamowych, analityki i sklepu, oszczędza czas i nie wydaje pieniędzy. Błąd w raporcie łatwo wyłapać przed wysyłką. Jak zbudować taki przepływ krok po kroku, opisujemy w tekście o automatyzacji raportów i analiz z AI.

Podobnie działa research. Agent może co tydzień sprawdzać strony konkurentów, ich cenniki i nowe reklamy. Trzeba jednak uważać na regulaminy serwisów, dane osobowe i jakość wniosków. Konfigurację i granice takiego narzędzia omawiamy w artykule o agencie AI do monitoringu konkurencji.

Treści i personalizacja

W produkcji treści agent sprawdza się jako koordynator: zbiera materiały, przygotowuje brief, pisze wersję roboczą, tworzy warianty na różne kanały. Publikacja bez redakcji to jednak prosty sposób na spadek jakości i zaufania. Jak zwiększyć liczbę publikacji bez tego ryzyka, piszemy w tekście o automatyzacji contentu.

Personalizacja to obszar, w którym agent może dobrać komunikat do tysięcy odbiorców, ale też najłatwiej przekroczyć granice prywatności. Profilowanie podlega RODO, a decyzje oparte wyłącznie na automatycznym przetwarzaniu mają osobne ograniczenia. Szczegóły znajdziesz w tekście o personalizacji na dużą skalę z AI.

Kampanie i obsługa klienta

Platformy reklamowe same wbudowują agentów w swoje produkty. Google w maju 2026 r. zapowiedział Business Agent for Leads, czyli agenta marki osadzonego w reklamie. Użytkownik klika „Chat” i dostaje odpowiedzi oparte na stronie reklamodawcy zamiast wypełniać formularz. Według zapowiedzi funkcja ma się pojawić w najbliższych miesiącach. W obsłudze klienta agenci działają już szerzej. Co sprawdza się w polskich firmach, opisujemy w tekście o agentach AI w obsłudze klienta.

Agent po stronie klienta

Osobny przypadek to agent, który działa w imieniu kupującego. Porównuje oferty, czyta opinie i coraz częściej finalizuje zakup. Google w maju 2026 r. poinformował o integracji natywnej kasy dla sprzedawców korzystających z Universal Commerce Protocol. Dla sklepu oznacza to nowego „klienta”, który czyta dane produktowe zamiast oglądać zdjęcia. Jak się do tego przygotować, wyjaśniamy w tekście o zakupach przez agentów AI.

Ile firm naprawdę korzysta z agentów AI

Dane pokazują duży rozjazd między zainteresowaniem a wdrożeniami. W raporcie „The state of AI in 2026” McKinsey, opublikowanym 25 sierpnia 2026 r., wzięło udział 1719 osób z 97 krajów. Badanie przeprowadzono od 4 maja do 8 czerwca 2026 r. Około dwóch na dziesięciu respondentów deklaruje, że ich organizacja weszła w fazę skalowania agentów AI.

Różnica między dużymi a mniejszymi firmami jest wyraźna. W organizacjach z przychodami powyżej 1 mld dolarów odsetek firm skalujących agentów w co najmniej jednej funkcji wzrósł z 27% do 40%. W mniejszych organizacjach pozostał praktycznie bez zmian, na poziomie 22%. Agenci najczęściej pracują w IT, zarządzaniu wiedzą i programowaniu. Marketing i sprzedaż nie prowadzą w tej klasyfikacji, ale to właśnie z AI w marketingu i sprzedaży respondenci najczęściej wiążą wzrost przychodów. Pozytywny wpływ AI na wynik operacyjny (EBIT) widzi 37% badanych.

Perspektywę samych marketerów daje 10. edycja raportu Salesforce „State of Marketing”, oparta na odpowiedziach blisko 4,5 tys. marketerów z całego świata. Z AI w jakiejś formie korzysta 75% organizacji marketingowych, ale pełną integrację osiągnęło 39% zespołów. Po samodzielnie działających agentów sięga tylko 13% organizacji korzystających z AI. Jako główne bariery marketerzy wskazują czekanie, aż technologia dojrzeje, oraz brak kompetencji w zespole.

Gartner pyta o inwestycje. W ankiecie ze stycznia 2025 r., w której wzięło udział 3412 uczestników webinaru, 19% zadeklarowało znaczące inwestycje w agentów AI, 42% ostrożne, 8% żadnych, a 31% czekało na rozwój sytuacji lub nie miało zdania. Ta sama firma przewiduje, że do 2028 r. co najmniej 15% codziennych decyzji w pracy będzie podejmowanych autonomicznie, wobec 0% w 2024 r., a agentów AI będzie zawierać 33% aplikacji dla firm, wobec mniej niż 1% w 2024 r.

Dlaczego projekty z agentami AI kończą się porażką

Gartner w komunikacie z 25 czerwca 2025 r. przewiduje, że ponad 40% projektów agentowych zostanie anulowanych do końca 2027 r. Jako powody wskazuje rosnące koszty, niejasną wartość biznesową i niewystarczającą kontrolę ryzyka. Analityczka firmy zwraca uwagę, że większość takich projektów to wczesne eksperymenty i pilotaże.

W marketingu te same mechanizmy wyglądają bardzo konkretnie:

• Zbyt szeroki cel. „Agent do marketingu” nie jest procesem. „Agent, który co poniedziałek przygotowuje raport kampanii płatnych z komentarzem do odchyleń powyżej 15%” już tak.
• Brak punktu odniesienia. Jeśli przed wdrożeniem nikt nie zmierzył, ile trwa zadanie i ile w nim błędów, po trzech miesiącach nie da się wykazać korzyści.
• Złe dane. Agent, który czyta niespójne nazwy kampanii, źle oznaczone konwersje i dublujące się kontakty, popełnia błędy szybciej niż człowiek. Raport Salesforce pokazuje, że tylko 26% marketerów jest w pełni zadowolonych z ujednolicenia swoich danych.
• Ukryte koszty. Do licencji dochodzą koszty wywołań modelu, integracji, utrzymania i czasu ludzi, którzy sprawdzają wyniki.
• Zbyt szerokie uprawnienia. Agent z dostępem do całego konta reklamowego, skrzynki i bazy klientów to ryzyko, którego nikt nie wycenił na starcie.

Osobnym zagrożeniem jest prompt injection. OpenAI opisuje je wprost: osoby trzecie mogą ukryć na stronie internetowej polecenia, które zmanipulują agenta. Skutkiem może być przekazanie danych z podłączonych aplikacji albo szkodliwe działanie na stronach, na których użytkownik jest zalogowany. Agent, który przegląda strony konkurencji i jednocześnie ma dostęp do firmowej poczty, to połączenie wymagające szczególnej ostrożności.

Poziomy autonomii: ile swobody dać agentowi

Zamiast pytać „czy wdrożyć agenta”, lepiej zapytać, ile samodzielności mu dać. Pomaga w tym prosta skala. Większość zadań marketingowych powinna dziś zostać na poziomie 1 lub 2.

Poziom 3 ma sens tylko wtedy, gdy granice są twarde i techniczne, a nie zapisane w poleceniu. „Nie zmieniaj budżetu o więcej niż 10%” w instrukcji agenta to prośba. Limit wydatków ustawiony w panelu reklamowym to zabezpieczenie.

Jak zacząć: pierwszy agent w 90 dni

Poniższy plan zakłada mały zespół bez programistów na etacie. Większe firmy przejdą go szybciej, ale kroki pozostają te same.

1. Tydzień 1–2: wybór procesu. Wypisz zadania, które powtarzają się co tydzień lub co miesiąc. Przy każdym zanotuj czas, liczbę osób i skutki pomyłki. Wybierz jedno zadanie z dużą powtarzalnością i niskim ryzykiem.
2. Tydzień 2–3: opis procesu. Zapisz krok po kroku, jak zadanie wykonuje dziś człowiek. Jakie źródła otwiera, co liczy, jakie wyjątki zna, jak wygląda dobry wynik. Ten dokument stanie się instrukcją agenta.
3. Tydzień 3–4: pomiar startowy. Zmierz czas wykonania i jakość obecnego wyniku. Bez tego nie ocenisz pilotażu.
4. Tydzień 4–6: konfiguracja. Zacznij od narzędzia, które już masz: asystenta z funkcją agenta, automatyzacji w platformie reklamowej lub CRM. Nadaj tylko te uprawnienia, których zadanie wymaga, najlepiej w trybie odczytu.
5. Tydzień 6–10: pilotaż równoległy. Przez kilka cykli agent i człowiek wykonują zadanie równolegle. Porównujesz wyniki, zapisujesz błędy i poprawiasz instrukcję.
6. Tydzień 10–12: decyzja. Jeśli agent oszczędza czas przy akceptowalnej jakości, przenosisz go do codziennej pracy z kontrolą wyrywkową. Jeśli nie, kończysz pilotaż i wybierasz inny proces.

Wyliczenie modelowe: jeśli raport tygodniowy zajmuje specjaliście 4 godziny, a po wdrożeniu agenta jego sprawdzenie zajmuje 1 godzinę, zespół odzyskuje około 3 godzin tygodniowo, czyli mniej więcej 150 godzin rocznie. Od tej wartości trzeba odjąć czas konfiguracji, utrzymania i koszt narzędzia. Dopiero różnica pokazuje, czy projekt się opłaca. O tym, jak policzyć pełne koszty, piszemy w tekście o kosztach AI w dziale marketingu.

Jakie zadanie wybrać dla pierwszego agenta

Dobry kandydat na pierwszego agenta spełnia większość poniższych warunków. Jeśli zadanie nie spełnia trzech z nich, lepiej poczekać albo wybrać inne.

• Zadanie powtarza się co najmniej raz w tygodniu albo kilka razy w miesiącu.
• Wynik ma stałą, łatwą do sprawdzenia formę, na przykład tabelę, raport albo listę.
• Pomyłka nie kosztuje pieniędzy ani reputacji, zanim zobaczy ją człowiek.
• Dane wejściowe są dostępne cyfrowo i w miarę uporządkowane.
• Zadanie nie wymaga dostępu do danych wrażliwych ani do pełnej bazy klientów.
• W zespole jest osoba, która dziś wykonuje zadanie i może ocenić jakość wyniku.
• Da się zmierzyć czas i jakość przed wdrożeniem i po nim.

Zwykle najlepiej wypadają: cotygodniowe raporty kampanii, zestawienia zmian u konkurencji, przygotowanie briefów do treści, porządkowanie listy słów kluczowych, kontrola poprawności linków UTM, streszczenia opinii klientów. Najgorzej: wszystko, co od razu trafia do klienta lub wydaje budżet.

Dane, bezpieczeństwo i prawo

Agent dziedziczy ryzyka wszystkich systemów, do których ma dostęp. Dlatego zasady bezpieczeństwa trzeba ustalić przed pilotażem, a nie po pierwszym incydencie.

• Zasada minimalnych uprawnień. Osobne konto dla agenta, dostęp tylko do potrzebnych danych, najlepiej w trybie odczytu.
• Dane osobowe. Jeśli agent przetwarza dane klientów, potrzebujesz podstawy prawnej, umowy powierzenia z dostawcą i wiedzy, gdzie dane trafiają. Omawiamy to w tekście o RODO a narzędziach AI.
• Rejestr działań. Agent powinien zostawiać ślad: co zrobił, kiedy i na jakiej podstawie. Bez tego nie wyjaśnisz błędu.
• Odporność na prompt injection. Oddziel agentów, którzy czytają treści z internetu, od agentów z dostępem do kont i danych firmy.
• Przejrzystość wobec klientów. Jeśli agent rozmawia z klientem lub tworzy treści, sprawdź obowiązki informacyjne. Przepisy unijnego aktu o sztucznej inteligencji wchodzą w życie etapami. Aktualny stan opisujemy w tekście o AI Act w marketingu.

Jak mierzyć efekty agenta AI

Agent ma oszczędzać czas albo poprawiać wyniki. Oba efekty trzeba mierzyć osobno i porównywać z punktem startowym. Raport McKinsey pokazuje, że firmy najlepiej wykorzystujące AI ponad trzy razy częściej niż pozostałe skalują agentów w większości funkcji. To zwykle efekt systematycznego pomiaru, a nie przypadku.

Wyniki agenta warto pokazywać w tym samym miejscu co inne wskaźniki działu. Jak ułożyć raportowanie marketingu, żeby zarząd widział efekty, a nie aktywność, wyjaśniamy w przewodniku o raportowaniu marketingu.

Czego nie oddawać agentowi AI

Nie każde zadanie, które agent potrafi wykonać, powinien wykonywać. W marketingu kilka obszarów warto zostawić ludziom, przynajmniej na razie.

• Strategia i pozycjonowanie. Agent podsumuje dane, ale nie odpowie za wybór, komu i dlaczego firma ma sprzedawać.
• Komunikacja kryzysowa. Odpowiedź na falę krytyki wymaga oceny kontekstu, tonu i konsekwencji, których model nie zna.
• Decyzje o dużych budżetach. Agent może zaproponować przesunięcie, ale za wydatek odpowiada człowiek.
• Relacje z kluczowymi klientami i partnerami. Automatyczne wiadomości do najważniejszych kontaktów częściej szkodzą, niż pomagają.
• Ostateczna redakcja treści publikowanych pod marką. Agent przyspiesza pracę, ale nie bierze odpowiedzialności za błąd merytoryczny.

Warto też uważać na pokusę, by agent zastąpił proces, który i tak działa źle. Automatyzacja chaosu daje szybszy chaos. Najpierw uporządkuj proces, nazwy kampanii i dane, potem automatyzuj.

Kto w zespole powinien zajmować się agentami

W małej firmie agentem zwykle opiekuje się osoba, która wykonywała zadanie ręcznie. Zna wyjątki, wie, jak wygląda dobry wynik, i najszybciej zauważy błąd. W większym dziale ta rola trafia do zespołu, który odpowiada za narzędzia, dane i procesy, czyli do marketing operations.

Niezależnie od skali potrzebne są trzy kompetencje. Pierwsza to umiejętność opisania procesu tak, by zrozumiał go ktoś z zewnątrz. Druga to podstawy pracy z danymi: rozpoznanie, czy liczby się zgadzają. Trzecia to krytyczna ocena wyników AI. Raport Salesforce wskazuje brak kompetencji w zespole jako drugą najczęstszą barierę we wdrażaniu agentów. O tym, jak je budować, piszemy w tekście o kompetencjach AI w zespole.

Agenci AI nie zastąpią działu marketingu, ale zmieniają podział pracy. Mniej czasu idzie na kopiowanie danych i przygotowanie wersji roboczych, więcej na decyzje i kontrolę jakości. Firmy, które zaczną od jednego dobrze wybranego procesu, nauczą się tego szybciej niż te, które od razu kupią „agenta do wszystkiego”. Pozostałe teksty o AI w marketingu znajdziesz w dziale AI w marketingu.