Artificial Intelligence & Process Automation

Wdrażamy AI w systemach CRM, obsługi klienta i HR tak, żeby było jasne, co agent może zrobić sam, a co wymaga decyzji człowieka. Korzystamy z funkcji AI wbudowanych w Creatio, SugarAI, HubSpot i Zendesk. Tam, gdzie ich brakuje – w SuiteCRM i MintHCM – dokładamy własnych agentów i serwery MCP.

W skrócie:

  • Agent AI planuje i wykonuje kroki w procesie, a automatyzacja realizuje z góry zapisaną regułę – oba rozwiązania mają swoje miejsce.
  • Przed uruchomieniem agenta ustalamy zakres jego autonomii, uprawnienia i sposób zapisu decyzji.
  • Efekt AI zależy od jakości danych w CRM bardziej niż od wyboru modelu.
  • Od 2 sierpnia 2026 r. stosuje się obowiązki przejrzystości z art. 50 AI Act, m.in. informowanie, że klient rozmawia z AI.

Czym różni się automatyzacja procesów, asystent AI i agent AI?

Automatyzacja procesów wykonuje z góry zapisaną regułę, asystent AI podpowiada człowiekowi, a agent AI sam planuje i wykonuje kolejne kroki w ramach wyznaczonego celu i uprawnień. Różnica dotyczy tego, kto podejmuje decyzję na każdym etapie. W praktyce te trzy rozwiązania często działają razem: automatyzacja przenosi dane między systemami, asystent przygotowuje podsumowanie, a agent wykonuje zadanie, które człowiek zatwierdza.

RozwiązanieCo robiKto decydujePrzykład w CRM
Automatyzacja procesów (workflow, RPA)Wykonuje regułę: „jeśli X, zrób Y”Reguła zapisana przez człowiekaNowe zamówienie trafia z CRM do ERP i działu wysyłki
Asystent AI (copilot)Podsumowuje, podpowiada, generuje szkicCzłowiek przy każdej akcjiPodsumowanie historii klienta przed rozmową
Agent AIPlanuje kroki, korzysta z narzędzi i danych, wykonuje zadanieAgent w granicach uprawnień, człowiek w punktach kontrolnychResearch przed spotkaniem i projekt oferty do akceptacji handlowca

Do automatyzacji procesów bez AI wykorzystujemy narzędzia procesowe w samych systemach CRM oraz n8n, które łączy aplikacje i może wywoływać modele językowe w wybranych krokach.

W których procesach AI w CRM daje mierzalny efekt?

AI daje najwyraźniejszy efekt w procesach powtarzalnych, opartych na danych, które już są w CRM, i w których wynik łatwo sprawdzić. Dotyczy to przygotowania do spotkań, priorytetyzacji leadów, klasyfikacji zgłoszeń i przepisywania danych między systemami. Słabiej sprawdza się w procesach rzadkich, nieopisanych albo takich, w których dane są niepełne – tam więcej czasu zajmuje kontrola wyniku niż oszczędza samo AI.

  • Sprzedaż – research o kliencie przed spotkaniem, projekt oferty na podstawie historii negocjacji, priorytety leadów i szans, wskazanie klientów zagrożonych odejściem.
  • Obsługa klienta – klasyfikacja i kierowanie zgłoszeń, sugestie odpowiedzi dla konsultanta, podsumowania długich wątków, chatbot jako pierwsza linia kontaktu.
  • Marketing – segmentacja bazy i scoring kontaktów, szkice treści kampanii do redakcji przez człowieka.
  • Back-office i HR – przenoszenie danych z wiadomości e-mail do systemu, uzupełnianie rekordów, obsługa powtarzalnych wniosków pracowniczych w MintHCM.

Mierzymy efekt na konkretnym procesie przed i po wdrożeniu: czas przygotowania, liczbę ręcznych kroków, odsetek poprawek po stronie człowieka. O tym, jak uczciwie liczyć oszczędności z AI, piszemy w artykule Ile naprawdę oszczędza AI w developmencie?

Jak ustalamy zakres autonomii agenta AI?

Zakres autonomii agenta ustalamy dla każdego działania osobno, zanim agent dostanie dostęp do systemu. Rozróżniamy trzy poziomy: agent tylko proponuje, agent przygotowuje działanie do akceptacji człowieka albo agent wykonuje działanie sam i zapisuje je w logu. O poziomie decyduje skutek pomyłki. Szkic notatki może powstać automatycznie, zmiana ceny w ofercie wymaga zatwierdzenia, a wysyłka do klienta zwykle też.

PoziomAgentCzłowiekTypowe zastosowanie
1. PropozycjaAnalizuje i rekomendujeDecyduje i wykonujePriorytety leadów, sugestie odpowiedzi
2. Przygotowanie do akceptacjiPrzygotowuje gotowe działanieZatwierdza, poprawia lub odrzucaProjekt oferty, aktualizacja rekordu, odpowiedź do klienta
3. Wykonanie z audytemWykonuje sam, zapisuje każdy krokPrzegląda log i wyjątkiUzupełnianie pól, klasyfikacja zgłoszeń, notatki

Niezależnie od poziomu stosujemy te same zasady:

  • Minimalne uprawnienia. Agent ma dostęp tylko do tych danych i operacji, których potrzebuje do zadania.
  • Ślad decyzji. Każde działanie agenta jest zapisane i możliwe do odtworzenia.
  • Reguły deterministyczne tam, gdzie liczy się pewność. Walidacje i blokady w systemie, a nie tylko instrukcje dla modelu.
  • Limit prób i eskalacja. Gdy agent nie radzi sobie z zadaniem, zatrzymuje się i przekazuje sprawę człowiekowi.
  • Rozdzielone środowiska. Agent nie pracuje na danych produkcyjnych, dopóki nie przejdzie testów na środowisku testowym.

Artificial Intelligence w Twoim systemie CRM

AI wbudowane w system czy własna integracja?

Gdy system CRM ma wbudowane funkcje AI, zaczynamy od nich, bo są utrzymywane przez producenta i działają na danych, które już są w systemie. Własną integrację budujemy, gdy funkcji brakuje, gdy proces obejmuje kilka systemów albo gdy klient chce użyć własnego modelu językowego. Decyzję podejmujemy dla konkretnego procesu, a nie dla całego systemu.

RozwiązanieCo dajeKiedy wybraćNa co uważać
Creatio AIAgenci dla ról biznesowych (m.in. research klienta, oferty, przygotowanie spotkań), scoring leadów, wybór modelu LLMPlatforma low-code, procesy zmieniane przez bizneszakres agentów i modeli zależny od wersji – potwierdzić z aktualną dokumentacją
SugarAIPredykcja konwersji leadów, predykcja odejścia klienta, podsumowania i rekomendacje kolejnych krokówRozbudowana sprzedaż i serwis, integracje z ERPCzęść funkcji tylko w wyższych edycjach lub jako płatny dodatek
HubSpot AI (Breeze)Asystent i agenci w marketingu, sprzedaży i obsłudze, wzbogacanie rekordówZespoły pracujące w ekosystemie HubSpotRozbudowane funkcje w płatnych edycjach, dodatkowe pakiety kredytów AI
Zendesk AIKierowanie zgłoszeń, sugestie odpowiedzi, analiza sentymentu, agenci w pierwszej liniiObsługa klienta o dużym wolumenie zgłoszeńZakres funkcji zależny od planu
AI Agents dla SuiteCRM i MintHCM (eVolpe)Agenci konfigurowani przez klienta w systemie; pierwsze agenty uruchamiamy wspólnieSystemy open source bez wbudowanego AIstatus produktu (dostępny / „wkrótce”) i nazwa handlowa do potwierdzenia
Serwery MCP eVolpe dla SugarAI i SuiteCRMDostęp zewnętrznych modeli AI do danych i operacji w CRM na kontrolowanych uprawnieniachWłasne modele, asystenci typu Claude lub ChatGPT, procesy wielosystemoweWymagają ustalenia uprawnień i audytu po stronie klienta
n8nAutomatyzacje między systemami z krokami wykorzystującymi modele AI, możliwość hostingu on-premiseProcesy obejmujące kilka aplikacjiUtrzymanie przepływów wymaga właściciela po stronie klienta

MCP (Model Context Protocol) to otwarty standard, przez który model AI łączy się z systemem firmowym, odczytuje dane i wykonuje operacje w granicach nadanych uprawnień. Więcej o roli CRM w pracy agentów: CRM – co to jest i jak go wdrożyć.

Jak wygląda wdrożenie AI w eVolpe?

Wdrożenie AI zaczynamy od jednego procesu z mierzalnym celem, a nie od zakupu funkcji dla całej organizacji. Pilotaż na jednym procesie pokazuje, czy dane są wystarczające, ile poprawek wymaga wynik agenta i jak zespół z niego korzysta. Na tej podstawie decydujemy o rozszerzeniu na kolejne procesy.

  • Wybór procesu i miary. Warsztat z zespołem biznesowym: który proces, jaki efekt, jak go zmierzymy.
  • Przegląd danych i uprawnień. Sprawdzamy kompletność danych w CRM, role użytkowników i dostęp do systemów.
  • Projekt autonomii. Dla każdego działania ustalamy poziom autonomii, punkty kontrolne i sposób zapisu decyzji. Wybieramy model i miejsce przetwarzania danych.
  • Pilotaż. Uruchomienie na środowisku testowym, potem na ograniczonej grupie użytkowników.
  • Rozszerzenie. Kolejni użytkownicy i procesy, szkolenia, aktualizacja dokumentacji i umów.
  • Monitoring i doskonalenie. Okresowy przegląd logów i poprawek, korekta instrukcji agenta. Opis tego podejścia: Jak agent AI uczy się na błędach zespołu?

Te same zasady stosujemy we własnej pracy, m.in. przy wytwarzaniu oprogramowania w modelu Agentic Engineering. Przykłady z naszej organizacji: AI w eVolpe.

  • Dane. Bez duplikatów, z aktualnymi etapami szans i historią kontaktów. Agent AI pracuje tylko na tym, co znajdzie w systemie.
  • Opis procesu. Kroki, wyjątki i kryteria poprawnego wyniku – to one stają się instrukcją dla agenta i podstawą testów.
  • Uprawnienia. Kto może zatwierdzać działania agenta, do jakich danych agent ma dostęp.
  • Umowy. Umowa powierzenia przetwarzania danych obejmująca dostawcę modelu AI i partnera wdrożeniowego.
  • Wybór modelu. Model dostawcy systemu, model w chmurze w regionie UE albo model uruchomiony on-premise.
  • Obowiązki z AI Act. Ocena, czy system podlega obowiązkom przejrzystości lub kategorii wysokiego ryzyka.

Co musi być gotowe przed wdrożeniem AI w CRM?

Przed wdrożeniem AI w CRM muszą być gotowe dane, opis procesu, uprawnienia i dokumenty prawne. Brak któregoś z tych elementów nie zawsze blokuje projekt, ale zwykle wydłuża pilotaż albo obniża jakość wyniku. Poniższa lista służy nam jako punkt wyjścia do rozmowy z klientem:

Jakie obowiązki nakłada AI Act na AI w CRM i HR?

Dla większości zastosowań AI w CRM najważniejsze są obowiązki przejrzystości z art. 50 AI Act, które stosuje się od 2 sierpnia 2026 r. Oznaczają m.in., że klient rozmawiający z chatbotem musi wiedzieć, że rozmawia z AI. Część obowiązków dotyczy też treści generowanych przez AI. Obowiązki te dotyczą także firm, które nie korzystają z systemów wysokiego ryzyka (Houthoff, 2026).

Pakiet Digital Omnibus przesunął obowiązki dla samodzielnych systemów wysokiego ryzyka (załącznik III AI Act) z 2 sierpnia 2026 r. na 2 grudnia 2027 r. (Cobalt, 2026). Ma to znaczenie dla HR: AI wykorzystywane w rekrutacji i ocenie pracowników należy do obszarów wymienionych w tym załączniku. Przy wdrożeniach AI w MintHCM uwzględniamy to od etapu projektu. Szczegóły dotyczące CRM: AI Act i art. 50 w systemach CRM.

Gdzie są przetwarzane dane i jaki model AI wybrać?

Miejsce przetwarzania danych zależy od wybranego modelu i sposobu jego uruchomienia, dlatego ustalamy je przed wdrożeniem, a nie po nim. Funkcje AI wbudowane w system SaaS korzystają z modeli wskazanych przez producenta. Własna integracja pozwala wybrać dostawcę modelu i region przetwarzania. Najwięcej kontroli daje model uruchomiony on-premise, ale wymaga on infrastruktury i utrzymania.

OpcjaKontrola nad danymiKoszt i utrzymanieKiedy ma sens
Model wbudowany w system (dostawca CRM)Zgodnie z warunkami producentaNajniższy próg wejścia, w licencji lub dodatkuStandardowe funkcje AI w jednym systemie
Model w chmurze przez API (region UE)Wybór dostawcy i regionu, umowa bezpośredniaOpłaty za zużycie, integracjaWłasne procesy, kilka systemów, serwer MCP
Model on-premisePełna – dane nie opuszczają infrastrukturySprzęt, utrzymanie, niższa jakość części modeliWysokie wymagania regulacyjne, dane wrażliwe

Systemy open source i n8n możemy uruchomić w infrastrukturze klienta lub w eVolpe Cloud, co ułatwia spełnienie wymagań RODO i suwerenności danych.

Umów konsultację z ekspertem wdrożeniowym eVolpe

Wybierz dogodny dla siebie termin.

Czy wdrożenie AI w CRM wymaga wymiany systemu?

Nie. AI dołączamy do istniejącego systemu – przez funkcje wbudowane albo przez integrację, np. serwer MCP. Część funkcji AI producentów jest jednak dostępna tylko w wyższych edycjach lub jako płatny dodatek, co trzeba sprawdzić przed wdrożeniem.

Czy agent AI może pracować na danych produkcyjnych?

Tak, ale dopiero po testach na środowisku testowym i z minimalnymi uprawnieniami. O tym, do jakich danych i operacji agent ma dostęp, decyduje klient, a każde działanie agenta jest zapisywane.

Czy chatbot musi informować klienta, że jest AI?

Tak. Od 2 sierpnia 2026 r. art. 50 AI Act wymaga, żeby osoba rozmawiająca z systemem AI wiedziała o tym, chyba że jest to oczywiste z kontekstu.

Czy AI w rekrutacji to system wysokiego ryzyka?

Systemy AI wykorzystywane w rekrutacji i ocenie pracowników są wymienione w załączniku III AI Act. Obowiązki dla takich systemów mają zastosowanie od 2 grudnia 2027 r., po zmianach wprowadzonych przez Digital Omnibus.

Czy potrzebny jest własny zespół data science?

Nie w przypadku funkcji wbudowanych w system ani typowych agentów w CRM. Potrzebny jest właściciel procesu po stronie klienta, który ocenia wyniki i decyduje o zakresie autonomii.

Czy możemy użyć własnego modelu AI lub uruchomić go on-premise?

Tak, przez własną integrację lub serwer MCP. Część platform, np. Creatio, pozwala też wybrać model w ramach funkcji wbudowanych.

Od czego zacząć wdrożenie AI w firmie?

Od jednego procesu z mierzalnym celem i danymi, które już są w systemie. Pilotaż pokazuje, czy rozszerzać wdrożenie, zanim firma zainwestuje w kolejne licencje lub integracje.

Czytaj dalej

Przewijanie do góry