
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:
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.
| Rozwiązanie | Co robi | Kto decyduje | Przykład w CRM |
|---|---|---|---|
| Automatyzacja procesów (workflow, RPA) | Wykonuje regułę: „jeśli X, zrób Y” | Reguła zapisana przez człowieka | Nowe zamówienie trafia z CRM do ERP i działu wysyłki |
| Asystent AI (copilot) | Podsumowuje, podpowiada, generuje szkic | Człowiek przy każdej akcji | Podsumowanie historii klienta przed rozmową |
| Agent AI | Planuje kroki, korzysta z narzędzi i danych, wykonuje zadanie | Agent w granicach uprawnień, człowiek w punktach kontrolnych | Research 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.
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.
| Poziom | Agent | Człowiek | Typowe zastosowanie |
|---|---|---|---|
| 1. Propozycja | Analizuje i rekomenduje | Decyduje i wykonuje | Priorytety leadów, sugestie odpowiedzi |
| 2. Przygotowanie do akceptacji | Przygotowuje gotowe działanie | Zatwierdza, poprawia lub odrzuca | Projekt oferty, aktualizacja rekordu, odpowiedź do klienta |
| 3. Wykonanie z audytem | Wykonuje sam, zapisuje każdy krok | Przegląda log i wyjątki | Uzupełnianie pól, klasyfikacja zgłoszeń, notatki |
Niezależnie od poziomu stosujemy te same zasady:
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.
| Rozwiązanie | Co daje | Kiedy wybrać | Na co uważać |
|---|---|---|---|
| Creatio AI | Agenci dla ról biznesowych (m.in. research klienta, oferty, przygotowanie spotkań), scoring leadów, wybór modelu LLM | Platforma low-code, procesy zmieniane przez biznes | zakres agentów i modeli zależny od wersji – potwierdzić z aktualną dokumentacją |
| SugarAI | Predykcja konwersji leadów, predykcja odejścia klienta, podsumowania i rekomendacje kolejnych kroków | Rozbudowana sprzedaż i serwis, integracje z ERP | Część funkcji tylko w wyższych edycjach lub jako płatny dodatek |
| HubSpot AI (Breeze) | Asystent i agenci w marketingu, sprzedaży i obsłudze, wzbogacanie rekordów | Zespoły pracujące w ekosystemie HubSpot | Rozbudowane funkcje w płatnych edycjach, dodatkowe pakiety kredytów AI |
| Zendesk AI | Kierowanie zgłoszeń, sugestie odpowiedzi, analiza sentymentu, agenci w pierwszej linii | Obsługa klienta o dużym wolumenie zgłoszeń | Zakres funkcji zależny od planu |
| AI Agents dla SuiteCRM i MintHCM (eVolpe) | Agenci konfigurowani przez klienta w systemie; pierwsze agenty uruchamiamy wspólnie | Systemy open source bez wbudowanego AI | status produktu (dostępny / „wkrótce”) i nazwa handlowa do potwierdzenia |
| Serwery MCP eVolpe dla SugarAI i SuiteCRM | Dostęp zewnętrznych modeli AI do danych i operacji w CRM na kontrolowanych uprawnieniach | Własne modele, asystenci typu Claude lub ChatGPT, procesy wielosystemowe | Wymagają ustalenia uprawnień i audytu po stronie klienta |
| n8n | Automatyzacje między systemami z krokami wykorzystującymi modele AI, możliwość hostingu on-premise | Procesy obejmujące kilka aplikacji | Utrzymanie 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.
Te same zasady stosujemy we własnej pracy, m.in. przy wytwarzaniu oprogramowania w modelu Agentic Engineering. Przykłady z naszej organizacji: AI w eVolpe.
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.
| Opcja | Kontrola nad danymi | Koszt i utrzymanie | Kiedy ma sens |
|---|---|---|---|
| Model wbudowany w system (dostawca CRM) | Zgodnie z warunkami producenta | Najniższy próg wejścia, w licencji lub dodatku | Standardowe funkcje AI w jednym systemie |
| Model w chmurze przez API (region UE) | Wybór dostawcy i regionu, umowa bezpośrednia | Opłaty za zużycie, integracja | Własne procesy, kilka systemów, serwer MCP |
| Model on-premise | Pełna – dane nie opuszczają infrastruktury | Sprzęt, utrzymanie, niższa jakość części modeli | Wysokie 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.
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.
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.
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.
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.
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.
Tak, przez własną integrację lub serwer MCP. Część platform, np. Creatio, pozwala też wybrać model w ramach funkcji wbudowanych.
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.


