Słownik AI

Automatyzacja AI

AI automation

Łączenie modeli językowych z narzędziami do automatyzacji: model interpretuje treść, a przepływ wykonuje kolejne kroki w systemach firmy.

Automatyzacja AI to łączenie modeli językowych z narzędziami do automatyzacji procesów: model interpretuje treść dokumentu, wiadomości albo zgłoszenia, a przepływ wykonuje na tej podstawie kolejne kroki w systemach firmy.

Czym różni się od klasycznej automatyzacji

Klasyczny przepływ działa na regułach zapisanych z góry: jeśli pole ma wartość X, wykonaj krok Y. Sprawdza się tam, gdzie dane są uporządkowane i przewidywalne. Automatyzacja AI wchodzi wszędzie tam, gdzie reguł napisać się nie da - w treść maila, skan faktury, opis zgłoszenia. Model zamienia tekst w dane, na których przepływ może dalej pracować.

Konsekwencja jest istotna: reguła albo zadziała, albo nie. Model odpowiada z pewnym prawdopodobieństwem i czasem się myli, dlatego każde wdrożenie potrzebuje progu pewności i ścieżki przekazania sprawy człowiekowi.

Z czego się składa wdrożenie

  • Wyzwalacz - zdarzenie uruchamiające przepływ: nowy mail, plik w katalogu, zgłoszenie w systemie.
  • Model - odczytuje treść i zwraca dane w ustalonym formacie.
  • Narzędzia i integracje - zapis do systemu, wywołanie funkcji, wysyłka dokumentu.
  • Kontrola - próg pewności, lista spraw wykluczonych i człowiek w pętli tam, gdzie błąd kosztuje.
  • Pomiar - logi każdej operacji i te same wskaźniki co przed wdrożeniem.

Typowe zastosowania

  • Odczyt faktur kosztowych i dopasowanie ich do zamówień.
  • Segregowanie zgłoszeń i przygotowanie odpowiedzi do zatwierdzenia.
  • Przenoszenie danych między systemami, które nie mają wspólnego formatu.
  • Streszczanie długich materiałów do formy, z której korzysta zespół.

Czego nie załatwi

Automatyzacja AI nie naprawi procesu, który jest źle zaprojektowany - przyspieszy tylko bałagan. Nie zdejmuje też odpowiedzialności: za decyzję podjętą przez przepływ odpowiada firma, a nie dostawca modelu. Przy procesach objętych AI Act zakres obowiązków zależy od poziomu ryzyka.

Najczęstsze pytania o automatyzację AI


Zwykła automatyzacja wykonuje reguły napisane przez człowieka i wymaga uporządkowanych danych. Automatyzacja AI dokłada model językowy, który radzi sobie z treścią nieustrukturyzowaną - mailem, skanem, opisem zgłoszenia. Cena tej elastyczności to niepewność: model odpowiada z pewnym prawdopodobieństwem, więc wdrożenie musi przewidywać kontrolę i przekazanie sprawy człowiekowi.


Koszt składa się z czterech pozycji: pracy wdrożeniowej, licencji na platformę, opłat za zapytania do modelu oraz utrzymania, które warto liczyć jako 15-20 procent kosztu wdrożenia rocznie. Pojedynczy proces o średniej złożoności zwraca się zwykle w kilka do kilkunastu miesięcy - sposób liczenia opisujemy w tekście o zwrocie z inwestycji.


Nie na starcie. Platformy takie jak n8n czy Make pozwalają zbudować działający przepływ bez pisania kodu. Kod staje się potrzebny, gdy przepływ rośnie: przy własnej logice, testach, wersjonowaniu i wydajności. Granicę opisujemy w tekście o granicach platform no code.


Od wyboru procesu, nie od wyboru narzędzia. Najlepszy pierwszy kandydat jest powtarzalny, mierzalny i ma znośny koszt błędu. Zmierz stan wyjściowy, uruchom automat równolegle z człowiekiem przez dwa tygodnie i dopiero potem przełącz. Kolejność działań opisujemy w przewodniku od czego zacząć.


Zobacz też: agent AI, LLM, wszystkie artykuły o automatyzacji AI.

Rozwiń temat