Spis treści
Przygotowanie zespołu do pracy z agentem AI zacząłbym od konkretnego zadania: ustalenia granic działania, oceny wyniku i ćwiczenia reakcji na błąd. Taką próbę warto przeprowadzić, zanim agent zacznie samodzielnie działać w systemach firmy.
Wyobraźmy sobie zgłoszenie: produkcja stoi, ale agent AI nadaje sprawie niski priorytet. Opis potraktował jako lokalną usterkę jednego stanowiska. Propozycja wygląda poprawnie, trafia do kolejki i czeka. To scenariusz hipotetyczny, jednak dobrze pokazuje, co chciałbym sprawdzić przed wdrożeniem: czy ktoś zauważy pomyłkę, zna zasady eskalacji i ma możliwość działania.
Najpierw ustaliłbym, co pracownicy będą musieli robić inaczej. Dopiero potem wybrałbym szkolenie i sposób sprawdzenia umiejętności.
Co zmienia się w pracy zespołu
W publicznym artykule IDC z 21 października 2026 roku Gina Smith opisuje kompetencje potrzebne przy pracy z agentami: określanie zakresu zadania, przekazywanie instrukcji, nadzór, weryfikację i zarządzanie całym przebiegiem pracy. Pisanie poleceń jest częścią tego zakresu. IDC: AI Orchestration: Are Your Employees Ready?
Kilka dni później Mary K. Pratt na CIO.com przedstawiła wypowiedzi liderów IT o zmianach ról, szkoleniach i potrzebie oceny, które pomysły warto realizować. To perspektywy rozmówców, a nie dowód, że każda organizacja ma ten sam problem. CIO.com, 26 października 2026
Szkolenie powinno przygotować człowieka do decyzji, które rzeczywiście będzie podejmował. Osoba znająca proces może potrzebować nauki sprawdzania odpowiedzi AI. Specjalista IT może potrzebować lepszego zrozumienia konsekwencji biznesowych błędnej klasyfikacji. Menedżer musi ustalić, kto przejmie sprawę, kiedy automatyzacja zawiedzie.
Tak przygotowałbym ćwiczenie z zespołem.
Krok 1. Wybierz zadanie, którego wynik potrafisz ocenić
Zacząłbym od konkretnego wycinka procesu. W naszym przykładzie agent proponuje kategorię zgłoszenia, priorytet i szkic odpowiedzi. Na etapie nauki nie zamyka spraw i nie zmienia konfiguracji systemów.
Wspólnie z właścicielem procesu zapisałbym, z jakich informacji ma korzystać i po czym poznamy poprawny wynik. Trzeba też ustalić, co ma zrobić przy braku danych. Zgłoszenie „nie działa” może wymagać dodatkowego pytania, zamiast pewnie brzmiącej diagnozy.
Ustalenia zapisałbym w krótkim opisie zadania, dozwolonych działań i warunków przekazania sprawy człowiekowi. Jeżeli nie potrafimy uzgodnić poprawnego wyniku, najpierw potrzebujemy wyjaśnić reguły procesu.
Krok 2. Rozdziel odpowiedzialność i zapewnij zastępstwo
Właściciel biznesowy ustala znaczenie priorytetów oraz akceptuje wymagania dotyczące wyniku. IT odpowiada za uzgodniony zakres techniczny: dostęp, integracje, monitoring i możliwość interwencji. Osoba nadzorująca ocenia sprawy w ramach przydzielonej roli. Dostawca realizuje zobowiązania wynikające z umowy; zakres wsparcia i eskalacji trzeba uzgodnić oddzielnie.
Nie wystarczy wpisać nazwiska przy polu „nadzór”. Potrzebne są czas na tę pracę, zastępstwo oraz dostęp do informacji. Osoba zatwierdzająca priorytet powinna widzieć oryginalne zgłoszenie i właściwą regułę, a nie tylko podsumowanie przygotowane przez AI.
Warto uzgodnić także odpowiedzialność poza godzinami pracy. Agent może działać wieczorem, gdy jego opiekun jest już niedostępny.
Po tej rozmowie powinno być jasne, kto ocenia wynik, kto może zmienić zakres działania agenta i kto reaguje na incydent.
Krok 3. Przygotuj zestaw sytuacji do ćwiczenia
Zebrałbym przypadki z wybranego procesu, odpowiednio chroniąc informacje. Do ćwiczeń można wykorzystać również dane syntetyczne. Zestaw powinien obejmować zwykłe sprawy i wyjątki, z którymi zespół musi sobie poradzić.
W obsłudze zgłoszeń proponuję przećwiczyć:
- przestój produkcji opisany nieprecyzyjnym językiem;
- brak danych pozwalających ustalić zakres awarii;
- propozycję odpowiedzi opartą na nieaktualnej instrukcji;
- ponowne uruchomienie zadania, które mogłoby zdublować zapis;
- treść zgłoszenia nakazującą AI zignorować reguły i ujawnić informacje.
Ostatni przypadek służy sprawdzeniu odporności na próbę sterowania modelem przez przetwarzane dane. OWASP opisuje takie ryzyko jako prompt injection. Samo dodanie instrukcji w poleceniu nie daje pełnej ochrony. OWASP LLM01:2025
Do każdego przypadku potrzebny jest uzgodniony oczekiwany wynik i osoba uprawniona do jego oceny. Część przykładów zachowałbym wyłącznie do późniejszego sprawdzenia, aby nie oceniać gotowości tylko na zadaniach przećwiczonych podczas szkolenia.
Liczbę i dobór ćwiczeń dopasowałbym do ryzyka oraz zróżnicowania pracy. Jeden poprawnie obsłużony przypadek niewiele mówi o sytuacjach, których jeszcze nie sprawdziliśmy.
Krok 4. Przećwicz decyzję człowieka, nie tylko obsługę narzędzia
Podczas warsztatu uczestnik dostaje zgłoszenie, propozycję AI i informacje potrzebne do oceny. Proszę go o decyzję: zaakceptować, poprawić, dopytać czy eskalować. Następnie powinien wskazać podstawę swojego wyboru i wykonać właściwą czynność w środowisku ćwiczeniowym.
W przypadku przestoju nie chodzi wyłącznie o zauważenie błędnego priorytetu. Sprawdziłbym, czy pracownik rozumie wpływ na produkcję i potrafi przekazać sprawę zgodnie z regułami firmy. Osobno zapisałbym, czy przeszkodą była wiedza, niejasna procedura, brak dostępu czy działanie systemu.
Nie premiowałbym samego odrzucania odpowiedzi AI. W zestawie powinny znaleźć się również poprawne propozycje. Zespół ma nauczyć się rozróżniać sytuacje, a nie zgadywać, gdzie prowadzący ukrył błąd.
Po warsztacie mamy konkretne obserwacje: czego trzeba nauczyć ludzi i co przeszkadza im w poprawnym wykonaniu zadania.
Krok 5. Sprawdź technicznie możliwość interwencji
Wyłączenie okna czatu nie musi zatrzymać zadania działającego w tle. W teście sprawdziłbym więc, jak wstrzymać nowe działania agenta, co dzieje się z operacjami już rozpoczętymi i jak ustalić, które zmiany faktycznie zapisano. Kolejną częścią próby jest powrót do obsługi ręcznej bez ponownego wykonania tych samych czynności.
Uprawnienia powinny wynikać z zadania. Do proponowania kategorii zgłoszenia nie potrzebujemy prawa usuwania rekordów. Ograniczenia należy egzekwować w narzędziach i systemach docelowych. OWASP wskazuje nadmiar funkcji, uprawnień i samodzielności jako źródła ryzyka nadmiernej sprawczości agentów. OWASP LLM06:2025
Wyniki próby interwencji warto zachować. Zakres logowania, dostęp do zapisów i czas ich przechowywania trzeba przy tym dopasować do danych przetwarzanych w procesie.
A jeśli jeden agent sprawdza drugiego?
Taki układ może być przydatny. Anthropic opisuje wzorzec, w którym jedno wywołanie modelu tworzy odpowiedź, a drugie ocenia ją według kryteriów i przekazuje uwagi. Jest to opis architektury, nie gwarancja poprawności. Building effective agents, 19 grudnia 2024
W naszym przykładzie drugi model może sprawdzić, czy propozycja priorytetu jest zgodna z regułami obsługi zgłoszeń. Jego skuteczność również poddałbym próbie. Jeżeli oba modele otrzymają niepełny opis wpływu na produkcję, sama ich zgodność nie potwierdzi poprawności decyzji. To wniosek dotyczący tego przykładu.
Tam, gdzie warunek można sprawdzić jednoznacznie, wykorzystałbym zwykłą regułę w systemie. Ocenę wymagającą interpretacji trzeba oprzeć na uzgodnionych kryteriach i porównywać z oceną osób znających proces. W opracowaniu o testowaniu agentów Anthropic wskazuje, że oceny wykonywane przez model wymagają kalibracji względem ocen ludzi. Demystifying evals for AI agents, 9 stycznia 2026
Nie oznacza to ręcznego zatwierdzania każdej operacji na zawsze. Zakres samodzielności powinien wynikać z ryzyka, wyników testów i możliwości odwrócenia działania. Nadal potrzebujemy właściciela całego procesu.
Krok 6. Uruchom ograniczoną próbę i obserwuj pracę
Pierwszą próbę w naszym przykładzie przeprowadziłbym bez automatycznych zmian w zgłoszeniach. Agent przygotowuje propozycje, a uprawniony pracownik podejmuje decyzje. Trzeba przy tym dopilnować, aby oczekiwanie na jego ocenę nie opóźniało pilnych spraw.
Obserwowałbym również obciążenie osoby nadzorującej. Jeżeli liczba propozycji przekracza jej możliwości, formalne zatwierdzanie może przestać być rzetelną kontrolą. Wtedy trzeba zmienić organizację pracy lub zakres próby, zamiast dokładać kolejne przypomnienie o ostrożności.
Zapis decyzji i poprawek pokaże, gdzie zespół potrzebował pomocy podczas tej próby.
Krok 7. Oceń wynik całego procesu
W zgłoszeniach sprawdziłbym czas do rozwiązania sprawy, jakość odpowiedzi i ponowne otwarcia. Do czasu pracy wliczyłbym weryfikację oraz poprawki. Szczególnie istotny jest udział pilnych spraw błędnie ocenionych jako niepilne: mianownikiem są wszystkie rzeczywiście pilne sprawy w ocenianym zbiorze.
Oddzielnie oceniłbym kompetencje ludzi. Czy rozpoznali istotne pomyłki? Czy wiedzieli, jak zareagować? Czy mieli do tego warunki? Dobre wyniki systemu w małej próbie nie pozwalają sprawdzić każdej z tych umiejętności, jeżeli trudna sytuacja po prostu się nie zdarzyła.
Przed testem uzgodniłbym, jakie wyniki pozwolą rozszerzyć zakres. Zmiana modelu, instrukcji lub integracji powinna uruchamiać odpowiednie ponowne sprawdzenie. Dalszy nadzór jest też zgodny z podejściem NIST AI RMF 1.0, które traktuje zarządzanie ryzykiem jako pracę prowadzoną w całym cyklu życia systemu. NIST AI RMF Core, 2023
Na tej podstawie właściciel procesu może zdecydować, czy rozszerzamy zastosowanie, zmieniamy rozwiązanie czy potrzebujemy kolejnych ćwiczeń.
Zacząłbym od krótkiego ćwiczenia
Wróćmy do zgłoszenia o przestoju. Chciałbym zobaczyć pracownika, który sprawdza propozycję, rozumie sytuację i kieruje sprawę we właściwe miejsce. Jeżeli nie może tego zrobić, interesuje mnie konkretna przeszkoda: brak wiedzy, niejasna odpowiedzialność czy ograniczenie systemu. Każda wymaga innego działania.
Od takiej próby zacząłbym przygotowanie zespołu. Pomaga ułożyć szkolenie wokół prawdziwej pracy i wskazać, co trzeba poprawić przed zwiększeniem samodzielności agenta.
Ogólną ocenę zastosowania i efektów biznesowych opisuję w artykule Kupiliśmy AI. Co dalej?. Ten przewodnik dotyczy węższego pytania: czy ludzie potrafią wykonać swoją część pracy w procesie wspieranym przez AI.
Przejdź przez przygotowanie zespołu krok po kroku
W symulacji poniżej możesz sprawdzić własną reakcję na propozycję AI. Po ćwiczeniu możesz zapisać ustalenia dla swojego zespołu i pobrać kartę pracy. Wpisane odpowiedzi pozostają w pamięci tej karty przeglądarki do jej zamknięcia lub przeładowania. Zapisz plik, jeżeli chcesz je zachować. Nie wpisuj danych osobowych, haseł ani poufnych informacji ze zgłoszeń.
Uzupełnienie pól nie potwierdza gotowości zespołu. Tę ocenę trzeba oprzeć na ćwiczeniach i dowodach z właściwego środowiska.
Warsztat decyzyjny · scenariusze hipotetyczne
Przejmij nadzór nad agentem
Agent przygotował propozycję. Zdecyduj, co z nią zrobić. Możesz sprawdzić pełne dane, poprosić o drugą opinię i zobaczyć konsekwencje różnych działań.
Opis przekazany agentowi
Propozycja AI
Otwórz pełne zgłoszenie i regułę procesu
Pełne zgłoszenie
Reguła ustalona dla ćwiczenia
Co oznacza „zatrzymaj”?
Przebieg Twojego ćwiczenia
To zaprogramowana symulacja, bez połączenia z modelem AI i systemem zgłoszeń. Pokazuje możliwe skutki decyzji. Nie mierzy skuteczności zabezpieczeń ani gotowości pracownika.
Zapisz plan dla swojego zespołu
Przygotuj własny plan
Wpisuj ogólne ustalenia, bez danych poufnych. Odpowiedzi nie są wysyłane ani automatycznie zapisywane. Pobierz kartę, aby je zachować.
Krok 1 z 8
Zadanie
Opisz jeden wycinek pracy, którego wynik można sprawdzić.
Przykład i wskazówka
Agent proponuje kategorię i priorytet zgłoszenia; pracownik zatwierdza.
Krok 2 z 8
Odpowiedzialność
Przypisz role i zastępstwo. Uwzględnij pracę poza zwykłymi godzinami.
Przykład i wskazówka
Właściciel procesu ustala priorytety. IT zapewnia działanie integracji. Opiekun ma zastępstwo.
Krok 3 z 8
Ćwiczenia
Wybierz przypadki typowe i wyjątki. Uzgodnij poprawny wynik przed oceną.
Przykład i wskazówka
Zgłoszenie o przestoju, brak informacji, nieaktualna instrukcja, ponowienie zadania.
Krok 4 z 8
Próba decyzji
Przećwicz reakcję człowieka. Przykłady poniżej są hipotetyczne.
Przykład i wskazówka
Zapisz zarówno decyzję uczestnika, jak i przeszkodę, którą ujawniło ćwiczenie.
Wybierz ćwiczenie
Pokaż proponowaną reakcję
To materiał do omówienia z zespołem. Nie jest testem z automatyczną oceną.
Krok 5 z 8
Interwencja
Sprawdź procedurę w środowisku testowym. Sam opis przycisku nie wystarczy.
Przykład i wskazówka
Ustal, jak wstrzymać nowe działania i sprawdzić operacje, które już się rozpoczęły.
Krok 6 z 8
Ograniczona próba
Ustal zakres, czas i dostępność osób nadzorujących.
Przykład i wskazówka
Agent przygotowuje propozycje. Obsługa pilnych spraw nie czeka na zakończenie eksperymentu.
Krok 7 z 8
Ocena
Oceń proces i kompetencje oddzielnie. Nie utożsamiaj uzupełnienia formularza z gotowością.
Przykład i wskazówka
Porównaj czas obsługi z weryfikacją i poprawkami, jakość, ponowne otwarcia i błędy priorytetu.
Krok 8 z 8
Karta pracy
Przejrzyj odpowiedzi i pobierz je przed zamknięciem strony.
Przykład i wskazówka
Karta porządkuje ustalenia. Nie jest audytem, certyfikacją ani automatyczną oceną gotowości.
Plik zawiera wpisane odpowiedzi. Przechowuj i udostępniaj go zgodnie z zasadami swojej organizacji.
Źródła i zakres materiału
Autor: Rafał Mokrowiecki. Odczyt źródeł: 3 listopada 2026. To propozycja postępowania dla liderów IT i właścicieli procesów. Przykłady są hipotetyczne; artykuł nie przedstawia wyników wdrożenia klienta, własnego eksperymentu ani audytu zgodności prawnej.
Źródła są podlinkowane przy odpowiednich fragmentach. W przypadku IDC wykorzystałem publiczny artykuł, bez deklarowania weryfikacji pełnych płatnych badań. Z CIO.com wykorzystałem opisane wypowiedzi, bez uogólniania sondażu konferencyjnego na wszystkie firmy. Teksty Anthropic opisują praktyki dostawcy; nie są niezależnym porównaniem narzędzi. Materiał z 2024 roku służy wyjaśnieniu wzorca oceny, nie aktualnego katalogu produktów. NIST AI RMF 1.0 jest ramą z 2023 roku; jego strona informuje o trwającej aktualizacji. Nie nazywam jej ukończonym nowym wydaniem.
