O agentach AI mówi dziś każdy dostawca oprogramowania, a mało kto wyjaśnia, co to właściwie jest. W tym poradniku opisujemy, jak agenci AI działają, do czego przydają się w firmie handlowej, dystrybucyjnej czy produkcyjnej i jak podejść do wdrożenia, żeby agent odpowiadał na podstawie danych z ERP, a nie zgadywał.
Czym jest agent AI i czym różni się od chatbota
Chatbot odpowiada na podstawie tego, czego nauczył się wcześniej, i tego, co wpiszesz w rozmowie. Nie ma dostępu do Twojego ERP, nie wie, ile towaru jest w magazynie, i nie potrafi niczego zrobić poza napisaniem tekstu.
Agent AI to model językowy, który dostał narzędzia i sam decyduje, kiedy z nich skorzystać. Narzędziem może być zapytanie do bazy danych, wyszukiwarka w dokumentach, wysłanie maila albo zapis zamówienia w ERP przez API. Agent dzieli zadanie na kroki, wywołuje potrzebne narzędzia, sprawdza wyniki i dopiero wtedy odpowiada albo działa.
- Chatbot: „Jak zwykle liczy się rotację towaru?”, odpowiedź ogólna.
- Agent AI: „Które towary w magazynie we Wrocławiu rotują najwolniej?”, agent pobiera dane z modelu stanów i sprzedaży, liczy rotację i podaje konkretną listę.
Co agent AI może robić w firmie
Najlepiej sprawdzają się zadania, w których ktoś dziś szuka danych w kilku miejscach, składa je ręcznie albo pilnuje, czy coś się nie rozjechało.
- Odpowiedzi na pytania o dane. Stany we wszystkich magazynach, sprzedaż i marża według kanałów, klienci, którzy kupują mniej niż rok temu.
- Pilnowanie nieprawidłowości. Rozjazdy stanów między ERP a sklepem, nietypowe rabaty, nagły wzrost zwrotów albo przeterminowanych należności.
- Prognozy i podpowiedzi. Co i kiedy zamówić u dostawców, biorąc pod uwagę sprzedaż ze wszystkich kanałów i czas dostaw.
- Przygotowanie zestawień. Poranny raport dla zarządu, lista klientów do kontaktu dla handlowców, podsumowanie tygodnia.
- Działania w systemach. Wysłanie przypomnienia o płatności, założenie zadania w CRM, przygotowanie szkicu zamówienia do dostawcy do akceptacji.
Dlaczego dane są ważniejsze niż wybór modelu
Najczęstszy błąd przy wdrażaniu agenta to podłączenie go bezpośrednio do tabel ERP. Tabele mają setki kolumn o technicznych nazwach, ta sama informacja bywa zapisana w kilku miejscach, a „sprzedaż” może znaczyć coś innego w każdym dziale. Agent w takich warunkach zgaduje, a zgadywanie w liczbach firmy jest kosztowne.
Dlatego przed agentem buduje się warstwę modeli danych: widoki, które łączą dane z wielu systemów, nazywają je po ludzku i liczą wskaźniki zawsze w ten sam sposób. Do tego dochodzi opis znaczenia (model semantyczny): co to jest marża, który magazyn jest główny, jak liczymy zwroty. Na tak przygotowanych danych agent odpowiada trafnie i powtarzalnie, a jego wynik zgadza się z raportami.
Snowflake Cortex: agent, który odpowiada na pytania o dane
Snowflake to chmurowa hurtownia danych, do której trafiają dane z ERP, sklepów, magazynu i marketplace'ów. Snowflake Cortex to zestaw usług AI wbudowanych w Snowflake. Najważniejsze z punktu widzenia agentów:
- Cortex Analyst zamienia pytanie zadane zwykłym językiem na zapytanie SQL do Twoich danych. Korzysta przy tym z modelu semantycznego, który opisuje tabele i wskaźniki.
- Cortex Search przeszukuje dane tekstowe, np. opisy towarów, notatki handlowców czy treść reklamacji.
- Cortex Agents łączą te narzędzia: planują kroki, wybierają, czy sięgnąć po dane liczbowe, czy po tekst, i składają odpowiedź.
Duża zaleta tego podejścia: modele językowe działają w obrębie Snowflake, a uprawnienia są te same co do danych. Handlowiec zapyta agenta tylko o to, do czego ma dostęp. Na tych samych modelach można też zbudować dashboardy w Snowflake (w Snowsight albo jako aplikację Streamlit), więc liczby na dashboardzie i w odpowiedzi agenta się zgadzają.
Cortex najlepiej sprawdza się wtedy, gdy główną pracą agenta jest odpowiadanie na pytania o dane firmy i analiza.
n8n: agent, który działa w systemach
n8n to narzędzie do automatyzacji procesów, które można uruchomić na własnym serwerze albo w chmurze. Proces buduje się z bloków: wyzwalacz (np. nowe zamówienie, godzina, mail), kolejne kroki i połączenia z systemami. n8n ma gotowy blok AI Agent, do którego podłącza się wybrany model językowy oraz narzędzia: API ERP, CRM, pocztę, Teams, Slacka, arkusze czy bazy danych.
Agent w n8n dobrze radzi sobie z zadaniami, które kończą się działaniem: przeczytaj maila od klienta, sprawdź status zamówienia w ERP, przygotuj odpowiedź, a gdy klient pyta o reklamację, załóż zgłoszenie w CRM. Każdy krok widać w historii wykonań, więc łatwo sprawdzić, co agent zrobił i dlaczego.
Warto pamiętać, że w n8n samodzielnie wybierasz dostawcę modelu językowego. Jeśli to model w zewnętrznej chmurze, dane z rozmowy trafiają do tego dostawcy, więc trzeba świadomie zdecydować, co agent może mu przekazać.
Snowflake Cortex czy n8n?
| Kryterium | Snowflake Cortex | n8n |
|---|---|---|
| Główna rola | odpowiedzi i analizy na danych firmy | automatyzacja działań w wielu systemach |
| Skąd bierze dane | z modeli danych w Snowflake | z API systemów, baz, poczty, plików |
| Typowe zadanie | „jaka była marża na Allegro w tym kwartale?” | „odpisz klientowi i załóż zadanie w CRM” |
| Gdzie działa model AI | w obrębie Snowflake | u wybranego dostawcy modelu |
| Uprawnienia | role Snowflake, takie same jak do danych | dostępy ustawione w połączeniach procesu |
| Dashboardy | tak, w Snowsight i Streamlit | nie, to narzędzie do procesów |
W praktyce to nie jest wybór „albo, albo”. Cortex wie najwięcej o danych, a n8n najlepiej wykonuje działania. Razem tworzą agenta, który i rozumie liczby, i potrafi coś z nimi zrobić.
Jak połączyć Snowflake Cortex i n8n
Agent Cortex jest dostępny przez REST API, więc n8n może zadać mu pytanie jak każdemu innemu systemowi. Przykład procesu, który budujemy u klientów:
- Codziennie o 7:00 n8n uruchamia proces.
- n8n pyta agenta Cortex: „Którzy klienci z przeterminowanymi płatnościami mają dziś otwarte zamówienia?”.
- Cortex odpowiada listą na podstawie modeli należności i zamówień w Snowflake.
- n8n wysyła każdemu handlowcowi maila z jego klientami, a w CRM zakłada zadanie „skontaktuj się przed wysyłką”.
- Gdy kwota przekracza ustalony próg, n8n prosi kierownika o decyzję, zanim zamówienie zostanie zablokowane.
Ostatni krok jest ważny: decyzje, które kosztują pieniądze albo dotyczą klienta, zostawiamy człowiekowi. Agent przygotowuje wszystko, a człowiek zatwierdza jednym kliknięciem.
Jak wdrożyć agenta AI krok po kroku
- Wybierz jedno konkretne zadanie. Np. „odpowiedzi o stanach dla działu sprzedaży”. Mały, mierzalny początek daje szybki efekt i pokazuje, co warto rozwijać.
- Zbierz dane w jednym miejscu. Podłącz ERP, sklepy, WMS i marketplace'y do Snowflake, z automatycznym odświeżaniem.
- Zbuduj modele danych. Widoki z czytelnymi nazwami i wskaźnikami liczonymi zawsze tak samo, plus opis znaczenia dla agenta.
- Uruchom agenta i sprawdź go na prawdziwych pytaniach. Zbierz listę pytań od zespołu i porównaj odpowiedzi z raportami.
- Dodaj działania. Gdy odpowiedzi są trafne, podłącz n8n, żeby agent wysyłał maile, zakładał zadania albo przygotowywał dokumenty.
- Mierz i rozwijaj. Sprawdzaj, ile czasu oszczędza zespół i o co ludzie pytają najczęściej, a potem dodawaj kolejne obszary.
Na co uważać
- Uprawnienia. Agent nie może widzieć więcej niż osoba, która z nim rozmawia. Najprościej osiągnąć to, gdy agent korzysta z tych samych ról co dane.
- Pomyłki modelu. Modele językowe potrafią brzmieć pewnie, nawet gdy się mylą. Dobre modele danych i testy na prawdziwych pytaniach ograniczają ten problem, a ważne decyzje powinien zatwierdzać człowiek.
- Koszty. Płaci się za obliczenia i wywołania modeli. Warto ustawić limity, usypianie nieużywanych zasobów i monitorować zużycie od pierwszego dnia.
- Dane wysyłane na zewnątrz. Przy agentach w n8n sprawdź, jakie dane trafiają do dostawcy modelu, i ogranicz je do niezbędnego minimum.
- Zapis w ERP. Agent, który tylko czyta dane, jest bezpieczny na start. Zapisy w ERP wprowadzaj stopniowo, przez API i z kontrolą człowieka.