Jak używamy agentów AI w Mojej Firmie

Mój agent właśnie otworzył Google Search Console w swojej przeglądarce, dodał dziesięć adresów URL do indeksowania i zamknął przeglądarkę. Ja w tym czasie piłem kawę.

To nie jest pokaz możliwości. To nie jest prototyp. To jest mój czwartek rano.

Prowadzimy kilka portali w niewielkim zespole. Dodatkowo odkąd wdrożyłem OpenClaw, mam dwóch cyfrowych asystentów, którzy pracują równolegle ze mną — jeden pisze kod, drugi tworzy treści. Obaj mają dostęp do moich narzędzi, pamiętają poprzednie rozmowy i sami się odzywają, gdy coś wymaga uwagi.

W tym artykule pokażę Ci dokładnie, jak to wygląda w praktyce. Bez marketingowej ściemy, bez teoretyzowania. Konkretne zadania, konkretne narzędzia, konkretne wyniki.

1. Dlaczego ChatGPT to za mało
2. Czym jest OpenClaw (w 60 sekund)
3. Dwóch agentów, różne specjalizacje
4. Centrum dowodzenia — zbudowane przez AI
5. Agent pracuje, gdy śpisz
6. Baza wiedzy jako pamięć zespołu
7. Kodowanie przez AI — jak to naprawdę działa
8. Czy to jest dla Ciebie?

Dlaczego ChatGPT to za mało

Zanim przejdę do konkretów, powiem wprost: ChatGPT nie jest asystentem. To okienko do rozmów.

Większość ludzi „używa AI" tak: kopiujesz tekst do okienka, dostajesz odpowiedź, kopiujesz z powrotem. Potem znowu. I znowu. To nie jest automatyzacja — to dodatkowa praca z pośrednikiem.

ChatGPT nie:

• wyśle za Ciebie maila,
• otworzy przeglądarki i wykona zadanie w aplikacji,
• sam się odezwie, gdy coś będzie wymagało uwagi,
• zapamięta, nad czym pracowaliście tydzień temu.

Agent AI to zupełnie inna kategoria. Agent ma dostęp do Twoich narzędzi. Może działać samodzielnie. Pamięta kontekst. I co najważniejsze — wykonuje zadania, a nie tylko o nich rozmawia. Z definicji agent to jest ktoś (coś?), kto działa na Twoją rzecz i w Twoim imieniu.

Czym jest OpenClaw (w 60 sekund)

OpenClaw to projekt open source do uruchamiania własnych agentów AI. Na moment pisania tego wpisu ma już prawie 300,000 gwiazdek na Githubie mimo, że zadebiutował pod koniec 2025 roku.

Instalujesz go na swoim komputerze lub serwerze, podłączasz wybrany model (np. GPT-5, Codex, Claude Opus, Gemini, ...) i masz agenta, z którym rozmawiasz przez Telegram, WhatsApp, Discord czy przeglądarkę.

Dlaczego to ważne?

1. Twoje dane zostają u Ciebie. Agent działa lokalnie, na Twoim sprzęcie lub ewentualnie na Twoim VPS.
2. Wybierasz model. Dziś Claude, jutro GPT-5, pojutrze coś nowego — zmieniasz jedną linijkę w konfiguracji.
3. Dajesz agentowi narzędzia. Dostęp do plików, przeglądarka, terminal, API — agent może robić to, co Ty.
4. Agent pamięta. Między sesjami, między dniami, między projektami.

Dwóch agentów, różne specjalizacje

W mojej konfiguracji działają na ten moment dwaj agenci. Każdy ma własną osobowość, własne umiejętności i własną pamięć.

Agent kodujący 🧙 — wdraża funkcje w aplikacjach, przeprowadza audyty bezpieczeństwa, zarządza infrastrukturą. Gdy potrzebuję nowej funkcji w panelu, piszę mu, czego chcę — on uruchamia narzędzie do kodowania, pisze kod, testuje, zatwierdza zmiany i wdraża.

Agent od treści 🏹 — pisze artykuły na blogi, robi rozeznanie tematów, publikuje przez API. Ten artykuł? Napisał go na moje zlecenie.

Agenci mogą się komunikować między sobą. Gdy agent od treści potrzebuje technicznej informacji o produkcie, może zapytać agenta kodującego. Gdy agent kodujący skończy wdrożenie, może zlecić agentowi od treści napisanie dokumentacji.

Każdy może mieć dowolną liczbę agentów o dowolnych specjalizacjach. Ja zacząłem od dwóch ale na pewno w przyszłości będę zwiększał ich liczbę w miarę uczenia się systemu.

Centrum dowodzenia — zbudowane przez AI

Jednym z pierwszych projektów, które agent kodujący dla mnie zbudował, jest panel do zarządzania pracą agentów — aplikacja desktopowa, którą używam codziennie.

To nie jest kolejne narzędzie do zarządzania projektami. To centrum dowodzenia dla systemu AI.

Tablica zadań z inteligentnymi filtrami

Główna zakładka to tablica zadań w stylu kanban. Ale to nie jest zwykła tablica.

Filtry: Mogę filtrować zadania według projektu (mam trzy firmy), według osoby przypisanej (ja, agent kodujący, agent od treści, członek zespołu), według statusu (do zrobienia, w trakcie, do przeglądu, zrobione). Jest też wyszukiwarka pełnotekstowa.

Podsumowanie: Na górze widoczne są liczniki — ile zadań łącznie, ile otwartych, ile czeka na przegląd, ile zrobionych. Jedno spojrzenie i wiem, jak wygląda sytuacja.

Dwa widoki: Kanban (kolumny ze statusami) lub lista (wszystko pod sobą, posortowane). Przełączam jednym kliknięciem.

Agenci sami sprawdzają tablicę, biorą zadania, aktualizują statusy. Ja widzę postęp w czasie rzeczywistym.

Projekty i rezultaty

Osobna zakładka pokazuje projekty z lotu ptaka. Każdy projekt ma swoje rezultaty (deliverables) — konkretne rzeczy do dostarczenia z terminami.

Rezultaty mają statusy: zaplanowane, w trakcie, zrobione, zablokowane. Mają obszary: produkt, marketing, sprzedaż, operacje. Mają właścicieli i terminy.

Pod każdym rezultatem widzę powiązane zadania. Jeśli rezultat ma termin za tydzień, a zadania stoją — wiem, że coś jest nie tak.

Widok osi czasu: Mogę przełączyć na widok czasowy i zobaczyć, jak rezultaty rozkładają się w kalendarzu. Które terminy się zbliżają, które się opóźniają.

Graf wiedzy

To moja ulubiona funkcja. Graf pokazuje wszystkie dokumenty w systemie jako węzły, a połączenia między nimi jako krawędzie.

Wizualizacja: Każdy typ dokumentu ma inny kolor. Decyzje, badania, podręczniki, standardy — wszystko widać na pierwszy rzut oka. Projekty mają własne kolory, które sam konfiguruję.

Filtrowanie: Mogę włączać i wyłączać typy dokumentów, filtrować według projektów, szukać konkretnych węzłów. Zoom, przesuwanie, klikanie w węzły — wszystko działa płynnie.

Po co to? Gdy szukam informacji, widzę, z czym jest powiązana. Decyzja o architekturze API? Graf pokazuje, które badania ją poprzedziły, jakie standardy z niej wyniknęły, w których projektach została zastosowana.

Pozostałe zakładki

Podgląd sesji — widzę, nad czym agent właśnie pracuje. Co napisał, jakie narzędzia wywołał, gdzie jest w zadaniu.

Zarządzanie agentami — lista agentów, ich statusy, uprawnienia. Kto jest dostępny, kto pracuje nad czym.

Harmonogram zadań — zadania uruchamiane automatycznie o określonych porach.

Przeglądarka plików — dostęp do przestrzeni roboczej agentów. Pamięć, notatki, baza wiedzy.

Rozmowa — mogę pisać do agentów bezpośrednio z panelu, bez przełączania się do Telegrama.

Agent pracuje, gdy śpisz

To jest moja ulubiona część. Agenci nie muszą czekać na polecenia.

W OpenClaw są dwa mechanizmy proaktywności:

1. Puls (ang. Heartbeat) — agent regularnie „budzi się" i sprawdza, czy coś wymaga uwagi. Czy są nowe zadania? Czy coś wymaga reakcji? Jeśli tak — działa. Jeśli nie — mówi „wszystko w porządku" i wraca do snu.
2. Harmonogram (ang. Cron) — precyzyjny rozkład zadań. Konkretne zadania o konkretnych porach.

Mój harmonogram nocny:

Poranne zadania:

7:00 — Raport poranny. Agent otwiera przeglądarkę, loguje się do Google Drive, tworzy dokument z raportem z nocnej pracy i wysyła mi odnośnik.

8:00 — Google Search Console. Agent otwiera Search Console, sprawdza stan indeksowania, dodaje dziesięć nowych adresów URL do kolejki. Aktualizuje listę kontrolną postępów.

Kiedy budzę się rano, mam gotowy raport z odnośnikiem w Telegramie. Agent już pracuje nad kolejnymi zadaniami. Ja mogę spokojnie wypić kawę.

Baza wiedzy jako pamięć zespołu

Jednym z największych problemów z AI jest brak pamięci. Zaczynasz nową rozmowę — i zaczynasz od zera.

W OpenClaw rozwiązałem to przez strukturalną bazę wiedzy. To nie są przypadkowe notatki. To system.

Struktura:

Decyzje — każda ważna decyzja zapisana jako dokument. Dlaczego wybraliśmy takie podejście? Jakie były alternatywy? Co się zmieniło? Mam ich ponad trzydzieści.

Podręczniki — powtarzalne procedury. Jak wdrażać? Jak przeprowadzić audyt bezpieczeństwa? Jak pisać wpisy na bloga?

Badania — analizy rynku, konkurencji, technologii. Agent może się do nich odwołać przy nowych zadaniach.

Standardy — zasady jakości. Jak formatować kod? Jakie testy są wymagane? Co musi zawierać każdy wpis?

Raporty — audyty bezpieczeństwa, analizy wydajności, przeglądy kodu.

Wszystko połączone odnośnikami wewnętrznymi. Agent szukający informacji o projekcie MojaFirma znajdzie powiązane decyzje, raporty, standardy. Graf wiedzy w panelu pokazuje te połączenia wizualnie.

Pamięć dzienna

Oprócz bazy wiedzy każdy agent prowadzi dziennik. Plik z notatkami z danego dnia. Co zrobił? Na jakie problemy natrafił? Co wymaga kontynuacji?

Następnego dnia agent czyta notatki z poprzedniego dnia i ma kontekst. Żadnego „przypomnij mi, nad czym pracowaliśmy".

Kodowanie przez AI — jak to naprawdę działa

Agent kodujący nie pisze kodu bezpośrednio. Używa Codex — narzędzia od OpenAI do autonomicznego programowania.

Jak to wygląda w praktyce:

1. Piszę do agenta: „Dodaj do panelu nową zakładkę z podglądem zaplanowanych zadań".
2. Agent analizuje zadanie, przygotowuje kontekst (jakie zakładki już są, jaka jest struktura projektu, jakie są standardy).
3. Uruchamia Codex w tle.
4. Monitoruje postęp co trzy minuty. Jeśli Codex się zatrzyma — zgłasza mi.
5. Po zakończeniu — uruchamia testy, sprawdzanie składni, weryfikację typów.
6. Jeśli wszystko przechodzi — zatwierdza zmiany i wysyła na GitHub.
7. Automatyczne wdrożenie robi resztę.

Ja w tym czasie zajmuję się czymś innym. Dostaję powiadomienie: „Zrobione. Oto co zmieniłem."

Zabezpieczenia

Agent nie ma pełnej swobody. Mam zasady:

• Żadnych wdrożeń z maszyny agenta. Wszystko przez GitHub i automatyczne procesy. Łatwiej cofnąć.
• Audyt bezpieczeństwa przy każdej zmianie. Agent sprawdza kod przed scaleniem.
• Jakość przed szybkością. Wolę poczekać 30 minut na dobrze przetestowaną zmianę niż dostać łatkę, która rozwali produkcję.

Czy to jest dla Ciebie?

OpenClaw nie jest dla każdego. Wymaga technicznej wiedzy do skonfigurowania. Wymaga przemyślenia, jakie zadania chcesz delegować. Wymaga zaufania do AI — ale takiego opartego na zabezpieczeniach, nie na ślepej wierze.

Ale jeśli:

• prowadzisz firmę lub zespół i masz dość nudnych powtarzalnych zadań,
• masz procesy, które można opisać i zautomatyzować,
• chcesz AI, które działa dla Ciebie, a nie tylko z Tobą rozmawia,

...to warto porozmawiać.

Buduję takie systemy dla innych firm. Nie sprzedaję pudełkowego produktu — projektuję rozwiązanie dopasowane do Twoich procesów, Twoich narzędzi, Twojego zespołu.