Agenci działający w produkcji01Monitoring i wsparcie 24/70290-dniowa gwarancja ROI03Pierwszy agent w 7 dni04
Agenci w produkcji
Agenci Hermes dla najczęstszych wąskich gardeł
Autonomiczni agenci dla rosnących firm i pilotaży korporacyjnych. Bezpieczni, kontrolowani i zgodni z RODO oraz CCPA.
01
◎
Agent obsługi klienta
Agent obsługuje zgłoszenia, odpowiada, przekierowuje i eskaluje sprawy. Klienci dostają odpowiedź przez całą dobę. Zespół zajmuje się przypadkami, które wymagają oceny człowieka.
Agent kwalifikuje leady, przygotowuje kontakt, pilnuje follow-upów i aktualizuje CRM. Pipeline pracuje przez całą dobę bez zatrudniania kolejnych handlowców.
Agent przygotowuje księgowania, uzgadnia konta, składa raport miesięczny i porządkuje dokumenty dla księgowości. Zadanie z pół dnia kończy się w kilka minut.
Hermes Agent od Nous Research to otwarte środowisko pracy dla autonomicznych agentów AI. Łączy modele, dane, narzędzia i reguły biznesowe w proces, który wykonuje pracę od początku do końca.
Chatbot odpowiada. Agent działa. Pobiera dane, ocenia sytuację, uruchamia narzędzia i przekazuje sprawę człowiekowi, gdy ryzyko przekracza ustalony próg.
Źródła, model, narzędzia i czas działania zapisane.
Proces wdrożenia
Od pomysłu do działającego agenta w 7 dni
Zaczynamy od jednego procesu i mierzalnego wyniku. Zakres rośnie dopiero wtedy, gdy liczby uzasadniają kolejny krok.
Dzień 1 i 2
Analiza i projekt
Analizujemy procesy, wybieramy przypadek z najwyższym zwrotem i projektujemy agenta pod konkretny wynik.
Wynik: plan wdrożeniaDzień 3 do 7
Budowa i wdrożenie
Łączymy agenta z systemami firmy, testujemy go na realnych danych i ustawiamy zasady działania.
Wynik: agent w produkcjiPo starcie
Utrzymanie i skalowanie
Monitorujemy działanie 24/7, poprawiamy wyniki i wdrażamy kolejne role, gdy liczby uzasadniają kolejny krok.
Wynik: rosnący zwrot
Wyniki
Wyniki
Mierzymy czas, koszt, jakość i wpływ na przychód. Każde wdrożenie ma jawne KPI.
Handel energią
35 godzin odzyskanych tygodniowo
90% mniej błędów
Agent przejął proces uzgodnień. Zespół wreszcie skupia się na pracy strategicznej.
Firma szkoleniowo-konsultingowa
1,2 etatu odzyskanego
Raportowanie z 20 do 2 godzin
Sześć narzędzi zastąpiło jedno źródło informacji. W 7 dni.
Agencja rekrutacyjna
18 godzin odzyskanych tygodniowo
40% mniej zgłoszeń
Agent obserwuje wszystkie portale i eskaluje tylko wtedy, gdy dzieje się coś istotnego.
Sklep internetowy
94% spraw rozwiązanych automatycznie
Ocena klientów 4,8/5
Klienci nie odczuwają spadku jakości. Odpowiedzi są szybkie i trafne.
FAQ
Najczęstsze pytania o agentów AI dla firm
Krótko o możliwościach, integracjach, bezpieczeństwie danych i mierzeniu efektów wdrożenia.
Chatbot odpowiada na pytania. Agent AI pobiera dane, ocenia sytuację, używa narzędzi i wykonuje kolejne etapy procesu, a sprawy wymagające oceny przekazuje człowiekowi.
Pierwszy, jasno określony proces może zostać uruchomiony produkcyjnie w 7 dni: od analizy i projektu przez integracje po testy na realnych danych.
Tak. Agenci mogą łączyć się między innymi z CRM, pocztą, Microsoft 365, systemami obsługi klienta, ERP i wewnętrznymi źródłami przez dostępne API.
Architektura może działać w chmurze w Unii Europejskiej lub USA, hybrydowo albo lokalnie. Zakres dostępu, uprawnienia i logi są ustalane dla konkretnego procesu.
Przed startem ustalamy KPI związane z czasem, kosztem, jakością i wpływem na przychód. Zakres jest rozwijany dopiero wtedy, gdy wyniki uzasadniają kolejny krok.
O
Pierwszy agent w 7 dni
Pierwszy agent Hermes. W produkcji w 7 dni.
Integrujemy Hermes Agent z obecną infrastrukturą. Bez zamknięcia u jednego dostawcy. Z kontrolą nad danymi. Z wynikiem, który da się zmierzyć.
Jedno miejsce z wiedzą o Hermes Agent, agentach AI i automatyzacji zgodnej z przepisami.
Ta strona porządkuje treści hermes-agency.dev. W centrum znajduje się przewodnik dla osób decyzyjnych. Wokół niego: porównania, materiały techniczne, przypadki użycia i case studies z realnych wdrożeń.
Strona filarowa
Hermes Agent dla firm
Przewodnik pokazuje Hermes Agent od strony biznesu: kontrola nad danymi, architektura, nadzór, integracje, proces wdrożenia i ROI.
Dla małych i średnich firm, scale-upów oraz pilotaży korporacyjnych w USA, Kanadzie, Wielkiej Brytanii, regionie DACH i poza nim.
Zakres: Hermes Agent · Dla: CTO, założycieli i liderów IT · Format: przewodnik
Przykłady z realnych wdrożeń i powtarzalne wyniki projektów Hermes Agent
Dostępne
Logistyka: usunięto 35 godzin ręcznego uzgadniania tygodniowo
Średnia firma logistyczna zautomatyzowała uzgadnianie statusów z wielu portali przewoźników. Liczba ręcznych kontroli spadła, a inwestycja zwróciła się po kilku tygodniach. Agent ruszył w produkcji w 7 dni.
Jak średnia firma logistyczna odzyskała 35 godzin tygodniowo dzięki Hermes Agent
Klient ręcznie obsługiwał prośby o status i uzgadniał dane przewoźników w kilku portalach. Skutek: wysoki koszt koordynacji, błędy w raportach i zbędne kontakty z klientami.
Celem nie był pokazowy agent. Celem był agent operacyjny do codziennej pracy, uruchomiony w 7 dni.
35 h
odzyskanych tygodniowo
90%
mniej ręcznych kontroli
6 tyg.
do zwrotu
1 tydz.
do produkcji
Punkt wyjścia
Trzy osoby regularnie spędzały dużą część tygodnia na pobieraniu danych z portali przewoźników, opisywaniu wyjątków i kontakcie z klientami.
Problemem nie była sama liczba zadań. Problemem było rozproszenie: wiele portali, różne formaty danych i brak jednego widoku wyjątków.
Projekt rozwiązania
Hermes Agent ze skillami dla API przewoźników i źródeł statusów
Zasady obsługi wyjątków, ryzyka SLA i eskalacji
Jeden raport zbierający dane ze wszystkich portali
Człowiek w procesie przy wrażliwych wyjątkach i kontroli ręcznej
Architektura była celowo pragmatyczna. Agent nie działał jako pełny autopilot dla każdego wyjątku. Przejmował rutynę i włączał człowieka tylko tam, gdzie liczyła się ocena sytuacji.
Ty jako OrchestratorWyniki, delegowanie, przegląd
Delegujesz równolegle
Agent 1SEO i wydajność
Agent 2Automatyzacja
Agent 3Treści i strony
Agenci oddają wyniki
PrzeglądPoprawki i publikacja
Wdrożenie w 7 dni
Dzień 1 i 2: mapa procesu, źródła danych, typy wyjątków i KPI
Dzień 3 i 4: dostęp do portali, ujednolicenie statusów i raportowanie
Dzień 5 i 6: testy na realnych sprawach, dopracowanie zgód i eskalacji
Dzień 7: start produkcyjny, monitoring, ocena jakości i szybka pętla informacji zwrotnej
Wyniki po 90 dniach
Największy efekt nie ograniczał się do czasu. Proces stał się stabilniejszy. Uzgadnianie statusów przyspieszyło. Raporty stały się bardziej wiarygodne. Wyjątki były widoczne wcześniej.
Zespół przestał przeklikiwać portale. Skupił się na eskalacjach, komunikacji z klientami i poprawie procesu. Satysfakcja klientów rosła razem z oszczędnościami.
Agent nie zastąpił samych kliknięć. Po raz pierwszy dostaliśmy spójną pętlę operacyjną: pobierz statusy, oznacz wyjątki, przygotuj raport i przekaż nam tylko trudne sprawy.Dyrektor operacyjny, średnia firma logistyczna
Chcesz ocenić podobny proces?
Pokażemy, które procesy pasują do szybkiego pilotażu Hermes Agent i jak wygląda wiarygodne wdrożenie w 7 dni, bez chaosu operacyjnego. Zgodność z RODO i CCPA. Hosting w USA lub UE.
Architektura Hermes Agent dla firm: bezpieczeństwo, skalowanie i ochrona danych w agentach produkcyjnych
Firmy rzadko przegrywają na samym pomyśle agenta AI. Przegrywają na decyzjach architektonicznych. Kto ma prawo wykonać dane działanie? Gdzie przetwarzane są dane? Jak zapisuje się decyzje? Kiedy włącza się człowiek?
1. Rdzeń architektury
Wiarygodne wdrożenie firmowe rozdziela co najmniej cztery warstwy: wejście użytkownika, dostęp do wiedzy i kontekstu, uruchamianie modeli oraz prawa do działania w systemach docelowych.
Warstwa wejścia i nadzoru
Uwierzytelnianie, role, zasady promptów, logowanie i reguły zgód.
Warstwa wiedzy i kontekstu
RAG, bazy wiedzy, procedury, dane produktowe i uporządkowane źródła.
Warstwa agenta i modelu
Router modeli, logika agenta, narzędzia, punkty oceny i sygnały pewności.
Warstwa działania
API do CRM, ERP, zgłoszeń, DMS i komunikatorów z ograniczonym zakresem praw.
Droższy modelPlanowanie i decyzje
Rozdziela etapy wykonania
Tańszy model AWykonanie
Tańszy model BWykonanie
Tańszy model CWykonanie
Ponad 80% tokenów po niższej stawce
WynikKontrolowany koszt
2. Bezpieczeństwo wynika z granic, nie z zaufania
Nadawaj uprawnienia narzędziom osobno dla każdego agenta
Oddziel zapis od odczytu
Krytyczne działania uruchamiaj po zgodzie lub kontroli progu
Zapisuj każde wywołanie modelu, źródło i działanie
Ustal ścieżki awaryjne dla brakujących źródeł i awarii API
Najważniejsza zasada: agent nigdy nie powinien mieć więcej władzy, niż proces i organizacja są w stanie bezpiecznie przyjąć.
3. RODO i CCPA: decyzje, które trzeba podjąć wcześnie
Ochrona danych nie jest dodatkiem. Przed startem trzeba ustalić kategorie danych, miejsca zapisu, okres przechowywania, zasady usuwania i role odpowiedzialne.
Jakie dane osobowe widzi agent
Kto jest administratorem i gdzie odbywa się przetwarzanie
Kto widzi wyniki i jak długo przechowywane są logi
Które modele są dopuszczone do danych wrażliwych
Czy wystarczy hosting w USA lub UE, czy wymagany jest on-premise
Czy proces musi respektować sygnał rezygnacji GPC
4. On-premise, chmura USA lub UE, czy model hybrydowy?
Nie istnieje jeden model hostingu dobry dla każdej firmy. Dla wielu organizacji praktyczny jest wariant hybrydowy. Wrażliwe źródła danych zostają blisko firmy. Mniej krytyczne elementy działają w zarządzanej chmurze.
Monitoring, aktualizacje, sekrety, izolacja dostępu i audyt muszą działać stabilnie bez względu na model.
5. Skalowanie to większa odpowiedzialność
Gdy działa kilka agentów, rosną wymagania wobec wersjonowania, promptów, testów, kontroli kosztów i zgód na zmiany.
Która wersja agenta działa w danym środowisku
Jak wykrywane są regresje
Kto zatwierdza nowe uprawnienia
Kto zatwierdza nowe źródła danych
Potrzebujesz wiarygodnego wdrożenia dla danych wrażliwych?
Projektujemy architekturę gotową na RODO i CCPA, z hostingiem w USA lub UE.
Hermes Agent dla firm: przewodnik dla osób decyzyjnych
Hermes Agent łączy elastyczność otwartego środowiska pracy dla autonomicznych agentów AI oraz wymagania IT, bezpieczeństwa i biznesu.
Ten przewodnik pokazuje, kiedy Hermes Agent ma sens, które decyzje architektoniczne trzeba podjąć wcześnie i jak wygląda wiarygodne wdrożenie w 7 dni.
Czas czytania: 2 minuty · Aktualizacja: 20 lipca 2026 · Dla: CEO, CTO i liderów IT
1. Czym jest Hermes Agent z perspektywy biznesu?
Technicznie Hermes Agent jest środowiskiem pracy dla autonomicznych agentów AI. Biznesowo automatyzuje zadania wykraczające poza proste reguły: pobiera informacje, przygotowuje decyzje, uzgadnia dane między systemami i uruchamia kolejne działania.
Chatbot odpowiada. Agent pracuje.
AI działa wewnątrz firmowego procesu bez oddawania wszystkich danych zamkniętej platformie SaaS. Role, granice i punkty zgody zostają pod kontrolą.
2. Jakie problemy Hermes Agent rozwiązuje w praktyce?
Obsługa klienta: klasyfikacja, odpowiedź i eskalacja
Operacje: dokumenty, ekstrakcja danych, uzgodnienia i raporty
Sprzedaż: kwalifikacja leadów, CRM i follow-upy odzyskujące 12 do 20% zablokowanego pipeline'u
Wewnętrzna wiedza: odpowiedzi oparte na dokumentach i procedurach
Procesy częściowo uporządkowane. Zbyt trudne dla sztywnych reguł, lecz zbyt powtarzalne, by nadal wykonywać je ręcznie.
3. Kontrola danych, RODO, CCPA i model pracy
Firma potrzebuje jasnych ustaleń: gdzie działają elementy systemu, jakie dane widzi agent i kiedy ma prawo działać samodzielnie.
Typowe warianty obejmują chmurę w USA lub UE, model hybrydowy i pełne wdrożenie on-premise dla danych wrażliwych.
4. Integracje budują uzasadnienie biznesowe
Agent AI dostarcza wartość, gdy łączy się z właściwymi systemami: CRM, ERP, zgłoszenia, bazy wiedzy, DMS i komunikatory.
SalesforceHubSpotMicrosoft 365SlackZendeskNetSuiteQuickBooksBambooHRWewnętrzne źródła
Samo połączenie z API nie wystarcza. Trzeba ustalić tryb pracy: odczyt, zapis, uruchomienie działania lub rekomendacja.
5. Typowe wdrożenie: agent w produkcji w 7 dni
Wybór procesu o największej powtarzalności i wpływie na wynik
Analiza danych i ryzyka
Projekt agenta, narzędzi, ograniczeń i KPI
Pilotaż na realnej logice biznesowej
Praca produkcyjna z oceną jakości
Najlepsze projekty zaczynają od małego, lecz istotnego procesu: konkretna praca, realne połączenie i mierzalne KPI.
5 zastosowań Hermes Agent i ich wpływ na wynik rosnącej firmy
Najlepszy przypadek użycia rzadko jest najbardziej widowiskowy. Najczęściej wygrywa proces powtarzalny, z mierzalną oszczędnością czasu i kontrolowanym ryzykiem.
01
Agent obsługi klienta dla powtarzalnych spraw
Dla zespołów z dużą liczbą zgłoszeń, odpowiedziami opartymi na standardach i jasną logiką eskalacji.
Klasyfikuje wiadomości, tickety i formularze
Odpowiada na podstawie FAQ, bazy wiedzy i CRM
Przekazuje wyjątki człowiekowi
Wpływ na ROI: krótszy czas obsługi, więcej spraw rozwiązanych przy pierwszym kontakcie i mniejsza kolejka.
02
Agent operacyjny do dokumentów i uzgadniania statusów
Dla logistyki, energetyki, handlu i dostawców przemysłowych.
Odczytuje faktury, dokumenty dostawy i statusy
Uzgadnia dane między portalami, ERP, NetSuite, SAP i arkuszami
Wykrywa wyjątki
Wpływ na ROI: mniej ręcznej koordynacji, krótszy cykl, mniej błędów.
03
Agent sprzedażowy do kwalifikacji i przygotowania kontaktu
Dla zespołów z dużą liczbą leadów i małą ilością czasu na research, personalizację i follow-up.
Porządkuje leady
Uzupełnia Salesforce lub HubSpot
Przygotowuje spersonalizowany kontakt
Wpływ na ROI: szybsza reakcja, czystszy pipeline i przychód odzyskany z zatrzymanych leadów.
04
Agent finansowo-administracyjny dla usług wewnętrznych
Dla księgowości, controllingu i shared services.
Przygotowuje faktury i wskazuje brakujące dane
Generuje uzgodnienia kont i raporty
Odpowiada na rutynowe sprawy wewnętrzne
Wpływ na ROI: mniej wymiany wiadomości, szybsze zamknięcie miesiąca, mniej błędów.
05
Wewnętrzny agent wiedzy dla procedur i dokumentów
Punkt wejścia, gdy dokumenty są rozproszone, a wiedza znajduje się w głowach kilku osób.
Odpowiada na podstawie dokumentów i zasad
Cytuje źródła i sygnalizuje niepewność
Odciąża zespół podczas onboardingu
Wpływ na ROI: mniej czasu na szukanie, szybszy onboarding, mniej przerw.
Jak policzyć uzasadnienie biznesowe
Na pierwszy etap wystarczą trzy liczby.
Wolumen
Jak często proces występuje w tygodniu lub miesiącu?
Nakład pracy
Ile czasu zajmuje jedna sprawa razem z poprawkami?
Profil ryzyka
Które etapy agent wykonuje sam, a które wymagają zgody?
Wartość pochodzi z odzyskanego czasu, niższego kosztu błędów, szybszej reakcji i większej wydajności obecnego zespołu.
Chcesz wskazać najmocniejszy przypadek użycia?
Oceniamy procesy według wartości, ryzyka i kosztu integracji. Następnie szkicujemy realistyczny pilotaż z wiarygodnymi KPI.
Hermes Agent vs n8n vs Zapier: kiedy wybrać każde z tych narzędzi?
Te trzy rozwiązania odpowiadają na inne potrzeby. Zapier sprawdza się w szybkiej automatyzacji między aplikacjami. n8n daje elastyczne workflow i self-hosting. Hermes Agent pasuje do procesów, które wymagają autonomii, kontekstu i nadzoru.
Czas czytania: 8 minut · Zakres: wybór narzędzia · Dla: liderów IT, operacji i zespołów cyfrowych
W skrócie
Zapier
Szybkie, liniowe automatyzacje SaaS z małym nakładem technicznym.
n8n
Rozbudowane workflow, self-hosting i własna logika procesu.
Hermes Agent
Agenci AI, które oceniają informacje, łączą kontekst i prowadzą działania.
Jeśli zadanie polega na przeniesieniu danych z formularza do CRM, wysłaniu powiadomienia lub wykonaniu ścieżki if-then, n8n i Zapier będą zwykle szybsze, tańsze i łatwiejsze w utrzymaniu.
Błąd pojawia się, gdy funkcje agentowe są wciskane do narzędzia, które nie zostało pod nie zaprojektowane.
Rekomendacja dla firm każdej wielkości
Zapier dla szybkich, standardowych ścieżek
n8n dla uporządkowanej automatyzacji procesu
Hermes Agent tam, gdzie AI ma badać, decydować i działać
W wielu wdrożeniach najlepsze jest połączenie: n8n obsługuje liniową logikę integracji, a Hermes Agent etapy oparte na wiedzy i decyzjach.
Chcesz uczciwej oceny profilu automatyzacji?
Sprawdzimy, czy wystarczy workflow, czy agent Hermes da większy zwrot.
Obniż koszty agentów AI: model Advisor i Orchestrator bez ukrytych wydatków
„Czy agenci AI stali się za drodzy?” to źle postawiona kwestia.
Właściwa brzmi: czy dostawca umie zaprojektować koszty modeli?
Dwie potwierdzone architektury kosztowe, Advisor i Orchestrator, pokazują różnicę między kontrolowanym budżetem a rachunkiem, który rośnie bez kontroli.
Autor: Joshua HellerPublikacja: 15 lipca 2026Czas czytania: około 12 minutKategoria: koszty AI i ROI
-11,9%
Oficjalnie potwierdzona redukcja kosztu w modelu Advisor, Anthropic, kwiecień 2026.
-54%
Redukcja kosztu w modelu Orchestrator dla zadań nadających się do pracy równoległej, Claude Cookbooks.
+2,7 punktu procentowego
Wzrost trafności na SWE-bench Multilingual w modelu Advisor.
Spis treści
Dlaczego hasło „agenci AI są drodzy” wypacza wybór dostawcy
Jedna nazwa, dwa znaczenia słowa Orchestrator
Model Advisor: tańszy model wykonuje pracę, droższy tylko doradza
Model Orchestrator: droższy planuje, tańsze wykonują
Liczby potwierdzone i deklaracje bez niezależnego źródła
Jak ocenić dostawcę
Kalkulator ROI
Ograniczenia tego podejścia
Najczęstsze wątpliwości
01
01. Dlaczego hasło „agenci AI są drodzy” wypacza wybór dostawcy
Od czasu przejścia flagowego modelu Anthropic Fable 5 z subsydiowanego abonamentu na rozliczenie według użycia coraz częściej słyszymy od rosnących firm tę samą obawę:
Czy agenci AI stali się dla nas za drodzy?
Uczciwa odpowiedź brzmi: nie, jeśli dostawca umie zarządzać kosztem modeli.
To odróżnia dobrze prowadzone wdrożenie od systemu z rachunkiem rosnącym bez kontroli. Jest to zarazem jedno z najważniejszych, a najrzadziej sprawdzanych kryteriów wyboru dostawcy.
Firmy porównujące dostawców zwykle sprawdzają przypadki użycia, integracje i ochronę danych. Znacznie rzadziej sprawdzają sposób rozliczania modeli.
Czy cała praca przechodzi przez jeden drogi model? Czy system kieruje proste zadania do modeli tańszych, a droższy uruchamia tylko tam, gdzie jego jakość ma znaczenie?
Ta decyzja często wpływa na koszt długoterminowy bardziej niż stawka godzinowa dostawcy.
02
02. Jedna nazwa, dwa znaczenia słowa Orchestrator
Przed dalszą częścią trzeba rozdzielić dwa pojęcia.
Słowo „Orchestrator” występuje w branży AI w kilku znaczeniach. Także na tej stronie.
W artykule o równoległych agentach AI Orchestrator oznacza człowieka, który koordynuje kilka instancji agentów pracujących jednocześnie nad niezależnymi zadaniami. Człowiek jest centrum sterowania. Agenci wykonują pracę równolegle.
W tym artykule termin oznacza coś innego.
Model Orchestrator jest architekturą kosztową. Droższy model planuje i podejmuje najważniejsze decyzje. Tańsze modele wykonują większość pracy.
Nie ma tu człowieka koordynującego agentów. Nie jest to model produktywności osobistej. Chodzi wyłącznie o podział pracy między modele o różnych cenach.
Dwa pojęcia. Jedna nazwa.
Poza nazwą te modele nie mają ze sobą nic wspólnego.
Podczas rozmowy z dostawcą doprecyzuj, co rozumie przez Orchestrator:
Architekturę kosztową między modelami
Człowieka koordynującego równoległe instancje agentów
Pomieszanie tych znaczeń prowadzi do złej decyzji zakupowej.
03
03. Model Advisor: tańszy model wykonuje pracę, droższy tylko doradza
W kwietniu 2026 Anthropic opisał w artykule „The advisor strategy” model, który bezpośrednio przekłada się na koszt agentów AI.
Droższy model konsultuje co dziesiąte zgłoszenie zamiast każdego.
Tańszy model wykonuje bieżącą pracę. Droższy Advisor włącza się tylko w małej części przypadków, aby dać drugą ocenę lub sprawdzić trudny fragment.
Według Anthropic wynik wyniósł:
+2,7 punktu procentowego trafności na SWE-bench Multilingual
-11,9% kosztu wobec pracy wyłącznie na drogim modelu
Dla kupującego jest to czytelny sygnał.
Dostawca, który wdrożył model Advisor lub podobny mechanizm, aktywnie zarządza kosztem. Nie kieruje każdego zadania do najdroższego modelu i nie przerzuca całej różnicy na klienta.
04
04. Model Orchestrator: droższy planuje, tańsze wykonują
Model Orchestrator opisany w Claude Cookbooks idzie krok dalej.
Droższy model odpowiada za plan i najważniejsze decyzje w procesie. Większość wykonania trafia do modeli tańszych.
Schemat działania
Droższy model: planowanie
Planuje przebieg i podejmuje najważniejsze decyzje.
↓ Rozdziela etapy wykonania ↓
Tańszy model A
Wykonanie, osobny cache promptu.
Tańszy model B
Wykonanie, osobny cache promptu.
Tańszy model C
Wykonanie, osobny cache promptu.
↓ Zwracają wyniki ↓
Wynik
Ponad 80% tokenów rozliczanych po niższej stawce.
W benchmarku BrowseComp konfiguracja Orchestrator z Claude Cookbooks osiągnęła 86,8% trafności przy koszcie 18,53 USD.
Praca wyłącznie na drogim modelu osiągnęła 90,8% trafności przy koszcie 40,56 USD.
W innym udokumentowanym wariancie wynik wyniósł około 96% trafności przy około 46% kosztu drogiego modelu bazowego.
Przykład z Cookbooks:
Orchestrator: 1,61 USD i 194 sekundy
Jeden drogi model: 4,00 USD i 608 sekund
Ponad 80% tokenów przetworzono po tańszej stawce. Każdy subagent pracował z oddzielnym cache promptu. Ten detal techniczny ma bezpośredni wpływ na realną oszczędność.
Droższy modelPlanowanie i decyzje
Rozdziela etapy wykonania
Tańszy model AWykonanie
Tańszy model BWykonanie
Tańszy model CWykonanie
Ponad 80% tokenów po niższej stawce
WynikKontrolowany koszt
05
05. Liczby potwierdzone i deklaracje bez niezależnego źródła
Dane o kosztach AI często brzmią lepiej niż dokumentacja, na której się opierają.
Warto jasno oddzielić status każdej liczby.
Liczba
Status
Źródło
Advisor: +2,7 pp trafności i -11,9% kosztu
Oficjalnie potwierdzone
Blog Anthropic, „The advisor strategy”, kwiecień 2026
Orchestrator: 86,8% za 18,53 USD vs 90,8% za 40,56 USD, około 96% za około 46% kosztu, 1,61 USD vs 4,00 USD
Potwierdzone w cookbookach
Anthropic Claude Cookbooks, notebooki przykładowe
„92% trafności przy 63% kosztu” na SWE-bench Pro
Brak niezależnego potwierdzenia
Liczba krążąca bez weryfikowalnego źródła pierwotnego
Sama przejrzystość jest kryterium wyboru dostawcy.
Firma, która podaje wyłącznie najbardziej korzystną liczbę bez kontekstu i źródła, nie powinna zarządzać budżetem AI klienta.
Proś o źródła pierwotne. Nie o okrągłe procenty z prezentacji sprzedażowej.
06
06. Jak ocenić dostawcę
Poniższe kryteria warto sprawdzić podczas każdej rozmowy:
Czy dostawca rozdziela modele według typu zadania, czy wszystko uruchamia na jednym modelu?
Czy pokazuje koszt według roli agenta i przypadku użycia, czy wysyła jedną zbiorczą fakturę?
Czy umie wskazać, kiedy droższy model wnosi wartość, a kiedy jest zbędny?
Czy benchmarki mają źródła, czy są wyłącznie procentami marketingowymi?
Czy architektura kosztowa uwzględnia rosnący wolumen, czy rachunek rośnie liniowo z każdym zgłoszeniem?
Prawdziwy test
Nie chodzi o sprawdzanie słownictwa technicznego.
Chodzi o to, czy dostawca ma przemyślaną odpowiedź.
Jeśli nie traktuje architektury kosztowej jako osobnego elementu projektu, raczej nie zaprojektuje jej dobrze w Twoim wdrożeniu.
07
07. Interaktywny kalkulator ROI
Zastosuj dwa potwierdzone współczynniki do planowanego budżetu agentów AI i zobacz skalę oszczędności.
Kalkulator architektury kosztowej
Szacowany miesięczny budżet agentów AI, USD
Wybór modelu kosztowego:
Advisor, -11,9%
Orchestrator, -54%
Wyniki:
Nowy koszt miesięczny
Oszczędność miesięczna
Oszczędność roczna
Nota: kalkulator stosuje opublikowane proporcje kosztów do podanego budżetu. Advisor: -11,9%, blog Anthropic, kwiecień 2026. Orchestrator: -54%, Claude Cookbooks dla zadań dobrze nadających się do pracy równoległej.
Nie jest to prognoza dla konkretnego projektu. Efekt zależy od miksu zadań, architektury i jakości wdrożenia dostawcy.
Nowy koszt miesięczny10 572 USD
Oszczędność miesięczna1 428 USD
Oszczędność roczna17 136 USD
08
08. Ograniczenia tego podejścia
Uczciwa architektura kosztowa wymaga pokazania ograniczeń.
Podział pracy wymaga projektu
Model „droższy planuje, tańszy wykonuje” nie jest przełącznikiem w ustawieniach. To decyzja projektowa wymagająca zrozumienia konkretnego zadania.
Nie każde zadanie da się dobrze podzielić
Procesy mocno sekwencyjne lub ściśle powiązane trudniej rozdzielić na planowanie i wykonanie niż zadania powtarzalne z czytelnymi granicami.
Cache nie działa sam
Oddzielny cache promptu dla każdego subagenta trzeba wdrożyć świadomie.
Istnieją udokumentowane przypadki, między innymi dyskusja wokół claude-code#29966, w których zachowanie cache odbiegało od oczekiwań. Kompetentny dostawca powinien to monitorować.
Liczba 92% przy 63% kosztu wymaga ostrożności
Brak niezależnego potwierdzenia oznacza, że nie należy opierać na niej twardej kalkulacji. Służy wyłącznie jako kierunek do dalszego sprawdzenia.
FAQ
09. Najczęstsze wątpliwości o koszty agentów AI
Nie w każdym przypadku.
Zmienił się model cenowy. Po przejściu Fable 5 z subsydiowanego abonamentu na rozliczenie według użycia architektura kosztowa ma większe znaczenie.
Dostawca, który dobrze rozdziela modele i zadania, nie musi podnosić kosztu. Dostawca bez takiego modelu odczuje wzrost szybciej.
W artykule o agentach równoległych Orchestrator to człowiek koordynujący kilka instancji agentów.
Tutaj Orchestrator jest architekturą kosztową. Droższy model planuje i podejmuje najważniejsze decyzje, a tańsze modele wykonują pracę.
Wspólna jest tylko nazwa.
Udokumentowane wartości obejmują około 12% redukcji w modelu Advisor oraz ponad 50% w modelu Orchestrator dla zadań dobrze nadających się do pracy równoległej.
Wynik zależy od miksu zadań. Jedna wartość nie pasuje do każdego projektu.
Tak.
Dobór modelu do typu zadania oraz monitoring kosztu według roli agenta są standardem każdego wdrożenia Hermes Agent. Bez osobnej dopłaty.
Każda liczba kosztowa jest opisana jako potwierdzona albo niepotwierdzona.
Architektura kosztowa w standardzie. Nie jako płatny dodatek.
Orchesta wdraża dobór modeli do typu zadania i monitoring kosztu każdej roli agenta jako część standardowego wdrożenia.
Zgodność z RODO i CCPA. Jawne źródła danych kosztowych. Typowy start produkcyjny w 7 dni.
Diagramy BPMN w 15 minut dzięki skillom AI: z 5 godzin do gotowego wyniku
Własny skill Claude usuwa największy pożeracz czasu w modelowaniu procesów biznesowych.
Z surowych notatek generuje pełny diagram BPMN 2.0, gotowy do otwarcia w draw.io. Zajmuje to ułamek czasu potrzebnego przy pracy ręcznej.
Do niedawna każdy diagram BPMN kosztował mnie od trzech do pięciu godzin.
Trzeba było ponownie czytać rozmowy ze stakeholderami, ręcznie ustawiać elementy, wyrównywać swimlane'y, łączyć bramki i sprawdzać notację ze specyfikacją. Dopiero później materiał nadawał się do przeglądu.
To praca pełna detali. Przy kilku procesach w jednym sprincie koszt rośnie szybko.
Zmiana przyszła, gdy zbudowałem własny skill Claude przeznaczony do BPMN 2.0.
Ten sam diagram zajmuje teraz 15 minut.
Wynik nie jest szkicem. To poprawny technicznie, opisany diagram BPMN 2.0, który uruchamia się bezpośrednio w draw.io i jest gotowy do prezentacji w 90 do 95%.
Autor: Joshua Heller10 czerwca 2026Czas czytania: 11 minutBPMN · Automatyzacja AI · Modelowanie procesów
3 do 5 godzin
Poprzedni czas pracy nad jednym diagramem BPMN.
15 minut
Czas pracy z własnym skillem AI.
Ponad 70%
Organizacji używa BPM jako stałego elementu operacyjnego.¹
90 do 95%
Kompletność diagramu po pierwszym wygenerowaniu.
95%
Trafność w akademickich badaniach AI dla BPMN.²
12 z 12
Najwięksi dostawcy BPM z GenAI wbudowanym do 2026 roku.³ To nie jest tekst o tym, co AI kiedyś zrobi z modelowaniem procesów. To opis procesu, który działa w produkcji. Pokazuje, dlaczego narzędzia ogólne zawiodły i co było potrzebne, aby dostać wynik nadający się do pracy.
Spis treści
Czym jest BPMN 2.0 i dlaczego firmy na nim polegają
Stary problem: skąd bierze się koszt diagramów BPMN
Rozwiązanie: własny skill AI oparty na specyfikacji BPMN 2.0
Proces krok po kroku
Pełny zakres BPMN 2.0
Porównanie: ręcznie, draw.io MCP i własny skill AI
Kalkulator ROI
Przykład: proces akceptacji zakupu
Integracja z Hermes Agent
Najczęstsze wątpliwości
01
01. Czym jest BPMN 2.0 i dlaczego firmy na nim polegają
Business Process Model and Notation, BPMN, to ustandaryzowany przez ISO język graficzny do opisu procesów biznesowych.
Wersja 2.0, rozwijana przez Object Management Group, określa precyzyjny zestaw elementów przepływu, połączeń, swimlane'ów i artefaktów. Każde zgodne narzędzie, draw.io, Signavio, Camunda, IBM BPM i dziesiątki innych, powinno przedstawiać je w ten sam sposób.
W firmach BPMN pełni kilka funkcji jednocześnie:
Dokumentuje proces dla audytu i zgodności
Stanowi specyfikację dla zespołu wdrażającego automatyzację
Łączy język biznesu i IT
Daje punkt odniesienia dla usprawniania procesów
Precyzja notacji jest jej siłą.
Prostokąt zadania ma jedno znaczenie. Bramka wykluczająca ma jedno znaczenie. Zdarzenie brzegowe kompensacji także ma jedno znaczenie. Znaczenie nie zmienia się zależnie od osoby czytającej diagram.
Problem dwóch kompetencji
Kampik i współautorzy wskazali w czasopiśmie KI w 2025 roku, że próg wejścia do skutecznego programu BPM jest wysoki.
Potrzebne są jednocześnie:
Biegłość w narzędziach BPMN
Głęboka wiedza o procesie organizacji
Takie połączenie jest rzadkie.
Właśnie tu wsparcie AI ma sens. AI pilnuje precyzji notacji. Analityk wnosi kontekst firmy.
BPMN obejmuje pięć głównych kategorii:
Obiekty przepływu: zdarzenia, aktywności i bramki
Obiekty danych
Połączenia: sekwencje, komunikaty i asocjacje
Swimlane'y: pule i tory
Artefakty: grupy i adnotacje
BPMN 2.0 dodał również semantykę wykonawczą.
Ten sam diagram opisuje proces dla biznesu i służy jako specyfikacja dla silnika BPM, takiego jak Camunda lub Flowable.
Ta podwójna rola podnosi koszt błędu.
02
02. Stary problem: skąd bierze się koszt diagramów BPMN
Każdy, kto zawodowo modelował procesy, zna ten przebieg.
Najpierw sesja warsztatowa albo analiza transkrypcji. Później kilka godzin przekładania materiału na uporządkowany diagram.
Wąskim gardłem nie jest zrozumienie procesu. Jest nim wierne przełożenie oraz zgodność z notacją.
Gdzie znikają godziny
Pierwsze 30 do 60 minut zwykle pochłania uporządkowanie materiału:
Zestawienie notatek
Rozwiązanie niejasności
Ułożenie głównej osi procesu
Później zaczyna się praca nad układem:
Przydzielenie swimlane'ów
Rozstawienie zdarzeń i zadań
Połączenie przepływów
Tu znika większość czasu.
BPMN ma mocne konwencje rozmieszczenia. Nie zawsze są wymuszane technicznie, lecz decydują o czytelności:
Przepływ od lewej do prawej
Stałe pozycje pionowe torów
Jak najmniej krzyżujących się sekwencji
Równe ustawienie bramek
Następnie przychodzi kontrola notacji:
Czy typy zdarzeń są poprawne: start, pośrednie, koniec?
Czy symbole wiadomości, czasu, błędu, sygnału i kompensacji są właściwe?
Czy bramki wykluczające i równoległe są użyte we właściwym miejscu?
Czy zdarzenia brzegowe są połączone z odpowiednimi aktywnościami?
Czy przepływ danych jest oddzielony od przepływu sterowania?
To kontrole mechaniczne, ale bezlitosne.
Błędna notacja wprowadza w błąd inżynierów automatyzacji i obniża zaufanie stakeholderów.
Takie narzędzia mogą w najbliższej przyszłości mocno zmienić sposób opracowywania procesów.
Köpke i Safan, badanie BPMN-Chatbot, konferencja BPM 2024, Uniwersytet w Klagenfurcie
Ostatni etap to iteracje:
Prezentacja szkicu
Zebranie uwag
Aktualizacja diagramu
Kolejny przegląd
Jeśli pierwsza wersja ma błędy w układzie, złe przypisanie torów, brakujące zdarzenia pośrednie lub równoległe ścieżki zapisane sekwencyjnie, liczba iteracji rośnie.
Jeden proces o średnim poziomie trudności, z dwiema lub trzema swimlane'ami, sześcioma do dwunastu zadaniami i kilkoma decyzjami, często wymaga trzech do pięciu godzin.
Dla organizacji opisującej dziesiątki procesów kwartalnie staje się to istotną pozycją kosztową.
03
03. Rozwiązanie: własny skill AI oparty na specyfikacji BPMN 2.0
Dlaczego standardowe draw.io MCP zawiodło
Pierwszym naturalnym krokiem było użycie integracji draw.io MCP, Model Context Protocol, dostępnej w Claude.
Narzędzie generuje XML draw.io, lecz wyniki dla BPMN były stale słabe.
Powód jest prosty. Standardowe MCP nie ma wbudowanej wiedzy o regułach BPMN 2.0.
Generuje kształty ogólne: prostokąty połączone strzałkami. Wyglądają jak flowchart, ale nie są BPMN.
Problemy:
Błędne lub brakujące typy zdarzeń
Zwykłe romby bez znaczników X, + i O
Brak poprawnych pul i torów
Błędne połączenie zdarzeń brzegowych
Natychmiastowa porażka przy podstawowej kontroli notacji
Użycie błędnego diagramu jako specyfikacji generuje koszty większe niż czas pozornie zaoszczędzony na początku.
Zespół programistyczny źle interpretuje zamiar procesu. Inżynier automatyzacji nie potrafi przełożyć diagramu na silnik. Audytor wskazuje dokumentację niezgodną ze standardem.
Co własny skill robi inaczej
Skill Claude został zbudowany od podstaw na specyfikacji BPMN 2.0.
Zawiera pełną taksonomię elementów:
15 wariantów zdarzeń początkowych
42 warianty zdarzeń pośrednich
13 wariantów zdarzeń końcowych
Wszystkie typy bramek z poprawnymi oznaczeniami
Zadania użytkownika, serwisowe, wysyłające, odbierające, reguł biznesowych, skryptowe, ręczne i call activity
Pełny model swimlane'ów
Najważniejsza różnica: skill generuje poprawny składniowo XML draw.io i używa właściwej biblioteki kształtów BPMN.
Nie dodaje etykiet BPMN do zwykłych kształtów po fakcie.
Plik uruchamia się w draw.io i od razu wyświetla właściwą notację, ponieważ XML odwołuje się do identyfikatorów oczekiwanych przez bibliotekę BPMN draw.io.
Walidacja akademicka
Badacze z Uniwersytetu w Klagenfurcie, Köpke i Safan, BPM 2024, pokazali narzędzie AI skupione na BPMN, które osiągnęło 95% trafności przy użyciu 94% mniej tokenów niż konkurencyjne podejścia.
Wniosek: instrukcje i wiedza dziedzinowa są znacznie wydajniejsze niż ogólne promptowanie LLM w zadaniach BPMN.
04
04. Proces krok po kroku
Cała droga od surowego materiału do diagramu gotowego do prezentacji obejmuje cztery etapy i trwa około 15 minut.
Krok 1. Zbierz materiał wejściowy
Przygotuj dowolne połączenie:
Notatek ze spotkania
Transkrypcji wywiadu
Dokumentu wymagań
Opisu procesu
Wątku e-mail
Nie potrzeba specjalnego formatowania. Skill obsługuje tekst nieuporządkowany.
Typowy materiał ma od 200 do 800 słów i opisuje proces poznany podczas warsztatu.
Krok 2. Uruchom skill BPMN z kontekstem
Przekaż materiał do skilla Claude wraz z krótką informacją:
Oczekiwana liczba swimlane'ów
Domena, na przykład zakupy, HR lub IT
Wymagania, takie jak kontrole zgodności albo zdarzenia czasowe powiązane z SLA
Skill interpretuje materiał i układa logikę procesu.
Krok 3. Odbierz XML i otwórz go w draw.io
Skill zwraca poprawny XML draw.io.
Otwórz draw.io na komputerze lub w app.diagrams.net. Załóż pusty diagram. Wybierz Extras, następnie Edit Diagram, i wklej XML.
Diagram pojawia się od razu z poprawną notacją BPMN, torami i połączeniami.
Krok 4. Przejrzyj i dopracuj, 5 do 10 minut
W 90 do 95% przypadków potrzebne są wyłącznie drobne korekty:
Poprawa układu dla czytelności
Dodanie detalu specyficznego dla firmy
Zastosowanie firmowych zasad wizualnych
Korekty logiczne, takie jak złe tory lub brakujące gałęzie, występują rzadko. Skill ma reguły BPMN zapisane wprost.
05
05. Pełny zakres BPMN 2.0
Skill nie generuje uproszczonego podzbioru BPMN.
Obsługuje pełną specyfikację diagramów procesów biznesowych. Diagramy choreografii i konwersacji mają inne zastosowania i nie wchodzą w ten zakres.
Każdy wynik zawiera:
Poprawne kontenery puli i torów z właściwą hierarchią i etykietami
Zdarzenia początkowe: None, Message, Timer, Conditional i Signal
Zdarzenia końcowe: None, Message, Error, Escalation, Compensation, Signal i Terminate
Zdarzenia pośrednie, odbierające i wysyłające: Timer, Message, Error, Signal, Compensation i Link
Zdarzenia pośrednie na przepływie oraz zdarzenia brzegowe na aktywnościach
Bramki wykluczające XOR z oznaczeniem X i opisanymi warunkami wyjścia
Bramki równoległe AND ze znakiem + do dzielenia i synchronizacji ścieżek
Bramki włączające OR ze znakiem O dla wielu aktywnych ścieżek
Bramki oparte na zdarzeniach dla wyścigu między wiadomościami i timerami
Wszystkie główne typy zadań: User, Service, Send, Receive, Business Rule i Script
Podprocesy zwinięte i rozwinięte z poprawnym znacznikiem BPMN
Przepływy sekwencji z warunkami na wyjściach z bramek
Domyślne ścieżki oznaczone właściwym znakiem
Obiekty i magazyny danych z połączeniami do aktywności
Adnotacje tekstowe połączone z właściwymi elementami
Kierunek od lewej do prawej oraz uporządkowanie torów od góry do dołu
Jakość ekspercka dla typowych procesów firmowych
Badacze Uniwersytetu w Ulm, Hörner, Möller i Reichert, ocenili BPMNGen z udziałem 67 osób.
Badanie opublikowane w Business & Information Systems Engineering w lutym 2026 wykazało, że modele generowane przez AI dla prostych i średnich procesów osiągały jakość ekspercką przy znacznie mniejszym nakładzie czasu i pracy.
Uczestnicy ocenili je jako równie czytelne i łatwe poznawczo jak modele ekspertów.
Większość firmowych zadań modelowania procesów mieści się właśnie w tym zakresie.
06
06. Porównanie: ręcznie, draw.io MCP i własny skill AI
Kryterium
Praca ręczna w draw.io
Standardowe draw.io MCP
Własny skill AI
Czas na diagram
3 do 5 godzin
30 do 60 minut plus poprawki
Około 15 minut
Zgodność z BPMN 2.0
Wysoka przy ekspercie
Niska, kształty ogólne
Wysoka, oparta na specyfikacji
Zgodność z draw.io
Natywna
Częściowa, często wymaga zmiany kształtów
Natywny XML
Poprawne typy zdarzeń
Tak, ustawiane ręcznie
Nie, głównie zwykłe koła
Tak, pełna taksonomia
Poprawne znaczniki bramek
Tak, ustawiane ręcznie
Nie, romby bez oznaczeń
Tak, X, +, O i pięciokąt
Pule i swimlane'y
Tak
Często brak lub układ nieformalny
Tak, poprawny XML puli i torów
Wiedza BPMN po stronie użytkownika
Wymagana, wysoki próg
Średnia
Niewymagana, wystarczą notatki
Wynik gotowy do prezentacji
Tak
Nie, wymaga przebudowy
90 do 95% bez poprawek
Kilka diagramów tygodniowo
Wysoki koszt rosnący liniowo
Szybciej, lecz błędy się kumulują
Stała jakość i wysoka wydajność
XML wykonywalny w Camunda lub Flowable
Po dalszej pracy
Nie
XML draw.io, eksport BPMN 2.0 potrzebny do wykonania
07
07. Kalkulator ROI: ile to oszczędza?
Przy realnym wolumenie firmowym liczby szybko stają się istotne.
Użyj kalkulatora, aby oszacować miesięczną i roczną oszczędność dla zespołu.
Kalkulator ROI modelowania procesów
Pola:
Liczba diagramów miesięcznie
Stawka godzinowa analityka, EUR lub USD
Średni czas jednego diagramu przed wdrożeniem
Wyniki:
Godziny odzyskane miesięcznie
Oszczędność miesięczna
Oszczędność roczna
Kalkulacja przyjmuje 15 minut na diagram ze skillem AI i porównuje ten czas z wartością podaną przez użytkownika.
Nie obejmuje oszczędności pośrednich z szybszych iteracji i mniejszej liczby poprawek.
Godziny odzyskane miesięcznie45 h
Oszczędność miesięczna3 825
Oszczędność roczna45 900
08
08. Przykład: proces akceptacji zakupu
Poniżej znajduje się przykładowy wynik skilla.
Proces akceptacji zakupu obejmuje trzy swimlane'y. Skill generuje go z typowych notatek opisujących proces zakupowy.
Etykiety diagramu
Proces akceptacji zakupu
Pracownik
Kierownik działu
Zakupy
Start
Utwórz wniosek zakupowy
Sprawdź wniosek
Decyzja
Złóż zamówienie
Zatwierdzone
Zamówienie złożone
Wyślij informację o odrzuceniu
Odrzucone
XOR
Opis kolorów i przepływu:
Fioletowy: standardowy przepływ między torami
Zielony: zatwierdzenie, złożenie zamówienia, koniec
Czerwony: odrzucenie, wysłanie informacji, koniec
Linie przerywane: przepływ wiadomości lub sekwencji między torami
Diagram pokazuje cechy, które skill dostarcza stale:
Poprawną hierarchię puli i torów
Bramkę XOR z opisanymi warunkami wyjścia
Różne zdarzenia końcowe dla sukcesu i zakończenia po odrzuceniu
Ikony typów zadań, w tym zadanie człowieka i wysłanie wiadomości
Diagram o tej skali powstaje w mniej niż minutę pracy modelu.
Pracownik
Utwórz wniosek zakupowy
→
Sprawdź wniosek
Kierownik działu
×
↙↘
Zatwierdzone
Odrzucone
Zakupy
Złóż zamówienie
Wyślij informację
Hermes Agent: integracja klasy firmowej
Skill BPMN jest jednym elementem szerszej architektury automatyzacji.
Platforma Hermes Agent daje środowisko do wdrażania takich skilli w obecnym stacku firmy. Łączy je z repozytoriami dokumentów, narzędziami współpracy i systemami BPM, w których odbywa się praca.
W praktyce skill da się uruchomić z:
Strony Confluence
Biblioteki SharePoint
Zgłoszenia Jira
Agent pobiera materiał źródłowy, generuje BPMN i zapisuje plik draw.io we właściwym miejscu.
Zespoły pracujące w Camunda, Signavio lub Bizagi dostają plik przygotowany do bezpośredniego importu zamiast ręcznego wklejania.
Dla organizacji prowadzących programy usprawniania procesów lub dokumentację zgodności na dużą skalę efekt kumuluje się szybko.
Przy dziesiątkach lub setkach procesów rocznie:
Każdy analityk pracuje z tempem najszybszego eksperta
Czas wdrożenia nowych osób do narzędzi BPMN spada
Dokumentacja pozostaje aktualna, bo koszt korekty diagramu zbliża się do kosztu edycji dokumentu tekstowego
Wdróż własny skill BPMN w swojej organizacji
Niezależnie od tego, czy potrzebujesz samodzielnego procesu generowania BPMN, czy pełnej integracji ze stackiem BPM, wdrożymy rozwiązanie wewnątrz środowiska firmy.
Podczas bezpłatnej konsultacji architektonicznej omawiamy wolumen procesów, źródła danych i wymagany format wyniku.
Skill generuje poprawny XML draw.io zgodny z BPMN 2.0. Plik da się wczytać lub wkleić bezpośrednio w wersji desktopowej i webowej draw.io.
Nie potrzeba konwersji ani wtyczki.
XML używa natywnych identyfikatorów biblioteki kształtów BPMN, więc elementy od razu mają właściwą notację.
Nie ma wbudowanej wiedzy o regułach BPMN 2.0.
Generuje kształty ogólne przypominające flowchart: złe typy zdarzeń, brak oznaczeń, niepoprawne bramki i brak dyscypliny swimlane'ów.
Własny skill opiera się bezpośrednio na specyfikacji BPMN 2.0 i używa właściwych identyfikatorów kształtów draw.io.
Dowolny tekst:
Notatki ze spotkań
Transkrypcje wywiadów
Dokumenty wymagań
Strony Confluence
Wątki e-mail
Lista punktów opisująca proces
AI interpretuje materiał i mapuje go na proces.
Im bardziej szczegółowe źródło, tym pełniejszy diagram. Przy typowych opisach biznesowych skill dobrze radzi sobie także z częścią niejasności.
W praktyce wyniki są gotowe do prezentacji w 90 do 95%.
Typowe poprawki obejmują układ, detale podprocesów i firmowe zasady wizualne.
Badanie BPMNGen Uniwersytetu w Ulm potwierdziło, że modele AI dla prostych i średnich procesów osiągały poziom ekspercki i były oceniane jako równie czytelne przez 67 niezależnych uczestników.
Korekty logiczne występują rzadko, ponieważ reguły BPMN są zapisane w skillu bezpośrednio.
Tak.
Hermes Agent obsługuje wdrażanie skilli przez API, webhooki i integracje z Confluence, SharePoint, Jira, Camunda, Signavio oraz systemami BPM dla firm.
Wynik da się przygotować pod bezpośredni import do wybranej platformy zamiast XML draw.io.
Pierwsza konsultacja architektoniczna jest bezpłatna.
Źródła
Avolution Software / AutomatedDreams.com, 2024. Statystyki przyjęcia modelowania procesów biznesowych.
Köpke, J. i Safan, M., 2024. BPMN-Chatbot: Generating BPMN Models Using Conversational AI. Uniwersytet w Klagenfurcie. Materiały konferencji BPM 2024.
TechTarget, luty 2026. Przegląd integracji generatywnej AI u największych dostawców platform BPM.
Hörner, M., Möller, C. i Reichert, M., 2026. BPMNGen: porównanie modeli BPMN generowanych przez AI z modelami ekspertów, N=67. Business & Information Systems Engineering, luty 2026.
Kampik, T. i współautorzy, 2025. On the entry bar for AI-assisted BPM initiatives. KI, Künstliche Intelligenz, 2025.
Powiązane artykuły
Jak agenci AI dla firm automatyzują procesy operacyjne od początku do końca
Skille Claude vs ogólne promptowanie LLM: kiedy budować własne rozwiązanie
Łączenie agentów AI z Camunda, Signavio i Bizagi
Jak mierzyć uzasadnienie biznesowe dokumentacji procesów wspieranej przez AI
Równolegli agenci AI: jak 3 procesy prowadzone jednocześnie mnożą wydajność
Trzech agentów pracuje w tym samym czasie na jednym MacBooku.
Pierwszy optymalizuje stronę pod SEO. Drugi naprawia automatyzację n8n. Trzeci buduje nowe landing page'e.
Wynik: wydajność małego zespołu zamknięta w jednym poranku.
Co stoi za tym modelem? Co pokazują badania? Jak przenieść go do firmy?
Autor: Joshua HellerPublikacja: 3 czerwca 2026Czas czytania: około 15 minutKategoria: produktywność AI
3 do 4 razy
Efektywny mnożnik pracy przy agentach działających równolegle.
1 poranek
Zamiast 1 do 2 tygodni na 3 landing page'e i pełne tłumaczenie strony.
4,4 bln USD
Roczny potencjał produktywności AI według McKinsey, 2025.
Spis treści
Eksperyment: co dzieje się, gdy 3 agentów pracuje jednocześnie
Czym są równoległe workflow wieloagentowe
Proces krok po kroku
Liczby: praca ręczna vs agenci równolegli
Kalkulator wydajności
Co pokazują badania
Architektura techniczna agentów równoległych
Hermes Agent jako platforma wieloagentowa dla firm
Jak zacząć
Najczęstsze wątpliwości
01
01. Eksperyment: co dzieje się, gdy 3 agentów pracuje jednocześnie
To był zwykły poranek.
Na ekranie trzy okna. W każdym osobna instancja Claude Code.
Pierwszy agent poprawiał wyniki PageSpeed strony. Dostał raport Google Lighthouse i cel:
Wszystkie wyniki mają przekroczyć 95. Zrób to.
Drugi naprawiał automatyzację n8n, która od dwóch dni zwracała nietypowy błąd.
Trzeci budował landing page dla nowego przypadku użycia.
Ja dyktowałem następne zadanie przez Wispr Flow, gdy pierwszy agent nadal pracował. Gdy kończył, uruchamiałem kolejne.
W taki sposób pracuję od kilku miesięcy.
Powstały 3 nowe landing page'e, a cała strona została przetłumaczona i zaktualizowana po angielsku. Normalnie zajęłoby to od kilku dni do 2 tygodni. Zrobiłem to w jeden poranek.
Joshua Heller, założyciel Orchesta / TAISC
To nie był pojedynczy przypadek.
W poprzednich miesiącach powstały trzy landing page'e, pełna angielska wersja strony i optymalizacja kilku podstron do wyników PageSpeed bliskich 100%.
Wcześniej taki zakres zająłby zespołowi od 3 do 5 osób kilka tygodni.
Zasada bazowa
Definiuję wynik. Sposób dojścia zostawiam agentom.
Osiągnięcie wersji gotowej w 90 do 95% nie wymaga już eksperta w każdej dziedzinie: kodzie, SEO, designie i tłumaczeniu.
Agenci przejmują wykonanie.
Jaki mechanizm za tym stoi? Jak model używany przez założycieli i osoby techniczne przenieść do środowiska firmowego?
02
02. Czym są równoległe workflow wieloagentowe
Agent AI nie ogranicza się do generowania tekstu.
Analizuje zadanie, planuje kroki, wykonuje je, obserwuje wynik i poprawia działanie bez udziału człowieka na każdym etapie.
Typowe zastosowania:
Naprawa kodu
Optymalizacja strony pod SEO
Raport na podstawie danych
Równoległy workflow wieloagentowy idzie dalej.
Zamiast uruchamiać agentów po kolei, kilka agentów pracuje jednocześnie. Każdy prowadzi inne zadanie.
Największa różnica dotyczy czasu.
Sekwencyjnie vs równolegle
Element
Praca sekwencyjna
Workflow z agentami równoległymi
Zadania
Jedno po drugim
3 do 4 jednocześnie
Twój czas
Zajęty przez bieżące zadanie
Wolny na delegowanie kolejnego
Oczekiwanie
Każde zadanie czeka na poprzednie
Wszystkie kończą się w podobnym czasie
Efektywna wydajność
1 razy
3 do 4 razy
Koszt koordynacji
Niski
Nieco wyższy, ale da się delegować
Różnica wobec n8n i Zapiera jest prosta.
Narzędzia regułowe wykonują ustalone kroki po uruchomieniu zdarzenia. Nie analizują sytuacji samodzielnie.
Agenci AI oceniają, decydują i iterują. Radzą sobie z wyjątkiem, reagują na informację zwrotną i zmieniają podejście.
03
03. Proces krok po kroku
Tak wygląda przebieg eksperymentu.
1. Zdefiniuj wynik, nie kroki
Nie:
Zoptymalizuj te trzy pliki według poniższych kryteriów.
Lepiej:
Wynik PageSpeed ma przekroczyć 95 dla wszystkich Core Web Vitals. Oto raport Lighthouse.
Agent sam dobiera działania.
2. Uruchom agenta 1 z zadaniem długim
Claude Code dostaje pełny kontekst:
Dostęp do repozytorium
Raport Lighthouse
Docelowy wynik
Typowy czas pracy przy SEO i wydajności: 30 do 120 minut.
3. Gdy agent 1 pracuje, uruchom agenta 2
Dyktujesz przez Wispr Flow:
Napraw automatyzację n8n dla newslettera. Logi błędów są w załączniku.
Agent 2 rusza w drugim terminalu lub oknie Cursor.
4. Uruchom agenta 3 w osobnej instancji
Nowa instancja Cursor dostaje cel:
Zbuduj landing page dla automatyzacji obsługi klienta, wzorując układ na istniejącej stronie logistycznej. Zachowaj ten sam język wizualny i napisz nową treść.
5. Przejrzyj wyniki i uruchom poprawki
Po 60 do 90 minutach:
Agent 1 zatwierdził poprawki PageSpeed
Agent 2 naprawił błąd automatyzacji
Agent 3 przygotował landing page
Przeglądasz każdy wynik, przekazujesz uwagi i uruchamiasz kolejną rundę tam, gdzie jest potrzebna.
6. Kontrola i publikacja
Wyniki przechodzą przegląd. Kod trafia do głównej gałęzi. Strony są publikowane.
Praca, która wcześniej zajmowała dni, kończy się przed południem.
Stack narzędzi
Claude Code + Cursor, po 2 lub 3 instancje · Wispr Flow do dyktowania · Łączny koszt około 150 do 200 USD miesięcznie.
04
04. Liczby: co ten model daje w praktyce
Ogólne deklaracje o wydajności brzmią dobrze. Decyzje opierają się na liczbach.
Zadanie
Ręcznie lub przez agencję
3 równoległych agentów
Oszczędność
Budowa 3 landing page'y
3 do 10 dni roboczych
1 poranek
Około 90%
Pełne tłumaczenie strony na angielski
1 do 2 tygodni plus agencja tłumaczeniowa
2 do 4 godzin
Około 95%
SEO, PageSpeed i on-page
2 do 4 tygodni pracy agencji SEO
2 godziny pracy agenta
Około 95%
Naprawa automatyzacji n8n lub Python
2 do 8 godzin pracy programisty
15 do 45 minut pracy agenta
Około 80%
Opracowanie 5 artykułów
5 do 10 godzin pracy copywritera lub agencji
2 do 3 godzin
Około 70%
Ważne zastrzeżenie
Te liczby dotyczą wyniku gotowego w 80 do 95%.
Przy najwyższych wymaganiach jakościowych, decyzjach strategicznych i trudnej architekturze wiedza człowieka nadal jest niezbędna.
Dla większości powtarzalnych zadań wynik na poziomie 90% jest wystarczający i oszczędza około 90% czasu.
05
05. Kalkulator wydajności
Policz oszczędność czasu i ekonomiczną wartość agentów równoległych.
Twój mnożnik wydajności
Pola:
Liczba agentów równoległych
Liczba godzin na zadanie
Liczba zadań tygodniowo
Wartość Twojej godziny, USD
Przykładowy wynik:
18 godzin odzyskanych tygodniowo
2 700 USD wartości tygodniowo
140 400 USD potencjału rocznie
Godziny odzyskane tygodniowo18 h
Wartość tygodniowo2 700 USD
Potencjał rocznie140 400 USD
06
06. Co pokazują badania
Opisany eksperyment wpisuje się w szerszy trend.
Dwie duże firmy doradcze oszacowały skalę wpływu AI na pracę.
McKinsey: 4,4 bln USD potencjału produktywności
McKinsey Global Institute szacuje roczny potencjał AI w zastosowaniach firmowych na 4,4 bln USD na świecie.
Duża część tej wartości nie pochodzi z pojedynczych automatyzacji. Pochodzi z agentów, które samodzielnie prowadzą wieloetapowe zadania.
McKinsey wskazuje też, że tylko 1% firm osiągnął poziom dojrzałości AI.
Pozostałe 99% jest na początku. Daje to istotną przewagę firmom, które uczą się wcześniej.
BCG: 67% kadry zarządzającej stawia na autonomicznych agentów
Boston Consulting Group podał w badaniu AI at Work 2025, że 67% osób zarządzających chce włączyć autonomicznych agentów AI do programów transformacji.
Jest przy tym luka.
Firmy kupują narzędzia AI, lecz wielu pracowników nadal nie ma do nich systematycznego dostępu. BCG nazywa to „Silicon Ceiling”.
Luka między potencjałem a praktyką
1% firm na poziomie dojrzałości AI, McKinsey
67% planuje autonomicznych agentów, BCG
Między tymi wartościami znajduje się duża przewaga dla organizacji, które wdrażają agentów metodycznie.
Technologia jest dostępna. Koszty są kontrolowalne. Kompetencja rośnie wraz z praktyką.
Firmy testujące dziś agentów równoległych nie ograniczają się do oszczędności procesu. Budują zdolność, która zostaje w organizacji.
07
07. Architektura techniczna agentów równoległych
Model jest prosty.
Ty pełnisz rolę Orchestratora. Agenci są wyspecjalizowanymi warstwami wykonawczymi.
Ty jako Orchestrator
Definiujesz wyniki, rozdzielasz zadania i oceniasz rezultaty.
↓ Delegujesz zadania równolegle ↓
Agent 1
SEO i wydajność.
Agent 2
Automatyzacja i naprawa błędów.
Agent 3
Treści i strony.
↓ Agenci oddają wyniki ↓
Przegląd i publikacja
Oceniasz, poprawiasz i wdrażasz.
Trzy zasady skutecznej pracy równoległej
Niezależność
Najlepsze zadania mają mało zależności.
Agent 1 nie potrzebuje wyniku pośredniego od agenta 2, aby ukończyć własną pracę.
Precyzyjny wynik
Im dokładniej opisany cel, tym lepszy rezultat.
„Popraw wydajność” jest słabsze niż „Osiągnij PageSpeed powyżej 95 dla wszystkich Core Web Vitals”.
Pełny kontekst na starcie
Każdy agent powinien od początku dostać wszystkie materiały potrzebne do zadania.
Brak kontekstu prowadzi do przerw i niszczy pracę równoległą.
Ty jako OrchestratorWyniki, delegowanie, przegląd
Delegujesz równolegle
Agent 1SEO i wydajność
Agent 2Automatyzacja
Agent 3Treści i strony
Agenci oddają wyniki
PrzeglądPoprawki i publikacja
08
08. Hermes Agent jako platforma wieloagentowa dla firm
Model używany dziś przez założycieli i freelancerów w Claude Code oraz Cursor da się przenieść do firmy przy właściwej architekturze.
Na tym opiera się Hermes Agent.
Co zmienia się w firmie
W organizacji nie chodzi o osobiste listy zadań. Chodzi o procesy:
Obsługę klientów
Aktualizację CRM
Raportowanie
Analizę dokumentów
Kierowanie zgłoszeń
Agenci równolegli prowadzą te procesy jednocześnie dla całych zespołów i przez całą dobę.
Zastosowanie firmowe
Zadanie agentów równoległych
Efekt
Obsługa klienta
Klasyfikacja, odpowiedź i eskalacja zgłoszeń
60 do 80% szybciej
Sprzedaż
Research leadów, uzupełnienie CRM i przygotowanie wiadomości
40 do 60% mniej pracy ręcznej
Operacje
Raporty, uzgodnienia i wykrywanie anomalii
Z godzin do minut
IT i development
Code review, dokumentacja i testy równolegle
Cykl developmentu 2 do 3 razy szybszy
Nadzór: czego potrzebuje firma
Osoba pracująca samodzielnie nie wymaga tego samego poziomu kontroli co organizacja.
W firmie potrzebne są:
Kontrola dostępu oparta na rolach, RBAC
Log audytowy każdej czynności agenta
Zgody przed wykonaniem działań krytycznych
Wdrożenie zgodne z RODO i CCPA, z danymi w UE lub USA oraz opcją on-premise
Zespoły wyspecjalizowanych agentów zamiast jednego generalisty
Przewaga firmowa
Model równoległy nie rośnie liniowo.
Firma z 10 pracownikami, z których każdy prowadzi 3 agentów, uzyskuje wydajność porównywalną z zespołem 30 do 40 osób.
Przy właściwym nadzorze daje to trwałą przewagę operacyjną.
09
09. Jak zacząć
1. Wybierz jeden przypadek użycia
Znajdź powtarzalne zadanie, które pochłania najwięcej czasu i ma mierzalny wynik.
Dobre punkty startowe:
Treści
Przetwarzanie danych
Code review
2. Najpierw opanuj jednego agenta
Zanim przejdziesz do pracy równoległej, naucz się przekazywać jednemu agentowi precyzyjne wyniki.
Jakość instrukcji odpowiada za około 80% rezultatu.
3. Znajdź zadania niezależne
Spisz zadania z bieżącego tygodnia, które nie potrzebują wyników innych zadań.
To pierwsze kandydaty do równoległej pracy.
4. Przetestuj dwóch agentów jednocześnie
Uruchom dwie instancje.
Obserwuj:
Gdzie potrzebna jest interwencja
Gdzie agent kończy pracę sam
Jaki poziom autonomii jest bezpieczny
5. Mierz i skaluj
Mierz czas i koszt.
Gdy wynik jest policzony, łatwiej uzasadnić model wewnątrz firmy i przenieść go do kolejnych zespołów.
FAQ
10. Najczęstsze wątpliwości o agentów równoległych
Techniczny limit zależy od sprzętu i limitów API.
W praktyce większość osób skutecznie prowadzi od 2 do 4 agentów.
Powyżej 5 instancji rośnie koszt koordynacji i trudniej zachować kontrolę.
W środowisku firmowym agent Orchestrator koordynujący wyspecjalizowanych subagentów pozwala skalować bez ręcznego nadzoru nad każdą instancją.
n8n i Zapier wykonują zaprogramowane kroki po wystąpieniu zdarzenia.
Agenci AI analizują zadanie, wybierają kroki, wykonują je i poprawiają wynik.
Model równoległy łączy kilka takich jednostek, które pracują nad różnymi zadaniami w tym samym czasie.
Typowy zestaw dla jednej osoby, Claude Pro, Cursor i Wispr Flow, kosztuje około 60 do 90 USD miesięcznie.
Dla osoby lub małego zespołu pracującego przez API koszt wynosi około 150 do 300 USD miesięcznie.
Wdrożenia firmowe Hermes Agent zależą od wolumenu i wymagań nadzoru.
W każdym wariancie jest to część kosztu personelu potrzebnego do osiągnięcia podobnej wydajności.
Najlepiej pasują zadania niezależne:
Treści i SEO
Development i testy
Research i synteza materiałów
Tłumaczenie i lokalizacja
Analiza danych i raporty
Słabiej pasują procesy mocno sekwencyjne, w których etap B wymaga wyniku etapu A.
Użyj etapowego podejścia:
Wybierz jeden dobrze opisany przypadek użycia.
Zmierz oszczędność czasu i kosztu.
Dodaj wyspecjalizowanych agentów do sąsiednich zadań.
Wdróż zgody, logi audytowe i kontrolę dostępu.
Hermes Agent dostarcza warstwę orkiestracji dla środowisk firmowych zgodnych z RODO i CCPA.
Równolegli agenci dla procesów firmy, z nadzorem klasy korporacyjnej
Orchesta wdraża workflow wieloagentowe dla firm w regionie DACH i poza nim.
Zgodność z RODO i CCPA. Logi audytowe. Dostęp oparty na rolach. Mierzalny ROI.
Zacznij od jednego przypadku użycia. Start produkcyjny w 2 do 4 tygodni.