Agenci AI wychodzą poza chatboty

Średnia liczba agentów AI aktywowanych przez jedną organizację wzrosła w ciągu roku niemal trzykrotnie, a firmy zaczynają tworzyć pierwszych agentów średnio w ciągu dwóch dni od udostępnienia technologii – wynika z raportu Salesforce „2026 Agentic Enterprise Index”.

Dane pokazują też, że agenci coraz częściej nie ograniczają się do generowania treści, lecz wykonują konkretne zadania biznesowe, a ich rola rośnie zarówno w handlu i usługach finansowych, jak i w produkcji czy sektorze publicznym.

Salesforce przeanalizował zagregowane dane dotyczące wykorzystania Agentforce przez przedsiębiorstwa, które konsekwentnie korzystały z agentów od lutego 2025 r. do kwietnia 2026 r. Badanie miało pokazać, w jaki sposób firmy wdrażają cyfrową siłę roboczą i gdzie zaczynają osiągać mierzalne korzyści biznesowe.

Z raportu wyłaniają się dwa główne modele adopcji. Pierwszy to wdrożenia na dużą skalę, skoncentrowane na konkretnych, powtarzalnych zadaniach. Są one charakterystyczne przede wszystkim dla branż mających dużą liczbę bezpośrednich interakcji z klientami.

Drugi model obejmuje bardziej złożone, wieloetapowe procesy. Jest częściej spotykany w produkcji, sektorze publicznym czy innych branżach regulowanych, gdzie agenci muszą korzystać z logiki biznesowej obejmującej różne funkcje organizacji.

Liczba agentów rośnie, a wdrożenia przyspieszają

Średnia liczba agentów aktywowanych przez pojedynczą organizację wzrosła w ciągu ostatniego roku niemal trzykrotnie. Jednocześnie czas potrzebny firmom na rozpoczęcie ich tworzenia systematycznie się skracał – w całym analizowanym okresie spadł o 53 proc.

Salesforce wprowadził także wskaźnik Agentic Work Unit, który oznacza jedno konkretne zadanie wykonane przez agenta AI. W kwietniu 2026 r. liczba takich zadań realizowanych przez Agentforce rosła w tempie 15 proc. miesięcznie.

Najbardziej dynamiczny wzrost widoczny jest w branżach konsumenckich. W handlu detalicznym agenci przez większą część roku pozostają jednak skoncentrowani na stosunkowo wąskim zakresie działań, wykonując zwykle od jednej do dwóch czynności na agenta.

Pandora automatyzuje obsługę w okresach szczytowego popytu

Jednym z przykładów opisanych w raporcie jest Pandora. Firma wykorzystuje wirtualnego asystenta Gemma, który odpowiada m.in. na pytania dotyczące statusu zamówień, śledzenia przesyłek i pielęgnacji biżuterii, a także przedstawia rekomendacje prezentowe.

W okresach największego ruchu Gemma obsługuje 60 proc. rutynowych zgłoszeń. Salesforce wskazuje również na 10-procentowy wzrost wskaźnika NPS, a pracownicy mogą w większym stopniu koncentrować się na bardziej wymagających kontaktach z klientami.

Agenci stają się bardziej wszechstronni

Zmienia się nie tylko skala wykorzystania agentów, ale również poziom ich złożoności. Obecnie przeciętny agent potrafi korzystać z sześciu umiejętności, podczas gdy na początku 2025 r. były to dwie.

W handlu detalicznym w szczycie sezonu zakupowego przeciętny agent wykorzystywał już dziewięć umiejętności, co oznacza wzrost o 350 proc. W praktyce oznacza to przechodzenie od prostych, pojedynczych zadań do bardziej złożonych procesów obejmujących kilka etapów.

Agenci coraz częściej działają także w kilku systemach jednocześnie. Przykładowo narzędzie obsługujące klienta może nie tylko odpowiadać na pytania, ale też pobierać dane sprzedażowe i tworzyć na ich podstawie spersonalizowane rekomendacje. Raport wskazuje w tym kontekście na rosnące znaczenie architektury headless, która oddziela logikę działania agenta od klasycznego interfejsu użytkownika.

Branże regulowane stawiają na bardziej złożone procesy

W sektorach takich jak produkcja, usługi finansowe czy ochrona zdrowia agenci są wykorzystywani do bardziej złożonych zadań. Salesforce opracował Sophistication Index, który klasyfikuje działania agentów według pięciu poziomów złożoności – od wyszukiwania i syntezy informacji po aktualizowanie baz danych i przetwarzanie bardziej skomplikowanych danych.

Według raportu produkcja, usługi finansowe oraz sektor ochrony zdrowia i nauk biologicznych budują bardziej zaawansowane sieci agentów niż tradycyjni liderzy adopcji AI, tacy jak sektor technologiczny czy handel detaliczny. Liczba Agentic Work Units w sektorze publicznym wzrosła 227-krotnie, a w ochronie zdrowia i naukach biologicznych – 19-krotnie.

Siemens wykorzystuje wielu agentów w jednym procesie

Przykładem bardziej złożonego wdrożenia jest Siemens. Firma obsługuje tysiące produktów sprzętowych i programowych w siedmiu niezależnych jednostkach biznesowych oraz sieci 18 tys. sprzedawców.

Agentforce został wykorzystany do podziału procesu kwalifikacji leadów pomiędzy kilku agentów. Jeden nawiązuje kontakt z potencjalnym klientem, a drugi uzupełnia brakujące dane, kwalifikuje lead i przekazuje go dalej wraz z kontekstem z różnych jednostek organizacji. Proces może działać całodobowo.

Bankowość: od chatbotów do realizacji operacji

W raporcie opisano również przypadek PenFed, działającego w silnie regulowanym środowisku finansowym. Organizacja wdrożyła agenta Ace, który może m.in. analizować salda, sprawdzać statusy wniosków kredytowych, wykonywać przelewy i odpowiadać na pytania na podstawie zweryfikowanej bazy wiedzy. Drugi agent, Echo, rozszerza te funkcje o kanał głosowy.

– Łącząc solidne mechanizmy zarządzania i kontroli z naszą zunifikowaną platformą, bezpiecznie wdrożyliśmy agentów realizujących wiele działań, takich jak Ace i Echo, którzy wykonują rzeczywiste, złożone zadania bankowe. W ten sposób urzeczywistniamy nasz cel, jakim jest stworzenie w pełni połączonej, wykorzystującej AI spółdzielczej kasy oszczędnościowo-kredytowej – mówi Shree Reddy, CIO w PenFed.

– Naszą wizją od zawsze było wykorzystywanie AI w sposób godny zaufania, praktyczny i znaczący, aby zapewniać naszym członkom płynną obsługę we wszystkich kanałach. Urzeczywistnienie tej wizji wymagało wyjścia poza proste chatboty i stworzenia zaawansowanych doświadczeń z udziałem agentów, w których zaufanie jest elementem podstawowym. Łącząc solidne mechanizmy zarządzania i kontroli z naszą zunifikowaną platformą, bezpiecznie wdrożyliśmy agentów realizujących wiele działań, takich jak Ace i Echo, którzy wykonują rzeczywiste, złożone zadania bankowe, przybliżając nas do celu, jakim jest stworzenie w pełni połączonej, wykorzystującej AI spółdzielczej kasy oszczędnościowo-kredytowej – dodaje Shree Reddy.

Agenci coraz częściej wykonują pracę, a nie tylko generują tekst

Jednym z kluczowych wniosków raportu jest przejście od agentów prowadzących rozmowy do systemów wykonujących konkretne działania. Coraz częściej uruchamiają one procesy w tle, stosują logikę biznesową, aktualizują dane lub wykonują określone operacje.

Stosunek liczby wykonywanych działań do generowanych treści rośnie w tempie 15 proc. miesięcznie. Agent obsługi klienta może więc nie tylko przygotować odpowiedź dotyczącą zamówienia, ale także wyszukać rekord, zastosować odpowiednią regułę biznesową i na przykład zrealizować zwrot środków.

Firmy wykorzystujące agentów AI odnotowują również wyższy wzrost sprzedaży niż organizacje, które z nich nie korzystają. Zależność jest szczególnie widoczna w handlu i innych sektorach konsumenckich w okresach zwiększonego popytu.

– Niezależnie od tego, czy wdrażacie agentów, aby działać na ogromną skalę, czy też koordynujecie ich pracę w ramach rozbudowanych, wieloetapowych procesów, najważniejsze jest to, że dostarczają oni realną wartość – mówi Joe Inzerillo, President of Enterprise AI and Technology w Salesforce. – Ten zwrot z inwestycji jest widoczny nie tylko w wynikach sprzedaży, ale również w efektywności realizacji procesów. Przechodzimy od pasywnych chatbotów i modeli predykcyjnych do agentów nastawionych na realizację zadań, którzy faktycznie wykonują pracę i generują realną wartość.

Rośnie zaufanie pracowników i klientów

W ciągu analizowanego roku przeciętny pracownik korzystał z agenta o 300 proc. częściej w skali tygodnia. Agenci działający w Slacku prowadzili średnio 67 sesji tygodniowo, a w kwietniu ich liczba była trzykrotnie większa niż w lutym.

Salesforce podaje, że z jego własnego Slackbota regularnie korzysta 83 proc. pracowników firmy, a przeciętny użytkownik może dzięki niemu oszczędzić do pięciu godzin pracy tygodniowo. Narzędzie jest wykorzystywane m.in. do podsumowywania rozmów, tworzenia treści, przygotowywania briefów i agregowania danych z różnych aplikacji.

Rosną również skala i samodzielność agentów w obsłudze klientów. W ciągu pięciu kwartałów obsłużyli oni 170 razy więcej rozmów niż wcześniej, a siedem na dziesięć spraw rozwiązywali bez angażowania człowieka. Z kolei 77 proc. klientów korzystających z agentów zakupowych deklarowało większą pewność przy podejmowaniu decyzji zakupowych.

Agentic AI ma łączyć skalę ze złożonością

Autorzy raportu przewidują, że wraz z dojrzewaniem technologii firmy przestaną być zmuszone do wyboru między agentami, których można szybko skalować, a rozwiązaniami zdolnymi do realizacji złożonych, międzyfunkcyjnych procesów.

Docelowo oba modele mają się łączyć: agenci mają działać szybko i na dużą skalę, a równocześnie wykonywać zadania wymagające coraz bardziej zaawansowanej logiki biznesowej.