Od chatbotów do autonomicznej pracy: Dell pokazuje, jak AI trafia do produkcji

Dell: AI ma wykonywać pracę, a nie tylko odpowiadać

Najważniejszy przekaz firmy Dell podczas konferencji The Six Five Summit: AI Unleashed 2026 był jasny: sztuczna inteligencja w przedsiębiorstwach wchodzi w kolejną fazę. Chatboty nadal pomagają wyszukiwać informacje, streszczać dokumenty i tworzyć treści, ale coraz większe znaczenie mają systemy, które potrafią samodzielnie realizować zadania biznesowe.

Dell twierdzi, że ograniczył około 900 potencjalnych projektów AI do 13 inicjatyw o jasno określonej wartości biznesowej. Firma podała również początkowe wzrosty produktywności na poziomie około 20–40%. 1

To dane przedstawione przez samą firmę, a nie branżowy, niezależny pomiar. Mimo to przykład Dell pokazuje, co zmienia się wtedy, gdy AI przestaje być eksperymentem, a zaczyna działać w codziennych procesach.

Czym agentyczna AI różni się od chatbota?

Dell oddziela pierwszą falę generatywnej AI od tzw. agentycznej AI. Chatbot lub asystent może pomóc pracownikowi znaleźć informacje w firmowych danych, podsumować dokument albo przygotować tekst. Agent ma natomiast cyfryzować cały proces: rozumować nad zadaniem, korzystać z narzędzi, koordynować kolejne kroki i doprowadzać pracę do końca przy mniejszym bezpośrednim nadzorze człowieka. 1

Różnica nie dotyczy wyłącznie modelu językowego. Według Dell wdrożenia produkcyjne wymagają zmian w infrastrukturze, zarządzaniu, zasadach bezpieczeństwa i organizacji pracy. Celem jest ograniczenie zależności między ilością pracy, którą firma może wykonać, a dostępną liczbą godzin pracowników. 1

Gdzie Dell wykorzystuje agentów?

Firma poinformowała, że rozwija agentów od około dwóch lat, a w poprzednim roku przeniosła ich do środowiska produkcyjnego. Wskazane zastosowania obejmują:

• porządkowanie danych CRM – agenci mogą wykonywać powtarzalne zadania związane z jakością danych klientów;
• tworzenie oprogramowania – mogą wspierać rutynowe programowanie, dodawanie adnotacji i część koordynacji procesów CI/CD;
• specjalne wyceny – mogą obsługiwać procesy, w których liczą się szybkość oraz konsekwentne stosowanie określonych reguł. 1

Nie są to przykłady całkowicie autonomicznego przedsiębiorstwa. Pokazują jednak, że skuteczne wdrożenie nie polega na dodaniu modelu AI do istniejącej aplikacji. Potrzebny jest cały przepływ pracy: określone dane wejściowe, narzędzia, uprawnienia, reguły i oczekiwany rezultat.

Dlaczego 900 projektów zamieniło się w 13?

Dell przekazał, że zawęził pulę około 900 pomysłów do 13 ukierunkowanych inicjatyw, wybranych ze względu na konkretną wartość biznesową i zarządzanych w ramach odgórnie ustalonych priorytetów. 1

To praktyczna lekcja dla firm inwestujących w AI. Długa lista pilotaży nie musi przekładać się na przewagę operacyjną. Zamiast rozwijać dziesiątki rozproszonych eksperymentów, organizacja może skoncentrować zasoby na procesach, dla których da się zmierzyć wynik, a następnie zbudować infrastrukturę i zabezpieczenia potrzebne do niezawodnego działania.

Dell przypisał wdrożeniom ukierunkowanych asystentów początkową poprawę produktywności rzędu 20–40%. Firma stwierdziła też, że przejęcie przez agentów całych kategorii zadań może przynieść znacznie większe efekty. Według Dell skoncentrowany program pomógł również oddzielić wzrost przychodów od struktury kosztów. Są to deklaracje dotyczące doświadczeń tej firmy, a nie gwarantowany wynik dla każdego przedsiębiorstwa. 1

„Agent washing”, czyli gdy każdą funkcję nazywa się agentem

John Roese z Dell ostrzegał przed zjawiskiem określanym jako agent washing. Chodzi o przedstawianie chatbotów, ograniczonych asystentów i systemów zdolnych do autonomicznego działania tak, jakby były tym samym rozwiązaniem. 1

Najprostszy podział wygląda następująco:

• chatbot odpowiada na polecenie i zwykle dostarcza informację lub treść;
• ukierunkowany asystent usprawnia określone zadanie, ale człowiek pozostaje blisko całego procesu;
• autonomiczny agent może zaplanować działanie, wywołać narzędzia, skoordynować kolejne czynności i wykonać proces przy znacznie mniejszym bezpośrednim nadzorze. 1

Ta różnica ma znaczenie, ponieważ wraz z autonomią rośnie ryzyko. Błędne streszczenie można poprawić. Agent mający dostęp do systemów firmowych może natomiast zmienić rekordy, uruchomić kolejne działania albo ujawnić poufne informacje.

Więcej pamięci i procesorów, nie tylko mocniejsze GPU

Matt Murphy, prezes Marvell Technology, wskazywał, że produkcyjne obciążenia związane z wnioskowaniem agentów różnią się od tradycyjnych zadań trenowania AI. Agent może podczas wielu wywołań modelu przechowywać stan procesu w pamięci typu key-value, pracować z dużymi kontekstami i prowadzić długie interakcje między wieloma agentami. W takich warunkach ograniczeniem może stać się pojemność i przepustowość pamięci, zanim głównym problemem okaże się surowa moc obliczeniowa. 1

Większą rolę zyskują również procesory CPU, które odpowiadają za orkiestrację: rozgałęzianie zadań, wyszukiwanie, wywoływanie narzędzi, wykonywanie kodu w izolowanym środowisku i koordynację agentów. W dyskusji stosunek CPU do GPU opisano jako zmieniający się z około 8–16:1 w tradycyjnych zastosowaniach AI do około 1–2:1 w przypadku obciążeń agentowych. 1

Dla kupujących oznacza to, że platformy agentowe nie powinny być oceniane wyłącznie na podstawie jakości modelu lub liczby kart GPU. Równie ważne są pamięć, sieć, procesory odpowiedzialne za koordynację, monitorowanie działania oraz koszt wielokrotnego wnioskowania.

Jedna architektura nie pasuje do każdego zadania

Dell sprzeciwia się podejściu opartemu na jednym modelu i jednym miejscu uruchamiania AI. Firma wskazuje na możliwość łączenia lokalnych modeli open source, modeli czołowych dostawców hostowanych przez Dell, kontrolowanych prywatnych chmur wirtualnych, zewnętrznych interfejsów API oraz modeli działających bezpośrednio na urządzeniach. Wybór ma zależeć od wydajności, zgodności z regulacjami, funkcjonalności i kosztu. 1

Ekonomia wdrożenia zależy także od rodzaju pracy. Agent wspierający decyzje kadry kierowniczej może uzasadniać wysoki miesięczny koszt. Z kolei agent czyszczący dane CRM na dużą skalę musi działać przy bardzo niskim koszcie pojedynczego rekordu — w dyskusji wskazano poziom poniżej około 0,50 dolara. 1

Dlatego pytanie „który model jest najlepszy?” warto zastąpić pytaniem: który model, w jakim środowisku i przy jakim poziomie autonomii zapewni wymagany rezultat przy akceptowalnym koszcie i ryzyku?

Tożsamość cyfrowa jako warstwa kontroli

Dell uważa, że każdy autonomiczny agent uzyskujący dostęp do firmowych danych — wewnętrznych lub zewnętrznych — powinien otrzymać cyfrową tożsamość wydaną przez Dell. Ma ona umożliwiać precyzyjne nadawanie uprawnień oraz szybkie odebranie dostępu, działając w praktyce jak wyłącznik awaryjny. 1

Wyzwanie jest większe, gdy agent nie korzysta po prostu z tożsamości konkretnego użytkownika. Agent „dziedziczący” uprawnienia działa na danych pracownika i przy użyciu jego danych uwierzytelniających. Agent bezgłowy działa bardziej niezależnie, przez co trudniej ustalić odpowiedzialność, zarządzać uprawnieniami i kontrolować cały cykl jego życia. Według dyskusji Dell oczekuje, że agenci bezgłowi będą odpowiadać za około 70% przyszłych wdrożeń. 2

Firma wskazała również protokoły komunikacji agent–agent i agent–narzędzie oraz przygotowanie na kryptografię postkwantową jako elementy modelu bezpieczeństwa dla autonomii działającej w produkcji. 1

W praktyce agent powinien być traktowany jak tożsamość programowa: z określonym właścicielem, zakresem uprawnień, ścieżką audytu i możliwością natychmiastowego odwołania dostępu.

Praca zostanie podzielona na zadania

Dell poinformował, że przeanalizował 6800 stanowisk, dzieląc wykonywane obowiązki na kategorie obejmujące produktywność, prace porządkowe, koordynację, zadania eksperckie oraz pracę wymagającą kontaktu z ludźmi. Wniosek firmy był taki, że agenci częściej przejmą części ról niż automatycznie zlikwidują całe stanowiska. 1

W programowaniu mogą na przykład wykonywać rutynowe fragmenty kodu, dodawać adnotacje i wspierać część koordynacji dostarczania oprogramowania. Ludzie mogą dzięki temu poświęcić więcej czasu architekturze, wymaganiom, ocenie sytuacji i kontaktom z klientami. 1

Nie oznacza to jednak, że role pozostaną takie same. Według Dell każde stanowisko będzie się zmieniać, ponieważ zadania podatne na automatyzację zostaną wydzielone, a pracownicy przesuną się w stronę obowiązków wymagających wiedzy, kontekstu, osądu i relacji międzyludzkich.

Po czym poznać gotowy projekt agentowej AI?

Stanowisko Dell można sprowadzić do wymagającego testu. Projekt agentycznej AI jest gotowy do produkcji dopiero wtedy, gdy ma:

• mierzalny cel biznesowy;
• jasno określony i ograniczony proces;
• ekonomię uzasadniającą automatyzację;
• kontrolę tożsamości i dostępu;
• mechanizmy monitorowania oraz odzyskiwania kontroli po awarii.

Przejście od 900 pomysłów do 13 inicjatyw dobrze podsumowuje tę strategię. Agentyczna AI nie jest po prostu bardziej rozmownym interfejsem. To model działania, w którym oprogramowanie wykonuje pracę — a infrastruktura, bezpieczeństwo i organizacja pracy muszą rozwijać się razem z modelami.