Zanim zaczęliśmy wdrażać systemy agentowe u innych, zbudowaliśmy jeden dla siebie. Jesteśmy dwuosobową firmą: prowadzimy sprzedaż usług 200IQ LABS i rozwijamy własny produkt, Qamera AI. Na systemie agentowym pracują u nas sprzedaż, publikacje i zamykanie miesiąca w finansach. Ten tekst pokazuje, jak to wygląda od środka, łącznie z tym, co się psuło i jak to naprawiliśmy.
Sprzedaż: dzień wysyłki, przygotowanie do spotkań, wiadomości po rozmowie
Sprzedaż Qamery AI prowadzi Przemek, a system odbiera mu pracę przygotowawczą. Dane o firmach i kontaktach są w CRM w Airtable, a system trzyma ich kopię u siebie, obok reszty wiedzy działu: doktryny rozmowy, playbooków, wzorów wiadomości i reguł zapisu do CRM.
Dzień wysyłki zaczyna się od przeglądu odpowiedzi: agent prowadzący dzień czyta skrzynkę i CRM, przypisuje odpowiedzi do firm i ustala, z kim co dalej. Potem liczy kolejkę na dziś z żywego CRM, a nie z wczorajszego pliku, bo plik nie wie, co wyszło wczoraj. Treść wiadomości pisze osobny agent, który nie widzi CRM i dostaje tylko brief. Wszystko trafia do jednego zestawienia, które Przemek akceptuje. Dopiero wtedy w jego skrzynce powstają drafty; wysyła je on sam, a CRM dostaje zapis tego, co faktycznie wyszło.
Między propozycją a draftem stoi prawie 40 bramek. Pilnują na przykład, żeby jedna osoba miała jeden aktywny wątek, żeby nie przekroczyć dziennego limitu maili i trzech dotyków na osobę, żeby nie pisać do nikogo, kto odmówił, i żeby wiadomość nie obiecywała niczego spoza tego, co oferujemy.
Przygotowanie do spotkania zajmuje nam około godziny. Agent zbiera dane o firmie i osobie, o problemie, możliwym zastosowaniu i ryzykach, a my to czytamy, czasem o coś dopytujemy i przygotowujemy materiały. Część materiałów powstaje wcześniej, ale jeśli na ostatnią chwilę przyjdzie nam coś do głowy, agent przygotuje to od ręki. Jak taki proces wygląda we wdrożeniu, opisujemy na stronie przygotowanie do spotkania.
Po rozmowie ten sam agent od treści pisze mail po discovery albo po demo, z briefu złożonego z ustaleń.
Nie wszystko działało od razu. Jakość wiadomości na początku nie była zadowalająca i najwięcej poprawek poszło właśnie w pisanie. Każda poprawka, która się powtarzała, zamieniała się w regułę doktryny albo w bramkę, a system rozwijamy cały czas. Co agent w sprzedaży robi, a co zostaje człowiekowi, zebraliśmy we wpisie agenci AI w sprzedaży.
Publikacje: trzy pętle i dwie bramki
Treści o Qamera AI na blog, profil firmowy na LinkedIn i profil osobisty Przemka powstają w jednym procesie. Składa się on z trzech pętli uruchamianych osobno, bo mają zupełnie inny rytm:
- Nasłuch przegląda kilkadziesiąt źródeł, mniej więcej raz w tygodniu i hurtem, i proponuje tematy.
- Produkcja pisze jeden materiał: tekst, karuzelę, ocenę jakości i klasyfikację ryzyka.
- Publikacja składa zaakceptowany materiał jako szkic w narzędziu do planowania postów.
Między pętlami stoją dwie bramki, w których decyduje człowiek. Przy bramce kierunku wybieramy, które tematy w ogóle warto pisać. Przy bramce jakości czytamy gotowy materiał na stronie podglądu, gdzie od razu można go poprawić, i akceptujemy wersję poprawioną. Wystarczy zgoda jednej z dwóch osób. Wyjątek to profil osobisty Przemka: materiał pod jego nazwiskiem akceptuje i publikuje wyłącznie on.
Najważniejsza zasada brzmi: gdy człowiek nie odpowie, nie dzieje się nic. Materiał czeka. Poprzednia próba zbudowania takiego procesu zebrała ponad 300 tematów w czternaście miesięcy i wypuściła trzy posty, bo między „mamy o czym pisać” a „post wyszedł” nie było momentu, w którym ktoś musiał coś zatwierdzić.
Co pokazał pierwszy pełny przejazd
Pierwszy temat przeszedł przez cały proces 26 sierpnia 2026 i zmierzyliśmy każdy etap:
| Etap | Czas |
|---|---|
| Nasłuch: 9 źródeł, 204 pozycje, 5 propozycji | 4 min 29 s |
| Produkcja pierwszej wersji | 26 s |
| Poprawki po uwagach człowieka (trzy rundy) | ok. 50 min |
| Od startu do gotowego szkicu, razem z czekaniem na bramki | ok. 2 h 10 min |
Maszyneria kosztowała minuty, treść kosztowała godziny. Uwagi dotyczyły rzeczy, których żaden test by nie wychwycił: braku naszego brandingu na karuzeli, zbyt wielu pauz w tekście i braku powiązania tematu z produktem. Każda z nich zamieniła się w regułę, którą od tamtej pory sprawdza skrypt albo nagłówek tematu, więc kolejny materiał nie zaczyna od zera.
Finanse: zamykanie miesiąca
Paweł zbudował na tym samym systemie zamykanie miesiąca. Agent pobiera transakcje z banku, przychody ze Stripe'a i faktury kosztowe z systemu do faktur, a potem je klasyfikuje: najpierw regułami, a dopiero gdy żadna nie pasuje, modelem z przykładami. To, czego nie da się rozstrzygnąć, trafia do przeglądu z człowiekiem. Każda poprawka człowieka staje się nową regułą, więc z każdym miesiącem klasyfikacja jest bardziej przewidywalna. Na końcu system zapisuje miesiąc i odświeża zestawienie budżetu i płynności. Tak zamknęliśmy już osiem miesięcy, od lutego do września 2026.
Jak to jest ułożone
Cała firma to jedno repozytorium plików. Każdy dział ma swój folder z tymi samymi elementami: kartą działu (department.md), stanem (status.md), mapą plików (catalog.md), regułami (AGENTS.md), decyzjami (decisions/), agentami (agents/), umiejętnościami (skills/) i narzędziami (tools/). Dział sprzedaży ma trzech agentów i 29 umiejętności, od pozyskiwania firm po zapis klienta, który zapłacił. Ten sam układ ma marketing, produkt i dział systemów agentowych, więc agent, który zna jeden dział, odnajduje się w każdym.
Czego nauczyliśmy się na własnym systemie
- Cisza musi być widoczna. Materiał zaakceptowany 3 sierpnia nie wyszedł do 27 sierpnia, choć nic go nie blokowało. Od tamtej pory raport zaczyna się od liczby dni, które czeka najstarsza pozycja stojąca na człowieku.
- Stan się starzeje. W pliku stanu projektu wiersz o blokadzie stał tygodniami po tym, jak sprawa była rozwiązana, i agenci uznawali ją za aktualną. Dziś każdy wiersz stanu ma datę i właściciela, a jego przegląd jest stałym zadaniem.
- Bramka musi być tam, gdzie pracuje człowiek. Akceptacja przez pull request działała dla jednej z dwóch osób. Dla drugiej GitHub nie jest narzędziem pracy, więc przenieśliśmy akceptację na stronę podglądu.
- Mierzymy po fakcie. Efekt publikacji sprawdzamy siedem dni po niej. Nie przewidujemy zaangażowania, bo przy kilku materiałach miesięcznie żaden model nie odróżni sygnału od przypadku.
Jak jest ułożona baza wiedzy, na której to wszystko pracuje, opisujemy we wpisie baza wiedzy firmy dla agentów AI. Czym jest sam system agentowy, wyjaśniamy w tekście system agentowy: co to jest.
Co z tego wynika dla Ciebie
To jest ten sam system, który wdrażamy w firmach: baza wiedzy w plikach, agenci przypisani do procesów, reguły z poprawek i człowiek przy każdym kroku, którego nie da się cofnąć. Różnica jest taka, że u siebie popełniliśmy błędy pierwsi, więc we wdrożeniu nie zaczynamy od zera. Jak wygląda wdrożenie i ile kosztuje, opisujemy na stronie systemu agentowego.
Chcesz zobaczyć, jak to by wyglądało u Ciebie? Umów spotkanie w dogodnym terminie. Trwa około godziny i kończy się wyborem pierwszego procesu. Wolisz najpierw napisać? hello@200iqlabs.io.