Agenci AI dla agencji marketingowych

Co agenci AI oznaczają dla agencji marketingowych

Dyskusja o sztucznej inteligencji w agencjach przesunęła się. Do 2023 roku chodziło o „strategię GenAI” albo, w węższym ujęciu, o „strategię ChatGPT”. AI była kategorią narzędzi, które się licencjonuje i wdraża. Rozumienie z 2026 roku jest inne i bardziej wymagające: agenci AI to jednostka pracy, która żyje w procesach, utrzymuje pamięć i stan, wywołuje narzędzia i przesuwa koszty jednostkowe całych usług. Dla agencji właściwe pytanie nie brzmi więc już „Czy mamy politykę AI?”, lecz: Jaką pracę powierzamy agentom, pod jaką kontrolą i z jaką marżą?

Agent AI różni się od prostego copilota tym, że samodzielnie realizuje zadania wieloetapowe: zbiera informacje, wywołuje zewnętrzne narzędzia lub API, zachowuje kontekst w obrębie całej sprawy i dostarcza wynik, który człowiek sprawdza lub zatwierdza. Te cechy sprawiają, że agenci są interesujący dla biznesu agencyjnego, ponieważ wiele usług agencji ma właśnie taką strukturę: powtarzalna, zależna od kontekstu, wieloetapowa praca oparta na wiedzy.

Ważne dla uczciwej oceny: badania z lat 2025/26 pokazują dwa obrazy i oba są prawdziwe. Na poziomie użycia i pojedynczych osób produktywność i adopcja rosną w mierzalny sposób (Anthropic Economic Index, cztery raporty do marca 2026; PwC). Na poziomie firm wpływ na P&L pozostaje w tyle: MIT NANDA (The GenAI Divide: State of AI in Business 2025, lipiec 2025) podaje, że mimo wydatków na GenAI rzędu 30–40 mld USD około 95% firm nie widzi mierzalnego zwrotu w P&L, podczas gdy najlepsze 5% osiąga wyraźne przyspieszenie przychodów. Według badania wąskim gardłem nie jest jakość modeli, lecz brak uczenia się, pamięci, integracji i dopasowania do kontekstu, czyli dokładnie tego, co mają rozwiązać architektury agentowe.

Przypadki użycia: gdzie agenci sprawdzają się w codziennej pracy agencji

Najbardziej wiarygodne dane o produktywności pochodzą z obszarów, które bezpośrednio występują w biznesie agencyjnym. Najbardziej rygorystyczne badanie produktywności GenAI, Brynjolfsson, Li, Raymond, Generative AI at Work (NBER 2023, opublikowane w QJE 2025; 5179 konsultantów obsługi klienta), wykazuje +14% produktywności średnio i +34% u początkujących oraz słabiej wykwalifikowanych pracowników, przy niemal zerowym efekcie u doświadczonych profesjonalistów. Ta asymetria sama w sobie jest wnioskiem strategicznym: AI przesuwa wartość w dół krzywej umiejętności. Dla agencji oznacza to, że profile juniorskie przyspieszają nieproporcjonalnie przy researchu, pierwszych wersjach i zadaniach standardowych, co ma konsekwencje dla obłożenia zespołu, onboardingu i logiki cenowej.

W przełożeniu na biznes agencyjny przypadki użycia można uporządkować według realistycznego time-to-value. Poniższa tabela to agencyjne odczytanie przedziałów czasu do ROI z naszego wewnętrznego raportu badawczego (dalej „nasz raport”, nie mylić z cytowanymi badaniami):

Dyscyplina strategiczna jest przy tym ważniejsza niż sama lista: BCG (AI Radar, styczeń 2025) pokazuje, że liderzy AI koncentrują się średnio na 3,5 przypadku użycia, maruderzy natomiast na 6,1, a liderzy oczekują przy tym 2,1-krotnie wyższego ROI. Dla agencji oznacza to: lepiej porządnie doprowadzić dwie lub trzy usługi agentowe do etapu skalowania, niż równolegle uruchamiać dziesięć projektów pilotażowych. Według naszego raportu metryki próżności „liczba pilotaży”, „liczba zidentyfikowanych przypadków użycia” i „liczba wdrożonych narzędzi” nie korelują z tworzeniem wartości.

Skalowanie usług i problem z modelem cenowym

Agenci przesuwają koszty jednostkowe, ale nie automatycznie marżę. Centralny efekt, opisany w naszym raporcie jako „ROI jest niewykrywalny”, szczególnie mocno dotyka agencje: gdy koszty LLM są niewielkie w porównaniu z kosztami personelu, zysk widać jako szybszą pracę, a nie jako mierzalną redukcję kosztów. Decydujące jest to, czy zaoszczędzony czas wraca do pracy o wyższej wartości, czy przepada w przestojach. Technology Report 2025 firmy Bain stwierdza, że 10–15% wzrostu produktywności w tworzeniu oprogramowania często nie przekłada się na wynik, bo uwolniony czas nie zostaje przekierowany. To bezpośrednie ostrzeżenie dla każdej agencji, która rozlicza się stawkami godzinowymi.

Wynika z tego strategiczna presja na model cenowy:

• Rozliczenie time and material jest pod presją. Jeśli agenci realizują tę samą usługę w mniejszej liczbie godzin, przy rozliczeniu godzinowym przychód paradoksalnie spada, choć usługa jest taka sama lub lepsza. Efektywność uderza bezpośrednio w Twój własny rachunek.
• Wycena oparta na wynikach i wartości zyskuje na atrakcyjności. Dla agentów wertykalnych w procesach typu high-touch nasz raport wyraźnie zaleca metryki oparte na wynikach (wzrost przychodów, skrócenie cycle time, odsetek błędów, NPS/CSAT). W przełożeniu na agencje: rozliczanie za wynik zamiast za nakład pracy uniezależnia przychody agencji od jej wewnętrznej efektywności.
• Sproduktyzowane pakiety usług. Agenci pozwalają oferować poszczególne usługi jako skalowalne pakiety ze zdefiniowanymi SLA, zamiast wyceniać każde zlecenie indywidualnie.

Ważna jest uczciwa perspektywa CFO z naszego raportu: przy szerokich, horyzontalnych copilotach w pracy opartej na wiedzy ROI na poziomie pojedynczych pozycji często nie będzie widoczny i nie jest to porażka, jeśli inwestycję świadomie traktuje się jako zakład o kompetencje, a nie jako krótkoterminową dźwignię kosztową.

Warstwa white label: agencja jako warstwa integracyjna i partnerska

Tu leży strukturalnie najsilniejsze pozycjonowanie dla agencji w Europie. MIT NANDA (lipiec 2025) pokazuje jednoznacznie, że kupione rozwiązania i partnerstwa kończyły się sukcesem w około 67% przypadków, a czysto własne rozwiązania osiągały tylko mniej więcej jedną trzecią tego wyniku. Budowanie na poziomie modelu lub frameworka praktycznie dla nikogo w sektorze MŚP regionu DACH (Niemcy, Austria, Szwajcaria) nie jest uzasadnione. Za najwyraźniejszy sygnał rynkowy nasz raport uznaje wycofanie się Aleph Alpha z rozwoju modeli bazowych (wrzesień 2024). Tymczasem Aleph Alpha i Cohere ogłosiły połączenie (kwiecień 2026), a we wrześniu 2026 zawarły wiążące porozumienie. Według Cohere finalizacja transakcji była wówczas nadal uzależniona od zgód regulacyjnych.

Dla agencji wynika z tego jasny model biznesowy: działają jako warstwa partnerska i integracyjna między kupowanymi modelami bazowymi lub agentami SaaS a procesami klientów. Budowanie opłaca się, jeśli w ogóle, tylko na poziomie agentów i workflowów, czyli tam, gdzie faktycznie powstaje wyróżnik. Warstwa white label oznacza konkretnie: kupować modele bazowe i platformy agentowe, integrować je pod własną marką ze stackiem klienta, na nowo projektować workflow, definiować human-in-the-loop i ścieżki eskalacji oraz odpowiadać za metryki wyników.

Nasz raport opisuje tę rolę jako trend rynkowy: w latach 2025/26 wyspecjalizowane butiki coraz częściej wypierają firmy doradcze klasy Tier 1 z projektów o wartości poniżej ok. 2 mln EUR, a MŚP z regionu DACH przechodzą od generycznych pilotaży SaaS do zintegrowanych wdrożeń prowadzonych przez partnerów. Dla agencji strategicznie kluczowe jest pytanie, która praca buduje wiedzę instytucjonalną: insourcować warto to, co się kumuluje (zarządzanie produktem AI, architektura, zarządzanie dostawcami, strategia ewaluacji); to, co skaluje się liniowo z nakładem pracy (czysta praca platformowa i programistyczna), można zlecić na zewnątrz lub pokryć przez partnerów.

Integracja z codzienną pracą agencji

Logikę capability stack z naszego raportu można bezpośrednio przenieść na agencje. Najdroższe błędy nie powstają na poziomie modelu ani agentów (o którym pisze prasa), lecz w dwóch najmniej efektownych warstwach: danych (jakość, dostępność, dojrzałość retrievalu) i integracji z procesami biznesowymi (przeprojektowanie workflowów, projektowanie human-in-the-loop, ścieżki eskalacji, metryki). Dla agencji oznacza to: agent jest tak dobry, jak briefy, assety, wytyczne stylu i dane klientów, do których ma dostęp, i tworzy tyle wartości, na ile przemyślano na nowo otaczający go proces.

Trzy zasady integracji z naszego raportu:

1. Najpierw horyzontalnie, potem wertykalnie. Najpierw wdróż szeroką warstwę produktywności (M365 Copilot, ChatGPT Enterprise lub Claude for Business; wybór wynika ze stacku, a nie z narracji dostawcy) i na tej szerokiej warstwie ucz się zarządzania zmianą. Potem inwestuj celowo w dwa lub trzy procesy, w których agencja się wyróżnia.
2. Augmentacja jako ustawienie domyślne. Podejście AI-Augmented (ludzie pracują, agenci przyspieszają) to w 2026 roku właściwe ustawienie bazowe dla wszystkiego, co dotyka klientów, regulacji lub własnego bilansu. „AI-First” jako etykieta modelu operacyjnego jest w 2026 roku w dużej mierze pusta; solidny wariant to jeden proces celowo przebudowany wokół agentów w organizacji, która poza tym działa w trybie augmentacji. McKinsey (State of AI 2025) podaje dokładnie tę liczbę: firmy osiągające najlepsze wyniki są 2,8 raza częściej gotowe gruntownie przeprojektować workflowy (55% wobec 20%).
3. Telemetria zamiast samooceny. Badanie terenowe METR (2025) to najważniejszy test rzeczywistości: doświadczeni programiści pracowali z narzędziami AI o 19% wolniej, ale byli przekonani, że stali się o 20% szybsi. Przekład dla kierownictwa agencji: pracownicy konsekwentnie przeceniają swoją produktywność z AI, więc polegaj na metrykach wyników i telemetrii, a nie na samoocenie.

Uczciwy pomiar ROI: KPI, które się liczą

Najczęstszy błąd w KPI w 2026 roku to mierzenie sukcesu wyłącznie adopcją. W pełni wykorzystywana licencja, która nie poruszyła ani jednej linii P&L, nie jest sukcesem. Nasz raport zaleca warstwową strukturę, którą można jeden do jednego przenieść na programy agencyjne:

• Metryki adopcji (konieczne, ale niewystarczające): aktywni użytkownicy tygodniowo/miesięcznie, wykorzystanie licencji, zadania na użytkownika dziennie.
• Metryki wyników (te, które się liczą): przypisywalny wzrost przychodów, mierzalna redukcja kosztów na poziomie funkcji, skrócenie cycle time (od briefu do assetu, od leada do oferty), odsetek błędów, NPS/CSAT, retencja pracowników w objętych zmianą funkcjach.
• Wskaźniki wyprzedzające vs. opóźnione: raportuje się jedne i drugie, wynagradza za opóźnione. Każdy zbiór danych cytowany w naszym raporcie pokazuje ten sam wzorzec: kto motywuje zespoły za adopcję, dostaje wysoką adopcję i żadnej wartości; kto motywuje za wyniki, dostaje mierzalną wartość.

Równie ważne są twarde zasady wygaszania: wyraźne punkty kontrolne po 6 i 12 miesiącach. Po 6 miesiącach bez widocznej ścieżki do ROI (adopcja poniżej 30%, brak mierzalnej poprawy) i najpóźniej po 12 miesiącach bez ilościowego sygnału ROI projekt należy zakończyć, a budżet odzyskać. Każdy program agencyjny powinien mieć w swoim mandacie założycielskim wyraźne kryterium przerwania.

Prawda o kosztach jest taka: pozycja, która wygląda na tanią (moc obliczeniowa LLM, ok. 0,10–1,00 EUR za rozmowę według naszego raportu), nie jest tą drogą. Bolą inżynieria i integracja, przegląd human-in-the-loop (często 30–60% oszczędności brutto) oraz zarządzanie zmianą.

Kontekst DACH i ramy prawne UE

Region DACH wolniej wdraża AI, ale jest dojrzalszy pod względem governance niż rynek amerykański. Od 2 sierpnia 2026 roku Urząd ds. AI i organy krajowe egzekwują AI Act (Komisja). W Niemczech i Austrii obowiązuje on bezpośrednio. Szwajcarskie agencje obejmuje zgodnie z artykułem 2 tylko wtedy, gdy oferują systemy AI w UE lub gdy ich wyniki są wykorzystywane w UE.

Dla agencji istotne są trzy kluczowe punkty regulacyjne (informacyjnie, nie stanowi porady prawnej). Obowiązek zapewnienia kompetencji w zakresie AI z AI Act (artykuł 4) obowiązuje od 2 lutego 2025 roku. W zmienionym brzmieniu wymaga od dostawców i podmiotów stosujących działań wspierających kompetencje w zakresie AI ich personelu; określony poziom kompetencji nie jest wymagany. Od 2 sierpnia 2026 roku obowiązują ponadto obowiązki przejrzystości z artykułu 50: deepfake'i muszą być oznaczane, a ludzie muszą wiedzieć, że wchodzą w interakcję z systemem AI. Digital Omnibus nie przesunął oznaczania deepfake'ów ani informowania o interakcji z AI. Jedynie dostawcy systemów generatywnych, które były na rynku już przed 2 sierpnia 2026 roku, mają czas do 2 grudnia 2026 roku na oznaczenie swoich wyników w formacie nadającym się do odczytu maszynowego (artykuł 111). Obowiązki dotyczące wysokiego ryzyka przesunął Digital Omnibus (rozporządzenie (UE) 2026/1744, obowiązujące od 27 lipca 2026 roku): dla systemów wysokiego ryzyka z załącznika III, np. w zatrudnieniu, edukacji lub biometrii, na 2 grudnia 2027 roku, a dla systemów wysokiego ryzyka w produktach objętych załącznikiem I na 2 sierpnia 2028 roku. Kompetencje w zakresie AI i przejrzystość są więc obowiązkowe już teraz. Obowiązki dotyczące wysokiego ryzyka dotyczą agencji dopiero od grudnia 2027 roku i tylko przy zastosowaniach wysokiego ryzyka, takich jak selekcja kandydatów. Work Trend Index 2025 Microsoftu pokazuje lukę w znajomości agentów: 67% liderów zna agentów AI dobrze lub bardzo dobrze, ale tylko 40% pracowników. Ta różnica sama w sobie jest podatkiem od produktywności.

W kwestii suwerenności danych nasz raport zaleca ocenę każdego workloadu osobno zamiast ogólnej polityki: dopłata za suwerenność jest realna (zwykle 30–50% ponad koszty infrastruktury). W przypadku danych osobowych podlegających RODO i workloadów wysokiego ryzyka względy suwerenności są wiążące; w przypadku wewnętrznej produktywności, wyszukiwania wiedzy, produkcji treści i wsparcia sprzedaży zazwyczaj nie. Te oceny mają charakter ogólny i nie zastępują analizy prawnej konkretnego przypadku.

Perspektywy i wskazówka praktyczna

Dla agencji w Europie rok 2026 jest rokiem strategicznej integracji agentów, a nie w pełni autonomicznego zastępowania zespołów. Większość porażek nie ma charakteru technicznego: to problemy z wyborem przypadków użycia, jakością danych, zarządzaniem zmianą i zarządzaniem oczekiwaniami. Gartner (komunikat prasowy z 25 czerwca 2025) podaje, wyraźnie jako prognozę, a nie wartość zmierzoną, że ponad 40% projektów agentowej AI zostanie przerwanych do końca 2027 roku; według stanu na 2026 rok wartość ta nie jest zweryfikowana.

Praktyczny start jest mały, ma sponsora i jest zdyscyplinowany: uruchom jedną lub dwie jasno określone usługi agentowe, świadomie przekierowuj zaoszczędzony czas na pracę o wyższej wartości, mierz wyniki telemetrią zamiast samooceną i zmień model cenowy tak, aby wzrost efektywności nie kanibalizował Twoich własnych przychodów. Kto działa jako warstwa integracyjna white label między kupowanymi modelami a procesami klientów, odgrywa dokładnie tę rolę, którą rynek nagradza w latach 2025/26, pod warunkiem że dyscyplina raportowania wystarczy, by zakończyć również projekt, który nie działa.