06.06.2025

Agent AI w codziennej pracy – automatyzacja zadań biurowych z wykorzystaniem lokalnych LLM

Case study: średniej wielkości firma usługowa (250+ pracowników)
 

Wprowadzenie i kontekst
 

W 2024 roku firma z sektora usług profesjonalnych (doradztwo prawne i podatkowe), działająca w modelu hybrydowym, podjęła decyzję o wdrożeniu rozwiązań AI wspierających codzienną pracę zespołów back-office. Wyzwaniem były:

• przeciążenie pracowników manualnymi czynnościami administracyjnymi,

• dublowanie zadań między działami (finanse, HR, compliance),

• utrudniony przepływ informacji między aplikacjami,

• ograniczenia wynikające z konieczności przetwarzania danych lokalnie (wrażliwe dane klientów, NDA).

Zamiast wdrażać kolejne narzędzia SaaS, firma zdecydowała się na wykorzystanie lokalnych agentów AI opartych na LLM, działających na własnej infrastrukturze i obsługujących codzienne zadania poprzez naturalny język.

Cel projektu
 

• Odciążyć zespoły administracyjne z minimum 30% zadań powtarzalnych.

• Zapewnić pełną zgodność z regulacjami RODO i NDA (LLM on-prem).

• Usprawnić obieg informacji i dokumentów między systemami bez budowania nowych integracji.

• Zapewnić pracownikom jednego „asystenta AI” działającego z poziomu e‑maila, czatu i przeglądarki.

Diagnoza procesów AS‑IS
 

W ramach sprintu discovery przeanalizowano czynności wykonywane codziennie przez 6 działów biurowych. Kluczowe wnioski:

• Przeciętny specjalista spędzał 1,7 godziny dziennie na kopiowaniu danych między systemami (np. CRM → ERP → PDF).

• 21% zapytań mailowych do działu HR dotyczyło tych samych 9 zagadnień (np. urlopy, wynagrodzenia, benefity).

• Duplikacja pracy – te same informacje były wpisywane do wielu arkuszy/plików przez różne działy.

• Pracownicy używali kilkunastu osobnych aplikacji (średnio 14 sesji logowania dziennie).

Architektura TO‑BE
 

Zespół IT we współpracy z działem operacyjnym zbudował modularny system oparty na agentach AI z lokalnym modelem językowym:

• LLM Engine – Mistral 7B (fine‑tuned) hostowany na serwerach on-prem (NVIDIA A100); API zgodne z OpenAI.

• AI Agent Hub – framework do zarządzania agentami (LangChain + automaty workflow); integracja z Microsoft 365, Google Workspace, CRM i SharePoint.

• Interfejsy użytkownika – plugin Outlook + rozszerzenie Chrome + panel webowy (Next.js).

• System zarządzania uprawnieniami – RBAC z audytem i tokenizacją dostępu do danych wrażliwych.

Przykładowe zastosowania agentów AI
 

Asystent finansowy

• Kompiluje dane z arkuszy XLSX, CRM i PDF faktur w jeden raport miesięczny.

• Wysyła automatyczne przypomnienia o płatnościach do klientów (na podstawie harmonogramu).

• Weryfikuje poprawność numerów kont, NIP i dat płatności – zgłasza odstępstwa.

Agent HR

• Odpowiada na zapytania mailowe pracowników o zasady urlopów, ścieżkę awansu, benefity (FAQ z bazy wiedzy).

• Generuje zaświadczenia (o zatrudnieniu, dochodach) na podstawie danych z ERP i szablonów.

• Prowadzi automatyczne onboardingowe checklisty dla nowych pracowników.

Agent dokumentowy

• Przegląda foldery SharePoint, wyszukuje wersje dokumentów, porównuje zmiany (diff).

• Tłumaczy umowy i oferty handlowe (z EN na PL i odwrotnie).

• Przekształca zarchiwizowane pliki Word i PDF w teksty edytowalne z komentarzami AI.

Wyniki po 3 miesiącach

• Skrócenie czasu raportowania finansowego o 42% (z 5,2h do 3h miesięcznie na osobę).

• 61% zapytań HR obsłużonych bez udziału człowieka – średni czas odpowiedzi: 4,7 sekundy.

• 78% użytkowników zadeklarowało, że agent AI oszczędza im min. 30 minut dziennie.

• Redukcja liczby przełączeń między aplikacjami: ‑43% (mniej rozproszonego skupienia).

Wyzwania i lekcje
 

• Integracja z systemami legacy – niektóre dane trzeba było parsować przez OCR i scraping.

• Potrzeba kontroli nad modelem – wymusiła lokalne hostowanie i własne procedury retrainingu.

• Zarządzanie oczekiwaniami użytkowników – kluczowe było przeszkolenie w zakresie „co agent potrafi, a czego nie”.

• Bezpieczeństwo danych – każdy agent działał w ograniczonym kontekście i miał audytowalny dostęp do źródeł.

Podsumowanie
 

Agent AI, działający lokalnie z pomocą LLM, to dziś realna alternatywa dla klasycznych automatyzacji. Wdrożenie tego typu pozwala zwiększyć efektywność pracy biurowej bez zmiany istniejących narzędzi – pracownicy nadal pracują w Outlooku, Wordzie, Excelu czy CRM, ale z wsparciem inteligentnego asystenta.

Jeśli Twoja firma przetwarza duże ilości danych nieustrukturyzowanych, lub Twoje działy są przeciążone rutyną administracyjną – lokalny Agent AI może być przełomem.

Skontaktuj się z nami – pokażemy Ci demo agentów AI dostosowanych do Twojej organizacji i ocenimy czas zwrotu z inwestycji.

Autor: JCD

Od przeszło dekady konsekwentnie przekształcamy zaawansowane idee w funkcjonalne aplikacje oraz internetowe platformy usługowe. Nasza działalność koncentruje się na głębokim zrozumieniu natury przedsiębiorstwa oraz kluczowych wymagań, które są fundamentem dla każdego przedsięwzięcia.

Stale łączymy metody kreatywne z systematycznym, badawczym podejściem, przekonani, że jedynie przez dogłębną analizę i zrozumienie specyfiki wyzwań, jesteśmy w stanie w pełni współpracować z naszymi klientami w celu kreowania innowacyjnych rozwiązań. Te rozwiązania nie tylko ulepszają doświadczenie użytkowników, ale również zapewniają naszym klientom strategiczną przewagę na rynku. Nasze procesy projektowe są zatem oparte na aktywnym słuchaniu, szczegółowej analizie i ciągłym dialogu z klientami. W ten sposób nieustannie pracujemy na rzecz tworzenia nie tylko technologii, ale także wartości, które wyznaczają nowe standardy w cyfrowym krajobrazie biznesu.