Pomagamy klientom zapewnić realną wartość z wykorzystania AI

Z Piotrem Zającem, konsultantem rozwiązań AI & ML w UiPath rozmawiam o: wyzwaniach związanych z wykorzystaniem sztucznej inteligencji do automatyzacji procesów w środowiskach korporacyjnych, rozwoju platformy UiPath, wykorzystaniu agentów wbudowanych w aplikacje, automatyzacji rozwiązań typu legacy, a także przykładowych korzyściach wynikających z wykorzystania agentów IT do obsługi procesów biznesowych.

Firma UiPath kojarzona jest głównie z robotyzacją procesów. W jaki sposób generatywna sztuczna inteligencja rozszerza możliwości Państwa platformy?

Faktem jest, że pierwszym komponentem naszej platformy – o czym często opowiada nasz CEO – był moduł widzenia komputerowego oparty na algorytmach uczenia maszynowego. Dzięki niemu, nasza platforma już lata temu była w stanie rozpoznać graficzny interfejs obsługi aplikacji, z których miały korzystać roboty software’owe.

Oczywiście idziemy z duchem czasu i dziś, podobnie jak cała branża, skupiamy się na możliwościach wykorzystania modeli językowych. Mamy jednak znaczącą przewagę nad innymi dostawcami. Wypracowaliśmy podejście, które pozwala korzystać z generatywnej sztucznej inteligencji w zgodzie z obowiązującymi duże organizacje regułami Governance.

Od początku realizowaliśmy projekty na rzecz banków i instytucji finansowych, organizacji, które często korzystają z systemów zbudowanych na długo przed tym, zanim pojawiły się możliwości integracji np. z wykorzystaniem API. Dla tych klientów oryginalnie powstały rozwiązania korzystające ze sztucznej inteligencji, aby zapewnić możliwość automatyzacji procesów opartych na rozwiązaniach typu legacy.

Kluczowe były tu jednak bardzo konkretne, wyśrubowane oczekiwania w zakresie bezpieczeństwa, uwierzytelniania, przejrzystości oraz możliwość zarządzania takimi procesami. Funkcjonalności z obszaru Governance zaszyte są w sercu technologii UiPath. Nie bez powodu od lat zajmujemy czołowe miejsca w rankingach narzędzi do automatyzacji.

W jaki sposób AI wpływa na rozwój platformy UiPath?

Dziś technologiami AI zainteresowane są prawie wszystkie organizacje. W zorientowanych na zgodność regulacyjną przedsiębiorstwach projekty IT są jednak obarczone dodatkowym bagażem wymagań. Odpowiadamy na takie wyzwania i pomagamy sprawnie realizować projekty związane z wykorzystaniem agentów AI, przy zachowaniu pełnej zgodności z wymaganiami.

Najnowsza, zaprezentowana w kwietniu 2025 roku, odsłona platformy UiPath wspiera agentyczną automatyzację i jest wyposażona w warstwę orkiestracji Maestro. Dzięki temu rozszerza istniejącą funkcjonalność środowiska UiPath o obsługę generatywnej sztucznej inteligencji, orkiestrację dużych modeli językowych wraz z odpowiednio dostosowanymi mechanizmami kontroli oraz zabezpieczeniami.

Platforma UiPath stała się konglomeratem narzędzi kompleksowo automatyzujących procesy w środowiskach korporacyjnych. Na tym jednak nie koniec.

W najnowszej wersji tej platformy zmaterializowała się wizjonerska perspektywa naszego CEO. Daniel Dines na przestrzeni lat starał się uzupełniać możliwości UiPath w kolejnych, na pierwszy rzut oka nie do końca spójnych obszarach. Wszystkie one nabrały nowego sensu w kontekście agentyzacji procesów.

W pewnym momencie nasza platforma została na przykład wyposażona w wiele funkcji związanych z testowaniem oprogramowania. Tego rodzaju funkcjonalność okazała się bardzo przydatna dla wielu naszych klientów. Dziś jednak nabrała zupełnie nowego znaczenia dzięki natywnej integracji z naszym orkiestratorem agentów AI – Maestro.

W jaki sposób orkiestrator Maestro wspiera automatyzację procesów z wykorzystaniem sztucznej inteligencji?

Odpowiada za zarządzanie, koordynowanie i kontrolowanie działania oraz interakcji różnych procesów, robotów i agentów AI. Zapewnia również wiele dodatkowych funkcji przeznaczonych do zastosowań procesowych. Cała nasza platforma łączy narzędzia wykraczające poza typowe zastosowania robotycznej automatyzacji procesów (RPA).

Przykładowo, częścią naszego stosu technologicznego są rozwiązania klasy Process Mining, które pozwalają na zidentyfikowanie, odwzorowanie i monitorowanie faktycznego przebiegu procesów. Dzięki temu można w sposób zautomatyzowany prowadzić m.in. testy efektywności dużych modeli językowych, np. według paradygmatu, gdzie jeden model AI jest sędzią dla drugiego (LLM-as-a-Judge). Jest to bardzo ważne, ponieważ mamy do czynienia z rozwiązaniami niedeterministycznymi.

Choć od klasycznych aplikacji oczekuje się konkretnego jednoznacznego wyniku, to model AI może odpowiedzieć poprawnie na wiele sposobów. Potrzebne jest zatem odpowiednio dostosowane podejście – zarówno w obszarze testów, jak i analizy automatyzowanych procesów.

W ramach Maestro orkiestracja agentów jest natywnie zintegrowana z metodami eksploracji procesów. Pozwala to automatyzować także procesy nadzoru.

Czy Państwa model pozwala na wykorzystanie agentów wbudowanych w poszczególne platformy i aplikacje biznesowe?

Oczywiście! Siłą platformy UiPath od zawsze jest możliwość łączenia różnych platform i aplikacji w ramach obsługi jednego procesu. Dokładnie tak samo działa to w kontekście obsługi agentów AI.

Za sprawą orkiestratora Maestro można zbudować proces, który wykorzysta dedykowanego agenta do pracy w środowisku Salesforce, a następnie kolejnego – przeznaczonego dla systemu SAP. Jeden agent nie będzie w stanie optymalnie korzystać z obu tych rozwiązań.

Z kolei w przypadku dostosowanych do potrzeb konkretnych organizacji systemów dziedzinowych najczęściej trudno mówić o jakiejkolwiek, standardowej agentyzacji. Niezbędne staje się stworzenie dedykowanych agentów na bazie wybranych, odpowiednio wytrenowanych i sparametryzowanych modeli.

W warstwie orkiestracji Maestro zaimplementowano także mechanizmy obsługi automatyzacji i agentów open source, jak również komercyjnych rozwiązań, takich jak Microsoft Power Automate. Dzięki temu możemy łatwo zbudować proces agentyczny, uwzględniający wymagania korporacyjne i korzystający z różnych, dobranych do konkretnych potrzeb mechanizmów automatyzacji.

Jakie ma to praktyczne znaczenie?

Zasadnicze! Pozwala na radykalne uproszczenie architektury środowiska agentowego i skrócenie czasu realizacji wdrożeń. Z niektórymi klientami umówiliśmy się na uruchomienie 100 agentów AI przed Bożym Narodzeniem, choć dziś wystartowaliśmy dopiero z kilkoma takimi rozwiązaniami.

Jest to możliwe, ponieważ cały czas korzystamy z wypracowywanych latami doświadczeń, rozwiązań i dobrych praktyk obudowanych mechanizmami umożliwiającymi funkcjonowanie automatyzacji w realiach korporacyjnych, ale uzbrojonymi w najnowsze technologie.

Dlaczego warto wykorzystać rozwiązania agentowe na potrzeby automatyzacji procesów?

Automatyzacja agentyczna ma wiele zalet i pozwala na generowanie wartości biznesowej w wielu obszarach i branżach. Przykładowo, możemy wyposażyć rozwiązanie agentowe z jednej strony w możliwość rozumienia istoty oraz kontekstu zapytań użytkowników, a z drugiej – w możliwość komunikacji z systemami dziedzinowymi, nawet rozwiązaniami typu legacy. W ten sposób zyskamy połączenie, które może znakomicie usprawnić pracę wielu użytkowników.

Takie rozwiązanie możemy wykorzystać na przykład w środowiskach typu ERP. Tajemnicą poliszynela jest fakt, że ze względu na koszty licencji w wielu organizacjach korzystających z tych rozwiązań tylko niektórzy pracownicy działów finansowych mają dostęp do pełnej funkcjonalności. Wszyscy jednak potrzebują informacji z tego systemu. Oznacza to, że pracownicy z pełniejszymi uprawnieniami poświęcają nawet 30% czasu pracy na wyszukiwanie i przekazywanie danych kolegom. W efekcie, zbudowanie jednego agenta AI, który zrozumie pytania pracowników i – korzystając z robotycznych procesów – wydobędzie dla nich stosowne dane, może zaoszczędzić znaczną ilość pracy. Nie dziwi więc apetyt klientów na takie rozwiązania.

Agent taki – ze względów bezpieczeństwa – nie będzie mógł wprost sięgnąć do środowiska ERP. Zamiast tego, tworzymy rozwiązania, które – zawierając elementy dużego modelu LLM – zrozumieją zapytania użytkowników w kontekście danej organizacji, konkretnego procesu i zdefiniowanych reguł, a następnie sięgną do konkretnego narzędzia RPA, aby uzyskać potrzebne informacje w sposób deterministyczny. Potem uruchomią kolejne kroki.

Nie są to chyba proste, sekwencyjne procesy…

Podejście agentowe pokazuje pełnię możliwości właśnie w kompleksowych scenariuszach, gdzie w pierwszym kroku agent otrzyma polecenie, zrozumie je, właściwie zinterpretuje i przygotuje parametry do uruchomienia właściwych kombinacji RPA w ramach systemów, takich jak SAP, Salesforce, innych aplikacji, czy nawet arkuszy kalkulacyjnych. Agent AI, pracując z tymi narzędziami i w ramach złożonej sieci zależności, utrzymuje kontekst przetwarzania, co pozwala mu utrzymać sposób działania zorientowany na cel.

Jaka jest tu zatem rola człowieka?

Jest ona wpisana w podstawy platformy UiPath. Nawet w ramach procesów zrobotyzowanych – gdzie nie ma ryzyka halucynacji – raz na jakiś czas pojawia się wyjątek. Trzeba umieć i mieć możliwość podjęcia odpowiedniej reakcji – i tu człowiek jest niezastąpiony.

Osadzenie agentów w ramach sztywnych ram organizacyjnych przekłada się na możliwość precyzyjnego kontrolowania AI. Nasze podejście do automatyzacji zakłada, że sztuczna inteligencja może operować tylko na uprzednio zdefiniowanych obiektach, które działają w całkowicie przewidywalny sposób.

Liczbę stopni swobody agentów definiujemy poprzez określenie przestrzeni roboczej, w jakiej operują. Ograniczamy zatem ryzyko halucynacji i nieprzewidzianego działania agenta AI. Dopiero takie podejście pozwala nam tworzyć użyteczne rozwiązania procesowe w środowiskach firmowych. Kluczowe znaczenie ma tu przewidywalność i powtarzalność wyniku działania sztucznej inteligencji.

Łączymy sprawdzone rozwiązania i ramy zbudowane pod kątem RPA, mechanizmy integracyjne i narzędzia związane z bezpieczeństwem. Osadzamy w tych ramach modele LLM. Umożliwiamy im działanie w kontekście danej organizacji. W ten sposób pomagamy klientom zapewnić realną wartość z wykorzystania AI w sposób przewidywalny, powtarzalny i efektywny kosztowo. To zdecydowana przewaga podejścia UiPath.