Koncepcja zespołu agentów AI wspierających pracę Analityków / Architektów (ZAIA)

1. Definicja i cel

Zespół agentów AI wspierających pracę Analityków / Architektów (ZAIA) to model operacyjny funkcji analitycznej, w którym zespół analityków biznesowo-systemowych współpracuje z ekosystemem wyspecjalizowanych agentów AI działających według jasno określonych zasad procesu, kontroli jakości i uprawnień.

W odróżnieniu od pojedynczych chatbotów wspomagających pisanie dokumentów, ZAIA to wieloagentowy ekosystem osadzony w pracach analitycznych, współpracujący z biznesem, architekturą, bezpieczeństwem, obszarem zgodności, realizacją i operacjami.

W takim modelu:

• człowiek pozostaje właścicielem odpowiedzialności za znaczenie biznesowe, priorytety, ocenę ryzyka i rekomendację,
• agenci AI przejmują pracę poznawczą o wysokiej powtarzalności i dużej pracochłonności,
• artefakty analityczne są wytwarzane iteracyjnie, z pełną ścieżką pochodzenia, wersjonowaniem i walidacją,
• decyzje analityczne są podejmowane w oparciu o zaufane źródła wiedzy, reguły jakościowe i polityki bezpieczeństwa.

Model jest szczególnie użyteczny w organizacjach, gdzie występują: duża liczba inicjatyw równoległych, wysoka złożoność procesów i integracji, rozproszenie wiedzy domenowej, wielowarstwowa decyzyjność, wymagania regulacyjne i audytowe oraz potrzeba standaryzacji artefaktów analitycznych.

2. Problemy, które rozwiązuje ZAIA

Problemy typowe dla funkcji analitycznej w dużych organizacjach

• Rozproszone wymagania zapisane w mailach, prezentacjach, notatkach i nagraniach.
• Niska spójność między analizą biznesową, analizą systemową i architekturą rozwiązania.
• Duża liczba niesformalizowanych założeń i „cichych” ustaleń.
• Doświadczeni analitycy spędzają orientacyjnie 60–70% czasu na czynnościach, które nie wymagają ich pełnych kompetencji – przepisywaniu notatek, formatowaniu dokumentów, wyszukiwaniu informacji w istniejącej dokumentacji.
• Brak śladowalności od potrzeby biznesowej do wymagania, decyzji i testu.
• Niespójność artefaktów w zespołach 5+ analityków – niejednorodna jakość i format generują koszty integracji i przeglądów.
• Wiedza z wywiadów, warsztatów i ustaleń ginie między projektami, ponieważ nie jest systematycznie kodyfikowana.

Oczekiwane korzyści

• Skrócenie czasu realizacji analizy i czasu do podjęcia decyzji.
• Wzrost kompletności i standaryzacji artefaktów.
• Lepsze wykrywanie luk, sprzeczności i ryzyk już na etapie rozpoznania.
• Szybsze przygotowanie wariantów rozwiązania.
• Poprawa śladowalności między celem, wymaganiem, decyzją i kryterium akceptacji.
• Łatwiejsze skalowanie pracy analitycznej przy rosnącym portfelu inicjatyw.
• Wzrost jakości materiału wejściowego dla architektów, projektantów UX, deweloperów i testerów.

3. Założenia projektowe

1. Człowiek w pętli decyzyjnej – człowiek zatwierdza elementy krytyczne. Agent nigdy samodzielnie nie zatwierdza wymagania ani nie komunikuje ustaleń interesariuszowi.
2. Analiza oparta na źródłach – agent pracuje na źródłach, a nie na domysłach. Każdy element artefaktu powinien mieć odniesienie do źródła.
3. Śladowalność wbudowana w projekt – każdy artefakt posiada odniesienie do źródła, decyzji i właściciela. Metadane: kto zlecił, na jakiej podstawie, jaki agent przetworzył, kto zwalidował.
4. Segregacja kompetencji agentów – zamiast jednego „uniwersalnego” agenta stosuje się agentów specjalistycznych, z których każdy ma jasno zdefiniowany zakres.
5. Zgodność wbudowana domyślnie – ograniczenia dotyczące danych, dostępu, retencji i audytu są wbudowane w proces, a nie nakładane post factum.
6. Iteracyjność – analiza nie jest jednorazowym dokumentem, lecz strumieniem kolejnych przybliżeń. Artefakty ewoluują.
7. Interoperacyjność – biuro musi integrować się z repozytoriami dokumentów, systemami ticketowymi, narzędziami modelowania i wiedzą organizacyjną.

4. Zakres kompetencyjny zespołu

Zanim zdefiniujemy role i agentów, należy określić, jakie kompetencje ZAIA ma realizować. To pozwala potem świadomie mapować i rozdzielać kompetencje na role ludzkie i agentowe.

4.1 Kompetencje eksploracyjne

Identyfikacja interesariuszy, ekstrakcja potrzeb z materiałów źródłowych, analiza problemów biznesowych i czynników sterujących, wykrywanie niejawnych założeń, mapowanie pytań otwartych.

4.2 Kompetencje strukturyzujące

Porządkowanie wymagań, grupowanie zdolności biznesowych i procesów, dekompozycja epików na funkcje i historyjki użytkownika, budowa modeli domenowych i słowników pojęć, konsolidacja rozproszonych ustaleń.

4.3 Kompetencje diagnostyczne

Wykrywanie luk i sprzeczności, analiza wpływu zmian, identyfikacja zależności międzyprocesowych i międzysystemowych, wykrywanie braków w NFR, analiza ryzyk analitycznych i implementacyjnych.

4.4 Kompetencje projektowe

Generowanie wariantów rozwiązania, przygotowanie logicznej specyfikacji rozwiązania, propozycje integracji, interfejsów i reguł walidacyjnych, mapowanie procesów AS-IS / TO-BE, wstępne przygotowanie backlogu i kryteriów akceptacji.

4.5 Kompetencje kontrolne

Walidacja jakości artefaktów, weryfikacja zgodności z metodyką organizacji, sprawdzanie zgodności ze standardami architektonicznymi, kontrola kompletności danych wejściowych, wykrywanie treści potencjalnie halucynacyjnych lub niepopartych źródłem.

4.6 Kompetencje organizacyjne

Indeksowanie źródeł, budowa pamięci projektowej, utrzymywanie katalogu decyzji i założeń, utrzymywanie wzorców analitycznych, rekomendowanie ponownego użycia artefaktów i szablonów.

5. Architektura ZAIA – model warstwowy

ZAIA wymaga co najmniej ośmiu warstw architektonicznych:

1. Warstwa interakcji – interfejs pracy analityka z agentami.
2. Orkiestrator agentów – sterowanie przepływem zadań i kontekstem, delegacja do agentów specjalistycznych, zarządzanie DAG-iem podzadań.
3. Agenci specjalistyczni – wyspecjalizowane moduły AI obsługujące określone klasy kompetencji.
4. Pamięć robocza i długotrwała – kontekst sesyjny (okno konwersacji) oraz pamięć projektowa (repozytorium analityczne).
5. Repozytorium wiedzy – dokumenty, standardy, wzorce, decyzje, modele, słownik. Ustrukturyzowana baza wiedzy zasilana przez agentów i ludzi.
6. Warstwa integracyjna – połączenia z JIRA, Confluence, SharePoint, repozytoriami modeli, wiki, systemami procesowymi, CRM, ERP (realizowane przez serwery MCP).
7. Warstwa polityk i guardrails – kontrola dostępu, klasyfikacja danych, reguły redakcyjne, walidacja źródeł, maskowanie danych wrażliwych.
8. Warstwa audytu i obserwowalności – logi działań agentów, ścieżka decyzji, wersjonowanie artefaktów, metryki jakości.

Stos technologiczny (przykładowa implementacja)

6. Role w modelu docelowym

6.1 Role ludzkie

Lead Business Analyst / Lead System Analyst

Odpowiada za prowadzenie inicjatywy analitycznej, priorytetyzację zadań agentów, interpretację wyników i finalną rekomendację. Definiuje i utrzymuje Skills (instrukcje) dla agentów. Zarządza backlogiem prac analitycznych i raportuje kierownictwu produktywność biura. Rozwija kompetencje zespołu w pracy z AI.

Profil: minimum 7–10 lat doświadczenia w analizie biznesowej, znajomość BABOK, doświadczenie w zarządzaniu zespołem.

Analityk Biznesowy (Domain Business Analyst)

Dostarcza wiedzę domenową, doprecyzowuje reguły biznesowe, waliduje semantykę pojęć i procesów. Prowadzi wywiady i warsztaty z interesariuszami. Formułuje zlecenia dla orkiestratora. Weryfikuje i koryguje artefakty wygenerowane przez agentów.

Analityk Systemowy (System Analyst)

Przekłada potrzeby biznesowe na logikę systemową – przepływy danych, interakcje, walidacje i warunki brzegowe. Weryfikuje modele danych i integracji. Współpracuje z architektami przy definiowaniu reguł, które agenci muszą uwzględniać.

Architekt Korporacyjny (Enterprise / Solution Architect)

Ocenia spójność rozwiązania z architekturą docelową, standardami integracyjnymi i ograniczeniami technologicznymi. Definiuje reguły architektoniczne projektowania rozwiązań. Waliduje zgodność z politykami i standardami.

Product Owner / Właściciel biznesowy

Definiuje priorytet biznesowy, wartość, granice zakresu i kryteria sukcesu. Nie pracuje bezpośrednio z agentami – komunikuje się z analitykiem, który tłumaczy potrzeby na zlecenia.

Compliance / Security / Data Privacy Officer

Waliduje kwestie regulacyjne, bezpieczeństwa, retencji, klasyfikacji danych oraz zgodności z politykami wewnętrznymi. Definiuje guardrails, w ramach których agenci mogą przetwarzać dane.

Menedżer realizacji / Kierownik Projektu

Zapewnia zsynchronizowanie pracy analitycznej z harmonogramem, zależnościami i gotowością do realizacji. Wykorzystuje artefakty analityczne jako materiał wejściowy do planowania sprintów i wydań.

6.2 Role agentowe

Agent Orkiestrator Analityczny

Typ: agent koordynujący (metaagent)

Zarządza przepływem prac, deleguje zadania do agentów specjalistycznych, pilnuje kolejności kroków, kompletności i statusu artefaktów. Przyjmuje zlecenia w formie ustrukturyzowanej lub w języku naturalnym. Klasyfikuje złożoność i ustala ścieżkę analityczną. Automatycznie eskaluje do człowieka, gdy brakuje danych, agent sygnalizuje niską pewność lub przekroczono limit czasu. Utrzymuje kontekst zlecenia między sesjami.

Implementacja: duży model językowy (np. Claude Opus) z dostępem do serwerów MCP, repozytorium, narzędzi i pamięci.

Agent Discovery

Kompetencje: eksploracyjne

Analizuje materiały wejściowe (transkrypcje, notatki, istniejącą dokumentację), buduje mapę interesariuszy, pytań otwartych, problemów, ograniczeń i hipotez. Przeszukuje repozytorium analityczne w poszukiwaniu powiązanych analiz. Generuje listy luk informacyjnych.

Wejście: transkrypcje, dokumenty, linki do istniejących analiz.

Wyjście: raport rozpoznania (luki, pytania, wstępne wymagania), robocza mapa interesariuszy.

Agent Procesowy

Kompetencje: strukturyzujące, projektowe

Modeluje procesy biznesowe AS-IS i TO-BE w notacji BPMN. Identyfikuje warianty, wyjątki, punkty decyzyjne, SLA i ręczne obejścia. Generuje modele w formatach BPMN XML, PlantUML, Mermaid.

Konfiguracja: zestaw szablonów i konwencji nazewniczych specyficznych dla organizacji.

Agent Wymagań

Kompetencje: strukturyzujące, projektowe

Buduje strukturę wymagań biznesowych, funkcjonalnych, systemowych i niefunkcjonalnych. Generuje historyjki użytkownika w formacie „Jako… chcę… aby…”, proponuje kryteria akceptacji (Given–When–Then). Tworzy reguły biznesowe w ustrukturyzowanym formacie.

Agent Domenowy

Kompetencje: strukturyzujące

Tworzy słownik pojęć (glossary), encje biznesowe, relacje, reguły i zależności semantyczne. Generuje model dziedziny. Zapewnia spójność terminologiczną między artefaktami.

Agent Integracyjny

Kompetencje: diagnostyczne, projektowe

Mapuje systemy źródłowe i docelowe, interfejsy, przepływy danych, zdarzenia, kontrakty i zależności między aplikacjami. Generuje diagramy kontekstu systemowego i sekwencji.

Agent NFR

Kompetencje: diagnostyczne, kontrolne

Generuje i waliduje katalog wymagań niefunkcjonalnych: bezpieczeństwo, wydajność, dostępność, audytowalność, obserwowalność, zgodność, retencja, skalowalność, utrzymywalność. Sprawdza kompletność NFR względem checklisty organizacyjnej.

Agent Ryzyk i Zgodności

Kompetencje: diagnostyczne, kontrolne

Wykrywa ryzyka regulacyjne, operacyjne, projektowe i analityczne. Sprawdza obszary wymagające DPIA, klasyfikacji danych, kontroli dostępu i audytu. Waliduje zgodność artefaktów z politykami organizacyjnymi.

Agent Backlogu

Kompetencje: strukturyzujące, projektowe

Przekształca ustalenia analityczne w epiki, funkcjonalności, historyjki użytkownika, przypadki użycia, zadania techniczne i zależności. Porządkuje backlog według wartości i zależności. Przygotowuje pakiety do dopracowania.

Agent Jakości Artefaktów

Kompetencje: kontrolne

Sprawdza spójność między artefaktami (np. czy historyjki użytkownika pokrywają wszystkie ścieżki z modelu BPMN), kompletność (brakujące kryteria akceptacji, niezdefiniowane wyjątki), niejednoznaczności, duplikaty, luki logiczne i brak śladowalności. Generuje raporty walidacji ze statusem: pozytywnie / pozytywnie z uwagami / negatywnie.

Agent Repozytorium Wiedzy

Kompetencje: repozytoryjne i wiedzozarządcze

Zasila pamięć projektową, indeksuje dokumenty, porządkuje decyzje, kataloguje wzorce i wyszukuje analogiczne rozwiązania. Odpowiada na pytania analityków o istniejące analizy. Wykrywa duplikaty i nakładające się zakresy. Generuje raporty o pokryciu analitycznym.

7. Model współpracy człowiek–agent

Rekomendowany jest model współpracy typu współpilot + rój agentów:

• analityk prowadzący formułuje intencję, zakres i kryteria zadania,
• orkiestrator rozdziela pracę na specjalistyczne pakiety,
• agenci przygotowują robocze artefakty i listy pytań,
• człowiek dokonuje interpretacji, odrzuca treści niskiej jakości, uzupełnia kontekst i zatwierdza wersje wyjściowe,
• agent jakości wykonuje walidację przed publikacją do repozytorium projektu.

Trzy poziomy akceptacji

Agent nie publikuje niczego „na produkcję analityczną” bez jednego z trzech poziomów akceptacji:

1. Akceptacja robocza analityka – dla wersji roboczych wewnątrz zespołu analitycznego.
2. Akceptacja domenowa właściciela procesu – dla artefaktów prezentowanych interesariuszom biznesowym.
3. Akceptacja architektoniczna lub zgodności – dla obszarów krytycznych: integracje, dane osobowe, wymagania regulacyjne.

8. Proces operacyjny

Faza 0: Kwalifikacja inicjatywy

Cel: ustalić, czy dana potrzeba wymaga pełnego cyklu analitycznego, szybkiego triage'u czy tylko doprecyzowania backlogu.

Wejścia: zgłoszenie biznesowe, prezentacja, mail, brief, notatka ze spotkania, strategia produktu, wymagania regulatora.

Działania orkiestratora:

• klasyfikacja typu zmiany i poziomu złożoności (niska / średnia / wysoka),
• identyfikacja sponsorów i interesariuszy,
• określenie poziomu niepewności i ścieżki analitycznej,
• przy złożoności niskiej – zlecenie bezpośrednio do agentów specjalistycznych,
• przy złożoności wysokiej – eskalacja do analityka z rekomendacją warsztatu.

Struktura zlecenia (przykład):

• Cel: Analiza procesu obsługi reklamacji w dziale sprzedaży
• Kontekst: Planowana automatyzacja, obecny proces ręczny
• Źródła: transkrypcja wywiadu, opis procesu z 2024
• Oczekiwane artefakty: BPMN AS-IS, lista wymagań, karta procesu
• Priorytet: wysoki

Wyjścia: karta inicjatywy, wstępny opis procesu, mapa interesariuszy, decyzja o dalszym trybie pracy.

Faza 1: Rozpoznanie (discovery)

Cel: zrozumieć problem, kontekst, proces, dane, ograniczenia i wartość biznesową.

Aktorzy: Agent Discovery + (opcjonalnie) Agent Repozytorium Wiedzy + Analityk

Agent Discovery przetwarza źródła wejściowe: analizuje transkrypcje, wyciąga kluczowe informacje (aktorzy, kroki procesu, reguły, wyjątki, punkty bólu). Agent Repozytorium Wiedzy przeszukuje repozytorium w poszukiwaniu powiązanych analiz. Orkiestrator identyfikuje luki informacyjne i eskaluje pytania krytyczne do analityka.

Wyjścia: raport rozpoznania, robocza mapa procesu AS-IS, katalog problemów i punktów bólu, lista niewiadomych i hipotez, wstępny katalog reguł biznesowych.

Faza 2: Analiza docelowa

Cel: zaprojektować docelowy model procesu, zakres funkcjonalny i logikę rozwiązania.

Aktorzy: Agent Procesowy + Agent Wymagań + Agent Domenowy + Agent Integracyjny + Analityk + Architekt

Na podstawie raportu rozpoznania agenci generują modele: TO-BE, dekompozycję capability, analizę wariantów, model domenowy, katalog integracji. Analityk przegląda, koryguje błędy interpretacji i uzupełnia kontekst.

Pętla iteracyjna: Agent Jakości Artefaktów waliduje spójność między wygenerowanymi artefaktami. W przypadku statusu „niezgodny” orkiestrator kieruje artefakty z powrotem z konkretnymi uwagami do poprawy.

Wyjścia: model TO-BE, zakres MVP / MMP / stan docelowy, backlog wymagań, model domenowy, katalog integracji, lista decyzji do podjęcia.

Faza 3: Specyfikacja i walidacja

Cel: przygotować komplet artefaktów gotowych do wykorzystania przez realizację i nadzór.

Aktorzy: Agent Wymagań + Agent NFR + Agent Ryzyk + Agent Jakości + Lead Analityk + Architekt

Formalizacja wymagań, przygotowanie kryteriów akceptacji, budowa katalogu NFR, przegląd zgodności z architekturą i bezpieczeństwem. Agent Jakości wykonuje walidację końcową. Lead Analityk i/lub Architekt przeprowadzają przegląd ludzki.

Wyjścia: BRD / Vision / Scope, SRS lub odpowiednik logicznej specyfikacji, backlog gotowy do dopracowania, macierz śladowalności, rejestr ryzyk i założeń, ADR-y.

Faza 4: Wsparcie realizacji

Cel: utrzymać ciągłość analityczną podczas implementacji.

Aktorzy: Agent Backlogu + Agent Wymagań + analityk

Doprecyzowanie wymagań w sprintach, analiza wpływu dla wniosków o zmianę, aktualizacja decyzji, walidacja zgodności implementacji z intencją biznesową, wsparcie UAT.

Wyjścia: zaktualizowany backlog, odpowiedzi na pytania zespołów realizacyjnych, analiza zmian, materiał do wniosków z realizacji.

Faza 5: Uczenie organizacyjne

Cel: zamknąć pętlę wiedzy i zwiększać dojrzałość biura.

Aktorzy: Agent Repozytorium Wiedzy + Agent Jakości + Lead Analityk

Ocena jakości artefaktów po wdrożeniu, porównanie założeń z rzeczywistym przebiegiem projektu, identyfikacja wzorców skutecznych i błędnych, aktualizacja Skills, polityk i szablonów agentów.

Wyjścia: repozytorium wniosków z realizacji, zaktualizowane instrukcje operacyjne analityczne, katalog wzorców i antywzorców, wskaźniki efektywności pracy agentowej.

9. Artefakty docelowe

9.1 Artefakty strategiczno-biznesowe

9.2 Artefakty procesowe

9.3 Artefakty wymaganiowe

9.4 Artefakty architektoniczno-systemowe

9.5 Artefakty nadzoru i kontroli

9.6 Artefakty realizacyjne

10. Ład organizacyjny i nadzór

10.1 Zasady zarządcze

• Każdy artefakt ma właściciela biznesowego i właściciela analitycznego.
• Każdy artefakt istotny projektowo ma status jakości i datę walidacji.
• Agent nie może samodzielnie ustalać faktów niepotwierdzonych w źródłach.
• Krytyczne decyzje muszą być zapisywane w rejestrze decyzji z kontekstem i uzasadnieniem.
• Dane wrażliwe muszą być klasyfikowane i przetwarzane zgodnie z polityką firmy.

10.2 Bramy jakości

10.3 Ryzyka modelu agentowego

11. Model dojrzałości ZAIA

Poziom 1: Wspomaganie – miesiące 0–6

• Agenci AI używani ad hoc jako narzędzia wspomagające.
• Brak formalnego orkiestratora – analityk sam zarządza interakcjami z AI.
• Artefakty generowane przez AI wymagają intensywnej korekty (60–80%; wartości orientacyjne, do potwierdzenia w pilotażu).
• Brak repozytorium – artefakty przechowywane w folderach projektowych.

Poziom 2: Współpraca – miesiące 6–12

• Zdefiniowane role agentowe i ludzkie.
• Orkiestrator koordynuje proste zlecenia automatycznie.
• Szablony i konwencje organizacyjne skonfigurowane w agentach.
• Korekta artefaktów AI spada do 30–50%.
• Repozytorium analityczne funkcjonuje, ale bez pełnego indeksowania.

Poziom 3: Zintegrowane – miesiące 12–24

• Agenci zintegrowani z narzędziami organizacyjnymi (JIRA, Confluence, narzędzia EA) przez MCP.
• Orkiestrator obsługuje złożone zlecenia wieloetapowe.
• Pętla walidacji działa automatycznie, eskalacja tylko w wyjątkowych przypadkach.
• Agent Repozytorium Wiedzy aktywnie sugeruje powiązania i duplikaty.
• Korekta artefaktów AI spada do 10–20%.

Poziom 4: Autonomiczne – 24+ miesięcy

• Proste zlecenia (np. aktualizacja karty procesu po drobnej zmianie) obsługiwane od początku do końca bez interwencji ludzkiej.
• Agenci proaktywnie identyfikują potrzeby analityczne („Model procesu X nie był aktualizowany od 18 miesięcy – sugeruję przegląd”).
• Ciągłe uczenie się – agenci dostrajają się na podstawie korekt wprowadzonych przez ludzi.
• Ślad audytowy pełny i automatyczny.

12. Metryki sukcesu

Metryki efektywności

• Czas dostarczenia artefaktu: od zlecenia do gotowego, zwalidowanego artefaktu. Cel: redukcja o 40–60% względem pracy ręcznej.
• Wskaźnik korekt: procent artefaktów wymagających istotnej korekty po przeglądzie. Cel: <20% na poziomie dojrzałości 3.
• Liczba inicjatyw na analityka: wzrost przepustowości. Cel: +50% przy zachowaniu jakości.
• Czas przygotowania backlogu gotowego do dopracowania: cel: redukcja o 50%.

Metryki jakości

• Spójność artefaktów: procent artefaktów przechodzących walidację krzyżową bez uwag. Cel: ≥80%.
• Kompletność wymagań: procent historyjek użytkownika posiadających kryteria akceptacji i powiązanie z procesem. Cel: ≥95%.
• Kompletność śladowalności: procent wymagań posiadających ścieżkę od celu do testu. Cel: ≥90%.
• Odsetek wymagań zwróconych do doprecyzowania po przekazaniu do realizacji: cel: <10%.
• Luki wykryte po rozpoczęciu wytwarzania: liczba wniosków o zmianę wynikających z niekompletnej analizy. Cel: redukcja o 60%.

Metryki organizacyjne

• Wykorzystanie czasu analityka: procent czasu na prace wysokiej wartości (wywiady, decyzje, architektura) vs prace administracyjne. Cel: 70/30 (z obecnego 30/70).
• Pokrycie analityczne: procent procesów/domen posiadających aktualną dokumentację. Cel: wzrost o 30% rocznie.
• Wskaźnik ponownego użycia: procent artefaktów wykorzystanych ponownie. Cel: ≥25%.
• Satysfakcja interesariuszy: CSAT odbiorców analiz. Cel: ≥4,2/5.

13. Kompetencje zespołu w modelu docelowym

Wdrożenie ZAIA nie wymaga, aby każdy analityk był inżynierem AI. Wymaga natomiast nowych kompetencji operacyjnych.

Kompetencje obowiązkowe

• Formułowanie precyzyjnych zadań (poleceń) dla agentów.
• Krytyczna ocena wyników AI – rozróżnianie faktu, hipotezy, rekomendacji i halucynacji.
• Modelowanie kontekstu projektowego w sposób zrozumiały dla agentów.
• Zarządzanie ścieżką źródeł i śladowalnością.
• Podstawowa znajomość architektury danych i integracji.

Kompetencje rozwijające przewagę

• Projektowanie przepływów pracy agentowej (definiowanie Skills, konfiguracja orkiestratora).
• Budowa szablonów i instrukcji operacyjnych analitycznych.
• Ewaluacja jakości odpowiedzi modelu i kalibracja agentów.
• Praca z repozytoriami wiedzy i mechanizmami wyszukiwania semantycznego.
• Rozumienie ograniczeń bezpieczeństwa i zgodności w zastosowaniach AI.

14. Antywzorce

Czego należy unikać przy budowie i eksploatacji ZAIA:

1. Traktowania agenta jako samodzielnego analityka – bez nadzoru ludzkiego, z automatyczną publikacją wyników.
2. Wdrożenia bez standardów artefaktów i jakości – agenci potrzebują jasnych szablonów i konwencji; bez nich generują niespójne wyniki.
3. Używania jednego modelu do wszystkich typów zadań – segregacja kompetencji agentów jest kluczowa dla jakości.
4. Braku rozróżnienia między treścią źródłową a interpretacją modelu – agent powinien jawnie tagować: fakt vs. wnioskowanie.
5. Braku rejestru decyzji i śladowalności – bez tego cała wartość ZAIA jest trudna do wykazania i audytu.
6. Automatycznego generowania backlogu bez walidacji domenowej – historyjki użytkownika bez przeglądu przez PO/analityka generują więcej problemów niż wartości.
7. Nadmiernej koncentracji na technologii zamiast na modelu operacyjnym – ZAIA to zmiana organizacyjna, a nie wdrożenie narzędzia.

15. Plan wdrożenia

Etap 1: Standaryzacja podstaw (miesiące 1–2)

• Powołanie zespołu pilotażowego (Lead BA + 2–3 analityków).
• Zdefiniowanie artefaktów referencyjnych i ustalenie metodyki pracy.
• Stworzenie słownika pojęć i konwencji nazewniczych.
• Wybór 3–5 powtarzalnych scenariuszy analitycznych.
• Przygotowanie Skills dla agentów: Discovery, Modelowanie BPMN, Karta Procesu.
• Konfiguracja repozytorium analitycznego (Git + prosty indeks).

Etap 2: Pilotaż agentów specjalistycznych (miesiące 3–5)

• Uruchomienie orkiestratora i 2–3 agentów na jednej domenie i jednym typie inicjatyw.
• Orkiestrator w trybie „sugeruj, nie wykonuj”.
• Testowanie na rzeczywistych zleceniach.
• Porównanie jakości i czasu pracy z trybem tradycyjnym.
• Kalibracja szablonów i konwencji na podstawie informacji zwrotnej.
• Pomiar bazowego poziomu metryk.

Etap 3: Włączenie nadzoru (miesiące 6–9)

• Wdrożenie bram jakości.
• Polityki bezpieczeństwa i klasyfikacji danych.
• Logowanie, obserwowalność i wersjonowanie artefaktów.
• Przegląd zgodności.
• Przejście orkiestratora w tryb „wykonuj z zatwierdzeniem”.

Etap 4: Skalowanie (miesiące 9–18)

• Rozszerzenie na cały zespół analityczny.
• Rozwój katalogu agentów do pełnego zestawu (11 agentów).
• Integracja z narzędziami realizacji przez MCP (JIRA, Confluence, EA).
• Włączenie wiedzy historycznej do repozytorium.
• Uruchomienie Agenta Wiedzy i Agenta Jakości.

Etap 5: Operacjonalizacja (miesiące 18–24)

• Formalne role i odpowiedzialności w strukturze organizacyjnej.
• Model finansowania biura.
• KPI funkcji analitycznej powiązane z metrykami ZAIA.
• Wdrożenie proaktywnych funkcji agentów.
• Automatyzacja prostych zleceń od początku do końca.
• Ciągłe doskonalenie przepływu pracy na podstawie wniosków z realizacji.

Minimalny skład biura na start

• 1 Lead BA/SA
• 2–4 analityków domenowych/systemowych
• 1 architekt współpracujący (udział częściowy)
• 1 właściciel metodyki i jakości
• Orkiestrator + 5 agentów specjalistycznych: Discovery, Procesowy, Wymagań, NFR, Jakości artefaktów

To wystarcza do obsługi typowych inicjatyw: digitalizacja procesu, zmiana regulacyjna, wdrożenie nowej funkcji biznesowej, integracja systemowa, modernizacja ścieżki klienta, porządkowanie backlogu.

16. Podsumowanie

Przyszłość analizy biznesowej w dużej organizacji nie polega na tym, że agent „pisze wymagania za analityka”. Polega na tym, że funkcja analityczna staje się bardziej przemysłowa, śladowalna, skalowalna i decyzyjnie użyteczna – a analityk przesuwa się z roli autora dokumentów do roli osoby odpowiedzialnej za znaczenie biznesowe, jakość i decyzje oraz koncentruje się na komunikacji i relacjach z biznesem.