Rozróżnisz agenta od chatbota - Nauczysz się odróżniać agenta AI od zwykłego chatbota i świadomie dobierać właściwe rozwiązanie do procesu, zamiast budować zbyt prosty lub zbyt rozbudowany system.
Zaprojektujesz workflow bez kodowania - Poznasz canvas i logikę pracy w Agent Builderze, dzięki czemu samodzielnie ułożysz przepływ zadań, decyzji oraz danych bez programowania i bez angażowania zespołu developerskiego.
Rozbijesz proces na kroki - Dowiesz się, jak przełożyć ogólny cel biznesowy na sekwencję działań agenta, aby tworzyć rozwiązania przewidywalne, czytelne i łatwe do rozwijania wraz ze zmianą potrzeb.
Poprawisz prompty agentowe - Nauczysz się pisać prompty dla kolejnych etapów workflow, rozdzielać instrukcje systemowe od kontekstu zadania i eliminować błędy, które obniżają trafność odpowiedzi agenta.
Zbudujesz logikę warunkową - Opanujesz projektowanie agentów reagujących na różne scenariusze z użyciem if/else, wyjątków i ścieżek alternatywnych, co pozwoli Ci obsługiwać bardziej złożone przypadki biznesowe.
Wykorzystasz dokumenty i dane - Nauczysz się zasilać agenta danymi użytkownika oraz treścią dokumentów PDF, DOCX i tekstowych, aby analizował informacje, podejmował decyzje i działał w konkretnym kontekście.
Przetestujesz i zoptymalizujesz agenta - Poznasz metody testów scenariuszowych, debugowania i wersjonowania, dzięki czemu szybciej wykryjesz błędy oraz skrócisz czas odpowiedzi i koszty działania swojego rozwiązania.
Przygotujesz wdrożenie w firmie - Zrozumiesz, jak uruchamiać agentów dla pracowników i klientów, jak podzielić role w zespole oraz jak zadbać o jakość, bezpieczeństwo i zasady governance w organizacji.
Agenci AI są tutaj zestawieni z chatbotami, aby precyzyjnie określić różnice w ich działaniu i zastosowaniu. Sekcja porządkuje też przejście od promptu przez workflow do agenta, pokazuje przykłady użycia w firmach i wskazuje sytuacje, w których agent nie będzie właściwym wyborem.
ChatGPT AI Agent Builder zostaje przedstawiony przez pryzmat swojej architektury i sposobu działania w środowisku workflow. Omawiane są canvas, typy node’ów wejścia i wyjścia, zadania LLM, decyzje, warunki, integracje oraz przepływ danych między elementami agenta.
Projektowanie logiki zaczyna się tu od myślenia procesowego, a nie od pojedynczych promptów. Uczestnicy rozbijają zadania na kroki i budują modele agentów sekwencyjnych oraz decyzyjnych na przykładach obsługi zapytań klientów i analizy dokumentów.
Prompt w agencie działa inaczej niż jednorazowe polecenie wpisane w oknie czatu. Sekcja porządkuje relację między instrukcjami systemowymi a kontekstem zadania, wyjaśnia zarządzanie kontekstem i analizuje typowe błędy wpływające na skuteczność odpowiedzi.
Gdy agent ma obsługiwać różne przebiegi spraw, potrzebne są warunki logiczne i kontrola wyjątków. Ta część obejmuje budowę ścieżek if / else, reakcje na odmienne scenariusze oraz obsługę błędów, z ćwiczeniami na przykładzie agenta HR i agenta ofertowego.
Praca z PDF, DOCX i tekstem pokazuje, jak agent korzysta z dokumentów oraz danych przekazywanych przez użytkownika. Uzupełnieniem są integracje z narzędziami w podejściu MCP, a także zasady wyznaczania granic dostępu i ochrony danych.
Stabilne działanie agenta wymaga testów scenariuszowych i sprawnego wykrywania błędów w workflow. Sekcja pokazuje także, jak skracać czas odpowiedzi i ograniczać koszty działania bez utraty jakości oraz jak wykorzystać wersjonowanie do bezpiecznego rozwijania rozwiązań.
W kontekście organizacyjnym omawiane są miejsca uruchomienia agenta oraz różnice między wdrożeniami dla pracowników i dla klientów. Istotną częścią są też role właścicielskie, odpowiedzialności operacyjne, governance oraz mechanizmy kontroli jakości odpowiedzi.
Podstawy pracy z AI - Powinieneś swobodnie korzystać z ChatGPT lub podobnych narzędzi i rozumieć, jak formułować polecenia, bo szkolenie rozwija pracę z AI na poziomie procesów i agentów.
Myślenie procesowe - Powinieneś umieć opisać prosty proces krok po kroku, wskazać decyzje i wyjątki oraz rozumieć zależności między etapami, bo na tym opiera się projektowanie agentów.
Praca z dokumentami i danymi - Powinieneś sprawnie pracować z dokumentami i danymi wejściowymi, rozumieć ich rolę w zadaniu oraz umieć ocenić, jakie informacje są potrzebne do podjęcia decyzji.
Znajomość środowiska firmowego - Powinieneś rozumieć, jak wyglądają procesy w Twojej firmie lub zespole, aby łatwiej projektować sensowne scenariusze wdrożenia, testów, ról i odpowiedzialności.
