Jak agencje naprawdę używają agentów AI w pracy z klientami już teraz

Agencje marketingowe, kreatywne, deweloperskie i konsultingowe są już za etapem pilotażu z agentową AI. Oto, co naprawdę działa dziś w pracy z klientami, co wciąż pozostaje głównie w sferze deklaracji, oraz pytania o rozliczenia, ujawnianie i odpowiedzialność, których nikt jeszcze nie rozstrzygnął.

W czerwcu, gdy ludzie zamykający transakcje w branży reklamowej zebrali się na południu Francji na swoją coroczną pielgrzymkę, agencje spędziły tydzień, przebijając nawzajem swoje ogłoszenia agentów AI. WPP powiedziało, że testuje agenta zakupu i planowania mediów dla wysokiej jakości zasobu wideo. Dentsu zawarło partnerstwo z twórcą agentów AI o nazwie Newton Research, żeby przyspieszyć ustawianie kampanii i analitykę. Niezależna agencja Butler/Till, razem z DoubleVerify, zbudowała już agentów opartych na Claude, którzy odsuwają budżety reklamowe od niskiej jakości zasobu. To nie była prezentacja pokazowa. Agencje opisywały narzędzia działające w żywych kontach klientów, według materiału Digiday.

Tamten tydzień pokazał coś prawdziwego o obecnym stanie agentowej AI: to już nie slajd w prezentacji sprzedażowej. Pojawia się w panelach kampanii, w papierach roboczych audytu i w bazach kodu — szybciej niż modele rozliczeń, normy ujawniania i ramy odpowiedzialności zbudowane dla świata bez niej. Oto, co agencje naprawdę uruchamiają dziś i gdzie naprawdę zgrzyta.

Praca, która wyszła poza pilotaż

Najwyraźniejszy punkt danych o adopcji pochodzi ze styczniowego badania z 2025 roku wśród 547 osób decyzyjnych w amerykańskich agencjach marketingowych, przeprowadzonego przez NinjaCat: 91% już używało AI w jakiejś formie, a 59% powiedziało, że aktywnie używa konkretnie agentów AI — autonomicznych systemów, które wykonują zadania, a nie tylko generują podpowiedzi. Dwa zastosowania, które agencje wymieniały najczęściej, to praca na danych i wnioskach (74%) oraz strategia i optymalizacja kampanii (72%). W praktyce oznacza to agentów, którzy łączą metryki z platform reklamowych, łapią anomalie, zanim zmarnują wydatki, i dostarczają raporty prosto do skrzynki klienta bez analityka składającego prezentację ręcznie.

Raport IAB State of Data 2025 stawia liczbę na to, jak daleko to naprawdę zaszło: tylko 30% agencji, marek i wydawców w pełni zintegrowało AI w całym cyklu życia kampanii medialnej, choć agencje i wydawcy w tej grupie wyprzedzają marki. Tam, gdzie ją wdrożono, IAB stwierdziło, że AI spełnia albo przekracza oczekiwania w ponad 70% przypadków, podnosi produktywność o 47% i ścina około 12 godzin tygodniowo niskowartościowej pracy ręcznej na osobę.

Sama warstwa agentowa — agenci zakupu mediów, którzy wykonują, a nie tylko rekomendują — jest wciąż we wczesnej fazie skalowania, ale rusza szybko. Digiday podało we wrześniu, że 58% kadry kierowniczej z branży reklamowej spodziewa się, że zakup agentowy osiągnie istotną skalę w ciągu roku, powołując się na badanie IAB Europe. Caitlin Gelles, wiceprezeska wykonawcza ds. technologii danych i pomiaru w Dentsu, opisała Digiday jej atrakcyjność w bezpośrednich, operacyjnych słowach: „Ustawienie kampanii w różnych systemach zajmuje godziny… kiedy te niuanse da się trzymać w bazie RAG albo wziąć to, jak klienci lubią kupować, i pozwolić AI znaleźć te efektywności, właśnie tam pojawia się wartość”.

Agencje deweloperskie i transformacji cyfrowej realizują równoległą wersję tej samej strategii. Dept, holenderska grupa agencji, zbudowała przebudowę platformy e-commerce dla szwajcarskiej marki sportowej Blackroll przy użyciu agentów AI na stosie technologicznym Google, opartym na Gemini i Antigravity — Dept podaje, że projekt zakończył się 3,8 raza szybciej niż jej własny szacunek sprzed AI. CEO Blackroll, Scott Zalaznik, powiedział Digiday, że firma używa teraz agentów AI do większości testowania i tworzenia funkcji e-commerce. Dept od tamtej pory przekształciło to podejście w płatną ofertę o nazwie Agent Studio, w praktyce wynajmując własny proces budowania agentów klientom, którzy chcą mieć taką możliwość bez budowania jej samodzielnie.

Firmy konsultingowe są dalej i wciąż spierają się o opłacalność

Jeśli agencje marketingowe są w środku przejścia, wielkie firmy konsultingowe już postawiły wszystko na wolumen — i utknęły na trudniejszym pytaniu, ile to wszystko jest warte. CEO McKinsey Bob Sternfels powiedział w styczniu, że firma wdrożyła dziesiątki tysięcy wewnętrznych agentów AI i ostatecznie chce jednego na każdego ze swoich 40,000 pracowników, według Business Insider. Ale jak ujęła to Mina Alaghband, była partnerka McKinsey, a dziś dyrektorka ds. klientów w Writer: «Myślę, że jesteśmy teraz w epoce zamętu». Rok temu metryką było użycie. Teraz firmy próbują zmierzyć coś trudniejszego — wartość naprawdę wytworzoną.

Dyrektor ds. AI w PwC Dan Priest powiedział Business Insider, że firma przestała liczyć agentów i zaczęła liczyć, ilu ludzi naprawdę używa każdego z nich. EY co miesiąc śledzi wskaźniki produktywności, jakości i efektywności kosztowej swoich agentów. BCG ma najbardziej konkretną liczbę: partner Scott Wilder powiedział, że pracownicy spędzają teraz około 15% mniej czasu na pracy o niskiej wartości, takiej jak składanie slajdów, reinwestują około 70% odzyskanego czasu w głębszą analizę — a pozostałe 30% zostawiają sobie jako, jak to ujął, więcej snu albo zajęcia jogi. Nawet w firmach, które rozliczają się godzinowo, czas odzyskany dzięki AI nie zamienia się automatycznie w więcej godzin do zafakturowania.

Model rozliczeń jest pierwszym obszarem, który naprawdę zaczyna się sypać

Spośród tarć, na które trafiają agencje, rozliczenia są najbardziej bezpośrednie, bo matematyka jest nieunikniona. Jeśli AI skraca czas zadania z pięciu godzin do jednej, a wy wciąż rozliczacie się godzinowo, daliście klientowi zniżkę 80% bez zamiaru. Analiza Forbes badania Gartner z 2026 roku wśród 743 specjalistów audytu oraz osobnego badania firmy prawniczego oprogramowania Clio znalazła ten wzorzec w sąsiednich branżach usług profesjonalnych: 93% liderów audytu zgłasza jakieś użycie AI, ale tylko 38% ma na nie strategię, a Clio szacuje, że mniej więcej trzy czwarte rozliczalnych zadań prawnych da się teraz zautomatyzować generatywną AI.

Ceny nie nadążyły. Clio stwierdziło, że 86% jednoosobowych kancelarii i 78% małych firm w ogóle nie zmieniło cen w odpowiedzi, w porównaniu z 51% średnich firm i 46% dużych firm — im mniejsza firma, tym częściej po cichu godzi się na rabat. Tymczasem 71% klientów powiedziało badaczom, że woli stałą albo ryczałtową opłatę od rozliczenia godzinowego już na starcie, co sugeruje, że rozliczenie godzinowe zawsze było namiastką tego, czego klienci naprawdę chcieli: przewidywalnego rezultatu, a nie ewidencji czasu. Główny radca prawny Salesforce Sabastian Niles wyraził oczekiwanie po stronie klienta wprost w poście na forum Harvard Law School poświęconym ładowi korporacyjnemu, cytowanym przez Forbes: „Zyski muszą oczywiście być też dzielone z klientami przez oszczędności, efektywność kosztową i nowe modele biznesowe”. Wall Street Journal opisał tę samą zmianę pod tytułem „Inside Consultants' Messy Shift From Hourly Billing”, pokazując firmy usług profesjonalnych mierzące się z koniecznością wymyślenia na nowo sposobu pobierania opłat, gdy AI grozi uczynieniem godziny rozliczeniowej przestarzałą.

Agencje marketingowe już testują alternatywę opisaną w badaniu NinjaCat: 28% agencji odeszło od standardowych godzin rozliczeniowych w stronę wyceny opartej na wartości albo wyniku, a 45% sprzedaje teraz rozwiązania i automatyzacje oparte na AI jako gotowy pakiet usług, zamiast wliczać je w istniejące umowy abonamentowe — zamieniając zysk z efektywności w nowy produkt zamiast w mniejszą fakturę.

Czy mówić klientom, że przy ich pracy użyto agenta?

Pytanie o ujawnianie jest mniej uregulowane niż pytanie o rozliczenia, głównie dlatego, że nie ma jednej reguły, na którą można by się powołać. Badanie IAB State of Data 2025 wykazało, że mniej więcej połowa marek już ma obawy co do tego, jak agencje i wydawcy używają AI w ich imieniu — luka zaufania, która istnieje, zanim ktokolwiek zdecydował, jak ujawnianie powinno wyglądać.

Najjaśniejsze wskazówki na razie pochodzą z sąsiednich dziedzin usług profesjonalnych, które mierzą się z tym samym pytaniem wobec własnych klientów. W tekście opublikowanym w syndykacji z Journal of Accountancy ubezpieczyciel CNA poradził firmom księgowym (CPA), że przy braku jednego rozstrzygającego prawa — krajobraz prawny to mozaika z Gramm-Leach-Bliley Act, rozproszonych stanowych ustaw o ujawnianiu w miejscach takich jak Kalifornia i Utah oraz EU AI Act dla firm z europejskimi klientami — dobrowolne, konkretne ujawnienie i tak jest bezpieczniejszą drogą, bo klienci, którzy później dowiedzą się, że AI brało udział w ich pracy bez ich wiedzy, mogą odczytać to jako oszustwo, niezależnie od tego, czy coś poszło źle. Tekst wskazał na Formal Opinion z 2024 roku American Bar Association w sprawie generatywnej AI, która rysuje ostrą linię: szablonowy zapis ukryty w umowie o świadczenie usług nie liczy się jako świadoma zgoda. Ujawnienie musi naprawdę wyjaśniać, co zrobiła AI i co człowiek sprawdził potem.

Kto odpowiada, gdy agent się pomyli

Odpowiedzialność to tarcie, które agencje przemyślały najmniej, bo jeszcze nie zmusiło do konfrontacji z problemem — żadna agencja nie miała jeszcze głośnej wpadki z AI, tak jak środowisko prawnicze miało prawników ukaranych za cytowanie wymyślonego przez AI orzecznictwa w rzeczywistych pismach procesowych. David Partida z Law.com prowadzi sześcioczęściowy cykl przez 2026 rok, śledząc dokładnie ten problem w miarę jak przechodzi z teorii w rutynę, w tym części zatytułowane „What Happens When AI Acts Alone — And Who Pays For It?” i „Who's Liable When AI Gets It Wrong?”. Towarzyszący tekst na tej samej stronie, „Accountability For AI Errors By Attorneys And Judges”, zauważa, że prawnicy coraz częściej składają pisma zawierające fałszywe powołania na orzecznictwo wygenerowane przez AI — zwykle da się to sprowadzić do błędu użytkownika, nie samego narzędzia — i że sądy już korygują wydane na tej podstawie orzeczenia w drodze wniosków i apelacji. Wytyczne zawodowe, które się w tej kwestii zbiegają — od opinii ABA po rady CNA dla firm CPA, są spójne: firma, która polega na wynikach pracy agenta AI bez niezależnego przeglądu człowieka, odpowiada dokładnie tak, jakby błąd popełnił młodszy pracownik bez nadzoru. Agent nie niesie odpowiedzialności. Niesie ją firma, która wysłała jego wynik klientowi.

Agencje nie mają jeszcze własnej wersji tego rozliczenia w przestrzeni publicznej — i to jest chyba punkt tarcia najbardziej wart obserwowania, bo materiały agencji powstają szybko i często podlegają mniejszej weryfikacji, zanim trafią do skrzynki klienta.

Co to znaczy, jeśli prowadzicie agencję

Odsuńcie na bok ogłoszenia, a wzorzec jest wąski, ale prawdziwy. Agentowa AI zarabia dziś na siebie na pracy, która jest powtarzalna, mierzalna i da się ją przejrzeć, zanim dotrze do klienta: raportowanie kampanii, wykonanie zakupu mediów w ramach zdefiniowanych ograniczeń, wstępne badania i analizy konkurencji oraz — według liczb Dept — spory fragment cykli budowy i testów e-commerce. To nie jest mała lista, a dla agencji, które wciąż robią tę pracę ręcznie, to realna przewaga kosztowa leżąca na stole.

To wciąż głównie gadanie w przypadku pracy wymagającej osądu, którego nikt jeszcze nie umie zweryfikować na dużą skalę: decyzje kreatywne niosące ryzyko dla marki, rekomendacje strategiczne, za które klienci płacą właśnie dlatego, że ufają osobie, która je formułuje, i wszystko, gdzie błąd może dotrzeć do klienta, zanim zobaczy go człowiek. Agencje cytowane w tych materiałach — Dentsu, PwC, BCG — opisują ten sam model za różnymi zastosowaniami: agenci robią pracę, którą można skompresować, człowiek sprawdza części niosące ryzyko, a uwolniony czas jest reinwestowany, a nie przejmowany jako marża. To nudniejsza historia niż „AI zastępuje agencję”. To także historia, która naprawdę dzieje się na kontach klientów właśnie teraz.