Guardian360
Rozpocznij bezpłatny okres próbnyZostań partnerem
← Wszystkie wpisy

Opinia

Scaling Up, ale dla maszyn: dlaczego agenci AI łamią podręcznik wzrostu, a nie go naprawiają

Autor Jan Martijn Broekhof ·

Po przeczytaniu książki Verne’a Harnisha “Scaling Up” rozdział “The Growth Paradox: An Anchor, or Wind at Your Back” jest tym, którego od tamtej pory nie mogę odłożyć na bok. Harnish opisuje coś, co nazywa paradoksem wzrostu: firma w miarę skalowania powinna działać coraz łatwiej, ale niemal nigdy tak się nie dzieje, bo staje się to trudniejsze. Powodem, jak twierdzi, nie jest sama liczba pracowników, lecz złożoność komunikacji, którą ta liczba tworzy. Założyciel i jeden asystent mają dwa kanały komunikacji. Dodaj trzecią osobę, a złożoność nie rośnie o jedną trzecią, lecz potraja się do sześciu kanałów. Dodaj czwartą, a poczwórnie wzrasta do dwudziestu czterech. Wzrost jest liniowy. Złożoność jest kombinatoryczna. Ta rozbieżność, według Harnisha, jest tym, co rodzi trzy fundamentalne bariery, na które napotyka każda skalująca się firma: zbyt mało liderów potrafiących delegować i przewidywać, zbyt mało skalowalnej infrastruktury zdolnej udźwignąć obciążenie komunikacją i decyzjami oraz zbyt małą zdolność marketingową, by dalej rosnąć na coraz bardziej konkurencyjnym polu.

Zakładałem, że agenci AI całkowicie ominą ten problem. Uruchom w tle grupę agentów, pozwól im autonomicznie wykonywać zadania, a ludzkie wąskie gardło komunikacji po prostu znika. Ponowna lektura Harnisha przekonała mnie, że jest to tylko w połowie prawda, a ta połowa, która jest błędna, ma większe znaczenie.

Agenci AI nie usuwają matematyki Harnisha, lecz ją przyspieszają

Niektórzy agenci rzeczywiście będą działać autonomicznie, przy niewielkim udziale człowieka. Ale bardzo wielu nie będzie. Będą przekazywać sobie nawzajem oraz ludziom, z którymi współpracują, dane wejściowe i wyjściowe, dokładnie tak, jak opisują to kanały Harnisha. Kombinatoryczna złożoność, którą identyfikuje on w zespołach ludzkich, nie znika, gdy niektóre węzły w sieci są agentami zamiast ludźmi, lecz po prostu dalej się kumuluje.

To, co się zmienia, to tempo, w jakim pojawiają się nowe węzły. Model Harnisha zakłada, że wzrost jest ograniczony tempem, w jakim organizacja jest w stanie zatrudnić, wdrożyć i doprowadzić nową osobę do użytecznego poziomu osądu, co z założenia jest powolne. Agenci usuwają ten naturalny hamulec. Prognozy technologiczne Deloitte na rok 2026 opisują to wprost: rozrost agentów (agent sprawl), czyli mnożenie się rozproszonych agentów w organizacji bez ujednoliconej widoczności czy nadzoru, ma nadal narastać przez cały rok 2026 w miarę mnożenia się języków programowania, frameworków i protokołów komunikacyjnych. Organizacja, która kiedyś mogła zwiększać liczbę pracowników zaledwie o kilka osób na kwartał, teraz może zwiększać liczbę swoich agentów o kilka osób dziennie. Równanie złożoności Harnisha nadal obowiązuje. Zegar, który kiedyś je spowalniał, został usunięty.

Wciąż projektujemy organizacje agentów tak jak ludzkie

Obecnie większość z nas wyobraża sobie organizację prowadzoną przez AI tak, jak wyobrażamy sobie organizację ludzką: z grubsza zarysowaną hierarchię, określone szczeble stażu, coś przypominającego tydzień pracy. Ten obraz jest już nieaktualny. Wkrótce pojedyncze żądanie skierowane do pojedynczego agenta uruchomi sieć podagentów, którzy planują, delegują sobie nawzajem i przekazują pracę tam i z powrotem, w dużej mierze niewidocznie dla osoby, która złożyła pierwotne żądanie. Wyliczenia Harnisha zakładają widoczny, policzalny zestaw kanałów: dwa, potem sześć, potem dwadzieścia cztery. W organizacji prowadzonej przez agentów liczba kanałów nie jest ani stała, ani widoczna. Staje się dynamiczna i staje się ukryta przed tymi właśnie ludźmi, którzy mają nad nią sprawować kontrolę.

To problem innego rzędu niż zwykła potrzeba większej liczby menedżerów. Oznacza, że kształtu organizacji nie da się już wywnioskować, patrząc na schemat organizacyjny, ponieważ schemat ten jest nieustannie i po cichu przerysowywany, kilka warstw poniżej tego, gdzie ktokolwiek patrzy.

Czy agenci po prostu nie dostaną własnych menedżerów?

To oczywisty zarzut i zasługuje na prostą odpowiedź, a nie na zbycie machnięciem ręki. Tak, agenci już otrzymują własną warstwę zarządzania. Prognoza Deloitte obejmuje wyłaniającą się kategorię, którą nazywa agentem strażniczym (guardian agent), którego zadaniem jest przejmowanie zadań, a jednocześnie nadzorowanie zachowania innych agentów. Relacja Technology Decisions Australia na temat przemian w adopcji agentowej AI w 2026 roku opisuje organizacje tworzące nowe role, takie jak Agent Ops Lead i AI Product Owner, których całą funkcją jest zarządzanie agentami w taki sposób, w jaki kiedyś przełożony zarządzał ludźmi.

Nie sądzę, aby rozwiązywało to podstawowy problem, i oto dlaczego. Każda z tych warstw zarządzania nadal musi gdzieś kierować swoje wyniki do przeglądu, a tym miejscem ostatecznie jest człowiek. Dodawanie agentów orkiestrujących i agentów strażniczych nie usuwa wąskiego gardła, które opisuje Harnish, lecz jedynie przenosi je wyżej, wtłaczając coraz więcej aktywności w to samo stałe tempo, w jakim człowiek jest w stanie w sposób znaczący przejrzeć i kontrolować to, co zostaje mu przedłożone. Artykuł naukowy z 2026 roku autorstwa Kapteina i współpracowników, oparty na badaniu KPMG wśród liderów dużych przedsiębiorstw, wykazał, że trzy czwarte respondentów wskazało bezpieczeństwo, zgodność i audytowalność jako swój najbardziej krytyczny wymóg wdrażania agentów oraz że złożoność orkiestracji wieloagentowej stała się już głównym wąskim gardłem, gdy organizacje próbują przenieść projekty agentowe z pilotażu do produkcji. To nie jest luka technologiczna. To ten sam problem kontroli, który nazywa Harnish, tyle że w innym mundurze.

Pokrywa się to z tym, co faktycznie dzieje się z projektami agentowej AI w praktyce. Forbes, wracając do badań Gartnera jeszcze w lipcu 2026 roku, zwraca uwagę na to, co jest wyraźnie nieobecne na liście powodów, dla których projekty agentowej AI są anulowane. Możliwości modeli nie znajdują się na tej liście. Podawane powody to rosnące koszty, niejasna wartość biznesowa i nieodpowiednie mechanizmy kontroli ryzyka, co jest innym sposobem powiedzenia, że organizacje zmagają się z nadzorem i przeglądem tego, co zbudowały, a nie z tym, że sami agenci nie są wystarczająco zdolni.

Kto właściwie sprawuje kontrolę?

Rzetelny czytelnik w tym miejscu zaoponuje i zada trudniejsze pytanie: jak długo ludzie w ogóle pozostaną u sterów? W teorii organizacja mogłaby ostatecznie być prowadzona w całości przez agentów AI, koordynujących cele, podzadania i wyniki bez ludzkiego węzła gdziekolwiek w pętli. Uważam, że w teorii jest to prawda, a w praktyce nie ma to znaczenia, z dwóch powodów, które nie mają nic wspólnego z tym, do czego technologia jest zdolna.

Po pierwsze, w tej chwili tylko człowiek, osoba z krwi i kości, może zostać pociągnięta do odpowiedzialności prawnej za decyzję. Agenci mogą przygotowywać projekty, rekomendować i działać w granicach dla nich wyznaczonych, ale odpowiedzialność nie przechodzi na system, lecz pozostaje przy osobie, która nim pokierowała. Po drugie, mamy społeczny obowiązek oferowania ludziom pracy pełnej sensu, pracy, która pozwala im czuć, że wnoszą wkład i że się liczą. Organizacja, która po cichu wyoptymalizowuje ludzi z każdej pętli, nie jest po prostu bardziej efektywna, lecz odchodzi od obu tych rzeczy naraz.

Jak wygląda skalowalna infrastruktura dla organizacji prowadzonej przez agentów

Trzecia bariera Harnisha, skalowalna infrastruktura, to ta, do której nieustannie wracam. Dla organizacji ludzkiej oznacza ona systemy i struktury zdolne udźwignąć obciążenie komunikacją i decyzjami w miarę wzrostu liczby pracowników. Dla organizacji prowadzonej przez agentów musi ona oznaczać coś jeszcze innego: infrastrukturę, która utrzymuje rosnącą, częściowo niewidoczną sieć agentów na tyle czytelną, aby człowiek mógł wciąż w sposób znaczący dokonywać przeglądu i decydować, a nie jedynie przybijać pieczątkę.

Nie jest to dla nas pytanie abstrakcyjne. W Guardian360 przeprowadzamy dokładnie ten eksperyment najpierw na samych sobie. Konfigurujemy, testujemy i szkolimy naszych własnych kolegów z AI wewnętrznie, zanim w ogóle rozważylibyśmy zaoferowanie czegoś podobnego klientom. Ta kolejność ma znaczenie. Jeśli dany sposób pracy nie sprawdza się w naszym własnym zespole, łącznie z momentem, w którym zaczynamy kwestionować naszą własną tradycyjną hierarchię, nie mamy prawa obiecywać, że sprawdzi się u kogoś innego.

Kto zatem kogo koordynuje?

Gdzieś w każdej rozmowie o orkiestracji agentów ktoś proponuje to samo rozwiązanie: dać każdej osobie jednego osobistego asystenta AI, który w jej imieniu rozmawia ze wszystkimi pozostałymi agentami, tak aby człowiek musiał zarządzać tylko jedną relacją zamiast dziesiątkami. Rozumiem tę pokusę, ale sądzę, że warto uczciwie powiedzieć, czym taki asystent naprawdę jest. To nie jest rozwiązanie problemu kontroli, lecz kolejny menedżer w hierarchii, o jedną warstwę wyżej niż pozostali, który wciąż musi być darzony zaufaniem i poddawany przeglądowi tak jak każda inna warstwa poniżej niego. Nie usunęli Państwo wąskiego gardła. Zmienili mu Państwo nazwę i przenieśli je bliżej siebie.

Harnish napisał, że złożoność jest ceną wzrostu i że tylko nieliczne firmy kiedykolwiek uczą się płacić ją dobrze. Podejrzewam, że to samo okaże się prawdą w przypadku organizacji, które teraz zapełniają się agentami. Pytanie, przy którym warto się zatrzymać, nie brzmi, ilu agentów stać Państwa na uruchomienie. Brzmi ono: ile warstw zarządzania agentami są Państwo gotowi na sobie nawarstwić, zanim będą potrzebować kolejnego człowieka tylko po to, by zdecydować, komu zaufać.

Źródła