Orchestration agentów: Temporal vs n8n vs Zapier

Orchestration agentów AI to nie detail implementacyjny – to jedna z kluczowych decyzji architektonicznych. Zły wybór oznacza miesiące kompilowania procesów ręcznie lub ograniczeń, które blokują rozwój. Dobry wybór to platforma, która znika z pola widzenia – po prostu wykonuje to, co powinna. W tym tekście porównujemy trzy najczęściej używane opcje: Temporal, n8n, Zapier, na podstawie 8 miesięcy produkcji 3 różnych agentów.

Artykuł jest częścią klastra AI w marketingu 2026. Zobacz także wprowadzenie do agentów AI, praktyczne case agent AI WordPress, oraz proces content AI.

Spis treści

1. Kryteria wyboru orchestrator
2. Zapier – kiedy ma sens
3. n8n – sweet spot dla SaaS/marketing
4. Temporal – enterprise-grade
5. Porównanie head-to-head
6. Drzewo decyzyjne
7. Architektury hybrydowe
8. Typowe błędy wyboru
9. FAQ
10. Co dalej

Kryteria wyboru orchestrator

Zanim zagłębisz się w tooling, zdefiniuj priorytety: Temat ten rozwijamy w case agent AI WordPress.

1. Skala – ile procesów/dzień? 10? 1 000? 100 000? Zapier do ~500/dzień, n8n do ~10 000, Temporal do milionów.
2. Complexity – pojedynczy linear flow, czy branching + loops + human-in-loop + long-running (dni)?
3. Reliability – 95% OK? 99,9%? 99,999%? Każdy „9″ zmienia wybór tooling.
4. Team skills – marketerzy bez dev background, vs full-stack engineers?
5. Budżet — 50 USD/miesiąc vs 5 000 USD vs unlimited?
6. Integrations – ile SaaS-ów potrzebujesz łączyć? 5? 50?
7. Debugging – jak ważne widoczność błędów w runtime?

Matryca decyzyjna

Kryterium	Zapier	n8n	Temporal
Skala (max procesy/dzień)	~500	~10 000	miliony
Complexity support	Prosta	Średnia	Wysoka
Reliability (out of box)	99%	99,5%	99,99%
Team skills	No-code	Low-code	Code-first
Koszt startowy	20-50 USD/mies.	35-200 USD/mies. (self-hosted)	35 USD (self) lub 200+ (Cloud)
Koszt w skali	Drogi (per task)	Tani (flat infra)	Średni (usage-based Cloud)
Integrations native	6 000+	400+	0 (code everything)
Long-running procesy	Brak	Ograniczone	Natywne (dni, miesiące)

Zapier – kiedy ma sens

Zapier jest najprostszym entry-pointem do automatyzacji. 6 000+ gotowych integracji, no-code interface, 15-minutowe setupy. Praktyczne wskazówki znajdziesz w wprowadzenie do agentów AI.

Plusy

• Natychmiastowe integracje. Slack, Gmail, Google Sheets, Notion, HubSpot, Salesforce – wszystko out-of-box, zero konfiguracji API.
• No-code UI. Marketerzy mogą samodzielnie tworzyć automatyzacje bez pomocy dev.
• AI Actions – natywne integracje z OpenAI, Anthropic, Perplexity. Prosty prompt przez formularz.

Minusy

• Koszt rośnie liniowo. 2 000 tasków/miesiąc = 50 USD. 10 000 = 150 USD. 50 000 = ~600 USD. Dla agenta produkującego 100 artykułów/miesiąc (każdy = 10-15 tasków) koszt sięga 300-500 USD/mies.
• Limited debugging. Gdy task fail, widzisz error message, ale historyczny view jest słaby.
• Brak złożoności. Loops, complex branching, retries z custom logic – albo niemożliwe, albo bardzo utrudnione.
• Brak long-running. Zapier nie utrzymuje proces dłużej niż kilka minut – dla flowów czekających na human approval trzeba hacków z delays.

Kiedy używać Zapier

1. MVP agent AI – pierwsze 4-8 tygodni. Zbuduj szybko, zobacz co działa.
2. Proste agenty – 1-3 sekwencyjne kroki, bez complex logic.
3. Marketerzy-owned procesy – gdy zespół bez developera musi iterować samodzielnie.
4. Event-driven triggery – Gmail → Slack → HubSpot (tu Zapier nie ma konkurencji dla prostoty).

n8n – sweet spot dla SaaS/marketing

n8n to open-source orchestrator z 400+ natywnymi integracjami. Można self-host (Docker container, 35 EUR/mies. na Hetzner) lub użyć n8n Cloud (20-500 EUR/mies.).

Plusy

• Self-hosting = flat cost. Nieważne, czy 100 czy 10 000 procesy/dzień – koszt infra stały.
• Custom JavaScript/Python. W każdym nodzie możesz napisać kod, rozwiązując limity no-code.
• Lepsze debugging. Proces execution historia z pełnymi input/output każdego node.
• Versioning – procesy jako JSON, łatwo commit to git.
• Queue mode – Redis-backed, real concurrency, czeka na wolne worker’y.

Minusy

• Wymaga infra management. Self-host = Twój SSL, backups, monitoring, upgrades.
• Fewer integrations than Zapier. Dla niszowych SaaS niektóre wymagają custom HTTP request node.
• Still not fully code-first. Dla bardzo złożonych procesy UI staje się clutter.
• Long-running nie pełne. Procesy > 12h wymagają hacków (split na kilka proces’ów z triggerami).

Kiedy używać n8n

1. Marketing automation z custom logic. Lead scoring, multi-step nurture z LLM.
2. SaaS MVP budowany przez zespół 1-3 dev. Sweet spot kosztowo-techniczny.
3. Agentów AI z 5-20 kroków. Content ciąg procesów, social media proces, email automation.
4. Integracje wielu SaaS bez enterprise budżet.

Setup i koszty

Najprostszy n8n setup: Docker compose na Hetzner CCX23 (8 GB RAM, 4 vCPU) = 35 EUR/mies. Obsługuje ~1 000 procesy/dzień. Przy 10 000 procesy/dzień – rozbudujesz do CCX33 (60 EUR) + Postgres external (+20 EUR). Zagadnienie to omawiamy szerzej w proces content AI.

Alternatywa: n8n Cloud – 20 EUR/mies. za Starter, 99 EUR za Team, 500+ za Enterprise. Wygodniejsze dla zespołów nie chcących ops burden.

Temporal — enterprise-grade

Temporal to code-first orchestrator stworzony przez ex-Amazonian’ów (autorzy AWS SWF). Procesy piszesz w kodzie (Go, TypeScript, Python, Java), Temporal zapewnia state persistence, retry, timers, signals. Szczegóły opisujemy w AI w marketingu 2026.

Plusy

• Reliability 99,99%. Mission-critical procesy w Uber, Snap, Netflix.
• Long-running native. Proces może trwać dni, tygodnie, miesiące. State przetrzymuje.
• Complex patterns. Parallel execution, child procesy, cross-proces signals, human-in-loop – wszystko natywne.
• Code-first = testable. Unit tests, integration tests, mock activities – normalne dev proces.
• Observability. Web UI z pełną historią każdego proces, każdej aktywności, każdej decyzji.

Minusy

• Wymaga dev. Zero UI do tworzenia proces’ów – wszystko w kodzie.
• Steeper learning curve. 2-4 tygodnie do produktywności, vs 1 dzień dla n8n.
• Infra overhead. Self-host Temporal = Postgres + Cassandra/Elasticsearch + workers. Temporal Cloud = 200+ USD/mies.
• Brak natywnych SaaS integracji. Musisz napisać każdą integrację jako activity w kodzie.

Kiedy używać Temporal

1. Agenty AI w produkcji mission-critical. Gdy downtime = stracone przychody.
2. Long-running procesy. Np. kwartalny lifecycle content: publish → monitor 90 dni → rewrite → republish.
3. High-scale (> 10 000 procesy/dzień). Temporal radzi sobie bez zadyszki.
4. Compliance i audit. Full history każdego proces, immutable log – ważne dla regulated industries.

Stack produkcyjny

Minimum production Temporal deployment:

• Temporal server (self-hosted lub Cloud).
• PostgreSQL 12+ jako persistence.
• Elasticsearch (opcjonalnie) dla advanced search.
• Workers (Go/TS/Python) w autoskalowanej grupie.
• Monitoring: Prometheus + Grafana (Temporal metrics out-of-box).

Porównanie head-to-head

Scenariusz 1: agent publikujący 10 artykułów/tydzień

• Zapier: możliwe. 15 kroków × 10 = 150 tasków/tydzień × 4 = 600/mies. Koszt: 20-30 USD. OK.
• n8n: flat 35 EUR/mies. Jakość debugging wyższa. OK.
• Temporal: przesada. Setup 2-3 tygodnie, value dopiero przy 10× skali.
• Winner: Zapier (szybkość) lub n8n (kontrola).

Scenariusz 2: 3 klientów, każdy 100 artykułów/miesiąc

• Zapier: 45 000 tasków/mies × 3 klientów = 135 000 tasków. Koszt: ~1500 USD/mies.
• n8n: 35-100 EUR/mies flat, regardless of volume.
• Temporal: 35 EUR self-hosted. Complexity OK dla tej skali.
• Winner: n8n (prostota + koszt) lub Temporal (reliability).

Scenariusz 3: agent z 90-dniowym monitoring loop

• Zapier: trudne. Musisz hack’ować delays lub budować multi-proces architekturę.
• n8n: możliwe, ale z ograniczeniami (wait node do 10 000 sekund, potem musisz split proces).
• Temporal: natywne. await sleep(Duration.fromDays(90)) — proces czeka.
• Winner: Temporal (jednoznaczny).

Scenariusz 4: 10 000 rebranding proces’ów w jeden weekend

• Zapier: koszt +3000 USD jednorazowy, rate limits mogłyby blokować.
• n8n: OK z queue mode, ale wymaga maintenance.
• Temporal: idealne – parallel execution, automatic retries.
• Winner: Temporal.

Drzewo decyzyjne

1. Czy zespół ma dev? NIE → Zapier (koniec). TAK → następne pytanie.
2. Czy proces potrzebuje long-running (> 24h)? TAK → Temporal (koniec). NIE → następne.
3. Czy skala > 10 000 procesy/dzień lub mission-critical? TAK → Temporal. NIE → n8n.

Ten prosty tree rozwiązuje 80% decyzji. Resztę rozstrzyga: team preferences (code-first vs no-code), existing infra (masz już Temporal dla innych rzeczy? — wygrywa), budżet ops (możesz utrzymać self-hosted n8n? – jeśli nie, Temporal Cloud lub Zapier).

Architektury hybrydowe

Czasem najlepsza jest kombinacja:

Pattern 1: Zapier triggers + Temporal execution

Zapier łapie event (nowy email, form submit, webhook z SaaS), wywołuje endpoint Temporal. Temporal wykonuje złożony proces. Best of both: łatwe integracje + reliable execution.

Pattern 2: n8n dla marketing + Temporal dla AI

Marketing automation (email drip, lead scoring) w n8n — marketerzy sami edytują. Agenty AI (content, customer support) w Temporal – dev team.

Pattern 3: Zapier dla simple, Temporal dla complex

Triaż: jeżeli proces < 5 kroków, bez long-running, bez high reliability → Zapier. Wszystko inne → Temporal. Jedna decyzja na proces, clear boundaries.

Typowe błędy wyboru

1. Overspending na Zapier przy skali. Najczęstszy. Zespół zaczyna z 500 tasków/mies, rośnie do 50 000, a nadal płaci per-task. Migracja na n8n = 60-80% oszczędności.
2. Undersizing n8n infra. Ktoś uruchamia n8n na 2GB RAM VPS, po miesiącu pada przy 1000 procesy/dzień. Migracja do silniejszego servera = 2-4 tygodnie dev time.
3. Temporal dla MVP. Zespół bez dev doświadczenia próbuje zacząć od Temporal, spędza 3 miesiące bez produktywnego output. Lepiej: MVP w Zapier, migracja do Temporal po validacji.
4. Brak monitoring. Failed procesy w Zapier/n8n znikają w historii, bez alerting. Problem: błędy odkrywane dopiero, gdy klient się skarży.
5. Ignoring versioning. Proces w produkcji, zmiana UI-click, coś psuje. Bez git versioning ciężko rollback. Dla n8n – export JSON do git przy każdej zmianie.

FAQ – najczęstsze pytania

Który orchestrator wybrać, jeśli dopiero zaczynam z agentami AI?

Dla pierwszego MVP: Zapier lub n8n. Zapier – jeśli zespół bez dev. n8n – jeśli masz 1+ dev i chcesz kontroli oraz lower long-term cost. Temporal odkładaj na moment, gdy MVP zwalidowałeś business case i wiesz, że potrzebujesz 99,9% reliability. Typowy timeline: 1-3 mies. Zapier → 4-12 mies. n8n → 12+ mies. Temporal (jeśli osiągniesz skalę).

Ile kosztuje Temporal w produkcji?

Self-hosted: ~100-300 USD/mies. (serwer + Postgres + Elasticsearch). Temporal Cloud: starts 200 USD/mies. (Starter), średnio 500-2000 USD/mies. dla produkcyjnych setupów z 100k+ proces/mies., enterprise 5000+ USD/mies. Dodatkowo: dev time na integration (100-300h jednorazowo dla pierwszego proces, 20-40h dla kolejnych).

Czy n8n nadaje się do agentów AI wymagających szybkiej odpowiedzi (real-time chat)?

Nie idealnie. n8n ma latency 100-500ms overhead per node, co przy 5-8 node proces daje 0,5-4 sekundy total latency – zwykle za dużo dla real-time chat. Dla real-time: bezpośrednia integracja LLM API w aplikacji (Next.js, FastAPI), bez orchestrator. n8n/Temporal lepsze dla async procesy (content generation, background processing), gdzie latency kilka sekund jest akceptowalna.

Czy można łatwo migrować między orchestratorami?

Nie łatwo. Każdy ma własną strukturę proces (Zapier: linear steps, n8n: graph, Temporal: code). Migracja = przepisanie, nie export/import. Typowy czas: 1-2 tygodnie na proces średniej złożoności. Strategia mitygacji: buduj procesy modularnie, z clear inputs/outputs per step, żeby single step był przenośny. Plus: trzymaj business logic w API Twojego systemu, nie w orchestrator – orchestrator wtedy tylko koordynuje calls, migracja łatwiejsza.

Co z alternatywami jak Make (dawniej Integromat)?

Make jest bezpośrednim konkurentem Zapier – podobna filozofia (no-code, natywne integracje), często tańszy per task (Make: 9 USD/10 000 operations, Zapier: 20+ USD). Gorsze: mniej integracji (1500 vs 6000), gorsze UX. Dobre dla: cost-conscious no-code. Poza tym: Airflow (Python-first, heavyweight dla data ciągi procesów, nie dla agent AI), Prefect (data-oriented, ale rosnący AI use case), Windmill (open-source alternative dla Zapier, młody).

Czy Temporal działa z Claude/Anthropic API?

Tak. Każda LLM API jest wrapowana jako activity w Temporal. Activity definiuje retry policy (np. 3 próby z backoff dla 429/500), timeout (default 60s, możesz zmienić), idempotency. Nasz przykład kodu w case agent AI WordPress. W produkcji testujemy też multi-provider fallback: jeśli Anthropic 503, Temporal retry → po 3 próbach activity wywołuje OpenAI jako backup.

Integracje z CRM, WordPress, marketingowym stackiem

Agent bez integracji to zabawka. Trzy integracje, które wdrażamy najczęściej:

Agent + CRM (HubSpot, Pipedrive)

• Lead enrichment — agent pobiera dane z LinkedIn, web, wzbogaca rekord CRM.
• Lead scoring – ocena quality lead na podstawie behavior + firmograficznych danych.
• Follow-up drafting – agent pisze personalizowane maile, human review + send.
• Meeting prep — briefing na podstawie historii kontaktu i company data.

Agent + WordPress (Blogers Connector)

• Content generation — agent tworzy drafty zgodnie z content planem.
• SEO optymalizacja – meta tags, schema, internal linking.
• Media — generowanie hero images przez DALL-E / Midjourney API.
• Scheduling – publikacja w kalendarzu editorial plan.

Agent + marketing automation (n8n, Zapier)

• Agent jako „node” w proces — triggerowany z formularza lub eventu.
• Webhook-based triggers, output JSON do dalszego przetwarzania.
• Flexibility: łatwo dołożyć kolejny krok (approval, notification, archive).

Integracja z data warehouse

• Agent jako konsument danych z BigQuery, Snowflake — generuje raporty, alerty.
• Write-back: wyniki analiz zapisywane do dedicated table.
• Retencja promptów i outputów dla compliance i późniejszych audytów.

Integracja z helpdesk / support

• Agent odpowiada na tier-1 tickets (proste pytania) automatycznie.
• Eskalacja do human dla complex case z pełnym kontekstem.
• Suggested responses dla support agentów w Zendesk/Intercom.

Tool use – agent podejmuje akcje

Różnica między chatbotem a agentem: agent wywołuje zewnętrzne narzędzia. W 2026 to core capability — wszyscy providerzy (OpenAI functions, Anthropic tool use, Gemini function calling) mają natywne wsparcie.

Typy narzędzi

• Read tools: wyszukiwanie, lookup w bazie, API calls GET. Najbezpieczniejsze, najczęstsze.
• Write tools: create post, send email, update CRM. Wymagają approval gates w krytycznych ścieżkach.
• Compute tools: Python interpreter, code execution, calculator. Sandbox wymagany.
• External APIs: HubSpot, Stripe, Zapier, WordPress. Auth management krytyczny.

Dobre praktyki definicji tool

• Nazwa tool opisowa (search_knowledge_base, nie tool1).
• Description dla LLM w 1–2 zdaniach z przypadki użycia.
• Parameters schema (JSON Schema) z type hints.
• Required parameters wyraźnie oznaczone.
• Przykłady output w description dla LLM guidance.

Tool selection challenges

• Za dużo tools (> 15) – LLM myli się, używa nie tego.
• Overlapping tools – niejasna decyzja który użyć.
• Brak feedback loop – agent nie wie, czy tool się udał.
• Rekomendacja: 3–8 tools per agent, jasne boundaries.

State management — najtrudniejsze zagadnienie

80% agentów, które padają w produkcji, pada przez złe state management. Cztery wzorce, które działają:

Stateless z external memory

• Agent nie przechowuje stanu, każdy request czerpie z zewnętrznej bazy (Redis, PostgreSQL, vector DB).
• Zalety: skalowalność horyzontalna, łatwy restart, cheap recovery.
• Wady: latencja zwiększona przez external lookup.
• Use case: serverless agents, high concurrency.

Stateful z checkpoints

• Stan persistowany w kluczowych punktach proces (np. co 30 sekund, po każdym step).
• Narzędzia: LangGraph checkpoints, Temporal state, custom event sourcing.
• Zalety: resumable po crash, audyt trail.
• Wady: więcej storage, complexity invalidation.

Conversation memory

• Dla chat-based agentów: okno kontekstu + summary + long-term memory.
• Short-term: ostatnie N wiadomości (np. 10 turns).
• Mid-term: summary poprzednich rozmów (LLM-generated).
• Long-term: vector DB z retrievalem top-K relevant.

Shared state (multi-agent)

• Wiele agentów czyta/pisze do wspólnego contextu (blackboard pattern).
• Lock mechanisms dla concurrent writes.
• Event bus (Redis Streams, Kafka) dla real-time sync.

Frameworki orkiestracji agentów – porównanie 2026

Wybór frameworka decyduje o 60% kosztów utrzymania i 40% elastyczności systemu. Poniżej matryca dla trzech scenariuszy wdrożeniowych.

LangGraph (LangChain)

• Dla: zespoły z doświadczeniem Python/Node, złożone grafy decyzyjne, conditional branching.
• Mocne strony: state management, persistence, resumable procesy, dobry debug.
• Słabe strony: krzywa uczenia stroma, szybkie breaking changes w API.
• Koszt dev: 2–6 tyg. na pierwszego agenta produkcyjnego.

CrewAI

• Dla: szybkie prototypy, scenariusze multi-agent z jasnymi rolami (researcher, writer, editor).
• Mocne strony: prosta składnia, gotowe role patterns, community templates.
• Słabe strony: mniej elastyczne niż LangGraph dla complex flows.
• Koszt dev: 1–2 tyg. na pierwszego agenta, 1–3 dni na POC.

AutoGen (Microsoft)

• Dla: enterprise, integracja z Microsoft stack (Azure OpenAI, Teams).
• Mocne strony: conversation-first, multi-agent dialogues, human-in-the-loop.
• Słabe strony: heavy config dla simple cases, Azure-centric.
• Koszt dev: 3–8 tyg. z uwagi na enterprise compliance.

Temporal + custom agents

• Dla: zespoły, które już używają Temporal, potrzeby high reliability + long-running.
• Mocne strony: durability, retries, visibility, observability out of box.
• Słabe strony: wymaga custom kodu dla LLM orchestration layer.
• Koszt dev: 4–12 tyg. dla pełnego stack, idealny dla long-term ownership.

n8n + AI nodes

• Dla: non-dev teams, marketing automation, szybka iteracja wizualna.
• Mocne strony: 500+ integracji, wizualne budowanie, niskie wejście techniczne.
• Słabe strony: skalowanie do enterprise trudne, debugging złożonych flows.
• Koszt dev: dni, nie tygodnie, dla podstawowych agentów.

Wzorce orkiestracji – kiedy który

Sequential ciąg procesów

• Agent A → Agent B → Agent C, każdy przetwarza output poprzedniego.
• Use case: research → writing → editing → publikacja.
• Zalety: prostota, łatwy debug, jasny flow.
• Wady: nie równoległe, pojedynczy punkt failure.

Orchestrator-worker (hub and spoke)

• Główny agent deleguje zadania do specialist agents, agreguje wyniki.
• Use case: content brief → workers generują sections → orchestrator składa.
• Zalety: równoległość, specialized prompts, skalowalność.
• Wady: potrzeba solidnego aggregation layer.

Peer-to-peer debate

• Wielu agentów dyskutuje ze sobą, osiągają consensus lub głosują.
• Use case: content review (writer vs editor vs fact-checker), decision making.
• Zalety: wyższa jakość output, multiple perspectives.
• Wady: wyższy koszt tokenów, dłuższy czas odpowiedzi.

Hierarchical

• Manager agent deleguje do sub-managers, którzy delegują do workers.
• Use case: złożone workflowy z wieloma domenami (SEO + copy + design + analytics).
• Zalety: separation of concerns, skalowalność.
• Wady: complexity, lots of overhead.

Case: studio content agency, ciąg procesów 30 artykułów/mies.

Klient: marketingowe studio produkujące content dla 8 marek B2B, 30 artykułów miesięcznie, zespół 4 copywriters + 2 editors. Pełen obraz tematu znajdziesz w kompletnym przewodniku ai w marketingu w 2026.

Stan pre-automatyzacja

• Research: 2h/artykuł (ręcznie przez copywriters).
• Outline: 45 min/artykuł.
• Draft: 4h/artykuł.
• Edit: 1,5h/artykuł.
• SEO optymalizacja: 45 min/artykuł.
• Total: ~9h/artykuł, 270h/mies. dla 30 artykułów.

System multi-agent

• Researcher agent: GPT-4o + search API, zbiera 10–20 źródeł, ekstrahuje key wnioski.
• Outline agent: Claude Sonnet, buduje strukturę H2/H3 z research briefem.
• Writer agent: Claude Sonnet, pisze draft per sekcja, równolegle.
• SEO agent: GPT-4o-mini, optymalizuje meta, internal linking, schema.
• Editor agent: Claude Opus, finalny review, fact-checking, style consistency.
• Human approval: copywriter review finalnego outputu (0,5–1h/artykuł).

Wyniki

• Czas pracy: 270h → 90h/mies. (-67%).
• Koszt AI API: ~4 200 PLN/mies. (30 artykułów × 140 PLN/artykuł).
• Produkcja: 30 → 75 artykułów/mies. (skalowanie przy tym samym zespole).
• Kwota zaoszczędzona: 180h × 85 PLN/h średnio = 15 300 PLN/mies. netto.
• ROI: 3,6× miesięcznie.
• Jakość: NPS klientów +12 punktów (stabilniejsza, mniej human errors).

Obserwowalność i monitoring agentów

Agent produkcyjny bez monitoringu to bomba zegarowa. Pięć warstw, które wdrażamy standardowo:

Tracing

• Każdy request z trace ID, każdy step zapisany (inputs, outputs, duration).
• Narzędzia: Langfuse, Helicone, LangSmith, Arize AI.
• Storage: 30–90 dni retention.

Metryki biznesowe

• Success rate: % tasków zakończonych bez human intervention.
• Cost per task: tokeny + API calls przeliczone na PLN.
• Latency: p50, p95, p99 czas odpowiedzi.
• Quality score: human rating sample 5% outputów.

Alerts

• Success rate spada < 85% → PagerDuty.
• Cost per task > 2× baseline → Slack alert.
• Latency p95 > 30s → dashboard red state.
• Model fallback fired > 10% → investigation.

A/B testy modeli

• Split 80/20 między production model a candidate.
• Śledzenie identyczny dla obu wersji.
• Decision po 7 dniach na podstawie quality + cost + latency.

Eval framework

• Golden dataset 50–200 przykładów z expected outputs.
• Automated eval po każdym deploymencie prompta.
• Pass/fail threshold przed merge.

Koszty agentów — modelowanie TCO

Najprostszy model kosztów, na którym prowadzimy decyzje make-vs-buy.

Koszty bezpośrednie

• API calls (OpenAI, Anthropic, Google): 50–70% TCO.
• Vector store (Pinecone, Weaviate, Qdrant): 5–10% TCO.
• Compute (serverless lub VPS): 5–10% TCO.
• Observability platform: 3–8% TCO.

Koszty pośrednie

• Dev time na pierwsze wdrożenie: 200–800h (zależnie od complexity).
• Maintenance retainer: 20–80h/mies. (bugfix, prompt tuning, model upgrades).
• Compliance / security audit: 40–120h rocznie dla enterprise.

Modelowanie jednostkowe

• Proste zadanie (classification, extraction): 0,05–0,30 PLN/zadanie.
• Średnie (short generation, lookup): 0,80–3,00 PLN/zadanie.
• Złożone (multi-agent, long document): 8–40 PLN/zadanie.
• Enterprise proces (full ciąg procesów): 30–150 PLN/zadanie.

Team i role — kto buduje i utrzymuje agentów

• AI Engineer / LLM Engineer: 18–28 tys. PLN B2B. Prompt engineering, eval, fine-tuning.
• ML Ops: 16–24 tys. PLN. Infrastruktura, monitoring, deploy.
• Backend Engineer: 14–22 tys. PLN. Integracje, API, orchestration layer.
• Product Manager AI: 15–22 tys. PLN. Przypadki użycia, priorytety, wspólny język z biznesem.
• Domain Expert (Marketer/SEO/etc): 12–18 tys. PLN. Definiuje wymagania, ocenia output.

Error handling i retry strategies

LLM API fallują – 5–8% requests w skali tygodnia dostaje 429 (rate limit), 500, 502, timeout. Solidna strategia retry to nie opcja, to fundament.

Kategorie błędów

• Transient (retry OK): 429, 500, 502, 503, 504, network timeout.
• Permanent (retry nie pomoże): 400 bad request, 401 unauthorized, 403 forbidden, 404 not found.
• Model-specific: content filter triggered, context length exceeded.
• Business logic: output nie spełnia schema, facts są wrong.

Retry policies

• Exponential backoff: 1s, 2s, 4s, 8s, 16s.
• Jitter: ±30% randomness żeby uniknąć thundering herd.
• Max retries: 3–5 dla transient, 0 dla permanent.
• Circuit breaker po 50% fail rate w ostatnich 100 requests.

Fallback providers

• Primary: Claude Sonnet (dobra jakość, średnia cena).
• Fallback 1: GPT-4o (gdy Anthropic 5xx).
• Fallback 2: Gemini 1.5 Pro (gdy oba niedostępne).
• Last resort: mniejszy, tani model (GPT-4o-mini) z degraded quality warning.

Guardrails na output

• Schema validation (Pydantic, Zod) — reject + retry jeśli output nie pasuje.
• Fact-checking agent jako validator.
• Profanity / safety filter przed dostarczeniem do usera.
• Hallucination detection (confidence score + external fact lookup).

Security i governance

Agent ma dostęp do systemów firmy. Bez security layer to zagrożenie większe niż korzyść.

Prompt injection defense

• System prompt odseparowany od user input.
• Input sanitization — usuwanie potencjalnych injection patterns.
• Output validation – czy agent zrobił to, co miał.
• Separation of privilege — agent ma minimalne uprawnienia do wykonania zadania.

PII handling

• PII detection przed wysłaniem do LLM (Presidio, AWS Macie).
• Tokenization: zamień emaile na [EMAIL_1], phone na [PHONE_1], odwróć na końcu.
• Zero-retention policy w konfiguracji API (OpenAI Enterprise, Anthropic Zero-Data-Retention).
• Audit log wszystkich PII operations.

Access control

• Agent per team/role z oddzielnymi credentials.
• Tool permissions – agent ma dostęp tylko do tych API, które są w scope.
• Rate limiting per user / per agent.
• Human approval gate dla krytycznych akcji (finance transactions, data deletion).

Co dalej

Wybór orchestratora to decyzja 2-3-letnia. Dobrze zrobić ją dwukrotnie (raz dla MVP, drugi raz dla production) niż jeden raz na stałe, trzymając się niefit tool. Najbardziej żałosny scenariusz: zespół spędza 6 miesięcy w toolu nieadekwatnym do skali, tracąc tempo rozwoju agenta.

Ostateczna rada: nie wybieraj orchestratora dłużej niż 2 tygodnie. Każdy wybór jest „good enough” dla MVP. Koszt migracji za 6 miesięcy jest niższy niż koszt niepodjęcia decyzji i nie zbudowania agenta wcale.