Basis, Clay i Exa Labs: co robią agenci AI, a co zostaje człowiekowi

Co dokładnie opisuje wpis OpenAI z 1 września 2026?

To nie premiera wspólnego produktu ani niezależne badanie rynku. OpenAI opublikowało 1 września 2026 r. opisy wdrożeń trzech firm: Basis, Clay i Exa Labs [1]. Materiał łączy relacje samych firm z komentarzem dostawcy modeli. Podane w nim liczby są deklaracjami wdrożeniowymi, a nie wynikiem audytu [1][7].

W trzech opisach powtarza się ten sam układ. Agent wykonuje ograniczony, powtarzalny fragment procesu, a pracownik obsługuje wyjątki, ocenia rekomendację i zatwierdza publikację lub wdrożenie [1][4]. Taki model wspiera pracę. Nie dowodzi jednak, że agenci nie wpłyną na zatrudnienie w całej gospodarce [4].

Materiał ma dwa poziomy lektury. Pierwszy to mechanika: kto co uruchamia, na jakich danych i z jakim punktem kontrolnym. Drugi to liczby, które firmy podają o sobie. Te wymagają ostrożności, bo nie mają niezależnej walidacji [2].

Jak Basis skrócił onboarding z dwóch godzin do 30 minut?

Basis buduje agentów dla firm księgowych. Wewnętrznie zamieniło onboarding w firmową umiejętność dla Codex: zestaw instrukcji, zasobów, narzędzi, wyzwalacz startu i definicję zakończenia procesu [1]. Opisany efekt to skrócenie pierwszego dnia z około dwóch godzin do około 30 minut [1][4].

Liczba 30 minut dotyczy jednego, konkretnego procesu pierwszego dnia. Źródło nie twierdzi, że każdy nowy pracownik jest w pół godziny gotowy do samodzielnej pracy. Nie mówi też, że szkolenia znikają [1][4].

Mechanizm jest prosty i dlatego powtarzalny. Umiejętność zawiera kroki, materiały i warunki ukończenia. Kolejny pracownik przechodzi tę samą ścieżkę, a agent sprawdza, czy etap został domknięty [1]. Wiedza jednej osoby zmienia się w procedurę dostępną dla całego zespołu.

Taki zapis procesu ma skutek uboczny, który bywa cenniejszy niż oszczędność czasu. Proces trzeba najpierw opisać. Luki w opisie wychodzą wtedy, gdy agent zatrzymuje się na brakującym kroku. To dobry moment, by uporządkować procedurę, zanim przejmie ją człowiek lub automat.

Szerzej o przejściu od pilotażu do produkcji piszemy w artykule Praktyczne zastosowania AI: od pilotażu do produkcji.

Co robią agenci Clay i czego nie robią za sprzedawcę?

Clay to platforma GTM i revenue intelligence, nie autonomiczny pracownik. Jej Account Research Agents utrzymują aktualny kontekst kont, syntetyzują dane i zapisują audytowalne pola w systemie [5]. W 2026 r. funkcja była udostępniana jako open beta [5]. Agent przygotowuje listę priorytetowych działań wraz z dowodami. Sprzedawca sprawdza materiał i decyduje, czy działać [2][3].

Deklarowana oszczędność około godziny dziennie pochodzi od samej firmy [5]. Dotyczy ręcznego przeglądania skrzynki i kontekstu kont, a nie produktywności całej organizacji. To wynik samoopisowy, bez niezależnej walidacji [2].

Granica jest tu wyraźna. Agent zbiera i porządkuje dane, których człowiek i tak by szukał. Nie przejmuje rozmowy z klientem ani decyzji o rabacie. W praktyce skraca czas wejścia w kontekst konta, a nie czas negocjacji.

Jak Exa Labs wykorzystuje Codex przy integracjach?

Exa Labs używa Codex do wyszukiwania okazji integracyjnych, zbierania kontekstu, tworzenia pull requestów, uruchamiania testów i przygotowywania aktualizacji [4]. Publikacja nadal wymaga przeglądu człowieka [4]. Exa jest przede wszystkim infrastrukturą wyszukiwania dla agentów, a nie aplikacją dla zwykłego użytkownika [6].

Skala firmy jest większa niż sugerowałby sam opis wdrożenia. 20 maja 2026 r. Exa ogłosiła rundę Series C o wartości 250 mln USD przy wycenie 2,2 mld USD [6]. Firma podała wtedy ponad 400 tys. deweloperów i ponad 5 tys. organizacji korzystających z jej wyszukiwania [6].

W tym wdrożeniu agent domyka pętlę od sygnału do sprawdzonej zmiany w kodzie. Sygnał pochodzi z rozmów i dokumentacji, wynikiem jest pull request po testach [4]. Ostatni krok, czyli zgoda na publikację, zostaje przy człowieku.

O tym, gdzie agent wchodzi w pracę dewelopera i czego nie zastępuje, piszemy w tekście Codex w data science: 2 godziny pracy w 10 minut, ale nie bez haczyka. Kontekst rynkowy uzupełnia artykuł Benchmarki AI: dlaczego Nvidia postawiła na OpenClaw zamiast kolejnego hype'u.

Jak wypadają te trzy wdrożenia w porównaniu?

Gdzie kończy się autonomia agenta?

Autonomia kończy się przy wyjątku, decyzji o pieniądzach i publikacji na zewnątrz. W każdym z trzech opisów człowiek zostaje przy zatwierdzeniu wyniku [1][4]. Agent przygotowuje materiał i dowody, ale nie odpowiada za skutek decyzji.

Ten wzorzec nazywa się human-in-the-loop i jest wspólny dla wszystkich trzech wdrożeń [2][3]. Agent wykonuje ograniczone, powtarzalne kroki. Człowiek obsługuje wyjątki, ocenia rekomendacje i kontroluje wdrożenie lub publikację [4].

Szersze dane o rynku pracy są inne niż trzy opisane wdrożenia. Według raportu Światowego Forum Ekonomicznego AI może wyprzeć 9 mln miejsc pracy w ciągu najbliższych pięciu lat, a równocześnie stworzyć około 11 mln nowych stanowisk [8]. To prognoza dla całej gospodarki, nie wynik wdrożeń Basis, Clay i Exa Labs.

Z tego zestawienia wynika praktyczna wskazówka. Wdrożenie warto mierzyć na poziomie zadania, a nie firmy. Widać wtedy, czy skrócił się czas przygotowania materiału, czy spadła liczba pominiętych sygnałów i ile razy człowiek musiał poprawić wynik agenta.

Od czego zacząć wdrożenie agenta w firmie?

Polecamy zacząć od jednego procesu, który powtarza się często, ma mierzalny wynik i jasnego właściciela. Agent powinien dostać wąski zakres uprawnień i obowiązkowy punkt kontrolny przed każdą akcją widoczną na zewnątrz [1][4].

Trzy warunki decydują o wyborze pierwszego procesu. Proces powtarza się regularnie, więc automatyzacja ma sens ekonomiczny. Wynik da się zmierzyć czasem, kosztem lub liczbą błędów. Istnieje osoba, która odpowiada za jakość i zatwierdza wynik [1].

Drugi krok to opis procedury w formie umiejętności. Lista kroków, materiały, narzędzia i definicja zakończenia wystarczą, by agent działał przewidywalnie [1]. Ten sam zapis pokazuje, gdzie proces ma luki. Basis zrobił dokładnie to z onboardingiem [1].

Trzeci krok to pilotaż z pomiarem przed i po. Porównanie czasu i liczby interwencji człowieka mówi więcej niż wrażenie z demonstracji. Jeśli proces działa, zakres można poszerzać. Jeśli nie, lepiej poprawić opis niż dokładać kolejne narzędzia.

Najczęstsze pytania

Czy Basis, Clay i Exa Labs wypuściły wspólny produkt?

Nie. Wpis OpenAI z 1 września 2026 r. opisuje trzy osobne wdrożenia w trzech firmach [1][7]. Nie ma wspólnej premiery ani wspólnego produktu. Materiał pełni rolę zestawu przykładów, z którego inne organizacje mogą brać pojedyncze rozwiązania [1].

Ile czasu naprawdę skraca onboarding w Basis?

Opisany proces pierwszego dnia skrócił się z około dwóch godzin do około 30 minut [1][4]. To wynik dla jednego, konkretnego procesu, a nie uniwersalny czas szkolenia. Źródło nie twierdzi, że nowy pracownik jest w pół godziny gotowy do samodzielnej pracy [1].

Czy agenci Clay zastępują pracę sprzedawcy?

Nie. Account Research Agents utrzymują kontekst kont, syntetyzują dane i przygotowują rekomendacje z dowodami [5]. Sprzedawca sprawdza materiał i sam decyduje, czy działać [2][3]. Agent skraca czas wejścia w kontekst, ale nie przejmuje rozmowy z klientem ani decyzji handlowej.

Co zostaje przy człowieku w tych wdrożeniach?

Przy człowieku zostają wyjątki, ocena rekomendacji i zgoda na publikację lub wdrożenie [1][4]. Agent wykonuje powtarzalne kroki i przygotowuje dowody. Ta granica jest wspólna dla wszystkich trzech opisów i wynika z ryzyka, jakie niesie samodzielna akcja na zewnątrz organizacji [2].

Czy takie wdrożenie ma sens w małej firmie?

Ma sens, gdy proces jest częsty i mierzalny. W małej firmie łatwiej wskazać właściciela procesu i szybciej widać efekt [1]. Polecamy zacząć od jednego zadania, na przykład przygotowania materiału na spotkanie, i porównać czas oraz liczbę poprawek przed wdrożeniem i po nim.

Źródła

1. How AI-native companies turn workflows into operating capability (OpenAI, 2026)
2. OpenAI shows AI agents at work (Taskinsoft, 2026)
3. AI-Native Workflows: From Agents to Execution (Xcademia, 2026)
4. AI-Native Companies Move Beyond Assistance to Automate Core Workflows (CityBiz, 2026)
5. Introducing Account Research Agents to Clay (Clay, 2026)
6. Exa Raises $250M Series C to Build the Search Engine for AIs (Exa, 2026)
7. AI-Native Workflows: How Basis, Clay, and Exa Labs Use Agents (AIToolly, 2026)
8. Jak zmienia się rola developera w świecie agentów AI (ITwiz, 2026)