Agent AI sterujący komputerem: Claude 3.5 Sonnet i n8n otwierają nową erę automatyzacji bez API

Większość właścicieli małych i średnich firm w Polsce kojarzy automatyzację z układaniem klocków: łączymy system CRM z Gmailem, a sklep internetowy z programem księgowym. Warunek jest jeden – oba narzędzia muszą posiadać tzw. API (interfejs programistyczny). Niestety, w polskich realiach biznesowych wciąż królują systemy „zamknięte” – stare programy magazynowe, niszowe portale branżowe czy aplikacje desktopowe bez możliwości integracji. Do niedawna jedynym rozwiązaniem było ręczne przepisywanie danych lub inwestycja w drogie systemy RPA (Robotic Process Automation). To się właśnie zmieniło.

Claude 3.5 Sonnet z funkcją „Computer Use”: AI, które klika za Ciebie

22 października 2024 roku firma Anthropic ogłosiła przełomową aktualizację modelu Claude 3.5 Sonnet, wprowadzając funkcję o nazwie „computer use” (z ang. używanie komputera). Jak podaje oficjalny komunikat producenta, model ten jako pierwszy na rynku potrafi w czasie rzeczywistym interpretować zawartość ekranu komputera, poruszać kursorem, klikać przyciski i wpisywać tekst tak, jak robi to człowiek. Zamiast sztywnego kodu integracyjnego, AI „patrzy” na interfejs dowolnej aplikacji i wykonuje w niej zadane instrukcje, co otwiera zupełnie nowe możliwości w ekosystemie narzędzi takich jak n8n.

Co to realnie zmienia dla małej firmy? Koniec bariery braku API

Dla sektora MŚP ta nowość to przede wszystkim drastyczne obniżenie progu wejścia w zaawansowaną automatyzację. Według raportu McKinsey & Company, generatywna sztuczna inteligencja ma potencjał, by zautomatyzować zadania zajmujące obecnie od 60% do 70% czasu pracy pracowników. Wcześniej przeszkodą były koszty wdrożenia – stworzenie dedykowanego „mostu” między systemami kosztowało dziesiątki tysięcy złotych.

Realne korzyści dla właściciela firmy obejmują:

• Redukcja kosztów obsługi systemów legacy: Możesz zautomatyzować stary program księgowy lub CRM, który nie był aktualizowany od lat i nie posiada API, bez konieczności jego wymiany.
• Oszczędność czasu: Procesy, które wymagały ręcznego logowania się do portali zewnętrznych (np. sprawdzanie statusów przesyłek u wielu kurierów naraz), mogą być teraz wykonywane przez agenta AI w tle.
• Elastyczność: Agent nie potrzebuje instrukcji dla każdego kliknięcia – rozumie komendę „znajdź fakturę od firmy X i pobierz ją do folderu”, nawet jeśli układ strony internetowej lekko się zmienił.
• Skalowalność: Jeden agent n8n wykorzystujący model Claude może obsługiwać procesy, do których wcześniej potrzebowałbyś kilku etatowych pracowników wykonujących żmudne kopiuj-wklej.

Warto zwrócić uwagę na liczby. Według Gartnera, do 2028 roku aż 33% aplikacji biznesowych będzie zawierało agentyczne funkcje AI, które będą podejmować autonomiczne decyzje w imieniu użytkownika. Funkcja „computer use” sprawia, że mała firma z Polski może wdrożyć te rozwiązania już dzisiaj, nie czekając na wielomilionowe budżety korporacyjne.

Jak wykorzystać agenta sterującego komputerem w n8n? Scenariusze i liczby

Platforma n8n idealnie nadaje się do roli dyrygenta (orchestratora), który zarządza pracą agenta AI. Scenariusz „Computer Use” różni się od klasycznej automatyzacji tym, że zamiast wysyłać zapytanie do bazy danych, n8n uruchamia kontener z przeglądarką lub pulpitem, do którego Claude ma dostęp przez API. Poniższa tabela przedstawia porównanie tradycyjnej automatyzacji, pracy ludzkiej oraz nowej generacji agentów AI:

Praktyczny przykład wdrożenia: Wyobraźmy sobie firmę transportową, która codziennie musi logować się do trzech różnych giełd transportowych, które nie udostępniają API. W n8n tworzymy scenariusz, który:

1. Wyzwalany jest co 15 minut (Trigger).
2. Uruchamia węzeł AI Agent połączony z modelem Claude 3.5 Sonnet.
3. Agent otrzymuje instrukcję: „Wejdź na stronę giełdy X, zaloguj się danymi z sejfu n8n, wyszukaj zlecenia na trasie Warszawa-Berlin dla aut 3.5t, skopiuj dane do arkusza Google Sheets i powiadom mnie na Slacku, jeśli cena przekracza 2000 zł”.
4. Model wykonuje screeny, decyduje gdzie kliknąć, przepisuje dane i kończy proces.

Koszt takiej operacji? Przy obecnych cenach API Anthropic, pojedyncze sprawdzenie giełdy przez agenta to koszt rzędu 0,20 - 0,80 PLN (zależnie od liczby kroków/screenshotów). W skali miesiąca koszt technologii jest ułamkiem kosztu pracy pracownika, który musiałby to robić ręcznie, odrywając się od ważniejszych zadań sprzedażowych.

Należy jednak pamiętać o ryzykach. Funkcja ta jest obecnie w fazie public beta. Anthropic otwarcie przyznaje, że model może popełniać błędy przy precyzyjnym klikaniu w małe elementy interfejsu (np. suwaki). Dlatego w n8n kluczowe jest stosowanie tzw. „human-in-the-loop” – automatyzacja wykonuje 90% pracy, a człowiek jedynie zatwierdza krytyczne akcje, np. ostateczne wysłanie przelewu czy zatwierdzenie zamówienia.

Podsumowanie

Wejście funkcji „computer use” do Claude 3.5 Sonnet to moment zwrotny. Automatyzacja przestaje być ograniczona przez programistów i dostępność API, a zaczyna zależeć wyłącznie od tego, czy dany proces da się logicznie opisać i wykonać na ekranie monitora. Dla małej firmy oznacza to możliwość cyfryzacji procesów, które dotychczas wydawały się „nieautomatyzowalne”.

Moja rekomendacja: Jeśli w Twojej firmie pracownicy spędzają więcej niż 2 godziny dziennie na przepisywaniu danych między systemami, które „ze sobą nie rozmawiają”, przetestuj agenta AI w n8n. Zacznij od małego, powtarzalnego procesu, który nie jest krytyczny dla bezpieczeństwa finansowego, aby bezpiecznie sprawdzić potencjał nowej technologii Anthropic.