«Retroaktywna architektura» — nowe pojęcie w świecie IT?

Dziś każdy wdraża AI. Agentów, asystentów, automatyzacje. Jedne w formie pliku markdown z promptem systemowym. Inne jako GPTs w OpenAI. Jeszcze inne jako własne pipeline'y podpięte do wewnętrznych systemów przez API.
Brzmi jak plan. W praktyce wygląda inaczej.

Dział sprzedaży skonfigurował swojego asystenta trzy miesiące temu. Dział obsługi klienta ma innego, postawionego przez zewnętrzną firmę. IT uruchomiło pipeline na dokumenty, który „działa, ale nikt nie wie jak dokładnie". Ktoś w marketingu używa GPT z instrukcją wklejoną w pole systemowe, bez dokumentacji, bez właściciela.

Nikt nie wie, co mają. Nikt nie wie, co się dubluje. Nikt nie potrafi odpowiedzieć na najprostsze pytanie: jakie zasoby AI działają dziś w tej organizacji?

To jest moment, który już znamy

Dokładnie tak wyglądały wczesne lata ERP. Każdy dział miał swój arkusz Excel, swoją bazę Access, swój sposób na to samo zadanie. Dane były wszędzie i nigdzie. Dopiero gdy koszty koordynacji stały się większe niż koszt porządku, organizacje zaczęły budować strukturę.

Z AI jesteśmy w tym samym miejscu. Tylko że tempo jest dziesięć razy wyższe.

Architektura zwykle poprzedza system

Tak uczy się projektowania. Najpierw schemat, potem budowa. Najpierw kontrakt, potem integracja.

Większość organizacji nie miała czasu na ten luksus. Wdrożenia szły za presją rynku, za pilotami, za „sprawdźmy co z tego wyniknie". System wyrósł bez planu.

To co masz dziś w swojej organizacji nie jest architekturą. Jest środowiskiem zastanym.

Dla takich środowisk brakuje słowa. Brakuje metody. Brakuje narzędzia, które odpowie na pytanie: co faktycznie tu mamy i jak to działa?

Retroaktywna architektura to nie cofanie się. To rekonstrukcja logiki z działającego systemu. Nie pytasz, jak powinno być. Pytasz, jak jest i dlaczego tak jest — a dopiero potem decydujesz, co zmienić.

To bliższe archeologii niż projektowaniu.

Co to oznacza dla agentów AI

Kiedy zatrudniasz człowieka, wpisujesz go do systemu. Masz stanowisko, zakres obowiązków, kompetencje, przełożonego, status.

Kiedy wdrażasz agenta AI, nie masz nic z tego.

Masz narzędzie. Może działać. Może nie. Ktoś to skonfigurował sześć miesięcy temu. Ta osoba już nie pracuje w firmie.

Organizacje budują flotę agentów bez żadnej struktury zarządczej. Jeden dział kupuje Copilota. Drugi buduje własny pipeline na GPT-4o. Trzeci używa Make.com do automatyzacji maili. Nikt nie wie, co się dubluje, co jest aktywne, co działa poza jakimkolwiek nadzorem.

To nie jest problem techniczny. To problem organizacyjny, który nie ma jeszcze nazwy.

Nie ma inwentarza. Nie ma języka. Nie ma miejsca, gdzie COO mógłby zapytać: jakie mamy zasoby AI na ten proces?

Zaczęliśmy szukać nazwy dla tego, czego brakuje.

Nazwaliśmy go

AIRS — AI Repository of Skills.

System, który ewidencjonuje nie narzędzia, ale kompetencje. Nie „mamy chatbota", ale „mamy agenta, który umie: czytać faktury w formacie X, eskalować do działu Y przy warunku Z, działać w kontekście systemu ERP Comarch".

Każdy agent ma sześć atrybutów:

• Agent — kto: nazwa, model, właściciel po stronie biznesowej.
• Skills — co potrafi: konkretne zadania, nie kategorie.
• Context — gdzie działa: ERP, CRM, WMS, zewnętrzne API.
• Constraints — czego nie robi; kiedy eskaluje do człowieka.
• Owner — kto odpowiada operacyjnie, nie technicznie.
• Status — aktywny, w testach, wycofany.

To bliższe katalogowi zasobów operacyjnych niż rejestrowi IT. I właśnie dlatego nie istnieje jeszcze jako standard — IT myśli o agentach jak o infrastrukturze, operacje nie mają języka, żeby ich nazwać. AIRS daje ten język.

Dlaczego to ważne teraz

Inwentarz agentów zbudowany dziś kosztuje ułamek audytu przeprowadzonego po fakcie.

Jeśli Twoja organizacja wdraża AI i nikt nie potrafi odpowiedzieć na pytanie jakie mamy zasoby AI na ten proces — brakuje Ci właśnie tego.

W kolejnym wpisie: dlaczego HRMS robi dla ludzi to, czego nikt jeszcze nie robi dla agentów — i jak wygląda model ewidencji który to zmienia.

AIRS — AI Repository of Skills →

Zacznij od jednego pytania: ile agentów AI działa dziś w Twojej firmie i kto za każdego z nich odpowiada operacyjnie? Jeśli odpowiedź jest trudna — porozmawiajmy.