---
title: "Agent AI do analizy danych: pytania o sprzedaż bez SQL"
url: "https://szymonlakomy.pl/agent-ai-do-analizy-danych"
description: "Agent AI do analizy danych odpowiada po polsku na pytania o sprzedaż i marżę z danych sklepu, CRM lub ERP i pokazuje zapytanie. Od około 1200 zł netto."
updated: "2026-11-12"
author: "Szymon Łakomy"
language: "pl"
---

[Strona główna](https://szymonlakomy.pl/) [Agenci AI dla firm](https://szymonlakomy.pl/agenci-ai) Agent AI do analizy danych

# Agent AI do analizy danych firmy: pytasz po polsku, dostajesz liczby i zapytanie

Dashboard i raport odpowiadają na pytania, które ktoś przewidział. Agent do analizy danych jest od pozostałych: od pytania zadanego po polsku we wtorek rano, na które dziś ktoś odpowiada, eksportując dane do arkusza i licząc je ręcznie.

Autor: [Szymon Łakomy](https://szymonlakomy.pl/o-mnie). Aktualizacja: 12 listopada 2026

Agent AI do analizy danych odpowiada po polsku na pytania w rodzaju „która grupa towarów straciła marżę w październiku”. Korzysta z danych sklepu, CRM albo ERP, a w odpowiedzi pokazuje liczby, użyte zapytanie i źródło, więc wynik da się sprawdzić. Do bazy ma dostęp **tylko do odczytu**. Agent na jednym źródle danych kosztuje **od około 1200 zł netto**, kilka systemów wyceniam po rozmowie.

## Jak agent odpowiada na pytanie o dane firmy?

Model językowy nie liczy marży w pamięci. Jego zadaniem jest zrozumieć pytanie i zamienić je na zapytanie do bazy, a liczby wylicza baza danych. Przebieg wygląda tak:

1. Pracownik pyta w czacie, na przykład w Teams albo w panelu firmy, które produkty sprzedawały się w tym kwartale gorzej niż rok wcześniej.
2. Agent sprawdza w słowniku pojęć firmy, co znaczą słowa z pytania: czy „sprzedaż” to przychód netto, czy liczba sztuk, i od którego dnia liczy się kwartał.
3. Gdy pytanie da się zrozumieć na dwa sposoby, dopytuje, zamiast zgadywać. Na przykład: marża przed kosztem wysyłki czy po nim.
4. Buduje zapytanie do widoków przygotowanych dla agenta, a nie do tabel programu.
5. Kod sprawdza zapytanie: tylko odczyt, tylko dozwolone widoki, limit wierszy i czasu. Dopiero potem je uruchamia.
6. Odpowiedź zawiera liczby, krótki komentarz, wykres, treść zapytania, nazwę źródła i datę ostatniego odświeżenia danych.

Od [dashboardów i raportów](https://szymonlakomy.pl/analiza-danych) różni się tym, że nie trzeba z góry wiedzieć, o co ktoś zapyta. Zestawienia, które mają przychodzić same co tydzień, nadal lepiej zrobić jako [automatyzację raportów](https://szymonlakomy.pl/automatyzacja-raportow-dla-zarzadu). Wszystkie trzy mogą korzystać z tych samych widoków i definicji, dzięki czemu liczby w czacie i w raporcie się zgadzają.

## Co stoi między modelem a bazą danych

| Element | Po co | Jak to robię |
| --- | --- | --- |
| Widoki albo kopia tylko do odczytu | agent nie dotyka bazy produkcyjnej i nie spowalnia programu, w którym pracuje zespół | osobne konto w bazie z prawem tylko do odczytu, kopia odświeżana w nocy albo co godzinę |
| Słownik pojęć firmy | marża, przychód netto i aktywny klient znaczą w firmie jedną rzecz | spisany z osobą od finansów, z historią zmian |
| Zatwierdzone miary | ta sama liczba w czacie i w raporcie dla zarządu | definicje miar zapisane w widokach, agent je wybiera, zamiast liczyć po swojemu |
| Walidacja zapytania | model może napisać zapytanie błędne albo groźne | sprawdzenie w kodzie: tylko odczyt, lista dozwolonych widoków, parametry zamiast doklejania tekstu |
| Limit czasu i wierszy | jedno pytanie nie zablokuje serwera | przerwanie zbyt długiego zapytania i wynik zagregowany zamiast surowych tabel |
| Uprawnienia użytkownika | handlowiec nie widzi marży całej firmy, jeśli nie powinien | filtr według roli w widokach, a nie prośba w instrukcji dla modelu |
| Dziennik pytań | wiadomo, kto o co pytał i co dostał | zapis pytania, zapytania, czasu i liczby zwróconych wierszy |

Uprawnienia egzekwują baza danych i kod. Instrukcja dla modelu w rodzaju „nie pokazuj marży” nie jest zabezpieczeniem, bo sprytnie sformułowane pytanie potrafi ją obejść.

## Subiekt, Optima, enova365: skąd agent bierze dane

W wielu polskich firmach dane o sprzedaży i marży leżą w programie handlowo-magazynowym albo w ERP. Agenta nie podłączam do tabel producenta. Przygotowuję widoki albo kopię tylko do odczytu, w zakresie, na który pozwala licencja, i w uzgodnieniu z osobą lub partnerem, który utrzymuje system. Zapis czegokolwiek wprost do bazy producenta nie wchodzi w grę. Jeśli rozmowa z agentem ma skończyć się utworzeniem dokumentu, idzie to przez oficjalny interfejs, tak jak przy zwykłej integracji.

Drogi dostępu do danych opisuję osobno dla każdego programu: [integracja Subiekta](https://szymonlakomy.pl/integracja-subiekt), [integracja Comarch Optima](https://szymonlakomy.pl/integracja-comarch-optima) i [integracja enova365](https://szymonlakomy.pl/integracja-enova365). W sklepach źródłem są zwykle zamówienia z platformy sprzedażowej i koszty z innych systemów. Pytania o zysk na zamówieniu korzystają z tych samych danych co raport [rentowności zamówień](https://szymonlakomy.pl/rentownosc-zamowien-w-sklepie), a pytania o stany i braki z danych [dashboardu magazynowego](https://szymonlakomy.pl/dashboard-magazynowy).

## Jakie ryzyka opisuje OWASP i jak je ograniczam?

Lista OWASP Top 10 dla aplikacji z modelami językowymi z 2025 roku ma dwie pozycje, które przy takim agencie liczą się najbardziej. Pierwsza to niewłaściwa obsługa odpowiedzi modelu (LLM05): wynik modelu trafia do innego systemu bez sprawdzenia. OWASP podaje przykład zapytania SQL wygenerowanego przez model i uruchomionego bez parametryzacji, co kończy się wstrzyknięciem SQL. Druga to nadmierna autonomia (LLM06), której przyczyną według OWASP bywa nadmiar funkcji, zbyt szerokie uprawnienia albo zbyt duża samodzielność agenta.

- Zapytanie od modelu traktuję jak tekst od nieznanej osoby: walidacja, tylko odczyt, parametry.
- Konto agenta w bazie widzi tylko widoki przygotowane do analizy, bez tabel, których nikt nie powinien przeglądać w czacie.
- Agent nie wysyła wyników na zewnątrz i niczego nie zapisuje. Odpowiada tylko osobie, która pyta.
- Treść z bazy, na przykład notatka klienta albo opis produktu, może zawierać ukryte polecenie. Tak działa [prompt injection](https://szymonlakomy.pl/prompt-injection), dlatego wynik zapytania jest dla modelu materiałem, a nie instrukcją.

## Agent SQL w n8n czy własny kod?

W n8n tryb SQL Agent w węźle AI Agent jest przestarzały od wersji 1.82. Według listy zmian niekompatybilnych w n8n 3.0 znika razem z pierwszą wersją węzła, a jako zamiennik n8n wskazuje narzędzie Postgres albo MySQL podpięte do aktualnego węzła agenta. Starszy przepływ z trybem SQL Agent trzeba więc przenieść przed aktualizacją do wersji 3.0. Narzędzie łączę z bazą przez konto tylko do odczytu, które widzi wyłącznie widoki przygotowane dla agenta. Gdy zapytanie trzeba sprawdzić przed uruchomieniem, zamiast samego narzędzia podpinam osobny przepływ, który je weryfikuje i dopiero potem wykonuje.

Gdy źródeł jest kilka, użytkownicy mają różne uprawnienia, a odpowiedzi mają trafiać do panelu z wykresami i historią pytań, piszę agenta w Pythonie i Django, z interfejsem w React. Przed startem porównuję odpowiedzi agenta z istniejącymi raportami na kilkunastu pytaniach, które zarząd zadaje najczęściej. Rozbieżność zwykle oznacza różnicę w definicji, którą poprawia się w słowniku, a nie w modelu.

## Źródła

Opis opieram na poniższych źródłach. Przepisy, dokumentacja producentów i warunki usług się zmieniają, więc szczegóły warto sprawdzić u źródła:

- [LLM05:2025 Improper Output Handling](https://genai.owasp.org/llmrisk/llm052025-improper-output-handling/) (OWASP Gen AI Security Project)
- [LLM06:2025 Excessive Agency](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/) (OWASP Gen AI Security Project)
- [AI Agent node](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent) (n8n)
- [SQL Agent](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/sql-agent) (n8n)
- [v3.0 Breaking changes](https://docs.n8n.io/changelog/v30-breaking-changes) (n8n)

## Najczęstsze pytania

### Czy agent może pomylić się w liczbach?

Liczby wylicza baza danych, więc pomyłka w samym rachunku jest mało prawdopodobna. Agent może natomiast źle zrozumieć pytanie albo wybrać niewłaściwą miarę. Dlatego pokazuje użyte zapytanie i źródło, korzysta z zatwierdzonych definicji, a przy niejasnym pytaniu dopytuje.

### Czy dane firmy trafiają do dostawcy modelu?

Model widzi pytanie, opis struktury widoków i wynik, który ma omówić. Ograniczam liczbę wierszy, pokazuję sumy zamiast surowych danych i pomijam dane osobowe, gdy pytanie ich nie wymaga. Można też wybrać przetwarzanie w UE, opisane na stronie [modele AI z danymi w UE](https://szymonlakomy.pl/modele-ai-z-danymi-w-ue). To nie jest porada prawna.

### Czy pracownik zobaczy dane, do których nie ma dostępu?

Nie, jeśli uprawnienia są ustawione w bazie i w widokach według roli. Agent działa w imieniu pytającego i widzi tylko to, co ta osoba. Sama prośba w instrukcji dla modelu nie wystarcza, bo da się ją obejść.

### Ile kosztuje agent AI do analizy danych?

Agent na jednym źródle danych, na przykład kopii bazy sklepu albo jednym programie ERP, kosztuje od około 1200 zł netto. Kilka systemów, panel z uprawnieniami i historią pytań wyceniam po rozmowie. Za użycie modelu płacisz osobno, a szacunek policzysz w [kalkulatorze kosztów API AI](https://szymonlakomy.pl/kalkulator-kosztow-api-ai).

### Czy do takiego agenta potrzebna jest hurtownia danych?

Na początek nie. Wystarczy jedno źródło i kilka dobrze opisanych widoków. Gdy pytania zaczynają łączyć sklep, ERP i CRM, naturalnym krokiem jest wspólna baza do analiz zasilana integracją, z której agent korzysta tak samo jak dashboardy.

## Powiązane strony

- [Analiza danych](https://szymonlakomy.pl/analiza-danych)
- [Automatyzacja raportów dla zarządu](https://szymonlakomy.pl/automatyzacja-raportow-dla-zarzadu)
- [Integracja Subiekt GT i Subiekt nexo](https://szymonlakomy.pl/integracja-subiekt)
- [Integracja Comarch ERP Optima](https://szymonlakomy.pl/integracja-comarch-optima)
- [Integracja enova365](https://szymonlakomy.pl/integracja-enova365)
- [Dashboard magazynowy](https://szymonlakomy.pl/dashboard-magazynowy)
- [Prompt injection](https://szymonlakomy.pl/prompt-injection)
- [Rentowność zamówień w sklepie](https://szymonlakomy.pl/rentownosc-zamowien-w-sklepie)

## Masz pytania do danych, na które raporty nie odpowiadają?

Napisz, w jakim programie są dane i jakie trzy pytania zadajesz najczęściej. Sprawdzę, czy da się je obsłużyć z jednego źródła i co trzeba przygotować po stronie bazy.

[Bezpłatna wycena](https://szymonlakomy.pl/kontakt?temat=ai) [697 322 226](tel:697322226) [LinkedIn](https://www.linkedin.com/in/szymon-%C5%82akomy-7a1192361/)
