Agent AI wie, co znalazł. Czy wie, skąd to wziął?

Agenty AI działające przez protokół MCP (Model Context Protocol) potrafią jednocześnie sięgać do dziesiątek źródeł: wewnętrznej bazy danych, zewnętrznego API, firmowego wiki, publicznego rejestru, strony zapisanej w cache miesiąc temu. I tu pojawia się problem, który większość wdrożeń po prostu ignoruje. Ten sam fakt może pojawić się w pięciu miejscach jednocześnie i mieć pięć różnych poziomów wiarygodności. Agent, który sprawdza tylko, czy informacja jest spójna, a nie, skąd pochodzi, daje złudne poczucie bezpieczeństwa.

Weryfikacja źródłowa (ang. source-aware verification) to podejście, w którym agent nie pyta wyłącznie "czy ta liczba się zgadza?", ale też "z którego źródła to pochodzi i czy temu źródłu ufam w tym kontekście?". Brzmi jak szczegół techniczny. W praktyce to różnica między systemem, który działa, a systemem, który sprawia tylko wrażenie, że działa.

Co to oznacza dla polskich firm (sprzedaż, obsługa klienta, księgowość, HR, marketing, operacje)

Sprzedaż i obsługa klienta. Handlowiec, który pyta agenta o aktualny cennik lub warunki umowy, dostaje odpowiedź. Skąd agent wziął tę odpowiedź? Z aktualnego dokumentu w ERP czy z prezentacji sprzed roku, która akurat leżała w podpiętym folderze? Bez śledzenia źródeł firma tego nie wie. Oferty trafiające do klientów mogą zawierać nieaktualne dane, a reklamacja przychodzi tygodnie później.

Księgowość i podatki. To chyba najbardziej wrażliwy obszar. Agent weryfikujący faktury lub sprawdzający stawki VAT musi pobierać dane z autoryzowanego, aktualnego źródła. Cached odpowiedź sprzed kwartału albo informacja z nieoficjalnego podsumowania regulacji to nie jest weryfikacja. To złudzenie weryfikacji. Przy KSeF i e-fakturach wchodzących w życie od początku 2027 roku ten błąd może mieć bezpośrednie konsekwencje finansowe.

HR i operacje. Agenty pomagające w rekrutacji, onboardingu czy planowaniu zmian ciągną dane o pracownikach, regulaminach, stawkach. Kiedy regulamin się zmienił, a stara wersja nadal jest dostępna w podpiętym katalogu, agent nie wie, której wersji ufać, jeśli nie rozróżnia wagi źródeł. W regulowanych branżach, np. w finansach czy ochronie zdrowia, traceability decyzji nie jest miłym dodatkiem. Jest wymogiem.

Co warto zrobić już teraz:

• Przy konfiguracji agentów MCP wyraźnie oznaczać, które narzędzia i źródła są "autorytatywne" dla danego typu pytania, a które tylko pomocnicze.
• Logować proweniencję danych w workflow agentów, nie tylko końcowy wynik. To podstawa audytu.
• Regularnie sprawdzać, co faktycznie "widzi" agent w swoich narzędziach. Stare pliki, nieaktualne API, wycofane dokumenty. Wiele firm podpina źródła raz i zapomina o ich aktualności.

Samo sprawdzenie, czy odpowiedź brzmi sensownie, nie wystarczy. Modele językowe są bardzo dobre w generowaniu odpowiedzi, które brzmią pewnie niezależnie od jakości danych wejściowych. Źródło robi różnicę i warto to wprost wbudować w architekturę agenta, zanim trafi do produkcji.

Jeśli chcesz sprawdzić, jak agenty AI działają w Twojej firmie i czy rzeczywiście sięgają po właściwe dane, umów się na bezpłatny audyt.