22 lipca 2025 roku OpenAI ogłosiło produkt, który łamie dotychczasowy model sprzedaży tej firmy: zamiast klucza API i licencji na stanowisko, klient dostaje wdrożenie prowadzone przez inżynierów OpenAI — i nie może tego kupić samodzielnie online. To zaskakujący zwrot od firmy, która przez lata budowała wzrost na samoobsługowym dostępie do modeli. OpenAI Presence sugeruje, że nawet najbardziej zaawansowany dostawca AI doszedł do wniosku, że sama technologia już nie wystarczy — liczy się to, kto ją wdroży.
Czym jest OpenAI Presence?
OpenAI Presence to zarządzany program wdrożeniowy agentów AI dla przedsiębiorstw, dostępny od 22 lipca 2025 roku w ograniczonej dostępności ogólnej (limited general availability). Nie jest to produkt samoobsługowy — nie da się go zamówić przez panel konta ani wykupić subskrypcji online.
Każde wdrożenie prowadzą Forward Deployed Engineers (FDE) z OpenAI oraz wybrani globalni integratorzy systemów. Firma jawnie przyznaje w dokumentacji, że Presence to projekt, nie produkt — każde zaangażowanie zaczyna się od jednego, konkretnie zdefiniowanego zadania biznesowego.
Przykłady zadań startowych obejmują rozwiązywanie sporów rozliczeniowych, obsługę roszczeń ubezpieczeniowych i realizację wewnętrznych zgłoszeń IT. Agent otrzymuje wyłącznie wiedzę i dostęp do systemów niezbędny do tego jednego zadania — nie szerszy.
Jak działa wdrożenie agenta w modelu Presence?
Proces wdrożenia składa się z sześciu etapów udokumentowanych przez OpenAI w centrum pomocy. Rozpoczyna się od określenia celów biznesowych, a następnie obejmuje przeglądy bezpieczeństwa, prywatności i wymogów prawnych, symulację, testy akceptacyjne, stopniowe uruchomienie oraz iterację po starcie.
Reguły i nadzór po stronie klienta
Klient sam pisze reguły określające zakres działania agenta: kiedy może działać samodzielnie, kiedy wymaga zatwierdzenia i kiedy sprawa trafia do człowieka. Takie podejście przenosi odpowiedzialność za governance (zarządzanie) na stronę, która najlepiej zna własne procesy i regulacje.
Po uruchomieniu modelu do pracy wchodzi Codex — narzędzie OpenAI, które analizuje sesje produkcyjne i eskalacje, a następnie proponuje zmiany. Zanim jakikolwiek update trafi na produkcję, musi przejść przez testy i zatwierdzenie przez zespół klienta.
Mechanizmy kontroli jakości
Symulacje i graders (oceniające skrypty testowe) weryfikują przed startem, czy agent osiąga właściwy rezultat, przestrzega polityk, poprawnie używa narzędzi i eskaluje zgodnie z regułami. Guardrails interweniują w czasie rzeczywistym, gdy interakcja wychodzi poza zdefiniowane granice.
Pełne zapisy sesji i historii działań umożliwiają audyt. Gdy sprawa trafia do człowieka, pracownik nie dostaje zimnego logu — agent przekazuje ustrukturyzowany kontekst, który pozwala natychmiast zrozumieć sytuację.
Redakcja IWD Partner: Presence przypomina nam model, który od dekad stosują duże firmy doradcze: SAP czy Oracle też nie sprzedają jedynie licencji — sprzedają wdrożenie z konsultantami, bo bez nich oprogramowanie nie zadziała. OpenAI po raz pierwszy otwarcie przyznaje, że jej produkty osiągnęły ten poziom złożoności. Pytanie, które będzie wracać przez kolejne miesiące: czy takie podejście można kiedykolwiek skalować poza grono kilkudziesięciu największych klientów?
Dlaczego agenci AI tak często zawodzą w przedsiębiorstwach?
Gartner prognozuje, że ponad 40% projektów opartych na agentach AI zostanie anulowanych do końca 2027 roku. Analitycy firmy wskazują przy tym wprost: przyczyną nie będą słabe modele językowe, lecz problemy z governance, brak zdefiniowanej wartości biznesowej i niedostateczna dyscyplina operacyjna.
Przedsiębiorstwa przez ostatnie dwa lata zderzały się z tą samą ścianą: integracje z systemami dziedzictwa (legacy), zarządzanie uprawnieniami do danych i zarządzanie zmianą organizacyjną okazywały się trudniejsze niż sam model AI. Zbudowanie agenta potrafiącego odpowiedzieć na pytanie to jedno — sprawienie, żeby działał poprawnie w środowisku produkcyjnym banku lub towarzystwa ubezpieczeniowego, to zupełnie inne wyzwanie.
Praktycznie każdy element pakietu Presence — symulacje, kontrole bezpieczeństwa, stopniowe wdrożenie z możliwością rollbacku, eskalacja z kontekstem — odpowiada bezpośrednio na jeden z punktów tej diagnozy. OpenAI wyraźnie czytało raporty o tym, dlaczego projekty upadają, zanim zaprojektowało ten produkt.
Jakie są ograniczenia modelu Presence?
OpenAI jawnie podaje trzy kryteria kwalifikacji: dopasowanie przepływu pracy, gotowość wdrożeniowa po stronie klienta oraz dostępne moce dostarczenia usługi. Ten trzeci punkt to ograniczenie konsultingowe, a nie technologiczne.
Oprogramowanie się skaluje — inżynierowie posiadający odpowiednie poświadczenia bezpieczeństwa i wdrożeni w środowiskach kluczowych systemów bankowych już nie. Forward Deployed Engineers OpenAI to zasób ograniczony i trudny do szybkiego zwiększania. Model zakłada głębokie zaangażowanie ludzi po stronie dostawcy, co strukturalnie ogranicza liczbę równoległych wdrożeń.
Presence nie jest też produktem dla firm, które chcą eksperymentować lub budować kompetencje AI samodzielnie. Wymaga dojrzałości procesowej po stronie klienta — jasno zdefiniowanych procesów, gotowych do integracji systemów i zasobów do zatwierdzania zmian proponowanych przez Codex. Klient nieprzygotowany organizacyjnie nie przejdzie przez etap scoping.
Dlaczego podejście OpenAI Presence ma znaczenie?
Gartner szacuje, że do końca 2027 roku ponad 40% projektów agentic AI zostanie porzuconych — to oznacza ogromne straty budżetowe i utratę zaufania do technologii w sektorze enterprise. Model Presence próbuje odwrócić ten trend, oferując ramę wdrożeniową, która adresuje najczęstsze powody porażek jeszcze przed uruchomieniem produkcyjnym.
Dla rynku szerzej jest to sygnał, że era „deploy and forget” w AI dla przedsiębiorstw dobiega końca. Firmy takie jak Salesforce, Microsoft i ServiceNow od miesięcy rozbudowują własne zespoły Customer Success i Professional Services właśnie dlatego, że agent AI uruchomiony bez nadzoru przynosi więcej ryzyka niż korzyści. Obecność inżynierów OpenAI bezpośrednio w projektach klientów może też budować przewagę danych o realnych wdrożeniach — coś, czego nie da się uzyskać z syntetycznych benchmarków.
Powiązane pojęcia z AI i uczenia maszynowego
- Agentic AI — klasa systemów sztucznej inteligencji zdolnych do samodzielnego planowania i wykonywania wieloetapowych zadań bez ciągłego nadzoru człowieka.
- Forward Deployed Engineer (FDE) — inżynier osadzony bezpośrednio u klienta, odpowiedzialny za integrację, konfigurację i bieżące utrzymanie systemu w środowisku produkcyjnym.
- Governance AI — zestaw polityk, procedur i mechanizmów kontrolnych zapewniających, że system AI działa zgodnie z regułami organizacyjnymi, prawnymi i etycznymi.
- Guardrails — mechanizmy ograniczające działanie modelu AI do zdefiniowanego zakresu tematycznego lub funkcjonalnego, interweniujące w czasie rzeczywistym przy próbie wyjścia poza granice.
- Rollback — procedura automatycznego lub ręcznego cofnięcia wdrożonej wersji systemu do poprzedniego, stabilnego stanu w przypadku wykrycia błędów lub nieprawidłowego działania.
Na podstawie materiałów źródłowych.
