Home · AI Marketing Agent

Agent AI, który podejmuje decyzje dla całego stacku marketingowego.

AI Marketing Agent to autonomiczny system, który codziennie czyta dane z całego Twojego stacku marketingowego - reklamy, analityka, sklep, newsletter, skrzynka - łączy je w jeden obraz biznesu i podejmuje decyzje dla wszystkich kanałów, nie tylko dla reklam.

Jeśli chcesz zautomatyzować przede wszystkim prowadzenie kampanii reklamowych - zobacz AI Ads Agent, węższe i tańsze wdrożenie tej samej architektury.

Setupod 6 000 zł netto (Observer)
Wdrożenie6–10 tygodni
Źródła danychminimum 2, typowo 6+
Egzekucja reklamMeta · Google Ads · TikTok · LinkedIn · X
Porozmawiajmy o agencie →
/marketing-agent · daily-synthesis
running
/marketing-agent daily-run --workspace=client_xyz
// Cron 07:00 Europe/Warsaw · guardrails: loaded · 7 sources
Pobieram dane z 7 źródeł równolegle...
GET /meta/act_xxx/insights?date=yesterday → 312 rec
GET /google-ads/customers/xxx/campaigns → 14 kamp.
GET /ga4/properties/G-XXXX:runReport → 7 dni
GET /searchconsole/sites/xxx/queries → 14 dni
GET /shopify/orders.json?status=any → 89 zam.
GET /newsletter/api/campaigns → 4 wysyłki
GET /gmail/messages?label=INBOX/clients → 18 nowych
Łączę sygnały cross-source...
[GA4] konwersja z Meta -18% w segmencie B2B PL
[GSC] „ai marketing automation" +47% MoM
[SHOP] LTV 90d klientów z newslettera = 2.3× wyższe
[GMAIL] 12× pytanie „ile to kosztuje?" w odp. do oferty
Generuję rekomendacje na dziś...
→ Przesunąć 25% budżetu Meta → SEO content (5 art.)
→ Zwiększyć send rate newslettera 1×/tydz → 2×/tydz
→ Brief nowej kreacji UGC: hero objection „cena"
Czekam na akceptację · /approve | /skip | /modify
→ 7 zmian: SHIFT-BUDGET 1 · NEW-CAMP 2 · BRIEF 3 · NEWSLETTER 1
Claude Opus 4.8 · Agent SDK Guardrails: aktywne
Wybrane marki, z którymi pracowałem
Huddled Group Szkoły Partnerskie Viessmann iCentrum UKEN DDW Display Holika Holika Colfarm
01 - Co konkretnie robi

Jakie operacje agent wykonuje codziennie?

Nazwy narzędzi w poniższych przykładach (Meta Ads, Google Ads, GA4, Shopify itd.) to typowy stack e-commerce/B2B. Twój stack może wyglądać inaczej - podpinam każde narzędzie z publicznym API, na którym pracujecie.

01
Codzienna synteza danych z całego Waszego stacku
Agent o ustalonej godzinie (np. 7:00, przed Twoją kawą) pobiera dane z każdego podpiętego źródła: Meta Ads, Google Ads, GA4, Search Console, sklep (Shopify/WooCommerce/BaseLinker), newsletter, Gmail/Outlook. Łączy je w jeden obraz biznesu i pokazuje co się zmieniło względem wczoraj/tygodnia.
/ Przykładowe API calls
GET/ga4/{property}/runReport
GET/searchconsole/sites/{site}/queries
GET/shopify/orders.json?status=any
→ 7 źródeł równolegle, w 30–90 sekund
02
Detekcja anomalii cross-source
Anomalie to nie „CTR spadł". Agent łączy sygnały z wielu źródeł i pokazuje korelacje: spadek CTR Meta + spadek pozycji w GSC = problem z marką, nie z kreacją. Spadek konwersji w GA4 + brak zmian w Meta = problem na stronie. Spadek PSI + spadek pozycji = SEO za chwilę zaboli.
/ Przykład
[ALERT] Meta CTR -12% + GSC „brand" -8% + GA4 direct -15%
→ Korelacja sugeruje spadek brand awareness, nie problem reklamy
03
Rekomendacje budżetowe między kanałami
Każda firma ma kilka kanałów. Agent codziennie liczy realny koszt pozyskania klienta z każdego źródła (Meta, Google Ads, SEO content, newsletter), porównuje z LTV w sklepie i rekomenduje gdzie dolewać, gdzie ciąć. To nie jest „optymalizacja Meta" - to optymalizacja PORTFELA kanałów.
/ Output rekomendacji
SHIFT-BUDGET: Meta cold -25%, Google Ads brand +40%
→ Uzasadnienie + linki do źródłowych danych
04
Brief nowych kreacji oparty na sygnale, nie intuicji
Brief reklamy nie powstaje z kapelusza. Agent czyta jakie pytania klienci zadają w mailach (Gmail), jakie objections są najczęstsze, jakie zapytania rosną w GSC, jakie produkty rosną w sklepie. Wygenerowany brief jest oparty na danych, a nie „wydaje mi się że ten kąt zadziała".
/ Output briefu
BRIEF: hero objection „cena" - 12× w mailach + 47% MoM w GSC
→ Konkretny brief gotowy do produkcji UGC
05
Codzienny raport w Slacku/e-mailu z rekomendacjami i szybką decyzją
Każda rekomendacja ma uzasadnienie + linki do źródłowych danych. Akceptujesz 1 kliknięciem (`/approve`), odrzucasz (`/skip`), modyfikujesz (`/modify`). Na Observerze zaakceptowane rekomendacje wdrażasz sam; od tieru 02 agent robi to za Ciebie. Nie musisz rano logować się do każdego panelu z osobna. Wszystko w jednym miejscu.
/ Integracje raportowania
Slack · MS Teams · Notion · Email · Discord
→ Raport po każdym uruchomieniu agenta
06
Audit trail w CRM/Notion/Sheets
Każda decyzja jaką agent podjął lub zarekomendował ląduje w Twoim systemie (Notion, Airtable, Google Sheets, dowolny CRM z REST API). Po 3 miesiącach masz pełen log: co agent zaproponował, co zaakceptowałeś, co dało wynik. Baza do retrospektyw i kalibracji.
/ Integracje audit trail
Notion · Airtable · Google Sheets · HubSpot · Pipedrive
→ Pełna historia decyzji, dostępna dla zespołu
07
Research na żądanie - z cytowaniami źródeł
Kiedy dane pokazują coś nowego (konkurent tnie ceny, nowy segment rośnie), agent uruchamia pogłębiony research rynkowy - z wyszukiwaniem w sieci i cytowaniami źródeł - i dołącza wnioski do raportu. To ten sam silnik, którym przygotowuję analizy rynków pod oferty.
/ Silnik researchu
Wyszukiwanie z groundingiem · cytowania źródeł · deep research
→ Wnioski z linkami do źródeł, nie „domysły modelu"
08
Monitoring strony i SEO
Agent pilnuje też fundamentu: Search Console (anomalie indeksacji, spadki zapytań, nowe błędy) i szybkości strony (PageSpeed). Spadek ruchu organicznego to często problem techniczny, nie marketingowy - agent wykrywa go zanim zobaczysz dziurę w przychodach.
/ Przykładowe API calls
GET/searchconsole/searchAnalytics/query
GET/pagespeedonline/v5/runPagespeed
→ Zdrowie organiczne i techniczne strony w tym samym raporcie
02 - Kontekst → Decyzja → Egzekucja

Decyzje agenta opierają się na danych z całego stacku, a nie tylko z jednego lub dwóch kanałów.

Najczęstszy błąd dzisiejszych „AI marketing tools": każdy patrzy tylko na swój kawałek (Meta lub Google lub GA4 lub newsletter). Decyzje są lokalnie poprawne, ale globalnie ślepe. Mój agent ma do dyspozycji cały kontekst biznesowy - reklamy, ruch, sprzedaż, mailowe pytania, trendy w Google, kondycję strony.

Te dane zmieniają konkretne decyzje - co wyłączyć, co skalować, jak rozdysponować budżet, o czym pisać następny artykuł, kiedy wysłać newsletter. Pięć przykładów różnicy między agentem który widzi tylko jeden kanał, a tym który łączy źródła.

/ Schemat decyzji — przykłady hipotetyczne

Liczby (CAC, LTV, % zmian) ilustrują mechanikę decyzji agenta, nie są to wyniki konkretnych klientów. Pokazują różnicę między decyzją z jednego kanału a decyzją z kontekstem cross-source.

01 / Cross-source detection z praktyki · zanonimizowane
Kampania optymalizowała się na zdarzenie, które nie istniało - 1 570 zł miesięcznie w błoto.
Kontekst agenta
Platforma reklamowa: aktywna kampania leadowa, optymalizacja na zdarzenie „Kontakt" Tagi (GTM): po migracji strony klienta zdarzenie „Kontakt" przestało się wyzwalać Panel: wydatki idą, konwersji 0 - wygląda jak „słaba kampania" Strona: nowe zdarzenia konwersji działają, ale kampania ich nie widzi
Decyzja widoczna z samego panelu
„Kampania nie działa - wymienić kreacje, podnieść budżet"
Z poziomu panelu widać tylko zero konwersji. Naturalny odruch: poprawiać kreacje i targetowanie - czyli leczyć objaw, nie przyczynę.
Decyzja agenta łączącego źródła
Przepiąć optymalizację na żywe zdarzenie konwersji
Agent skrzyżował konfigurację tagów na stronie z ustawieniami kampanii: optymalizacja wskazywała zdarzenie martwe od migracji. Kampania paliła 1 570 zł miesięcznie ucząc się na sygnale, który nigdy nie nadchodził.
→ Wykryte w pierwszym audycie przez API - z poziomu samego panelu reklamowego ta przyczyna była niewidoczna.
02 / Cross-channel attribution przykład hipotetyczny
Meta wygląda na nieopłacalną - ale to ona przyciąga najwyższe LTV.
Kontekst agenta
Meta: CAC 95 zł (powyżej limitu 60 zł) GA4: klienci pierwsze zetknięcie z marką = Meta, finalna konwersja przez Google brand Sklep: LTV klientów którzy widzieli Meta = 540 zł vs LTV bez Meta = 180 zł Newsletter: open rate od klientów-z-Meta = 38% vs 12% (średnia)
Decyzja agenta widzącego tylko Meta
Wyłącza Meta, „za drogie"
CAC 95 zł vs limit 60 zł. Jednoznaczna decyzja w warstwie Mety: stop. Lokalnie poprawna, biznesowo katastrofalna.
Decyzja agenta łączącego źródła
Zostawia Meta, dolewa +20% w segmencie B2B
Meta jest TOP-funnelem dla najwyższego LTV (3× wyżej). Google brand to retargeting tej samej kohorty. Wyłączenie Mety za 6 mies. zabija cały lejek - Google brand sam nie generuje świadomości marki.
→ Egzekucja: agent zostawia kampanię Meta na cold (segment B2B), wysyła raport tygodniowy z analizą LTV-by-channel i flaguje że "CAC z Mety w izolacji zwodzi".
03 / Content vs paid trade-off przykład hipotetyczny
Nie skaluj reklam jeśli organic za chwilę zrobi to taniej.
Kontekst agenta
Search Console: „ai marketing automation" +47% MoM (last 30d) PageSpeed Insights: mobile score 67 (na granicy ostrzeżenia) GA4: SEO traffic konwertuje 4.2× lepiej niż Meta cold Meta: kampania „AI marketing" na zimno - CAC 180 zł, daleko od progu
Decyzja agenta widzącego tylko Meta
Dolewa do Meta - „skoro trend rośnie, jedźmy na fali"
Patrzy tylko na to że temat ma momentum. Nie widzi że SEO-traffic na ten sam temat konwertuje 4× lepiej, ani że strona ma problem z PSI który zaraz uderzy w pozycje.
Decyzja agenta łączącego źródła
Przesuwa 30% budżetu Meta → 5 nowych artykułów SEO + ticket dev na PSI
Sygnał z GSC mówi że ludzie SZUKAJĄ tego w Google, nie w Meta feed. Organic ruch konwertuje 4.2× lepiej. PSI 67 oznacza że za 4 tyg pozycje zaczną spadać - najpierw napraw, potem dolewaj. Tani content > drogi paid w temacie z momentum.
→ Egzekucja: agent generuje 5 propozycji tematów (z GSC trends + Albacross queries), zgłasza problem PSI do Waszego dewelopera lub do Waszego asystenta dev (np. Claude Code podpięty do Waszego repo), obniża budżet Meta cold o 30%.
04 / Newsletter timing & segment przykład hipotetyczny
Wysyłka rano to najlepsza praktyka - ale Twoi klienci kupują wieczorem.
Kontekst agenta
Newsletter: open rate cluster 1 (8:00) - 24%, cluster 2 (14:00) - 41% Sklep: zamówienia z newslettera grupują się w przedziale 19–22:00 GA4: bounce z newsletter linków = 58% (wysoki - problem ze stroną docelową) Newsletter API: CTR linka = 3.2% (typowe), CTR po ujednoliceniu URL = 5.1% (po naprawie)
Decyzja agenta widzącego tylko newsletter
Sugeruje wysyłkę 8:00 rano (klasyczna best practice)
Patrzy tylko na open rate. „Email marketing 101: rano przed pracą". Ignoruje że kliknięcie w newsletter to nie cel - cel to zamówienie.
Decyzja agenta łączącego źródła
Wysyła 14:00, naprawia stronę docelową, mierzy konwersję nie open rate
Open rate 14:00 jest 1.7× wyższy. Zamówienia spływają wieczorem - wysyłka rano daje za dużo czasu na zapomnienie. Bounce 58% = problem z landing page, nie z subject line. Naprawa strony przed zwiększeniem częstotliwości.
→ Egzekucja: agent przesuwa godzinę wysyłki, generuje brief A/B testu strony docelowej, wysyła do akceptacji.
05 / Customer feedback loop przykład hipotetyczny
Najlepszy brief reklamy leży w skrzynce mailowej - wystarczy go przeczytać.
Kontekst agenta
Gmail: 18 odpowiedzi klientów w 7 dni - 12× powtarza się pytanie „ile to kosztuje?" Sales (Notion): 60% leadów z Meta nie odpowiada po pierwszym mailu Meta: top kreacja CTR 3.2% (high), conversion 0.4% (low) GSC: zapytanie „[nasza nazwa] cena" +28% MoM
Decyzja agenta widzącego tylko Meta
Skaluje top kreację (high CTR)
CTR 3.2% to top 5% kont. Klasyczna reguła „skaluj winners". Ignoruje że klikają, ale nie kupują - ani że klienci masowo pytają o cenę bo nie ma jej na stronie.
Decyzja agenta łączącego źródła
Brief nowej kreacji adresującej obiekcję „cena" + sugestia dodania cennika do strony
12 maili o cenie + GSC „cena" rośnie + 60% leadów nie odpowiada na follow-up = obiekcja kosztu jest tu największym hamulcem. High CTR na obecnej kreacji to sugestia że ludzie myślą że to tanio - kiedy wchodzą i nie widzą ceny, wychodzą. Brief: pokaż cenę w 3 sek video, target = klienci z budżetem.
→ Egzekucja: agent generuje brief w Notion, czeka na akceptację. Po jego akceptacji uruchamia produkcję UGC (jeśli masz ten flow), albo tworzy zadanie dla zespołu.
06 / Tech stack health przykład hipotetyczny
Spadek PSI to ostrzeżenie SEO - agent łapie to zanim Google zaczyna karać.
Kontekst agenta
PageSpeed Insights: mobile score 82 → 67 w ciągu 30 dni GSC: pozycje top 10 zaczynają spadać o 1–2 (jeszcze nie krytyczne) GA4: bounce mobile +12% Sklep: konwersja mobile -8%
Decyzja agenta widzącego tylko Meta
Brak - agent skupiony na reklamach tego nie widzi
Klasyczne narzędzie do automatyzacji Meta nie ma podpiętego PSI ani GSC. Problem dojrzewa przez tygodnie, zanim ktokolwiek zauważy że pozycje spadły.
Decyzja agenta łączącego źródła
Alarm w Slacku + ticket dla dewelopera ZANIM SEO faktycznie spadnie
Spadek PSI o 15 pkt w 30 dni + spadek pozycji o 1–2 + bounce mobile +12% = prognoza utraty pozycji w kolejnych 4–6 tyg. Każdy tydzień zwłoki = utracone pozycje, które potem trzeba odzyskiwać 3–6 mies. Lepiej naprawić teraz, dopóki Google nie ukarał na stałe.
→ Egzekucja: agent generuje ticket w Notion z konkretnym opisem problemu (które URL spowolniły, co waży najwięcej, co zmieniło się w PSI report) - dalej albo pinguje Waszego dewelopera w Slacku, albo przekazuje problem do Waszego asystenta dev (np. Claude Code podpięty do Waszego repo) do analizy i propozycji fixu.
03 - Stack i harness

Stack, na którym to stoi.

Bez magii - konkretny zestaw oficjalnych API i bibliotek, które się sprawdzają w produkcji. Każde źródło danych ma własny adapter w agencie. Cały kod, dokumentacja i klucze API zostają u Ciebie - żeby można było system w każdej chwili przejąć w pełni samodzielnie.

C
Claude Opus 4.8 · Anthropic
Mózg agenta · runtime

Decyzje agenta podejmuje Claude - aktualnie Opus 4.8 od Anthropic (kontekst do 1M tokenów). Sam program agenta to skrypt Python korzystający z Anthropic Agent SDK (lub Anthropic Python SDK dla prostszych wdrożeń) - biegnie na Twojej infrastrukturze, raz dziennie (lub częściej) sam się uruchamia, łączy źródła danych poniżej, podejmuje decyzje, raportuje i kończy. Agenta buduję w narzędziu programistycznym Claude Code - to środowisko developerskie, w produkcji nie biegnie. W produkcji biegnie tylko sam SDK.

Reklama
Paid channels
  • Meta Marketing API
  • Google Ads API
  • TikTok Marketing API
  • LinkedIn Advertising API
  • X Ads API
Analityka i SEO
Owned signals
  • GA4 Data API
  • Search Console API
  • PageSpeed Insights API
  • Microsoft Clarity
Sklep / e-commerce
Konwersje
  • Shopify Admin API
  • WooCommerce REST
  • BaseLinker
  • IdoSell · Sky-Shop · Shoper
Komunikacja
Newsletter, mail, chat
  • Newsletter - dowolne API
  • Gmail API · Outlook Graph
  • Slack · MS Teams · Discord
  • HubSpot · Pipedrive · CRM REST

Plus opcjonalnie: Notion · Airtable · Google Sheets (audit trail decyzji), Albacross · Clay (B2B identyfikacja), Stripe · PayU · Przelewy24 (cashflow).

Nazwy w kartach powyżej to przykłady typowych narzędzi, nie zamknięta lista - liczy się kategoria, nie konkretny produkt. Masz w stacku narzędzie, którego tu nie ma? Najczęściej da się je podpiąć - pod warunkiem, że ma publiczne API z dokumentacją. Robię szybką analizę feasibility (bezpłatnie - jako część przygotowania Concept PDF po Discovery) i mówię uczciwie czy się da, jak długo to potrwa i czy w ogóle ma sens. Każda nowa integracja to typowo 1–3 dni roboczych, zależnie od kompleksowości API i ilości pól do mapowania.

/ Egzekucja reklam · 5 platform

Agent prowadzi kampanie przez oficjalne API pięciu platform reklamowych: Meta, Google Ads, TikTok, LinkedIn i X - każda przez własną, zatwierdzoną aplikację i tę samą bramkowaną warstwę wykonawczą.

  • MetaMeta Marketing API
  • Google AdsGoogle Ads API
  • TikTokTikTok Marketing API
  • LinkedInLinkedIn Advertising API
  • XX Ads API

Dla każdej platformy przeszedłem pełny proces: rejestracja własnej aplikacji, zatwierdzenie przez platformę, warstwa wykonawcza z guardrailami.

Zmiany w kampaniach agent wykonuje od tieru 02 (Autonomous) wzwyż - na tierze Observer te same platformy tylko czyta i analizuje.

/ Co dostajesz w cenie wdrożenia · Agent Harness Engineering

Agent to nie tylko Claude. Sześć warstw, które buduję dla Ciebie.

Sam model AI (Claude) bez całej infrastruktury wokół to jak silnik bez samochodu - niby działa, ale nigdzie nie pojedzie. Cała wartość siedzi w warstwach, które trzeba zbudować wokół modelu: jak go nauczyć Twojego biznesu, jak podpiąć do Twoich systemów, jak go ograniczyć żeby nie zrobił głupstwa. W branży nazywa się to Agent Harness Engineering - inżynieria całego rusztowania (harness) wokół modelu AI. To jest praca, którą wykonuję podczas wdrożenia.

Najważniejsza zasada której się trzymam: każdy błąd agenta w produkcji staje się permanentną regułą. Jeśli agent w 4. tygodniu źle zinterpretuje sygnał z Search Console - od tego momentu w jego instrukcjach jest jawna reguła która chroni przed powtórzeniem tego błędu. Po 3–6 miesiącach pracy w produkcji agent jest mądrzejszy niż na starcie, bo ma w sobie historię wszystkich swoich błędów i jak ich uniknąć.

Dlatego AI Marketing Agent wdraża się raz, a potem rośnie razem z Twoim biznesem. Nowe źródło danych = dodaję adapter. Nowa kategoria klientów = aktualizuję pamięć biznesową. Powtarzający się błąd = nowa reguła. To nie jest projekt który się kończy - to system, który z każdym miesiącem podejmuje lepsze decyzje.

1 · Pamięć biznesowa
Co to: plik tekstowy z kluczowymi informacjami o Twoim biznesie - czym się zajmujesz, jakie KPI, sezonowość, marże, kim są Twoi klienci.
Co robię: spisuję to z Tobą podczas Warsztatu startowego, aktualizuję gdy zmienia się biznes.
Po co: bez tego agent nie wie, czy CPA 80 zł to dużo, czy mało dla Twojej branży.
2 · Adaptery do Twoich systemów
Co to: osobny moduł kodu na każde Twoje API - Meta, Google Ads, GA4, sklep, newsletter, Gmail.
Co robię: implementuję każdy adapter, autoryzuję dostęp przez Twoje klucze, testuję.
Po co: agent musi „mówić" językiem każdego z Twoich systemów osobno.
3 · Reguły bezpieczeństwa
Co to: twarde limity, których agent nie może przekroczyć (np. „nie zwiększaj budżetu o więcej niż 30% dziennie").
Co robię: ustalam je z Tobą przed startem, koduję jako blokady przed każdą akcją.
Po co: agent nie obejdzie reguły, nawet jeśli jego logika sugerowałaby inaczej.
4 · Bezpieczne środowisko
Co to: izolowany kontener (Docker), w którym agent uruchamia swój kod.
Co robię: konfiguruję izolację, dbam o to, żeby agent nie miał dostępu do reszty Twojej infrastruktury.
Po co: sandbox izoluje uruchamianie kodu agenta. Wszystkie zmiany w Twoich systemach produkcyjnych (reklamy, newsletter, sklep) przechodzą przez Twoją akceptację lub twarde guardraile - nigdy nie idą prosto z sandboxu.
5 · Procedury awaryjne
Co to: co robi agent, gdy któreś API nie odpowiada, dane są niespójne, lub kończą się limity.
Co robię: definiuję „fallback" dla każdej awarii - np. „gdy GA4 nie odpowiada, raportuj problem i pomiń metrykę zamiast zatrzymać synthezę".
Po co: agent nie przerywa pracy z byle powodu - i nie zatrzymuje Twojego biznesu.
6 · Logi i monitoring
Co to: każda decyzja agenta zapisana z uzasadnieniem, źródłami danych i kosztem.
Co robię: wpinam logi w Twój system (Notion / Airtable / Google Sheets / Twój CRM), buduję widok zużycia API.
Po co: w każdej chwili możesz sprawdzić DLACZEGO agent zaproponował co zaproponował.
/ Kiedy agent się budzi

Dwa tryby uruchamiania.

Agent świadomie nie działa non-stop. Budzi się, kiedy ma powód - wykonuje pracę, raportuje, kończy. Dzięki temu koszty są przewidywalne, a każde jego działanie da się prześledzić od początku do końca.

Tryb 1 · Domyślny
Zaplanowany
Agent uruchamia się raz dziennie o ustalonej godzinie (np. 7:00, przed Twoją kawą): czyta dane ze wszystkich źródeł, łączy sygnały, wysyła raport z rekomendacjami i kończy pracę. Dla większości firm to w zupełności wystarcza.
Tryb 2 · Zdarzeniowy
Reakcja na zdarzenie
Agent budzi się, gdy dzieje się coś ważnego: nowy lead → przygotowany follow-up, przekroczony próg budżetu lub CPA → reakcja w minuty zamiast następnego ranka, nowy mail od klienta → szkic odpowiedzi.
Uwaga Na tierze Observer zdarzenie = alert, nie akcja.
Reakcję wykonawczą włączają tiery 02+.
/ Gdzie agent działa

Dwa sensowne sposoby uruchomienia.

Agent nie musi działać non-stop - uruchamia się, pobiera dane, generuje raport, kończy. Dlatego zwykły VPS z harmonogramem (cron) wystarcza większości firm. Chmura ma sens dla skali (wiele klientów), polityk bezpieczeństwa enterprise, lub gdy masz już infrastrukturę AWS/GCP.

Opcja A · prosta
Twój VPS z cron'em
Cron triggeruje skrypt agenta o ustalonej porze (np. 7:00). Skrypt syntezuje dane, wysyła raport, kończy. Najprostsze, w pełni kontrolowane przez Ciebie. Sensowne dla małych i średnich firm bez działu IT.
Polskie i europejskie opcje Mikr.us · OVH VPS · RapidDC
Hetzner · IQ Host · dhosting
Opcja B · skalowalna
Twoja chmura (serverless)
Zadanie kontenerowe uruchamiane przez scheduler - bez utrzymania VPS-a, bez patchowania OS-a, pay-as-you-go. Sensowne dla firm które już mają infrastrukturę chmurową lub wymagają enterprise security policies.
Stack AWS Fargate + EventBridge Scheduler
GCP Cloud Run Jobs + Cloud Scheduler
Azure Container Apps Jobs

Nie hostuję niczego u siebie - kod, klucze API, dane zostają w Twojej infrastrukturze. Ja robię setup i przekazuję dokumentację. Konkretne koszty hostingu i Claude API omawiamy indywidualnie podczas Discovery, w zależności od skali Twojego biznesu.

03b - Strategic positioning

Czym AI Marketing Agent NIE jest?

Pisanie wprost, czym ta usługa nie jest, oszczędza obu stronom czasu na rozmowach, które kończyłyby się „aha, to nie to". Trzy najczęstsze niedopasowania:

NIE jest
Plug-and-play SaaS z subskrypcją.
Nie HubSpot Breeze, nie Salesforce Agentforce, nie Adobe Experience Platform AI. Nie klikasz „Subscribe", nie loguje się gotowy agent. To custom kod, który piszę pod Twój stack i Twoje guardrails. Setup ma określony czas (6–10 tygodni) i koszt jednorazowy.
NIE jest
Hostowany u mnie pod NDA.
Cały kod, klucze API i dane biegną na Twojej infrastrukturze (VPS / AWS / GCP / Azure - jak wybierzesz). Ja niczego u siebie nie hostuję, nie mam stałego dostępu do Twoich systemów po przekazaniu setupu. To nie SaaS z vendor lock-in - to oprogramowanie, które dostajesz na własność.
NIE jest
Zamiennikiem działu marketingu.
Agent jest narzędziem dla osoby/zespołu, które już prowadzą marketing świadomie: rozumieją swoje liczby, znają swój lejek, wiedzą czego chcą. Agent zdejmuje z nich operacyjną codzienność i daje cross-channel wgląd, którego ręcznie nie zrobią. Nie uratuje firmy która nie wie, jaka jest jej propozycja wartości.

Czym JEST: custom code wdrażany na infrastrukturze klienta, korzystający z Claude Opus 4.8 i oficjalnych API platform. Pełna własność kodu, dokumentacja, możliwość przejęcia w każdej chwili przez Twój zespół tech (lub innego dostawcę). Decyzja o wdrożeniu to inwestycja w stałe narzędzie operacyjne, nie miesięczna subskrypcja.

przesuń w bok, żeby zobaczyć całość →
AI Marketing Agent Agencja Narzędzia SaaS
Zakres cały marketing - wszystkie kanały najczęściej tylko reklamy zakres jednego narzędzia
Własność kod jest Twój usługa subskrypcja
Zakres API pełne oficjalne API platform zależnie od ludzi zakres producenta
Kontekst decyzji Twoje dane cross-source (GA4, sklep, newsletter…) zależnie od agencji dane z jednej platformy
Autonomia 3 poziomy, guardraile ręczna praca reguły producenta
Koszt stały utrzymanie API + serwer prowizja/ryczałt co miesiąc abonament co miesiąc
04 - Guardrails i tiers

Trzy poziomy autonomii agenta.

Najczęstsze pytanie klientów: „czy agent nie zrobi czegoś głupiego". Odpowiedź: agent działa w ramach guardraili per źródło, które razem definiujemy przed uruchomieniem. Każdy klient startuje na innym poziomie - Observer (analiza i rekomendacje, bez zmian w kanałach) jest sensownym pierwszym krokiem. Migracja do Autonomous odbywa się dopiero gdy zobaczymy, że rekomendacje są dobrej jakości.

przesuń w bok, żeby zobaczyć całość →
01 Observer 02 Autonomous 03 Full Marketing Ops
Analiza i raporty ✓ ✓ ✓
Rekomendacje ✓ ✓ ✓
Zmiany w kanałach –wdrażasz sam; agent pisze tylko raporty/alerty ✓w granicach guardraili ✓
Nowe kampanie – ✓wstrzymane do akceptacji ✓
Kreacje briefy briefy + warianty AI pełna produkcjaludzkie UGC przez partnerów
Cena od 6 000 zł netto wycena indywidualna wycena indywidualnaretainer · min. 3 miesiące
Tier 01 · Start
Observer Marketing Agent
Ryzyko: niskie
Agent czyta dane z całego Waszego stacku i pisze wyłącznie do raportowania - Slack, Notion, CRM: raporty, alerty, tickety, dziennik decyzji. Nie dotyka kanałów marketingowych. Każdą rekomendację wdrażasz ręcznie.
  • Synteza danych z całego stacku
  • Detekcja anomalii cross-source
  • Codzienny raport (Slack/email/Notion)
  • Rekomendacje budżetowe i contentowe
  • Briefy nowych kreacji oparte na sygnale
  • Tickety dev/marketing dla zespołu (np. Notion)
  • Audit trail w Twoim CRM/Notion
  • Zmiany w kanałach marketingowych
  • Uruchamianie i skalowanie kampanii
Cena wdrożenia
od 6 000 zł netto
Zacznij od Observer →
Tier 02 · Production
Autonomous Marketing Agent
Ryzyko: kontrolowane
Agent wykonuje operacje cross-channel w ramach guardraili. Pauzuje słabe kampanie, przesuwa budżety między kanałami, generuje briefy i warianty kreacji, aktualizuje CRM. W ustalonych granicach działa sam - poza nimi pyta o Twoją akceptację.
  • Wszystko z Tier 01
  • Zmiany w kanałach reklamowych (np. Meta, Google Ads - do 5 platform)
  • Planowanie wysyłek newslettera
  • Warianty kreacji generowane przez AI (do Twojej akceptacji)
  • Nowe kampanie startują wstrzymane - uruchamiasz po akceptacji
  • 4 tygodnie obserwacji, zanim agent zacznie działać sam
  • Wyłącznik awaryjny - jedna komenda zatrzymuje zmiany
  • Dokumentacja + szkolenie zespołu
Cena wdrożenia
Wycena indywidualna
Porozmawiajmy →
Tier 03 · Retainer
Full Marketing Ops
Model: fractional CMO
Tier 02 + ja jako fractional CMO. Cały marketing pod jednym dachem - agent wykonuje operacje cross-channel, ja prowadzę strategię, kalibruję guardrails, weryfikuję rekomendacje agenta, koordynuję produkcję kreacji i decyzje strategiczne.
  • Wszystko z Tier 01 i 02
  • Strategia marketingu prowadzona przeze mnie
  • Tygodniowa kalibracja guardrails
  • Produkcja kreacji UGC (przez moich partnerów)
  • Miesięczny retainer
  • Tygodniowe spotkania statusowe
  • Pełna odpowiedzialność za wynik
  • Dostęp do mnie dla pytań strategicznych
Model rozliczenia
Wycena indywidualna
Retainer · minimum 3 miesiące
Porozmawiajmy →

Guardraile: co agent MUSI, a czego NIE MOŻE.

  • Warstwa z twardymi regułami: każda operacja zapisu przechodzi przez warstwę z twardymi regułami - nie przez „dobrą wolę" modelu.
  • Dry-run domyślnie: agent najpierw pokazuje, co by zrobił, dopiero potem robi.
  • Nowe kampanie zawsze wstrzymane: uruchamiasz je Ty albo agent po Twojej akceptacji.
  • Limity zmian: budżet maksymalnie o ustalony procent na operację, jedna zmiana dziennie na kampanię.
  • Pełny dziennik operacji: każde wywołanie API zapisane, z datą i uzasadnieniem decyzji.
  • Wyłącznik awaryjny: jedna komenda zatrzymuje wszystkie operacje zapisu.

Cena Observera (6 000 zł) jest wyższa niż w AI Ads Agent (4 000 zł) ze względu na szerszy zakres analizy i rekomendacji. Marketing Agent Observer syntezuje dane z 6+ równorzędnych źródeł i generuje rekomendacje cross-channel (gdzie przesunąć budżet między Meta / Google / SEO, kiedy wysłać newsletter, jaki content pisać). Ads Agent Observer skupia się na analizie kont reklamowych, używając pozostałych źródeł jako kontekstu dla decyzji w kampaniach. Jeśli chcesz zautomatyzować przede wszystkim kampanie reklamowe - sprawdź AI Ads Agent.

05 - Proces wdrożenia · 6–10 tygodni

Jak to wygląda krok po kroku?

Tydzień 1 · Warsztat startowy
Zrozumienie biznesu i mapy systemów
Zaczynamy od rozmowy o Twoim biznesie, KPI, dotychczasowych decyzjach marketingowych. Inwentaryzujemy jakie systemy faktycznie używasz (Meta? Google Ads? jaki sklep? jaki newsletter? jaki CRM?), które masz API, które dane są reprezentatywne, które są szumem. Definiujemy co realnie ma robić agent - nie wszystko ma sens automatyzować od razu.
Tydzień 2 · Setup techniczny
Decyzja o deployment + guardrails per source
Decydujemy: VPS z cron'em czy chmura serverless - w zależności od skali, polityki danych firmy i tego co już masz. Definiujemy guardrails per integracja: co agent może robić sam na Meta, co na Google Ads, co na newsletterze, jakie są twarde limity (np. „nie zmień budżetu o więcej niż 30% dziennie", „nie wyślij więcej niż 1 newsletter dziennie").
Tydzień 3–4 · Build
Implementacja integracji per source
Implementuję agenta w narzędziu programistycznym Claude Code; w produkcji biegnie sam Anthropic Agent SDK jako skrypt Python na Twojej infrastrukturze. Integracje dodaję iteracyjnie, od najszerszego sygnału - zwykle: GA4 + GSC (najbogatszy obraz biznesu) → Meta Ads + Google Ads (akcje) → sklep + newsletter (konwersje i komunikacja) → Gmail + CRM (feedback loop). Każda integracja ma osobne testy. Agent działa na Twojej infrastrukturze - klucze API, dane, logi, wszystko u Ciebie.
Tydzień 5–8 · Tryb obserwacji
Agent obserwuje, ale nic nie zmienia
Agent przez pierwsze 4 tygodnie tylko obserwuje. Generuje codzienne raporty z rekomendacjami i „udawanymi akcjami" (co by zrobił, gdyby mógł). Ty widzisz jego decyzje bez ryzyka. Każda zła rekomendacja w tej fazie → permanentny rule do harnessu (ratchet). To najważniejszy etap kalibracji - koszt błędu = zero, korzyść z poprawy = trwała.
Tydzień 9 · Start działania
Stopniowe włączanie samodzielnych zmian
Agent zaczyna samodzielnie wprowadzać zmiany - ale stopniowo, źródło po źródle. Zaczynamy od najmniej ryzykownych operacji (np. tylko pauzowanie kampanii z przekroczonym CPA). Po tygodniu, jeśli wszystko działa, dodajemy kolejną klasę akcji (skalowanie, briefy, planowanie wysyłek newslettera). Każdy krok weryfikujemy razem. Możliwość natychmiastowego cofnięcia uprawnień jednym kliknięciem.
Tydzień 10 · Handover
Dokumentacja, szkolenie, ratchet baseline
Dostajesz pełną dokumentację systemu, instrukcję obsługi dla zespołu, dostęp do kodu. Przeprowadzam szkolenie (4–6h) dla osób które będą z agentem pracować - jak go zatrzymać, jak zmienić guardrails, jak rozumieć raporty, jak dodawać memory files (CLAUDE.md) gdy zmienia się biznes. Plus baseline ratchet rules zebranych w fazie observation.
Opcjonalnie · Retainer
Comiesięczna kalibracja harnessu
Po wdrożeniu możesz pracować z agentem samodzielnie, albo zamówić retainer na comiesięczną kalibrację: nowe ratchet rules na bazie obserwowanych błędów, nowe integracje (gdy podpinasz kolejne API), aktualizacje CLAUDE.md gdy zmienia się biznes, migracje gdy API się zmienia. Nie wymagane - agent działa dalej niezależnie.
06 - Najczęstsze pytania

Odpowiadam szczerze na obawy.

Czym AI Marketing Agent różni się od AI Ads Agent?
Oba agenty czytają dane z wielu źródeł (Meta, GA4, GSC, sklep, newsletter, e-mail) - używają cross-source intelligence do podejmowania lepszych decyzji. Różnica jest w tym, gdzie agent może faktycznie wykonać akcję.

AI Ads Agent wykonuje akcje w kampaniach reklamowych - przez oficjalne API pięciu platform (Meta, Google Ads, TikTok, LinkedIn, X), najczęściej wdrażany dla Meta Ads (pauzuje adsety, skaluje budżety, tworzy reklamy). Czyta wiele źródeł, żeby podejmować lepsze decyzje wewnątrz kampanii - np. trend w Search Console informuje brief kreacji, dane sklepu informują skalowanie. Punktowo w reklamach, ale głęboko.

AI Marketing Agent wykonuje akcje cross-channel: kampanie reklamowe + planowanie wysyłek newslettera + ticket dla developerów w Notion + brief content do produkcji + alokacja budżetu między platformami. Podejmuje decyzje dla całego marketingu, nie tylko reklam.

Wybierz Ads Agent, jeśli chcesz zautomatyzować przede wszystkim kampanie reklamowe i masz już dobre własne narzędzia do reszty stacku. Wybierz Marketing Agent, jeśli chcesz autonomię cross-channel. Cena Observera odpowiednio: 4 000 zł vs 6 000 zł netto.

Czy zastąpi mojego marketing managera lub agencję?
Marketing managera nie zastąpi — wzmacnia go. Strategia, kreacja, decyzje wymagające kontekstu biznesowego (jak zareagować na kryzys, jak zmienić komunikat przy launchu, jak negocjować z dystrybutorem) zostają po jego stronie. Agent zdejmuje z niego monotonną syntezę danych — która zajmuje większość czasu marketing managera w typowej firmie.

Z agencją jest bardziej szczerze: część jej scope agent wykonuje lepiej. Codzienna optymalizacja kampanii, raportowanie cross-source, alerty anomalii, briefy oparte na sygnale — w tych zadaniach agent jest dyscyplinowany, dostępny 24/7, bez biasu i bez błędów wynikających ze zmęczenia. Agencje strategiczne (kampanie wizerunkowe, krytyczne launche, pozyskiwanie talentu kreatywnego) wciąż mają sens. Agencje czysto operacyjne (performance + reporting + budget tweaks) — coraz mniej.

Jeśli płacisz agencji głównie za reporting i rutynową optymalizację — agent szybko zwraca koszt setupu. Jeśli płacisz za realną strategię i kreatywę — agencja zostaje, agent jej raczej nie podgryza.

Czy agent tylko rekomenduje zmiany, czy też je wdraża?
To, czy agent wdraża zmiany samodzielnie, zależy od tier-u. Tier 01 (Observer) czyta dane, rekomenduje i pisze wyłącznie do raportowania (Slack, Notion, CRM: raporty, alerty, tickety) - żadnych zmian w kanałach marketingowych, każdą rekomendację wdrażasz ręcznie. Bezpieczne, idealne na start. Tier 02 (Autonomous) wdraża zmiany przez API: pauzuje słabe kampanie (np. Meta, Google Ads), przenosi budżety, dodaje warianty kreacji, planuje wysyłkę newslettera, tworzy ticket w Notion, aktualizuje rekord w CRM. W ustalonych granicach działa sam - poza nimi pyta o Twoją akceptację.

Ograniczenia są realne: każda platforma ma własne API rules (np. Meta Ads ma limity na zmiany budżetu w 24h, Google Ads ma rate limits, Shopify ma scope-based permissions). Agent nie obejdzie polityk platform - operuje w ramach tego, co API pozwala.

Czego agent NIE przejmie od Ciebie: kierunku strategicznego biznesu, brand voice, finalnej akceptacji kreatywów (agent je wygeneruje - przez OpenAI gpt-image, Replicate, Seedance - ale to Ty zatwierdzasz), kontaktów wymagających ludzkiego głosu (telefon do klienta, negocjacje). Operuje w warstwie wykonawczej i analitycznej - akceptacja jakościowa i strategia zostają u Ciebie.

Na jakich platformach reklamowych może działać agent?
Agent może operować na pięciu platformach: Meta, Google Ads, TikTok, LinkedIn i X - na każdej przez oficjalne API i własną, zatwierdzoną aplikację. Wszystkie platformy działają na tej samej bramkowanej warstwie wykonawczej: dry-run domyślnie, nowe kampanie zawsze wstrzymane do akceptacji, limity zmian i pełny dziennik operacji. To, które platformy podpinamy, zależy od tego, gdzie faktycznie wydajesz budżet.

Czy moje dane wychodzą poza moją infrastrukturę?
Konkretnie i bez ściemy:

Co zostaje u Ciebie: kod agenta, klucze API, raw dane z GA4/Meta/Google/sklepu/newslettera, logi, historia decyzji. Wszystko na Twoim VPS-ie (Hetzner / OVH / dhosting) lub w Twojej chmurze (AWS / GCP / Azure). Ja niczego nie hostuję u siebie - robię setup i przekazuję dokumentację.

Co opuszcza Twoją infrastrukturę: tylko żądania do Claude API (Anthropic, model językowy). Agent wysyła do Claude'a tylko fragmenty danych potrzebne do podjęcia konkretnej decyzji - nie cały dataset, nie surowe pliki klientów. Anthropic to sub-processor z umową DPA dla EU (GDPR-compliant), dane z API nie są używane do treningu modelu (default opt-out). Szczegóły w pytaniu o RODO niżej.

Czego NIE używam: żadnych zewnętrznych SaaS-ów typu Zapier, Make, n8n.com, marketing automation tools. Dane nie przechodzą przez żaden „middleman" platformowy - lecą tylko: Twoja infra → API platform (Meta/Google/etc.) i Twoja infra → Claude API.

Jak to wygląda od strony RODO i kwestii prawnych?
Konkretnie i bez owijania w bawełnę:

1. Klient = administrator danych, nie ja. Twoja firma ma własne podstawy prawne (zgody, umowa, prawnie uzasadniony interes) na przetwarzanie danych klientów-końcowych w Meta/GA4/CRM. Moja rola to konfiguracja technicznego narzędzia - nie staję się administratorem danych.

2. Anthropic (Claude API) = sub-processor. Anthropic ma DPA dla klientów EU (GDPR-compliant), dane API nie są używane do treningu modelu (to default opt-out). Twoja firma podpisuje DPA z Anthropic - nie ja. Direct Anthropic API nie daje user-controlled region pinning (lokalizacja inference podlega umowie z Anthropic). Dla wrażliwych branż (banking, healthcare, fintech, sektor publiczny) wywołania Claude'a kieruję przez AWS Bedrock (region eu-central-1) lub Google Vertex AI (europe-west4) - wtedy lokalizacja inference jest twardo pinned do EU.

3. Moja odpowiedzialność zależy od modelu współpracy:
• Tier 01 / Tier 02 setup-only (wdrażam i przekazuję): nie jestem procesorem. Dostajesz narzędzie, prowadzisz je sam → zero formalnych obowiązków RODO po mojej stronie.
• Tier 03 Full Marketing Ops (retainer, mam dostęp do danych): jestem procesorem. Wtedy podpisujemy standardową umowę DPA (kilka stron, na bazie wzorca PUODO).

Co warto mieć w umowie: jasny zapis że klient jest administratorem danych, ja konfiguruję i przekazuję narzędzie, klient odpowiada za podstawy prawne i informowanie użytkowników końcowych. To są normalne, uregulowane kwestie w branży konsultingu IT - nie utrudnienie, tylko higiena prawna. Jeśli masz wątpliwości, na etapie umowy mogę polecić prawnika specjalizującego się w RODO i AI compliance.

A co z AI Act? Wchodzi w sierpniu 2026.
AI Marketing Agent w standardowej konfiguracji (synteza danych cross-channel, rekomendacje budżetowe, optymalizacja kampanii, przygotowywanie kreacji i contentu) nie wpada w kategorię systemów AI wysokiego ryzyka pod EU AI Act (wchodzi w życie 2 sierpnia 2026). Wysokie ryzyko to systemy robiące automatyczne profilowanie osób fizycznych, scoring kredytowy, rekrutacja, biometryka - to nie jest zakres tej usługi. Obowiązkowa akceptacja człowieka + tryb obserwacji na start + zapis każdej akcji w logach = wbudowany nadzór ludzki zgodny z Art. 14 AI Act, niezależnie od kategorii. Jeśli wyjątkowo chciałbyś użyć agenta do profilowania behawioralnego użytkowników (np. CRM-owe scoring leadów na podstawie cech osobistych) - przed wdrożeniem doprecyzujemy dodatkowe wymogi: dokumentacja techniczna, ocena ryzyka, dziennik użycia.

Ile to kosztuje miesięcznie po wdrożeniu?
Koszt setup'u jednorazowy (Tier 01: od 6 000 zł, Tier 02: wycena indywidualna). Po wdrożeniu pojawiają się stałe koszty miesięczne: hosting (Twój VPS lub chmura), Claude API (tokeny, które agent zużywa codziennie czytając dane), API platform reklamowych (Meta + Google Ads są darmowe, większość pozostałych też). Konkretne widełki ustalamy indywidualnie podczas Discovery, w zależności od skali biznesu i liczby integracji. Nie biorę prowizji od budżetu reklamowego - to jest jednorazowe wdrożenie lub retainer, niezależnie od tego ile wydajesz na kampanie.

Czy muszę mieć już zaawansowany stack? Co jeśli mam tylko Meta i GA4?
Nie musisz mieć kompletu źródeł danych. Minimum: 2 źródła danych - np. Meta + GA4 (które już masz, jeśli prowadzisz reklamy). Każde kolejne źródło dodajemy iteracyjnie w miarę jak Ty podpinasz nowe systemy. Jeśli za 6 miesięcy dołożysz Shopify lub uruchomisz newsletter - robię nową integrację (zwykle 1–3 dni roboczych zależnie od kompleksowości API). Nie warto czekać na „gotowy stack" zanim wdrażasz agenta - sens jest właśnie w tym że agent rośnie razem z Twoim biznesem.

Co jeśli któreś API się zmieni?
API marketing'owe mają stabilne core endpoints: Meta Marketing API, Google Ads API, GA4 Data API i Search Console API ewoluują wolno, z deprecation policy zwykle 6–12 miesięcy zapowiedzi przed breaking changes. Konkretne przykłady ostatnich istotnych zmian: Meta App Review tier przesunięty 4.05.2026 (próg API calls 1500→500/godz dla Standard), GA4 Data API v1beta → v1 (lipiec 2025, bez breaking changes). Każdy adapter w agencie używa konkretnej wersji API; migracje robi się punktowo gdy producent ogłosi sunset. W ramach retainera wykonuję te migracje, albo zostawiam dokumentację żeby zrobił to Twój zespół. Większe ryzyko niż zmiana API to zmiana danych źródłowych (np. nowa platforma analityczna) - ale wtedy też potrzebujesz nowego adaptera, niezależnie od agenta.

Czy agent może popełnić błąd?
Tak - AI Marketing Agent może popełnić błąd. Każdy system podejmujący decyzje na podstawie danych może błędnie zinterpretować sygnał, zwłaszcza w nowej sytuacji której wcześniej nie widział. Dlatego są trzy warstwy ochrony: (a) tryb obserwacji na start - agent przez 4 tygodnie tylko obserwuje i raportuje co by zrobił, bez prawa do akcji. Wszystkie błędne rekomendacje z tej fazy stają się permanentnymi regułami w jego instrukcjach. (b) próg akceptacji - każda decyzja powyżej zdefiniowanego progu (np. zmiana budżetu >30%) wymaga Twojego potwierdzenia. (c) ratchet - każdy błąd po starcie skutkuje aktualizacją systemu w sposób który gwarantuje że ten konkretny błąd się nie powtórzy. Po 3–6 miesiącach w produkcji liczba klas błędów dąży do zera - każda klasa raz popełniona staje się trwałą regułą, która chroni przed powtórzeniem. Nowe sytuacje brzegowe wciąż się zdarzają (rynek się zmienia), ale wszystko co już raz wystąpiło - jest zaadresowane.

Czy dostaję kod, czy to jest SaaS?
Dostajesz pełny kod. Agent działa na Twojej infrastrukturze (VPS lub chmura). Kod, dokumentacja, klucze API, memory files (CLAUDE.md), historia ratchet rules - wszystko Twoje. To nie jest SaaS, gdzie mogę w dowolnym momencie „wyłączyć Ci system". Jeśli po wdrożeniu chcesz przestać ze mną współpracować i dalej rozwijać agenta samodzielnie z własnym dev - to jest w pełni możliwe. Wszystko oparte na powszechnie dostępnych, oficjalnych API (Claude API, Meta Marketing API, Google Ads API, GA4 Data API, Search Console API itd.) - bez ukrytych zewnętrznych usług, bez własnościowych komponentów po mojej stronie.

Od jakiego biznesu to ma sens?
Tier Observer ma sens już przy mniejszych skalach - analiza i rekomendacje zwracają się szybko. Pełna autonomia najlepiej spina się od ok. 50 000 zł+ miesięcznych wydatków marketingowych (suma reklamy + content + tools + osoby) - wtedy codzienna synteza i szybkość decyzji robią realną różnicę. Powyżej 200 000 zł/mies. - sens jest oczywisty, bo godziny zaoszczędzone na codziennej syntezie i samej jakości decyzji przewyższają koszt setup'u w ciągu 1–2 miesięcy. Drugi warunek: musisz mieć kogo postawić nad rekomendacjami agenta - marketing manager, head of growth, founder ze znajomością marketingu. Bez „odbiorcy" decyzji agent działa w próżni.

Czy to działa dla SaaS / e-commerce / B2B / agencji?
Tak - dla każdego typu biznesu, który ma więcej niż jeden kanał marketingowy. Najczystsze use case'y: (a) e-commerce - Meta + Google Ads + Shopify (lub WooCommerce / BaseLinker) + newsletter + GA4 + GSC. Agent łączy CAC z LTV-by-cohort, optymalizuje portfel kanałów, generuje briefy oparte na recenzjach i zapytaniach klientów. (b) B2B SaaS / usługi - Google Ads + GA4 + HubSpot/CRM + email outreach + GSC. Agent łączy lead quality z aktywnością cold outreach i trendami w wyszukiwaniach. (c) agencja - multi-client orchestrator, jeden agent obsługujący 5–10 kont. Wycena rośnie liniowo z liczbą kont.
- Zaczynamy? -

Sprawdźmy, czy AI Marketing Agent
ma sens dla Twojej firmy.

Umów bezpłatną rozmowę →
30 minut · Bez zobowiązań · Uczciwa odpowiedź czy to dla Ciebie