Automatyzacja z AI

TL;DR: n8n, Zapier i Make to trzy główne platformy do budowania automatyzacji bez kodu. Zapier jest najprostszy i ma 7000+ integracji, n8n daje więcej kontroli i przejrzystości (open source), a Make jest gdzieś pośrodku. W połączeniu z LLM (Claude, GPT, Gemini) można budować agentów, którzy oszczędzają godziny dziennie na rutynowych zadaniach.

TL;DR

n8n, Zapier i Make to trzy główne platformy do budowania automatyzacji bez kodu. Zapier jest najprostszy i ma 7000+ integracji, n8n daje więcej kontroli i transparentności (open source), a Make jest gdzieś pośrodku. W połączeniu z LLM (Claude, GPT, Gemini) można budować agentów, którzy oszczędzają godziny dziennie na rutynowych zadaniach.

Kluczowe koncepcje

Zapier -- najprostsze wejście

Eksperci rekomendują Zapier jako punkt startu:

"Większości firm od razu go używa, bo już jest podłączony do narzędzi, które masz w firmie -- do Slacka, Hubspota, wszystkich innych rzeczy."

Zalety Zapier:

• 7000+ gotowych integracji
• Prosty konfigurator agentów -- wpisz instrukcje i dodaj narzędzia
• Gotowe templaty agentów (Outreach, Sales Prep, Lead Enrichment)
• Tryb "human in the loop" -- zatwierdzanie przed wysłaniem

Tworzenie agenta w Zapier:

• Wejdź w Zapier -> Agents -> Create
• Wpisz instrukcje (lub wygeneruj je w Claude)
• Dodaj narzędzia (Perplexity, Google Search, Slack, Gmail)
• Ustaw trigger: on demand, cykliczny, webhook
• Testuj: agent preview -> sprawdź 10-20 wyników

"Ja z reguły nie piszę tego sam. Ide do Clouda i proszę, żeby on mi przygotował prompta. On pisze, ja kopiuję do Zapier."

n8n -- pełna transparentność i kontrola

n8n to open-source'owa alternatywa z wizualnym edytorem workflow:

"Co jest fajne w n8n, to jest to, że na każdym etapie on pokazuje co wchodzi do tego przekaźnika i co z niego wychodzi."

Zalety n8n:

• 4800+ gotowych templateów na różne potrzeby
• Wizualny debuging -- na każdym node widzisz input/output
• Self-hosted lub cloud
• Łatwe eksportowanie/importowanie workflow jako JSON
• Możliwość generowania całych workflow przez Claude (eksport JSON -> Claude -> import)

Przykład: Agent audytu UX z n8n :

• Webhook/folder watcher -- wykrywa nowy plik designu
• Pobiera plik i przekazuje do agenta AI
• Agent korzysta z narzędzia "Baymard Guidelines" (wektorowa baza danych z 300MB guidelinesów)
• Generuje raport w Markdown z oceną UX, problemami i priorytetami

"Stworzyłem RAGa. Mamy workflow n8n, który sprawdza czy w folderze pojawia się nowy plik designu. Ściąga go, zapodaje do agenta, który wykorzystuje bazę wektorowa z guidelinesami Instytutu Baymard."

n8n vs Zapier -- kiedy co

Praktyczny case: Poranny asystent (n8n + Claude)

Przykład agenta, który codziennie o 7:00 rano:

"Zbiera wszystkie moje maile, sprawdza mój kalendarz na kolejny dzień i zbiera wszystkie nieprzeczytane wiadomości ze Slacka. Wrzuca je razem, organizuje w Jasonie i wrzuca do Anthropica."

Wynik: raport na Slacku z priorytetami:

• High priority -- pilne sprawy
• Medium priority -- do ogarnięcia
• Low priority -- może poczekać
• Spotkania na jutro do przygotowania

"Oszczędza mi przynajmniej godzinę czytania Slaka dziennie, przynajmniej 20-30 minut patrzenia na maile."

Konfiguracja prompta:

• Cel: co robić
• Czego NIE robić: "do not include spam, marketing, promotional emails, newsletters, FYI, cancelled events"
• Format outputu: identyczny jak przykład (few-shot)
• Guardrailsy: limit tokenów, limit kosztów

RAG (Retrieval Augmented Generation) w automatyzacji

Wzorzec RAG pozwala agentom korzystać z własnych baz wiedzy:

"Zwektoryzowałem sobie 300 MB guidelinesów Instytutu Baymard i agent zadaje pytania do wektorowej bazy danych."

Zastosowania RAG w e-commerce:

• Audyt UX strony vs benchmarki branżowe
• Analiza feedbacku klientów vs baza wiedzy produktowej
• Odpowiedzi na pytania klientów na podstawie dokumentacji

Guardrailsy i bezpieczeństwo automatyzacji

"W życiu nie zrobiłem agenta, który automatycznie wysyła coś do innych ludzi bez przynajmniej przetestowania tego 10, 20 razy."

Zasady:

• Timeouty i ponowienia -- modele Anthropic bywają niedostępne przez kilka minut
• Limity requestów -- API mają rate limits, nie chcesz być na blackliście
• Limity kosztów -- "Okazało się, że agent wydał 200 dolarów robiąc enrich danych"
• Drafty, nie wyślij -- zawsze zaczynaj od draftów
• Human in the loop -- na początku zawsze sprawdzaj wyniki ręcznie

Jak to wdrożyć

• Zbudować agenta audytu UX w n8n z RAG na bazie guidelinesów Baymard (dla klientów e-commerce)
• Stworzyć porannego asystenta w n8n (Slack + Gmail + Calendar) dla zespołu
• Wdrożyć cotygodniowy competitive research agent w Zapier + Perplexity
• Zbudować automatyzacje: nowy feedback klienta -> analiza sentymentu -> kategoryzacja -> Slack
• Przygotować template n8n workflow do generowania raportów z danych GA4/GSC
• Ustawić guardrailsy: limit kosztów na agenta, human-in-the-loop na komunikacje zewnętrzna

Narzędzia i komendy

Powiązane tematy

• 02-budowanie-agentow -- architektura agentów krok po kroku
• 01-agenci-dla-pm -- use casy automatyzacji dla PM
• 01-research -- automatyzacja fazy research