# Badanie firmy Anthropic „Worse Together”: co oznacza dla przepływów pracy opartych na agentach

> W badaniu „Worse Together” przeprowadzonym przez firmę Anthropic stwierdzono, że jeden wspólny agent oparty na sztucznej inteligencji okazał się lepszy niż osobisty agent dla każdej osoby. Co to oznacza dla agentowych przepływów pracy w środowisku zawodow

Source: https://asana.com/resources/anthropic-worse-together-agentic-workflows

## Dlaczego badanie firmy Anthropic zatytułowane „Worse Together” („Razem gorzej”) jest obecnie najważniejszą lekturą dotyczącą przepływów pracy wykorzystujących agentów

#### Podsumowanie

_Firma Anthropic przydzieliła każdej osobie w grupie własnego agenta AI, a grupa osiągnęła gorsze wyniki niż wtedy, gdy jeden agent obsługiwał wszystkich. Jest to jeden z najwyraźniejszych dotychczasowych dowodów na to, że „agent dla każdego pracownika” nie przekłada się na efektywną pracę zespołową, i wyraźnie wskazuje, co zamiast tego się sprawdza._

## **Krótka odpowiedź brzmi: indywidualne agenty przypisane do każdej osoby nie sprzyjają pracy zespołowej.**

W badaniu „[Worse Together](https://alignment.anthropic.com/2026/worse-together/)” (listopad 2026 r.) naukowcy uczestniczący w programie Anthropic’s Fellows Program przydzielili każdej osobie w grupie własnego agenta AI. Agenci ci współdzielili budżet, kalendarz lub zlecenie, a wyniki porównano z inną grupą, w której jeden agent obsługiwał wszystkich. Jeden agent obsługujący wszystkich radził sobie lepiej w każdej sytuacji. Dla każdego, kto tworzy przepływy pracy z udziałem agentów, wniosek jest oczywisty: problem nie tkwi w agentach. Chodzi o sposób organizacji zespołu, który z nimi współpracuje.

Nasz dyrektor ds. produktu, Arnab Bose, jasno to określa w [serii artykułów Anthropic na temat zespołów złożonych z ludzi i agentów](https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude): „Obecnie każdy zespół składa się częściowo z ludzi, a częściowo z agentów”. Jak twierdzi, zespoły te potrzebują „jednego wspólnego kontekstu, w oparciu o który mogą pracować zarówno ludzie, jak i agenci”. W swoim artykule bardziej szczegółowo omawia on, w jaki sposób Asana tworzy przepływy pracy wykorzystujące agentów w swoich zespołach, podając kilka praktycznych przykładów.

## **Jakie były wyniki badania Anthropic „Worse Together”?**

W badaniu wykorzystano symulowanych użytkowników, ale scenariusze są typowe dla codziennych sytuacji: wspólny budżet obliczeniowy, kalendarz przychodni, zamówienie grupowe i termin wydania. We wszystkich czterech przypadkach oraz w odniesieniu do obu testowanych modeli „Claude” pojedynczy agent obsługujący grupę osiągał lepsze wyniki niż zespół agentów osobistych.

_Źródło: Worse Together, Anthropic Alignment Science Blog, 11 listopada 2026 r. (Rysunek 2). Przedstawiono model Claude Opus 5; model Claude Sonnet 5 wykazał ten sam wzorzec._

**Wyróżniają się trzy inne ustalenia.**
- **Więcej agentów, mniej działań.** W miarę powiększania się zespołów z 4 do 16 agentów odsetek agentów, którzy kiedykolwiek podejmowali działania w ramach wspólnego budżetu, spadł z 66% do 10% w przypadku jednego z testowanych modeli.
- **Dostarczone nie oznacza przeczytane.** Specjalna prośba użytkownika docierała do agenta składającego zamówienie grupowe w 94–99% przypadków, ale była widoczna dla tego agenta przy kasie tylko w 47–67% przypadków.
- **Wynik ukrywał szkody.** Niektórzy agenci anulowali zadania innych osób bez pytania, a wynik grupy się utrzymywał. Wniosek badaczy: mierzcie, jak zachowują się agenci, a nie tylko to, co wykonują.

## **Dlaczego przepływy pracy wykorzystujące agentów nie sprawdzają się w zespołach?**

Ponieważ praca zespołowa jest trudniejsza niż zadania osobiste. Osobisty agent rezerwujący kolację ma do czynienia z jedną osobą, jednym krokiem, jedną opinią i całym potrzebnym kontekstem. Praca wspólna obejmuje wiele osób, wiele kroków, wiele opinii, wiedzę organizacyjną i zatwierdzenia. Każdy z tych czynników pojawił się w badaniu.

**1. Wiele osób: nikt nie jest odpowiedzialny za podjęcie działania.** Ponieważ nikt nie był odpowiedzialny za wspólny budżet, agenci podejmowali zbyt mało działań i zbyt późno, a na wykonanie najważniejszych zadań zabrakło czasu. Wygląda to bardzo podobnie do efektu świadka i zjawisko to nasilało się wraz ze wzrostem liczebności zespołów.

**2. Wiele kroków: agenci podejmują działania, zanim zapoznają się z najważniejszymi informacjami.** W przypadku zamówienia grupowego agent, który je zatwierdzał, często nie zapoznał się jeszcze z jedną prośbą, która powinna była zmienić zamówienie. W pracy dzieje się to samo, gdy agent wysyła wersję roboczą, rezerwuje dostawcę lub scala kod, zanim pojawi się kluczowe zatwierdzenie lub aktualizacja. Szybkie wykonanie jednego kroku nie jest postępem, jeśli pominięty zostanie krok, który był istotny.

**3. Wiedza instytucjonalna: agenci zgadują.** Każdy agent widział tylko notatki swojego użytkownika, ale musiał zabierać głos w imieniu całej grupy. W związku z tym wypełniał luki, zakładając, że wszyscy chcą tego, czego chce jego użytkownik, lub twierdząc, że ktoś wyraził zgodę, choć tak nie było. Agenci nie mogą wiedzieć, kto, co, na kiedy, jak i dlaczego musi wykonać, jeśli nie jest to zapisane w miejscu, w którym mogą to zobaczyć.

**4. Wiele opinii: każdy agent działa w interesie swojej osoby.** Każdy agent został zaprojektowany z myślą o obsłudze jednego użytkownika, a żaden z nich nie został zaprojektowany z myślą o obsłudze grupy. W 65–77% przypadków pracy zespołowej co najmniej jeden agent edytował wspólne zamówienie lub rezerwację wbrew życzeniu innej osoby.

**5. Zatwierdzenia i dane: agenci przekraczają swoje uprawnienia.** Niektóre agenty anulowały pracę innych osób bez pytania. W pracy wygląda to tak, jakby agent przypisał zadanie współpracownika komuś innemu, nadpisał udostępniony plik lub wydał środki z budżetu, do którego nigdy nie powinien był mieć dostępu.

Żadne z tych przypadków nie dotyczy tego, czy model jest w stanie wykonać zadanie. Chodzi o to, jak zorganizowana jest praca. I nie jest to tylko problem dotyczący zespołu: autorzy zauważają, że podobna kolizja ma miejsce, gdy jedna osoba uruchamia kilku agentów do wykonywania nakładających się na siebie zadań.

## **Jak powinna wyglądać agentowa praca zespołowa?**

Zapewnij agentom strukturę, którą zapewniłbyś każdemu zespołowi: właściciela, punkty kontrolne, jeden plan i jasno określone granice. W badaniu niektóre z tych elementów przetestowano bezpośrednio. Pozostałe pochodzą ze sposobu, w jaki Asana zarządza swoimi własnymi agentami, co Arnab opisał w serii wpisów na blogu Anthropic. Celem nie jest mniejsza liczba agentów. Chodzi o to, aby agenci byli zorganizowani jak zespół.

**Co idzie nie tak**

**Co wykazało badanie**

**Najlepsza praktyka**

1. Nikt nie jest właścicielem połączenia

Wyznaczony agent prowadzący zniwelował różnicę w porównaniu z pojedynczym agentem dysponującym wspólnym budżetem. Dodanie jasnych instrukcji, takich jak uszeregowanie zadań według ich wartości, przyniosło jeszcze lepsze rezultaty.

Przydziel każdemu agentowi określoną rolę i wyznaczoną osobę odpowiedzialną, zapisane w formie briefu dla nowego pracownika. W przypadku konfliktu między agentami decyzję podejmuje właściciel.

2. Agenci działają, zanim przeczytają informacje

Zablokowanie możliwości zakończenia transakcji do momentu przeczytania przez agenta wiadomości pozwoliło uratować 62–73% zamówień grupowych, które zakończyły się niepowodzeniem, gdy zostały ponownie uruchomione.

Pracę agentów należy prowadzić w ramach wspólnego zadania, w którym wszyscy mogą zobaczyć zgłoszenie, kroki i wynik, a także dodać weryfikację przed wykonaniem jakiejkolwiek czynności, której trudno będzie cofnąć.

3. Agenci zgadują, co robią inni

Nieprawdziwe twierdzenia wynikały z rozproszonych informacji: każdy agent widział tylko notatki swojego użytkownika.

Zadbaj o to, aby agenci pracowali na podstawie tego samego planu, co osoby wokół nich: kto, co i na kiedy musi wykonać oraz co już zostało ustalone.

4. Każdy agent obsługuje jedną osobę

Lider z jasno określonymi priorytetami poprawił wyniki w ramach wspólnego budżetu.

Niech agenta kształtuje zespół, a nie jedna osoba. Wyznacz kilku edytorów, którzy będą określać instrukcje i pamięć agenta; wszyscy pozostali będą przekazywać informacje zwrotne na temat własnych zadań.

5. Agenci przekraczają swoje uprawnienia

Ocena oparta wyłącznie na wynikach nie uwzględniała przypadków, w których agenci anulowali pracę innych osób, dlatego autorzy zalecają również mierzenie zachowań.

Ogranicz dostęp każdego agenta do uprawnień osoby, która go uruchamia, i sprawdzaj, co agenci zrobili, a nie tylko to, co dostarczyli.

### **W jaki sposób Asana skutecznie wykorzystuje agentów AI w przepływach pracy?**

Oto trzy przepływy pracy, które Asana zbudowała przy użyciu Claude, z artykułu „[Agenci, których możesz szkolić: jak Asana tworzy zespoły złożone z ludzi i agentów przy użyciu Claude](https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude)”:
- **Odpowiadanie na pytania dotyczące produktów z poziomu aplikacji Slack.** Pytania od sprzedawców i pracowników ds. sukcesu klienta stają się zadaniami w Asanie, które podejmuje agent. Odpowiada, podając zatwierdzone wskazówki i linki do źródeł, rejestruje braki w produkcie dla zespołu produktowego oraz zgłasza powtarzające się pytania zespołowi ds. wsparcia.
- **Briefing dla kadry kierowniczej na temat zagrożonych odnowień.** Agent zapoznaje się z każdym zagrożonym odnowieniem w całej firmie i codziennie wysyła liderom podsumowanie dotyczące tego, co się poprawia, co się pogarsza i jakie dalsze działania należy podjąć. Liderzy zadają mu pytania i udzielają wskazówek we wspólnej przestrzeni, dzięki czemu z każdym razem działa coraz lepiej.
- **Planowanie cykli inżynieryjnych.** Agenci uzupełniają backlog zespołu o zgłoszenia oparte na opiniach klientów, pracownicy decydują, co zostanie uwzględnione w każdym cyklu, a plan pokazuje, czy wydanie jest realizowane na czas.

## **5 pytań, które należy zadać zespołowi przed dodaniem kolejnych agentów**
- **Kto jest odpowiedzialny za zgłoszenie, gdy agenci mają sprzeczne opinie?** Jeśli odpowiedź brzmi „sami to sobie wyjaśnią”, spodziewaj się, że nikt nie podejmie działań.
- **Co agent musi przeczytać, zanim podejmie zobowiązanie?** Wskaż wiadomości i zatwierdzenia, które musi sprawdzić, zanim podejmie jakiekolwiek działanie, którego trudno będzie cofnąć.
- **Czy każdy agent pracuje zgodnie z tym samym planem?** Agenci, którzy widzą notatki tylko jednej osoby, będą zgadywać, co do wszystkich pozostałych.
- **Kto kształtuje agenta: jedna osoba czy zespół?** Agent, który przyjmuje instrukcje od jednej osoby, będzie działał na korzyść tej osoby.
- **Które działania wymagają zgody osoby, której dotyczą, i czy je monitorujesz?** Dobry wynik może ukrywać fakt, że agent anulował czyjąś pracę, aby go osiągnąć.

## **Najczęściej zadawane pytania dotyczące agentów AI w pracy**

### **Czym są przepływy pracy wykorzystujące agentów?**

Przepływy pracy z udziałem agentów to procesy, w których agenci AI wykonują wieloetapowe zadania wraz z ludźmi, takie jak wprowadzanie produktów na rynek, zarządzanie kampaniami, wdrażanie klientów czy przyjmowanie projektów, a nie tylko odpowiadają na polecenia. Stają się one przepływami pracy z udziałem wielu agentów, gdy kilku agentów działa w tej samej wspólnej przestrzeni, takiej jak budżet, kalendarz lub baza kodu.

### **Czy każdy pracownik powinien mieć własnego agenta AI?**

Agenci osobisti są przydatni w przypadku indywidualnych zadań. W przypadku pracy zespołowej badanie Anthropic „Worse Together” wykazało, że grupa osobistych agentów radziła sobie gorzej niż jeden agent obsługujący wszystkich, we wszystkich testowanych warunkach. Jeśli każda osoba ma swojego agenta, przypisz do tych agentów właściciela, jeden wspólny plan i punkt kontrolny, zanim podejmą oni działania.

### **Czym jest system wieloagentowy?**

System wieloagentowy to konfiguracja, w której kilku agentów AI działa w tym samym środowisku i dzieli się czymś, na przykład budżetem, kalendarzem lub bazą kodu. W wersji testowanej w badaniu „Worse Together” każdy agent pracuje dla innej osoby o innych celach, co odpowiada sposobowi konfiguracji wielu wdrożeń w miejscach pracy.

### **Dlaczego agenci AI nie sprawdzają się w organizacjach?**

Głównie z powodu problemów z koordynacją, a nie z powodu braku możliwości. Praca w firmie obejmuje wiele osób, wiele etapów, konkurencyjne priorytety, wiedzę, która nie jest spisana, oraz zatwierdzenia. Agenci stworzeni dla jednej osoby radzą sobie z tymi kwestiami słabo, chyba że ktoś jest odpowiedzialny za podejmowanie decyzji, agenci mają wspólny plan, a wszystko, czego nie da się łatwo cofnąć, jest poddawane weryfikacji.

### **Kto jest odpowiedzialny za pracę wykonywaną przez agentów AI?**

Powinna to być osoba. Każdy agent potrzebuje określonej osoby odpowiedzialnej, która ustala jego instrukcje, a jego działania powinny być widoczne dla osób, których dotyczą. W badaniu niektóre agenty anulowały pracę innych bez pytania, dlatego nie tylko wyniki, ale także zachowanie musi mieć właściciela.

### **Z ilu agentami powinien pracować zespół?**

Nie ma magicznej liczby, ale koordynacja staje się trudniejsza wraz ze wzrostem liczby agentów. Dodaj agenta tylko wtedy, gdy możesz określić, komu podlega, jakich obszarów może się podjąć i w jaki sposób będzie udostępniał informacje innym agentom.

## **Informacje o badaniu**

**Informacje o badaniu.** „Worse Together” to badanie przeprowadzone przez członków programu Anthropic Fellows: Sahana Paliskarę, Nattaputa Namchittaia, Jacqueline Tay, Avery'ego Griffina i Andrewa Lampinena, opublikowane 11 listopada 2026 r. W jego ramach przetestowano pięć pionierskich modeli od Anthropic, OpenAI i Alibaby w 77 scenariuszach w czterech symulowanych środowiskach. Dane liczbowe dotyczące porównania pojedynczego agenta z zespołem oraz obsługi zleceń odnoszą się do modeli Claude Opus 5 i Claude Sonnet 5 zgodnie z informacjami podanymi przez autorów. Wartość 66% do 10% dotyczy modelu Claude Sonnet 5. Autorzy udostępnili trzy ze środowisk jako otwarty zestaw do testowania, MAMUBench.

**Źródła**
- [Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams](https://alignment.anthropic.com/2026/worse-together/) (Razem gorzej: jak spada wydajność w zespołach złożonych z wielu użytkowników i wielu agentów), Anthropic Alignment Science Blog, 11 listopada 2026 r.
- [Agenci, których możesz szkolić: jak Asana tworzy zespoły złożone z ludzi i agentów przy użyciu Claude](https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude), blog Claude, 29 września 2026 r.

- [AI w pracy](/resources/category/ai-at-work)

- [Większość zespołów operacyjnych pracuje z wydajnością na poziomie 60%. Dowiedz się, dlaczego tak się dzieje i jak temu zaradzić.](/pl/resources/operations-teams-running-60-percent-capacity)

AI w pracy

#### Autor treści

Codziennie zespół operacyjny interpretuje setki aktualizacji. Notatki o statusie projektu, ryzyko związane z terminami, wąskie gardła w procesie przyjmowania zleceń, decyzje dotyc ...

- [Stan lidera IT: dążenie do efektywnego rozwoju](/pl/resources/2023-state-of-it)

AI w pracy

Zarządzanie pracą

Nadszedł kluczowy moment dla liderów ds. IT. Są oni teraz odpowiedzialni za zarządzanie oczekiwaniami dotyczącymi poprawy danych i bezpieczeństwa, jednocześnie starając się odnale ...

- [Consolidate to innovate: Optimizing your tech stack for the AI era](/pl/resources/optimizing-ai-driven-tech-stack-ebook)

AI w pracy

Zarządzanie pracą

Is your organization overwhelmed by too many apps? The average company now uses more than 200 different apps, but our research shows that having more than 15 can lead to clutter, ...

- [Jak tworzymy strategię dotyczącą sztucznej inteligencji w marketingu, która naprawdę działa](/pl/resources/ai-adoption-strategy-marketing)

AI w pracy

Automatyzacja przepływu pracy

#### Dyrektor ds. technologii cyfrowych

Podobnie jak w przypadku wielu liderów marketingu, moja przygoda z AI rozpoczęła się od entuzjazmu i eksperymentowania. Nasz zespół testował różne narzędzia, a każdy z jego członk ...

- [Why Anthropic's "Worse Together" study is the most important read on agentic workflows right now](/pl/resources/anthropic-worse-together-agentic-workflows)

AI w pracy

#### Head of Global Communications

Krótka odpowiedź brzmi: indywidualne agenty przypisane do każdej osoby nie sprzyjają pracy zespołowej.W badaniu „Worse Together” (listopad 2026 r.) naukowcy uczestniczący w progra ...
