McKinsey szacuje, że pełne wdrożenie agentic AI może odblokować 430–550 mld USD rocznej wartości globalnie w nieruchomościach, budownictwie i deweloperce, ale zastrzega przy tym, że „bez odpowiedniej architektury agenci nie mogą współpracować ani ze sobą, ani z ludźmi, aby realnie przebudować przepływy pracy". Ten warunek — architektura jako przesłanka wartości, nie jej skutek — jest osią całego poniższego rozumowania.

Zanim opisze się rozwiązanie, trzeba precyzyjnie zdiagnozować problem. Dane z lat 2025–2026 pokazują, że fragmentacja narzędziowa w FM/PM/RE nie jest odczuciem, lecz mierzalnym faktem operacyjnym.

Według badania Eptura Workplace Index, przywołanego w „Facility Management Journal” wydawanym przez IFMA, 50% organizacji korzysta średnio z 17 samodzielnych technologii workplace'owych, a tylko 4% ma w pełni zintegrowane systemy. To samo źródło wskazuje, że ponad jedna trzecia firm potrzebuje 11 lub więcej pełnych etatów wyłącznie do zbierania, analizy i raportowania danych o miejscu pracy, a 55% liderów operacyjnych wskazuje jako barierę czas potrzebny na wydobycie sensownych wniosków z różnych źródeł. Diagnoza jest tam sformułowana bezpośrednio: „u źródła problemu leży brak interoperacyjności".

JLL Global Real Estate Technology Survey 2025 potwierdza to z perspektywy dużych firm CRE: 81% firm zgłasza co najmniej trzy istniejące systemy, które nie dają oczekiwanych rezultatów, a 88% przeznacza budżet na modernizację systemów legacy, które opisywane są jako „kluczowa bariera adopcji AI". To samo badanie ujawnia rozdźwięk między entuzjazmem i skutecznością: udział firm CRE pilotujących AI wzrósł z poniżej 5 do 92% w ciągu trzech lat, ale tylko 5% zgłasza osiągnięcie większości celów swojego programu AI.

Po stronie Facility Management wspólne badanie IFMA i Autodesk opisuje sytuację jeszcze dosadniej: „większość firm opiera się na łatance narzędzi — arkuszach kalkulacyjnych, e-mailach, CMMS, rozwiązaniach punktowych, BIM, a nawet papierze — aby zarządzać obiektami i konserwacją. To rozbite podejście prowadzi do zerwania komunikacji, utraty danych i braku praktycznych wniosków". Ten sam raport podaje, że operacje ponoszą 68% kosztów wynikających ze słabej interoperacyjności danych, a 95% danych generowanych podczas budowy nigdy nie jest wykorzystywane.

Dla porównania skala problemu w całym przedsiębiorstwie (nie tylko w FM) jest podobna: przeciętna organizacja zarządza obecnie 957 aplikacjami, z których tylko 27% jest ze sobą połączonych, jak wykazał Salesforce 2026 Connectivity Benchmark oparty na badaniu 1050 liderów IT. Real Estate i FM nie są więc wyjątkiem od reguły korporacyjnej fragmentacji, lecz jej szczególnie ostrym, telemetrycznie bogatym przypadkiem.

Facility manager, project manager i real estate manager każdego dnia „przełączają się" między systemem BMS (temperatura, HVAC, energia), CMMS lub CAFM (zlecenia serwisowe, konserwacja), IWMS (przestrzeń, portfel nieruchomości), arkuszem kalkulacyjnym lub dokumentem (umowy najmu, klauzule, terminy), narzędziem Project Management (harmonogram, budżet inwestycji) i pocztą elektroniczną (komunikacja z wykonawcami, najemcami, zarządem) — bez jednego punktu, w którym te dane spotykają się w kontekście decyzji. McKinsey opisuje to zjawisko wprost: „fakty żyją w wielu systemach, abstrakcje umów najmu i kluczowe terminy są zablokowane w dokumentach, narracje dotyczące wyników są odtwarzane w slajdach i arkuszach, a aktualizacje wymagają czasochłonnej powtórnej pracy".

Kluczowa zmiana konceptualna, jaką wprowadza agentic AI, polega na tym, że przestaje być kolejną aplikacją obok istniejących systemów, a staje się warstwą nad nimi — łączącą je w jeden model decyzyjny bez konieczności ich wymiany. PwC i Urban Land Institute nazywają ten kierunek rozwoju „propOS" — systemem operacyjnym nieruchomości: „nieruchomości są świadkiem powstawania czegoś, co można nazwać systemem operacyjnym nieruchomości (propOS) — luźno złożonym z agentów AI, cyfrowych bliźniaków i warstw integracji danych, unoszących się nad platformami legacy, które mają zastąpić". To samo źródło precyzuje, że jest to „wirtualna warstwa integracyjna osadzona na istniejących systemach zarządzania nieruchomościami, a nie ich zastępująca" — ponieważ „całkowita wymiana platformy pozostaje zbyt ryzykowna dla większości operatorów".

McKinsey rozwija tę architekturę w sposób bardziej techniczny, opisując pięć warstw, które musi zawierać każde skuteczne wdrożenie agentic AI w nieruchomościach.

McKinsey podsumowuje to jednym zdaniem, które jest właściwie definicją całej tezy tego artykułu: „gdy jedna warstwa jest słaba, organizacje kończą z efektownymi demonstracjami, które nie da się skalować".

Warto podkreślić, że Real Estate/FM nie wymyśla tej architektury samodzielnie — powiela wzorzec, który w tym samym momencie ustala się w całym oprogramowaniu korporacyjnym, co wzmacnia wiarygodność tezy. Gartner przewiduje, że do końca 2026 r. 40% aplikacji korporacyjnych będzie zawierać agentów AI wyspecjalizowanych w zadaniach, w porównaniu z poniżej 5% wcześniej, opisując ścieżkę rozwoju od „asystentów AI" (2025) przez „agentów zadaniowych" (2026) i „agentów kolaboracyjnych" (2027) do „ekosystemów między aplikacjami" (2028) i „agenta jako domyślnego stanu" (2029). W Gartner Hype Cycle for Agentic Automation 2026 (lipiec 2026) „Agent Orchestration" — orkiestracja agentów — została wyodrębniona jako samodzielna, formalna kategoria architektury IT, z oceną korzyści „wysoka" i dojrzałością wciąż „wschodzącą" (penetracja rynku poniżej 1%). Gartner formułuje to zjawisko dosłownie jako przesunięcie architektoniczne: „różnicowanie rynkowe przesuwa się od pojedynczych agentów w stronę architektury orkiestracji, gdzie blueprinty, zarządzanie kontekstem, optymalizacja runtime i governance decydują o wartości platformy".

Największe platformy enterprise już zbudowały produkty wokół tej samej metafory „warstwy nad warstwami". Microsoft opisuje Agent 365, uruchomiony ogólnie 1 maja 2026 r., dosłownie jako „control plane" — „waszą płytę kontrolną do obserwowania, zarządzania i zabezpieczania agentów oraz ich interakcji — włącznie z agentami zbudowanymi z partnerami ekosystemu" (Microsoft Security Blog), z synchronizacją rejestru agentów między AWS Bedrock i Google Cloud. ServiceNow pozycjonuje swoją platformę jako „wieżę kontrolną AI" — „ujednolić dane, AI, przepływy pracy i bezpieczeństwo na jednej platformie... wyczuwa kontekst, decyduje o właściwej akcji, działa w wielu systemach i zabezpiecza każdy krok", zastrzegając jednocześnie ważną zasadę neutralności: „wieża kontrolna zablokowana na jednym hyperscalerze lub jednym dostawcy modelu jest po prostu kolejnym silosem". PwC oferuje konsultingową wersję tej samej idei — „agent OS" jako „zunifikowaną platformę do orkiestracji wielu agentów AI — nawet od różnych dostawców — w przepływy pracy... agent OS może być waszym centrum dowodzenia", działającą ponad Anthropic, AWS, Google Cloud, Microsoft Azure, OpenAI, Salesforce i SAP jednocześnie.

W samym FM ta architektura zaczyna materializować się w konkretnych produktach — nie jako teoria, ale jako działający kod. Willow zbudowała tzw. Knowledge Graph, integrujący ponad 75 systemów świata budynkowego (BMS, CMMS, IoT), przetwarzając ponad 10 mln punktów telemetrycznych w czasie rzeczywistym, i opisuje go jako mechanizm, który „ujednolica wszystkie dane potrzebne do prowadzenia budynków". Skala chaosu, który taka warstwa musi rozwiązać, jest dobrze zilustrowana przez samą firmę: „jeden z klientów Willow ma 25 różnych konektorów, z których pozyskujemy dane... racjonalizując różne schematy, jednostki i konwencje nazewnicze, różne interwały czasowe i strefy czasowe". Facilio Atom, uruchomiony w lutym 2026 r., idzie jeszcze dalej w duchu „nie zastępujemy, integrujemy" — agenci Facilio „siadają na istniejącym CAFM jako autonomiczna warstwa wykonawcza, czytając te same dane i robiąc z nimi coś, bez czekania, aż ktoś się zaloguje" (Facilio), integrując się z Maximo, Planonem czy ServiceChannel bez migracji danych. IBM Maximo Application Suite 9.2 poszedł podobną drogą, otwierając się na zewnętrznych agentów przez protokół MCP, tak aby mogły „uczestniczyć w wykonaniu i koordynacji, a nie tylko oferować rekomendacje". Po stronie CRE korporacyjnego JLL opisuje własną platformę Falcon jako „zunifikowany fundament AI... zasilający obecnie ponad 100 aplikacji w całej organizacji", z modułem PAT dającym „zunifikowany, uproszczony widok całego portfela nieruchomości poprzez zintegrowane dane" oraz Azarą, opisywaną jako „zunifikowany zestaw danych z gotowymi integracjami do analizy międzyfunkcyjnej obejmującej obiekty, zarządzanie portfelem i zarządzanie projektami" — to jeden z najbliższych istniejących przykładów jednego narzędzia łączącego FM, RE i PM.

Warstwa orkiestracji nie działa bez wspólnego języka, w którym agenci różnych dostawców mogą się ze sobą „dogadać". To właśnie tutaj dokonuje się druga część zmiany architektonicznej — najmniej widoczna z poziomu użytkownika, ale najbardziej fundamentalna z perspektywy inżynierskiej.

Model Context Protocol (MCP), opracowany przez Anthropic i przekazany w grudniu 2025 r. pod neutralną kontrolę Agentic AI Foundation w ramach Linux Foundation, rozwiązuje problem matematyczny, który dotąd wymuszał budowanie osobnej integracji dla każdej pary systemów: zamiast tworzyć M×N połączeń między M agentami i N narzędziami, deweloperzy budują N serwerów (po jednym na narzędzie) i M klientów, sprowadzając problem do M+N. Skala adopcji na początku 2026 r. jest już znacząca: ponad 10 000 aktywnych serwerów MCP w produkcji, ponad 500 klientów MCP i 97 mln pobrań SDK miesięcznie — twórca protokołu David Soria Parra porównuje tę trajektorię do pierwszych trzech lat Reacta, osiągniętych w tym przypadku w 16 miesięcy. Co szczególnie istotne dla aktualności tego artykułu: 28 lipca 2026 r. — dzień przed jego przygotowaniem — opublikowano nową wersję specyfikacji MCP, która czyni protokół bezstanowym, dodaje scentralizowaną autoryzację enterprise i politykę deprecjacji z minimum 12-miesięcznym okresem przejściowym, co ma umożliwić uruchamianie serwerów MCP za standardowymi load balancerami na istniejącej infrastrukturze Kubernetes— dowód, że protokół dojrzewa właśnie teraz z eksperymentu do infrastruktury klasy enterprise.

Równolegle Google przekazało w czerwcu 2025 r. protokół Agent2Agent (A2A) pod Linux Foundation, we współpracy z AWS, Cisco, Microsoft, Salesforce, SAP i ServiceNow, opisując go jako standard mający „przełamać silosy, które dziś ograniczają potencjał sztucznej inteligencji" (Google Developers Blog). Protokół wsparło już ponad 100 firm, a jego trzy filary — Agent Cards deklarujące możliwości agenta, Tasks strukturyzujące pracę, oraz transport HTTP/SSE/JSON-RPC — pozwalają agentom „bezpiecznie wymieniać informacje i koordynować złożone zadania, bez ujawniania swojego wewnętrznego stanu, pamięci czy narzędzi". Gartner prognozuje, że do 2027 r. ponad 50% agentów AI wdrożonych w przedsiębiorstwach będzie opierać się na standaryzowanych ramach typu MCP lub A2A dla bezpiecznej, wielosystemowej interoperacyjności.

To, co dla facility managerów i real estate managerów ma największe znaczenie praktyczne, to moment, w którym te standardy zaczynają docierać do systemów BMS/CMMS/IWMS. Najmocniejszym potwierdzonym dowodem jest IBM Maximo Application Suite 9.2 (dostępny od czerwca–lipca 2026 r.), który „rozszerza AI poprzez MCP, agentów, umiejętności i API, znacznie ułatwiając wprowadzanie zewnętrznych agentów AI do przepływów pracy prowadzonych przez Maximo... szybsze podejmowanie decyzji i bardziej połączone przepływy pracy między dotąd odizolowanymi systemami korporacyjnymi, bez utraty governance i kontroli". Siemens poszedł jeszcze dalej technicznie — jego publiczny serwer MCP implementuje jednocześnie protokół A2A oraz most konwertujący narzędzia MCP na kompatybilne z A2A „umiejętności" dla komunikacji agent–agent , a firma deklaruje, że asystent Ask Building X „stanie się bardziej proaktywny: podsuwając optymalizacje, pomagając priorytetyzować problemy i z czasem wspierając wybrane zadania automatyzacji". Naukowo potwierdza to praca opublikowana w „Journal of Building Performance Simulation”, która wykazała, że MCP „ustanawia fundamentalną warstwę dla modelowania energetycznego budynków wspieranego przez AI", redukując czas realizacji zadań o 80–90% w połączeniu z silnikiem EnergyPlus.

Trzeba jednak zaznaczyć istotne ograniczenie tej narracji: nie znaleziono żadnej formalnej inicjatywy standaryzacyjnej pochodzącej z samej branży budynkowej (ASHRAE, BACnet czy podobne organizacje nie opublikowały jak dotąd profilu MCP lub A2A dla systemów OT). Adaptacja idzie dziś wyłącznie „od strony IT" — przez IBM, Siemensa i dostawców nakładek agentowych — a nie od strony tradycyjnych standardów automatyki budynkowej. To istotny wniosek architektoniczny: nowy język komunikacji między systemami budynkowymi jest importowany z zewnątrz sektora, a nie wypracowywany wewnątrz niego.

Trzeci, najgłębszy poziom zmiany dotyczy nie technologii, a struktury decyzyjnej organizacji. McKinsey formułuje to w sposób, który bezpośrednio wyjaśnia, czemu obecne struktury zarządcze FM/PM/RE są nieprzystosowane do agentic AI: „większość modeli operacyjnych przedsiębiorstw zakłada, że ludzie pozostają twardo w centrum, inicjując, decydując i eskalując... Agentic AI podważa tę przesłankę. Może inicjować działania, sekwencjonować pracę, koordynować funkcje i adaptować się w czasie rzeczywistym. Staje się uczestnikiem wykonania, nie tylko asystentem. 

Dla facility managerów, project managerów i real estate managerów konkretną implikacją tej zmiany jest przedefiniowanie samej roli. McKinsey pisze to wprost w kontekście nieruchomości: „role będą przeprojektowane wraz z przepływami pracy... menedżerowie nauczą się nadzorować systemy, nie tylko ludzi", proponując podział pracy na „kroki i myśli" — „automatyzować kroki agresywnie, a chronić myśli świadomie". W szerszym raporcie o organizacji agentowej McKinsey szacuje, że 75% obecnych ról będzie wymagać przeprojektowania i nowych kombinacji umiejętności, a na rynku pojawiają się nowe profile: „agent orchestrators" projektujący i nadzorujący przepływy pracy agentów oraz „hybrid managers" prowadzący zespoły złożone z ludzi i agentów. Rynek pracy już to odnotowuje: w ogłoszeniach z maja 2026 r. pojawiają się tytuły „Agent Supervisor", „Agent QA Lead" i „AI Ops Manager", a pytanie branżowe przesunęło się z „czy agent może wykonać zadanie" na „kto obserwuje agenta wykonującego zadanie, kto wychwytuje odchylenie i kto odpowiada za wynik, gdy coś pójdzie źle".

Ta zmiana ma wprost namacalne konsekwencje dla samej definicji pracy facility managera. Facilities Dive w prognozie na 2026 r. formułuje to jako kierunek branżowy: „stosy technologiczne facility management osiągną nowy poziom dojrzałości, gdy facility managerowie zintegrują platformy CMMS, systemy automatyki budynkowej, czujniki IoT i dane o aktywach w jeden system"; w efekcie „facility managerowie będą kontynuować ewolucję od operacyjnych nadzorców do strategicznych decydentów opartych na danych". To jest praktyczna definicja korzyści, o którą pyta artykuł: nie „mniej pracy", ale zmiana charakteru pracy — z gaszenia pożarów operacyjnych w kilku niepołączonych systemach na podejmowanie decyzji strategicznych z jednego, zintegrowanego widoku.

Ta zmiana roli wymaga nowego rodzaju kompetencji zarządczej — nadzoru, nie wykonania. Deloitte, na podstawie badania 3235 liderów IT i biznesu w 24 krajach, ujawnia dziś istotny deficyt w tym zakresie: tylko 21% organizacji ma dojrzały model governance dla agentic AI, mimo że 74% oczekuje co najmniej „umiarkowanego" wykorzystania agentów w ciągu dwóch lat. Deloitte proponuje przy tym konkretny model odpowiedzi: „prawdziwe governance robi z nadzoru rolę każdego, wbudowując go w kryteria oceny pracy, tak że w miarę jak AI przejmuje więcej zadań, ludzie przejmują aktywny nadzór". McKinsey w badaniu „State of AI trust in 2026" dodaje do modelu dojrzałości odpowiedzialnego AI zupełnie nowy, piąty wymiar — kontrolę governance dla agentic AI — ponieważ dotychczasowe ramy odpowiedzialnego AI nie objęły w pełni ryzyk związanych z autonomicznymi agentami; tylko około 30% organizacji osiąga w tym wymiarze wyższy poziom dojrzałości.

Najbardziej konkretny, praktyczny model tego nadzoru w samym FM pochodzi z udokumentowanego wdrożenia w Intel. Firma opisuje swoją strategię jako „Human-in-the-Loop" (HITL), utrzymującą ludzki osąd w centrum wszystkich decyzji — z „kolejką kontrolną HITL do przeglądu rekomendacji AI przed działaniem operacyjnym" oraz zasadą, że „działania wysokiego ryzyka (chemiczne, elektryczne, środowiskowe) wymagają zatwierdzenia przez człowieka", nawet gdy agent samodzielnie przygotowuje zgłoszenie serwisowe (Intel). To model, w którym menedżer nie wykonuje już zadania, ale zatwierdza lub odrzuca decyzję przygotowaną przez agenta — dokładnie ten rodzaj „orkiestracji", o którym pisze McKinsey.

McKinsey podaje wyraźne kryterium, które wskazuje, gdzie agentic AI przynosi największą wartość — i to kryterium opisuje FM/PM/RE z zaskakującą precyzją: „cztery domeny wysokiej wartości wyróżniają się — te, które łączą wysoki wolumen, chaotyczne przekazywanie zadań między ludźmi i realne konsekwencje wydajnościowe" — konserwacja i obiekty, leasing i renewale, inwestowanie i zarządzanie aktywami, budowa i capex. O samej konserwacji McKinsey pisze: „w większości organizacji konserwacja wciąż działa na przekazywaniu zadań między ludzkimi pracownikami: odebranie zgłoszenia, otwarcie zlecenia, wysłanie personelu lub wykonawcy, zabezpieczenie zatwierdzeń, aktualizacja informacji dla mieszkańców i przetworzenie faktury" — a przeprojektowanie tego łańcucha end-to-end daje „oszczędności czasu przekraczające 30% w wielu przepływach pracy".

Case study Intela dostarcza najbardziej konkretnego, zmierzonego dowodu na to, jak wygląda ta zmiana w praktyce. Przed wdrożeniem agentów firma opisuje swoje środowisko operacyjne jako „mozaikę odizolowanych, odrębnych systemów dla kontroli, telemetrii, warstw nadzorczych, zaawansowanej analityki procesowej, dashboardów i raportowania oraz zarządzania aktywami" — opis, który niemal słowo w słowo odpowiada sytuacji opisanej w sekcji 1 tego artykułu. Po wdrożeniu warstwy agentowej: „każdy system — dawniej odizolowany — uczestniczy teraz we współdzielonym ekosystemie kognitywnym, zdolnym do percepcji, rozumowania i kontrolowanego działania". Zmierzone efekty obejmują 30-proc. przyspieszenie detekcji anomalii w systemie wody ultraczystej, 15–20-proc. redukcję pracy techników dzięki autonomicznemu generowaniu zleceń, ponad 120 000 zaoszczędzonych godzin pracy rocznie oraz ok. 7,5 mln USD rocznych oszczędności w samym systemie wody ultraczystej.

Do tego dochodzi presja koordynacyjna, która nie istnieje w tej formie w innych funkcjach korporacyjnych. Rakesh Kishan z Trascent, w rozmowie z liderami CoreNet Global, opisuje to zjawisko z perspektywy zarządów: „ponieważ AI wpływa na korporacje szeroko, w każdym sektorze... zarządy i CEO nie chcą, żeby różne departamenty wymyślały własne, silosowe rozwiązania. Jest więc większa potrzeba, aby real estate było zintegrowane z funkcjami partnerskimi". Raport CoreNet Global i Colliers „CRE at an inflection point", oparty na ponad 1000 profesjonalistach CRE, potwierdza to liczbowo: 51% wskazuje AI i automatyzację jako najistotniejszą siłę zmiany w CRE, wyprzedzając hybrydę pracy, ESG i rynki kapitałowe, przy czym tylko 21% ma dobrze zdefiniowane ramy innowacji. Boston Consulting Group formułuje to jako zasadę strategiczną: „AI zmienia równanie, umożliwiając optymalizację systemową, łączącą decyzje między funkcjami, harmonogramami i całym cyklem życia aktywa... poszczególne przypadki użycia nie powinny być traktowane jako samodzielne inicjatywy. Są wczesnymi krokami w szerszej transformacji, w której wartość kumuluje się, gdy AI jest osadzone end-to-end w procesach i funkcjach" — punktem wyjścia dla tej diagnozy jest fakt, że 66% projektów deweloperskich kończy się z opóźnieniem, a 39% przekracza budżet.

Zestawiając wskazane trzy wymiary zmiany z perspektywą pojedynczego menedżera, korzyść nie polega na „mniejszej liczbie kliknięć", ale na zmianie samej struktury pracy poznawczej:

Jeden punkt prawdy zamiast wielu wersji rzeczywistości. Warstwa faktów opisana przez McKinsey i „jednolite źródło prawdy" deklarowane przez IBM Maximo Real Estate and Facilities eliminują sytuację, w której facility manager musi ręcznie zestawiać dane z BMS, CMMS i arkusza, żeby odpowiedzieć na jedno pytanie zarządu.

Analiza i nadzór z jednego interfejsu, nie z pięciu raportów. Facilio opisuje to bezpośrednio: „jeden prompt, aby wydobyć to, co normalnie wymagałoby pięciu raportów". JLL Azara łączy dane o obiektach, portfelu i projektach w jednym zestawie analitycznym przeznaczonym dokładnie dla tej grupy zawodowej.

Przesunięcie z operacyjnego gaszenia pożarów na decyzje strategiczne. To dokładnie kierunek opisany przez Facilities Dive — „ewolucja od operacyjnych nadzorców do strategicznych, opartych na danych decydentów"— oraz przez McKinsey jako przejście od wykonywania „kroków" do ochrony „myśli".

Nadzór nad wyjątkami, nie wykonanie każdej transakcji. Model Intela — agent przygotowuje zlecenie, człowiek zatwierdza akcje wysokiego ryzyka — pokazuje, że rola menedżera przesuwa się z wykonawcy na kontrolera jakości decyzji podejmowanych w jego imieniu.

Koordynacja międzyfunkcyjna bez ręcznego przełączania kontekstu. Presja opisana przez CoreNet Global oznacza, że real estate manager przestaje być izolowaną funkcją administracyjną, a staje się węzłem integrującym dane z finansów, HR i bezpieczeństwa w jednym przepływie decyzyjnym.

Rzetelność tej tezy wymaga równie mocnego przedstawienia głosów krytycznych — a są one liczne i pochodzą z tych samych, poważnych źródeł, które budują pozytywny scenariusz.

Skala niepowodzeń jest już dziś znacząca. Gartner szacuje, że ponad 40% projektów agentic AI zostanie skasowanych do końca 2027 r. z powodu narastających kosztów, niejasnej wartości biznesowej lub nieadekwatnych mechanizmów kontroli ryzyka, a w prognozie ze stycznia 2026 r. dodaje, że do 2030 r. ponad 60% wczesnych wdrożeń orkiestracji agentowej nie spełni oczekiwań wydajnościowych lub kosztowych, ponieważ przedsiębiorstwa nie doszacują wymogów integracyjnych, governance i talentu. Forrester ujmuje to obrazowo: „trzy czwarte liderów przedsiębiorstw mówi nam, że wdraża agentic AI. Tylko niewielka mniejszość ma to działające w istotnej produkcji poza chatbotami 'agent-podobnymi', a prawdziwe, skalowane systemy wieloagentowe są jeszcze rzadsze... Technologia jest pociągiem bez maszynisty. Przedsiębiorstwo jest ciężkim ładunkiem, który musi ciągnąć".

Agenci mogą odtworzyć problem, który mieli rozwiązać. Salesforce 2026 Connectivity Benchmark ujawnia zjawisko „agent sprawl": ponad 4 na 5 liderów IT uważa, że proliferacja agentów AI wygeneruje więcej złożoności niż wartości z powodu wyzwań integracyjnych i silosów, przy średnio 12 agentach na firmę już dziś i prognozie 20 do 2027 r.; niezależne źródło dodaje, że 50% wdrożonych agentów działa w całkowitej izolacji od siebie. To najsilniejszy kontrargument wobec wizji jednej, spójnej warstwy integracyjnej — a fakt, że sam Microsoft musi budować produkt do „kontrolowania rozprzestrzenienia agentów", potwierdza, że warstwa orkiestracyjna generuje potrzebę własnej metawarstwy nadzoru.

Vendor lock-in przesuwa się na poziom architektury agentowej. Analityk Kai Waehner ostrzega, że przy AI zamknięcie u jednego dostawcy jest „bardziej subtelne i bardziej niebezpieczne niż w tradycyjnym oprogramowaniu", ponieważ „przechwycenie frameworku agentowego" oznacza, że jeśli przepływy pracy są zbudowane na zastrzeżonej warstwie orkiestracji jednego dostawcy, koszty zmiany narastają szybko. PwC przyznaje, że rozwiązaniem nie będzie „jeden pierścień, który zapanuje nad wszystkimi" (odniesienie do Władcy Pierścieni), lecz „orkiestracja wielu wyspecjalizowanych systemów połączonych przez API i integracje danych", co oznacza, że architektura docelowa będzie federacyjna, nie monolityczna.

Rzeczywistość fizycznej infrastruktury jest bardziej oporna niż architektura sugeruje. Memoori, niezależny analityk rynku smart buildings, formułuje najostrzejszy głos krytyczny: „główną barierą sukcesu nie jest wyrafinowanie modeli AI czy koszt obliczeń w chmurze, lecz 'gotowość danych'. W udokumentowanych wdrożeniach nawet 75% budżetów inżynieryjnych jest wydawane na uczynienie systemów budynkowych legacy zrozumiałymi dla nowoczesnych warstw analitycznych" — a mniej niż 5% organizacji CRE osiągnęło swoje główne cele AI (Security Today za Memoori). Felietonista „ForbesA” Tech Council ujmuje to bardzo dosłownie: 

Ryzyko homogenizacji marki i usługi. McKinsey dodaje zastrzeżenie specyficzne dla Real Estate, warte przytoczenia w całości: „jeśli każdy właściciel i operator wdraża tego samego agenta, wytrenowanego na tych samych wzorcach i mówiącego tym samym bezpiecznym, ogólnym tonem, marki się rozmywają. Wiele platform zbiega do doświadczenia najniższego wspólnego mianownika, ponieważ to właśnie skaluje się między klientami... Automatyzacja skierowana do najemcy staje się gładsza, podczas gdy marka staje się płaska, a usługa łatwiejsza do standaryzacji i konkurowania ceną".

Agentic AI w Real Estate i Facility Management w 2026 r. nie jest jeszcze zrealizowaną architekturą integracyjną, ale architekturą w budowie, na wczesnym etapie, z penetracją rynkową kategorii „Agent Orchestration" poniżej 1% według Gartnera. Jednak kierunek zmiany jest jednoznacznie potwierdzony przez zbieżność trzech niezależnych linii dowodowych: teoretycznej (McKinsey, PwC/ULI opisujący propOS i pięciowarstwową architekturę), produktowej (Willow, Facilio, IBM Maximo, JLL Falcon budujące realne warstwy integracyjne nad systemami legacy) oraz infrastrukturalnej (MCP i A2A jako nowy wspólny język komunikacji między systemami, wchodzący właśnie teraz — dosłownie w tygodniu przygotowania tego artykułu — w fazę dojrzałości enterprise).

Dla facility managerów, project managerów i real estate managerów praktyczna konkluzja jest następująca: sektor, w którym pracują, jest strukturalnie predestynowany do skorzystania z tej zmiany bardziej niż wiele innych funkcji korporacyjnych — ponieważ łączy bogactwo danych operacyjnych, wysoki wolumen powtarzalnych decyzji, chroniczną fragmentację systemową i presję koordynacji międzyfunkcyjnej, które McKinsey wskazuje jako kryteria domen wysokiej wartości dla agentic AI. Jednocześnie te same osoby powinny traktować sceptycznie obietnicę „jednego narzędzia do wszystkiego" — dowody z 2026 r. wskazują raczej na przyszłość federacyjną: kilka wyspecjalizowanych warstw orkiestracji, połączonych wspólnymi protokołami komunikacji, z człowiekiem przesuniętym z roli wykonawcy do roli nadzorcy populacji agentów, niż na jedną, uniwersalną platformę zastępującą wszystkie dotychczasowe systemy.