Konec éry fixních skriptů: Rozdíl mezi automatizací a agentičností

Většina z nás je již zvyklá na RPA (Robotic Process Automation). To jsou nástroje, které dokážou v kancelářské práci automatizovat rutinní úkoly, jako je přepisování dat z PDF do Excelu. Je to však stále „automatizace“ – proces je rigidní. Pokud se změní formát faktury, automatizovaný skript selže.

Agentic AI (agentická umělá inteligence) funguje na zcela jiném principu. Místo přesného seznamu kroků dostane agent cíl. Například: „Najdi nejlevnější letenku do Londýna, zarezervuj ji, pokud je pod 3000 Kč, a pošli potvrzení do mého kalendáře.“ Agent si musí sám naplánovat kroky: otevřít prohlížeč, porovnat ceny, provést transakci a komunikovat s dalším softwarem. Pokud narazí na chybu, nekončí, ale pokusí se najít alternativní cestu.

Tento posun, o kterém diskutuje například The Cryptonomist, mění definici softwaru. Software už nebude jen nástrojem, který ovládáme my, ale partnerem, který spolupracuje s námi.

Jak funguje „mozek“ agenta? Klíčové komponenty

Aby mohl model jako GPT-4o, Claude 3.5 Sonnet nebo novější modely v roce 2026 fungovat jako agent, musí disponovat třemi základními schopnostmi:

• Plánování (Planning): Schopnost rozložit složitý úkol na menší, zvladatelné podúkoly. Moderní modely používají techniky jako Chain-of-Thought (řetězec myšlenek), aby si nejprve „promyslely“ postup.
• Používání nástrojů (Tool Use): Agent musí mít přístup k externím API, prohlížeči nebo kalkulačce. Bez schopnosti „vystoupit“ z textového okna je model pouze chytrým encyklopedistou, nikoliv agentem.
lik
• Paměť (Memory): Krátkodobá paměť umožňuje udržet kontext aktuálního úkolu, zatímco dlouhodobá paměť (často realizovaná přes vektorové databáze) umožňuje agentovi učit se z předchozích zkušeností v rámci vaší firmy.

Srovnání výkonu: Od chatbota k agentovi

Při hodnocení schopností agentické AI se již nepoužívají jen testy na znalost historie, ale specifické agentické benchmarky, jako je SWE-bench (řešení softwarových chyb) nebo GAIA (úplně obecné úkoly v reálném světě).

Praktický dopad: Co to znamená pro vás?

Pro jednotlivce a freelancery

Představte si osobního asistenta, kterému neříkáte „napiš e-mail“, ale „vyřiď za mě všechny faktury za minulý měsíc“. Agent si sám stáhne PDF, zkontroluje je s vaším účetním systémem a v případě rozdílu vám napíše upozornění. To uvolňuje desítky hodin měsíčně.

Pro české a evropské firmy

Pro český technologický sektor a malé podniky (SME) představuje Agentic AI obrovskou šanci. Firmy, které nemají rozpočty na stovky zaměstnanců pro administrativu, mohou díky levným agentickým workflow škálovat své operace. Je však nutné brát v úvahu EU AI Act. Agentické systémy, které mohou autonomně rozhodovat o datech uživatelů, budou podléhat přísné regulaci v oblasti transparentnosti a bezpečnosti.

Dostupnost v češtině: Většina velkých modelů (OpenAI, Anthropic, Google) již v roce 2026 zvládá češtinu na úrovni, která umožňuje nejen porozumění, ale i generování přirozeného textu. Pro vývojáře v ČR je klíčové stavět agenty, kteří dokážou pracovat s českou gramatikou a lokálními datovými formáty.

Rizika a výzvy

Autonomie přináší rizika. Halucinace u agentů jsou nebezpečnější než u chatbotů. Pokud si chatbot vymyslí fakt, stačí ho opravit. Pokud si agent vymyslí krok v procesu nákupu, může dojít k reálné finanční ztrátě. Proto je kritickým tématem vývoj tzv. „Human-in-the-loop“ mechanismů – systémů, kde agent musí schválit klíčové kroky (jako platbu) u člověka.