Agent není chatbot — a firmy na to doplácejí

Většina podniků stále přemýšlí o agentní AI jako o trochu chytřejší verzi chatbota. To je zásadní chyba. Zatímco chatbot čeká na váš prompt a jednorázově odpoví, agent funguje úplně jinak. Sleduje stav systému, samostatně se rozhoduje, volá API různých nástrojů, prochází databáze a opakovaně provádí celé řetězce úkolů. Bez lidského zásahu.

Tahle neustálá aktivita znamená, že místo občasných dotazů najednou infrastruktura čelí tisícům malých, kontextově náročných interakcí napříč modely, nástroji a datovými úložišti. A to je něco, na co klasické firemní servery ani cloudové architektury nebyly stavěné.

Konkrétní ukázku jsme viděli letos v dubnu. GitHub musel pozastavit registrace nových uživatelů pro plány Copilot Pro, Pro+ a Student. Důvod? Agentní režimy programování — dlouhé, paralelní kódovací seance — spotřebovávaly řádově více výpočetního výkonu, než s čím původní cenový model počítal. GitHub zároveň zpřísnil limity a odebral přístup k modelům Claude Opus z levnějších tarifů, jak informoval InfoWorld.

Čtyři slabiny, které agentní AI odhalí

Podle analýzy Nutanixu, publikované v Forbes, existují čtyři klíčové oblasti, kde infrastruktura při nasazení agentů selhává:

1. Tokenomika místo propustnosti

Agenti se chovají spíš jako obchodníci než dávkové skripty. Každá interakce spotřebovává různý počet tokenů a bez přehledu o tom, kolik tokenů který agent spálil, nedokážete předpovědět náklady ani na úrovni jednotlivého workflow. IDC odhaduje, že velké podniky podcení náklady na AI infrastrukturu v průměru o 30 % — a to až do roku 2027. Většina firem totiž měří náklady zpětně, nikoliv v reálném čase. Výsledkem jsou nekontrolovatelné účty za cloud.

2. Chaos ve správě přístupů

Velké firmy nespouští jeden AI projekt, ale desítky — napříč odděleními, regiony i produktovými týmy. Každý z nich potřebuje jiná oprávnění, pracuje s odlišnými daty a soutěží o stejné zdroje. Bez silné izolace tenantů a řízení přístupů na úrovni modelů vzniká chaos, který ohrožuje bezpečnost i spolehlivost. Podle Gartneru do roku 2029 nasadí agentní AI do IT infrastruktury zhruba 70 % podniků (oproti méně než 5 % v roce 2025) — ale jen ty, které vyřeší správu přístupů včas.

3. Data na špatném místě

Agentní systémy jsou extrémně citlivé na to, kde leží data. Pokud úložiště a datové pipeline nejsou optimalizované pro AI přístupové vzorce, drahé GPU jednotky sedí a čekají na data. S rostoucími kontextovými okny a řetězením RAG vyhledávání, volání nástrojů a inference v reálném čase se každá prodleva násobí. Výsledkem je pomalý systém, kterému uživatelé přestanou důvěřovat.

4. Provozní noční můra den poté

Modely se mění, GPU generace zastarávají, frameworky se vyvíjejí a bezpečnostní požadavky se zpřísňují. Pokud každá obměna hardwaru nebo aktualizace modelu znamená nový inženýrský projekt na několik měsíců, IT tým tráví veškerý čas údržbou infrastruktury místo vytváření hodnoty. Organizace proto přecházejí k softwarově definovanému, cloudovému provoznímu modelu, který dovoluje plynulé aktualizace bez výpadků.

Co s tím? Čtyři principy pro přežití

Firmy, které to s agentní AI myslí vážně, potřebují podle analytiků zavést čtyři základní stavební kameny:

Centrální řídicí rovina — jednotné místo pro správu modelů, směrování, rozpočtů, monitoringu a vynucování politik napříč všemi týmy.

Infrastruktura bez vendor lock-in — schopnost provozovat AI zátěž napříč různým hardwarem i prostředími bez závislosti na jednom dodavateli.

Datové služby stavěné pro AI — úložiště, caching, vektorové pipeline a vysokopropustné datové cesty, bez kterých agenti nemohou efektivně fungovat.

Ekonomika a governance ve velkém — kvóty, účtování nákladů zpět na oddělení (chargeback), řízení přístupu a samoobslužné portály, které umožní širokou adopci AI bez ztráty kontroly.

Co to znamená pro české firmy

Pro české podniky je to varování obzvlášť aktuální. Zatímco velké korporace typu Škoda Auto nebo bankovní domy už s agentní AI experimentují, většina tuzemských firem je teprve ve fázi prvních chatbotů. Podle průzkumu ChannelTrends čeští podnikatelé vnímají AI hlavně jako nástroj pro zefektivnění e-mailové komunikace — od autonomních agentů řídících celé procesy jsou zatím daleko.

To ale neznamená, že si mohou dovolit infrastrukturu podcenit. Naopak — české firmy mají jedinečnou příležitost poučit se z chyb západních kolegů a budovat AI architekturu správně od začátku. Sázka na cloudová řešení od evropských poskytovatelů (která splňují požadavky GDPR a EU AI Act) dává smysl nejen technicky, ale i regulatorně.

V evropském kontextu navíc platí, že EU AI Act vyžaduje transparentnost a kontrolu nad AI systémy, což centrální governance platformu pro správu agentů mění z volitelné vychytávky na regulatorní nutnost. Firmy, které zainvestují do správné infrastruktury dnes, ušetří dvojnásob — na pokutách za nedodržení regulace i na nákladech za přestavbu systému za dva roky.

Nejčastější chyba: agenti jako projekty, ne platforma

Největším zabijákem agentních iniciativ je přístup „jeden projekt, jeden tým, jedna technologie". Firmy financují jednotlivé use cases, nakoupí modely, spustí pilot. Zpočátku to vypadá slibně — ale po pár měsících jede marketing na jiném modelu než vývoj, každé oddělení má vlastní bezpečnostní politiku a používají se tři různé nástroje. IT pak hasí neřízený chaos, finance řeší nečekané účty a bezpečnost se snaží zalepit díry, které se objevují rychleji, než je stíhá opravovat.

Řešením je přestat vnímat agentní AI jako sadu projektů a začít ji budovat jako podnikovou platformu — s jednotnou správou, předvídatelnými náklady a bezpečností zabudovanou od prvního dne.