Generativní AI odpovídá, agentní AI jedná
Než se pustíme dál, je dobré si ujasnit rozdíl, který zmiňuje i host podcastu. Generativní AI — tedy modely typu ChatGPT nebo Gemini — je v podstatě reaktivní. Položíte jí otázku nebo dáte pokyn a ona odpoví. Skvěle poslouží na psaní textů, shrnutí dokumentů nebo hledání odpovědí.
Agentní AI na generativní modely navazuje, ale přidává jim schopnost jednat. Systém pochopí cíl, sám si naplánuje potřebné kroky, pracuje s různými zdroji informací a úkol dokončí — vždy ale v předem daných mezích. Umí se připojit k databázím i firemním aplikacím, rozhodovat podle nastavených pravidel a krok za krokem úkol dotáhnout do konce.
Klíčová je přitom možnost vrátit se zpět k člověku. Agent může být navržený tak, aby si v kritických chvílích vyžádal potvrzení od analytika. Právě tahle pojistka z něj dělá nástroj vhodný pro složitější firemní procesy, ne jen pro rychlé odpovědi.
| Generativní AI | Agentní AI |
|---|---|
| Odpoví na dotaz nebo pokyn | Pochopí cíl a sama si rozvrhne kroky |
| Pracuje s jedním vstupem | Pracuje s více zdroji a systémy najednou |
| Člověk zadává každý krok zvlášť | Vykoná posloupnost úkolů, člověk dohlíží |
| Hodí se na psaní a shrnování | Hodí se na složitější firemní procesy |
Kde už agenti odvádějí skutečnou práci
Největší přínos vidí expert z Decimal Point Analytics tam, kde se zpracovává velké množství informací. V mnoha firmách musejí zaměstnanci posbírat data z 15 nebo 20 různých aplikací, než vůbec začnou pracovat na samotném úkolu. Právě tuhle otravnou, opakující se část dokáže agent převzít.
Dobrým příkladem je výzkum a audit. Firma si v praxi postavila systém, který sám čerpá informace z firemních výkazů a kalendářů, najde čtvrtletní výsledky, stáhne přepisy hovorů s investory a vše shrne. Analytik pak výstup jen zkontroluje, než se pošle klientovi. Čas, který dřív padl na ruční dohledávání, se přesune ke kontrole a úsudku.
Podobně funguje oblast rizik a souladu s předpisy. Agent může průběžně sledovat změny regulací, porovnávat je s vnitřními pravidly firmy, upozornit na nesrovnalosti a zalarmovat compliance tým. Dál se nabízí zákaznická podpora, obchod, účetnictví nebo odsouhlasování plateb.
Bez pořádku v datech to nepůjde
Nasazení agenta do firemního provozu ale není jen otázka zapnutí nového softwaru. Podle hosta podcastu je potřeba začít u firemního know-how: agent potřebuje kontext, aby pochopil, jak firma funguje. Tohle know-how se často skrývá v e-mailech, interních směrnicích nebo v hlavách zkušených manažerů. Je potřeba ho dostat do přehledných úložišť, aby s ním systém dokázal pracovat.
Druhý základ je propojení dat — agent musí mít přístup k informacím z ERP, CRM, účetnictví, HR a dalších systémů. A do třetice jasně popsané pracovní postupy. Bez těchto tří pilířů se nasazení agenta do časově citlivých procesů neobejde.
Důvěrnost, náklady a lidský dohled
Mezi nejčastější překážky patří nepřehledná data a znalosti, které leží mimo formální databáze. Pak je tu obava z důvěrnosti — firma musí vědět, jak se s jejími daty nakládá a jestli se citlivé informace nedostanou mimo zamýšlené prostředí. A samozřejmě náklady: provoz agentů je potřeba ekonomicky obhájit vedle technických a datových požadavků.
Pro české a evropské firmy přibývá ještě jeden rozměr. Akt EU o umělé inteligenci (AI Act), který platí od 1. srpna 2024 a jehož povinnosti se zapínají postupně během 6 až 36 měsíců, zavádí pro vysoce rizikové systémy povinnost lidského dohledu. Týká se to mimo jiné náboru, zdravotnictví, školství nebo kritické infrastruktury. Agent, který by sám rozhodoval v těchto oblastech, musí počítat s tím, že člověk zůstává ve smyčce — což ostatně odpovídá i doporučení z podcastu. Za porušení zákazů hrozí pokuta až 35 milionů eur nebo 7 % celosvětového obratu firmy. U běžné práce s daty zase platí známé GDPR — tedy že citlivé údaje nesmějí uniknout mimo povolené prostředí.
Sečteno: agentní AI dnes dává největší smysl právě tam, kde se zpracovává hodně informací a kde může práci zrychlit, zatímco důležité rozhodnutí zůstává na člověku. Pro běžnou firmu to znamená začít u pořádku v datech a jasných postupech — teprve pak má smysl agenta pouštět do skutečného provozu.
Jaký je rozdíl mezi agentní a generativní AI?
Generativní AI reaguje na dotaz a vytvoří odpověď nebo text. Agentní AI k tomu přidává schopnost samostatně naplánovat kroky, pracovat s více zdroji a úkol dokončit, přičemž si v kritických chvílích může vyžádat potvrzení od člověka.
Musí u agentní AI zůstat člověk?
Doporučuje se to a v EU to u vysoce rizikových systémů přímo nařizuje AI Act. U běžných firemních procesů se člověk obvykle stará o kontrolu výstupu a důležitá rozhodnutí, zatímco agent odvede opakující se sběr a zpracování dat.
Vyplatí se agentní AI i menší firmě?
Záleží na množství opakované práce s daty. Přínos je největší tam, kde zaměstnanci pravidelně sbírají informace z mnoha aplikací. Podmínkou je ale nejdřív pořádek v datech, propojené systémy a jasně popsané postupy — jinak se investice nemusí vrátit.
