Co je to vlastně Agentic AI? Rozdíl mezi chatbotem a agentem

Pro pochopení tohoto posunu je důležité definovat rozdíl mezi běžným velkým jazykovým modelem (LLM) a agentním systémem. Tradiční chatbot, jako je například základní verze ChatGPT nebo Claude, funguje na principu promptu: uživatel položí otázku, model vygeneruje odpověď. Pokud chcete, aby chatbot něco udělal (např. zarezervoval letenku), musíte mu postupně dávat instrukce krok za krokem.

Agentic AI funguje jinak. Místo jednotlivých otázek mu zadáte cíl. Například: „Naplánuj mi obchodní cestu do Tokia, zarezervuj hotel s vysokým hodnocením v centru a pošli mi itinerář do kalendáře.“ Agentní systém si sám rozloží tento cíl na podúkoly, vyhledá informace na internetu, navštíví web hotelu, provede transakci (pokud mu k tomu dáte oprávnění) a nakonec provede akci v jiném softwaru.

Tento proces vyžaduje tři klíčové schopnosti, které běžné modely často postrádají nebo mají v omezené míře:

• Reasoning (Uvažování): Schopnost logicky vyhodnotit, jaký krok nás dovede k cíli.
• Planning (Plánování): Vytvoření hierarchie úkolů a schopnost opravit svůj plán, pokud narazí na překážku.
• Tool Use (Používání nástrojů): Schopnost interagovat s API, prohlížečem, kalkulačkou nebo databází.

V rámci benchmarků, které měří schopnost AI řešit reálné problémy, vidíme u agentních systémů obrovský skok. Zatímco standardní modely excelují v testech typu MMLU (obecné znalosti), agentní systémy jsou testovány na platformách jako SWE-bench, které simulují reálnou práci softwarových inženýrů. Zde se ukazuje, že schopnost autonomního řešení chyb v kódu je tím, co odlišuje prostý textový generátor od skutečného digitálního pracovníka.

Technologické pilíře: Kdo z tohoto posunu těží?

Přechod k agentní AI vyžaduje neuvěřitelný výpočetní výkon. Agentní cykly (tzv. reasoning loops) znamenají, že model musí "přemýšlet" opakovaně nad stejným úkolem, což spotřebovává mnohem více procesního času než jednorázová odpověď. Podle analýzy The Globe and Mail jsou hlavními vítězi v tomto směru výrobci hardwaru a poskytovatelé cloudové infrastruktury.

Hardware: Mozek agentních systémů

Prvním klíčovým hráčem je Nvidia. Jejich grafické procesory (GPU) jsou de facto standardem pro trénování i provoz těchto modelů. Bez masivního paralelního zpracování, které GPU nabízí, by agentní systémy byly příliš pomalé pro reálné nasazení. Dalším zásadním hráčem je Broadcom, který dominuje v oblasti specializovaných čipů (ASIC) a síťové infrastruktury, která umožňuje obrovskému množství dat mezi servery proudit bez latence.

Cloudová infrastruktura: Kde se agenti "bytují"

Aby agent mohl pracovat, musí mít přístup k nástrojům. To znamená, že musí být integrován do cloudových prostředí. Zde dominují giganti jako Microsoft (Azure), Google (Google Cloud) a Amazon (AWS). Tito poskytovatelé neprodávají jen výpočetní výkon, ale celé ekosystémy, kde se agent může napojit na e-maily, kalendáře, databáze a další firemní aplikace.

Praktický dopad: Co to znamená pro vás?

Pro běžného uživatele to znamená, že software přestane být jen "pasivním nástrojem" a stane se "aktivním asistentem". Místo abyste v Excelu ručně kopírovali data z e-mailů, agent to udělá za vás na pozadí. Pro firmy to představuje obrovskou příležitost k automatizaci procesů, které dosud vyžadovaly lidskou logiku, nikoliv jen jednoduché skripty.

Cenová politika a dostupnost: V současné době se cena za přístup k agentním schopnostem liší podle způsobu využití.

• B2C (Pro jednotlivce): Předplatné typu ChatGPT Plus nebo Claude Pro stojí přibližně 20 USD (cca 460 Kč) měsíčně. Tyto modely již začínají implementovat základní agentní funkce (např. analýza dat v souborech).
• B2B (Pro firmy přes API): Zde se cena neplatí paušálem, ale za tokeny (množství zpracovaného textu). Protože agentní systémy "přemýšlejí" v nekonečných smyčkách, jejich provoz může být výrazně dražší než u běžných chatbotů. Firmy musí počítat s vyššími náklady na provozní AI.

Kontext pro Česko a EU: V České republice a v celé EU musíme na tyto systémy nahlížet skrze optiku EU AI Act. Agentní AI přináší vyšší riziko, protože může autonomně činit rozhodnutí, která mají dopad na lidi (např. v bankovnictví nebo při náboru zaměstnanců). Regulace bude klíčová pro zajištění, aby tyto systémy byly transparentní a aby bylo jasné, kdo nese odpovědnost za chybu provedenou autonomním agentem. Z hlediska dostupnosti je český trh plně integrován do globálních služeb – nástroje jako Microsoft Copilot nebo Google Gemini jsou v češtině dostupné a jejich agentní schopnosti se postupně rozšiřují i na naše jazykové prostředí.

Závěr

Agentní AI není jen dalším vylepšením chatbotů. Je to fundamentální změna způsobu, jakým budeme interagovat s počítači. Zatímco první vlna AI nás naučila, jak s počítačem mluvit, druhá vlna nás naučí, jak mu delegovat práci. Pro technologické investory i pro běžné uživatele je otázkou nejen toho, co AI umí, ale jak moc jí budeme schopni důvěřovat.