Co je agentní AI a proč mění pravidla hry v realitách

Klasická umělá inteligence, jak ji známe z ChatGPT nebo Gemini, skvěle odpovídá na otázky a generuje text. Agentní AI jde o krok dál — jde o systémy složené z několika spolupracujících agentů, kteří si mezi sebou předávají data, vyhodnocují výsledky a samostatně se rozhodují o dalším postupu. Místo abyste AI použili na jednu izolovanou úlohu („přečti nájemní smlouvu“), agentní systém zvládne celý řetězec: přečte smlouvu, vytáhne klíčové parametry, porovná je s tržními daty, připraví shrnutí pro investiční tým a aktualizuje interní systémy.

Podle partnera McKinsey Ankita Kapoora jde právě o tuto transformaci celých domén — „když nasadíte sérii koordinovaných agentů, kteří získávají data, připravují podklady, sumarizují zjištění a aktualizují systémy, to je to, co znamená transformovat doménu.“ McKinsey odhaduje, že AI může v realitním sektoru vytvořit hodnotu v rozmezí 430 až 550 miliard dolarů.

Tři klíčové oblasti, kde agentní AI generuje hodnotu

Analýza McKinsey identifikuje tři hlavní domény, ve kterých se agentní AI prosazuje nejvýrazněji:

1. Front-end: pronájem a obchodní aktivity

První oblast zahrnuje vše, co souvisí s leasingem a generováním příjmů. Tradiční model „9-to-5“ se mění na 24/7 zapojení — agentní systémy dokážou nepřetržitě komunikovat s potenciálními nájemci, kvalifikovat leady a zabránit jejich ztrátě. AI agenti automaticky odpovídají na dotazy, domlouvají prohlídky a připravují personalizované nabídky na základě historických dat o dané lokalitě.

2. Provoz nemovitostí

Druhou doménou je property management — správa budov a areálů. Agentní systémy zde automaticky třídí požadavky na údržbu („triage tickets“), přiřazují techniky podle jejich specializace a polohy a optimalizují celý servisní proces. Výsledkem je rychlejší odezva na problémy nájemců a nižší provozní náklady.

3. Back-office: investiční operace a reporting

Třetí oblast pokrývá finanční reporting, oceňování a investiční analýzy. Zde McKinsey uvádí konkrétní čísla: nasazení agentní AI může zkrátit čas strávený na těchto procesech o 60 až 80 procent. Místo ručního sběru dat z různých systémů, jejich konsolidace a tvorby reportů vše zastanou koordinovaní agenti. Lidský pracovník pak výsledky pouze zkontroluje a schválí.

Domain approach: od izolovaných nástrojů k celým workflow

Klíčovým konceptem, který McKinsey prosazuje, je takzvaný „domain approach“. Většina firem dnes používá AI nástroje izolovaně — jeden na čtení smluv, druhý na analýzu trhu, třetí na komunikaci s klienty. Tyto nástroje mezi sebou nemluví a nevytvářejí synergii. Výsledkem je minimální finanční dopad a nízká návratnost investic.

Domain approach naopak znamená, že firma přestaví celý pracovní proces od začátku do konce tak, aby ho mohla vykonávat koordinovaná síť AI agentů. Člověk do procesu vstupuje v klíčových momentech — při kontrole výstupů, strategickém rozhodování a budování vztahů. McKinsey uvádí, že při tomto přístupu organizace pozorují zlepšení čistého provozního zisku a zkrácení cyklů o 10 až 30 procent.

Co to znamená pro lidi v oboru?

McKinsey zdůrazňuje, že otázka nezní „které pozice zaniknou“, ale „jak se stávající role promění“. Pokud dvě třetiny činnosti zastane automatizovaný nástroj, lidská role se přesouvá směrem k vyhodnocování, kontrole přesnosti a budování důvěry.

Partner McKinsey Vaibhav Gujral to ilustruje na investičních profesionálech: „Místo vytváření standardizovaných reportů a modelů pro detekci signálů se jejich pozornost přesune k úsudkovému rozhodování, alokaci kapitálu a udržování vztahů.“ V krizových situacích — například při havárii v budově — pak nájemci stále potřebují empatii a pohotovost živého člověka, ne automatizovaný systém.

Překážky: data, firemní kultura a důvěra

Navzdory obrovskému potenciálu existují významné bariéry. Ankit Kapoor upozorňuje, že bez čisté a dobře spravované datové infrastruktury nemá agentní AI šanci: „Pokud AI agent pracuje s chybnými daty, produkuje chybné výsledky. Pro kvalitní datový základ neexistuje náhrada.“

Gujral přidává další tři rizika: organizační setrvačnost (firmy se brání změně zaběhnutých procesů), léčba AI jako IT projektu místo změny operačního modelu celé firmy a obavy o důvěryhodnost a bezpečnost. Alex Wolkomir z McKinsey navíc varuje před „závodem ke dnu“ — pokud všechny firmy nasadí stejnou technologii stejným způsobem, ztratí schopnost se odlišit.

Český a evropský kontext

Pro český realitní trh je zpráva McKinsey relevantní hned z několika důvodů. V České republice působí globální poradenské firmy jako JLL, CBRE, Cushman & Wakefield nebo Knight Frank, které již s AI experimentují na globální úrovni a jejich know-how se postupně dostává i na lokální trh.

Zároveň platí, že české realitní kanceláře a developeři se potýkají se stejnými problémy jako jejich zahraniční protějšky: administrativní zátěž, pomalé zpracování poptávek a nekonzistentní reporting. Agentní AI by mohla pomoci především středně velkým firmám, které nemají rozsáhlé back-office týmy.

V evropském kontextu je nutné zmínit EU AI Act, který od srpna 2026 začíná plně platit. Realitní firmy, které chtějí agentní AI nasadit, musejí zajistit transparentnost rozhodování agentů, ochranu osobních údajů (GDPR) a jasné vymezení odpovědnosti za automatizovaná rozhodnutí. To může být v praxi složitější, než se zdá — zejména pokud agenti pracují s citlivými daty o nájemcích nebo investorech.

Dobrou zprávou je, že agentní AI není doménou jen gigantů. Na trhu se objevují platformy jako Microsoft Copilot, AWS AI Agents nebo open-source frameworky, které umožňují budovat agentní workflow i menším firmám. Ceny se pohybují od bezplatných tierů až po stovky dolarů měsíčně za enterprise nasazení. Pro českou firmu se tak investice do prvních agentních pilotů může pohybovat v řádu desítek tisíc korun měsíčně.