AI už ovlivňuje nákup dříve, než zákazník otevře web
Článek MarketScale uvádí, že 72 % B2B kupujících používá ChatGPT při prověřování dodavatelů. Nejde tedy jen o to, zda má firma dobře napsanou produktovou stránku. Potenciální zákazník se může nejprve zeptat AI, které služby v dané kategorii doporučuje, a teprve potom navštívit několik webů.
To mění práci s obsahem. Firma musí být popsaná srozumitelně na vlastních stránkách, v dokumentaci i v důvěryhodných externích zdrojích. MarketScale zároveň uvádí, že 51 % technologických značek nemá v odpovědích velkých jazykových modelů žádnou citaci. Pro menší český podnik to neznamená slepě vyrábět texty pro chatboty. Znamená to hlavně zveřejnit přesné informace o ceně, podpoře, omezeních a reálných zákaznických případech.
Co je agentní AI a proč je dražší než běžný chatbot
Chatbot obvykle reaguje na jeden dotaz. Agentní AI dostane cíl a může si sama rozdělit práci na několik kroků. Například vyhledá stav objednávky, porovná ho s pravidly pro vrácení zboží, připraví odpověď a předá případ člověku. Jednotlivé kroky mohou vyžadovat volání firemního systému, načtení dokumentů a několik odpovědí jazykového modelu.
Účtuje se přitom často podle tokenů, tedy malých jednotek textu, které model přečte nebo vytvoří. Dlouhé instrukce, katalogy a historie komunikace znamenají více tokenů. Jeden jednoduchý dotaz proto může být levný, ale agent opakující několik kroků nad rozsáhlými daty už představuje výrazně jiný účet.
Podle MarketScale řekl generální ředitel Palo Alto Networks Nikesh Arora, že ceny tokenů by musely během dvou let klesnout o 90 %, aby se podnikové nasazení AI mohlo rozšířit ve velkém. To není ceník konkrétní služby ani univerzální předpověď. Je to však užitečný signál: při plánování rozpočtu nemá firma počítat pouze cenu licence, ale také počet běhů agenta, délku kontextu, přístup k databázím a lidskou kontrolu.
Vlastní rychlý výpočet ukazuje, kde se rozpočet ztrácí
Praktický model si může vytvořit i malý e-shop. Představme si 10 000 automatizovaných zákaznických případů za měsíc. Pokud každý případ vyvolá průměrně pět volání modelu, jde o 50 000 volání. Když se kvůli špatně nastavenému procesu zdvojnásobí délka vstupních dokumentů, počet volání se nezmění, ale spotřeba tokenů ano. Při stejném objemu práce tak může účet vyrůst přibližně dvojnásobně.
Ještě názornější je srovnání scénářů. Agent, který nejprve načte celý katalog, ceník a historii zákazníka, bude dražší než agent, jenž si z databáze vyžádá pouze relevantní položky. Rozdíl nevzniká v „inteligenci“ modelu, ale v návrhu workflow. Proto má smysl začít měřením: kolik tokenů připadá na jeden případ, kolik případů končí u člověka a kolik odpovědí se musí opravovat.
Čísla z tohoto příkladu nejsou slibem konkrétní úspory, ale jednoduchou kontrolou ekonomiky. Bez skutečných logů a ceníku zvoleného poskytovatele nelze poctivě převést výsledek na koruny. Firma by si proto měla vyžádat zkušební období s limitem a účtovat náklady na jeden vyřešený případ, ne pouze na jednoho uživatele.
Proč samotná licence problém nevyřeší
MarketScale popisuje také investici 1,5 miliardy dolarů do společného podniku Ode, za nímž stojí Blackstone, Goldman Sachs, Hellman & Friedman a Anthropic. Jeho přístup spočívá v nasazení inženýrů přímo do podniků. Smyslem není dodat další chatovací okno, ale upravit procesy tak, aby AI skutečně fungovala v každodenním provozu.
To odpovídá zkušenosti mnoha týmů: pilot působí přesvědčivě, protože řeší omezený počet ukázkových úloh. V ostrém provozu se ale objeví výjimky, neúplná data, oprávnění a odpovědnost za chybu. Zpráva MarketScale cituje také rozdíl z reportu Kyndryl: AI používá v klíčových procesech 57 % podniků, ale jen 23 % vedoucích pracovníků považuje své zaměstnance za plně připravené.
Prodejce nebo menší služba v Česku nemusí najímat celý tým specialistů. Měla by ale určit vlastníka procesu, popsat hranici, za níž rozhoduje člověk, a připravit krátké školení. Užitečný agent je často méně autonomní, než se v prezentaci zdá: sám třídí a navrhuje, ale slevu, reklamaci nebo zásah do skladu schvaluje pracovník.
Český a evropský limit: data, dohled a AI Act
Pro české firmy je důležitá také evropská regulace. Evropská komise uvádí, že AI Act používá přístup podle míry rizika. Běžná podpora zákazníků může spadat do nízkého rizika, ale konkrétní použití AI při zaměstnávání, hodnocení pracovníků nebo přístupu k některým službám může mít přísnější režim.
Od 2. srpna 2026 se podle Komise uplatňuje širší rámec pravidel AI Actu, přičemž některé povinnosti pro vysoce rizikové systémy mají přechodné termíny. U chatbotů a generativních systémů je podstatná transparentnost: člověk má vědět, že komunikuje se strojem, pokud je to pro jeho rozhodnutí důležité. Agent proto nemá být tajně vydáván za zaměstnance.
V praxi je rozumné držet česká zákaznická data v systému s jasně popsaným zpracováním, kontrolovat přístupová práva a neposílat do veřejného nástroje celý export objednávek. Dostupnost v češtině dnes není hlavní technickou překážkou: přední cloudové modely češtinu obvykle zpracují. Kvalita se ale liší podle oboru, nářečí a interní terminologie. Každý agent pro český trh proto potřebuje testovací sadu skutečných, anonymizovaných dotazů.
Má smysl agentní AI vyzkoušet?
Ano, ale začal bych jedním opakujícím se procesem s nízkým rizikem. Vhodné je například třídění dotazů, příprava návrhů odpovědí nebo kontrola, zda objednávka splňuje předem známá pravidla. Nevhodné je nechat agenta bez dohledu rozhodovat o zamítnutí reklamace, výběru zaměstnance nebo nakládání s citlivými údaji.
Před nasazením si firma může položit pět otázek: Jaký výsledek přesně měříme? Kolik stojí jeden případ? Kdy musí zasáhnout člověk? Jak opravíme chybnou odpověď? A co se stane s daty po skončení testu? Pokud na ně nedokáže odpovědět, další licence problém nevyřeší.
Agentní AI tedy není jen otázkou modelu. Pro běžný český podnik je to především návrh práce, rozpočet a odpovědnost. Firmy, které si tyto tři věci změří předem, mohou získat časovou úsporu bez toho, aby zákazník poznal rozdíl v kvalitě. Ty ostatní mohou jen rychleji automatizovat nepořádek, který už v procesu mají.
FAQ
Musí česká firma kvůli agentní AI kupovat drahý podnikový systém?
Ne nutně. Na začátku může stačit omezený pilot s jasným limitem nákladů a přístupem pouze k vybraným datům. Rozhodující je změřit cenu jednoho vyřešeného případu a kvalitu výsledku.
Umí agentní AI pracovat česky?
Přední modely češtinu obvykle podporují, ale výkon závisí na oboru, interních názvech a kvalitě podkladů. Před ostrým provozem je vhodné otestovat anonymizované české dotazy z praxe.
Kdo odpovídá za chybu AI agenta?
Odpovědnost nelze přenést na samotný software. Firma musí určit vlastníka procesu, nastavit lidský dohled a vést záznamy o tom, jak agent k výsledku dospěl a kdy zasáhl člověk.
