AI agenti se učí jednat sami. Proč je firmy nasazují a kde jim rostou skryté náklady

Co znamená „agentní“ AI — a v čem se liší od automatizace

Klasická automatizace a takzvaná robotická automatizace procesů (RPA) fungují jako recept: přesně víte, co se stane, protože jste to dopředu nadefinovali. Agentní AI naproti tomu interpretuje cíl, sbírá kontext a rozhoduje se za běhu. Může propojit několik systémů, zvolit jiný postup, když narazí na překážku, a teprve když si není jistá, obrátí se na člověka.

Pro běžného čtenáře je rozdíl jako mezi záznamníkem, který přehraje nahranou zprávu, a asistentem, který na dotaz sám něco zjistí a odpoví. Firma Atos, globální poskytovatel IT služeb s pobočkou i v České republice, ve svém textu „From automation to autonomy“ popisuje přesně tento posun: zatímco automatizace vykonává předem definované činnosti přesně a konzistentně, agenti nově interpretují cíle a jednají napříč systémy s omezeným lidským dohledem.

Proč se o agentní AI jedná právě teď v kancelářích vedení

Zájem o agentní AI už podle Atosu dávno překročil fázi experimentů. Důvod je prozaický — tlak na měřitelné výsledky. Techničtí ředitelé (CTO) mají ukázat hodnotu investic, bezpečnostní šéfové (CISO) chtějí kontrolu nad stále samostatnější automatizací a finanční ředitelé (CFO) chtějí předvídatelné provozní náklady.

Právě poslední bod je klíčový a v článcích o AI se často přehlíží. Když agent přemýšlí, spotřebovává výpočetní výkon — a ten se platí. Atos to označuje za „skrytý metr“: každé volání modelu, každý pokus o opravu chyby, každá smyčka, kterou agent projde, stojí peníze. To je zásadně jiná struktura nákladů než u klasického softwaru, kde cena vznikla jednorázově při vývoji a provoz zůstává v podstatě neměnný.

Staré systémy najednou nejsou přítěž

Další důvod, proč agentní AI firmám dává smysl, je v tom, co už mají. Velké podniky obvykle nemohou jen tak zahodit desítky let budovaných systémů — ERP, CRM, mainframy a stovky vlastních aplikací. Analýza poradenské firmy McKinsey („Rethinking enterprise architecture for the agentic era“) říká, že agentní AI je lákavá právě proto, že umožňuje zlepšení bez okamžité výměny: agenti běží vedle stávajících systémů, propojují se přes rozhraní (API) a koordinují práci mezi starým a novým.

Pro firmu to znamená modernizační cestu, kterou lze snáz obhájit finančně i organizačně než kompletní přestavbu architektury. Přidávat se dá postupně, po menších krocích, místo riskantního velkého třesku.

Co na to říká evropská regulace

V Evropě ale samostatnost agentů naráží na konkrétní pravidla. Akt o umělé inteligenci (EU AI Act), který vstoupil v platnost 1. srpna 2024, u vysoce rizikových systémů přímo vyžaduje lidský dohled (human oversight) a některé praktiky úplně zakazuje. Mezi zakázané patří třeba sociální skóring nebo rozpoznávání emocí na pracovišti a ve školách.

Harmonogram se spouští postupně. Většina zákazů platí od 2. února 2025, povinnosti pro poskytovatele obecných AI modelů (GPAI) od 2. srpna 2025 a pravidla transparentnosti (článek 50) od 2. srpna 2026. Povinnosti pro vysoce rizikové systémy podle přílohy III — kam spadá mimo jiné AI v náboru, hodnocení zaměstnanců nebo úvěrování — se stanou použitelnými 2. prosince 2027.

Pro praktický pohled to znamená jednoduchou věc: čím samostatněji má agent rozhodovat, tím víc musí být v procesu člověk a tím víc musí být jeho kroky dohledatelné.

Skrytý metr nákladů, na který se zapomíná

Tady se dostáváme k tomu nejpraktičtějšímu. Agentní systém nespotřebovává zdroje jednorázově, ale s každým krokem. Atos to popisuje přesně: agenti „přemýšlejí“ přes tokeny, volání modelů, orchestrace a opakované pokusy. Každý z těchto kroků znamená výpočetní náklady.

Představte si to jako tiskárnu s inkoustem. Klasický program je jako jeden vytištěný dokument — cena vznikne jednou. Agent je jako tiskárna, která sama píše, kontroluje a přepisuje, dokud není výsledek dost dobrý. Každá korektura spotřebuje inkoust navíc. Když agentům dovolíte opakovat pokusy bez omezení, účet může růst rychleji, než přibývá přidané hodnoty.

Gartner k tomu dodává druhé varování: agenti sice zvládnou sofistikované úkoly, ale přinášejí otázky vysvětlitelnosti, požadavky na dohled, bezpečnostní rizika a právě obtížně předvídatelné provozní náklady. Pilotní projekty podle Atosu vypadají skvěle v kontrolovaných podmínkách, ale při přechodu do ostrého provozu se skrytá složitost projeví naplno.

Co si z toho odnést, i když neřídíte korporaci

Nemusíte být technický ředitel nadnárodní firmy, aby vám z téhle debaty něco klaplo. Tři postřehy platí obecně.

Za prvé, agentní AI není jen „chytřejší automatizace“ — je to jiný model fungování, a tedy i jiné náklady a rizika. Za druhé, pokud agenta necháte rozhodovat o věcech s dopadem na lidi (nábor, úvěry, hodnocení), v Evropě narazíte na povinnosti podle AI Actu. Za třetí, skrytý metr nákladů je potřeba sledovat od začátku, ne až když přijde první faktura.

Pro české firmy je relevantní i to, že Atos působí přímo v Česku — jeho tuzemská pobočka pokrývá mimo jiné IT služby a digitalizaci. Koncept „suverénní“ agentní AI, který Atos prosazuje ve svých Sovereign Agentic Studios a v březnovém whitepaperu „Enterprise-grade Agentic AI: Secure, Governed, and Sovereign by Design“, míří právě na evropské požadavky — data a rozhodování pod kontrolou, s důrazem na řízení a bezpečnost.

Verdikt? Vyzkoušet ano, ale s rozumem. Agentní AI umí ušetřit čas u opakující se práce, která vyžaduje úsudek, ale začněte u jednoho jasně ohraničeného úkolu, sledujte náklady na výpočetní výkon a u citlivých oblastí nechte člověka v procesu. To ostatně vyžaduje i evropská legislativa.