Co je agentní AI a proč o ní mluví Bain?

Agentní AI představuje posun od klasických chatbotů a generativních modelů k autonomním systémům, které samy plní úkoly napříč různými aplikacemi. Místo toho, aby uživateli pouze odpovídaly na dotazy, tyto agenti interpretují nestrukturované informace, koordinují akce v několika systémech současně a rozhodují se v mezích daných pravidel.

Tradiční automatizace založená na pravidlech nebo robotická automatizace procesů (RPA) dosáhla svých limitů v situacích, kdy workflow obsahuje nejednoznačnost a data jsou rozptýlena napříč více platformami. Agentní AI dokáže čerpat informace z ERP, CRM, podpůrných systémů i e-mailů, vyhodnotit je a provést následné kroky — například schválit fakturu, eskalovat ticket nebo aktualizovat záznam v databázi.

Podle Davida Crawforda, předsedy globální technologické a telekomunikační praxe v Bain & Company, se SaaS společnosti dvě desetiletí soustředily na budování tzv. systems of record — centrálních systémů evidujících data. Nový zdroj konkurenční výhody však tkví v tzv. cross-workflow decision context, tedy schopnosti interpretovat a jednat v procesech, které procházejí více systémy najednou.

Kolik je na stole: Rozbor 100miliardového trhu

Bain odhaduje, že v současnosti dodavatelé zachycují pouze 4 až 6 miliard dolarů z amerického trhu. To znamená, že přes 90 % potenciálu zůstává nevyužito. Pokud započteme Kanadu, Evropu, Austrálii a Nový Zéland, celkový adresovatelný trh dosáhne přibližně 200 miliard dolarů.

Zajímavé je, že tento trh není rovnoměrně rozložen. Největší podíl připadá na oblast prodeje — odhadovaných 20 miliard dolarů v USA. Důvodem není mimořádně vysoká automatizovatelnost, ale prostě velký počet pracovníků v oboru. Náklady na prodané zboží a operace představují zhruba 26 miliard dolarů. Výzkum a vývoj, zákaznická podpora a finance každý nabízejí trh v rozmezí 6 až 12 miliard dolarů.

Největší příležitosti podle firemních funkcí

Míra automatizace se výrazně liší podle toho, o jaký firemní proces jde. Bain identifikoval klíčové rozdíly:

• Zákaznická podpora a vývoj: 40–60 % úkolů lze automatizovat. Tyto oblasti mají strukturovaná data, standardizované postupy a jasná měřítka úspěchu.
• Finance a lidské zdroje: 35–45 % úkolů. Zpracování faktur a mzdy se automatizuje snáze než finanční plánování nebo řešení personálních vztahů.
• Prodej a IT: 30–40 %. Nuance vztahů se zákazníky a nepředvídatelná bezpečnostní incidenty omezují míru důvěry v autonomní rozhodování.
• Právní oddělení: 20–30 %. Přezkoumávání smluv je opakovatelné, ale důsledky chyb vyžadují přísnější lidský dohled.

Kdo už na trhu vydělává?

Zpráva uvádí konkrétní příklady firem, které agentní AI úspěšně komercializují. Nástroj pro vývojáře Cursor překonal průměrné měsíční výnosy 16,7 milionu dolarů po jediném čtvrtletí růstu. Konverzační platforma Sierra překročila 150 milionů dolarů ročně, právnický asistent Harvey má více než 190 milionů dolarů ročních tržeb a vyhledávač podnikových znalostí Glean dosáhl 200 milionů dolarů za rok.

Velcí hráči jako Salesforce, ServiceNow a Workday rovněž investují do agentních schopností. ServiceNow například akvizicí Moveworks posiluje své portfolio, zatímco Salesforce spolupracuje s Workday na propojení prodejních a personálních workflow. GitHub zase ukazuje, jak lze z hlavního workflow — vývojářské spolupráce — expandovat do sousedních oblastí jako je automatizace bezpečnosti a produktivita.

Co to znamená pro české a evropské firmy?

Bain explicitně zmiňuje Evropu jako region s obdobným potenciálem jako USA. Pro české firmy to znamená dvě věci: příležitost a výzvu. Příležitost spočívá v tom, že český trh je součástí tohoto adresovatelného prostoru. Výzva však tkví v připravenosti.

Agentní AI potřebuje strukturovaná data, digitalizované procesy a propojené systémy. Mnoho českých středních podniků stále pracuje s izolovanými databázemi, excelovými tabulkami a manuálními hand-offy mezi odděleními. Bez digitálního základu nemohou agenti efektivně fungovat. Investice do cloudové infrastruktury a standardizace API by proto měly být prvním krokem.

Zároveň platí, že evropské firmy musí respektovat EU AI Act, který klade zvýšené nároky na transparentnost a lidský dohled u automatizovaných rozhodovacích systémů. Právě v oblastech s vysokými důsledky chyb — jako jsou finance, právo nebo zpracování osobních údajů — bude regulace nejpřísnější. Firmy, které začnou s governance frameworky již nyní, získají výhodu.

Šest faktorů úspěchu automatizace

Bain definuje šest kritérií, které určují, zda je daný proces vhodný pro agentní AI:

1. Ověřitelnost výstupu: Úkoly jako kompilace kódu nebo vyřešení support ticketu mají jasná měřítka úspěchu.
2. Důsledky selhání: Daňová přiznání nebo právní compliance vyžadují těsnější dohled člověka.
3. Dostupnost digitalizovaných znalostí: Agenti potřebují strukturovaná data a zdokumentovaný kontext, nikoliv pouze informace v hlavách zkušených zaměstnanců.
4. Variabilita procesu: Opakující se workflow se automatizuje snáze než jedinečné, kreativní úkoly.
5. Komplexita integrací: Workflow procházející více systémy a API jsou technicky náročnější, ale právě tam je nejvyšší hodnota.
6. Politické a bezpečnostní mantinely: Agenti musí operovat v rámci jasných pravidel a oprávnění.

Největší hodnota se koncentruje tam, kde žádný jednotlivý systém neovládá celý výsledek — tedy v mezisystémové koordinaci, která dnes spotřebovává tisíce hodin lidské práce.

Doporučení pro SaaS firmy

Bain radí softwarovým společnostem začít mapováním konkrétních workflow zákazníků, nikoliv celých firemních funkcí. Důležité je také zhodnocení kvality dat — zda jsou komplexní, vázané na výsledky a použitelné pro automatizaci.

Společnosti by měly uzavírat mezery ve schopnostech buď interním vývojem, akvizicemi nebo partnerstvími. Příkladem může být AppLovin s vlastní platformou Axon, ServiceNow s Moveworks nebo Salesforce s Workday. Klíčové je rovněž přizpůsobit cenové modely: od tradičního platby za uživatele k platbě za výsledek nebo využití.

Zdroj: AI News — Bain sees US$100 billion SaaS market in agentic AI automation