Proč jsou certifikáty na prompt engineering považovány za „vtip“?

V komunitě technologických expertů se stále častěji objevuje kritika, která tvrdí, že samotný prompt engineering není skutečná inženýrská disciplína. Jak uvádí diskuse na platformě Hacker News, mnoho lidí se snaží prodávat dovednost, která je v podstatě jen „házení věcí na zeď a doufáním, že to ulpí“.

Problém je v tom, že modely jako GPT-4o, Claude 3.5 Sonnet nebo Gemini 1.5 Pro se neustále zlepšují v porozumění přirozenému jazyku. To, co bylo před rokem „pokročilým promptem“, je dnes běžnou schopností modelu. Skutečná výzva tedy není v tom, jak modelu říct, co má dělat, ale v tom, jak postavit systém, který bude spolehlivý, bezpečný a schopný řešit komplexní úkoly bez neustálého dohledu člověka.

Právě proto vznikl nový, zcela zdarma projekt: Agentic AI Practitioner Exam. Na rozdíl od předchozích kurzů tento test nevyžaduje, abyste vybrali správnou odpověď z více možností. Vyžaduje, abyste skutečně postavili funkční agentické svarmy (swarms). Pokud váš systém nedokáže samostatně vyřešit komplexní úkol pomocí více spolupracujících agentů, neuspějete.

Co je to Agentic AI a proč by vás to mělo zajímat?

Zatímco klasický chatbot čeká na vaši otázku a pak odpoví, agentický systém (Agentic AI) má cíle. Představte si to jako rozdíl mezi tím, když si objednáte jídlo (prompting), a tím, když najmete šéfkuchaře, nákupčí a servírku, kteří spolu komunikují, aby pro vás připravili hostinu (agentic workflow).

Agentický svarm (swarm) je skupina specializovaných AI agentů, kde každý má svou roli. Jeden může být „analytik dat“, druhý „programátor“ a třetí „editor textu“. Ti spolu komunikují, sdílejí poznatky a opravují chyby těch ostatních. Tato technologie umožňuje automatizovat procesy, které byly dříve považovány za příliš složité pro AI, jako je například komplexní výzkum trhu nebo vývoj softwaru od nuly.

Srovnání schopností: Prompting vs. Agentické systémy

Při srovnání výkonu v reálných úlohách vidíme jasný rozdíl. Zatímco u jednoduchých úkolů (např. shrnutí textu) jsou modely srovnatelné, u komplexních projektů vyhrávají systémy využívající agentické rámce (jako CrewAI nebo Microsoft AutoGen).

• Prompt Engineering: Zaměřuje se na textovou vstupní hodnotu. Výsledkem je jedna odpověď.
• AI Engineering (Agentic): Zaměřuje se na orchestraci, paměť (RAG), nástroje (API volání) a iteraci. Výsledkem je dokončený projekt.

V kontextu benchmarků, modely jako Claude 3.5 Sonnet momentálně excelují v tzv. „reasoningu“ (logickém uvažování), což je pro agentické systémy klíčové, protože agent musí umět plánovat své další kroky.

Praktický dopad: Co to znamená pro firmy a český trh?

Pro české firmy a technologické startupy to znamená zásadní posun v náboru i ve vývoji produktů. Už nestačí hledat „specialisty na ChatGPT“. Potřebujete AI inženýry, kteří rozumí softwarovému inženýrství, práci s daty a integraci modelů do existujících systémů.

Dostupnost a náklady: Většina nástrojů pro budování agentů, jako je CrewAI nebo LangChain, je dostupná jako open-source (zdarma). Samotné modely, které tyto agenty pohánějí, mají různé cenové modely:

• OpenAI (GPT-4o): Platba za tokeny (pay-as-you-go), pro vývojáře velmi dostupná.
• Anthropic (Claude): Podobný model, často preferován pro komplexní logiku.
• Google (Gemini): Nabízí velmi široké kontextové okno, což je ideální pro agenty pracující s velkými dokumenty.

Jak se připravit na novou realitu?

Pokud chcete zůstat relevantní, přestaňte se učit „triky na promptování“. Začněte se učit:

1. RAG (Retrieval-Augmented Generation): Jak propojit AI s vlastními daty.
2. Tool Use (Function Calling): Jak naučit AI používat externí nástroje (vyhledávače, kalkulačky, API).
3. Orchestrace: Jak řídit více agentů najednou, aby se vzájemně neblokovali.

Doporučujeme vyzkoušet si zmíněný bezplatný Agentic AI Practitioner Exam. I když je v angličtině, jeho praktická podstata je univerzální a prověří vás v tom, co skutečně matters: schopnost postavit funkční AI systém, nikoliv jen napsat hezký text.