Co je to vlastně Agentic AI a proč na tom záleží?

Většina lidí si pod pojmem umělá inteligence stále představuje chatovací rozhraní jako ChatGPT nebo Claude, do kterého napíšete otázku a on vám odpoví. To je sice užitečné, ale má to své limity – model je uzavřen v „bublině“ textu. Agentic AI (nebo agentní AI) tuto bublinu rozbíjí. Agent není jen model; je to systém postavený na modelu, který má schopnost uvažování (reasoning), paměti a především přístupu k externím nástrojům.

Zatímco běžný LLM (Large Language Model) vám může napsat e-mail, agentní AI dokáže do e-mailu vložit faktická data z vašeho CRM systému, zkontrolovat váš kalendář, vyjednat termín schůzky s klientem a následně jej v kalendáři zapsat. K tomu využívá tzv. reasoning loops (smyčky uvažování), kde si systém neustále kontroluje, zda se blíží k cíli, nebo zda udělal chybu.

Tržní projekce: Obrovské rozdíly v číslech

Data z různých zdrojů ukazují fascinující, byť trochu nekonzistentní obraz. Podle studie společnosti SAP se trh s agentní AI v Indii odhaduje na 14,4 milionu USD, což představuje pětinový růst. To je však jen malý zlomek globálního obrazu.

Pokud se podíváme na širší kontext, Gartner uvádí, že celkové výdaje na AI v roce 2026 dosáhnou 2,5 bilionu USD. Z toho velmi významná část bude tvořit právě agentní schopnosti integrované do firemního softwaru, což se odhaduje na staggering 201,9 miliardy USD.

Zde narážíme na důležitý rozdíl v definicích:

• Standalone market: Trh s čistě samostatnými agentními platformami (odhadovaný na 7–8,5 miliardy USD).
• Embedded Agentic AI: Schopnosti agentů zabudované do nástrojů, které už firmy používají (Salesforce, Microsoft, SAP), což tvoří tu obrovskou částku přes 200 miliard USD.

Technologické srovnání: Kdo vede v „agentním uvažování“?

Aby agent mohl fungovat, potřebuje extrémně silný „mozek“. Ne každý model je schopen udržet komplexní plán bez toho, aby se ztratil. V současnosti (k červnu 2026) sledujeme těsný boj mezi hlavními hráči:

• OpenAI (GPT-4o / o1 series): Aktuálně lídr v oblasti logického uvažování a matematické přesnosti, což je pro agenty klíčové při plánování kroků.
• Anthropic (Claude 3.5 Sonnet / Opus): Mnohými vývojáři považován za nejlepší model pro agentní úkoly díky jeho schopnosti dodržovat instrukce a méně „halucinovat“ v komplexních kontextech.
• Google (Gemini 1.5 Pro): Exceluje díky obrovskému kontextovému oknu, což umožňuje agentům pracovat s extrémně dlouhými dokumenty nebo celými repozitáři kódu najednou.

Pro vývojáře je zásadní také cena. Zatímco pro běžné chatování jsou ceny modelů (např. přes API) velmi nízké, agentní úlohy jsou náročné na tokeny. Agent musí „přemýšlet“ v kruzích, což znamená, že jeden úkol může spotřebovat desetkrát více tokenů než otázka a odpověď u běžného chatbota. U modelů jako GPT-4o se cena pohybuje v řádech dolarů za milion tokenů, což musí firmy při škálování přesně kalkulovat.

Výzvy: Proč 40 % projektů selže?

Není to jen růst, jsou tu i stíny. Podle dat z McKinsey má pouze 23 % organizací skutečně nasazené agentní systémy ve velkém měřítku. A Gartner varuje, že do konce roku 2027 může až 40 % projektů s agentní AI skončit neúspěchem.

Proč tomu tak je? Hlavními důvody jsou:

1. Spolehlivost (Reliability): Agent se může zaseknout v nekonečné smyčce nebo udělat chybný krok, který má řetězovou reakci.
2. Bezpečnost a kontrola: Jak moc můžeme nechat AI rozhodovat o převodech peněz nebo smazání dat?
3. Náročnost implementace: Propojení AI s reálnými firemními systémy (ERP, CRM) je technicky i bezpečnostně velmi náročné.

Dopad na český trh a evropskou regulaci