Po celou poslední dobu jsme se v oblasti umělé inteligence pohybovali v rámci tzv. konverzační AI. Psali jsme dotazy, dostávali jsme odpovědi a v nejlepším případě jsme AI využívali k shrnutí textu nebo generování kódu. Bylo to interaktivní, ale stále pasivní. AI čekala na váš příkaz, interpretovala jej a vygenerovala výstup. Dnes však vstupujeme do éry, kdy se AI stává aktivním účastníkem procesů. Tento posun definujeme jako přechod od chatbotů k agentickým systémům.

Co je to Agentic AI a proč je to jiné než chatbot?

Hlavní rozdíl mezi běžným chatbotem a agentickým systémem spočívá v schopnosti autonomie a plánování. Zatímco klasický model (jako základní verze ChatGPT nebo Gemini) funguje na principu "otázka-odpověď", agentický systém pracuje s principem "cíl-výsledek".

Agentické systémy disponují několika klíčovými vlastnostmi, které je odlišují:

• Porozumění cílům: Místo interpretace jednotlivých slov se agent soustředí na to, co má být konečným výsledkem.
• Plánování: Agent si dokáže rozložit komplexní úkol na několik menších, logických kroků.
• Používání nástrojů: Agent se dokáže sám rozhodnout, že pro vyřešení úkolu potřebuje použít externí API, vyhledat informaci v databázi nebo spustit skript.
• Iterace: Pokud agent zjistí, že jeho první pokus selhal, dokáže svůj postup upravit a zkusit jinou cestu.

Podle analýz, které publikuje Aime, tyto systémy už neřeší jen komunikaci, ale přímo vykonávají práci. To mění definici digitální práce v organizacích.

Agentické rámce v praxi: Příklad síťové inženýrie

Jedním z nejvíce fascinujících oblastí aplikace je správa infrastruktury. Jak uvádí Cisco Blogs, agentické rámce zásadně mění pohled na síťovou inženýrii. V tradičním modelu musel inženýr manuálně konfigurovat routery, kontrolovat chyby v logu a reagovat na incidenty. S agentickými systémy se situace mění.

Představte si síťového agenta, který nejen monitoruje provoz, ale při detekci anomálie dokáže sám: 1. Identifikovat zdroj problému. 2. Navrhnout změnu v konfiguraci. 3. Simulovat dopad této změny. 4. Implementovat ji a následně ověřit stabilitu sítě. Tento proces probíhá s minimálním nebo žádným zásahem člověka, což dramaticky snižuje dobu odezvy (MTTR - Mean Time To Repair).

Multi-agentní orchestrace: Digitální týmy

Dalším významným konceptem je multi-agentní orchestrace. Namísto jednoho obrovského modelu, který se snaží umět vše, se využívají specializovaní agenti. Je to podobné jako v reálné firmě: máte obchodníka, účetní a technika. V AI světě můžete mít:

• Sales Agent: Kvalifikuje kontakty a aktualizuje CRM systémy.
• Support Agent: Řeší tikety, eskaluje problémy a sleduje SLA (Service Level Agreements).
• HR Agent: Prověřuje kandidáty a plánuje pohovory.

Tito agenti spolu mohou komunikovat, sdílet kontext a koordinovat úkoly, což vytváří vysoce efektivní automatizované workflow, které je mnohem flexibilnější než staré, rigidní skripty.

Srovnání výkonu: Na čem závisí inteligence agenta?

Úspěch agentického systému přímo závisí na "mozku", tedy na základním LLM (Large Language Model), který jej pohání. Agent vyžaduje vysokou míru logického uvažování (reasoning) a schopnost dodržovat instrukce. Zde je krátké srovnání modelů nejčastěji používaných pro agentické úlohy:

V benchmarkových testech zaměřených na kódování a komplexní uvažování (např. HumanEval) se v poslední době často vítá Claude 3.5 Sonnet, což z něj činí preferovanou volbu pro vývojáře stavějící autonomní agenty.

Dopad na české firmy a regulace v EU

Pro české a evropské podniky přináší tato technologie dvě hlavní výzvy: dostupnost a regulaci. Na rozdíl od USA, kde se technologie zavádějí velmi volně, v EU musíme brát v úvahu AI Act. Agentické systémy, které mohou samostatně rozhodovat o lidských procesech (např. v HR), budou podléhat přísným pravidlům pro vysokou rizikovost.

Z pohledu implementace je důležité vědět, že většina špičkových modelů (OpenAI, Anthropic, Google) je dostupná pro český trh skrze cloudové služby nebo API. Pro české firmy je klíčové dbát na to, aby data, která agenti zpracovávají (např. zákaznická data v CRM), zůstávala v souladu s GDPR. Doporučuje se využívat instance cloudů v rámci EU (např. Azure region v Německu nebo Irsku), aby se minimalizovalo riziko přenosu dat mimo evropský prostor.

Praktický dopad pro vás: Pokud jste malá nebo střední firma v ČR, nemusíte stavět vlastní AI. Můžete využívat existující platformy, které umožňují stavět agentické workflow pomocí "low-code" nástrojů. To vám umožní automatizovat rutinní administrativu bez nutnosti mít tým datových vědců.