AI agent je jazykový model, který dostal tři věci, jež chatbot nemá: nástroje, které může volat, cíl přes víc než jeden krok a oprávnění rozhodnout o pořadí. Vezměte kteroukoli z nich pryč a máte něco jiného. Chatbot nemá nástroje. Skript nemá volnost rozhodování. Workflow má pevné pořadí.
Ta definice má obchodní význam, protože ty tři složky jsou zároveň tři místa, kam míří rozpočet — a tři místa, kde se to láme.
Stavíme tyhle systémy pro středně velké firmy. Následuje verze, kterou dáváme klientům dřív, než něco zaplatí — včetně pasáží, které mluví proti stavbě.
Čtyři úrovně, které se vyplatí rozlišovat
Většina zmatku v debatách o agentech vzniká tím, že dva lidé používají jedno slovo pro velmi různé věci. Použitelný žebříček:
| Úroveň | Co dělá | Kdo schvaluje každou akci | Typické použití | |---|---|---|---| | 1. Asistent | Odpovídá, píše návrhy, shrnuje. Bez nástrojů. | Nikdo — vzniká jen text | Návrhy textů, rešerše, překlad | | 2. Vyhledávač | Před odpovědí čte z vašich systémů | Nikdo — jen čtení | "Co jsme tomuhle zákazníkovi loni nabídli?" | | 3. Operátor | Provádí akce po jedné, s lidským potvrzením | Člověk, u každé akce | Založit návrh faktury, otevřít ticket | | 4. Autonomní agent | Plánuje a provádí vícekrokovou práci bez dozoru | Nikdo, až zpětná kontrola | Párování, monitoring, třídění |
Skoro každé úspěšné nasazení, které jsme viděli, žije na úrovni 2 nebo 3. Skoro každý neúspěšný pilot měl hned napoprvé zadání na úrovni 4. To není náhoda — a je to nejužitečnější jednotlivá věta v tomhle textu.
Proč většina pilotů s agenty selže?
Gartner uvádí pro rok 2026 číslo, že 89 % pilotů s AI agenty se nikdy nedostane do produkce, přičemž přeživší menšina podle publikovaných údajů vrací silné ROI. MIT Project NANDA zjistil, že zhruba 95 % pilotů s generativní AI nemělo měřitelný dopad na výsledovku. Gartner samostatně předpovídá, že přes 40 % agentních AI projektů bude do konce roku 2027 zrušeno.
Ta čísla se citují jako důkaz, že technologie nefunguje. To je špatné čtení. Analýza 140 firemních nasazení zjistila, že jen 23 % neúspěchů šlo na vrub výkonu modelu, kvalitě dat nebo složitosti integrace — zbytek na strategii, řízení a change management.
V naší vlastní práci jsou opakující se příčiny nudnější, než titulky naznačují:
Pilot neměl vlastníka, kterého to bolí. Inovační týmy objednávají agenty pro procesy, které samy neprovozují. Nikdo v dotčeném oddělení o to nežádal, takže to při hodnocení nikdo nebrání.
Úspěch nikdy nebyl definovaný jako číslo. "Zlepšit zákaznický servis" nejde vyhodnotit, takže se z porady stane debata o pocitech — a pocity prohrávají s tlakem na rozpočet. "Zkrátit dobu první reakce u tier-1 ticketů ze 4 hodin na 30 minut" tu poradu přežije.
Agent se nedostal k datům. Nejčastější technická příčina a zároveň nejlépe opravitelná. Agent, který nevidí historii objednávek, je velmi drahý pisatel textů. Přesně sem míří otázka, co je MCP server: podle publikovaných čísel provozuje agenty někde v procesu asi 80 % velkých firem, ale jen zhruba 28 % postavilo integrační vrstvu, kterou ti agenti potřebují.
Začalo se úrovní 4. Vícekroková autonomie bez dozoru je nejtěžší varianta problému — a ta, kde se jedna chyba nabaluje přes všechny další kroky. Týmy, které začaly na úrovni 2, prokázaly přínos a teprve pak si postup zasloužily, mají výrazně lepší úspěšnost.
Nikdo nespočítal kontrolu. Když člověk kontroluje každý výstup, agent práci neodstranil — přesunul ji. Pořád se to může vyplatit, ale jen pokud je kontrola opravdu rychlejší než udělat to sám. A to patří změřit, ne předpokládat.
Co je dobrý první agent?
Čtyři vlastnosti; čím víc jich platí, tím bezpečnější sázka:
- Vysoký objem, málo úsudku. Přepisování, párování, směrování, urgování. Kde je potřeba odborný úsudek, miřte na podporu, ne na automatizaci.
- Chyba je levná a viditelná. Špatně nasměrovaný ticket si někdo všimne a přesměruje ho. Špatně zaúčtovaná platba ne — a stojí skutečné peníze. Začněte tam, kde chyby vyplavou rychle.
- Vstupy jsou už digitální. Pokud první krok zní "někdo přečte PDF, které přišlo poštou", je to projekt na digitalizaci dokumentů v kostýmu agenta.
- Umíte předem pojmenovat metriku úspěchu. Čas na případ, případy vyřízené bez eskalace, chybovost proti lidské základní hodnotě. Vyberte jednu. A měřte ji dva týdny předtím, než začnete stavět — jinak nebudete mít s čím srovnávat. Tenhle krok se přeskakuje nejčastěji a lituje se ho nejvíc.
Co doopravdy stojí provoz?
Tři nákladové položky — a ta první je nejcitovanější a nejméně důležitá:
- Inference. Reálná, ale při firemních objemech obvykle mírná a klesající. Nestavte kolem ní architekturu.
- Integrace a oprávnění. Sem jde skutečná vývojová práce. Každý systém, kterého se agent dotkne, potřebuje ověřenou a auditovatelnou cestu dovnitř — s identitou na uživatele, ne s jedním sdíleným servisním účtem.
- Dohled a drift. Někdo musí kontrolovat vzorky, všimnout si klesající kvality a doladit to. Počítejte s tím jako s průběžným nákladem, ne s projektovým. Agent, kterého nikdo nekontroluje, je incident, který čeká jen na datum.
Pravidlo z našich projektů: pokud proces dnes nespotřebuje aspoň pět hodin týdně, automatizace nezaplatí režii na dohled. Pod touhle hranicí raději opravte proces — nejrychlejší proces je pořád ten, který zrušíte.
Kde se agenti opravdu vyplatí
Být konkrétní je důležitější než být nadšený, takže: párovat dva systémy, které si odporují; třídit příchozí požadavky do správné fronty se správným kontextem; hlídat podmínku a připravit odpověď, kterou pak odešle člověk; tahat strukturovaná data z nestrukturovaných dokumentů a označovat nejisté případy ke kontrole; napsat první verzi něčeho, co člověk stejně vždycky upraví.
Společné je jim to, že v místě následku zůstává člověk a agent odebírá přepisování, hledání a prázdný papír.
Časté dotazy
Jaký je rozdíl mezi AI agentem a automatizací? Klasická automatizace jde po pevné cestě, kterou jste předem určili. Agent volí cestu za běhu. Ta pružnost je přínos i riziko — pokud se váš proces opravdu nikdy neliší, je běžná automatizace levnější, předvídatelnější a je to správná odpověď.
Potřebujeme vlastní model? Téměř jistě ne. U skoro všech firemních použití je rozdíl ve vašich datech a vašem procesu, ne v modelu. Volba modelu má zůstat vyměnitelná, ne architektonická.
Je AI agent totéž co chatbot? Ne. Chatbot konverzuje. Agent jedná. Ve chvíli, kdy může něco v systému změnit, se požadavky na řízení mění úplně.
Za jak dlouho uvidíme výsledky? U agenta úrovně 2 nebo 3 na dobře vymezeném procesu: pár týdnů k funkčnímu pilotu, jedno čtvrtletí k obhajitelnému číslu. Když někdo slibuje transformaci za čtrnáct dní, zeptejte se, kterou ze tří nákladových položek výše vynechal.
Co máme udělat jako první? Změřit proces dřív, než ho zautomatizujete. Nefotogenické, zadarmo — a je to rozdíl mezi pilotem, který přežije hodnocení, a pilotem, ze kterého se stane statistika.
Zdroje: Data Gartneru k pilotům s AI agenty, 2026 · MIT Project NANDA k návratnosti GenAI pilotů · Analýza příčin neúspěchu firemní AI. Čísla třetích stran; berte je jako orientační.