Agentic Leadership #5: Orchestrace AI agentů v praxi — reálné workflows
Orchestrace AI agentů znamená řídit víc AI naráz tak, aby si předávaly práci a řešily úkol společně, místo jednoho agenta na všechno. V praxi to funguje skvěle na široké úkoly (rešerše, paralelní analýzy), ale má tvrdou daň: víc agentů spálí násobně víc tokenů a spolehlivost celého řetězce rychle klesá. Tenhle díl je o tom, kdy se orchestrace vyplatí a kdy tě naopak zabije.
Je to pátý a závěrečný díl série Agentic Leadership. Předtím jsme řešili, kdy sáhnout po jakém nástroji. Teď jdeme na to nejtěžší: jak zvládnout víc agentů najednou, aniž by ti to celé spadlo na hlavu. A hlavně, kdy do toho vůbec jít.
Kdy se orchestrace víc agentů vyplatí?
Vyplatí se na širokých úkolech, které jdou rozdělit na nezávislé směry. Anthropic to změřil na vlastním multi-agentním systému: verze s lead agentem a několika specializovanými subagenty překonala jednoho agenta o 90,2 % na jejich interním research testu.
Proč? Protože rešerše je klasický breadth-first úkol. Když máš najít třeba všechny členy představenstva firem z nějakého indexu, jeden agent to prochází pomalu a sekvenčně a často selže. Pět subagentů si to rozdělí a jede paralelně. To je přesně scénář, kde orchestrace válí.
Architektura je jednoduchá: jeden lead agent plánuje, rozjede 3 až 5 specializovaných subagentů naráz a pak jejich výstupy složí dohromady, plus zvlášť projde citace. Šéf a tým, jako v reálné firmě.
Kolik orchestrace reálně stojí?
Tady je ta daň, o které se moc nemluví. Multi-agentní systémy spálí zhruba 15× víc tokenů než obyčejný chat. Patnáctkrát. To není zaokrouhlovací chyba, to je zásadní nákladová položka.
A ještě zajímavější zjištění: samotná spotřeba tokenů vysvětluje 80 % rozdílu ve výkonu. Jinými slovy, multi-agent nevyhrává primárně chytrostí, ale tím, že si dovolí utratit dost tokenů na vyřešení problému. Zbytek dělá počet volání nástrojů a volba modelu.
Praktický závěr je brutálně jednoduchý: orchestrace se vyplatí jen tehdy, když hodnota úkolu převyšuje 15násobný náklad na tokeny. Na drahý úkol s vysokou hodnotou ano. Na běžnou rutinu je to jako najmout pět lidí na to, co zvládne jeden.
Proč víc agentů znamená míň spolehlivosti?
Tohle je nejdůležitější věc celého článku a málokdo o ní mluví. Spolehlivost řetězce agentů se počítá jako p na n-tou, kde p je spolehlivost jednoho kroku a n je počet kroků. Zní to jako matematika, ale je to zákon, kterému neutečeš.
Ukážu na číslech. Řekni, že jeden agent udělá krok správně v 95 % případů. To zní skvěle. Ale když jich zřetězíš pět za sebou, celková spolehlivost spadne na 77 %. Deset kroků? 59 %. A to je pořád u agenta, co je "z 95 % spolehlivý".
| Spolehlivost 1 kroku | 5 kroků za sebou | 10 kroků za sebou |
|---|---|---|
| 95 % | 77 % | 59 % |
Co si z toho vzít? Nedělej dlouhé řetězce tam, kde na výsledku záleží. Čím víc kroků naskládáš za sebe, tím větší šance, že to někde spadne. Proto dobří agentic leadeři drží řetězce krátké a kritické kroky si kontrolují ručně.
Zrychluje AI vůbec práci, nebo je to hype?
Counter-hype, který musím říct: ne vždy. A data jsou nepříjemně smíšená.
Organizace METR udělala v roce 2025 randomizovaný test se zkušenými open-source vývojáři (v průměru 5 let praxe, obří vlastní repozitáře). Výsledek: s AI nástroji byli o 19 % pomalejší. A perlička na závěr - ti samí vývojáři si mysleli, že jsou o 20 % rychlejší. Pocit a realita se rozešly o skoro 40 procentních bodů.
Proti tomu stojí GitHub, který u svého nástroje Copilot hlásí 55 % rychlejší dokončení úkolů. Rozdíl? GitHub měřil na jednodušších, izolovaných úkolech. METR měřil reálnou práci ve složitých existujících projektech. Obojí může být pravda zároveň.
Poučení pro orchestraci: AI zrychluje jednoduché a nové věci, ale u složitých úkolů v tvém vlastním kontextu tě může i zbrzdit. Neber žádné "+55 %" jako jistotu. Měř si to sám na svojí práci.
Jak zvýšit spolehlivost řetězce?
Matematika p na n-tou hraje proti tobě, ale dá se s ní pracovat. Nejde ji obelstít, jde ji ohnout. Tři praktické páky, které používám:
Zkrať řetězec. Každý krok navíc snižuje celkovou spolehlivost. Když jde úkol udělat na tři kroky místo osmi, udělej ho na tři. U 95% agenta je rozdíl mezi 3 a 8 kroky propad z 86 % na 66 %.
Vlož kontrolní bod. Anthropic ve svém systému dělá zvlášť citační průchod - samostatný krok, co ověří výstupy. Ty stejně: po kritické fázi zařaď ověření, ať se chyba nešíří dál řetězcem.
Zvedni p u kritických kroků. Na krok, kde nesmíš spadnout, nasaď silnější model nebo víc kontextu. Vyšší spolehlivost jednoho kroku se v mocnině projeví násobně. Rozdíl mezi 90% a 98% krokem je přes deset kroků propastný.
Jak vypadá orchestrace v mém dni?
Konkrétní příklad z praxe. Když připravuju nabídku pro klienta, nespustím jednoho agenta na všechno. Rozdělím to:
- Jeden agent dělá rešerši klienta a jeho trhu.
- Druhý paralelně sbírá technické podklady k řešení.
- Třetí připraví strukturu dokumentu.
- Já pak výstupy složím, zkontroluju a dotáhnu.
Tohle je breadth-first úkol s vysokou hodnotou, takže 15násobek tokenů se vyplatí. Ale kritický krok (finální rozhodnutí o ceně a slibu klientovi) nikdy nenechám na řetězci agentů. Ten dělám sám, protože tam si nemůžu dovolit spadnout do těch 59 %.
Proč tolik agentických projektů selže?
Protože je firmy pouští do produkce bez pochopení nákladů a spolehlivosti výše. Gartner předpovídá, že přes 40 % agentických AI projektů bude do konce roku 2027 zrušeno - kvůli rostoucím nákladům, nejasné hodnotě a chybějícím kontrolám rizik.
Gartner k tomu přidává tvrdý fakt: většina dnešních agentických projektů jsou jen experimenty hnané hype. A dochází k "agent washingu" - firmy přebalí starý chatbot na "agenta". Podle Gartneru je z tisíců dodavatelů reálných agentických řešení jen zhruba 130.
To není důvod se agentů bát, je to důvod dělat je pořádně. Rozdíl mezi těmi 40 %, co zkrachují, a zbytkem je právě v tom, jestli chápeš tokenovou ekonomiku a matematiku spolehlivosti.
Kdy orchestraci NEpoužít?
Ne každý úkol chce armádu agentů. Tady jsou situace, kdy bych se jí vyhnul:
- Úzké, sekvenční úkoly. Když jde o jeden lineární postup krok za krokem, multi-agent nepomůže. Vyplatí se na breadth-first, ne na depth-first.
- Nízká hodnota úkolu. Když úkol nestojí za 15násobek tokenů, jeden agent nebo obyčejný chat je levnější a stejně dobrý.
- Kritické kroky bez kontroly. Kvůli matematice p na n-tou nikdy nenech dlouhý řetězec rozhodovat o něčem, co nesmí selhat. Kontroluj ručně.
- Když nemáš změřenou hodnotu. Bez čísla, kolik ti to reálně ušetří, stavíš projekt naslepo. To je přesně recept na těch 40 % zrušených.
Co si z celé série odnést?
Agentic leadership není o tom mít co nejvíc agentů. Je to o tom vědět, kdy je nasadit a kdy ne. Multi-agent ti dá +90,2 % výkonu, ale za 15× tokenů a s klesající spolehlivostí. To je obchod, ne kouzlo.
Dobrý agentic leader počítá tři věci: hodnotu úkolu proti nákladu na tokeny, spolehlivost řetězce podle počtu kroků a reálnou úsporu (ne pocitovou, viz METR). Kdo tohle umí, patří do těch 5 %, co z AI reálně těží. Kdo ne, přispěje do statistiky zrušených projektů. Rozdíl je v číslech, ne ve víře.