Agentní nástroje – úvod do světa AI agentů pro byznys

AI agent je systém, kde jazykový model sám řídí svůj postup a sahá po nástrojích, aby splnil zadaný cíl. Na rozdíl od chatbota, který jen odpovídá na otázky, agent prohledá web, pošle mejl, aktualizuje databázi nebo spustí kód - a udělá to autonomně podle tvého záměru, ne podle jedné otázky. Zjednodušeně: chatbot je poradce, agent je zaměstnanec.

Uspořádal jsem Worcast #9 na téma agentických nástrojů a pozval lidi, co v nich žijí denně - Matúše Marka, Tomáše Drdlu a Patrika Schicka. Vypadlo z toho hodně praktických postřehů. Tady je esence, doplněná o čísla z roku 2026, ať víš, kde ten obor reálně stojí.

Co je AI agent a čím se liší od workflow?

Anthropic (firma za Claudem) to definuje čistě. Workflow je systém, kde model a nástroje běží po předem daných cestách napsaných v kódu. Agent je systém, kde model sám dynamicky rozhoduje, jak úkol splní a jaké nástroje k tomu použije.

Rozdíl je praktický. Workflow ti dá předvídatelnost a stabilitu u dobře definovaných úloh. Agent má smysl tam, kde potřebuješ flexibilitu a rozhodování za běhu. Základní stavební kámen je model obohacený o paměť, vyhledávání a nástroje - a moderní modely si samy vygenerují dotaz, vyberou nástroj a rozhodnou, co si zapamatovat.

Pro tebe jako majitele firmy z toho plyne jedno: většinu problémů vyřeší obyčejný workflow, ne plnotučný agent. Nezačínej stavbou autonomního agenta, když ti stačí předvídatelná automatizace.

S jakými typy agentů se setkáš?

• Jednoduchý agent - plní jeden opakující se úkol (zpracování objednávek, odpovídání na maily podle šablony).
• Multiagentní systém - několik agentů spolupracuje, každý má svou roli (jeden sbírá data, druhý analyzuje, třetí píše report).
• Autonomní agent - pracuje dlouhodobě na složitém projektu s minimálním dohledem člověka.

Většina firem dnes začíná u prvního typu. A to je správně - lézt po zdi bez jištění je šílenství.

Kolik firem už agenty reálně škáluje?

Méně, než by ti napovídal humbuk. Podle State of AI 2025 od McKinsey (listopad 2025) agenty reálně škáluje jen 23 % firem, dalších 62 % je zatím jen zkouší. V rámci jedné konkrétní funkce (třeba jen v marketingu) agenty škáluje maximálně 10 % firem.

Přitom AI obecně už používá pravidelně 88 % dotázaných firem (loni to bylo 78 %). Jenže dopad na zisk na úrovni celé firmy hlásí jen 39 %. Jinými slovy: skoro každý AI zkouší, ale málokdo z ní zatím vidí peníze na spodním řádku.

Pro české firmy je to úlevná zpráva. Nejsi pozadu, když zatím jen experimentuješ. Pozadu je ten, kdo nezačal vůbec.

Proč 40 % agentních projektů skončí v koši?

Tohle je nejdůležitější číslo celého článku. Gartner předpovídá, že přes 40 % agentních AI projektů bude do konce roku 2027 zrušeno - kvůli rostoucím nákladům, nejasné byznys hodnotě nebo mizerné kontrole rizik.

Velký kus problému je takzvaný "agent washing". Vendoři přelepí staré produkty - chatboty, RPA, AI asistenty - novou nálepkou "agent", aniž by přidali reálné agentní schopnosti. Gartner odhaduje, že z tisíců vendorů, co si říkají agentní, je reálných jen zhruba 130.

Praktický dopad pro tebe: než něco koupíš, ptej se prodejce, co přesně ten "agent" autonomně rozhodne a jaké nástroje reálně obsluhuje. Když ti popíše obyčejný chatbot s hezčím názvem, jde o agent washing a nekupuj to.

Kam agenty směřují - 33 % aplikací do 2028

I přes tu vlnu zrušených projektů je směr jasný. Gartner čeká, že do roku 2028 bude mít agentní AI zabudovanou 33 % podnikových softwarových aplikací - v roce 2024 to bylo pod 1 %. A aspoň 15 % běžných pracovních rozhodnutí se do 2028 udělá autonomně (v roce 2024 to bylo 0 %).

Čti to takhle: krátkodobě je kolem agentů bublina a spousta projektů umře. Dlouhodobě je to standardní součást softwaru. Obojí je pravda zároveň.

Co je MCP a proč je to velká věc?

MCP (Model Context Protocol) je otevřený standard od Anthropicu, který napojuje AI modely na externí nástroje a data přes jednotné rozhraní. Anthropic ho vydal v listopadu 2024 a stalo se něco vzácného: konkurence ho převzala. MCP dnes podporují Claude, Cursor, Microsoft Copilot, Gemini, VS Code i ChatGPT.

Proč je to důležité pro tvůj byznys? Standard znamená, že nástroj, který dnes napojíš přes MCP, ti zítra bude fungovat i v jiné AI. Nezamykáš se k jednomu vendorovi. To je přesně to, co u firemního softwaru chceš.

Že se na jednom standardu shodli konkurenti jako OpenAI, Google i Microsoft, je vzácnost. Pro srovnání: OpenAI zase přišlo se standardem AGENTS.md pro instrukce programovacím agentům a ten převzalo přes 60 000 open-source projektů. Obor si teprve staví společné koleje - a MCP je zatím ta hlavní.

Jaké nástroje se na stavbu agentů dnes používají?

Nástroj	Pro koho	Poznámka
n8n	Technicky zdatnější	Open-source, flexibilní. Používám ho denně.
Make (dříve Integromat)	Začátečníci i firmy	Vizuální, jednodušší start. Česká firma, chlouba.
Claude Code / API	Vývojáři	Plná kontrola, nejsilnější reasoning.
Zapier AI	Nejjednodušší start	Limitovaný pro složitější workflow.

Zajímavý signál z trhu: n8n vyskočil na valuaci 5,2 miliardy dolarů po investici SAP v květnu 2026 - a to za necelý rok, kdy předtím (na podzim 2025) měl 2,5 miliardy po Series C za 180 milionů. Berlínský open-source nástroj, který mnoho českých automatizérů jede denně, teď hodnotou přeskočil kdejakou zavedenou softwarovku. To ti řekne, kam tečou peníze.

Kolik agent reálně stojí a proč rozpočty přetečou?

Tohle je skrytá past, kterou nikdo v marketingu neřekne. Agentní workflow spotřebuje 5 až 30krát víc tokenů na úkol než obyčejný dotaz do chatbota. Důvod: každý krok agenta přidá kontext, který se posílá znovu při každém volání nástroje. Někdy je to 10 až 100krát víc tokenů než u chatu.

A to není teorie. Uber podle zpráv projel celý svůj AI rozpočet na rok 2026 už v dubnu - po čtyřech měsících. Jiná firma utratila 500 milionů dolarů za jediný měsíc, protože nasadila AI bez limitu na spotřebu. To je varování i pro české firmy: agent bez stropu na útratu je jako zaměstnanec s neomezenou firemní kartou.

Přidej k tomu, že jen 12 % šéfů firem tvrdí, že jim AI zatím přinesla úsporu i výnos zároveň. A odhaduje se, že údržba datové architektury spolkne až 70 % celkové investice do AI. Ponaučení pro tebe: nastav si od začátku limit na útratu, měř náklady na jeden vyřízený úkol a nepočítej ROI, dokud nemáš reálná čísla za měsíc provozu.

Kde s agenty ve firmě začít?

Z diskuze ve Worcastu vyplynulo, že firmy nejčastěji startují v těchto oblastech:

• Zákaznický servis - agent odpoví na časté dotazy, složité eskaluje na člověka.
• Zpracování dokumentů - faktury, smlouvy, reporty.
• Interní knowledge base - agent hledá odpovědi v interních dokumentech.
• Lead qualification - první kontakt s potenciálními zákazníky.

Osobně doporučuju začít zákaznickým servisem nebo zpracováním dokumentů. Tam je ROI nejjasnější a nejrychleji změřitelné.

Kdy agenty NEnasazovat - na co si dát pozor

Agent není lék na všechno. Nenasazuj ho tam, kde chyba stojí moc peněz a nemáš kontrolu (nevratné finanční operace bez schválení člověka). Nenasazuj ho na úkol, který zvládne obyčejný skript nebo workflow - to je jen dražší a méně předvídatelné.

A hlavně: nedej se zmást marketingem. To Gartnerovo číslo 40 % zrušených projektů a jen 130 reálných vendorů z tisíců není náhoda. Většina toho, co se dnes prodává jako "AI agent", je přelepený chatbot. Začni malý, na jednom měřitelném úkolu, s jištěním, a škáluj až podle výsledků. Kdo skočí rovnou do autonomního agenta bez dohledu, skončí ve statistice těch 40 %.