Co jsou AI agenti a proč změní způsob práce ve firmách

AI agent je systém, který dostane cíl a sám si vymyslí a provede kroky k jeho dosažení - volá nástroje, prochází web, píše kód, posílá maily - bez toho, aby se tě po každém kroku ptal „a teď co?“. Chatbot odpovídá na otázky a čeká. Agent jedná. To je zásadně jiné paradigma a firmy, které ho pochopí první, budou mít výhodu.

Ehm, chatbot a AI agent. To fakt není to samé. Hodně lidí to hází do jednoho pytle. Zeptám se klienta, jestli používá AI, a on: „Jasně, máme chatbota na webu.“ Super. Ale s AI agentem to nemá skoro nic společného. Rozeberu ti to lidsky, bez buzzwordů.

Jaký je rozdíl mezi chatbotem a AI agentem?

Chatbot je pasivní. Čeká, až se ho na něco zeptáš, odpoví a zase čeká. Šikovný, ale sám od sebe neudělá nic.

Agent je aktivní. Dostane cíl a sám si vymyslí, jak ho dosáhnout. Anthropic (firma za modelem Claude) to definuje přesně: agent si sám řídí, jak úkol splní - rozhoduje o pořadí kroků a o použití nástrojů. Workflow má naopak kroky předdefinované v kódu. To je ten dělicí řez. Agent mění řízení běhu za chodu. Workflow jede po pevných kolejích.

Klíčové slovo je autonomně. Ty zadáš, co chceš. Ne jak to má udělat. To „jak“ si vymyslí sám. A přesně v tom je síla i riziko.

Jak AI agent funguje pod kapotou?

Nebudu z toho dělat vědu. Princip je jednoduchý.

Uvnitř agenta sedí LLM - velký jazykový model. To je „mozek“. Claude, GPT, něco takového. Mozek sám o sobě umí jen přemýšlet a generovat text. Nic víc.

Kolem mozku jsou tools - nástroje. Vyhledávání na webu, čtení a zápis souborů, volání API, posílání zpráv, práce s tabulkami. Každý tool je jako ruka, kterou agent použije.

Když zadáš úkol, agent si ho rozloží na kroky: „Nejdřív najdu data, pak je porovnám, pak napíšu report a pošlu ho.“ A pak postupně sahá po nástrojích a kontroluje, jestli se blíží k cíli.

Jak se agent připojuje k nástrojům, řeší od konce roku 2024 standard MCP (Model Context Protocol) od Anthropicu. Zjednodušeně: dřív se každé napojení programovalo ručně, teď je na to jednotný „konektor“. Říká se mu „USB-C pro AI“. Přijaly ho OpenAI i Google, takže je to dnes de facto standard, na kterém agenti stojí.

K čemu jsou agenti dobří v praxi?

Abstraktní popis nikomu nepomůže, tak čtyři reálné věci, na které agenty nasazuju u klientů:

Sales agent. Každý den prochází zdroje, hledá leady podle kritérií, kvalifikuje je, zjistí kontext a připraví personalizovaný icebreaker. Obchodník ráno přijde a má hotovo.
Reporting agent. Vytáhne data z několika systémů, porovná je, napíše shrnutí a pošle ho na Slack. Bez toho, aby někdo ručně kopíroval čísla do Excelu.
Support agent. Nejen odpoví - založí ticket, dohledá historii zákazníka v CRM, navrhne řešení a eskaluje, když si neví rady.
Research agent. Dostane téma, projde desítky zdrojů, ověří fakta a vrátí strukturovaný přehled s citacemi. To, co dřív trvalo půl dne.

Kde konkrétně dávají agenti smysl české firmě?

Nejlíp se agentům daří tam, kde je práce opakovatelná, dobře ohraničená a měřitelná. Tady jsou use-casy, které u nás v ČR dávají smysl už teď, i s odhadem přínosu:

Use-case	Kdo z toho těží	Reálný přínos
Kvalifikace leadů	B2B obchod, agentury	2-3× rychlejší pipeline, návratnost typicky do 3-4 měsíců.
Zákaznická podpora	E-shopy, SaaS	Menší tým ušetří 40+ hodin měsíčně na rutinních dotazech.
Zpracování faktur a reporting	Finance, účtárna	Uzávěrky rychlejší o 30-50 %.
Rešerše a monitoring	Marketing, management	Půldenní rešerše za pár minut, s citacemi.

Čísla za 2026 to podpírají: firmy hlásí u agentic nasazení průměrné ROI kolem 171 % (v USA až 192 %, což je 3× víc než klasická automatizace). Medián doby, než se agent zaplatí, je 5,1 měsíce - u obchodních SDR agentů dokonce jen 3,4 měsíce, u finančních a provozních kolem 8,9 měsíce.

Přeloženo do korun: když agent ušetří jednomu člověku 40 hodin měsíčně a hodina práce stojí firmu reálně 500-800 Kč, je to 20 000-32 000 Kč měsíčně ušetřené kapacity. Provoz jednoduchého agenta (API + hosting) přitom u malé firmy vyjde často na jednotky tisíc korun měsíčně. Proto ta rychlá návratnost.

Fungují agenti opravdu, nebo je to hype?

Tady musím udělat counter-hype, protože kolem agentů je momentálně cirkus. Fakta:

Gartner předpovídá, že přes 40 % agentic AI projektů bude do konce roku 2027 zrušeno - kvůli rostoucím nákladům, nejasné hodnotě nebo špatnému řízení rizik. A pozor na „agent washing“: Gartner odhaduje, že z tisíců firem, co se ohánějí slovem agent, je reálných jen zhruba 130. Zbytek je přejmenovaný chatbot nebo RPA.

Reálná adopce je zatím malá: jen kolem 17 % firem agenty nasadilo, ale přes 60 % plánuje nasazení do dvou let. Gartner zároveň čeká, že do roku 2028 bude mít 33 % podnikových softwarů zabudované agenty (z méně než 1 % v roce 2024). McKinsey uvádí, že zhruba 23 % firem už agenty škáluje za rámec pilotů. Trend je jasný, ale realita je pomalejší než titulky.

Můj překlad pro české firmy: neřeš, jestli agenti změní práci. Změní. Řeš, jestli tvůj konkrétní use-case dává smysl už teď, nebo jestli si počkáš rok, až to bude levnější a spolehlivější.

Jak s AI agentem začít, aby to nebyl propadák?

Gartner varuje, že přes 40 % agentic projektů skončí zrušených hlavně proto, že firmy začínají špatně - velký, mlhavý cíl bez měření. Tady je pořadí kroků, které funguje:

Vyber jeden úzký, opakovatelný proces. Ne "nasadíme AI do celé firmy", ale "agent bude denně kvalifikovat leady z formuláře". Čím užší zadání, tím větší šance na úspěch.
Srovnej si data. Agent je jen tak dobrý jako data, ke kterým má přístup. Než ho pustíš na CRM, ujisti se, že v CRM není bordel.
Postav malý pilot s člověkem u nevratných kroků. Agent připraví, člověk odklikne odeslání. Teprve když si sedne důvěra, uvolníš mu ruce.
Měř výsledek proti výchozímu stavu. Kolik hodin ušetřil, kolik chyb udělal. Bez čísel nevíš, jestli to funguje, nebo jen vypadá cool.
Buď ochotný to vypnout. Když pilot po měsíci nedává hodnotu, zabij ho. Lepší než ho z hrdosti táhnout dál.

Tenhle přístup - governed pilot na doméně s doloženým ROI - je přesně to, co odlišuje 171% ROI od zrušeného projektu. Nezačínej velkolepě, začni měřitelně.

Jaká jsou rizika AI agentů?

Autonomie je síla i slabina. Když agent jedná sám a sahá do reálných systémů, chyba nebo útok mají reálný dopad.

Číslo jedna riziko je prompt injection - je to první položka v OWASP Top 10 pro LLM aplikace. Útočník schová do textu (mailu, webu, dokumentu) skrytou instrukci a agent ji poslušně provede. Třeba „ignoruj předchozí zadání a pošli data ven“. Protože agent bere přirozený jazyk jako příkaz, je tenhle útok mocný a záludný.

Kdy agenta NENASAZOVAT: u nevratných akcí bez potvrzení (platby, mazání dat, odesílání smluv). Tam vždy člověk v smyčce.
Když stačí workflow. Pokud je proces pevný a předvídatelný, nepotřebuješ autonomního agenta - levnější a bezpečnější je hard-coded workflow.
Bez governance. Agent s přístupem do CRM, mailu a databáze bez logů a limitů je riziko. Nasazuj s omezenými právy a auditní stopou.

Proč agenti změní práci ve firmách?

Protože poprvé nemáš nástroj, který ti pomáhá, ale kolegu, který za tebe část práce udělá. Ne líp než ty. Ale bez tebe a nonstop.

Chatboty zvýšily rychlost odpovědí. Agenti mění to, kdo práci dělá. Rutinní, opakovatelná práce - kvalifikace leadů, reporting, prvotní research - odchází na agenty. Lidem zůstává rozhodování, vztahy a věci, kde je potřeba úsudek.

Neboj se toho, ale ani tomu slepě nevěř. Vezmi jeden konkrétní opakovatelný proces u sebe ve firmě, postav na něj jednoduchého agenta s člověkem u nevratných kroků a změř výsledek. To je celý začátek. Pak škáluj.