V roce 2024 byla generativní AI chatovací rozhraní. V roce 2025 se stala kopilotem. V roce 2026 se stává autonomním agentem — softwarem, který nečeká na pokyny, ale sám přijímá akce, orchestruje nástroje a dokončuje vícekrokové podnikové procesy.
Posun je reálný a probíhá rychle. Tento příspěvek vysvětluje, co AI agenti jsou, kde dnes v B2B přinášejí měřitelnou návratnost investic, a co by inženýrské týmy měly vědět před jejich nasazením.
Od chatbotů k agentům: co se vlastně změnilo
Chatbot odpovídá na otázku. AI agent plní cíl.
Rozdíl spočívá v používání nástrojů a autonomii:
| Chatbot | Agent |
|---|---|
| Jeden tah, jedna odpověď | Vícekrokový, iterativní |
| Čte kontext | Čte a zapisuje do systémů |
| Bezstavový | Udržuje plán úkolu a paměť |
| Každou akci schvalujete vy | Funguje v rámci definovaných guardrails |
Pod kapotou používají moderní agenti ReAct smyčku (Reason → Act → Observe) podpořenou velkým jazykovým modelem. V každé iteraci se model rozhodne, který nástroj zavolat, zavolá ho, přečte výsledek a rozhodne, co dělat dál — dokud není cíl splněn nebo není třeba konzultovat člověka.
K čemu B2B firmy agenty skutečně používají
1. Nákup a správa dodavatelů
Agenti dokáží skenovat příchozí faktury, porovnávat je s objednávkami v ERP, označovat nesrovnalosti a přesměrovávat výjimky ke správnému schvalovateli — to vše bez člověka v procesu pro rutinní případy. Raní uživatelé hlásí 40–60% zkrácení doby zpracování faktur a téměř úplné eliminace chyb způsobených ručním zadáváním dat.
2. IT provoz a reakce na incidenty
Pohotovostní agent monitoruje logy a metriky, koreluje upozornění, připraví hypotézu o příčině, spustí předem schválené nápravné skripty (restart služby, škálování replik, rollback nasazení) a teprve tehdy volá člověka, když problém přesahuje jeho pravomoc. Průměrná doba řešení dramaticky klesá u dlouhého chvostu dobře zdokumentovaných postupů.
3. Obchod a obohacování CRM
Agenti naslouchají přepisům hovorů, extrahují akční body, aktualizují záznamy v CRM, generují návrhy navazujících e-mailů a plánují připomenutí dalšího kontaktu — to vše dříve, než obchodní zástupce zavře notebook. Obchodník zkontroluje, případně upraví, a odešle. Žádné ruční zadávání dat, žádné zapomenuté navazující kroky.
4. Analýza dokumentů a smluv
Právní a nákupní týmy nasazují agenty, kteří zpracovávají smlouvy, extrahují klíčové podmínky (platební podmínky, doložky o ukončení, závazky SLA), porovnávají je se šablonami společnosti a upozorňují na rizika. To, co paralegálnímu pracovníkovi trvalo dvě hodiny, nyní trvá dvě minuty.
5. Onboarding zákazníků
Komplexní B2B onboardingové procesy — KYC kontroly, sběr dokumentů, konfigurace prostředí tenantů, zřizování přístupových práv — jsou přirozeným terénem pro agenty. Orchestrační agent koordinuje každý dílčí úkol napříč systémy, opakuje neúspěšné kroky a eskaluje jen tehdy, kdy je skutečně potřeba lidský úsudek.
Inženýrská realita: co dělá agenty složitými
Agenti vypadají v ukázkách klamavě jednoduše. Produkční nasazení je jiná věc:
Spolehlivost nástrojů. Agent je tak spolehlivý, jak spolehlivé jsou nástroje, které volá. Nestabilní API, nejednoznačné schéma nebo nedostatečná chybová zpráva vede k nepředvídatelnému chování agenta. Každý externí nástroj potřebuje robustní, dobře zdokumentované rozhraní.
Guardrails a autorizace. Agenti, kteří mohou zapisovat do produkčních systémů, potřebují explicitní hranice oprávnění. Definujte, co může každý agent dělat — a tato omezení vynucujte v kódu, ne jen v promptu.
Pozorovatelnost. Musíte sledovat každý krok každého běhu agenta: které nástroje byly zavolány, s jakými argumenty, co bylo vráceno, jaké rozhodnutí následovalo. Bez toho je ladění selhání v 20krokovém běhu agenta prakticky nemožné.
Návrh s člověkem ve smyčce. Cílem není plná autonomie — je to přiměřená autonomie. Dobrý návrh agenta přesně identifikuje, která rozhodnutí těží z lidského přezkumu, a vkládá tam schvalovací kroky, spíše než aby automatizoval vše nebo nic.
Náklady a latence. Agent volající modely třídy GPT-4 při každé iteraci může být drahý. Navrhněte architekturu s vhodným modelem pro správný krok: rychlý, levný model pro směrování a extrakci; schopnější model pro uvažování a generování.
Co dělat nyní
Firmy, které budou v roce 2027 vést, začínají své agentní programy dnes — ale začínají malými kroky a učí se:
- Vyberte jeden vysoce objemový, nízkorizikový workflow s jasnými metrikami úspěchu. Párování faktur, třídění logů, obohacování CRM.
- Nejprve vybudujte vrstvu pozorovatelnosti. Pokud nemůžete sledovat, co agent dělal, nemůžete ho zlepšovat ani auditovat.
- Začněte s člověkem ve smyčce pro všechny důsledné akce, pak uvolňujte guardrails jen tam, kde data ukazují, že je to bezpečné.
- Přistupujte k selháním agenta jako k produktové chybě, ne k záhadě AI. Logujte, laďte, opravte rozhraní nástroje nebo prompt, znovu nasaďte.
Technologie je dnes dostatečně zralá na to, aby přinášela skutečnou hodnotu. Úzkým hrdlem již není model — je to promyšlený návrh systému a organizační připravenost.
Pokud hodnotíte, kde AI agenti zapadají do vašeho produktu nebo interního provozu, ozvěte se. Pomáháme B2B softwarovým týmům navrhovat, stavět a provozovat agentní systémy, které jsou dostatečně spolehlivé pro produkci.