TL;DR: AI agent na rozdíl od chatbota koná — čte data z vašich systémů, rozhoduje se a provádí kroky. Dnes spolehlivě zvládá procesy s jasnými pravidly a digitálními vstupy: triáž pošty a podpory, zpracování dokumentů, přípravu reportů a podkladů. Klíčem k úspěchu je napojení na firemní data (typicky přes standard MCP), úzký pilotní scénář a lidská kontrola u nevratných kroků. Pilot se dá postavit v řádu týdnů.
Agent není chatbot
Chatbot odpovídá na otázky. Agent dostane cíl a sám naplánuje a provede kroky k jeho splnění: podívá se do systémů, vyhodnotí data, připraví výstup, případně provede akci — a umí si ověřit, že se povedla. Rozdíl je zásadní: chatbot vám poradí, jak vyřídit reklamaci; agent ji vyřídí.
Umožnily to dvě věci: modely poslední generace (viz náš rozbor Claude Fable 5 a Opus 5) zvládají spolehlivě dlouhé vícekrokové úlohy, a vznikl standard pro napojení AI na firemní systémy.
MCP: USB port mezi AI a vašimi systémy
Model Context Protocol (MCP) je otevřený standard, který definuje, jak AI bezpečně přistupuje k nástrojům a datům. Místo křehkých integrací na míru pro každý systém vystavíte „MCP server" — a jakýkoli AI model přes něj umí číst a zapisovat s právy, která určíte vy.
Hotové MCP konektory dnes existují pro stovky služeb (Slack, Google Workspace, GitHub, CRM systémy…). Pro české firemní prostředí — Pohoda, Helios, ABRA, interní databáze — se MCP server staví na míru; typicky je to menší část projektu, než si firmy představují, protože protokol je jednoduchý a dobře dokumentovaný.
Co agenti dnes reálně zvládají
Triáž a první linie podpory
Agent přečte příchozí e-mail nebo tiket, dohledá kontext v CRM a znalostní bázi, u rutinních případů připraví (nebo rovnou odešle) odpověď a zbytek předá správnému člověku se shrnutím. Realistický výsledek: 40–70 % tiketů vyřešených nebo předpřipravených bez lidského zásahu.
Zpracování dokumentů
Faktury, objednávky, smlouvy, dodací listy: vytěžení údajů, kontrola proti objednávce či ceníku, zápis do systému, eskalace nesrovnalostí. Na rozdíl od klasického OCR si agent poradí i s nestandardními formáty a chybějícími údaji — umí si o ně napsat.
Interní znalostní asistent
Klasický RAG chatbot nad firemní dokumentací, směrnicemi a historií projektů — dnes rozšířený o akce: „najdi smlouvu s dodavatelem X a připrav shrnutí platebních podmínek pro poradu" je jeden dotaz, ne hodina hledání.
Reporting a příprava podkladů
Agent v pondělí ráno stáhne data z e-shopu, účetnictví a reklamních platforem, sestaví report, vyznačí anomálie a pošle ho na Slack. Zní to banálně — ale právě tyhle dvě hodiny týdně krát deset lidí jsou nejrychlejší návratnost.
Kde agenty (zatím) nenasazovat
- Nevratné akce bez kontroly. Odeslání peněz, smazání dat, právně závazná komunikace — vždy s lidským schválením. Dobrý návrh dělí kroky na „agent smí sám" a „agent připraví, člověk potvrdí".
- Procesy, které sami neumíte popsat. Agent zautomatizuje proces, ne chaos. Když se deset lidí neshodne, jak se věc dělá správně, AI to nevyřeší.
- Oblasti s tvrdou regulací bez právního rámce. Zdravotní rozhodnutí, úvěrové scoring — tam patří AI jen jako podpora člověka, s auditní stopou.
Jak vypadá úspěšné nasazení
- Vyberte jeden úzký proces s měřitelným objemem (hodiny/týden) a jasným kritériem úspěchu. Ne „AI pro celou firmu".
- Zpřístupněte data. Postaví se MCP napojení na dotčené systémy — jen čtení tam, kde to stačí.
- Pilot s lidským dohledem. Agent několik týdnů běží v režimu „navrhuje, člověk schvaluje". Měříte přesnost a čas.
- Postupné povolování autonomie. Rutinní případy přecházejí na plný automat, hraniční zůstávají u lidí.
- Provoz a vyhodnocování. Logování každé akce, měsíční revize chyb, průběžné ladění instrukcí.
Kolik to stojí
Pilotní nasazení jednoho procesu — analýza, MCP napojení na 1–2 systémy, agent, vyhodnocení — se pohybuje v nižších stovkách tisíc korun a trvá 4–8 týdnů. Provozní náklady na AI tokeny jsou při dnešních cenách modelů u typického procesu stovky až nižší tisíce korun měsíčně — proti ušetřeným hodinám obvykle zanedbatelné. Rozsáhlejší nasazení napříč procesy je pak otázka škálování ověřeného základu, ne nového projektu.
Časté otázky
Nepustí si firma AI k citlivým datům?
Přístup řídíte vy: agent vidí jen systémy a záznamy, ke kterým mu dáte práva, a u seriózních poskytovatelů se firemní data nepoužívají k trénování modelů. Pro přísnější režimy existují EU regiony a privátní nasazení.
Nahradí agenti zaměstnance?
V naší praxi agenti přebírají rutinu, ne role. Typický výsledek není propouštění, ale to, že tým přestane dělat přepisování dat a triáž a věnuje se práci, na kterou dřív „nebyl čas". U rostoucích firem agenti hlavně odkládají nutnost nabírat.
Jak dlouho trvá, než agent funguje?
Funkční prototyp na reálných datech míváme za 2–3 týdny; produkční pilot včetně napojení, práv a vyhodnocení za 4–8 týdnů podle počtu systémů.
Závěr
Agenti jsou dnes v bodě, kde byly e-shopy kolem roku 2005: technologie je zralá, náklady klesly a náskok získávají firmy, které začnou dřív — protože zkušenost s tím, jak AI řídit, se nedá koupit, jen získat. Začněte malým pilotem s jasnou metrikou. Pokud chcete probrat, který proces u vás dává smysl jako první, napište nám.
Související články a služby:
» Reactive AI — RAG chatboti, agenti a LLM integrace
» Claude Fable 5 a Opus 5: co znamenají pro firmy
» AI a vývoj aplikací — úskalí a výhody