Co je AI agent a čím se liší od běžného chatbota

AI agent je software, který dostane cíl místo instrukce a sám si najde cestu, jak ho splnit. Nečeká na to, až mu člověk nadiktuje každý krok. Rozloží úkol na dílčí kroky, sáhne po nástrojích, které má k dispozici, provede akci v reálném systému a zkontroluje, jestli výsledek dává smysl. Když nedává, zkusí to jinak. Právě tahle smyčka odděluje agenta od chatbota: chatbot odpoví, agent udělá.

Pod kapotou stojí ve většině dnešních agentů velký jazykový model (LLM), který slouží jako rozhodovací mozek. Sám o sobě ale umí jen generovat text. Agentem se stává až ve chvíli, kdy dostane ruce – přístup k API, databázi, souborům, prohlížeči nebo firemnímu systému – a smyčku, ve které se může opravovat.

Jak AI agent funguje:

• Cíl: vstupem není příkaz „napiš mi email“, ale zadání typu „vyřiď reklamaci objednávky 4821“. Agent si sám určí, co k tomu potřebuje.
• Plánování: model rozloží zadání na kroky a určí pořadí. U složitějších úloh si vede vlastní seznam úkolů a odškrtává ho.
• Nástroje: agent volá funkce, které umí něco reálně udělat – vyhledat v databázi, poslat email, vytvořit fakturu, spustit skript, otevřít webovou stránku. Bez nástrojů je to jen konverzace.
• Paměť: krátkodobá drží kontext aktuální úlohy, dlouhodobá uchovává, co se osvědčilo minule. Bez paměti agent u delší úlohy ztratí nit.
• Reflexe: agent po každém kroku vyhodnotí výsledek. Když nástroj vrátí chybu nebo data nesedí, změní postup místo toho, aby slepě pokračoval.
• Ukončovací podmínka: jasně definovaný stav „hotovo“. Bez něj se agent buď zacyklí, nebo skončí v půlce.

Standardizace přístupu k nástrojům:

Nejotravnější část stavby agenta nikdy nebyla inteligence modelu, ale propojení na systémy. Každá aplikace má jiné API, jinou autentizaci, jiný formát dat. Proto vznikl Model Context Protocol (MCP), otevřený standard od Anthropicu, ke kterému se přidali i další velcí hráči. Funguje jako jednotný konektor mezi modelem a okolním světem: místo psaní vlastní integrace pro každý nástroj napojíte agenta na MCP server, který danou službu zpřístupní. Přirovnání k USB-C sedí docela přesně – kabel je jeden, zařízení může být jakékoli.

Typy agentů:

• Reaktivní: pravidlo podmínka-akce, žádná paměť. Spamový filtr nebo automatická odpověď v mailu. Formálně agent, prakticky algoritmus s pevnou logikou.
• S vnitřním modelem: drží si obraz prostředí a historii stavů. Robotický vysavač, který ví, kudy už jel.
• Cílově orientovaní: plánují více kroků dopředu a porovnávají varianty postupu. Sem patří většina toho, čemu dnes říkáme AI agent.
• Maximalizující užitek: nehledají jen řešení, ale nejlepší řešení podle zadaných kritérií – čas, cena, riziko.
• Učící se: zlepšují chování na základě zpětné vazby z předchozích běhů.
• Multiagentní systémy: více specializovaných agentů si rozdělí práci a koordinuje se. Jeden hledá, druhý píše, třetí kontroluje.

AI agent v praxi:

Nejsrozumitelnější příklad je zákaznický servis. Klasický chatbot na webu odpoví na otázku „kde je moje objednávka“ odkazem na formulář. Agent se podívá do e-shopu, najde objednávku podle emailu, zjistí u dopravce stav zásilky, a když je zpožděná, vystaví dobropis nebo založí reklamaci v CRM. Zákazník dostane odpověď i vyřešený problém v jednom kole.

Ve firemním provozu se agenti nejčastěji nasazují tam, kde se práce skládá z mnoha malých kroků napříč systémy. Zpracování faktur: agent vytáhne data z PDF, spáruje je s objednávkou, zkontroluje ceny a připraví platbu ke schválení. Pojišťovnictví: agent identifikuje klienta, ověří platnost pojistky, porovná podmínky, vyžádá chybějící dokumenty a připraví návrh likvidace. Rutinní případy proběhnou bez člověka, sporné jdou k operátorovi s hotovým podkladem.

Vývojářští agenti jsou dnes asi nejvyzrálejší kategorie. Nástroje jako Claude Code nebo podobní kódovací agenti dostanou zadání „oprav tuhle chybu“, samy si přečtou repozitář, najdou příčinu, upraví soubory, spustí testy a když testy spadnou, opraví to znovu. Ta smyčka test-oprava-test je přesně to, co dělá agenta agentem.

V marketingu a obsahu funguje agent jako výzkumník: dostane téma, prohledá web, přečte konkurenční stránky, sesbírá čísla a vrátí strukturovaný podklad. Pořád platí, že kvalita výstupu stojí a padá se zadáním – takže prompt engineering u agentů nezmizel, jen se přesunul z jednorázových promptů do systémových instrukcí a popisů nástrojů.

Kde agenti selhávají:

Autonomie je dvousečná. Agent, který má právo zapisovat do ostrých systémů, může škodu způsobit rychleji, než ji stihnete zpozorovat. Proto se v praxi nasazuje s hranicemi: definovaný seznam povolených akcí, limity na útratu, potvrzovací krok u nevratných operací a log všeho, co agent udělal. Nevratné kroky – odeslání emailu zákazníkovi, platba, smazání dat – patří za lidské schválení, dokud si systém nezaslouží důvěru.

Druhý problém je spolehlivost napříč kroky. Když má jeden krok úspěšnost 95 procent, deset kroků za sebou vychází zhruba na 60 procent. Dlouhé řetězce se rozpadají a chyba z třetího kroku se protáhne až na konec. Odtud vede praktické pravidlo: čím kratší a jasněji ohraničený úkol, tím spolehlivější agent. Většina reálných nasazení jsou tedy úzce vymezené úlohy, ne univerzální digitální zaměstnanec.

Třetí věc je střízlivost v očekáváních. Podle Gartneru má do konce roku 2026 obsahovat agenty přes 40 procent podnikových aplikací, zatímco v roce 2025 to bylo pod 5 procent. Zároveň průzkumy ukazují, že jen menšina firem se dostane za fázi experimentu k reálnému nasazení ve větším měřítku. Rozdíl obvykle nedělá model, ale to, jestli firma má procesy popsané dost jasně na to, aby šly předat stroji.

Proč je AI agent důležitý:

Pro podnikatele je zásadní posun v tom, co se dá automatizovat. Klasická automatizace zvládá jen situace, na které někdo dopředu napsal pravidlo – jakmile přijde výjimka, proces spadne na člověka. Agent si s výjimkou poradí, protože nepracuje s pevným scénářem, ale s cílem a schopností se rozhodnout. Tím se automatizace dostává do oblastí, kde se dosud nevyplácela: nestrukturované vstupy, nekonzistentní data, procesy s příliš mnoha variantami.

Prakticky to znamená, že se hodnota přesouvá od „umět používat AI nástroj“ k „umět popsat proces a dát mu hranice“. Kdo dokáže srozumitelně definovat, co má být hotové, jaké nástroje k tomu patří a co se nesmí stát, získá z agentů řádově víc než ten, kdo hledá lepší prompt. A pokud provozujete web nebo e-shop, stojí za zvážení i opačný směr: agenti si stále častěji čtou vaše stránky za uživatele, takže čistá struktura webu a strojově čitelná data přestávají být jen SEO tématem.

Časté otázky:

Jaký je rozdíl mezi AI agentem a chatbotem?

Chatbot generuje odpověď a tím jeho práce končí. Agent má přístup k nástrojům, provádí akce v reálných systémech a v cyklu si ověřuje, jestli se přiblížil k cíli. Chatbot vám poradí, jak vystavit fakturu, agent ji vystaví.

Potřebuju k nasazení agenta programátora?

U jednoduchých úloh ne. Existují no-code platformy, kde agenta poskládáte z hotových bloků a napojíte na běžné služby. Jakmile ale jde o zápis do firemních systémů, autentizaci a kontrolu chyb, technická pomoc se vyplatí – hlavně kvůli nastavení hranic a logování.

Může AI agent pracovat úplně bez dohledu?

U rutinních a vratných akcí ano. U nevratných kroků, peněz a komunikace se zákazníky se v praxi drží člověk ve smyčce jako schvalovatel. Rozumný postup je začít s agentem, který připraví podklad, a autonomii přidávat postupně podle toho, jak se osvědčí.

Nahradí AI agenti lidi?

Nahrazují spíš úkony než profese. Nejvíc práce odeberou tam, kde jde o přenášení dat mezi systémy a opakované rozhodování podle jasných kritérií. Věci vyžadující vyjednávání, kontext, zodpovědnost nebo empatii zůstávají u lidí – a přibývá jim role toho, kdo agenty nastavuje a kontroluje.