Agentic AI alebo klasická automatizácia? Úprimný sprievodca rozhodovaním

Agentic AI sa oplatí pri premenlivých, viacstupňových úlohách s reálnou potrebou úsudku, ktorých priebeh sa nedá vopred úplne stanoviť. Pri stabilných procesoch založených na pravidlách s jasnými krokmi typu ak-tak je klasická, deterministická automatizácia (RPA, n8n, Zapier) lacnejšia, rýchlejšia, reprodukovateľná a menej náročná na údržbu, a preto vo väčšine prípadov lepšou voľbou. Tento sprievodca ukazuje, ako sa vecne rozhodneš bez toho, aby ťa strhol humbuk okolo Agentic AI.

• Dá sa priebeh nakresliť ako vývojový diagram (flowchart)? Potom patrí do deterministickej automatizácie, nie do agenta.
• Treba za behu plánovať, zvažovať alebo posudzovať, a to vo viac ako troch krokoch závislých od kontextu? Potom je Agentic AI vážnou možnosťou.
• V prípade pochybností: klasicky. Anthropic radí začať najjednoduchším riešením, a to môže znamenať vôbec nestavať agentický systém.

Kľúčový rozdiel: deterministické vs. agentické

Rozhodujúci rozdiel nespočíva v inteligencii, ale v predvídateľnosti priebehu.

Klasická automatizácia, či už RPA, workflow engine ako n8n, alebo Zap v Zapieri, vykonáva vopred definovanú cestu. Riadi sa pevnými pravidlami typu ak-tak. Rovnaký vstup vytvorí rovnaký výstup, zakaždým. Vďaka tomu sú takéto systémy testovateľné, reprodukovateľné a ich údržba je predvídateľná.

Agentic AI je naopak paradigma, v ktorom softvérový systém postavený na základnom modeli (foundation model) dostane cieľ a cestu k nemu si naplánuje sám za behu: vyberá nástroje, volá API, hodnotí medzivýsledky a v prípade potreby plán zmení (Plan–Execute–Reflect–Replan). To je silný prístup, keď sa priebeh nedá vopred stanoviť, ale je nedeterministický: identické vstupy môžu viesť k rôznym cestám a výsledkom.

Z toho vyplýva najdôležitejšie pravidlo tohto článku: Ak dokážeš proces úplne nakresliť ako vývojový diagram, agenta nepotrebuješ. Agent je správnou voľbou až tam, kde by mal vývojový diagram vetvenia, ktoré nikto nedokáže vopred úplne špecifikovať.

Poctivo o kompromisoch: náklady, riziko, údržba

V praxi rozhodujú tri dimenzie a vo všetkých troch je deterministická automatizácia konzervatívnou, často lepšou predvolenou voľbou.

Náklady. Automatizácia v n8n alebo v Zapieri má fixné náklady: jednorazové nastavenie plus predvídateľný licenčný alebo hostingový poplatok. Agent spôsobuje premenlivé náklady na každý beh. Podľa spoločnosti Anthropic spotrebujú agenti približne štyrikrát viac tokenov ako interakcia v chate, multiagentové systémy približne 15-krát viac. Každý ďalší krok uvažovania (reasoning) sa platí znova. McKinsey počíta s tým, že náklady na IT infraštruktúru celkovo do roku 2030 stúpnu na dvoj- až trojnásobok, pri nezmenených rozpočtoch. Pri vysokom objeme sa zdanlivo chytrý agent rýchlo stane najdrahšou cestou.

Riziko. Deterministický systém má informačný rizikový profil, v najhoršom prípade ide o nesprávne pravidlo. Agent má operačný rizikový profil: vykonáva autonómne akcie v živých systémoch. K tomu sa pridáva problém s testovaním: klasické QA overuje definované cesty. Pri nedeterministických multiagentových priebehoch sa podľa Gartnera (Hype Cycle 2025) môžu halucinácie a chybné rozhodnutia navzájom zosilňovať a spustiť dominový efekt. Pre nezvratné alebo bezpečnostne kritické kroky (mazanie v databáze, schvaľovanie objednávok, finančné transakcie) je preto kontrolný bod human-in-the-loop povinný, čo sľubovanú autonómiu opäť relativizuje.

Údržba. Pravidlo, ktoré prestane fungovať, sa dá nájsť a opraviť. Agent, ktorý sa pri nejakom vstupe zrazu rozhodne inak, si vyžaduje ladenie promptov, sady evaluácií (eval suites), audity oprávnení nástrojov a záznamy o pôvode dát (provenance logging). Prevádzková záťaž sa presúva z „udržiavať pravidlá“ na „monitorovať nedeterministický systém“, čo je kvalitatívne iná a trvalá investícia.

Rozhodovacia matica

Nasledujúca matica zhŕňa kompromisy podľa jednotlivých kritérií. Nenahrádza posúdenie konkrétneho prípadu, ale dáva štruktúru diskusii v nákupnom tíme (buying center).

Dobre citovateľné pravidlo pochádza od Gartnera: Agenti tam, kde treba rozhodovať; automatizácia pre rutinné workflowy; jednoduchí asistenti pre jednoduché dopyty. Čisto obsahové prípady použitia, ako otázky a odpovede (Q&A) alebo zhrnutia, mimochodom nepotrebujú ani agenta, ani RPA, ale jednoduché volanie LLM, prípadne s RAG.

Rozhodovací strom v piatich krokoch

Takto sa dá výber previesť do praxe v piatich kontrolných krokoch:

1. Čisto obsahový prípad použitia (odpovedať na otázku, zhrnúť text)? → Jednoduché volanie LLM alebo RAG. Žiadny agent, žiadna RPA.
2. Definovaný, deterministický workflow s jasnými krokmi? → Klasická automatizácia (RPA, n8n, Zapier). Pre väčšinu procesov sa preverovanie tu končí.
3. Viac ako tri kroky, počas ktorých treba rozhodovať podľa kontextu, a tieto rozhodnutia sa nedajú vopred stanoviť? → Agent využívajúci nástroje začína dávať zmysel.
4. Akcia je nezvratná alebo bezpečnostne kritická? → Povinne naplánuj human-in-the-loop, inak prínos v efektivite nevyváži riziko.
5. Návratnosť (ROI) je jasná a merateľná? → Ak nie: zostaň pri jednoduchom riešení. Žiadny agent bez preukázateľného prínosu.

Konkrétny príklad: spracovanie prijatých faktúr

Stredne veľká firma z regiónu DACH dostáva mesačne približne 800 dodávateľských faktúr a chce ich zaevidovanie automatizovať. Dva scenáre:

Scenár A, stabilných 90 %: Faktúry prichádzajú ako PDF e-mailom, treba z nich načítať údaje, spárovať ich s objednávkou a zaúčtovať do ERP. Dodávatelia, formáty a účtovné pravidlá sú známe. Ide o deterministický workflow: flow v n8n s uzlom OCR, pravidlom párovania a API systému ERP. Odhadované zostavenie trvá pár dní, potom nasledujú predvídateľné fixné náklady a všetko sa dá úplne otestovať. Agent by tu bol kanónom na vrabce: drahší, pomalší, náchylnejší na chyby a bez akéhokoľvek úžitku.

Scenár B, ťažkých 10 %: Faktúra nezodpovedá žiadnej objednávke, suma sa líši, položka je nejasne formulovaná. Tu treba zvažovať: Ktorá objednávka je myslená? Je odchýlka vierohodná? Akú otázku položiť a komu? Práve tento čiastkový krok opodstatňuje nasadenie agenta, ktorý dohľadá kontext, dopytuje viacero systémov a pripraví návrh na vyjasnenie, s human-in-the-loop pred finálnym zaúčtovaním.

Poctivá architektúra je preto hybridná: deterministický workflow v n8n nesie 90 % objemu za fixné náklady. Agentovi sa eskalujú len výnimky. Premenlivé náklady na agenta sa tak platia len tam, kde je úsudok skutočne potrebný, namiesto paušálneho posielania všetkých 800 faktúr cez drahý, nedeterministický systém.

```
Prichádzajúca faktúra
│
├─ zodpovedá objednávke? ── ÁNO ─► n8n: OCR → párovanie → zaúčtovanie v ERP (deterministicky, ~90%)
│
└─ NIE / odchýlka ───► Agent: preveriť kontext, navrhnúť vyjasnenie
│
└─► Human-in-the-loop ─► zaúčtovanie (~10%)
```

Poctivý odkaz

Humbuk okolo Agentic AI naznačuje, že každý proces patrí do agenta. Trhové dáta hovoria opak: Gartner predpovedá, že vyše 40 % projektov Agentic AI bude do konca roka 2027 zrušených, a McKinsey nameral (n = 1 993), že v žiadnej jednotlivej obchodnej funkcii viac ako 10 % firiem neškáluje agentov v produkcii. Často nezlyhá technika, ale výber: agent sa nasadí na problém, ktorý by jednoduché pravidlo vyriešilo lepšie. Klasická automatizácia je vo väčšine prípadov správnou odpoveďou a nie je to krok späť, ale inžinierska disciplína.

Pre agentúry a rozhodovateľov v B2B

Ak stojíš pred otázkou „Agentic AI alebo automatizácia?“, dôkladné preverenie vhodnosti vopred ti ušetrí drahé chybné rozhodnutia. Blck Alpaca z Viedne analyzuje tvoje procesy podľa tejto rozhodovacej matice, postaví deterministickú časť (n8n, RPA, integrácia cez API) spoľahlivo a nákladovo efektívne a agentov nasadí cielene len tam, kde je reálne potrebný úsudok. Pre agentúry, ktoré chcú ponúkať automatizáciu ako službu, navrhujeme hybridné architektúry, ktoré spájajú maržu s jednoduchou údržbou. Ozvi sa nám a dohodneme si poctivý úvodný rozhovor postavený na dátach.