Agentic AI vs. Generative AI: Rozdiel jednoducho vysvetlený

Generative AI a Agentic AI sa v marketingu často používajú ako synonymá, technicky však ide o dve rôzne veci. Generative AI vytvára obsah na požiadanie: dostane prompt a vráti presne jeden výstup, text, obrázok alebo riadok kódu. Tým sa proces končí. Agentic AI sleduje cieľ a pracuje na jeho dosiahnutí vo viacerých krokoch: plánuje, volá externé nástroje, vykonáva akcie, hodnotí výsledok a koriguje svoj kurz. Agentic AI pritom stavia na generatívnych modeloch, no vďaka autonómii, používaniu nástrojov a spätnoväzbovým slučkám ide ďaleko za ich hranice.

Zámena je pochopiteľná, pretože obe bežia na tých istých základných modeloch (foundation models, napríklad GPT, Claude, Gemini). Rozdiel nie je v modeli, ale v architektúre okolo neho.

Tri najdôležitejšie rozdiely v skratke

• Reaktívne vs. proaktívne: Generative AI čaká na prompt a odpovie raz (single-turn). Agentic AI prevezme cieľ a samostatne posúva riešenie dopredu (goal-driven, multi-step).
• Hovoriť vs. konať: Generative AI iba vytvára obsah, číta a píše, ale sama k systémom nepristupuje. Agentic AI volá nástroje, API a niekedy celé počítačové prostredia a spúšťa v nich reálne akcie.
• Bezstavové vs. stavové: Generative AI je viazaná na kontextové okno jednej relácie. Agentic AI udržiava trvalú pamäť naprieč mnohými krokmi a dokáže si spomenúť na skoršie medzivýsledky.

Ako Agentic AI stavia na Generative AI

Agentic AI nenahrádza Generative AI, obaľuje ju. Generatívny model je mozgom na uvažovanie (reasoning) vo vnútri agenta: interpretuje cieľ, zostaví plán, rozhodne, ktorý nástroj má zmysel použiť ako ďalší, a sformuluje konkrétne volanie. Okolo tohto modelu vytvára agentický systém slučku. NVIDIA ju opisuje ako štvorstupňový cyklus: Vnímať → Usudzovať → Konať → Učiť sa (Perceive, Reason, Act, Learn). Práve táto slučka robí z obyčajného generátora textu systém, ktorý sleduje cieľ.

IBM tento vzťah vystihuje presne: Agentic AI je nadradený koncept, ktorý rieši problémy s minimálnym dohľadom; jednotlivý „AI agent“ je konkrétny komponent v rámci tohto systému. Inak povedané: Generative AI je schopnosť, Agentic AI je paradigma, ktorá túto schopnosť spolu s plánovaním, nástrojmi a pamäťou orchestruje.

Dôležitá odborná nuansa: Pojem „Agentic AI“ nie je ani v roku 2026 definitívne ustálený. Anthropic už zaraďuje medzi agentické systémy aj orchestrované, sčasti deterministické pracovné postupy (workflowy), kým napríklad Databricks GenAI a Agentic AI striktne oddeľuje. Norma ISO/IEC neexistuje (stav máj 2026). Nemecký digitálny zväz Bitkom opisuje tento vývoj vo svojom whitepaperi „Agentic AI in Customer Experience“ ako viacstupňový proces dozrievania: RPA → generatívni asistenti (reaktívni) → Agentic AI (autonómna).

Podrobné vymedzenie

Nasledujúca tabuľka porovnáva obe paradigmy v dimenziách, ktoré sú dôležité pre rozhodovanie. Hodí sa ako filter na preverenie sľubov dodávateľov.

Pre tých, ktorí rozhodujú, je najdôležitejší skok v poslednom riadku. Pri Generative AI skontroluje výstup človek skôr, než sa použije, a nesprávna veta nemá následky, kým ju nikto neprevezme. Pri Agentic AI koná systém sám. Nesprávne rozhodnutie môže spustiť reálnu akciu. Preto Agentic AI vyžaduje iný režim riadenia: schválenia pred kritickými akciami, úplné protokolovanie bez medzier a človeka v slučke (human-in-the-loop) pri všetkom, čo je nezvratné alebo regulačne citlivé.

Konkrétny príklad z B2B marketingu

Rozdiel je dobre vidieť na scenári aktívneho oslovovania (outbound). B2B agentúra má pre zoznam 200 cieľových firiem pripraviť personalizované prvé oslovenia poštovým listom. Kanál je zvolený zámerne: reklamné e-maily firmám sú v Rakúsku podľa § 174 ods. 3 TKG 2021 bez predchádzajúceho súhlasu a v Nemecku podľa § 7 ods. 2 bod 2 UWG bez predchádzajúceho výslovného súhlasu neprípustné, výnimka pre B2B neexistuje.

S Generative AI (reaktívne, single-turn):

```
Zamestnanec/-kyňa → Prompt: "Napíš úvodný list
pre firmu X, odvetvie SaaS, kľúčový problém Y."
Model → Výstup: hotový text listu.
```

Model dodá dobrý text, ale iba text. Prieskum o firme, dohľadanie správnej kontaktnej osoby, zápis do CRM a odoslanie zostávajú ručnou prácou. Pri 200 firmách sa to opakuje 200-krát a každý krok sa spúšťa ručne.

S Agentic AI (proaktívne, viacstupňovo):

```
Cieľ pre agenta: "Priprav personalizované prvé oslovenia
pre 200 firiem v tomto zozname."

Pre každú firmu prejde agent slučkou:

1. Vnímať: získať dáta o firme cez webový/CRM nástroj
2. Usudzovať: odvodiť relevantný kľúčový problém + kontaktnú osobu
3. Konať: vygenerovať text listu (generatívny model),
   zapísať návrh do CRM (volanie nástroja)
4. Vyhodnotiť: rozpoznať chýbajúce dáta → znova krok 1

Pred odoslaním: schválenie človekom v slučke (pre-action approval)
```

Rozhodujúci rozdiel: V kroku 3 používa agent ten istý generatívny model ako v prvom scenári, ale zasadený do slučky, ktorá získava dáta, obsluhuje nástroje a pri medzerách plánuje nanovo. Z 200 ručne spúšťaných generovaní sa stáva jediná úloha, ktorá sa spracuje vo viacerých krokoch. Práve preto zostáva človek pri kroku odoslania v slučke: systém teraz koná operatívne, už nielen informatívne.

Dôležité pre realistické očakávania: agentické neznamená automaticky lepšie. Slučka stojí viac tokenov, zvyšuje latenciu a vnáša nedeterminizmus, rovnaké vstupy môžu ísť rôznymi cestami. Ak na prípad použitia stačí jediný list, agentická architektúra je predimenzovaná. Anthropic formuluje praktické pravidlo jasne: najprv najjednoduchšie riešenie, čo niekedy znamená nestavať vôbec žiadny agentický systém.

Kedy sa oplatí ktorý prístup?

Jednoduchá heuristika pre prax:

• Generative AI / RAG stačí, keď postačí jediný výstup: návrhy textov, zhrnutia, otázky a odpovede nad znalostnou bázou, generovanie obrázkov.
• Agentic AI je opodstatnená, keď úloha spĺňa tri podmienky: je viacstupňová, vyžaduje akcie v externých systémoch a čiastkové kroky sa musia plánovať dynamicky počas behu.

Aj trh je triezvejší, než naznačujú sľuby dodávateľov. V prieskume McKinsey „The State of AI“ z augusta 2026 uvádza 40 percent respondentov z firiem s ročným obratom nad 1 miliardu amerických dolárov, že ich organizácia škáluje AI agentov (predchádzajúci rok 27 percent). V menších organizáciách stagnuje tento podiel na 22 percentách. Gartner v júni 2025 predpovedal, že vyše 40 percent projektov Agentic AI bude do konca roka 2027 zrušených pre rastúce náklady, nejasný obchodný prínos alebo nedostatočnú kontrolu rizík. V Nemecku podľa Bitkomu (september 2026) používa AI 57 percent firiem s 20 a viac zamestnancami, o rok skôr to bolo 36 percent. AI agenti sú tam stále výnimkou: z firiem, ktoré AI používajú, plánujú jej nasadenie alebo o nej diskutujú, nasadzuje agentov iba 11 percent.

Pre agentúry a vedenie B2B firiem

Kto dokáže rozdiel medzi Generative AI a Agentic AI jasne vysvetliť, má v nákupnom tíme (buying center) výhodu: oddelí reálne využiteľné prípady použitia od „agent-washingu“, pri ktorom sa jednoduchý chatbot predáva ako autonómny agent. Gartner odhaduje, že z tisícov dodávateľov s agentickými sľubmi má skutočné agentické schopnosti len približne 130.

Pre marketingové agentúry to konkrétne znamená: Generative AI sa dnes hodí na tvorbu obsahu vo veľkom objeme, Agentic AI na viacstupňové procesy ako príprava oslovovania (outbound), prieskum potenciálnych zákazníkov (leadov) alebo workflowy na reporting, pokiaľ sú v poriadku kvalita dát, napojenie nástrojov a schvaľovacie procesy. Blck Alpaca z Viedne sprevádza firmy z regiónu DACH práve pri tomto vymedzení: od otázky, či musí byť prípad použitia naozaj agentický, až po riadenie (governance) autonómnych systémov. Ozvi sa nám skôr, než investuješ do agentickej architektúry, jednoduchšia cesta je často aj tá lepšia.