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 teda vo väčšine prípadov lepšou voľbou. Tento sprievodca ukazuje, ako sa rozhodnúť vecne, bez toho, aby ste podľahli agentic-hype.

• Dá sa priebeh nakresliť ako vývojový diagram (flowchart)? Potom patrí do deterministickej automatizácie, nie do agenta.
• Musí sa za behu plánovať, zvažovať alebo posudzovať, s viac ako tromi krokmi závislými od kontextu? Potom je Agentic AI vážnou možnosťou.
• V prípade pochybností: klasicky. Anthropic radí najprv najjednoduchšie riešenie – to môže znamenať vôbec nestavať agentický systém.

Kľúčové rozlíšenie: deterministické vs. agentické

Rozhodujúci rozdiel nespočíva v inteligencii, ale v predvídateľnosti priebehu.

Klasická automatizácia – či už RPA, workflow engine ako n8n alebo Zapier-zap – vykonáva vopred definovanú cestu. Riadi sa pevnými pravidlami typu ak-tak. Rovnaký vstup vytvára rovnaký výstup, vždy. To robí takéto systémy testovateľnými, reprodukovateľnými a v údržbe predvídateľnými.

Agentic AI je naopak paradigma, pri ktorej softvérový systém na základe foundation modelu dostane cieľ a cestu k nemu si za behu sám plánuje: vyberá si nástroje, volá API, hodnotí medzivýsledky a v prípade potreby preplánováva (Plan–Execute–Reflect–Replan). To je mocné, keď sa priebeh nedá vopred stanoviť – ale je to nedeterministické: identické vstupy môžu vytvoriť rôzne cesty a výsledky.

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

Úprimný kompromis: náklady, riziko, údržba

Tri dimenzie rozhodujú v praxi – a vo všetkých troch je deterministická automatizácia konzervatívnym, často nadradeným defaultom.

Náklady. Automatizácia v n8n alebo Zapier má v podstate fixné náklady: jednorazové nastavenie plus vypočítateľný licenčný alebo hostingový poplatok. Agent spôsobuje premenlivé náklady na jeden beh. Reálne agentické relácie (merané podľa telemetrie Claude Code, NVIDIA, stav 2026) dosahujú 10 000 až vyše 150 000 tokenov na kontextové okno – každý viacstupňový reasoning-krok stojí znova. McKinsey počíta s tým, že náklady na IT infraštruktúru pre agentické workloady môžu do roku 2030 dosiahnuť dvoj- až trojnásobok. Pri vysokom objeme sa zdanlivo chytrý agent rýchlo stáva najdrahšou cestou.

Riziko. Deterministický systém má informačný rizikový profil – v najhoršom prípade nesprávne pravidlo. Agent má operačný rizikový profil: vykonáva autonómne akcie na živých systémoch. K tomu sa pridáva problém testovania: klasické QA preveruje definované cesty. Pri nedeterministických multi-agentových priebehoch sa podľa Gartnera (Hype Cycle 2025) môžu halucinácie a chybné rozhodnutia nahromadiť do domino efektu. Pre nezvratné alebo bezpečnostne kritické kroky (mazanie v databáze, schvaľovanie objednávok, finančné transakcie) je preto kontrolný bod typu human-in-the-loop povinnosťou – čo zase relativizuje sľubovanú autonómiu.

Údržba. Pravidlo, ktoré sa pokazí, je dohľadateľné a opraviteľné. Agent, ktorý sa pri jednom vstupe zrazu rozhodne inak, vyžaduje prompt-tuning, eval-suites, audity oprávnení nástrojov (tool-permission-audits) a provenance-logging. Prevádzková záťaž sa presúva z „udržiavať pravidlá" na „monitorovať nedeterministický systém" – kvalitatívne odlišná, trvalá investícia.

Rozhodovacia matica

Nasledujúca matica zhŕňa kompromisy podľa kritéria. Nenahrádza posúdenie jednotlivého prípadu, ale štruktúruje diskusiu v buying-center.

Dobre citovateľné pravidlo pochádza od Gartnera: Agenti tam, kde sú potrebné rozhodnutia; automatizácia pre rutinné workflow; jednoduchí asistenti pre jednoduché dopyty. Čisto obsahové use-casy ako 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 operacionalizovať – orientované na decision-tree z výskumu:

1. Čisto obsahový use-case (odpovedať na otázku, zhrnúť text)? → Jednoduchý LLM-call alebo RAG. Žiadny agent, žiadne RPA.
2. Definovaný, deterministický workflow s jasnými krokmi? → Klasická automatizácia (RPA, n8n, Zapier). Tu sa preverenie pre väčšinu procesov končí.
3. Viac ako tri kroky s rozhodnutiami závislými od kontextu po ceste, ktoré sa nedajú vopred stanoviť? → Tool-using agent sa stáva zmysluplným.
4. Akcia nezvratná alebo bezpečnostne kritická? → Human-in-the-loop naplánovať ako povinný, inak efektívnostný zisk neunesie riziko.
5. ROI jasný a merateľný? → Ak nie: keep it simple. Žiadny agent bez spoľahlivého prínosu hodnoty.

Konkrétny príklad: spracovanie prijatých faktúr

Stredne veľký DACH podnik dostáva mesačne približne 800 dodávateľských faktúr a chce zachytávanie automatizovať. Dva scenáre:

Scenár A – stabilných 90 %: Faktúry prichádzajú ako PDF e-mailom, musia sa vyčítať, spárovať s objednávkou a zaúčtovať do ERP. Dodávatelia, formáty a účtovné pravidlá sú známe. To je deterministický workflow: n8n-flow s OCR uzlom, párovacím pravidlom a ERP-API. Odhadované zostavenie pár dní, potom vypočítateľné fixné náklady, úplne testovateľné. Agent by tu bol čistý overkill – drahší, pomalší, náchylnejší na chyby, bez akejkoľvek pridanej hodnoty.

Scenár B – ťažkých 10 %: Faktúra nesedí k žiadnej objednávke, suma sa odchyľuje, položka je nejasne formulovaná. Tu sa musí zvažovať: Ktorá objednávka je myslená? Je odchýlka plauzibilná? Aká spätná otázka a komu? Práve tento čiastkový krok ospravedlňuje agenta, ktorý ťahá kontext, dopytuje viacero systémov a vytvorí návrh na vyjasnenie – s human-in-the-loop pred finálnym zaúčtovaním.

Úprimná architektúra je preto hybridná: deterministický n8n-workflow nesie 90 % objemu za fixné náklady. Len výnimky sa eskalujú agentovi. Tak platíte premenlivé náklady agenta len tam, kde je úsudok skutočne potrebný – namiesto toho, aby ste 800 faktúr paušálne posielali cez drahý, nedeterministický systém.

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

Úprimné posolstvo

Agentic-hype 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 meria (n=1 993), že v žiadnej jednotlivej obchodnej funkcii neškáluje viac ako 10 % firiem agentov do produkcie. Často nezlyhá technika, ale výber: agent sa nasadí na problém, ktorý by lepšie vyriešilo jednoduché pravidlo. Klasická automatizácia je vo väčšine prípadov správnou odpoveďou – a to nie je krok späť, ale inžinierska disciplína.

Pre agentúry a B2B rozhodovateľov

Ak stojíte pred otázkou „Agentic AI alebo automatizácia?", ušetríte si drahé chybné rozhodnutia čistým preverením vhodnosti vopred. Blck Alpaca z Viedne analyzuje vaše procesy pozdĺž tejto rozhodovacej matice, postaví deterministickú časť (n8n, RPA, API-integrácia) spoľahlivo a nákladovo efektívne – a agentov nasadí cielene len tam, kde existuje reálna potreba úsudku. Pre agentúry, ktoré chcú ponúkať automatizáciu ako službu, navrhujeme hybridné architektúry, ktoré spájajú maržu a udržateľnosť. Ozvite sa nám pre úprimný, dátami podložený úvodný rozhovor.