---
title: "Change management v agentúre: Zavedenie AI agentov do tímu"
description: "Change management v AI agentúre označuje štruktúrované zavedenie AI agentov do agentúrneho tímu: roly sa posúvajú od vykonávateľa k orchestrátorovi a recenzentovi, akceptácia a dôvera sa aktívne budujú, pilotní šampióni a školenie vytvárajú adopciu. Úzkym hrdlom je kultúra, nie technika."
locale: "sk"
canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/ai-agenti-pre-marketingove-agentury/change-management-agentur-mit-ai"
category: "AI agenti"
topic: "AI Agenti pre marketingové agentúry"
updated: "2026-07-29T08:52:49.928Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Change management v agentúre: Zavedenie AI agentov do tímu

Change management v AI agentúre označuje štruktúrované zavedenie AI agentov do agentúrneho tímu: roly sa posúvajú od vykonávateľa k orchestrátorovi a recenzentovi, akceptácia a dôvera sa aktívne budujú, pilotní šampióni a školenie vytvárajú adopciu. Úzkym hrdlom je kultúra, nie technika.

## Klucove body

- Adopcia je v roku 2026 záväzným úzkym hrdlom pre návratnosť investícií do AI, nie schopnosti modelu. Frontier modely pokrývajú vyše 80 % znalostnej práce; rozhodujúce je, či tím agentov skutočne používa.
- Rola zamestnancov sa posúva od vykonávateľa k orchestrátorovi a recenzentovi. Novou kľúčovou kompetenciou je kalibrovaná dôvera: prijať správne výstupy agenta, spoľahlivo rozpoznať nesprávne.
- Investujte 15–25 % rozpočtu na AI do adopcie (školenie, change, UX), nie obvyklé 2–5 %. Toto presunutie oddeľuje tímy s merateľným prínosom od tých, ktoré účtujú len náklady.
- Pilotní šampióni (3–5 na 100 zamestnancov) dosahujú 1,5- až 2-násobok miery používania v porovnaní s čisto top-down nasadeniami. Školenie nad päť hodín zvyšuje pravidelné používanie o približne dvanásť percentuálnych bodov.
- Merajte výsledky, nielen adopciu. Kúpené licencie ≠ používaný nástroj ≠ vytvorená hodnota, odmeňovanie a uznanie patria naviazané na výsledky.
- Zamestnanci systematicky preceňujú svoju AI produktivitu (METR: 20 % pociťované zrýchlenie, reálne 19 % pomalšie). Riaďte cez telemetriu a outcome metriky, nie cez vlastné výpovede.

Change management v [AI](/sk/slovnik/ai) agentúre označuje [štruktúrované zavedenie AI agentov](/sk/sluzby/integracia-ai-agenta) do agentúrneho tímu: roly sa posúvajú od vykonávateľa k orchestrátorovi a recenzentovi, akceptácia a dôvera sa aktívne budujú, pilotní šampióni a školenie vytvárajú adopciu. Úzkym hrdlom je kultúra, nie technika. Kto to ignoruje, kupuje licencie a účtuje náklady, bez toho, aby kedy zrealizoval produktivitný zisk.

- **Úzkym hrdlom je adopcia, nie schopnosti.** Frontier modely pokrývajú vyše 80 % znalostnej práce. Rozhodujúce je, či tím agentov skutočne používa, to závisí od dôvery, školenia a jasnosti rolí, nie od posledného percentuálneho bodu kvality modelu.
- **Rola sa posúva od vykonávateľa k orchestrátorovi a recenzentovi.** Novou kľúčovou kompetenciou je kalibrovaná dôvera: prijať správne výstupy, spoľahlivo rozpoznať nesprávne, namiesto slepej dôvery alebo paušálneho odmietania.
- **15–25 % rozpočtu patrí do adopcie.** Školenie, change, UX a meranie, namiesto obvyklých 2–5 %. Toto jedno presunutie oddeľuje tímy s merateľným prínosom od tých, ktoré produkujú len náklady.

## Prečo je kultúra úzkym hrdlom, a nie model

Pokušením roku 2026 je zaobchádzať so zavedením ako s technologickým projektom: vybrať nástroj, kúpiť licencie, spustiť nasadenie. Práve táto kategoriálna chyba vyprodukovala v rokoch 2023 až 2025 medzeru medzi „Copilot nasadený“ a „Copilot používaný“, ktorá teraz leží na stole v mnohých domoch.

Empirická situácia je jednoznačná. Frontier modely od Anthropic, [OpenAI](/sk/slovnik/openai) a Google sú pre veľkú väčšinu agentúrnych úloh, písanie textov, sumarizáciu, rešerš, klasifikáciu, preklad, štruktúrovanú extrakciu, kvalitatívne postačujúce. Čo *neprekonáva* prekážku, je komplex pozostávajúci z dôvery, adopcie, change managementu a spolurozhodovania, ktorý sedí medzi nasadeným modelom a skutočne používajúcou pracovnou silou. Empirické pravidlo McKinsey, že približne 70 % všetkých transformácií nedosahuje svoju zamýšľanú hodnotu, platí pre AI transformácie obzvlášť, pretože technológia je pre väčšinu zamestnancov genuínne nová.

[Nezávislé benchmarky dokladajú medzeru](https://www.bitkom.org/EN). Aktivovaná miera používania (aktívni používatelia medzi držiteľmi licencií) je pri nástrojoch triedy Copilot na trhu USA na úrovni približne 36 %, v celoeurópskom priemere okolo 58 %, zatiaľ čo voľne dostupné ChatGPT dosahuje u zamestnancov s prístupom približne 83 %. Kto teda číta „vybavili sme celú agentúru“, by mal bez cielenej práce na adopcii počítať s tým, že len zlomok používa nástroj pravidelne a ešte menšia časť ho používa denne. Podľa Bitkomu školí len 8 % firiem všetkých zamestnancov k AI, 43 % vôbec nie plošne. Práve tu, nie pri výbere modelu, sa rozhoduje o úspechu.

Strategickým dôsledkom pre vedenie agentúry je: [adopčná infraštruktúra](/sk/vedomosti/ai-agenti/ai-agenti-pre-marketingove-agentury/client-onboarding-ai-agent-pilot)školenie, persona disciplína, onboarding, komunikácia, meranie, si zaslúži **15 až 25 % rozpočtu AI programu** namiesto doteraz obvyklých 2 až 5 %. Toto presunutie, viac než akékoľvek rozhodnutie o dodávateľovi alebo modeli, oddeľuje tímy, ktoré realizujú niekoľkonásobok hodnoty, od tých, ktoré účtujú výdavok a nevykazujú žiadny merateľný produktivitný zisk.

## Posun rolí a zručností: od vykonávateľa k orchestrátorovi

Najhlbšou zmenou nie je nástroj, ale sebachápanie. Klasická agentúrna rola, textár, ktorý píše; dizajnérka, ktorá tvorí; stratég, ktorý robí rešerš, sa posúva k **orchestrátorovi a recenzentovi**: briefovať, delegovať na agenta, kontrolovať, zodpovedať. To je pre mnohých otázkou statusu, nie témou pohodlia. Kto budoval 15 rokov remeslo, neodovzdáva ho hladko nedeterministickému systému.

Nová kľúčová kompetencia sa nazýva [**kalibrovaná dôvera**](/sk/vedomosti/ai-agenti/co-su-ai-agenti/reaktivne-vs-deliberativne-agenty). Cieľom nie je maximálna, ale primeraná dôvera: prijať správne výstupy agenta, rozpoznať a odmietnuť chybné. Výskum pozná dva vzorce zlyhania, ktoré sa týkajú každej agentúry:

- **Over-Reliance:** Zamestnanci preberajú výstup agenta bez kontroly, hoci kontrola by bola potrebná, plynulé, sebaisté halucinácie sa považujú za fakty. Najprominentnejší prípad, *Mata v. Avianca* (2023), skončil sankciami, pretože dvaja právnici predložili vymyslené citácie chatbota.
- **Under-Reliance:** Zamestnanci nedôverujú výstupu, hoci [agent](/sk/slovnik/agent) je lepší než ich vlastný úsudok. To je dominantný vzorec u skúsených profesionálov, ignorujú odporúčania, z ktorých mohli profitovať.

Tento posun zručností rozdeľuje hodnotu *nadol po krivke kompetencie*. Najrigoróznejšia terénna štúdia (Brynjolfsson, Li, Raymond, 5 179 servisných zamestnancov) zistila v priemere **+14 % produktivity, +34 % u nováčikov a nízkokvalifikovaných** a takmer žiadny efekt u skúsených top-performerov. Pre agentúru to znamená: junioti a kariérni preorientovaní profitujú najsilnejšie, seniori najmenej, s dôsledkami pre nábor, školenie a otázku, za čo sa seniori budú v budúcnosti platiť (totiž za úsudok a review, nie za množstvo výstupu).

Pri nových rolách sa oplatí rozlíšenie, ktoré výskum jasne robí: rola čistého **„[prompt](/sk/slovnik/prompt) engineera“ je v roku 2026 prevažne obsolétna**príslušné pracovné inzeráty sa v regióne DACH v rokoch 2024/2025 prepadli. **Prompt a kontext engineering ako kompetencia** je naopak dôležitejší než kedykoľvek predtým a patrí do profilu každej roly, ktorá pracuje s agentmi. Najvzácnejším novým náborom je **AI Product Manager**, ktorý zodpovedá za jeden až dva use casy end-to-end: business case, metriky úspechu, integrácia, change, evaluácia.

## Riadenie akceptácie a obáv: úprimne namiesto prikrášľovania

Dominantnou osou odporu je strach zo straty zamestnania, najmä v administratívnych a výrobných rolách, nasledovaný nedôverou v presnosť, ktorá zaberá najneskôr po prvej zažitej halucinácii. Predbežná komunikácia musí tento strach *adresovať namiesto popierania*. Dáta sú verejné: 19 % firiem používajúcich AI už podľa Bitkomu zrušilo pracovné miesta v súvislosti s AI. Tváriť sa, akoby nebolo žiadne pracovné miesto dotknuté, pôsobí neúprimne a ničí dôveru predtým, než sa nasadenie začne.

Únosné rámcovanie oddeľuje hrozbu od odbremenenia: AI redukuje prácu, ktorú nikto nerobí rád (rešeršná mravčia práca, prvé návrhy, reporting), a vracia čas na prácu, ktorá sa počíta (vzťah so zákazníkom, nápad, úsudok). Úprimné pritom zostáva, že niektoré profily rolí sa podstatne zmenia.

Protiintuitívny, dobre doložený bod pre dôveru: agent, ktorý **transparentne sprístupní svoju neistotu, je hodnotnejší než ten, ktorý vyžaruje hranú istotu.** Nástroj s 92 % mierou zásahu, ktorý vystupuje pri všetkých odpovediach rovnako sebaisto, vytvára horšie rozhodnutia než nástroj s 88 %, ktorý označuje svoje pravdepodobne nesprávne odpovede. Pre agentúru to konkrétne znamená: signály konfidencie, uvedenie zdrojov, vzorce „Neviem to“ a schvaľovacie brány pre nevratné akcie (napr. externý zákaznícky e-mail) nie sú UX kozmetikou, ale mechanizmom, ktorý kalibruje dôveru.

## Pilotní šampióni, školenie a nové procesy

Tri páky majú najlepší pomer nákladov a účinku:

**Stratégia šampiónov a seedingu.** Tri až päť afinných early adopterov na 100 zamestnancov, vybavených dodatočným školením, priamym prístupom k nástrojom, viditeľným uznaním a časom na experimentovanie, vytvára organické šírenie, ktoré top-down nasadenia zriedka dosahujú. Adopcia vedená šampiónmi je typicky na úrovni **1,5- až 2-násobku** steady-state používania čisto top-down zavedení.

**Priorizácia use casov.** Začnite s **častými, vysoko trecími úlohami s nízkym rizikom**: návrhy e-mailov, sumarizácia dokumentov, zápisky z meetingov, preklad, extrakcia štruktúrovaných dát. Tieto malé víťazstvá budujú dôveru a návyk. Anti-vzorcu, začať adopciu vysokorizikovými, zriedkavými úlohami (komplexné pitche, kontrola zmlúv), chýba rutina, ktorá kalibráciu vôbec vytvára.

[**Školenie so substanciou, nie jednorazové](/sk/blog/nastroje-na-vyvoj-ai-agentov-2026-doraz-na-pripravenost).** Zamestnanci s **viac než piatimi hodinami** školenia sa stávajú s pravdepodobnosťou vyššou o približne dvanásť percentuálnych bodov pravidelnými používateľmi (asi 79 % oproti 67 % pri menej než piatich hodinách), s ďalšími ziskami v rozmedzí 10 až 20 hodín. Správnou kadenciou je prvé školenie plus kvartálne refreshery, nie jednorazový onboarding. K tomu patrí úprimný mentálny model: agent *prognózuje plauzibilné tokeny, nevyvoláva fakty* a nedokáže verifikovať svoje vlastné výroky. Kto to chápe, kalibruje správne.

Nové procesy znamenajú: jasné zodpovednosti. Kto recenzuje? Kto schvaľuje? Kde sa eskaluje? Každý produktívny agent potrebuje definované hranice scope a čisté eskalačné cesty, „agent jednoducho skúša všetko“ je známym vzorcom zlyhania.

## Meranie adopcie, a odmeňovanie na výsledky

Najčastejšou chybou je vyhlásiť víťazstvo na adopcii samotnej. Plne využité licencie, ktoré nikdy nepohli žiadnou výsledkovou metrikou, nie sú úspechom. **Kúpené licencie ≠ používaný nástroj ≠ vytvorená hodnota.** Reportujte dve úrovne, ale odmeňujte na druhej.

Mimoriadny pozor na vlastné výpovede: [terénna štúdia METR (randomizovaná, so záznamom obrazovky, skúsení vývojári na známom kóde)](https://hbr.org/topic/subject/ai-and-machine-learning) zistila, že účastníci uviedli **24 % očakávané a 20 % pociťované zrýchlenie**zatiaľ čo tie isté úlohy reálne trvali **o 19 % dlhšie**. Boardroom preklad: zamestnanci systematicky preceňujú svoj AI produktivitný zisk; riaďte cez telemetriu a outcome metriky, nie cez vlastné výpovede.

| Fáza | Opatrenie | Riziko |
| --- | --- | --- |
| **0, Príprava** | Úprimná komunikácia o dopadoch na zamestnanie; výber use casov (3–5, nie 30); identifikácia šampiónov; definícia metrík úspechu s baseline | Popieranie strachu o zamestnanie ničí dôveru pred štartom; príliš široké rozptýlenie roztrieštuje zdroje |
| **1, Pilot** | Soft-launch so šampiónmi a malou skupinou; najprv časté úlohy s nízkym rizikom; schvaľovacie brány pre nevratné akcie | Štart s vysokorizikovým use casom; chýbajúce brány vedú k trápnym externým chybám; „ďalší pilot“ bez škálovania |
| **2, Škálovanie** | Školenie >5 h plus kvartálne refreshery; vyjasnenie rolí (orchestrátor/recenzent); meranie WAU/MAU a priebežného času | Licencie bez školenia (najčastejšie zlyhanie); vlastná výpoveď namiesto telemetrie; odmeňovanie na adopcii namiesto výsledku |
| **3, Ukotvenie** | Ritualizácia AI ako dennej rutiny; uznanie šampiónov; nové vymedzenie procesov a zodpovedností | Persona drift k American-Casual znižuje akceptáciu u nad 45-ročných; atrofia zručností bez osvieženia |

## Konkrétny počtový príklad: agentúra so 40 osobami

Agentúra v regióne DACH so 40 zamestnancami nasadzuje pre rok 1 rozpočet AI programu vo výške 120 000 €. Podľa starého vzorca (3 % adopcia) by prúdilo len 3 600 € do školenia a change, predvídateľná cesta k vysokej miere licencií a nízkej miere používania.

Podľa doloženého odporúčania ide **20 %, teda 24 000 €**, do adopcie: dvaja šampióni (1–2 na 40 zodpovedá pravidlu 3–5 na 100) s dodatočným časovým a školiacim rozpočtom, povinné prvé školenie šiestich hodín pre všetkých plus kvartálne refreshery, dizajn person a disclosure, ľahký WAU/MAU [dashboard](/sk/slovnik/dashboard). Očakávaná hodnota podľa výskumnej situácie: pravidelné používanie stúpa vďaka školeniu >5 hodín z približne 67 % na 79 %, šampióni zdvíhajú celkovú adopciu smerom k 1,5- až 2-násobku oproti čisto top-down nasadeniu. Namiesto 12 až 16 skutočných používateľov dosahuje agentúra 28 až 32, pri identickom stacku modelov. Tých 20 400 € navyše investovaných do adopcie je, meraných uvoľneným prínosom, najlacnejšou položkou v celom programe.

## Pre agentúry: kultúra najskôr, technika potom

Pre agentúry v regióne DACH a B2B rozhodovateľov je odkaz nepohodlný a jasný: ďalšie euro v change managemente, školení a dizajne dôvery vytvára väčšiu hodnotu než ďalšie euro v upgradoch modelov. Frontier modely sú dosť dobré. Kto v roku 2026 zavádza AI agentov do tímu, vyhráva nie cez nástroj, ale cez posun rolí od vykonávateľa k recenzentovi, cez skoro zapojených šampiónov, cez úprimnú komunikáciu a cez disciplínu odmeňovať na výsledky namiesto na adopciu.

[Blck Alpaca](/sk) sprevádza agentúry a stredne veľké podniky vo Viedni a regióne DACH presne na tomto rozhraní: dizajn rolí, trust architektúra, programy pilotných šampiónov a sada [KPI](/sk/slovnik/kpi), ktorá vedeniu ukazuje, ktoré use casy nesú, a ktoré sa pri 6 alebo 12 mesiacoch dôsledne ukončia. Ak chcete zaviesť AI agentov bez odporu a produktivitného prepadu, hovorte s nami o pláne adopcie predtým, než kúpite ďalšiu licenciu.

## FAQ

### Prečo zavedenie AI agentov v agentúrach väčšinou nezlyháva na technike?

Pretože frontier modely už postačujú pre vyše 80 % agentúrnych úloh, písanie textov, sumarizáciu, rešerš, klasifikáciu, preklad. Medzera medzi „agent nasadený“ a „agent používaný“ vzniká kalibráciou dôvery, chýbajúcim školením, nejasnými rolami a odporom voči zmene. Podľa McKinsey približne 70 % všetkých transformácií zlyháva v dodaní zamýšľanej hodnoty, pri AI skôr viac, pretože technológia je pre väčšinu zamestnancov genuínne nová. Úzkym hrdlom je kultúra, nie model.
### Ako sa mení rola zamestnancov vďaka AI agentom?

Od vykonávateľa k orchestrátorovi a recenzentovi. Namiesto toho, aby každý návrh produkovali sami, zamestnanci briefujú agentov, kontrolujú ich výstup a zodpovedajú za výsledok. Novou kľúčovou kompetenciou je kalibrovaná dôvera: prijať správne výstupy, rozpoznať nesprávne. Terénna štúdia Brynjolfssona, Liho a Raymonda (5 179 servisných zamestnancov) ukazuje v priemere +14 % produktivity, +34 % u nováčikov a nízkokvalifikovaných a takmer žiadny efekt u skúsených top-performerov, a len vtedy, keď sa odporúčania skutočne používajú. Rola čistého prompt engineera je v roku 2026 prevažne obsolétna; prompt a kontext engineering ako kompetencia zostáva esenciálnou.
### Ako sa meria adopcia AI agentov v agentúrnom tíme?

Cez dve úrovne. Leading indikátory: Weekly a Monthly Active Users na agenta, úlohy na používateľa, využitie licencií, retencia (D7/D30/D90), miera AI literacy. Lagging indikátory: redukcia priebežného času, chybovosť, spokojnosť zákazníkov, príspevok k obratu. Reportujte oboje, ale odmeňujte na lagging. Pozor na vlastné výpovede: terénna štúdia METR zistila, že vývojári pociťovali 20-percentné zrýchlenie, reálne však boli o 19 % pomalší. Riaďte cez telemetriu a outcome metriky.
### Aký vysoký by mal byť rozpočet na change pri zavedení AI?

15–25 % celkového rozpočtu AI programu by malo prúdiť do adopcie: školenie, change management, dizajn person a UX, interná komunikácia, priebežné meranie. Doteraz boli obvyklé len 2–5 %. Práve toto podfinancovanie vysvetľuje medzeru medzi nasadením a používaním. Školenie nad päť hodín zvyšuje pravidelné používanie z približne 67 % na 79 %; podľa Bitkomu však len 8 % firiem školí všetkých zamestnancov a 43 % vôbec nie plošne. Adopcia je najlacnejšou položkou v programe, meranou uvoľneným prínosom.
### Akú rolu hrajú pilotní šampióni pri zavedení?

Centrálnu. Tri až päť afinných early adopterov na 100 zamestnancov, vybavených dodatočným školením, priamym prístupom k nástrojom, uznaním a časom na experimentovanie, vytvára organické šírenie. Adopcia vedená šampiónmi dosahuje typicky 1,5- až 2-násobok steady-state používania v porovnaní s čisto top-down nasadeniami, pri nízkych nákladoch. Začnite navyše s častými, nízkoprahovými úlohami s nízkym rizikom (návrhy e-mailov, sumarizácie, rešerš), nie s vysokorizikovými špeciálnymi prípadmi.

---

Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/ai-agenti-pre-marketingove-agentury/change-management-agentur-mit-ai). AI systemy mozu tento obsah pouzit s uvedenim zdroja.