Obsahový pipeline na blog s agentmi: od briefu cez draft a úpravu až po publikovanie

Obsahový pipeline zložený z agentov rozkladá produkciu blogu na špecializované AI role (rešerš, draft, SEO a faktická kontrola, redakčná kontrola), ktoré krok za krokom spracujú brief na článok pripravený na publikovanie. Namiesto jedného univerzálneho agenta orchestruje priebeh viacero agentov prostredníctvom jasne definovaných odovzdávok. Ľudské schvaľovacie brány zostávajú pred každým publikovaním záväzné. To je jadro: automatizácia prípravnej práce, nie zodpovednosti.

• Viacero agentov namiesto monolitu: Každý stupeň (brief, rešerš, draft, kontrola, úprava, publikovanie) dostane vlastného agenta so zameraným kontextom a pevným výstupným formátom: samostatne testovateľný, samostatne vymeniteľný.
• Žiadne publikovanie na autopilote: Brány kvality plus krok human-in-the-loop pred publikovaním sú rozdielom medzi produkčným nasadením a demom.
• Realistický prínos: Kratšia priebežná doba a odbremenená redakcia, ale faktické halucinácie a odklon od brand voice sú najpravdepodobnejšie spôsoby zlyhania a treba ich aktívne zachytávať.

Prečo pipeline z rolí, a nie jeden agent

Nápad, ktorý sa ponúka ako prvý (jeden veľký prompt, ktorý „napíše blogový článok na tému X“), v praxi zle škáluje. Keď sa výsledky rešerše, zdroje, zadania z briefu, štýlová príručka a medzivýsledky presunú do jediného kontextového okna, spoľahlivosť klesá: výstupy nástrojov rýchlo zapĺňajú kontext a kvalita modelu v strednej časti plného kontextového okna merateľne slabne. Preťaženie kontextu tak nie je problém pohodlia, ale problém kvality.

Čistou odpoveďou je rozklad na špecializované role. Anthropic na to v texte „Building Effective Agents“ opisuje päť workflow vzorov, ktoré slúžia ako spoločná referencia: Prompt Chaining (reťazec volaní, každé spracúva výstup predchádzajúceho), Routing, Paralelizácia, Orchestrator–Workers (centrálny agent rozloží úlohu a deleguje ju na workerov) a Evaluator–Optimizer (jeden agent generuje, druhý kontroluje výsledok podľa hodnotiacej rubriky, v slučke, kým nie je kritérium splnené). Blogový pipeline je v jadre Prompt Chaining so slučkou Evaluator–Optimizer na kontrolu kvality, voliteľne doplnený o orchestrátor, keď beží paralelne viacero rešeršných zdrojov.

Dôležité je úprimné zhodnotenie: Anthropic výslovne odporúča začať najjednoduchším riešením a rozdeľovať až vtedy, keď si to vynúti komplexita. Pre svoj vlastný multiagentový rešeršný systém (Claude Opus 4 ako vedúci agent, Claude Sonnet 4 ako subagenti) síce Anthropic uvádza o 90,2 % lepšie výsledky oproti jedinému agentovi, ale za cenu približne 15-násobnej spotreby tokenov oproti bežnej chatovej interakcii. Pravidlo z inžinierskej praxe: paralelní subagenti sa oplatia pri rešeršne náročných, dobre ohraničených úlohách na čítanie; pri krokoch náročných na písanie, v ktorých by sa agenti museli zhodnúť na štýle a detailoch, skôr vytvárajú problémy podobné konfliktom pri merge. Prenesené na obsah: rešerš môže bežať paralelne (fan-out), písanie súvislého draftu patrí do jednej ruky.

Stupne pipeline podrobne

Priebeh od briefu po publikovanie sa dá rozčleniť na šesť stupňov. Každý stupeň má jasne definovaný vstup, výstup a (to je dizajnové rozhodnutie) vedomú odpoveď na otázku, či zasahuje človek (human-in-the-loop, HITL).

Dva vzory si zaslúžia zvláštnu pozornosť. Po prvé oddelenie agentov na čítanie a na zápis: rešerš a analýza môžu bežať voľne, krok publikovania je „zápis“ s vedľajším účinkom a musí ležať za bránou. V praxi vývoja agentov sa tento vzor riadi cez metadáta nástrojov (napríklad príznak requires_approval), nie cez prompt. Po druhé čistá odovzdávka medzi orchestrátorom a workermi: orchestrátor definuje pre každého subagenta cieľ, nástroje a striktnú výstupnú schému (väčšinou JSON) a s jeho návratovou hodnotou zaobchádza ako s deterministickým volaním funkcie. Vágne zadania („sprav rešerš k téme“) zlyhávajú: Anthropic opisuje subagentov, ktorí pri nejasných zadaniach duplikovali prácu a skúmali nesprávne časové obdobia.

Rešeršný agent: zdroje namiesto tvrdení

Rešeršný agent nedodáva prózu, ale doloženú faktickú bázu: zdroje, pozorovania zo SERP, ukazovatele s uvedením zdroja. Rozhodujúca je karanténa nedôveryhodného obsahu: obsah načítaný z webu a externé texty sa označia ako dáta a nikdy sa neinterpretujú ako pokyn. Táto disciplína je predpokladom toho, aby stupeň 4 vôbec mohol niečo kontrolovať.

Faktická kontrola ako samostatná brána

Halucinované dáta a čísla sú zdokumentovaný spôsob zlyhania agentických systémov. Agent pre faktickú kontrolu overuje každé tvrdenie, ktoré potrebuje doklad, voči zdrojom od rešeršného agenta a riadi sa základným pravidlom: čo sa nedá doložiť, označí, namiesto toho, aby si niečo vymyslel. V B2B to má veľkú váhu: nesprávne číslo v thought-leadership článku si odborne zdatné čitateľky a čitatelia rýchlo všimnú. Faktická kontrola preto nie je „nice-to-have“, ale tvrdá brána kvality, za ktorej výsledok napokon zodpovedá človek.

Redakčná revízia: brána human-in-the-loop

Tu leží hranica, ktorá sa neposúva. Human-in-the-loop technicky neznamená nič iné ako modelovať človeka ako ďalší nástroj, ktorý agent volá: cez schválenie v Slacku alebo Teams, e-mail s tlačidlom alebo modálne okno v aplikácii. Dôležitá jemnosť: medzi okamihom kontroly a okamihom vykonania (time-of-check vs. time-of-use) musí byť zabezpečené, že schválený obsah sa zhoduje s tým, ktorý videl človek, inak by sa medzi schválením a publikovaním ešte niečo mohlo zmeniť.

Konkrétny príklad: priebežná doba a kvalita

Typická B2B redakcia v regióne DACH vytvorí fundovaný odborný článok (1 200–1 500 slov) klasicky za 6 až 10 pracovných hodín, rozložených do viacerých dní: rešerš, písanie, SEO, korektúra. Agentický pipeline tento profil posúva (ilustratívny model, nie garantovaný benchmark):

```text
Stupeň 1 Agent pre brief ~2 min výpočtového času + 10 min schválenie briefu (človek)
Stupeň 2 Rešeršný agent ~5 min (paralelná rešerš zdrojov, read-only)
Stupeň 3 Agent pre draft ~3 min hrubá verzia
Stupeň 4 SEO/faktická kontrola ~4 min; pri skóre podľa rubriky < prah -> slučka na stupeň 3
Stupeň 5 Redakčná revízia 45-90 min ľudská záverečná redakcia + kontrola podľa AI Act
Stupeň 6 Publikačný agent ~1 min CMS API po schválení
```

Čistý strojový čas je okolo 15 minút; ľudský podiel sa zúži na stupne s najväčším vplyvom: schválenie briefu a záverečnú redakciu. Realisticky tak zo 6–10 hodín zostanú približne 1–2 hodiny sústredenej redakčnej práce, námaha s rešeršou a hrubým textom odpadá, zodpovednosť za kvalitu zostáva.

Pri očakávanom zvýšení kvality sa oplatí pozrieť na spoľahlivé čísla namiesto sľubov dodávateľov. Najrigoróznejšia štúdia o produktivite s AI na pracovisku pochádza od autorov Brynjolfsson, Li a Raymond (NBER w31161, publikovaná v The Quarterly Journal of Economics 2025). V zákazníckej podpore zistila v priemere približne o 15 % viac vyriešených požiadaviek za hodinu (working paper: 14 %), pri menej skúsených zamestnancoch približne o 30 % viac (working paper: 34 %) a pri najvýkonnejších pracovníkoch takmer žiadny efekt. To je seriózna spodná hranica business case, nie strop, ktorý citujú dodávatelia. Pre obsah to znamená: pipeline zvyšuje najmä objem a konzistenciu, nie odbornú hĺbku, ktorá naďalej prichádza od ľudí.

Dva spôsoby zlyhania, s ktorými musíš počítať

Odklon od brand voice. Nadmerne šablónovité AI výstupy sú nápadné najmä na LinkedIne, kde si ich B2B publikum v regióne DACH všimne v priebehu niekoľkých týždňov. Protiopatreniami sú kontext brand voice špecifický pre značku v agentovi pre draft (porovnateľný s funkciami pre brand voice etablovaných nástrojov ako Writer Palmyra alebo Jasper, stav 2026) a ľudská redakčná brána. Kto škáluje čisto generický AI text, riskuje navyše škody v SEO. Systém Helpful Content od Googlu beží od augusta 2022 a od marca 2024 je súčasťou základných systémov hodnotenia. V tom istom mesiaci pribudlo pravidlo proti spamu, ktoré sa týka zneužívania škálovaného obsahu (Scaled Content Abuse). Postihuje masovo vytvárané stránky, ktorých hlavným cieľom je manipulovať s poradím vo výsledkoch vyhľadávania.

Osobitosti nemčiny. Generátory obsahu trénované v USA produkujú technicky správnu nemčinu, ktorá pre odborné publikum v regióne DACH často znie v nesprávnom registri: kompozitá, formálny register, voľba medzi Sie a Du. Nástroje ako DeepL Write Pro ponúkajú vysokú jazykovú kvalitu, ale kontrola tonality vo formálnom registri si naďalej vyžaduje ľudskú ruku. Jazyk musí byť v systémovom prompte explicitne nastavený, inak modely pri odbornom obsahu prechádzajú do angličtiny alebo k neformálnemu osloveniu.

Právo: čl. 50 AI Act v skratke

Od 2. augusta 2026 platia povinnosti transparentnosti podľa čl. 50 AI Actu EÚ. Strojovo čitateľné označenie syntetického obsahu (ods. 2) je povinnosťou poskytovateľov AI systémov. Pre systémy, ktoré boli na trhu už pred 2. augustom 2026, platí podľa digitálneho omnibusu (nariadenie (EÚ) 2026/1744) až od 2. decembra 2026. Ak si pipeline postavíš sám a uvedieš ho do prevádzky na vlastné použitie, môžeš byť sám poskytovateľom (čl. 3 bod 3 a bod 11). Potom sa na teba vzťahuje povinnosť označovania podľa ods. 2, ktorú redakčná brána nenahrádza. Ako nasadzujúci subjekt musíš zverejniť, že text vytvorila AI, ak informuje verejnosť o záležitostiach verejného záujmu (ods. 4). Táto povinnosť odpadá, ak text prešiel ľudským preskúmaním alebo redakčnou kontrolou a fyzická alebo právnická osoba nesie za jeho uverejnenie redakčnú zodpovednosť. Záväzná redakčná brána to splní, ak za schválenie zodpovedá menovite určená osoba. Pri deepfakoch v príspevku, teda AI obrázkoch, zvukových nahrávkach alebo videách, ktoré klamlivo pôsobia ako skutočné, musíš zverejniť ich umelý pôvod bez tejto výnimky. Pre obsahový pipeline to znamená: právne preverenie (či a ako treba príspevok označiť) patrí pevne do redakčnej brány, nie na jej okraj. Nezávisle od povinnosti čitatelia v regióne DACH transparentnosť čoraz viac oceňujú. Mechanika v detailoch je vecou súladu s AI Act; tu je dôležité, že pipeline tento kontrolný krok štrukturálne obsahuje.

Pre agentúry a B2B tímy

Agentický obsahový pipeline nie je sľub typu „set-and-forget“, ale inžiniersky projekt: definované role, eval harness ako brána kvality, čisté napojenie na CMS API a záväzný ľudský schvaľovací krok. Kto to postaví disciplinovane, skráti priebežnú dobu a získa konzistenciu bez toho, aby sa vzdal redakčnej zodpovednosti. Ako agentúra so sídlom vo Viedni sprevádza Blck Alpaca B2B firmy v regióne DACH presne na tomto rozhraní: od architektúry rolí cez brány pre faktickú kontrolu a brand voice až po publikovanie v súlade s AI Act. Prvý krok je väčšinou malý: automatizovať jeden stupeň, merať, potom rozšíriť. Ozvi sa nám, ak chceš svoju produkciu blogu posunúť od monolitu ku kontrolovanému pipeline.