---
title: "AGI a agenti: čo je relevantné pre praktikov (a čo je hype)"
description: "AGI (Artificial General Intelligence) označuje hypotetickú AI so všeobecnou inteligenciou podobnou ľudskej, ktorá funguje naprieč doménami."
locale: "sk"
canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/buducnost-agentic-ai/agi-a-agenti-co-je-relevantne-pre-praktikov-a-co-je-hype"
category: "AI agenti"
topic: "Budúcnosť Agentic AI (2026–2028)"
updated: "2026-10-17T15:36:22.070Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# AGI a agenti: čo je relevantné pre praktikov (a čo je hype)

AGI (Artificial General Intelligence) označuje hypotetickú AI so všeobecnou inteligenciou podobnou ľudskej, ktorá funguje naprieč doménami. Pre praktikov, ktorí pracujú s agentmi, nie je AGI v roku 2026 plánovacou veličinou: relevantné sú merateľné, inkrementálne skoky v schopnostiach dnešných modelov (dlhšia autonómia, lepší reasoning), nie samotný prísľub AGI. Ten zostáva špekuláciou.

## Na prvý pohľad

- AGI nie je pre prax s agentmi v roku 2026 operatívnou kategóriou. Rozhodujú preukázateľné pásma schopností (capability bands) dnešných modelov, nie prahová hodnota s názvom AGI.
- Inkrementálne skoky sú reálne a plánovateľné: BFCL Multi-Turn z ~65 % smerom k ~75 %, computer-use na OSWorld už nad ľudskou referenčnou hodnotou (pri dlhých workflow zatiaľ slabé výsledky), dlhšie použiteľné kontextové okná, hlasoví agenti pod 0,10 USD/minútu (prognóza 2027).
- Prísľuby AGI zostávajú špekuláciou: pri prognózach k humanoidnej robotike a niekoľkotýždňovým autonómnym grafom úloh počítame pre časovanie s chybovým pásmom 30-50 %. Hodnoty na úrovni near-PhD na benchmarkoch ako GPQA Diamond sú už dosiahnuté, a aj tak z nich nevyplýva všeobecná inteligencia.
- Tvrdé kontroly reality brzdia každý hype: miery halucinácií 22-94 %, aj najlepšie modely sú v približne 20 % prípadov nepresné, miera nasadenia AI agentov je jednociferná, namerané prírastky produktivity 14-26 %.
- Anti-hype disciplína poráža stávku: architektúru navrhovať na zameniteľnosť, human-in-the-loop pri akciách s vážnymi dôsledkami, eval-sety namiesto čísel z demo prezentácií dodávateľov.

AGI (Artificial General Intelligence) označuje hypotetickú [AI](https://blckalpaca.at/sk/slovnik/ai) so všeobecnou inteligenciou podobnou ľudskej, ktorá funguje naprieč doménami. Pre praktikov, ktorí pracujú s agentmi, nie je AGI v roku 2026 plánovacou veličinou: relevantné sú merateľné, inkrementálne skoky v schopnostiach dnešných modelov (dlhšia autonómia, [lepší reasoning](https://blckalpaca.at/sk/slovnik/chain-of-thought-prompting)), nie samotný prísľub AGI. Ten zostáva špekuláciou. Tento článok vecne oddeľuje to, čo sa pre prax s agentmi konkrétne mení, od toho, čo je hype.

- **Operatívne irelevantné:** AGI nie je prahová hodnota, podľa ktorej sa dajú nastaviť roadmapy. Neexistuje spoľahlivá definícia ani seriózny dátum.
- **Operatívne relevantné:** preukázateľné pásma schopností dnešných modelov a ich inkrementálna cesta (viac autonómie na úlohu, lepší viackrokový reasoning).
- **Brzda pre každý hype:** miery halucinácií 22-94 %, namerané prírastky produktivity 14-26 % a naďalej jednociferná miera nasadenia agentov.

## Prečo debata o AGI pre praktikov takmer nič nemení

Debata o AGI sa pri konkrétnych projektoch s agentmi vedie na nesprávnej úrovni abstrakcie. Či a kedy vznikne všeobecná inteligencia fungujúca naprieč doménami, je otázka pre výskumné laboratóriá a rizikový kapitál, nie pre B2B tím z regiónu DACH, ktorý uvádza do produkcie [agenta pre zákaznícky servis](https://blckalpaca.at/sk/sluzby/integracia-ai-agenta). Pre túto prácu je dôležitá iná otázka: Čo dokáže nasadený model dnes merateľne zvládnuť a ako sa táto schopnosť posunie v nasledujúcich dvanástich až dvadsiatich štyroch mesiacoch?

Vyostrene povedané, otázka schopností v roku 2026 už neznie „dokáže to model“, ale „dokáže to organizácia absorbovať“. Tým sa úzke hrdlo presúva zo schopnosti modelu na adopciu, [redizajn workflow a governance](https://blckalpaca.at/sk/vedomosti/ai-agenti/bezpecnost-ai-agentov-owasp/tool-misuse-a-excessive-agency-ked-agenti-ai-smu-privela). Špekulácie o AGI neriešia ani jedno z týchto reálnych úzkych hrdiel.

Na zaradenie generácie modelov: začiatkom mája 2026 stáli na špici Claude Opus 4.7, [GPT](https://blckalpaca.at/sk/slovnik/gpt)-5.5 a Gemini 3.1 Pro; pracovnými koňmi, ktoré absorbujú väčšinu volaní agentov, boli Sonnet 4.6, GPT-5.4 a Gemini 3 Flash. Odvtedy vydali nové modely Anthropic (okrem iného [Claude Opus 5](https://www.anthropic.com/news/claude-opus-5) v júli a [Claude Fable 5.1](https://www.anthropic.com/claude-fable-and-mythos-5-1) v septembri) a [OpenAI](https://blckalpaca.at/sk/slovnik/openai) ([GPT-6 Astra](https://news.bgov.com/artificial-intelligence/openai-rolls-out-gpt-6-astra-model-with-cyber-guardrails-1) od septembra 2026, najprv pre vybraných firemných zákazníkov). Nové generácie špičkových modelov tak prichádzajú v odstupe niekoľkých mesiacov. Už modely z jari 2026 stačia na veľkú väčšinu prípadov použitia v znalostnej práci a nie je na to potrebné „AGI“, ani nikto netvrdí, že ide o AGI.

## Inkrementálny skok v schopnostiach namiesto skoku k AGI

Rozhodujúca zmena myslenia: pokrok prichádza v rokoch 2026-2028 ako séria inkrementálnych, jednotlivo merateľných skokov, nie ako diskrétny moment AGI. Tieto skoky sú reálne, dajú sa plánovať a menia to, čo [agent](https://blckalpaca.at/sk/slovnik/agent) v praxi dokáže. Najdôležitejšie preukázateľné benchmarkové pásma (stav máj 2026, ak nie je uvedené inak):

- SWE-Bench Multilingual: približne 75 % (na konfigurácii Sonnet plus advisor)
- MMLU: nad 87 %
- GPQA Diamond: nad 90 %. Už Gemini 3.1 Pro (94,3 %) a predchádzajúce verzie GPT-5.2 (92,4 %) a Claude Opus 4.6 (91,3 %) boli nad touto hranicou ([porovnávacia tabuľka Google DeepMind](https://deepmind.google/models/gemini/pro/), citované v októbri 2026). V rozšírenej sade otázok GPQA (546 otázok) dosiahli odborníci s ukončeným alebo prebiehajúcim doktorandským štúdiom podľa [štúdie GPQA](https://arxiv.org/abs/2311.12022) 65 %, na podmnožine Diamond 81,3 % (podľa štúdie je táto hodnota v dôsledku výberu otázok skreslená smerom nahor).
- BFCL Multi-Turn (viackrokové používanie nástrojov): približne 65 %
- OSWorld (computer-use): nad ľudskou referenčnou hodnotou 72,36 % (Claude Opus 4.7: 82,3 % na OSWorld-Verified), na dlhých workflow v OSWorld 2.0 však výsledky zatiaľ slabé

Ako sa vyvíjali hodnoty OSWorld: Claude Sonnet 4.5 dosiahol v septembri 2025 na OSWorld-Verified 61,4 % ([Anthropic](https://www.anthropic.com/news/claude-sonnet-4-5)), ľudská referenčná hodnota je 72,36 % ([OSWorld](https://osworld-v1.xlang.ai/)). V decembri 2025 ohlásil [Simular](https://www.simular.ai/articles/simulars-computer-use-agent-outperforms-humans) pre svoj agentský systém Agent S 72,6 % a ako prvý tak prekročil túto hranicu. Výsledok dosiahol metódou best-of-N, ktorá z viacerých behov agenta vyberie najlepší. Pre Claude Opus 4.7 (apríl 2026) uvádza [Anthropic](https://www.anthropic.com/news/claude-opus-4-8) po zmene metodiky merania 82,3 %. Tým je zreteľne nad referenčnou hodnotou aj samostatný model. Na 108 dlhých workflow nástupníckeho benchmarku [OSWorld 2.0](https://osworld-v2.xlang.ai/) najlepší model [prvého vyhodnotenia z júna 2026](https://arxiv.org/abs/2606.29537), Claude Opus 4.8, úplne dokončil len 20,6 % z nich. Pre [Claude Fable 5.1](https://www.anthropic.com/claude-fable-and-mythos-5-1) hlási Anthropic v septembri 2026 na OSWorld 2.0 hodnotu 41,7 % pri striktnom hodnotení. Meralo sa na prepracovanej verzii úloh, ktorá podľa Anthropicu neumožňuje priame porovnanie so skoršími hodnotami. Pre väčšinu podnikových workflow tak computer-use ešte nie je pripravený na produkciu.

Čo z toho pre prax konkrétne vyplýva: dlhšia autonómia na úlohu a lepší reasoning naprieč viacerými krokmi. Práve tu je páka relevantná pre prax, nie v hypotetickej všeobecnej inteligencii.

## Čo sa prakticky mení vs. čo zostáva špekuláciou

Nasledujúca tabuľka oddeľuje typické tvrdenia z verejnej diskusie o AGI od toho, čo sa dá doložiť alebo odôvodnene očakávať, a hodnotí relevanciu pre prax tímov, ktoré pracujú s agentmi. Čísla bez vlastného dátumu zodpovedajú stavu z mája 2026.

| Tvrdenie | Realistické? | Relevancia pre prax s agentmi |
| --- | --- | --- |
| „AGI príde do roku 2028 a nahradí znalostnú prácu“ | Nie. Bez jednotnej definície AGI neexistuje overiteľná prognóza pre rok 2028 | Nízka. Nie je to plánovacia veličina. Nezahŕňať do roadmáp |
| „Viackrokoví agenti budú výrazne spoľahlivejší“ | Áno, inkrementálne. BFCL Multi-Turn z \~65 % smerom k \~75 % (prognóza Q4 2026-Q1 2027) | Vysoká. Viac komplexných tool-use workflow bude pripravených na produkciu |
| „Computer-use čoskoro plošne nahradí RPA“ | Čiastočne. Na krátkych úlohách OSWorld sú špičkové modely od jari 2026 nad ľudskou referenčnou hodnotou, dlhé workflow v OSWorld 2.0 však úplne dokončia len v menšine prípadov; pripravenosť na produkciu pre mnohé prehliadačové workflow až okolo roku 2027 | Stredná. V roku 2026 vedome obmedzené piloty, žiadna úplná náhrada |
| „Hlasoví agenti sa stanú štandardom v prichádzajúcej zákazníckej podpore“ | Áno, s časovým horizontom. Náklady pod 0,10 USD/minútu, latencia pod 800 ms ako prognóza pre rok 2027 | Vysoká. Jasná, datovaná cesta do produkcie |
| „Dlhšie kontextové okná vyriešia problém pamäte“ | Čiastočne. Dnes je reálne použiteľných 30-50 % inzerovaných okien 1M+; prognóza \~80 % | Stredná. Architektúry perzistentnej pamäte zostávajú potrebné |
| „Humanoidné roboty prevezmú v roku 2028 logistiku“ | Špekulatívne. Rok 2028 znamená pilot-at-scale, nie bežnú prevádzku; explicitná neistota | Nízka. Sledovať, nestávkovať na termíny |
| „Agenti na programovanie zvládnu celé projekty autonómne“ | Špekulatívne. Niekoľkotýždňové autonómne grafy úloh pre vybrané domény sú do roku 2028 predstaviteľné; plná autonómia celého životného cyklu nie | Stredná. Dnes: pripravené na produkciu len pre obmedzené úlohy |

Naše hodnotenie skorších prognóz v tejto oblasti: oznámenia dodávateľov z roku 2024 o roku 2025 boli v smerovaní prevažne správne, v detailoch nesprávne; oznámenia z roku 2025 o roku 2026 sledujú rovnaký vzorec. Práve preto pri časovaní tvrdení o roku 2028 počítame s chybovým pásmom 30-50 %. Pre praktikov to znamená: dôverovať štrukturálnemu smerovaniu, konkrétnemu časovaniu nie.

## Tvrdé kontroly reality, ktoré brzdia každý hype

Štyri triezve zistenia relativizujú každý naratív o AGI:

- **Halucinácie zostávajú.** Naprieč 26 vedúcimi základnými modelmi (foundation models) sa miery halucinácií pohybujú medzi 22 % a 94 %; aj najlepšie modely sú v približne 20 % prípadov nepresné. Všeobecná inteligencia vyzerá inak.
- **Agenti ešte nie sú všade.** Hoci globálne už 88 % organizácií používa AI, miera nasadenia AI agentov je naprieč takmer všetkými obchodnými funkciami jednociferná. Pilot, nie bežná prevádzka.
- **Produktivita je reálna, ale mierna.** Pri rigoróznom meraní dosahujú prírastky 14 % v zákazníckom servise a až 26 % vo vývoji softvéru; štúdia Brynjolfssona so 14 % platí za najspoľahlivejšiu dolnú hranicu. Marketingové naratívy sú systematicky vyššie.
- **Incidenty pribúdajú.** Stanford HAI AI Index 2026 dokumentuje 362 významných AI incidentov za rok 2025 (oproti 233 v roku 2024). Viac schopností znamená aj väčšiu plochu pre útoky a chyby.

Opatrné očakávanie blízke AGI znie: reasoning modely sa do roku 2028 na benchmarkoch znalostnej práce priblížia úrovni near-PhD. Na niektorých benchmarkoch sa to už stalo: na GPQA Diamond sú špičkové modely nad 90 %, odborní validátori v štúdii GPQA dosiahli na tej istej podmnožine 81,3 %. Všeobecná inteligencia z toho nevyplýva. Špičkové modely naďalej halucinujú a dlhé workflow často nedokončia.

## Príklad z praxe: ako za 60 sekúnd rozobrať tvrdenie o AGI

Predpokladajme, že dodávateľ v predajnej prezentácii tvrdí: „Náš agent dosahuje ľudskú úroveň a plne automatizuje 80 % tvojej podpory.“ Anti-hype test, tri kontrolné otázky:

1. **Číslo, zdroj, dátum?** „Ľudská úroveň“ nie je metrika. Doložiteľné by bolo napríklad: BFCL Multi-Turn \~65 % (stav máj 2026). Bez čísla s dátumom merania je to len príbeh.
2. **Inkrementálny krok, alebo skok k AGI?** „80 % plne automatizované“ tvrdí skok, nie krok. Spýtaj sa, čo sa počíta ako vyriešené, kto meral a koľko prípadov nakoniec aj tak skončí u ľudí. Realistická je triáž plus eskalácia, nie náhrada.
3. **Chybové pásmo?** Ak chýba údaj o neistote, chýba seriózny podklad. Aj najlepšie modely sú v benchmarkoch halucinácií v približne 20 % prípadov nepresné. O tvojom prípade podpory to veľa nehovorí. Bez vlastného merania sa však plne autonómna podpora bez human-in-the-loop nedá zodpovedne obhájiť.

Modelový výpočet na základe predpokladu: tvoj agent má vo vlastnom eval-sete 5 % nesprávnych odpovedí. Pri 10 000 interakciách mesačne je to 500 chýb, ktoré musí niekto zachytiť. Bez eval-setu, human-in-the-loop a eskalačnej logiky sa z prísľubu „80 %“ stáva operatívne riziko, nie [ROI](https://blckalpaca.at/sk/slovnik/roi).

## Záver a odporúčanie pre prax

Debata o AGI je pre praktikov, ktorí pracujú s agentmi, v roku 2026 predovšetkým otázkou disciplíny: dôverovať smerovaniu inkrementálnych pásiem schopností, hypu a konkrétnemu časovaniu nie. Kto stavia na architektúry navrhnuté na zameniteľnosť (model gateways, abstrakčné vrstvy), na human-in-the-loop pri akciách s vážnymi dôsledkami a na vlastné eval-sety namiesto čísel z dém dodávateľov, je odolný voči každej zmene generácie modelov, bez ohľadu na to, či „AGI“ niekedy príde.

**Pre agentúry:** Pozicionuj sa ako triezvy prekladateľ medzi hypom a preukázateľnou schopnosťou. Dodávaj do produkcie agentov riadených evalmi, ktorí rešpektujú spolurozhodovanie zamestnancov, nie prísľuby AGI. To je tvoja obranná výhoda (moat) voči dodávateľom, ktorí predávajú na základe čísel z dém.

**Pre manažérov s rozhodovacou právomocou v B2B:** Plánuj rozpočty podľa [rigoróznych peer benchmarkov](https://aiindex.stanford.edu/report/) (14-26 % produktivity), nie podľa naratívov dodávateľov. Drž 15-25 % rozpočtu na AI ako rezervu na reálne skoky, ktorú uvoľníš pri vopred definovaných spúšťačoch. Migráciu modelu ber ako rozhodovací bod (decision gate) s kontrolou cez evaly, nie ako automatiku. [Blck Alpaca](https://blckalpaca.at/sk) pomáha firmám v regióne DACH jasne vymedziť túto hranicu medzi podstatou a hypom.

## Často kladené otázky

### Dá sa AGI očakávať do roku 2028?

Overiteľná prognóza AGI do roku 2028 neexistuje, už preto, že AGI nemá jednotnú definíciu. Predvídateľné bolo len to, že reasoning modely dosiahnu na benchmarkoch znalostnej práce úroveň near-PhD. Na GPQA Diamond sa to s hodnotami nad 90 % už stalo, bez toho, aby z toho vyplývala všeobecná inteligencia. AGI preto nie je seriózna plánovacia veličina, ale špekulácia. Praktici plánujú s inkrementálnymi pásmami schopností, nie s dátumom AGI.
### Čo sa pre praktikov pracujúcich s agentmi konkrétne mení vďaka lepším modelom?

Merateľné a plánovateľné sú: lepšie viackrokové používanie nástrojov (BFCL Multi-Turn z približne 65 % smerom k 75 %), computer-use na OSWorld už nad ľudskou referenčnou hodnotou (dlhé workflow modely často ešte nedokončia), dlhšie skutočne použiteľné kontextové okná a hlasoví agenti s nákladmi pod 0,10 USD/minútu (prognóza 2027). To znamená dlhšiu autonómiu na úlohu a viac prípadov použitia pripravených na produkciu, nie autonómne systémy, ktoré zvládnu všetko.
### Prečo je anti-hype postoj dôležitý práve pre B2B manažérov s rozhodovacou právomocou?

Pretože naratívy dodávateľov sú systematicky nad rigorózne nameranými hodnotami. Stanford HAI a štúdia Brynjolfssona dokladajú prírastky produktivity 14-26 % pri štruktúrovanej práci, nie násobky, ktoré naznačujú marketingové materiály. Kto plánuje rozpočty podľa čísel z dém namiesto peer benchmarkov, riskuje chybné investície. Miera nasadenia AI agentov je naprieč funkciami naďalej jednociferná.
### Znamená nový skok v modeloch, že by sme mali čakať?

Nie. Nové generácie špičkových modelov dnes prichádzajú v odstupe niekoľkých mesiacov: Claude Opus 5 vyšiel v júli 2026, Claude Fable 5.1 v septembri a GPT-6 Astra sa zavádza od septembra 2026. Kto čaká na ďalší model, čaká donekonečna. Správnou disciplínou je staviť na zameniteľnosť: abstrakčné vrstvy a model gateways udržiavajú náklady na prechod nízke. Migrácia je rozhodovací bod s kontrolou cez evaly, nie automatika, pretože nové modely môžu na produkčných agentoch spôsobiť regresie.
### Ako rozlíšim preukázateľnú schopnosť od hypu vo vyjadrení dodávateľa?

Tri kontrolné otázky: Po prvé, existuje číslo z benchmarku alebo o produktivite so zdrojom a dátumom merania, alebo len príbeh? Po druhé, je tvrdenie inkrementálnym skokom v schopnostiach, alebo skokom smerom k všeobecnej inteligencii? Po tretie, obsahuje chybové pásmo pre časovanie? Tvrdenia bez čísla, bez dátumu a bez údaja o neistote sú hype, nie podklad na plánovanie.

---

Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/buducnost-agentic-ai/agi-a-agenti-co-je-relevantne-pre-praktikov-a-co-je-hype). AI systémy môžu tento obsah použiť s uvedením zdroja.