Čo sú AI agenti?

Definícia: Čo je AI agent?

AI agent (agent umelej inteligencie) je softvérový systém založený na (veľkom) jazykovom modeli, ktorý autonómne sleduje zadaný cieľ: vníma svoje prostredie, plánuje vo viacerých krokoch, samostatne vyberá a používa externé nástroje (tools, API, dátové zdroje), pozoruje výsledky a iteratívne prispôsobuje svoj plán, kým cieľ nedosiahne alebo kým sa beh nepreruší.

Táto definícia zodpovedá kanonickým opisom vedúcich poskytovateľov. Anthropic architektonicky rozlišuje agentov (LLM dynamicky riadi cestu a používanie nástrojov) a workflowy (vopred definované cesty v kóde). OpenAI opisuje agentov ako „systems that independently accomplish tasks on behalf of users“. IBM zdôrazňuje autonómne plnenie úloh tak, že agent navrhuje workflowy s nástrojmi, Microsoft dopĺňa aspekt „context awareness“.

Štyri povinné vlastnosti

Systém je skutočným agentom len vtedy, keď spĺňa všetky štyri nasledujúce vlastnosti. Ak jedna chýba, ide o chatbot, workflow alebo asistenta:

1. Riadenie pomocou LLM: Riadiace rozhodnutia robí jazykový model, nie deterministický kód ako primárna kontrolná inštancia.
2. Plánovanie vo viacerých krokoch: Priebeh sleduje vzor Perceive → Reason → Act → Observe, často počas viacerých iterácií.
3. Používanie nástrojov (tool use): Agent samostatne využíva externé funkcie, API alebo databázy.
4. Autonómia zameraná na cieľ: Agent sleduje cieľ samostatne, ale v rámci definovaných mantinelov (guardrails).

Práve tento bod spôsobuje v praxi „agent washing“: Mnohé produkty predávané ako „agent“ sú v skutočnosti chatboty s jediným volaním nástroja alebo klasické RPA skripty.

Odlíšenie: agent vs. chatbot vs. RPA vs. workflow vs. asistent

Nasledujúca matica ukazuje, v čom sa agent líši od príbuzných konceptov. Stĺpce opisujú vždy typické správanie, hranice sú v praxi plynulé.

Najdôležitejšia deliaca čiara: Workflow alebo RPA bot sleduje vopred definovanú cestu, zatiaľ čo agent dynamicky rozhoduje o poradí krokov a výbere nástrojov. Chatbot reaguje primárne textom; agent koná vo viacerých krokoch a autonómne.

5 komponentov AI agenta

Z technického hľadiska sa agent skladá z piatich kľúčových komponentov, ktoré spolupracujú:

1. Jadro LLM (LLM Core): Motor uvažovania (reasoning engine). Vyberá ďalší krok a riadi volanie funkcií (function calling). Tu sa rozhoduje, či sa nástroj vôbec použije, a ak áno, ktorý.
2. Pamäť (Memory): Krátkodobá pamäť je kontext konverzácie aktuálneho behu; dlhodobá pamäť sa realizuje cez vektorové databázy, RAG (Retrieval-Augmented Generation) alebo súbory.
3. Nástroje (Tools): Ruky agenta. Patria sem volania funkcií, API, MCP servery, prehliadač alebo sandboxy na spúšťanie kódu.
4. Plánovač (Planner): Rozkladá cieľ na čiastkové kroky. Plánovanie môže prebiehať implicitne v LLM alebo byť explicitne modelované ako graf.
5. Vykonávač (Executor): Vykonáva volania nástrojov, riadi jednotlivé kroky (turns) aj limity slučiek a presadzuje mantinely.

Slučka uvažovania: Perceive → Reason → Act → Observe

Srdcom každého agenta je iteratívny mechanizmus slučky. Koncepčne vychádza zo vzoru ReAct (Yao et al. 2022), ktorý spája uvažovanie (reasoning) a konanie (acting):

1. Perceive (vnímanie): Agent vníma vstup a cieľ, aktuálny kontext a svoju pamäť.
2. Reason (uvažovanie): LLM plánuje: Ktorý nástroj alebo krok dáva zmysel ako ďalší?
3. Act (konanie): Agent vykoná akciu (volanie nástroja, volanie API, spustenie kódu).
4. Observe (pozorovanie): Agent vyhodnotí výsledok a zapíše ho do pamäte.

Potom agent overí: Je cieľ dosiahnutý? Ak nie, slučka začína znova krokom Perceive. Práve toto dynamické opakovanie, a nie pevne zadrôtovaný priebeh, odlišuje agenta od klasickej automatizácie. Bezpečnostné mechanizmy ako limity slučiek, rozpočty tokenov a body Human-in-the-Loop pritom zabraňujú nekonečnému cykleniu alebo nezvratným chybným akciám.

Stupne zrelosti: L1 až L5

Nie každý automatizovaný systém alebo systém s podporou AI je rovnako autonómny. Užitočný model zrelosti rozlišuje päť stupňov. Až od L4 spĺňa systém všetky štyri povinné vlastnosti z definície vyššie; L1 až L3 sú predstupne:

• L1: Reflexný agent: Založený na pravidlách, bez skutočného uvažovania (napr. FAQ bot).
• L2: Rozšírený LLM (Augmented LLM): LLM s jediným volaním nástroja, čisto reaktívny.
• L3: Workflow agent: LLM pôsobí v rámci deterministickej pipeline (reťazenie promptov, smerovanie). Cesta je z veľkej časti vopred daná.
• L4: Autonómny agent: LLM dynamicky riadi poradie krokov a výber nástrojov a prechádza celou slučkou (napr. agenti na programovanie ako Claude Code alebo systémy typu Deep Research).
• L5: Multiagentový systém: Viacero autonómnych agentov sa koordinuje, napríklad cez protokoly A2A (Agent-to-Agent), s orchestrátorom a špecializovanými agentmi.

Pre väčšinu B2B aplikácií v produkčnej prevádzke leží ideálny bod („sweet spot“) dnes medzi L3 a L4. Systémy L5 sú výkonné, ale náchylné na kumulujúce sa chyby (compounding errors): Malé chyby jednotlivých agentov sa v reťazci navzájom zosilňujú.

Prehľad frameworkov

Na stavbu agentov vznikol rozmanitý ekosystém nezávislý od dodávateľov. Nasledujúci výber pokrýva najbežnejšie možnosti:

• LangGraph: Prístup založený na grafe, resp. stavovom automate (state machine), vhodný na zložité, kontrolované workflowy.
• CrewAI: Zameraný na multiagentové systémy s definovanými rolami.
• OpenAI Agents SDK: Minimalistický, s nástrojmi, odovzdávaním úloh (handoffs), mantinelmi (guardrails) a sledovaním behu (tracing).
• Anthropic Claude Agent SDK: Sada nástrojov na stavbu agentov na báze modelov Claude.
• Microsoft Agent Framework: Spája AutoGen a Semantic Kernel, s natívnou podporou MCP a A2A.
• n8n: Low-code platforma, rozšírená najmä medzi malými a strednými podnikmi v regióne DACH.
• Pydantic AI: Dôraz na typovú bezpečnosť pre spoľahlivých, dobre testovateľných agentov.

Dôležité: Framework vyberaj až po vyjasnení prípadu použitia, nie predtým.

AI agenti v kontexte DACH: compliance a suverenita

Ak nasadzuješ agentov v regióne DACH v produkčnom prostredí, mal by si viaceré právne rámce zohľadniť včas:

• EU AI Act, čl. 50 (transparentnosť): Povinnosť informovať používateľov (napr. o tom, že komunikujú so systémom AI) platí už od 02.08.2026.
• Vysoké riziko (príloha III a príloha I): Podľa digitálneho omnibusu k AI Act (nariadenie (EÚ) 2026/1744, účinné od 27.07.2026) sa povinnosti pre vysokorizikové systémy podľa prílohy III uplatňujú od 02.12.2027, pre systémy v regulovaných výrobkoch podľa prílohy I od 02.08.2028.
• EU AI Act, čl. 4 (gramotnosť v oblasti AI): Poskytovatelia a nasadzujúce subjekty musia prijať opatrenia na podporu gramotnosti v oblasti AI svojich zamestnancov. Povinnosť platí od 02.02.2025, konkrétnu úroveň gramotnosti však čl. 4 od omnibusu už nevyžaduje.
• GDPR, čl. 22: Pri automatizovaných individuálnych rozhodnutiach musí mať človek možnosť rozhodnutie zvrátiť.
• GDPR, čl. 28: S poskytovateľmi LLM je potrebná zmluva so sprostredkovateľom.
• GDPR, čl. 35: Ak spracúvanie pravdepodobne povedie k vysokému riziku, napríklad pri nových technológiách alebo systematickom hodnotení osôb, je posúdenie vplyvu na ochranu osobných údajov (DPIA) povinné. Pri agentoch, ktorí spracúvajú osobné údaje, to väčšinou platí.
• Spolurozhodovanie zamestnancov: V Nemecku sa uplatňuje BetrVG § 87 ods. 1 č. 6, v Rakúsku ArbVG § 96. Zamestnaneckú radu preto zapoj včas.

Pre organizácie s vysokými nárokmi na digitálnu suverenitu existujú možnosti so sídlom v EÚ, napríklad Aleph Alpha Pharia (na STACKIT), Mistral, IONOS alebo OVHcloud.

Typické chyby (úskalia)

V praxi projekty s agentmi zriedka stroskotajú len na technike. Najčastejšie úskalia:

• Agent washing: Chatbot alebo RPA bot sa predáva ako „agent“.
• Výber frameworku skôr, než je jasný prípad použitia: Vedie do „Pilot Purgatory“, približne dve tretiny pilotov sa nedostanú k škálovaniu.
• Podcenená príprava dát a vynechané DPIA.
• Ignorované spolurozhodovanie zamestnancov (BetrVG / ArbVG).
• Explózia nákladov na tokeny v dôsledku nekontrolovaných slučiek uvažovania a volaní nástrojov.
• Zaobchádzanie s agentmi ako s deterministickými systémami, hoci pracujú pravdepodobnostne.
• Chýbajúca pozorovateľnosť (observability) a žiadna auditná stopa.
• Závislosť od dodávateľa (vendor lock-in) a nasadenie „agenta“ na jednoduché vyhľadávanie (retrieval), kde sa lepšie hodí workflow alebo asistent.
• Chýbajúci Human-in-the-Loop pri nezvratných akciách a kumulujúce sa chyby v multiagentových systémoch.

To, že sú tieto riziká reálne, ukazujú trhové dáta: Podľa Gartnera (jún 2025) bude vyše 40 % projektov agentickej AI do konca roka 2027 zrušených. Zároveň podľa Bitkom (2026) hlási 33 % firiem vyššie náklady, než očakávali.

Kedy sa agent oplatí?

Hlavné rozhodovacie pravidlo znie: Agent sa oplatí až vtedy, keď sa cesta k riešeniu nedá vopred naplánovať a je potrebné rozhodnutie LLM. Ak sa dá priebeh vopred úplne namodelovať, je automatizácia workflowu alebo copilot lacnejšia, rýchlejšia a spoľahlivejšia.

Pragmatický začiatok vyzerá takto:

• Vyber 1 až 3 prípady použitia s jasnou, merateľnou návratnosťou (ROI).
• Začni pilotom s nízkym rizikom, resp. pilotom len na čítanie (read-only).
• Zabezpeč Human-in-the-Loop pre všetky nezvratné akcie.
• Mysli na DPIA a zamestnaneckú radu od prvého dňa.
• Stav na stack nezávislý od dodávateľa, aby si sa vyhol lock-inu.

Zrelosť trhu túto opatrnosť podčiarkuje: Podľa McKinsey State of AI 2025 škáluje aspoň jeden agentický prípad použitia zatiaľ len 23 % firiem, ďalších 39 % experimentuje, spolu teda 62 %. V žiadnej jednotlivej funkcii však podiel škálovaných agentov nepresahuje 10 %.

Výhľad

Agentická AI sa rýchlo presúva z fázy experimentov do fázy štandardizácie. Interoperabilitu poháňajú dva protokoly: Model Context Protocol (MCP) bol ďalej rozvinutý vo verzii špecifikácie 2025-11-25 a v decembri 2025 darovaný Linux Foundation, resp. Agentic AI Foundation; aktívnych MCP serverov je už vyše 10 000. Protokol A2A (Agent-to-Agent) je od júna 2025 takisto pod Linux Foundation a podporuje ho vyše 150 organizácií.

Táto štandardizácia znižuje prekážky pre multiagentové systémy a architektúry nezávislé od dodávateľa. Zároveň rastie regulačná zrelosť, najmä v regióne DACH s EU AI Act a GDPR. Pre rozhodovateľov to znamená: Kto dnes začne s jasne vymedzenými, dobre riadenými pilotmi, vytvorí si základ, aby pri ďalšom skoku vo zrelosti neuviazol v „Pilot Purgatory“.