AI Agent vs. chatbot: V čom je rozdiel

Chatbot reaguje na správu používateľa textovou odpoveďou a tým končí. AI Agent sleduje zadaný cieľ autonómne: plánuje viacstupňovo, samostatne vyberá a využíva externé Tools (API, dátové zdroje, kód), sleduje výsledky a iteratívne prispôsobuje svoj plán, kým cieľ nedosiahne alebo neprerušíme. Rozdiel je štrukturálny, nie postupný – agent koná, chatbot odpovedá.

Tri najdôležitejšie odpovede na úvod:

• Čo robia: Chatbot = textová odpoveď na správu. Agent = konanie cez viacero krokov na dosiahnutie cieľa.
• Kto riadi cestu: Pri chatbote je logika vopred daná (Intent-Matching alebo jednoduché LLM). Pri agentovi rozhoduje LLM dynamicky, ktorý krok a ktorý Tool prichádza ako ďalší.
• Čo dokážu: Chatboty spravidla nemajú prístup k Tools a iba pamäť relácie (Session). Agenti kombinujú Tools, Memory (krátkodobú a dlhodobú/RAG) a Planner.

Konkrétny príklad

Požiadavka znie: „Zruš moju poslednú objednávku a vráť sumu.“

Chatbot rozpozná zámer (Intent „Zrušenie“) a odpovie textom: „Ak chcete zrušiť svoju objednávku, prejdite prosím do svojho zákazníckeho konta pod ‚Moje objednávky‘.“ Informuje – konať musí používateľ sám.

AI Agent rozloží cieľ: cez API načíta poslednú objednávku (Tool 1), overí možnosť zrušenia na základe dodacích údajov (Reasoning), spustí zrušenie v objednávkovom systéme (Tool 2), v Payment-systéme iniciuje vrátenie sumy (Tool 3) a potvrdí výsledok. Ak niektorý krok zlyhá, preplánuje – napríklad eskaláciu na človeka, ak je vrátenie sumy nad prahovou hodnotou (Guardrail / Human-in-the-Loop).

Kontrolný zoznam štyroch vlastností

Či je niečo skutočným agentom, sa dá overiť na základe štyroch povinných vlastností. Všetky štyri musia byť splnené – inak ide o chatbot, Workflow alebo Assistant:

1. Riadenie podporené LLM – (Large) Language Model robí kontrolné rozhodnutia, nie deterministický kód.
2. Viackrokové plánovanie – klasický Reasoning-Loop: Perceive → Reason → Act → Observe, často iteratívne.
3. Tool-Use – samostatné volanie externých funkcií, API, databáz alebo MCP-serverov.
4. Cieľovo orientovaná autonómia – v rámci definovaných Guardrails pracuje systém samostatne smerom k cieľu.

Anthropic vystihuje architektonický rozdiel presne: pri agentoch riadi LLM cestu a Tool-Use dynamicky, pri Workflows bežia LLM cez vopred definované cesty kódu. OpenAI definuje agentov ako „systems that independently accomplish tasks on behalf of users“. Chatbot typicky nespĺňa žiadnu z týchto podmienok úplne.

Porovnávacia matica: Agent vs. chatbot vs. RPA vs. Workflow vs. Assistant

Matica zviditeľňuje jadro: čím viac vpravo a hore stúpa autonómia, tým vyššia je náročnosť na údržbu a compliance. Chatbot je lacný a stabilný, pretože dokáže málo; agent je mocný, ale drahý v prevádzke a Governance.

„Agent washing“ – prečo je rozlíšenie relevantné pre rozhodovanie

Trh je plný riešení, ktoré sa predávajú ako „Agent“, no pri presnom preskúmaní sú to chatboty založené na pravidlách, RPA-skripty alebo jednostupňové LLM-Assistants. Tento „Agent washing“ je jedným z najčastejších úskalí pri obstarávaní. Dôsledok: platíte ceny za agentov a prípadne nesiete agentskú náročnosť na compliance za funkcionalitu, ktorú by rovnako poskytol jednoduchý Workflow.

Drahá je aj opačná chyba: ak sa agent nasadí na jednoduchý Retrieval alebo proces plánovateľný vopred, platí sa zbytočne nákladmi na Tokeny, údržbou a compliance. Gartner predpovedá (jún 2025), že viac ako 40 % projektov agentickej AI bude do konca roka 2027 prerušených – často preto, že Use Case skutočného agenta nepotreboval. Súčasne McKinsey State of AI 2025 ukazuje, že len 23 % podnikov škáluje aspoň jeden agentický Use Case, zatiaľ čo 39 % experimentuje – medzera medzi hype a produktívnou prevádzkou je reálna.

Pravidlo: Agent sa oplatí až vtedy, keď cestu k riešeniu nemožno naplánovať vopred a keď je dynamické rozhodnutie LLM o poradí a výbere Tools skutočne potrebné. Ak je cesta známa, sú Workflow-automatizácia alebo Copilot lacnejšie, stabilnejšie a menej náročné na compliance.

Kedy je čo zmysluplné

• Chatbot: FAQ, jednoduché informácie, kvalifikácia leadov cez dialóg – pevné Intents, žiadna potreba konania na pozadí.
• Workflow / RPA: jasne definovaná, opakovateľná cesta so známymi krokmi (napr. nočné zosúladenie dát).
• Assistant / Copilot: človek vedie, AI podporuje bodovo (návrhy, zhrnutia) – bez autonómie pre nezvratné akcie.
• AI Agent: otvorené, viacstupňové úlohy s neistou cestou k riešeniu, v ktorých musí LLM dynamicky plánovať a orchestrovať Tools – s Guardrails a Human-in-the-Loop pre kritické kroky.

Poznámka: Údaje o compliance majú informatívny charakter a nie sú právnou radou.