Stupne autonómie AI Agents (L1–L5)

Definícia: Čo sú stupne autonómie AI Agents?

Stupne autonómie AI Agents opisujú v piatich stupňoch zrelosti (L1–L5), ako samostatne robí systém umelej inteligencie rozhodnutia a plní svoje úlohy. Siahajú od reflexného bota založeného na pravidlách (L1) cez LLM s jediným Tool-Call (L2) a Workflow-agenta v deterministickom pipelinе (L3) až po plne autonómneho agenta (L4) a koordinovaný Multi-Agent systém (L5).

Rozhodujúcim rozlišovacím znakom nie je nasadená technika, ale jediná otázka: Akú časť riadenia priebehu preberá LLM dynamicky — a koľko je vopred dané v pevnom kóde? S každým stupňom sa kontrola posúva z deterministického kódu k jazykovému modelu. To zvyšuje možný úžitok, no zároveň zvyšuje komplexnosť, náklady a náročnosť na Governance.

Tri kľúčové tvrdenia na úvod:

• Skutoční agenti začínajú od L4. Až tu riadi LLM poradie a voľbu Tools dynamicky a prechádza celým Reasoning-Loopom. L1 až L3 sú predstupne s narastajúcou, ale obmedzenou autonómiou.
• Vyššie nie je automaticky lepšie. Vhodný stupeň sa riadi podľa Use Case. Ak sa dá priebeh naplánovať vopred, je nižší stupeň zrelosti lacnejší a robustnejší.
• Sweet Spot leží pre väčšinu B2B aplikácií medzi L3 a L4 — dosť autonómie pre skutočnú pridanú hodnotu, no stále zvládnuteľný.

Konkrétny príklad: tá istá úloha cez päť stupňov

Vezmime opakujúcu sa úlohu — spracovanie zákazníckej požiadavky cez e-mail — a pozrime sa, ako by sa riešila na každom stupni:

• L1: FAQ-bot rozpozná kľúčové slovo „faktúra“ a pošle preddefinovanú štandardnú odpoveď. Žiadne prispôsobenie, žiadny kontext.
• L2: LLM prečíta e-mail, raz zavolá Tool (napr. vyhľadanie čísla objednávky) a z toho sformuluje odpoveď. Reaktívne, jediný krok.
• L3: LLM beží cez pevne definovaný pipeline: najprv klasifikácia (Routing podľa typu požiadavky), potom načítanie dát, potom návrh odpovede, potom schválenie. Cesta je vopred daná, LLM vypĺňa stanice.
• L4: Agent sám rozhoduje, ktoré kroky sú potrebné — možno najprv overí stav objednávky, zistí, že je potrebná spätná otázka na logistiku, zavolá tam druhý Tool, overí výsledok a až potom navrhne odpoveď. Poradie a voľba Tools nie sú vopred naprogramované.
• L5: Orchestrator rozdelí požiadavku medzi špecializovaných agentov — výskumného agenta, Compliance-agenta, copywritingového agenta — ktorí sa medzi sebou koordinujú a spájajú svoje čiastkové výsledky.

Tá istá úloha, päť zásadne odlišných architektúr. Náročnosť zľava doprava výrazne rastie — rovnako ako potenciálny úžitok pri komplexných, ťažko vopred plánovateľných prípadoch.

Päť stupňov autonómie podrobne

L1 — Reflexný agent

Systémy založené na pravidlách bez skutočného Reasoning. Reagujú podľa pevných pravidiel ak-potom na spúšťače. Typické príklady: klasický FAQ-bot s Intent-Matching alebo termostat. Neexistuje žiadne plánovanie a žiadne rozhodovanie riadené LLM — správanie je úplne vopred dané.

L2 — Augmented LLM

Jazykový model, ktorý je rozšírený o jediný Tool-Call a pracuje čisto reaktívne. LLM odpovedá na požiadavku a smie pritom raz použiť nástroj, napríklad webové vyhľadávanie. Príklad: ChatGPT s aktivovaným Web-Search. Existuje už LLM-Reasoning, ale žiadny viacstupňový, samoriadený Loop.

L3 — Workflow-agent

LLM koná v rámci deterministického pipelinu. Techniky ako Prompt-Chaining (kroky za sebou) alebo Routing (vetvenie podľa typu požiadavky) štruktúrujú priebeh. LLM robí na jednotlivých staniciach rozhodnutia, ale samotná cesta je vopred daná v kóde. Práve toto vymedzenie zdôrazňuje aj Anthropic: pri Workflows nasledujú preddefinované cesty v kóde, pri agentoch riadi LLM dynamicky.

L4 — Autonómny agent

Tu začína agent v užšom zmysle. LLM riadi poradie a voľbu Tools dynamicky a prechádza celým Reasoning-Loopom: Perceive → Reason → Act → Observe, iteratívne, kým nie je cieľ dosiahnutý alebo proces prerušený. Príkladmi sú coding-agenti ako Claude Code alebo Deep-Research systémy, ktoré samostatne skúmajú, hodnotia medzivýsledky a prispôsobujú svoj plán.

L5 — Multi-Agent systém

Viacero autonómnych agentov sa koordinuje, typicky cez A2A-protokol (Agent-to-Agent). Orchestrator rozdeľuje čiastkové úlohy medzi špecializovaných agentov a spája ich výsledky. L5 systémy sú najmocnejší, ale aj najnáchylnejší stupeň: majú sklon ku Compounding Errors — malé chyby jednotlivých agentov, ktoré sa cez koordinačný reťazec naskladajú.

Porovnávacia matica piatich stupňov

Nasledujúci prehľad zhŕňa stupne podľa rozhodujúcich kritérií. Prechody sú v praxi plynulé.

Najdôležitejšia deliaca čiara prebieha medzi L3 a L4: do L3 je cesta pevne zadrôtovaná, od L4 ju rozhoduje LLM za behu. Práve tento skok definuje prechod od automatizácie k skutočnému agentovi.

Ako podniky zaraďujú svoj stupeň zrelosti

Na určenie vlastnej pozície na škále pomáhajú tri vodiace otázky — sú výpovednejšie než akékoľvek marketingové označenie poskytovateľa:

1. Kto rozhoduje o poradí krokov? Je priebeh pevne daný v kóde (→ do L3) alebo ho určuje LLM za behu (→ od L4)?
2. Koľko Tools systém využíva samostatne? Žiadny (L1), práve jeden (L2), pevné preddefinované (L3) alebo dynamicky zvolené (L4/L5)?
3. Aká vysoká je skutočná autonómia? Systém len reaguje, alebo sleduje cieľ cez viacero samostatne zvolených krokov?

Toto zaradenie chráni aj pred „Agent washing“: mnohé produkty predávané ako „Agent“ reálne dosahujú len L2 alebo L3. Podľa Gartner (jún 2025) disponuje len približne 130 vendorov skutočnými Agent-schopnosťami — samotné označenie teda hovorí o skutočnom stupni zrelosti málo.

Druhé zistenie: Vyšší stupeň zrelosti nie je cieľom sám osebe. Ústredné rozhodovacie pravidlo znie, že agent (L4/L5) sa oplatí až vtedy, keď nie je riešiteľská cesta vopred plánovateľná. Ak sa dá priebeh úplne namodelovať, je L3-Workflow lacnejší, rýchlejší a robustnejší. Kto zvolí L4/L5 tam, kde by stačil L3, platí vyššími Token-nákladmi, väčšou údržbou a vyššou náročnosťou na Compliance — bez pridanej hodnoty.

Že je toto prestrelenie reálne, ukazujú trhové dáta: podľa Gartner (jún 2025) bude do konca roka 2027 viac ako 40 % agentických projektov umelej inteligencie zrušených, často kvôli nejasným Use Cases a podceneným nákladom. Súčasne podľa McKinsey State of AI 2025 škáluje aspoň jeden agentický Use Case zatiaľ len 23 % podnikov, zatiaľ čo 39 % experimentuje — v žiadnej jednotlivej funkcii nie je podiel škálovaných agentov nad 10 %. Trh sa teda prevažne stále pohybuje v nižšom až strednom stupni zrelosti.

Odporúčanie: štartovať od správneho stupňa zrelosti

Pre rozhodovateľov v regióne DACH z toho vyplýva pragmatická cesta: zvoliť najnižší stupeň zrelosti, ktorý vyrieši Use Case. Read-only pilot na L3 alebo úzko ohraničený L4-agent s Human-in-the-Loop pre všetky nezvratné akcie je výrazne solídnejším základom než ambiciózny L5 systém bez Governance.

S rastúcim stupňom zrelosti rastú aj regulatórne povinnosti — v regióne DACH treba dbať na EU AI Act (čl. 50 transparentnosť od 02.08.2026), GDPR (čl. 22/28/35) ako aj spolurozhodovanie (BetrVG §87 v DE, ArbVG §96 v AT). Tieto údaje sú informačné a nie sú právnym poradenstvom. Kto svoj stupeň zrelosti zaradí čisto, namiesto naháňania sa za najvyšším stupňom, vyhne sa „Pilot Purgatory“ a vytvorí základ na to, aby pri ďalšom skoku v stupni zrelosti skutočne škáloval.