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 L4dosť 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 Errorsmalé 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, a to 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.