AI agenti ve firmě: co skutečně umí, kde dávají smysl a kolik stojí jejich nasazení

AI agenti se rychle stali jedním z nejpoužívanějších pojmů v oblasti firemní automatizace. Často jsou prezentováni jako digitální zaměstnanci, kteří samostatně převezmou zákaznickou podporu, obchod, administrativu nebo řízení interních procesů.

Autor: Vojtěch Novotný · Founder & AI Architect

Realita je střízlivější.

Dobře navržený AI agent může výrazně zrychlit práci s informacemi, propojit několik firemních systémů a samostatně provádět přesně vymezené úkoly. Špatně navržený agent pouze přidá do firmy další nepředvídatelný nástroj, který vytváří chyby rychleji než člověk.

Rozhodující proto není otázka:

Kde můžeme použít AI?

Mnohem důležitější je:

Který firemní proces chceme zrychlit, kolik nás dnes stojí a jakou část z něj lze bezpečně automatizovat?

V tomto článku vysvětlíme, co AI agent skutečně je, jak se liší od běžného chatbota, kde dává ekonomický smysl a co je potřeba vyřešit před jeho nasazením.

Obsah článku

1. Co je AI agent
2. Chatbot, asistent, workflow a agent
3. Kde AI agent dává smysl
4. Kde AI agent smysl nedává
5. Jak vypadá reálné řešení
6. Praktický příklad
7. Kolik stojí AI agent
8. Návratnost investice
9. Jak probíhá nasazení
10. Nejčastější chyby
11. Časté otázky

Co je AI agent

AI agent je softwarový systém, který dokáže vyhodnotit situaci, zvolit další krok a použít dostupné nástroje k provedení určitého úkolu.

Na rozdíl od běžného chatbota tedy nemusí pouze vytvořit textovou odpověď. Může například:

• vyhledat informace ve firemních dokumentech,
• načíst údaje z CRM,
• zkontrolovat stav objednávky,
• vytvořit úkol,
• doplnit informace k zákazníkovi,
• připravit nabídku,
• odeslat požadavek ke schválení,
• upozornit odpovědnou osobu,
• předat nestandardní případ člověku.

Typický průběh práce agenta může vypadat následovně:

1. Agent přijme vstup, například e-mail zákazníka.
2. Rozpozná typ požadavku a potřebné informace.
3. Načte relevantní data z připojených systémů.
4. Rozhodne, jaký další krok odpovídá nastaveným pravidlům.
5. Použije povolený nástroj nebo API.
6. Zapíše výsledek a vytvoří auditní stopu.
7. V případě nejistoty předá požadavek člověku.

Moderní agentní systémy obvykle kombinují jazykový model, nástroje, firemní data, řídicí logiku a mechanismy pro kontrolu výsledků. Samotný jazykový model je pouze jednou částí řešení.

Chatbot, AI asistent, automatizované workflow a AI agent

Tyto pojmy se často zaměňují, přestože označují rozdílné typy řešení.

Typ řešení	Co obvykle dělá	Míra samostatnosti
Chatbot	Odpovídá na otázky uživatele	Nízká
AI asistent	Připravuje návrhy, souhrny nebo doporučení	Nízká až střední
Pravidlové workflow	Provádí přesně definované kroky podle pravidel	Vysoká, ale pevně daná
AI agent	Vyhodnocuje kontext, vybírá další krok a používá nástroje	Střední až vysoká

Chatbot

Chatbot zpravidla reaguje na konkrétní dotaz. Může odpovídat podle připraveného scénáře nebo pomocí jazykového modelu, ale většinou neprovádí významné změny v dalších systémech.

AI asistent

Asistent pomáhá člověku s částí práce. Může připravit odpověď na e-mail, shrnout dokument nebo doporučit další krok. Konečné rozhodnutí a provedení akce ale zůstává na člověku.

Pravidlové workflow

Pravidlová automatizace postupuje podle pevné logiky:

Pokud nastane situace A, proveď krok B.

Je vhodná pro procesy, které jsou předvídatelné a mají jednoznačná pravidla. V mnoha případech je spolehlivější, levnější a bezpečnější než AI.

AI agent

AI agent se používá tam, kde je potřeba vyhodnotit text, kontext nebo méně strukturovaný vstup a podle něj zvolit vhodný postup.

Rozdíl mezi workflow a agentem tedy není v tom, že jedno řešení je moderní a druhé zastaralé. Rozdíl je v míře variability procesu.

Kde AI agent dává ve firmě smysl

AI agent přináší největší hodnotu v procesech, které splňují několik podmínek:

• opakují se ve větším objemu,
• pracují s textem nebo různorodými vstupy,
• vyžadují dohledávání informací,
• obsahují několik možných cest,
• mají jasně definovaný výsledek,
• je možné zpětně ověřit, co agent provedl,
• případnou chybu lze zachytit před vznikem vysoké škody.

1. Zpracování zákaznických požadavků

Agent může přijmout e-mail, zprávu z formuláře nebo ticket a následně:

• určit typ požadavku,
• zjistit jeho prioritu,
• dohledat zákazníka,
• ověřit stav objednávky,
• připravit odpověď,
• vytvořit interní úkol,
• předat složitý případ pracovníkovi podpory.

Největší přínos obvykle nevzniká tím, že AI automaticky odpoví na všechny zprávy. Přínos vzniká tím, že odstraní ruční třídění, dohledávání informací a přepisování dat.

2. Automatické doplňování CRM

Obchodníci často tráví významnou část času administrativou místo práce se zákazníky.

Agent může například:

• zpracovat zápis z obchodního hovoru,
• doplnit kontaktní údaje,
• vytvořit další aktivitu,
• aktualizovat stav obchodního případu,
• vyhodnotit zmíněné potřeby klienta,
• připravit podklady pro další schůzku.

Agent by ale neměl bez kontroly označovat obchodní příležitosti za vyhrané, měnit ceny nebo odesílat závazné nabídky.

3. Zpracování dokumentů

Firmy běžně zpracovávají objednávky, faktury, smlouvy, předávací protokoly, poptávky nebo servisní dokumentaci.

AI může z dokumentu získat potřebné informace a předat je do dalšího procesu:

• identifikovat zákazníka,
• načíst číslo objednávky,
• získat jednotlivé položky,
• porovnat dokument s evidencí,
• upozornit na chybějící údaje,
• uložit dokument do správného případu.

Samotné vytěžení dokumentu ale nestačí. Skutečnou hodnotu přináší až napojení na další workflow.

4. Interní práce s firemními znalostmi

Agent může vyhledávat ve firemních směrnicích, návodech, dokumentaci nebo předchozích případech.

Zaměstnanec se nemusí ptát:

Kde je dokument popisující reklamaci zahraniční objednávky?

Může se zeptat přímo:

Jak máme postupovat při reklamaci zahraniční objednávky a které údaje potřebujeme od zákazníka?

Agent následně najde relevantní podklady, připraví odpověď a ideálně uvede zdroje, ze kterých vycházel.

5. Operativní reporting

Agent může pravidelně sbírat data z více systémů, kontrolovat neobvyklé hodnoty a připravovat souhrn pro management.

Například:

• které zakázky jsou po termínu,
• které nabídky čekají příliš dlouho na reakci,
• kde vzniká největší počet reklamací,
• které objednávky nemají kompletní data,
• kde se provozní výkon odchyluje od běžného stavu.

Agent nenahrazuje kvalitní datovou strukturu. Jestliže jsou zdrojová data neúplná nebo si jednotlivé systémy odporují, AI tento problém nevyřeší.

Kde AI agent naopak smysl nedává

AI agent není automaticky správným řešením každého procesu.

Proces má přesná a jednoduchá pravidla

Když lze celý proces popsat pomocí jasných podmínek, bývá vhodnější klasická automatizace.

Například:

Pokud faktura není uhrazena pět dní po splatnosti, odešli připomínku a vytvoř úkol účetnímu.

Na takový proces není potřeba jazykový model. Pravidlové workflow bude levnější, rychlejší a předvídatelnější.

Firma nemá proces pod kontrolou

Jestliže každý zaměstnanec provádí práci jinak, nejsou definované odpovědnosti a nikdo neví, která data jsou správná, agent bude pouze automatizovat chaos.

Nejdřív je potřeba:

• zmapovat současný proces,
• určit role a odpovědnosti,
• sjednotit data,
• popsat výjimky,
• definovat požadovaný výsledek.

Teprve potom dává smysl rozhodnout, kterou část převést do systému a kterou automatizovat.

Chyba může způsobit vysokou škodu

Agent by neměl bez odpovídající kontroly:

• schvalovat vysoké platby,
• uzavírat smlouvy,
• měnit důležité účetní údaje,
• mazat záznamy,
• odesílat citlivé informace,
• rozhodovat o kritických provozních situacích.

Čím větší je možný dopad chyby, tím menší by měla být autonomie agenta.

Firma očekává stoprocentní přesnost

Jazykové modely pracují pravděpodobnostně. Mohou špatně interpretovat nejasné zadání, přehlédnout důležitou informaci nebo vytvořit přesvědčivě znějící nesprávný výstup.

Proto je nutné oddělit:

• situace, kde stačí kvalitní doporučení,
• situace, kde musí výsledek ověřit člověk,
• situace, kde musí rozhodovat výhradně pevná pravidla.

Jak vypadá reálné agentní řešení

AI agent není pouze chatovací okno připojené k modelu. Produkční řešení obvykle obsahuje několik vrstev.

Jazykový model

Vyhodnocuje text, záměr uživatele a kontext. Může navrhovat další krok nebo vybírat vhodný nástroj.

Firemní data

Agent může pracovat s dokumenty, CRM, ERP, databází, e-mailem nebo dalšími interními zdroji.

Musí být jasné:

• která data smí číst,
• která data smí měnit,
• pro koho může určitou akci provést,
• jak dlouho se data ukládají.

Nástroje a integrace

Agent používá nástroje k provedení konkrétní akce.

Může jít například o:

• načtení zákazníka z CRM,
• vytvoření ticketu,
• kontrolu objednávky,
• zápis poznámky,
• vygenerování dokumentu,
• odeslání notifikace.

Technicky se nástroje často připojují prostřednictvím API, webhooků nebo integrační vrstvy.

Orchestrace

Orchestrace určuje, jak agent postupuje, které nástroje může použít a kdy musí práci zastavit.

Bez řídicí vrstvy by agent mohl mít široké možnosti, ale chyběl by mu spolehlivý rámec pro jejich použití.

Kontrolní mechanismy

Produkční agent potřebuje omezení, která snižují riziko chyb a zneužití.

Patří sem zejména:

• řízení přístupových práv,
• schvalování citlivých akcí,
• validace vstupů a výstupů,
• limity počtu provedených kroků,
• povolené a zakázané operace,
• ochrana proti podvrženým instrukcím,
• auditní záznamy,
• možnost zásahu člověka.

Oficiální doporučení pro návrh agentů zdůrazňují vrstvené zabezpečení, striktní oprávnění, kontrolu nástrojů a lidský dohled u rizikových akcí.

Monitoring a vyhodnocování

Firma musí vědět:

• jaké úkoly agent řešil,
• které nástroje použil,
• kde se zasekl,
• kolikrát potřeboval pomoc člověka,
• kolik případů dokončil správně,
• kolik stojí jeho provoz,
• zda skutečně šetří čas.

Bez těchto údajů nelze poznat, jestli agent vytváří hodnotu, nebo pouze zajímavé demo.

Praktický příklad: AI agent pro zákaznické požadavky

Představme si firmu, které denně přicházejí desítky e-mailů.

Zákazníci se ptají na:

• stav objednávky,
• dostupnost produktu,
• změnu fakturačních údajů,
• reklamaci,
• technickou podporu,
• obchodní nabídku.

Původní proces

1. Zaměstnanec otevře e-mail.
2. Určí, o jaký požadavek jde.
3. Dohledá zákazníka.
4. Otevře objednávkový nebo účetní systém.
5. Zkontroluje potřebné informace.
6. Připraví odpověď.
7. Zapíše komunikaci do CRM.
8. Případně vytvoří úkol kolegovi.

Jednotlivé kroky nejsou složité. Problémem je jejich počet, opakování a neustálé přepínání mezi systémy.

Proces s AI agentem

1. Agent přijme e-mail.
2. Rozpozná typ požadavku.
3. Najde zákazníka podle e-mailové adresy nebo čísla objednávky.
4. Načte relevantní údaje.
5. Připraví odpověď.
6. Standardní případ může zpracovat automaticky.
7. Nestandardní případ předá člověku s připraveným souhrnem.
8. Výsledek zapíše do CRM.

Člověk nezmizí z procesu. Přestane ale ručně provádět všechny přípravné kroky.

Stejný princip v praxi: Ne každý problém potřebuje AI. U detailingu Nech si to vyčistit jsme odstranili telefonickou a administrativní rutinu pomocí rezervačního a provozního systému. Počet hovorů klesl přibližně ze 40 na 8 denně a majitel získal zpět zhruba 9 hodin týdně. Prohlédnout případovou studii

Kolik stojí vytvoření AI agenta

Univerzální cena neexistuje. Dva agenti se stejným názvem mohou mít zcela rozdílnou složitost.

Jeden pouze třídí příchozí e-maily. Druhý pracuje s několika systémy, mění data, generuje dokumenty, čeká na schválení a pokračuje v práci podle výsledku.

Orientační rámec zakázkového B2B řešení může vypadat následovně:

Ověřovací prototyp nebo omezený pilot

Přibližně 30 000 až 100 000 Kč.

Typicky obsahuje:

• jeden konkrétní proces,
• omezený počet vstupů,
• jedno datové napojení,
• jednoduché uživatelské rozhraní,
• ruční schvalování výsledků,
• základní měření úspěšnosti.

Cílem pilotu není vytvořit kompletní firemní platformu. Cílem je ověřit, zda AI dokáže daný proces řešit dostatečně kvalitně a zda má automatizace ekonomický smysl.

Produkční agent s integracemi

Přibližně 100 000 až 400 000 Kč.

Cena roste kvůli:

• napojení na CRM, ERP nebo další systémy,
• správě uživatelských oprávnění,
• monitoringu,
• zpracování výjimek,
• bezpečnostním kontrolám,
• administraci,
• testování na reálných datech.

Komplexní agentní workflow

Od přibližně 400 000 Kč výše.

Může zahrnovat:

• více propojených procesů,
• několik specializovaných agentů,
• vlastní interní aplikaci,
• dlouhodobý stav jednotlivých případů,
• schvalovací workflow,
• rozsáhlé napojení na firemní systémy,
• pokročilý monitoring,
• vysoké nároky na dostupnost a bezpečnost.

Uvedené částky jsou orientační. Skutečnou cenu neurčuje počet obrazovek nebo počet promptů, ale především provozní složitost.

Co cenu ovlivňuje nejvíce

Počet napojených systémů

Každá integrace přidává práci, testování a možné chybové stavy.

Kvalita API

Některé systémy poskytují moderní a dobře zdokumentované API. Jiné vyžadují složitější integrační řešení nebo vůbec nepodporují potřebné operace.

Množství výjimek

Proces, který vypadá jednoduše při běžném průběhu, může obsahovat desítky nestandardních situací.

Citlivost prováděných akcí

Přečíst stav objednávky je méně rizikové než změnit bankovní údaje nebo odeslat závazný dokument.

Kvalita dat

Čím více času je potřeba věnovat čištění, sjednocení a popisu dat, tím vyšší budou náklady na implementaci.

Požadovaná spolehlivost

Interní pomocný nástroj může pracovat s jinou tolerancí chyby než agent komunikující přímo se zákazníky.

Provozní náklady

Po nasazení vznikají náklady na:

• používání AI modelů,
• infrastrukturu,
• databáze,
• monitoring,
• údržbu integrací,
• aktualizace,
• průběžné vyhodnocování kvality.

Jak spočítat návratnost AI agenta

Nejjednodušší výpočet vychází z času, který dnes firma na daný proces spotřebuje.

Základní model:

Měsíční počet případů × čas na jeden případ × interní hodinový náklad

Příklad:

• proces řeší pět zaměstnanců,
• každý na něm stráví přibližně 30 minut denně,
• měsíc má 22 pracovních dní,
• interní hodinový náklad je 600 Kč.

Celkově jde přibližně o 55 hodin měsíčně, tedy 33 000 Kč.

Jestliže agent sníží ruční práci o 80 % a jeho provoz stojí 6 000 Kč měsíčně, čistá měsíční úspora se pohybuje přibližně kolem 20 000 Kč.

Při investici 180 000 Kč by jednoduchá návratnost byla přibližně devět měsíců.

Do výpočtu je vhodné zahrnout také:

• cenu lidských chyb,
• rychlost reakce zákazníkům,
• počet ztracených obchodních příležitostí,
• náklady na nabírání dalších zaměstnanců,
• kapacitu, kterou lze přesunout na hodnotnější práci.

AI agent se nevyplatí proto, že používá moderní technologii. Vyplatí se pouze tehdy, když prokazatelně snižuje náklady, zvyšuje kapacitu nebo zlepšuje obchodní výsledek.

Jak probíhá nasazení AI agenta

1. Výběr procesu

Začíná se jedním konkrétním procesem, nikoliv požadavkem „zaveďte nám AI“.

Dobrý kandidát:

• se často opakuje,
• spotřebovává měřitelný čas,
• má dostupná data,
• má popsatelný výsledek,
• není kritický pro přežití firmy.

2. Mapování současného stavu

Je potřeba zjistit:

• odkud přichází vstup,
• kdo proces řeší,
• které systémy používá,
• jaké kroky provádí,
• jaké existují výjimky,
• kde vznikají chyby,
• jak dlouho proces trvá.

3. Rozdělení AI a pravidel

Ne každý krok musí řešit AI.

Typické rozdělení může být:

• AI rozpozná obsah e-mailu,
• pevná pravidla ověří povinné údaje,
• API načte informace ze systému,
• AI připraví odpověď,
• člověk schválí citlivý výsledek,
• workflow zapíše změnu do CRM.

Nejspolehlivější řešení často kombinuje AI, klasickou automatizaci a lidskou kontrolu.

4. Pilot na reálných datech

Agent se testuje na reprezentativním vzorku skutečných případů.

Měří se například:

• správnost klasifikace,
• kvalita připravených odpovědí,
• počet správně dokončených úkolů,
• počet předání člověku,
• úspora času,
• cena jednoho zpracovaného případu.

5. Nastavení bezpečnostních hranic

Před produkčním nasazením musí být jasné:

• co agent smí číst,
• co smí měnit,
• co musí schválit člověk,
• kdy musí práci zastavit,
• jak se obnoví proces po chybě,
• kdo kontroluje jeho činnost.

6. Postupné rozšiřování

Nejdřív agent pouze doporučuje.

Potom může připravovat akce ke schválení.

Teprve po ověření kvality může vybrané nízkorizikové úkony provádět automaticky.

Autonomie by měla růst podle prokázané spolehlivosti, ne podle očekávání dodavatele.

Nejčastější chyby při zavádění AI agentů

Výběr příliš složitého prvního procesu

Firma se pokusí automatizovat celý zákaznický servis nebo obchodní oddělení najednou. Projekt se rychle rozroste a není možné vyhodnotit jeho skutečný přínos.

Automatizace nefunkčního procesu

AI nedokáže opravit nejasné odpovědnosti, nekvalitní data a chaotické workflow. Pouze je překryje další technologií.

Příliš vysoká autonomie od začátku

Agent dostane možnost měnit data nebo komunikovat se zákazníky ještě před tím, než je ověřena jeho spolehlivost.

Chybějící monitoring

Firma neví, co agent provedl, kolikrát se spletl ani proč se rozhodl určitým způsobem.

Hodnocení podle dojmu

Působivá ukázka není důkazem funkční automatizace.

Agent musí být hodnocen podle provozních metrik:

• ušetřený čas,
• správně dokončené případy,
• počet chyb,
• rychlost zpracování,
• provozní cena,
• dopad na zákazníka.

Potřebuje vaše firma AI agenta?

AI agent dává smysl, když řeší konkrétní, opakovaný a měřitelný problém.

Neměl by vzniknout pouze proto, že je AI právě populární.

V některých firmách bude správným řešením AI agent. V jiných bude efektivnější pravidlová automatizace, propojení existujících nástrojů nebo vlastní interní systém.

Správný postup proto nezačíná výběrem modelu. Začíná pochopením procesu.

V NovoTeq nejdřív mapujeme současné workflow, datové zdroje, výjimky a očekávaný ekonomický přínos. Teprve potom navrhujeme, kde použít AI, kde pevná pravidla a kde ponechat rozhodnutí člověku.

Nevíte, zda váš proces potřebuje AI agenta, běžnou automatizaci nebo vlastní systém?

Na úvodní konzultaci zmapujeme konkrétní proces, objem ruční práce, dostupná data a možné varianty řešení. Výstupem nebude obecné doporučení „použijte AI“, ale realistický návrh, co automatizovat, co řešit pevnými pravidly a co ponechat člověku.

Probrat konkrétní proces

Časté otázky

Co je AI agent?

AI agent je softwarový systém, který pomocí jazykového modelu vyhodnocuje kontext, vybírá další krok a používá připojené nástroje k provedení konkrétního úkolu.

Jaký je rozdíl mezi chatbotem a AI agentem?

Chatbot především komunikuje s uživatelem. AI agent může navíc pracovat s firemními daty, používat nástroje a provádět povolené akce v dalších systémech.

Může AI agent nahradit zaměstnance?

Obvykle nahrazuje konkrétní rutinní kroky, nikoliv celou pracovní pozici. Největší přínos vzniká odstraněním dohledávání informací, přepisování dat a opakované administrativy.

Je použití AI agenta bezpečné?

Bezpečnost závisí na architektuře řešení. Agent musí mít omezená oprávnění, auditní stopu, kontrolu vstupů a výstupů a lidské schválení u rizikových akcí.

Potřebuje firma vlastní AI model?

Ve většině případů ne. Častěji se používá existující model napojený na firemní data a systémy. Vlastní model dává smysl pouze ve specifických případech.

Jak dlouho trvá vytvoření AI agenta?

Omezený pilot může vzniknout během několika týdnů. Produkční řešení s integracemi, oprávněními a monitoringem obvykle vyžaduje několik měsíců podle rozsahu a připravenosti firmy.

Kolik stojí AI agent?

Analýza proveditelnosti nebo omezený prototyp může začínat v nižších desítkách tisíc korun. Produkční řešení s reálnými integracemi se zpravidla pohybuje ve stovkách tisíc. Rozhoduje počet procesů, napojení, výjimek, oprávnění, bezpečnost a požadovaná autonomie.