Čo je AI agent a ako ho reálne použiť v práci

Keď napíšete do ChatGPT „priprav mi e-mail dodávateľovi", dostanete text e-mailu. Keď to isté zadáte AI agentovi, e-mail sa otvorí vo vašom klientovi, vyplní sa adresa z minulej objednávky a počká už len na vaše kliknutie „Odoslať". Rozdiel nie je v inteligencii modelu. Je v tom, že agent má prístup k nástrojom a smie nimi konať.

Toto je celý rozdiel medzi chatbotom a agentom, len rozpísaný do detailov. A je to aj dôvod, prečo sa o agentoch hovorí ako o ďalšom kroku po ChatGPT, hoci pod kapotou beží často ten istý jazykový model.

Chatbot odpovedá, agent vykonáva prácu

Chatbot je v jadre konverzačný. Položíte otázku, dostanete odpoveď. Nič nezapisuje do vašich systémov, nič nespúšťa, po skončení rozhovoru si väčšinou nič nepamätá. Je to nástroj, ktorý číta a píše text.

AI agent je postavený okolo rovnakého jazykového modelu, ale pridáva tri veci. Vie si úlohu rozložiť na kroky a naplánovať postup. Vie použiť nástroje, teda zavolať API, otvoriť stránku, prečítať tabuľku alebo poslať požiadavku do iného systému. A vie konať, čiže nielen navrhnúť odpoveď, ale aj zapísať záznam, spustiť transakciu alebo zmeniť stav v aplikácii.

Praktický test je jednoduchý. Ak nástroj iba produkuje text, ktorý potom ručne prenesiete inam, je to chatbot. Ak nástroj sám siahne do kalendára, CRM, e-shopu alebo do vašich súborov a niečo tam zmení, je to agent.

Tri scenáre, kde agent reálne ušetrí čas

Agent dáva zmysel tam, kde sa opakuje rovnaký rozhodovací postup a kde existujú dáta, z ktorých sa dá vychádzať. Tu sú tri situácie z bežnej kancelárskej práce.

Triedenie a prvé spracovanie e-mailov. Agent prečíta novú správu, zaradí ju do kategórie (objednávka, reklamácia, otázka k faktúre), vytiahne z nej kľúčové údaje a buď pripraví návrh odpovede, alebo založí záznam v evidencii. Vy potom len kontrolujete a potvrdzujete. Pri schránke, kde denne pristane sto podobných správ, sa nemení obsah práce, mení sa to, že namiesto písania od nuly už len opravujete.

Príprava reportu z viacerých zdrojov. Agent stiahne čísla z tabuľky predaja, doplní ich údajmi z analytiky webu, poskladá ich do vopred určenej štruktúry a vypíše prvé zhrnutie. Krok, ktorý ručne znamená prepínanie medzi piatimi záložkami a kopírovanie buniek, sa skráti na kontrolu hotového návrhu.

Vyplnenie opakujúceho sa formulára alebo objednávky. Agent, ktorý vidí obrazovku a ovláda myš a klávesnicu, dokáže prejsť viackrokový webový formulár, vyplniť polia z vašich dát a zastať pred posledným krokom. Práve toto je oblasť, v ktorej noví agenti od jari 2026 prešli z laboratórnych dem do produkčných nástrojov.

Spoločný menovateľ všetkých troch scenárov je rovnaký. Agent robí mechanickú časť, človek si necháva rozhodnutie a posledné kliknutie.

Nástroje, ktoré to dnes vedia

Tri produkty, na ktoré pravdepodobne narazíte ako prvé, sa líšia tým, čo agent ovláda.

ChatGPT má režim, v ktorom agent samostatne prechádza web a vykonáva úlohy. Pôvodne sa volal Operator a OpenAI ho spustila v januári 2025, neskôr ho zlúčila priamo do ChatGPT. Hodí sa na úlohy typu porovnaj ponuky, vyplň formulár, naklikaj objednávku.

Anthropic má Claude, ktorý vie ovládať celý počítač, nielen prehliadač. Funkcia Claude Cowork, dostupná od 9. apríla 2026, beží priamo v desktopovej aplikácii, má prístup k súborom a vie spúšťať naplánované úlohy.

Google ide cestou prehliadača cez projekt Mariner, ktorý riadi web podobne ako Operator od OpenAI.

Pre bežnú prácu nemusíte voliť „toho najlepšieho" agenta. Rozumnejšie je pilotne nasadiť dva nástroje na úzko vymedzenú úlohu, niekoľko týždňov merať ušetrený čas a kvalitu výstupu, a až potom sa rozhodnúť.

Prečo to firmy skúšajú, ale málokto škáluje

Čísla z prieskumu McKinsey State of AI z roku 2025 ukazujú zaujímavý rozpor. Až 62 % organizácií s agentmi aspoň experimentuje. Menej ako 10 % ich však reálne škáluje čo i len v jednej funkcii.

Príčina nie je len v technológii. Iba 21 % firiem, ktoré používajú generatívnu AI, prepracovalo aspoň niektoré pracovné postupy. Zvyšok agenta alebo asistenta len priložil na existujúci proces, ktorý zostal nezmenený. Agent pritom najviac pomôže vtedy, keď sa proces navrhne tak, aby do neho zapadol, nie keď sa pridá k procesu, ktorý vznikol pre človeka s myšou a klávesnicou.

Pre porovnanie, 88 % organizácií podľa toho istého prieskumu pravidelne používa AI aspoň v jednej oblasti a 72 % používa generatívnu AI, čo je nárast z 33 % v roku 2024. Adopcia samotnej AI teda rastie rýchlo. Premena na spoľahlivo bežiacich agentov je oveľa pomalšia.

Kde agenti stále zlyhávajú

Toto je časť, ktorú marketingové prezentácie radi vynechávajú, hoci je pre rozhodovanie najdôležitejšia.

Na benchmarku WebArena, ktorý meria zvládnutie viackrokových webových úloh, dosiahol najlepší jednoagentový výsledok ku februáru 2025 okolo 61,7 %. Človek na tých istých úlohách zvládne 78 %. Pri náročnejšom benchmarku WebChoreArena, ktorý vyžaduje dlhšiu pamäť, sa špičkové modely dostávajú len na 37,8 %.

Problém sa znásobuje pri dlhých postupoch. Aj keby bol agent spoľahlivý na 85 % v každom jednom kroku, desaťkrokový postup by celý prešiel bez chyby len asi v 20 % prípadov. Chyby sa reťazia. Čím dlhší a samostatnejší je postup, tým väčšia šanca, že sa niekde pokazí a agent na chybe stavia ďalej.

Že to nie je len teória, ukázal incident z júla 2025, keď AI asistent v nástroji Replit zmazal produkčnú databázu napriek tomu, že mu to bolo výslovne zakázané. Agent, ktorý smie konať, smie aj urobiť škodu.

Tri veci, ktoré nastaviť skôr, než agenta pustíte ku práci

Z toho, čo agenti dnes vedia aj nevedia, vyplýva praktický postup. Skôr než agentovi dáte do rúk reálnu úlohu, nastavte tri veci.

Po prvé, oddeľte akcie podľa rizika. Bezpečné kroky ako čítanie, listovanie alebo zostavenie návrhu nechajte agenta robiť samostatne. Nevratné kroky ako odoslanie, zaplatenie, zmazanie alebo prepísanie nech vždy zastanú a počkajú na vaše schválenie. Túto dvojúrovňovú kontrolu používajú aj firemné nasadenia agentov.

Po druhé, vyberte úlohu, ktorá je opakovateľná, má jasné dáta a krátky reťazec krokov. Triedenie e-mailov alebo príprava reportu vyhovuje, autonómne riadenie celého nákupného procesu zatiaľ nie.

Po tretie, počítajte s kontrolou výstupu ako so súčasťou práce, nie ako s výnimkou. Agent vám ušetrí čas na mechanickej časti, ale spoľahlivosť na úrovni človeka pri zložitých úlohách zatiaľ nedosahuje. Kým ho budete kontrolovať, je to nástroj, ktorý zrýchľuje. Vo chvíli, keď kontrolu vypustíte, je to riziko.

Zdroje

  • McKinsey, The state of AI in 2025: Agents, innovation, and transformation: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  • Zapier, What is a computer use agent? Claude computer use, explained: https://zapier.com/blog/claude-computer-use-openai-operator/
  • Digital Applied, Computer Use Agents 2026: Claude vs OpenAI vs Gemini: https://www.digitalapplied.com/blog/computer-use-agents-2026-claude-openai-gemini-matrix
  • AI2 Incubator, The State of AI Agents in 2025: Balancing Optimism with Reality: https://www.ai2incubator.com/articles/insights-15-the-state-of-ai-agents-in-2025-balancing-optimism-with-reality