Myslitelé

Jak jsou podnikové pracovní postupy přepsány agentic AI

Anna Mark
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyAgentická AI automatizuje celé pracovní postupy, nikoli pouze jednotlivé úkoly, tím, že…
Zobrazit více
  • Agentická AI automatizuje celé pracovní postupy, nikoli pouze jednotlivé úkoly, tím, že autonomně orchestruje vícekrokové procesy.
  • Agentické systémy odhalují skryté organizační třecí plochy a nutí společnosti explicitně modelovat pracovní postupy před automatizací.
  • Úspěšné zavedení agentické AI vyžaduje vysvětlitelné asynchronní uživatelské rozhraní, které buduje důvěru prostřednictvím transparentnosti, nikoli pouhé technické sofistikovanosti.

Existuje známý příběh v kruzích podnikové AI: agentic AI je „další velkou věcí“, o které bychom měli diskutovat, plánovat nebo pilotovat, než se stane realitou. A tato budoucnost je již zde, tiše zakomponovaná do denní práce.

Ve mnoha organizacích dnes agentic systémy neexistují jako působivé pilotní projekty. Jsou provozní: navržené tak, aby snižovaly tření, urychlovaly dodání a nahrazovaly koordinační práci, kterou lidé dříve dělali ručně.

Například v naší společnosti je AI zapletena do několika interních domén – od kódování a produkce obsahu po institucionální paměť a analytiku týmové spolupráce – podporující pracovní sílu přesahující 2 000 zaměstnanců. Tyto systémy jsou součástí denních operací, pomáhají týmům pracovat rychleji a konzistentněji napříč technickými, kreativními a organizačními úkoly.

Tato vznikající realita odráží větší transformaci v tom, jak se práce skutečně provádí.

Od AI rozhraní k pracovním postupům orientovaným na tok

Většina podnikové AI doposud se soustředila na doplnění: přidání doporučení, souhrnů nebo generování textu do uživatelských rozhraní. Ale takový typ inteligence, ačkoli užitečný, nemění, jak se práce provádí. Pouze činí existující kroky rychlejšími.

Agentic AI je jiná: nereaguje pouze na příkazy. Nastavuje cíle, plánuje a provádí úkoly směřující k výsledkům, přičemž koordinuje více kroků napříč systémy s minimálním zásahem člověka. Jinými slovy, automatizuje pracovní postupy, ne pouze jejich součásti.

Když agenti operují na úrovni pracovního postupu spíše než rozhraní, mění se vzorec práce. Systémy začínají předpovídat potřeby spíše než na ně pouze reagovat.

V naší společnosti tato změna vypadá takto:

  • Automatizovaná generace kódu a dokumentace, která urychluje vývoj a sladí výstupy se standardy bez opakovaného lidského podnětu
  • Strukturované systémy institucionální paměti, které konsolidují organizační znalosti a činí je dostupnými ve velkém měřítku
  • AI podporovaná produkce obsahu, která škáluje kvalitní psaní pro vnitřní i vnější publikum
  • Analýza vibe-codingu, která odhaluje dynamiku spolupráce napříč týmy, umožňující dřívější zásahy

Nic z toho nejsou experimenty. Jsou integrovány do dodacích procesů, osvobozují lidi, aby se soustředili na strategii a kreativitu spíše než na koordinaci.

Agentic pracovní postupy odhalují skryté tření

Jakmile vložíte agenty do pracovních postupů, organizační realita se stává viditelnou (někdy až příliš viditelnou).

Zastaralé procesy, nejasně vymezené odpovědnosti a nepsaná pravidla, jejichž nedostatky lidé dříve vyvažovali, se stávají zjevnými překážkami, když se agent snaží operovat napříč systémy.

Tento jev není jedinečný pro nás. Analytici poukazují na to, že dosažení skutečné hodnoty z agentic AI vyžaduje fundamentální přehodnocení pracovních postupů. Organizace, které jednoduše přidávají agenty na stávající procesy, často vidí omezený dopad, protože nevyřešily, kde se práce skutečně děje

Skutečně, zpráva Gartneru uvádí, že více než 40 % agentic AI projektů bude pravděpodobně zrušeno do roku 2027 — ne proto, že technologie selhává, ale protože podniky nemohou definovat jasné, realizovatelné výsledky pro ně

To by nemělo být čteno jako verdikt proti agentic AI. Spíše je to důkaz toho, že práce musí být explicitně modelována, než ji může AI automatizovat. Pokud je tomu naopak, agenti budou zdůrazňovat rozbité procesy.

Jak vypadá skutečná agentic AI v praxi

Obecně, agentic AI odkazuje na systémy, které kombinují autonomní agenty s orchestrací pracovních postupů, aby provedly sekvence úkolů nezávisle, zatímco se přizpůsobují měnícím se podmínkám a cílům

Pravdivě, agentic systémy zřídka vypadají jako jeden monolitický „agent“. Místo toho se projevují jako mnoho specializovaných agentů propojených orchestrační logikou. Každý agent může mít relativně úzký rozsah — ale společně tvoří automatizaci na úrovni pracovního postupu.

V praxi to znamená:

  • Agenti, kteří generují a ověřují kód a dokumentaci podle organizačních konvencí a sladí s postupy kontrol kódu, včetně kontrol provedených osobou nebo dokonce jiným agentem
  • Paměťoví agenti, kteří zachycují a indexují institucionální znalosti, činí je vyhledatelnými a opakovaně použitelnými
  • Obsahoví agenti, kteří produkují vysoce kvalitní návrhy pro vnitřní a klientům dodané materiály
  • Analytika spolupráce, která monitoruje tón a „vibe“ napříč týmy, odhaluje trendy, které by jinak mohly trvat měsíce, než budou zaznamenány

Tito agenti neoperují v izolaci. Sdílejí kontext a relace, často zprostředkované orchestrací, které sekvencují akce, řeší konflikty a zpracovávají výjimky — přístup více podobný automatizaci pracovních postupů než plochému generativnímu výstupu.

Proč je změna architektury nevyhnutelná

Rané agentic iniciativy, které spoléhají na jeden velký jazykový model pro všechny úkoly, často narazí na náklady, správu a komplexní úzká místa. Pro podnikové systémy, aby škálovaly agentic pracovní postupy spolehlivě, organizace stále více přijímají orchestrované architektury, kde různé komponenty zpracovávají rozumování, paměť, kontext, integraci a provedení.

Tento trend odráží nejen praxi, ale i vznikající designovou moudrost: pracovní postupy vyžadují orchestraci, ne monolitickou inteligenci.

Ve skutečnosti akademický výzkum v oblasti podnikové AI zdůrazňuje, jak referenční architektury pro agentic pracovní postupy formalizují data, plánovací komponenty a rozklad úkolů, aby propojily schopnosti LLM s reálnou podnikovou logikou — znamení, že se tato oblast přesouvá od „AI triku“ k disciplíně systémového inženýrství.

Přesun k orchestrovaným multiagentním systémům odráží, co organizace jako Customertimes prakticky aplikují interně: modulární agenti pracující ve vzájemné souhře, ne jeden univerzální model, který se snaží dělat vše.

Lidský odpor je designový signál, ne strach

Běžný omyl je, že zaměstnanci odporují agentic AI ze strachu — že se bojí být nahrazeni. Ve skutečnosti odpor často vzniká, protože systémy jednají bez jasných hranic nebo srozumitelné logiky.

Podnikový výzkum adopce ukazuje, že AI uspěje, když snižuje tření a předvídatelně integruje se stávající prací, spíše než když vyniká surovou sofistikovaností

V Customertimes byly agentic schopnosti nasazeny s tímto na paměti. Agenti začínají asistencí, doporučují akce před jejich provedením. Odhalují důvody a kontext spíše než je skrývají. A lidský dohled není záložní — je očekáváním zabudovaným do návrhu.

Tento model postupně budované důvěry není altruismus. Je praktický. Agenti, kteří přerušují, jednají nepředvídatelně nebo odhalují neprůhledné výsledky, nejsou přijati — lidé je prostě vypnou.

Kde jsou skutečné zisky z produktivity

Veřejné narativy se soustředí na AI, která nahrazuje pracovní místa. Ale ve skutečných podnikových pracovních postupech největší zisky z agentic AI pocházejí z odstranění koordinační zátěže — úkolů, které nikdy nebyly měřeny, ale které neustále zpomalují výsledky.

Analytici poukazují na to, že agentic systémy, orchestrace multi-krokových procesů od začátku do konce, mohou urychlit základní podnikové procesy o významné rozpětí, někdy i o více než 30 % až 50 % v oblastech, jako je nákup nebo zákaznické operace.

To není automatizace v užším smyslu. Je to rychlost pracovního postupu: komprese zpoždění mezi shromažďováním kontextu, podporou rozhodnutí a provedením.

Pro organizace, jako je naše, je výsledek jasný: týmy tráví méně času honbou za vstupy a více času dodáním výsledků.

Uživatelský zážitek je poslední tvrdý problém

Jakmile se agentic AI systémy stanou schopnějšími, uživatelský zážitek se stává omezujícím faktorem.

Tradiční podnikový UX předpokládá synchronní, příkazem řízený vzorec. Agentic AI zavede asynchronní provedení, rozhodnutí na pozadí a sdílenou kontrolu mezi lidmi a stroji. Bez pečlivého designu se uživatelé cítí obejiti.

Aby se tomu zabránilo, úspěšné systémy zdůrazňují záměr, odhalují nejistotu a jasně ukazují, kdy agent jedná a proč. Pokud uživatelé nemohou pochopit proč byl proveden určitý čin, důvěra se snižuje a adopce se zastaví.

To není spekulace — dokonce i mainstreamové pokrytí agentic AI varuje, že úspěch závisí nejen na inteligenci, ale na vysvětlitelnosti a kontrole.

Agentic AI se stane podnikovou infrastrukturou — bez ohledu na to, zda si to podniky plánují nebo ne

Dráha většiny podnikových technologií následuje vzorec: experiment, esencialita, neviditelnost. Agentic AI je již v polovině této cesty.

Jakmile se systémy fragmentují a práce se stává distribuovanou napříč nástroji a týmy, agenti budou působit jako propojovací tkáň — ne nahrazují lidi, ale dělají složitou práci srozumitelnou.

Tento přechod nevyžaduje dramatické strategické plánování. Vyžaduje konfrontaci s organizačním třením přímo a restrukturalizaci pracovních postupů, aby byly explicitní a dekomponované. Když k tomu dojde, inteligence se stává ne pouze doplňkem, ale prostředím, skrze které práce proudí.

Anna Mark je ředitelka produktů pro digitální konzultantskou firmu Customertimes. Specializuje se na přeměnu složitých, datově náročných výzev na jasné, škálovatelné softwarové produkty, pracuje úzce s mezioborovými týmy na řešení skutečných problémů uživatelů. Její zaměření spočívá na rozhraní uživatelské přívětivosti, řešení založených na umělé inteligenci a provozního dopadu.