Vijay Rayapati, CEO a spoluzakladatel Atomicwork – série rozhovorů

Vijay Rayapati je spoluzakladatel a CEO společnosti Atomicwork. Před založením firmy působil jako senior vice president a generální ředitel divize Cloud Networking and Security ve společnosti Nutanix, po akvizici Nutanix společnosti Minjar, platformy pro správu cloudu, kterou založil a rozšířil jako CEO. Dříve ve své kariéře zastával inženýrské a produktové vedoucí pozice ve společnostech Kuliza a Trilogy, což mu poskytlo hluboké zkušenosti se stavbou podnikové infrastruktury a softwarových aplikací. Jeho zázemí zahrnuje cloudovou infrastrukturu, podnikový software a technologii AI pracovních sil, což z něj činí známého zakladatele v oblasti podnikových IT.

Atomicwork je podniková AI společnost, která buduje agentní platformu pro správu IT služeb, jež pomáhá zaměstnancům řešit technologické problémy, automatizovat rutinní úkoly podpory a přistupovat k podnikové znalosti prostřednictvím AI. Její platforma kombinuje AI agenty s moderními funkcemi ITSM, aby zvládala požadavky na služby, řešila problémy, orchestruje pracovní postupy napříč podnikovými systémy a snižovala zátěž IT týmů. Zákazníci používají Atomicwork k rychlejší podpoře zaměstnanců a současně zvyšují provozní efektivitu v IT i obchodních operacích.

V minulosti jste spoluzaložil Minjar, vybudoval jeho podnikové cloudové řízení a poté po akvizici vedl operaci v Nutanix. Jaké ponaučení ze zakládání, prodeje a integrace podnikového softwarového podniku vás přesvědčilo, abyste v roce 2022 založil Atomicwork a znovu vybudoval správu IT služeb od základů pro éru AI?

V Minjaru jsme vytvořili software, který dokázal snížit cloudový účet společnosti o třetinu díky automatizaci. Zákazníci milovali doporučení. Pak je ale po dva čtvrtletí nevyužívali. Trvalo mi nějakou dobu, než jsem pochopil proč, a odpověď nebyla technická. Když automatizace učiní rozhodnutí a něco se pokazí, není nikdo, kdo by byl zodpovědný. Podniky nekupují jen software nebo výsledky. Kupují někoho, kdo za ně odpovídá. Software, který nemá místo v organizační struktuře, nedostane autoritu, ať je jakýkoli dobrý.

Akvizice mě naučila užší lekci. Jednotlivé produkty se kupují. Systémy záznamů se budují na nich. Můžete být lepší produkt a přesto celý život obcházet toho, kdo vlastní pracovní postup.

Roky v Nutanixu spojily obě věci. Viděl jsem, jak IT kupuje správu služeb pro kontrolu a zaměstnanci ji vnímají jako formulář a frontu. Také jsem si uvědomil, že tiket nebyl nikdy produktem. Auditorská stopa byla. Proto ITSM přežilo čtyřicet let, kdy ho lidé nenáviděli, a také proč ho nikdo nemohl odstranit.

Takže otázka v roce 2022 nebyla, zda AI dokáže práci vykonat. Bylo to, zda můžete AI dát místo v organizační struktuře. Dědičné platformy ITSM to nedokážou, protože lidský přiřazený uživatel stojí v centru jejich datového modelu a každá SLA, schválení a report jsou na tomto předpokladu postaveny. Připojte AI a získáte rychlejší formulář.

Postavili jsme se na opačnou odpověď, kde AI poskytuje hybridní pracovní sílu, nejen software. AI spolupracovníci vykonávají práci a IT je řídí tak, jak HR řídí lidi. AI spolupracovníka nekonfigurujete. Najmete ho do role, přezkoumáte jeho práci a odeberete ho, pokud neplní očekávání. To je rozdíl mezi AI jako funkcí a AI jako pracovní silou.

Atomicwork popisuje své AI spolupracovníky jako systémy, které vlastní definované pracovní role a dokončují práci od začátku do konce, místo aby jen odpovídaly na otázky nebo vykonávaly izolované úkoly. Jaké technické schopnosti odlišují skutečného AI spolupracovníka od chatbotu, copilotů nebo tradičního automatizačního nástroje a kde by měla končit jeho autonomie?

Chatbot odpovídá na otázku a copilot pomáhá někomu dokončit úkol, ale žádný z nich není zodpovědný za dokončení práce až do konce. AI spolupracovník je jiný, protože mu je přiřazena definovaná role a očekává se, že dodá výsledek. Ať už jde o třídění incidentů, poskytování přístupu nebo onboarding zaměstnanců, pokračuje v práci na každém kroku, dokud nedosáhne cíle, místo aby se zastavil po první interakci.

To vyžaduje mnohem víc než schopný model. AI spolupracovník potřebuje identitu, správná oprávnění, přístup k schváleným nástrojům, kontext organizace, rozpočet a jasné provozní hranice své role. Musí pracovat napříč podnikový­mi systémy, rozumět, kdy (a koho) požádat o schválení, a zanechat auditorskou stopu u každé akce. Proto jsme se tak silně zaměřili na platformu kolem modelu. Spolehlivá AI závisí na orchestraci, řízení a provedení stejně jako na inteligenci.

Autonomie by nikdy neměla být neomezená. AI spolupracovník by měl fungovat v rámci odpovědností své pracovní role, zatímco lidé zůstávají zapojeni vždy, když práce ovlivňuje citlivé systémy nebo má právní, finanční či pracovně‑právní dopady.

Vaše platforma umožňuje specializovaným AI spolupracovníkům spolupracovat v oblasti řízení incidentů, poskytování přístupu, onboardingu a IT operací. Jak tito AI spolupracovníci rozdělují odpovědnosti, sdílejí kontext a zotavují se, když jeden AI spolupracovník učiní nesprávné rozhodnutí, které by mohlo ovlivnit zbytek pracovního postupu?

Nemyslíme si, že by jeden AI spolupracovník měl zkusit vykonávat každou práci. IT organizace již rozdělují odpovědnosti mezi různé týmy, protože každá role má jiné cíle, oprávnění a odborné znalosti. Tento přístup jsme aplikovali i na AI spolupracovníky, což je důvod, proč jsme spustili certifikované AI spolupracovníky, kteří se specializují na různé oblasti IT operací.

Každý spolupracovník vlastní konkrétní funkci a zároveň sdílí stejný podnikový kontext. Když zaměstnanec vytvoří tiket v Atomicwork, inteligentní směrování zajistí, že je přidělen správnému AI spolupracovníkovi, který na požadavku pracuje, a (v závislosti na požadavku) jej přesměruje na jiného AI spolupracovníka, vytvoří podtiktety, aby AI spolupracovníci řešili problém paralelně (například onboardingový tiket může být rozdělen na aktivity, které lze řešit souběžně), nebo jej eskaluje na člověka. Jak práce přechází z jednoho spolupracovníka na druhého, relevantní informace s ní putují skrze tiket (systém záznamu) spolu s přístupem k příslušným systémům, jako je servisní desk, identity platformy, HR systémy a kolaborační nástroje. Tento sdílený kontext umožňuje každému spolupracovníkovi činit rozhodnutí na základě toho, co se již stalo, místo aby začínal od nuly.

Atomicwork podporuje různé rámce agentů a modely od poskytovatelů jako OpenAI, Anthropic a Google. Jak určujete, který model by měl zpracovávat vyhledávání, uvažování, plánování a provádění, a jak mohou podniky udržet konzistentní chování, když se podkladové modely nadále mění?

Různé modely jsou dobré v různých druzích práce. Naším zaměřením bylo vybudovat platformu, která dokáže využívat pokroky, aniž by zákazníky nutně přetvářela jejich pracovní postupy pokaždé, když se model změní. Podnikový kontext, orchestraci, identitu, vymáhání politik, telemetrii a hodnocení poskytují konzistenci, kterou organizace potřebují v produkci, bez ohledu na to, který špičkový model leží pod nimi.

Veřejně jsme diskutovali o podpoře více poskytovatelů modelů spolu s evaluačními rámci a řízením, ale nepopisovali jsme logiku směrování, která rozhoduje, který model zpracuje vyhledávání, uvažování, plánování nebo provádění. Také jsme nesdíleli validační proces, který používáme, když poskytovatelé vydávají nové modely a aktualizace.

Podnikový AI agent může narazit na konfliktní dokumentaci, neúplné konfigurační záznamy, zastaralé znalosti a různé oprávnění napříč systémy. Jak Universal Context vrstva Atomicwork určuje, která informace je důvěryhodná a aktuální, než umožní agentovi učinit rozhodnutí nebo provést akci?

Podniková znalost zřídka existuje na jednom místě. Část z ní žije v dokumentaci, část v systémech záznamů a část uvnitř každodenní činnosti podniku. AI potřebuje celý tento kontext, pokud má činit spolehlivá rozhodnutí.

Universal Context spojuje tyto zdroje tím, že kombinuje podnikové znalosti s lidmi, sítí, infrastrukturou a daty zařízení z živých provozních systémů. AI spolupracovník může odkazovat na informace z platforem jako Confluence nebo SharePoint, MDM jako Intune a JAMF, a zároveň rozumět tomu, co se děje v systémech jako Jira, Workday, Salesforce nebo poskytovatelích identity. Respektuje také existující oprávnění, takže lidé i AI spolupracovníci mají přístup jen k informacím, na které jsou již oprávněni.

Vysvětlili jsme, jak Universal Context propojuje podnikové systémy a zachovává bezpečnostní hranice, ale nepopisovali jsme, jak řeší konfliktní informace, když důvěryhodné zdroje nesouhlasí, ani jak určuje, který zdroj má přednost. Tyto implementační detaily nejsou součástí naší veřejné dokumentace.

Universal AI spolupracovník může podporovat zaměstnance přes Microsoft Teams, Slack, e‑mail, prohlížeč, portál a prostřednictvím chatu, hlasu a vizuálních režimů. Jaké nové možnosti řešení problémů se otevřou, když agent může vidět a slyšet, co zaměstnanec zažívá, a jak zabráníte odhalení citlivého obsahu obrazovky nebo konverzací?

Tradiční IT podpora závisí na tom, že zaměstnanci přesně popisují technické problémy, a to je často nejtěžší část interakce. Hlasový a vizuální kontext umožňují AI vidět stejnou chybovou zprávu, aplikaci nebo konfigurační obrazovku, na kterou se zaměstnanec dívá, což značně usnadňuje pochopení problému a vedení uživatele k dalšímu kroku bez dlouhých zpětných rozhovorů.

Tyto schopnosti fungují jen tehdy, když jim zaměstnanci důvěřují. Věříme, že vizuální přístup by měl vyžadovat explicitní souhlas a uživatelé by vždy měli vědět, kdy je aktivní. Citlivé informace jsou chráněny maskováním osobních údajů (PII), administrativními kontrolami a vhodnými zásadami uchovávání.

Také jsme jasně uvedli, že zákaznická data nejsou používána k trénování našich modelů ani modelů třetích stran. To organizacím umožňuje přijímat multimodální AI, aniž by ztratily kontrolu nad svými daty.

Atomicwork může být nasazen vedle existujícího prostředí ServiceNow nebo Jira Service Management, aniž by vyžadoval okamžitou migraci. Vidíte to primárně jako strategii přechodu, nebo budou mnohé podniky trvale provozovat AI pracovní sílu nad svým dědictvím systému záznamu?

Většina velkých podniků strávila roky budováním procesů, integrací a řízením kolem platforem jako ServiceNow a Jira Service Management. Požadovat od nich nahrazení těchto systémů před adopcí AI vytváří zbytečnou tření.

Vybudovali jsme integrace Atomicwork s ServiceNow a Jira Service Management, aby zákazníci mohli transformovat zkušenost zaměstnanců a doplnit své servisní týmy o AI spolupracovníky od prvního dne, aniž by narušili systémy, na které již spoléhají. Konektor načítá relevantní podnikový IT kontext, který AI spolupracovníci využívají, a zároveň udržuje obousměrnou synchronizaci pro servisní agenty v jejich stávajícím systému. Nemyslíme si, že by podniky měly být nuceny zvolit jednu cestu hned na začátku. Prioritou je pomoci jim adoptovat AI v jejich vlastním časovém rámci.

Dávat AI spolupracovníkům přístup k identitním systémům, údajům o zaměstnancích, infrastruktuře a podnikových aplikacím představuje rizika jako prompt injection, otrávené zdroje znalostí, nadměrná oprávnění a kaskádové chyby agentů. Jaká opatření, schvalovací hranice a auditní mechanismy jsou nezbytné, než podnik může bezpečně povolit agentům jednat autonomně?

AI spolupracovníci jsou řízeni jako zaměstnanci s privilegovaným přístupem. Každý spolupracovník má definovanou roli, omezená oprávnění, schválené nástroje, rozpočtová omezení a jasné hranice toho, co může samostatně dělat. Citlivé akce – zejména ty související s identitou, infrastrukturou, financemi, právními záležitostmi nebo zaměstnáním – vyžadují lidské schválení.

Dovednosti a instrukce jsou před publikací prověřeny z hlediska rizik jako prompt injection, skryté instrukce, přístup k přihlašovacím údajům, únik dat a nebezpečné akce. Pokud se nástroj změní tak, že se zvýší jeho riziko, je automaticky deaktivován, dokud není přezkoumán. Další opatření – včetně limitů akcí, prevence duplicitních akcí, nouzových vypínacích kontrol a převzetí lidským operátorem – pomáhají zachytit chyby dříve, než se rozšíří.

Každá akce je sledovatelná: organizace mohou vidět, co spustilo spolupracovníka, jaké informace a nástroje použil, jaká schválení byla získána a jaký výsledek následoval. Průběžné hodnocení, monitorování a testování red‑team zajišťují, že tato opatření zůstávají účinná, jak se modely, nástroje a podnikové prostředí vyvíjejí.

Investovali jsme značně do hodnocení, vymáhání politik, monitorování a testování red‑team, protože nasazení AI je jen začátek. Organizace potřebují jistotu, že tito spolupracovníci budou i nadále jednat podle očekávání, jak se modely a podnikové prostředí vyvíjejí.

Atomicworkův State of AI in IT 2026 report zjistil, že dvě třetiny IT profesionálů uvádějí pozitivní návratnost investic do AI, zatímco jen jedna z pěti organizací plně integrovala AI do svých týmů správy služeb. Co odlišuje nasazení, která přinášejí měřitelné obchodní hodnoty, od pilotních projektů, které zůstávají v experimentální fázi?

Většina organizací již prokázala, že AI může zlepšit jednotlivé úkoly. Firmy, které vidí měřitelnou obchodní hodnotu, propojují AI s kompletními provozními pracovními postupy místo toho, aby ji používaly jako samostatného asistenta.

To začíná řešením konkrétního obchodního problému myšlením v rolích, poskytnutím AI spolupracovníkům přístupu k potřebným systémům a měřením výsledků, které jsou důležité – ať už jde o rychlejší časy řešení, nižší náklady na podporu nebo lepší zkušenost zaměstnanců. Jakmile týmy důvěřují těmto výsledkům, rozšíření AI na další pracovní postupy se stává mnohem snazším.

Naše výzkumy také ukázaly, že odpovědná AI zůstává jednou z nejvyšších priorit pro IT lídry. To dává smysl, protože organizace nebudou dávat AI větší odpovědnost, pokud nebudou rozumět tomu, jak dospívá k rozhodnutím, nebudou moci tato rozhodnutí po faktu přezkoumat a nebudou mít správné ohraničující podmínky.

Jakmile AI spolupracovníci začnou řešit požadavky na podporu, spravovat přístupy, diagnostikovat incidenty a koordinovat pracovní postupy, jak se změní odpovědnosti profesionálů servisního desk, IT operačních týmů a hlavních informačních ředitelů? Dlouhodobě, mohl by se IT stát oddělením zodpovědným za nábor, řízení a měření celé digitální pracovní síly podniku?

AI převezme velkou část opakující se operační práce, která dnes zatěžuje servisní desky, a umožní lidem věnovat více času výjimečným situacím, zlepšování procesů a zdokonalování znalostí, na nichž AI závisí.

IT operační týmy se budou čím dál více soustředit na řízení AI spolupracovníků místo manuálního provádění každého pracovního postupu. Budou definovat oprávnění, propojovat systémy, sledovat výkon a zajistit, aby AI nadále fungovala v rámci stanovených politik.

Očekávám také rozšíření role CIO. Správa stovek AI spolupracovníků začíná připomínat správu jakékoli jiné podnikové infrastruktury. Někdo musí rozhodovat, k čemu mají spolupracovníci přístup, jak jsou měřeni, kdy jsou aktualizováni a zda přinášejí hodnotu. Obchodní týmy budou i nadále definovat práci, zatímco IT se stane HR pro AI, tedy odpovědným za platformu, řízení a provozní kontroly, které udržují podnikovou AI pracovní sílu v bezpečném provozu.

Děkujeme za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit Atomicwork.