Co čí podniky dělají špatně v případě Agentic AI

Agentic AI se stal jednou z nejdiskutovanějších podnikových technologií roku 2025, ale skutečné nasazení zůstává vzácné. Analytici poznamenali, že přestože tisíce nástrojů jsou propagovány jako “agenti”, většina z nich postrádá skutečnou autonomii. Přehled Gartneru zhruba 3 000 nabídek agentů ukázal, že pouze 4% prokázalo skutečné agentic chování, zatímco zbývající většina byly prostě chatboty nebo skriptované automaty. Tento “agent washing” způsobuje, že společnosti považují RPA, workflow automatizaci nebo podnikový ChatGPT přístup za skutečné agentic systémy, které sledují cíle, reagují na novou informaci a pracují napříč nestrukturovanými daty.

Mýtus: RPA, ChatGPT Licence a Hype

RPA vs. Agentic AI:

Tradiční RPA nástroje následují statické, předem definované instrukce. Agentic AI plánuje akce na základě kontextu a používá dostupné nástroje, API a datové zdroje. Jak IDC a další průmyslová výzkum poznamenávají, RPA provádí pevná pravidla, zatímco agenti se dynamicky přizpůsobují. Mnoho workflow prodávaných jako “inteligentní automatizace”, kombinující chatboty se screen scraping, je nesprávně označováno jako agentic systémy.

ChatGPT Licence vs. AI Nasazení:

Podniky často předpokládají, že nákup míst pro ChatGPT Enterprise nebo Copilot znamená, že mají “nasazenou AI”. Ve skutečnosti to pouze poskytuje zaměstnancům chatovací rozhraní. Menlo Ventures uvádí, že méně než 10% společností implementovalo AI beyond obecné účely chat nástrojů, i když experimentování zaměstnanců tlačí IT týmy k jejich přijetí. Chatbot rozhraní je fundamentálně odlišné od cíle orientovaného agenta.

Dodavatelé Přehánění:

Startupy a poradenské firmy často propagují “agenty” jako řešení pro každý podnikový proces. Výzkum ukazuje, že 88% výkonných ředitelů financuje agentic AI úsilí, ale méně než 2% z těchto projektů dosáhne produkční škály. Gartner předpovídá, že více než 40% současných agentic AI iniciativ bude zrušeno do roku 2027 kvůli podvýkonnosti nebo nejasným požadavkům.

Co je Agentic AI vlastně

Agentic AI zahrnuje téměř autonomní rozhodování. Skutečný agent obdrží cíl, přístup k informacím a nástrojům, a určí kroky potřebné k dosažení svého cíle. Na rozdíl od rigidních workflow, agenti mohou měnit směr, když se objeví nové proměnné.

Moderní rámce ilustrují, jak se ekosystém vyvíjí. LangChain’s LangGraph poskytuje produkční runtime pro agenty. DeepLearning.AI’s DSPy nabízí prvky pro plány, pracovníky a nástroje. Emergující platformy, jako IBM’s crewAI a Microsoft’s AutoGen, zdůrazňují růst v multi-agent orchestraci. Tyto nástroje jsou stále ve fázi vývoje a většina podniků postrádá vnitřní odborné znalosti potřebné k jejich efektivnímu provozu.

Příležitosti v Regulovaných Odvětvích

Regulovaná odvětví, jako finance, pojištění a zdravotnictví, jsou neočekávaně silnými kandidáty pro agentic automatizaci. Tato odvětví spoléhají na strukturované zásady, dokumentaci a auditní stopy, které je činí ideálním prostředím pro pravidla řízené agenty.

Finance:

AI a agentic-automatizační nástroje jsou používány bankami ke streamlinování compliance, onboardingu a KYC/AML workflow – automaticky ověřování dokumentů, spouštění rizik a sankčních kontrol a označení případů pro lidskou kontrolu. Podle SS&C Blue Prism, to může výrazně urychlit onboardink: jedna banka zaznamenala 49% snížení času od otevření účtu do obchodování. Mezitím, od roku 2025, rostoucí část bank celosvětově nasazuje nebo vyhodnocuje generativní-AI, průzkum Temenos zjistil, že 36% již nasazuje nebo je ve fázi nasazení, a 39% vyhodnocuje. EY-Parthenon průzkum uvádí, že 61% bank, které používají GenAI, již pozorovaly podstatné výhody. Odvětvové analýzy odhadují, že AI-založená automatizace by mohla přinést produktivitu zisků 30-50% v compliance, operacích a risk-management funkcích.

Pojištění:

Pojišťovací zpracování, underwriting a detekce podvodů jsou vhodné pro agentic systémy. Pojišťovací agent může číst dokumenty, získat podrobnosti o politice, ověřit požadavky a navrhnout další kroky. Výzkum BCG ukazuje, že raní adoptoři dosáhli zhruba 40% rychlejší zpracování pojistných událostí a dvojciferné zvýšení spokojenosti zákazníků. S regulacemi, jako jsou NAIC’s AI Guidelines, pojišťovny mohou vložit pravidla přímo do operační logiky agenta. 2025 Menlo Ventures analýza uvádí, že 92% amerických pojišťoven používá AI pro compliance testování, bias kontroly a audit úkoly.

Zdravotnictví:

Zdravotnické organizace se obrací na agenty, aby podporovaly klinickou dokumentaci, triáž, plánování a ranou fázi analýzy pod dohledem klinických pracovníků. Kaiser Permanente nasadila generativní AI napříč 40 nemocnicemi pro dokumentaci podle Menlo Ventures, snižující administrativní zátěž. Mayo Clinic investuje více než $1 miliardu do AI-podporované automatizační strategie. Přísné požadavky na compliance často vedou k bezpečnějším, auditovatelnějším agentic systémům.

V těchto odvětvích, dobře definovaná pravidla, jako jsou pojistné směrnice, úvěrové politiky a klinické protokoly, mohou být zakódována jako zábrany, které formují chování agenta.

Technické a Řídicí Výzvy

Podniky čelí několika překážkám při implementaci agentic systémů.

Data a Integrační Složitost:

Agenti potřebují přístup k API, dokumentům, databázím a reálným informacím. Týmy musí indexovat velké objemy nestrukturovaných dat, konfigurovat Model Context Protocol servery a budovat spolehlivé nástrojové rozhraní. Tyto úkoly často překračují současné IT dovednosti.

Fragmentovaná Nástrojová Výbava:

Neexistuje standardní agentní rámec. LangGraph, DSPy, AutoGen a podobné nástroje mají kompromisy týkající se bezpečnosti, flexibility a zralosti. Mnoho podniků se obrací na poradenské firmy nebo “agent-in-a-box” dodavatele, pouze aby obdrželi křehké nebo neúplné řešení.

Hodnocení a Sledovatelnost:

Měření přesnosti agenta, bezpečnosti a driftu vyžaduje hodnocení pipeline, scénářové testování a reálné monitorování. Bez těchto systémů, agenti mohou dělat nesprávná rozhodnutí bez detekce.

Bezpečnost a Emergentní Rizika:

Agentní autonomie zavádí nová rizika. BCG analýza zdůrazňuje kaskádové chyby, rizika cross-agent impersonace a zranitelnosti v nástrojových sekvencích. Tyto útočné vektory jsou obzvláště znepokojivé ve financích a zdravotnictví, kde expozice dat nebo rozhodnutí mají vysoké důsledky.

Dovednostní Mezery:

Většina podnikových inženýrů rozumí API a databázím, ale postrádá zkušenosti s agentními smyčkami, prompt engineeringem nebo nástrojovým řetězením. Gartner poznamenává, že mnoho výkonných ředitelů financujících agentní iniciativy plně nerozumí, co kvalifikuje jako skutečného agenta, což přispívá k nízkým úspěchovým sazbám.

Stavba Podnikových Agentic Agentů

Odborníci doporučují několik postupů pro organizace budující agentic workflow, zejména v prostředí s vysokými zárukami.

Zabezpečená Architektura:

Definujte autonomní limity, oprávnění a auditní stopy na začátku. Udělte pouze nezbytný přístup a vložte do systému logování a bezpečnostní zábrany. BCG zdůrazňuje návrh řízení do jádra architektury.

Řídicí Platformy:

Použijte platformy, které se integrují s existujícími systémy a vynucují pravidla během runtime. Řídicí motory mohou ověřit nástrojové volání proti firemním standardům před provedením, zajišťující opakovatelné, auditovatelné chování.

Lidská Kontrola:

Kritické kroky by měly zahrnovat manuální kontrolu, zejména v regulovaných procesech. Dashbordy a upozornění umožňují týmům dohlížet na agentní akce v reálném čase a rychle eskalovat anomálie.

Robustní Testování a Zpětná Vazba:

Podniky by měly spustit sandbox simulace, backtesty a scénářové stres testy před nasazením. Kontinuální hodnocení může detekovat drift, chyby a compliance odchylky. Léčba agentů jako softwarových komponent s CI/CD pipeline zvyšuje spolehlivost.

Rámce pokračují v evoluci s funkcemi pro paměť, autorizaci a auditovatelnost. V dlouhodobém horizontu, podniky chtějí sjednocenou platformu, kde definují cíle a zásady, a systém spravuje prompting, datový přístup a compliance workflow.

Závěr

Agentic AI má významný potenciál transformovat komplexní workflow v regulovaných odvětvích. Skutečný úspěch vyžaduje zabezpečenou architekturu, řídicí governance, lidskou kontrolu a přísné testování. Podniky, které se na agentic AI dívají jako na jádrové softwarové schopnosti, spíše než marketingový štítek, budou zachytit významnou hodnotu, zatímco ty, které se spoléhají na hype, riskují zastavené piloty a zmařené investice.