AI agenti vo firme: čo dnes spoľahlivo zvládnu

AI agenti vo firme sú jazykové modely, ktoré nielen píšu text, ale samostatne volajú nástroje – napríklad ERP systém, e-mailovú schránku alebo kalendár – a vybavia úlohu v niekoľkých krokoch. Dnes spoľahlivo fungujú pri jasne vymedzených rutinách s malým počtom nástrojov a obmedzenými právami. Len čo má akcia vonkajší dopad, je potrebné schválenie človekom a každý krok by sa mal protokolovať, pretože agenti môžu robiť chyby.

Čím sa AI agent líši od chatbota?

Chatbot odpovie na otázku textom, AI agent smeruje k cieľu a na to vykonáva akcie. Chatbot vie vysvetliť, ako skontrolovať otvorené objednávky. AI agent si otvorené objednávky vyžiada z ERP systému, porovná ich s prijatými dodacími listami, rozpozná chýbajúce položky a pripraví dopyt dodávateľovi.

Pre firmu je tento rozdiel podstatný. Nesprávna odpoveď chatbota zostane textom, ktorý človek prečíta a zahodí. Nesprávny krok agenta môže zmeniť záznam, odoslať e-mail alebo presunúť termín. So schopnosťou konať rastie zodpovednosť za to, aké práva agent dostane.

Ako AI agenti pristupujú k nástrojom a systémom?

AI agenti pristupujú k nástrojom cez rozhrania. Každý nástroj je jasne opísaná funkcia, napríklad „vyhľadať zákazníka podľa čísla“, „zistiť otvorené zákazky“ alebo „vytvoriť koncept v schránke“. Jazykový model rozhodne, ktorý nástroj zavolá s akými údajmi, dostane skutočný výsledok a podľa neho naplánuje ďalší krok.

Otvoreným štandardom na to je MCP (Model Context Protocol). Systém ako CRM alebo skladové hospodárstvo sa sprístupní cez MCP server, ktorý opisuje, aké dopyty a akcie sú možné. Aplikácia AI sa k nemu pripojí a môže tieto funkcie využívať bez toho, aby sa pre každú kombináciu modelu a systému musela programovať samostatná integrácia. Kto smie k čomu pristupovať, však MCP nerieši – tieto práva treba nastaviť osobitne.

Čo dnes AI agenti spoľahlivo zvládnu?

AI agenti sú dnes spoľahliví tam, kde je úloha jasne opísaná, zapojených je len niekoľko nástrojov a výsledok sa skontroluje skôr, než má vonkajší účinok. Typické rutiny v malej a strednej firme, ktoré sa na to hodia:

• Zhromaždiť informácie z viacerých systémov, napríklad na prípravu stretnutia so zákazníkom: otvorené zákazky, posledná reklamácia, aktuálne ponuky.
• Porovnať objednávky, dodacie listy a faktúry a odchýlky predložiť ako zoznam na kontrolu.
• Zaradiť prichádzajúce požiadavky, vyžiadať chýbajúce údaje a založiť prípad v systéme tiketov.
• Pripraviť návrhy odpovedí s dátami z ERP systému, ktoré zamestnanec skontroluje a odošle.
• Vytvárať opakujúce sa reporty z viacerých zdrojov a upozorňovať na nezvyčajnosti.

Menej spoľahliví sú agenti pri otvorených cieľoch ako „postaraj sa o nákup“, pri veľmi veľkom počte dostupných nástrojov a pri dlhých sledoch krokov bez priebežnej kontroly. Každý ďalší krok je ďalšou príležitosťou na nesprávny výklad, ktorý sa prenesie do nasledujúcich krokov.

Prečo AI agent potrebuje človeka v procese?

AI agent potrebuje človeka v procese (human in the loop), pretože stojí na jazykovom modeli, ktorý formuluje nesprávne informácie rovnako presvedčivo ako správne. „Človek v procese“ znamená, že agent sa na stanovených miestach zastaví a vyžiada si schválenie skôr, než urobí niečo nezvratné: odošle e-mail zákazníkovi, zadá objednávku, vymaže záznam alebo pohne peniazmi.

Praktické pravidlo: čítať a vytvárať koncepty smie agent samostatne, meniť a odosielať len so schválením. S pribúdajúcimi skúsenosťami možno uvoľniť jednotlivé, dobre sledované kroky. Opačný postup – najprv všetko povoliť a pri problémoch obmedzovať – vychádza firmu v prevádzke drahšie.

Čo sa stane, keď AI agent halucinuje?

Halucinácia znamená, že jazykový model vytvorí údaj, ktorý znie vierohodne, ale nie je pravdivý, napríklad číslo položky, ktoré neexistuje, alebo termín dodania, ktorý nikde nie je uvedený. Pri chatbote je to nepríjemné, pri agentovi to môže viesť k nesprávnej akcii. Riziko klesá, keď agent fakty vždy získava z nástrojov namiesto toho, aby ich sám formuloval, keď nástroje odmietajú neplatné vstupy a keď sa výsledky kontrolujú skôr, než sa prejavia. Úplne vylúčiť sa to nedá.

Prečo je protokolovanie pri AI agentoch nevyhnutné?

Protokolovanie je pri AI agentoch nevyhnutné, pretože inak nikto nedokáže spätne zistiť, prečo sa akcia stala. Dobrý protokol zaznamenáva, aká úloha bola zadaná, ktoré nástroje boli zavolané s akými údajmi, aké výsledky sa vrátili a kto udelil aké schválenie. Vďaka tomu sa dajú nájsť chyby, zlepšovať procesy a odpovedať na otázky zákazníkov či audítorov.

Kedy je klasická automatizácia lepšia ako AI agent?

Klasická automatizácia je lepšia ako AI agent vtedy, keď je proces vždy rovnaký a dá sa úplne vyjadriť pevnými pravidlami. Ak každá objednávka nad určitú hodnotu ide na schválenie vedeniu alebo každá nová faktúra z konkrétnej schránky ide do účtovníctva, jazykový model netreba. Automatizácia založená na pravidlách je v takých prípadoch lacnejšia na prevádzku, predvídateľná a ľahšie sa kontroluje. Ktoré procesy sa na to hodia, opisujeme v článku o automatizácii procesov v MSP.

AI agent má zmysel tam, kde sú vstupy neštruktúrované a rozhodnutia si vyžadujú určité porozumenie textu: dopyt zákazníka vlastnými slovami, dodací list s neobvyklým rozložením, reklamácia, ktorú treba najprv zaradiť. V praxi sa oba prístupy často dopĺňajú: agent porozumie a zaradí, pevná automatizácia vykoná samotné zaúčtovanie alebo preposlanie.

• Pevné pravidlá, rovnaké vstupy: klasická automatizácia.
• Neštruktúrované texty, rôzne formulácie, potrebné zaradenie: AI agent so schválením.
• Oboje v jednom procese: agent na porozumenie, automatizácia na vykonanie.

Ako zaviesť AI agenta krok za krokom?

1. 01Vybrať rutinu: opakujúcu sa, viackrokovú úlohu, ktorá dnes berie čas a má jasné pravidlá.
2. 02Preveriť systémy: majú zapojené programy rozhrania a sú v nich dáta usporiadané a aktuálne?
3. 03Nástroje úzko vymedziť: sprístupniť len funkcie potrebné pre rutinu, s vlastným, obmedzeným používateľským kontom.
4. 04Stanoviť body schválenia: kde sa agent zastaví a čaká na človeka?
5. 05Nastaviť protokolovanie skôr, než agent prvýkrát uvidí skutočné dáta.
6. 06Testovať v tieňovej prevádzke: agent navrhuje, zamestnanci pracujú ako doteraz a porovnávajú.
7. 07Postupne uvoľňovať a priebežne sledovať, či výsledky sedia aj po zmenách v systémoch alebo procesoch.

Ako NDVDL zavádza AI agentov vo firme?

NDVDL nezačína agentom, ale procesom. Prídeme k vám do firmy a necháme si ukázať, ako sa rutina dnes vybavuje, ktoré systémy sú zapojené a kde padajú rozhodnutia. Potom dostanete písomný návrh: ktoré kroky môže prevziať agent, kde schvaľuje človek a aké rozhrania sú na to potrebné.

Vybudujeme napojenia na ERP, CRM, e-mailovú schránku alebo systém tiketov, podľa potreby aj cez MCP, dáme agentovi len tie práva, ktoré potrebuje, a nastavíme protokolovanie a schvaľovanie. Potom agenta prevádzkujeme, udržiavame a upravujeme, keď sa zmenia systémy alebo procesy. Ak sa proces dá lepšie vyriešiť klasickou automatizáciou bez jazykového modelu, povieme vám to. Máte jednu stálu kontaktnú osobu pre techniku aj proces.