„AI agent“ je momentálne najpoužívanejšie slovo v marketingu technologických firiem. Agentom sa nazýva chatbot na webe, automatizácia v Zapieri aj skutočne samostatný systém, ktorý sám plánuje a koná. Výsledok je zmätok: firmy platia za „agentov“, ktorí nimi nie sú, a naopak prehliadajú jednoduché automatizácie, ktoré by im ušetrili hodiny práce týždenne.
Tento článok je pre ľudí, ktorí AI denne používajú, ale nie sú programátori. Prejdeme tri úrovne: jazykový model (chatbot) → AI workflow → AI agent. Na každej ukážeme, čo vie, čo nevie a kde je hranica. Pridáme aj dáta o tom, ako to vyzerá vo firmách, koľko to stojí a na čo si dať pozor.
Stručne: tri úrovne AI
| Úroveň | Kto rozhoduje o postupe | Príklad z marketingu | Najväčšie obmedzenie |
|---|---|---|---|
| 1. Jazykový model (LLM) | vy, pri každej správe | „Napíš mi 5 nadpisov na blog o SEO.“ | nepozná vaše dáta, sám nič nespraví |
| 2. AI workflow | vy, vopred, raz a pevne | každé ráno stiahne novinky z tabuľky, zhrnie ich a pripraví návrh príspevku | vie len to, čo ste mu nakreslili |
| 3. AI agent | model sám, podľa cieľa | „Priprav tento týždeň tri LinkedIn príspevky z noviniek v odbore a skontroluj, či spĺňajú naše pravidlá.“ | drahší, menej predvídateľný, treba mu stráž |
Kľúčová veta celého článku: workflow sa stáva agentom vo chvíli, keď o postupe prestane rozhodovať človek a začne rozhodovať jazykový model. Nezáleží na tom, koľko krokov workflow má.
Úroveň 1: jazykový model, alebo „chytrý textový automat“
ChatGPT, Claude, Gemini či Copilot sú aplikácie postavené na veľkých jazykových modeloch (LLM, large language models). Fungujú jednoducho: vy zadáte vstup (prompt), model vráti výstup. Keď ho požiadate o e-mail s prosbou o stretnutie, dostanete zdvorilý e-mail.
Keď sa ho však spýtate „Kedy mám najbližšie stretnutie s klientom?“, bez prístupu k vášmu kalendáru neuspeje. To odhaľuje dve základné vlastnosti samotného modelu:
- Nepozná vaše interné dáta. Bol trénovaný na obrovskom množstve textov, no váš kalendár, CRM, ceny ani výsledky kampaní v ňom nie sú. Navyše má dátum, po ktorom už o svete nič nevie, pokiaľ mu nedáte prístup k vyhľadávaniu.
- Je pasívny. Nič nerobí sám od seba. Čaká na vašu správu a odpovie na ňu.
K tomu treba prirátať tretiu vlastnosť, na ktorú marketéri radi zabúdajú: model vie presvedčivo si vymýšľať. Keď mu chýba informácia, často vytvorí vierohodne znejúcu, no nesprávnu odpoveď. Preto sú čísla, citácie a fakty z čistého chatu vždy na kontrolu.
Úroveň 2: AI workflow, teda pevne daná cesta
Teraz modelu dáme pravidlo: „Vždy, keď sa pýtam na svoje stretnutia, najprv sa pozri do Google Kalendára a až potom odpovedz.“ Otázka „Kedy mám stretnutie s klientom?“ už dostane správnu odpoveď.
Keď sa však hneď opýtate „A aké bude v ten deň počasie?“, workflow zlyhá. Cesta, ktorú ste mu nastavili, vedie vždy len do kalendára a ten o počasí nič nevie. To je základná vlastnosť AI workflow: ide iba po cestách, ktoré vopred nakreslil človek. Odborne sa tejto ceste hovorí riadiaca logika (control logic).
Kroky môžete pridávať: napojiť predpoveď počasia cez API, nechať odpoveď prečítať syntetickým hlasom, poslať ju do Slacku. Kým však o poradí a podmienkach rozhoduje človek, stále ide o workflow, nie o agenta. Aj keby malo sto krokov.
RAG: strašidelná skratka, jednoduchý princíp
RAG (retrieval-augmented generation) znamená, že model si pred odpoveďou niečo vyhľadá, napríklad v kalendári, v dokumentoch firmy alebo na webe, a odpovie až na základe nájdeného. Chatbot na e-shope, ktorý odpovedá z vašich obchodných podmienok, je typický RAG. Z pohľadu architektúry je RAG jednoducho druh AI workflow.
Príklad z praxe: automatické príspevky na sociálne siete
Bežný marketingový workflow v nástroji ako Make, n8n alebo Zapier vyzerá takto:
- Zdroj: do Google Sheets priebežne vkladáte odkazy na zaujímavé články z odboru.
- Zhrnutie: AI nástroj s prístupom na web (napríklad Perplexity) každý článok zhrnie.
- Text: jazykový model (napríklad Claude alebo ChatGPT) podľa vášho promptu napíše návrh príspevku na LinkedIn a Instagram.
- Plán: celé to beží automaticky každý deň o 8:00.
Je to workflow, pretože postup je pevný: krok 1, krok 2, krok 3, každý deň o ôsmej.
Všimnite si ešte jednu vec. Keď sa vám príspevok nepáči, napríklad je nudný, prompt prepisujete vy. Skúšate, upravujete a znova spúšťate. Tento cyklus pokusov a opráv robí človek. To sa na tretej úrovni mení.
5 overených vzorov workflow
Anthropic, výrobca modelov Claude, vo svojom návode na budovanie agentov opisuje päť osvedčených vzorov workflow. Pre marketéra sú užitočným „menu“, z ktorého sa dá vyberať ešte predtým, než začne uvažovať o agentoch:
| Vzor | Ako funguje | Príklad z marketingu |
|---|---|---|
| Reťazenie promptov (prompt chaining) | výstup jedného kroku je vstupom ďalšieho | osnova článku → text → meta description → príspevok na sociálne siete |
| Smerovanie (routing) | AI zatriedi vstup a pošle ho správnou vetvou | e-maily zákazníkov: reklamácia → podpora, dopyt → obchod, spam → kôš |
| Paralelizácia | viac úloh alebo pokusov naraz, potom sa výsledky spoja | 5 variantov reklamného textu naraz, potom výber najlepšieho |
| Dirigent a pracovníci (orchestrator-workers) | hlavný model rozdelí úlohu medzi ďalšie modely | kampaň rozdelená na texty, vizuály a cielenie |
| Autor a kritik (evaluator-optimizer) | jeden model píše, druhý hodnotí podľa kritérií, opakuje sa to | príspevok sa prepisuje, kým nespĺňa pravidlá značky |
Posledné dva vzory sú už na hranici k agentom, pretože časť rozhodovania preberá model.
Úroveň 3: AI agent, teda model, ktorý rozhoduje sám
Vráťme sa k príspevkom. Čo doteraz robil človek?
- Premýšľal o postupe: najprv zozbierať články, potom ich zhrnúť, potom napísať príspevok.
- Konal pomocou nástrojov: tabuľka na odkazy, nástroj na zhrnutie, model na copywriting.
- Opakoval a vylepšoval: keď výsledok nesedel, upravil prompt a skúsil znova.
AI agent je systém, v ktorom tieto tri veci robí jazykový model:
- Uvažuje (reason): „Aký je najrýchlejší spôsob, ako zozbierať články? Kopírovať ich celé do dokumentu? Nie, jednoduchšie je uložiť odkazy a obsah stiahnuť iným nástrojom.“
- Koná (act) cez nástroje: „Excel alebo Google Sheets? Používateľ má Google účet už prepojený, takže Sheets.“
- Pozoruje a opakuje (iterate): „Mám prvú verziu príspevku. Je dobrá? Nechám ju ohodnotiť podľa zásad pre LinkedIn, opravím, čo neprešlo, a zopakujem, kým nebude všetko splnené.“
Z prvých dvoch slov pochádza názov najznámejšieho spôsobu, ako sú agenti postavení: ReAct (Reason + Act). Pochádza z výskumnej práce z roku 2022 a zjednodušene znamená: premysli si ďalší krok, vykonaj ho nástrojom, pozri sa na výsledok a rozhodni sa, čo ďalej.
Anthropic rozdiel definuje takto: workflow sú systémy, kde sú modely a nástroje riadené vopred danými cestami v kóde. Agenti sú systémy, kde model sám riadi svoj postup a použitie nástrojov.
Príklad agenta: hľadanie vo videozáznamoch
Predstavte si archív stoviek hodín videí a úlohu „nájdi všetky zábery lyžiara“. Workflow by potreboval, aby niekto vopred ručne označil každý záber štítkami. Agent namiesto toho uvažuje, ako vyzerá lyžiar (človek na lyžiach, sneh, rýchly pohyb), prechádza záznamy, sám rozhoduje, ktoré zábery zodpovedajú, a vráti výsledok. Nikto ich predtým ručne neoznačil.
Čo dnes agent v bežnej praxi reálne zvládne
- Asistenti na hlboký prieskum (deep research) v ChatGPT, Claude či Gemini sami naplánujú vyhľadávanie, prečítajú desiatky zdrojov, porovnajú ich a napíšu správu.
- Agenti v prehliadači vedia vyplniť formulár, porovnať ceny či nájsť informácie na viacerých weboch.
- Programátorskí agenti (Claude Code, Codex, Cursor) samostatne upravujú kód, spúšťajú testy a opravujú chyby.
- Agenti v nástrojoch na automatizáciu (napríklad n8n či Make) dostanú cieľ a sadu nástrojov a o poradí krokov rozhodujú sami.
Na napájanie agentov na firemné nástroje sa rýchlo presadil otvorený štandard MCP (Model Context Protocol). Anthropic ho predstavil koncom roka 2024 a dnes ho podporujú aj ďalší veľkí hráči. Pre marketéra to znamená, že agent sa dá čoraz ľahšie „pustiť“ do CRM, analytiky či redakčného systému webu.
Čo hovoria dáta
Ako rýchlo sa AI šíri vo firmách
- 20 % podnikov v EÚ s 10 a viac zamestnancami používalo v roku 2025 aspoň jednu AI technológiu. O rok skôr to bolo 13,5 %. Najviac Dánsko (42 %), najmenej Rumunsko (5,2 %). Najčastejším využitím je analýza textu (11,8 % podnikov). (Eurostat)
- Podľa prieskumu SAP a Ipsos z augusta 2026 využíva AI 73 % slovenských firiem (rok predtým 50 %), no len asi štvrtina ju má pevne zakotvenú v stratégii. Rozdiel oproti Eurostatu vyplýva z inej metodiky: prieskum sa pýtal manažérov na akékoľvek využívanie AI, Eurostat meria konkrétne technológie v podnikoch. (TECHBYTE.sk)
- Podľa McKinsey takmer 9 z 10 firiem pravidelne používa AI aspoň v jednej oblasti. Agentov už vo väčšom rozsahu nasadzuje 40 % veľkých firiem, no len 22 % menších. Nejaký vplyv AI na prevádzkový zisk (EBIT) uvádza 37 % respondentov. „Top výkonných“ firiem s výrazným vplyvom je stále len 6 %. (McKinsey, The State of AI, posledné vydanie)
Čo z toho plynie: AI používa takmer každý, no reálny finančný prínos vidí menšina. Rozdiel netvorí nástroj, ale to, či firma zmenila procesy.
Očakávania a vytriezvenie
- Gartner predpovedá, že do roku 2028 bude aspoň 15 % bežných pracovných rozhodnutí robených autonómne agentmi (v roku 2024 to bolo 0 %) a 33 % podnikového softvéru bude obsahovať agentické funkcie (v roku 2024 menej ako 1 %).
- Ten istý Gartner však odhaduje, že viac ako 40 % projektov s AI agentmi bude do konca roka 2027 zrušených pre rastúce náklady, nejasný prínos alebo nedostatočnú kontrolu rizík.
- Gartner upozorňuje aj na „agent washing“: predajcovia premenúvajú obyčajné chatboty, asistentov či RPA automatizácie na „agentov“. Z tisícok dodávateľov podľa neho ponúka skutočne agentické riešenia zhruba 130.
Ako rýchlo sa agenti zlepšujú
Výskumná organizácia METR meria, aké dlhé úlohy (merané časom, ktorý na ne potrebuje odborník) zvládnu AI agenti s 50 % úspešnosťou. Táto dĺžka sa za posledných šesť rokov zdvojnásobovala približne každých 7 mesiacov. V čase merania (marec 2025) zvládali najlepšie modely úlohy do 4 minút takmer vždy, no úlohy nad 4 hodiny menej ako v 10 % prípadov. Agenti sú teda výborní na krátke, jasne ohraničené úlohy. Na dlhé a nejasné úlohy zatiaľ nie.
Prečo agent nie je vždy lepší: náklady a riziká
1. Chyby sa násobia
Najdôležitejšia matematika, ktorú v súvislosti s agentmi uvidíte. Ak má každý krok úspešnosť 95 %, pravdepodobnosť, že dopadne dobre celá úloha, klesá s počtom krokov:
| Počet krokov | Úspešnosť kroku 99 % | Úspešnosť kroku 95 % | Úspešnosť kroku 90 % |
|---|---|---|---|
| 10 | 90 % | 60 % | 35 % |
| 20 | 82 % | 36 % | 12 % |
Agent, ktorý sám robí desiatky krokov, preto potrebuje kontrolné body a čo najmenej zbytočných krokov. Workflow s pevnou cestou sa dá oveľa ľahšie otestovať a opraviť.
2. Stoja viac
Podľa údajov Anthropicu spotrebujú agenti typicky asi 4-krát viac tokenov ako bežný chat a systémy s viacerými agentmi asi 15-krát viac. Každé „zamyslenie sa“, každé volanie nástroja a každé opakovanie stojí peniaze alebo limity predplatného.
3. Sú menej predvídateľné
Dva behy toho istého agenta môžu ísť rôznymi cestami. Pre kreatívne úlohy je to v poriadku. Pre fakturáciu, výplaty alebo odosielanie e-mailov zákazníkom to v poriadku nie je.
4. Bezpečnosť a prístupy
Agent, ktorý môže čítať e-maily, posielať správy alebo meniť web, je zároveň nový spôsob, ako vás môže niekto zneužiť. Hrozbou je napríklad prompt injection: skrytý text na webe alebo v e-maile, ktorý agentovi „prikáže“ niečo iné, ako ste chceli vy. Pravidlá:
- dajte agentovi len tie prístupy, ktoré nevyhnutne potrebuje,
- pri citlivých krokoch (odoslanie, platba, publikovanie, mazanie) vyžadujte schválenie človekom,
- zaznamenávajte, čo agent robil, aby ste vedeli dohľadať chybu,
- skúšajte ho najprv na testovacích dátach, nie na ostrom účte.
Workflow, alebo agent? Rozhodovacia pomôcka
Anthropic odporúča hľadať čo najjednoduchšie riešenie a zložitosť pridávať, až keď je to naozaj potrebné. V praxi to vyzerá takto:
| Situácia | Vhodné riešenie |
|---|---|
| Úloha sa robí vždy rovnako (každý deň, rovnaké kroky) | workflow |
| Výsledok musí byť kontrolovateľný a opakovateľný (faktúry, reporty, e-maily zákazníkom) | workflow |
| Stačí jeden dobrý prompt | obyčajný chat |
| Cesta k cieľu sa zakaždým líši a nedá sa vopred nakresliť | agent |
| Treba prehľadať veľa zdrojov a samostatne sa rozhodovať, čo ďalej | agent (napr. deep research) |
| Chyba by bola drahá alebo nevratná | workflow + schválenie človekom |
Z praxe: veľkú časť marketingových úloh, ktoré ľudia chcú „dať agentovi“, vyrieši dobre nastavený workflow, a to lacnejšie aj spoľahlivejšie.
7 praktických použití v marketingu a ktorá úroveň na ne stačí
| Úloha | Odporúčaná úroveň |
|---|---|
| Návrhy nadpisov, meta popisov a variantov reklám | chat (úroveň 1) |
| Zhrnutie nových recenzií zákazníkov každý pondelok do Slacku | workflow |
| Triedenie prichádzajúcich dopytov a e-mailov podľa typu | workflow (smerovanie) |
| Týždenný report z Google Analytics s komentárom | workflow |
| Príprava obsahového plánu z noviniek v odbore a kontrola podľa pravidiel značky | workflow s kritikom, prípadne agent |
| Prieskum konkurencie: produkty, ceny a komunikácia na 20 weboch | agent (deep research) |
| Priebežná optimalizácia kampaní so zmenami rozpočtov | agent len so schvaľovaním človekom |
Ako začať: prvý workflow za jedno popoludnie
- Vyberte úlohu, ktorú robíte aspoň raz týždenne rovnakým spôsobom a zaberie vám aspoň 30 minút.
- Rozpíšte ju na kroky na papier: odkiaľ berieme dáta, čo s nimi robíme, kam ide výsledok.
- Vyberte nástroj: Zapier (najjednoduchší), Make (vizuálny a flexibilný) alebo n8n (dá sa prevádzkovať aj na vlastnom serveri).
- Napíšte jeden kvalitný prompt pre krok s AI a dajte mu príklady dobrého výstupu.
- Nechajte to týždeň bežať s kontrolou a výsledok vždy pred použitím skontrolujte.
- Až keď workflow funguje, zvážte, či by niektorý krok nezvládol lepšie agent, napríklad kritik, ktorý text sám vylepšuje.
Slovník pojmov
- LLM (veľký jazykový model): model, ktorý generuje text. Je základom ChatGPT, Claude či Gemini.
- Prompt: zadanie pre model.
- Token: kúsok textu, v ktorom model počíta. Podľa tokenov sa platí.
- API: „zásuvka“, cez ktorú sa jeden program pripojí k druhému.
- AI workflow: vopred nakreslená postupnosť krokov s AI.
- RAG: model si pred odpoveďou vyhľadá informácie vo vašich dátach alebo na webe.
- AI agent: model, ktorý sám plánuje kroky, používa nástroje a opakuje, kým nesplní cieľ.
- ReAct: princíp agentov „uvažuj a konaj“ (Reason + Act).
- MCP: otvorený štandard na pripájanie AI k nástrojom a dátam.
- Human-in-the-loop: človek schvaľuje dôležité kroky.
- Agent washing: označovanie obyčajných chatbotov či automatizácií za „agentov“ kvôli marketingu.
Časté otázky
Aký je rozdiel medzi AI workflow a AI agentom?
Vo workflow určuje postup človek vopred a AI ide po pevnej ceste. Pri agentovi dostane AI cieľ a o krokoch, nástrojoch a opakovaní rozhoduje sama. Počet krokov nie je rozhodujúci. Rozhodujúce je, kto rozhoduje o postupe.
Je ChatGPT AI agent?
Samotný chat je jazykový model, ktorý odpovedá na správy. Niektoré jeho funkcie, napríklad hlboký prieskum alebo agentický režim v prehliadači, sa však už správajú ako agenti: sami plánujú kroky a používajú nástroje.
Čo je RAG jednoducho povedané?
Postup, pri ktorom si AI pred odpoveďou vyhľadá informácie, napríklad vo vašich dokumentoch, kalendári alebo na webe, a odpovie na ich základe. Je to druh AI workflow.
Sú AI agenti drahší ako bežné používanie AI?
Áno. Podľa Anthropicu spotrebujú agenti zhruba 4-krát viac tokenov ako chat a systémy s viacerými agentmi asi 15-krát viac. Preto sa oplatí nasadzovať ich tam, kde prinášajú výsledok, ktorý jednoduchší workflow nedokáže.
Nahradia AI agenti marketérov?
Skôr zmenia ich prácu. Agenti sú dnes spoľahliví hlavne pri krátkych, jasne ohraničených úlohách. Stratégia, rozhodovanie o značke a zodpovednosť za výsledok zostávajú na ľuďoch. Vyhrávať budú marketéri, ktorí vedia úlohy rozložiť a AI správne zadať a skontrolovať.
Ako spoznám „agent washing“?
Opýtajte sa, kto rozhoduje o ďalšom kroku. Ak nástroj len odpovedá na otázky alebo ide stále po tej istej ceste, nie je to agent, ale chatbot alebo workflow. To nie je zlé. Len by ste zaň nemali platiť ako za agenta.
Záver
Tri úrovne AI si stačí zapamätať jednou vetou: chatbot odpovedá, workflow vykonáva vaše kroky, agent si kroky vymýšľa sám. Najväčšie úspory dnes marketérom neprinášajú autonómni agenti, ale dobre navrhnuté workflow, ktoré odstránia rutinu. Agenta nasaďte tam, kde sa cesta k cieľu naozaj nedá nakresliť vopred, a vždy mu dajte kontrolu, limity a človeka, ktorý dôležité kroky schváli.
