techone --pruvodce=ai-agenti
Jak nasadit AI agenta ve firmě
Pro první nasazení vybíráme jeden úkol s jasně ověřitelným výsledkem. Agentovi zpřístupníme pouze potřebná data a nástroje a předem určíme, kdy musí požádat o lidské schválení.
Ve zkratce
- Úkol
- Agent dostane jasně vymezený úkol, očekávaný výsledek a pravidla pro situace, které má předat člověku.
- Pravidlo, nebo agent
- Pevně nastavený postup řídí předvídatelné kroky. Agent pomáhá s volným textem, dokumenty, hledáním souvislostí nebo návrhem klasifikace.
- Kontext a nástroje
- Agent pracuje jen s datovými zdroji a operacemi, které mu aplikace pro daný úkol zpřístupní.
- Oprávnění
- Čtení, návrh akce a zápis do systému oddělujeme. Významné kroky mohou vyžadovat schválení odpovědným člověkem.
- První ověření
- Správnost sledujeme na reálných případech, včetně chyb, neúplných dat a situací, kdy agent nemá pokračovat.
Jak AI agent pracuje
AI agent propojuje jazykový model s vymezeným úkolem, daty a nástroji. Dostane vstup, pracuje s povolenými zdroji a vrátí odpověď nebo připraví konkrétní operaci.
Chat obvykle vytváří odpověď z konverzace. Agent může načíst aktuální stav zakázky, porovnat údaje mezi systémy nebo zavolat připravenou funkci. Rozsah jeho práce ale vždy určuje aplikace: jaká data smí použít, které nástroje má dostupné a kdy musí případ předat člověku.
Kdy použít pravidlo a kdy AI agenta
Power Automate a podobné nástroje se hodí pro tok, který lze popsat předem: když nastane A, proveď B. Takový postup se dá opakovaně testovat podle stejného očekávaného výsledku.
Agent může pomoci tam, kde vstup tvoří volný text, dokument nebo jiný nestrukturovaný obsah. U podobných vstupů nemusí vždy vytvořit totožný výsledek. Proto se často osvědčí spojení obou přístupů: workflow drží pořadí procesu a agent zpracuje jeden vymezený krok.
Použijte pevné pravidlo
Vstup, podmínku i výsledek lze určit předem. Typickým příkladem je schválení podle částky, přesun souboru nebo odeslání upozornění. Agent by zde přidal složitost bez odpovídajícího přínosu.
Použijte AI agenta
Vstupem je volný text, dokument nebo více zdrojů, mezi kterými je potřeba najít souvislost. Agent připraví výsledek a podle dopadu dalšího kroku jej předá ke kontrole.
Při návrhu nejdřív oddělíme jednoznačné kroky, práci s nestrukturovaným vstupem a rozhodnutí, za která zůstává odpovědný člověk.
Kontext, nástroje a oprávnění
Agent pracuje pouze s tím, co mu aplikace pro daný úkol zpřístupní. Kontext může tvořit zákazník, zakázka, dokument nebo incident a vazby na jejich zdrojové záznamy. Stejný princip používá digitální dvojče firmy, které spojuje data a vztahy nad současnými systémy.
MCP (Model Context Protocol) nabízí standardní způsob, jak může AI aplikace získávat data nebo volat připravené funkce v dalších systémech. U vzdáleného připojení přes HTTP podporuje také autorizaci.
Samotný protokol ale neurčuje oprávnění konkrétního firemního procesu. V projektu proto nastavujeme identitu uživatele, dostupné nástroje, oddělení čtení a zápisu, schvalování významných akcí a záznam jednotlivých volání. Před nasazením také určujeme, která data se předávají poskytovateli modelu a jak dlouho se uchovávají.
Tak může vypadat dotaz, pro který má agent pouze čtecí operace:
>dotaz: kolik máme skladem položky X a jaký je stav zakázky 4471?
- ERP sklad 320 ks, z toho 80 rezervováno
- zakázka 4471 ve výrobě, termín potvrzen
- kontrola přístupu operace pouze pro čtení
→ odpověď240 ks volných, zakázka ve výrobě, termín potvrzen
Kdy stačí jeden agent a kdy rozdělit role
Více agentů dává smysl tehdy, když má proces jasně oddělené úkoly, rozdílná oprávnění nebo samostatná kontrolní kritéria. Jeden může shromáždit podklady, druhý je porovnat se zdroji a třetí připravit výstup.
Řídicí vrstva, označovaná jako orchestrátor, určuje pořadí práce a předávání dat. Jednotlivé role lze testovat samostatně, zároveň ale roste počet volání, složitost provozu a počet míst, kde je potřeba ošetřit chybu. U jednoduchého úkolu proto zpravidla stačí jeden agent nebo běžné workflow.
Úkoly, které lze agentovi vymezit
Pro každý úkol musí být známý vstup, určené zdroje, povolené operace a pravidlo pro situace, které má převzít člověk.
Příprava podkladů pro obchod
Agent shromáždí povolené údaje o firmě, ověří duplicitu v CRM a připraví podklad podle stanovených kritérií. Jedním ze zdrojů firemních dat může být Sales2Up. Neúplný nebo rozporný případ předá obchodníkovi.
Dotazy do systémů
Uživatel se zeptá na sklad, zakázku nebo zákazníka. Agent načte pouze údaje, ke kterým má uživatel i použitý nástroj oprávnění, a v odpovědi zachová odkaz na zdroj.
Kontrola dat napříč systémy
Agent porovná vybraná pole mezi CRM, ERP a registry a označí možné rozpory. Opravu zdrojového záznamu provede až po potvrzení odpovědným uživatelem.
Zpracování dokladů
Agent vytěží údaje z faktury nebo objednávky a porovná je s dostupnými daty v ERP. Pokud údaje souhlasí, doklad pokračuje nastaveným workflow. Při rozdílu se případ předá určenému uživateli. Podrobnosti uvádí průvodce automatizací dokumentů.
Jak ověřujeme prvního agenta
U prvního nasazení odděleně kontrolujeme kvalitu výsledku, správnost použitých zdrojů a chování v situaci, kdy agent nemá pokračovat.
Vybereme jeden úkol
Určíme vstup, očekávaný výsledek, odpovědnou roli a případy, které má agent předat člověku.
Připravíme kontext a nástroje
Napojíme pouze potřebné zdroje a povolíme jen operace nezbytné pro vybraný úkol.
Ověříme reálné případy
Zahrneme správné výsledky, neúplná data, chyby i situace, ve kterých má agent práci zastavit.
Rozšíříme agenta podle výsledků
Další zdroje, uživatele nebo zápisové operace přidáme až po potvrzení výsledků a pravidel kontroly.
Často kladené otázky
Jaký je rozdíl mezi AI agentem a chatbotem?
Chatbot obvykle vytváří textovou odpověď z konverzace. Agent má přístup k vymezeným datům a nástrojům a může v několika krocích získat informace nebo připravit povolenou operaci. Rozsah práce určuje konkrétní implementace, oprávnění a pravidla schválení.
Potřebujeme AI agenta, nebo stačí běžná automatizace?
Když lze vstup, podmínku i výsledek určit předem, začínáme běžnou automatizací. Agent může pomoci s volným textem, dokumenty, hledáním souvislostí nebo návrhem klasifikace. Oba přístupy se často kombinují v jednom procesu.
Jak agent přistupuje k ERP nebo CRM?
Přístup vede přes připravené API, MCP server nebo jinou integrační vrstvu. Pro konkrétní úkol nastavíme identitu, dostupné zdroje, povolené operace a oddělíme čtení od zápisu. Agent tak nepracuje s celým systémem, ale pouze s vymezenou částí.
Co řeší MCP a co musíme nastavit v konkrétním projektu?
MCP nabízí standardní způsob, jak AI aplikaci zpřístupnit data a připravené funkce v dalších systémech. U vzdáleného připojení přes HTTP podporuje také autorizaci. V konkrétním projektu stále nastavujeme identity, oprávnění, povolené operace, schvalování zápisů, záznam volání a pravidla pro data předávaná modelu.
Jak probíhá ověření prvního agenta?
Vybereme jeden úkol s kontrolovatelným výsledkem, připravíme potřebné zdroje a omezíme dostupné operace. Potom ověříme běžné případy, neúplná data, chyby a správné předání člověku. Teprve podle výsledků rozšiřujeme zdroje, uživatele nebo zápisové operace.
Plánujete AI agenta?
Na úvodní konzultaci projdeme konkrétní úkol, dostupná data a pravidla, podle kterých lze výsledek ověřit. Společně určíme potřebná oprávnění, integrace a kontrolní body.