Ještě před pár lety vypadalo firemní využití umělé inteligence poměrně jednoduše. Zaměstnanec otevřel ChatGPT, nechal si napsat e-mail, shrnout dokument nebo vytvořit pár variant reklamního textu a pokračoval v práci.
Tohle období ale pomalu končí.
Nová generace AI agentů už nemá pouze odpovídat na otázky. Dostane úkol, přístup k potřebným nástrojům a datům, sama si práci rozdělí na jednotlivé kroky a následně ji provede. Člověk se tak postupně přesouvá z role vykonavatele do role někoho, kdo práci zadává, kontroluje a rozhoduje o výsledku.
A právě tady začíná být situace podstatně zajímavější než další debata o tom, jestli ChatGPT napíše lepší e-mail než zaměstnanec.
Česká firma Buga podle CzechCrunch už dnes provozuje několik větších a menších AI agentů a jejich počet chce dál výrazně rozšiřovat. Cílem přitom není jen automatizovat několik rutinních úloh. Firma se snaží vytvořit systém, kde jednotliví agenti dostávají vlastní role, pravomoci, firemní znalosti a lidské garanty.
Pokud se podobný model osvědčí, může změnit něco mnohem důležitějšího než rychlost jednotlivých úkolů.
Může změnit samotnou strukturu firmy.
Agent není další chatbot
Pod pojmem AI agent se dnes bohužel schovává prakticky všechno, co má někde tlačítko „AI“. Skutečný rozdíl proti klasickému chatbotu je ale poměrně zásadní.
Chatbotu položíte otázku a čekáte na odpověď.
Agentovi zadáte cíl.
Může například dostat úkol projít data o prodejích, porovnat je se skladem, identifikovat produkty s neobvyklým vývojem, připravit report a upozornit člověka pouze na položky, kde je potřeba rozhodnutí.
Nemusí přitom jít o jedinou interakci. Agent může používat další nástroje, pracovat s dokumenty, spouštět skripty nebo předávat část práce dalším agentům.
OpenAI ve své letošní analýze využívání Codexu popisuje právě tento posun od krátkých konverzací k delegování delších úloh. V květnu 2026 zadalo více než 70 % sledovaných uživatelů Codexu alespoň jednu úlohu, kterou systém odhadl na více než hodinu lidské práce. Přibližně čtvrtina uživatelů zadala alespoň jednu úlohu odpovídající více než osmi hodinám lidské práce. OpenAI zároveň upozorňuje, že jde o modelové odhady, nikoliv přesné měření skutečně ušetřeného času.
To už není pohodlnější Google.
Je to delegování práce.
Největší změna nemusí být propouštění lidí
Když se mluví o AI a zaměstnanosti, debata obvykle okamžitě skončí u otázky, kolik lidí přijde o práci.
To možná není ta nejzajímavější otázka.
Podstatnější může být, jaké lidi budou firmy vůbec potřebovat.
Tradiční firma má juniory, zkušenější specialisty, seniory a manažery. Junior řeší jednodušší práci, senior složitější problémy, kontroluje výstupy a část svých zkušeností postupně předává ostatním.
AI agenti mohou část této pyramidy narušit.
Ne proto, že by se junior přes noc stal seniorem. To by bylo příliš jednoduché a také dost nebezpečné. Seniorní člověk obvykle nemá hodnotu jen proto, že něco umí rychleji napsat. Má zkušenosti, zná výjimky, dokáže rozeznat problém dříve, než se projeví, a hlavně ví, kdy výsledek vypadá správně, ale správný není.
AI ale může výrazně rozšířit množství práce, které zvládne méně zkušený člověk.
Výzkum OpenAI například ukazuje, že pracovníci mimo technické obory začali pomocí Codexu vykonávat také činnosti spadající do programování, automatizace, datových transformací nebo technické analýzy, tedy práce, ke kterým by dříve často potřebovali dalšího specialistu.
Microsoft ve svém Work Trend Indexu pro rok 2026 popisuje podobný posun. Z 20 tisíc dotázaných pracovníků používajících AI uvedlo 66 %, že díky ní tráví více času prací s vyšší hodnotou, a 58 % tvrdilo, že dnes vytváří výsledky, kterých by před rokem nebyli schopni.
Tady může začít skutečný problém pro tradiční organizační strukturu.
Firma možná nebude potřebovat deset juniorů a tři seniory.
Možná jí bude stačit několik schopných lidí, kteří budou řídit desítky automatizovaných procesů.
Hodnota seniora ale nezmizí. Spíš se změní
Bylo by lákavé dojít k závěru, že seniorní zaměstnanci jsou další na seznamu profesí určených k likvidaci.
Realita je složitější.
Výzkum zaměřený na vývojáře ukazuje, že zkušenější lidé mají při práci s agentní AI jednu zásadní výhodu: dokážou práci lépe rozdělit, přesněji delegovat a především poznat, kdy systém míří špatným směrem. Méně zkušení uživatelé mají naopak větší tendenci buď AI příliš věřit, nebo ji používat příliš opatrně.
To dává smysl i mimo programování.
Člověk, který dvacet let nakupuje zboží, pravděpodobně pozná podezřelou nabídku dodavatele během několika sekund. AI může perfektně spočítat marži, porovnat ceníky a připravit analýzu. Nemusí ale vědět, že daný dodavatel každoročně před sezonou slibuje termíny, které potom nedodrží.
Taková zkušenost se velmi obtížně zapisuje do tabulky.
Budoucí senior proto možná nebude člověk, který vykonává nejvíce práce.
Bude to člověk, který ví, jakou práci zadat, komu ji zadat a podle čeho poznat, že výsledek stojí za něco.
Skutečným aktivem firmy začínají být její znalosti
Tady se dostáváme k možná nejzajímavější části celého tématu.
Samotný jazykový model může používat prakticky každý.
Pokud dvě firmy používají stejné GPT, Claude nebo Gemini, samotný model jim žádnou dlouhodobou konkurenční výhodu neposkytuje.
Rozdíl vzniká až v tom, co firma modelu dokáže poskytnout.
Interní dokumentaci.
Historii rozhodnutí.
Procesy.
Pravidla.
Produktová data.
Informace o zákaznících.
Výsledky předchozích úloh.
A hlavně způsob, jakým se všechny tyto informace dostávají ke správnému agentovi ve správný okamžik.
Microsoft Research při testování agentů v simulovaném firemním prostředí narazil právě na tento problém. Když agenti dostali větší množství souběžných úkolů, jejich úspěšnost prudce klesala. Výzkumníci identifikovali problémy s přetížením paměti, vzájemným rušením informací z různých úloh a složitými závislostmi mezi úkoly.
Výrazné zlepšení nepřinesl jednoduše větší model, ale lepší architektura systému: hierarchické plánování, oddělené subagenty, víceúrovňová paměť a ukládání zkušeností z již dokončených úloh.
Jinými slovy: budoucí konkurenční výhodou firmy nemusí být to, že „používá AI“.
Tu bude používat každý.
Výhodou bude, jak dobře firma dokázala převést své znalosti do systému, se kterým AI umí pracovat.
A tady většina firem narazí
AI agenti vypadají na prezentaci fantasticky.
Pak je pustíte do skutečné firmy.
Produkt má tři různé názvy v ERP, skladu a e-shopu. Ceníky chodí jednou jako XLSX, podruhé jako CSV a potřetí jako PDF vytvořené patrně někým, kdo lidstvo nenávidí. Polovina procesů není nikde popsána, protože „to přece Jana ví“. Některé informace jsou v e-mailu, další v hlavě obchodníka a poslední verze důležité tabulky se jmenuje final_final_2_opravdu_final.xlsx.
A na tento organismus chcete pustit autonomní software.
Microsoft ve svém letošním průzkumu uvádí, že organizační faktory, například kultura, podpora managementu nebo způsob práce s lidmi, mají podle jeho dat na hlášený přínos AI přibližně dvojnásobný vliv proti samotnému individuálnímu úsilí zaměstnance.
To je poměrně zásadní poznatek.
Problém mnoha firem nebude v tom, že nemají dost chytrou AI.
Budou mít příliš velký bordel na to, aby ji mohly bezpečně pustit k práci.
Jak by to mohlo vypadat v běžném e-shopu
Není potřeba rovnou stavět virtuální firmu se třiceti agenty.
Mnohem realističtější je postupné rozdělení práce.
Jeden agent může sledovat změny v dodavatelských cenících a hlásit neobvyklé změny cen.
Další může kontrolovat produkty s vysokou návštěvností a nízkou konverzí.
Jiný může procházet reklamní kampaně a připravovat seznam anomálií, které stojí za kontrolu.
Další může porovnávat skladovou zásobu s rychlostí prodeje a upozorňovat na položky, kde hrozí vyprodání nebo naopak dlouhodobé ležení peněz ve skladu.
Marketingový agent může připravovat podklady pro mailing podle skutečných prodejních výsledků.
Agent zákaznické podpory může předzpracovat požadavky a člověku předat pouze případy, kde je potřeba rozhodnutí.
A nad tím může být člověk, který neurčuje každý jednotlivý krok, ale cíle a hranice.
Tady začíná být vidět ekonomika celého systému.
Nejde o to nahradit jednoho zaměstnance jedním robotem.
Jde o to, že jeden zaměstnanec může dostat výrazně větší operační kapacitu.
Čtyřdenní pracovní týden je možná zajímavější než propouštění
Právě český případ Bugy je zajímavý také tím, že firma veřejně spojuje nasazování agentů s možností přejít na čtyřdenní pracovní týden při zachování mzdy, pokud systém obstojí v hlavní sezoně.
To je možná mnohem realističtější první fáze dopadu AI než představa prázdných kanceláří.
Pokud firma dokáže stejný objem práce zvládnout za 32 hodin místo 40, má několik možností.
Může snížit počet lidí.
Může vyrábět více.
Může snížit náklady.
Nebo může pracovní dobu zkrátit a použít vyšší produktivitu jako zaměstnaneckou výhodu.
Která varianta nakonec převládne, nebude rozhodovat technologie.
Rozhodne ekonomika konkrétní firmy.
AI ale pořád dělá chyby
Tady je potřeba brzdit všechny prezentace o virtuálních zaměstnancích, kteří budou pracovat 24 hodin denně a nikdy si nevezmou dovolenou.
Současní agenti pořád selhávají.
A někdy velmi výrazně.
Microsoft Research například zjistil, že při zvýšení počtu souběžných úloh z 12 na 46 klesla u testovaných základních agentních systémů míra dokončení z 16,7 % na 8,7 %. Ani jejich vlastní výrazně pokročilejší architektura nebyla zdaleka stoprocentní. Při 46 úlohách dokončila 15,2 % úloh.
To rozhodně nevypadá jako zaměstnanec, kterému zítra svěříte přístup k firemnímu bankovnímu účtu a odjedete na měsíc k moři.
Agentní AI dnes funguje nejlépe tam, kde má jasně definované prostředí, dostupná data, kontrolovatelné výsledky a omezené pravomoci.
Čím dražší může být chyba, tím důležitější zůstává člověk.
Největší změnou možná nebude AI. Bude jí firma samotná
První vlna generativní AI byla hlavně o jednotlivci.
Člověk dostal nástroj a pracoval rychleji.
Druhá vlna může být úplně jiná.
Nebude se optimalizovat člověk.
Začnou se překreslovat celé pracovní procesy.
A potom začne být zbytečné ptát se, jestli AI nahradí účetního, marketéra, programátora nebo nákupčího.
Pravděpodobnější je, že rozebere jejich práci na jednotlivé části. Některé převezme kompletně, jiné pouze připraví a ty nejdůležitější nechá člověku.
Výsledkem nemusí být firma bez zaměstnanců.
Může to být firma s výrazně menším týmem, kde každý člověk řídí množství automatizované práce, které by ještě před několika lety vyžadovalo několik dalších kolegů.
Česká Buga zatím není důkazem, že tento model funguje ve velkém. Výsledky bude možné rozumně hodnotit až po delším provozu a ekonomická čísla firmy zatím musíme brát především jako její vlastní zkušenost.
Je ale zajímavým náznakem toho, kam se firmy mohou posouvat.
A pokud se tento směr potvrdí, nebude hlavní otázkou, kdo používá ChatGPT.
Za pár let to bude stejně zajímavá informace jako dnes tvrzení, že firma používá internet.
Mnohem důležitější bude, která firma dokázala svoji práci přestavět tak, aby člověk nedělal to, co může udělat stroj, a stroj nerozhodoval o tom, čemu ještě nerozumí.
