McKinsey například uvádí, že zhruba 80 % organizací dnes využívá generativní AI, ale jen menšina z nich zatím vidí výrazný dopad na hospodářské výsledky. Důvod je prostý. Provozní modely a schopnost škálovat zaostávají za mediálním humbukem. Právě tato mezera však představuje příležitost pro firmy i jednotlivce, kteří chtějí získat skutečnou konkurenční výhodu.

Pozornost se přesouvá od jednorázových promptů k víceagentním pracovním tokům, které dokážou plánovat, volat nástroje, ověřovat výsledky a v klíčových momentech eskalovat úkoly k lidem. McKinsey to popisuje jako „využití výhody agentické AI“ s tím, že skutečná hodnota nevzniká výběrem modelu, ale redesignem procesů. Zároveň je ale na místě opatrnost. Gartner varuje před tzv. agent-washingem a odhaduje, že do roku 2027 bude více než 40 % agentických projektů zrušeno kvůli nejasné návratnosti. Překlad do praxe: skutečná orchestrace vyžaduje kvalitní návrh úloh, měřitelné KPI, pozorovatelnost a přehledné kontrolní mechanismy – nikoli chaotickou „zoo botů“. Agenty je nutné stavět kolem konkrétních obchodních cílů, jako je doba zpracování, přesnost, riziko nebo růst příjmů.

Kódovací kopiloti se rychle stávají standardem. Dalším krokem jsou end-to-end vývojové workflow: od syntézy požadavků přes generování testů a bezpečný refaktoring až po důkazy o souladu s regulacemi. Výzkum GitHubu ve spolupráci s Accenture ukazuje výrazné úspory času i vyšší spokojenost vývojářů, přičemž s rostoucí zkušeností přichází i trvalý nárůst produktivity. 

Na scénu navíc vstupují agenti pro SRE a datové inženýrství, kteří zlepšují zpětnou vazbu mezi aplikacemi, daty a infrastrukturou. Rozhodující otázka nezní, kdo používá copiloty, ale kdo je dokáže integrovat do řízených repozitářů, politik a automatizací, aby zlepšil kvalitu, bezpečnost a auditovatelnost.

 

Úspěšné organizace budou v příštím roce systematicky pracovat se třemi disciplínami:

Zpráva McKinsey State of AI 2025 ukazuje, že zatímco adopce je vysoká, schopnost škálovat, prostřednictvím KPI, roadmap a kvalitních datových základů, zůstává vzácná. Firmy, které ji zvládnou, získávají násobně vyšší hodnotu. Prakticky to znamená investice do vyhledávání, sémantiky, datové genealogie a myšlení ve stylu „platforma, ne projekt“.

Regulace už nejsou hypotetické. Povinnosti vyplývající z EU AI Act pro modely obecného použití začaly platit od 2. srpna 2025. V USA mezitím rámec NIST AI RMF a profil generativní AI spolu s federálními směrnicemi (OMB M-24-10) nastavují konkrétní požadavky na řízení rizik a odpovědnost. Pro firmy to znamená méně času na improvizaci a více tlaku na zavedení modelových karet, hodnocení, hlášení incidentů a kontrol „human-in-the-loop“ přímo do procesů. Rychlá a systematická compliance se stává konkurenční výhodou.

Samotný prohlížeč se mění v agentický pracovní prostor. Nové nástroje jako Comet nebo ChatGPT Atlas umožňují autonomně vyhledávat, porovnávat, shrnovat a jednat na webu. Pro podniky to otevírá prostor pro řízené piloty: průzkum trhu, dodavatelskou due diligence, compliance monitoring nebo strukturované výzkumné poznámky. Klíčem je přistupovat k agentickému prohlížení stejně jako k jakémukoli externímu datovému zdroji: nastavte rozsah, zaznamenávejte akce a ověřujte výstupy, než se dostanou do regulovaných pracovních postupů.

Model Context Protocols (MCP) nahrazují křehké integrace standardizovanými, auditovatelnými připojeními s minimálními oprávněními. Handshake Agent-to-Agent (A2A) komunikace pak umožňuje delegaci a koordinaci úloh napříč nástroji, týmy i dodavateli.

Doporučení je jasné: začněte s nízkorizikovými workflow, definujte vlastníky, evaluační brány a eskalaci na člověka. Postupně se tak posunete od izolovaných botů k řízené, škálovatelné síti agentů.

Největší brzdou nebude technologie, ale lidé. Ne proto, že by byli neschopní, ale proto, že mají rádi stabilitu a předvídatelnost – a právě ty AI svět zatím nenabízí. Úspěšné organizace proto investují do školení, bezpečného prostoru pro experimentování a kultury „rychle selhat, ale bez obviňování“.

 

Příští rok bude patřit organizacím, které AI učiní nudnou, v tom nejlepším možném smyslu. Orchestrace, asistenti kódování, škálované případy použití, posílené kontroly, agentické procházení a interoperabilita MCP/A2A se stanou trvalými výhodami, pokud budou fungovat na řízených kontextových datech s integrovanými politikami jako kód, genealogií a lidským dohledem. Zacházejte s každým asistentem jako s produktem s vlastníkem, SLA, evaluačními bránami a jasnou eskalační cestou. Propojte agenty se stejným zdrojem pravdy prostřednictvím bezpečných, auditovatelných konektorů a měřte výsledky, aby byla viditelná a neustále se zlepšovala kvalita, riziko a doba návratnosti. 

Udělejte to a pilotní projekty se promění v platformy, dodržování předpisů se stane multiplikátorem síly a agenti se vyvinou z chytrých demoverzí v odpovědné členy týmu. Je to optimistická cesta, protože je pragmatická. Rychle dosáhnout úspěchů, spojit je na důvěryhodném základě a škálovat AI, která spolehlivě podporuje, inovuje a transformuje podnikání.