Dnes máme mnoho případů, kdy využití AI práci s daty zjednodušuje. Úkoly, které dříve trvaly hodiny, zaberou pár minut. Vývoj ale směřuje od dnešních „LLM pomocníků“ k ještě vyšší úrovni automatizace. V nepříliš daleké budoucnosti totiž budou datové a mnohé další úkoly plnit AI agenti, kteří dokáží navzájem spolupracovat a jen s minimální lidskou pomocí řešit komplexní úkoly. Než se tak ale stane, je potřeba současnou technologie ještě výrazně vylepšit.

Jedním ze současných největších přínosů AI ve správě dat je demokratizace přístupu. S daty dnes může pracovat mnohem širší okruh uživatelů. Přestávají být oblastí, které vládnou pouze IT experti, ale možnost získat z databází a „tabulek“ informace klíčové pro strategická rozhodnutí se otevírá každému s patřičným AI nástrojem. Firmy díky tomu mohou fungovat rychleji a efektivněji. Situace, kdy jsou IT zaměstnanci zavalení požadavky manažerů, aby jim „vytáhli“ informace o bůhvíčem, se pomalu stávají minulostí. Každé „můžeš mi prosím zjistit“ v praxi znamenalo spoustu času stráveného nad tím, které databáze a jaký typ informací je třeba využít, a následně nad precizním formulováním SQL příkazu. Jedním z našich prvních AI projektů tak byl nástroj, který umí SQL dotazy formulovat sám na základě promptů v přirozeném jazyce. 

Vůbec nejpoužívanější AI funkcí na naší platformě je pak generování pravidel pro nakládání s daty – tedy nastavování, kdo s danou informací může co dělat. Oblibě se ale těší i funkce, které se dívají na data a popisují jejich význam a kontext, nebo které uživatelům pomáhají dostat z naší platformy maximum – například navedením k nástroji nejvhodnějšímu pro daný úkol. Uživatelé si tak mohou „chatovat“ s dokumentací, nechat si doporučovat nástroje a spojovat je dohromady nebo AI použít k tomu, aby zpětně vyhodnotila, jak kvalitní je výsledek, který z dat získali. Ultimátním cílem ale je všechny tyto a mnohé další funkce spojit do jedné. Vytvořit AI nástroj, který na základě promptu sám provede všechny kroky a uživateli předá srozumitelné konkrétní informace, které lze okamžitě použít v praxi. Ano, řeč je o AI agentovi.

AI agenti představují budoucnost zpracování dat. Rozumíme jimi semiautonomní umělou inteligenci, která umí používat nástroje k dynamickému plánování a plnění komplexních úkolů a na úkolech také navzájem spolupracovat. Takoví agenti budou dalším logickým krokem ve vývoji umělé inteligence. Zatím je ale představa tisíců „robotů“ s různými osobnostmi, kteří si pomáhají jako zaměstnanci ve firmě a na žádost uživatelů plní extrémně složité úkoly, stále ze světa sci-fi filmů.

Pro naplnění této vize je totiž zásadní jedna věc: bezpečná a spolehlivá komunikace mezi agenty navzájem, čili to, jak si mezi sebou předávají data. Právě to v současné době představuje největší technologickou překážku. Než se vyřeší, budou agenti spolupracovat jen omezeně. V situaci, kdy pomyslný agent A požádá agenta B o data, vyvstává celá řada problémů: Odkud požadavek pochází? Kdy data zpřístupnit? Kdy přístup odmítnout? V jaké formě data předat? Co s nimi agent udělá? Odpověď na tuto otázku přinášejí komunikační protokoly, z nichž už některé nyní známe, například A2A (agent-to-agent) protokol od Googlu, nebo open-source MCP (model context protocol) od společnosti Anthropic. Svět je ale ve fázi experimentování a vývoje, a to se týká i nás. Už nyní se nás totiž klienti ptají, jak mohou své agenty naučit pracovat s naší platformou.

Jak rychlý bude vývoj AI agentů a jejich role v datovém managementu? Mnohé může napovědět to, jakou cestou se ubíral vývoj LLM a generativní AI. První seriózní nástroje, které nebyly jen zábavná aplikace a šlo je vážně uplatnit v práci, se začaly objevovat v roce 2023. Než si na ně svět zvykl, trvalo to další rok. AI se ale během té doby z rané fáze vývoje přesunula do pozice, kdy si najednou všechny firmy uvědomily, že jim bez ní ujede vlak. Začal překotný vývoj nových nástrojů, implementace AI do současných platforem (Ataccama nebyla výjimkou) a experimentování s tím, kde všude a jak lze AI využít. Než se AI stala dnešní pevnou součástí pracovních procesů, trvalo to poslední 2–3 roky. 

Když se podíváme na AI agenty, situace je podobná. Jejich vývoj začal před rokem, první se dostávají do praxe a firmy si začínají uvědomovat, že ani tato technologie jim nesmí utéct. Nyní se tak nacházíme v oné divoké experimentální fázi, agenti jsou v aktivním vývoji a probíhá jejich překotné testování. Očekáváme, že první pokročilejší agenti vstoupí na trh ke konci letošního roku, zásadnější změnu přinese až příští rok. Plně vyspělí agenti schopní vzájemné spolupráce se ale nejspíš objeví až o další rok později. Od roku 2027 se postupně stanou v pracovním světě standardem – jak v datovém managementu, tak v dalších oblastech.

Když se před dvěma lety začala dostávat AI na scénu, stalo se pro řadu firem tématem číslo jedna být „AI ready“. Výsledky generativní umělé inteligence jsou totiž jen tak kvalitní, jak kvalitní jsou data, se kterými pracuje. Podniky začaly investovat do důvěryhodnosti dat a naplno se ukázala důležitost klíčových pozic jako CDO (chief data officer).

Nyní se otevírá téma nové: připravenost na AI agenty. Firmy se musí připravit na to, že agenti změní pracovní procesy a že budou interagovat mezi sebou i dalšími systémy. Co to znamená pro svět datového managementu a datové specialisty? Že jejich role nijak neztrácí na významu, ba právě naopak. Stejně jako současná generativní inteligence budou i AI agenti potřebovat perfektní data. Jedním z hlavních úkolů „datařů“ bude i nadále strategické řízení dat a vyřešení otázek bezpečnosti, etičnosti a souladu s předpisy. Paradoxem přitom je, že právě AI agenti jim v tom značně pomůžou. Jako příklad aktuálního pokroku lze zmínit třeba nedávno spuštěné GPT-5, které je vyladěné pro efektivnější používání nástrojů pro agentické aplikace. Dnešní AI nástroje přebírají sochařinu s SQL a dobývání stravitelných informací z nekonečných databází, role datových specialistů se tak přesouvá do pozice stratégů, kteří ve firmě dohlížejí na data jako celkový fenomén. S nástupem AI agentů se tento trend ještě prohloubí.