Keď firma začne uvažovať nad AI na svojom webe, prvá predstava býva často veľmi jednoduchá:
„Dáme tam ChatGPT, nahráme mu naše dokumenty a zákazníci sa ho budú pýtať.“
Na základný chatbot môže podobný prístup stačiť.
Ak však chceme vytvoriť skutočného firemného AI agenta, veľmi rýchlo zistíme, že jazykový model je iba jedna časť oveľa väčšieho systému.
Agent musí vedieť pracovať s firemnými dátami, rozlišovať aktuálne a historické informácie, používať nástroje, komunikovať s databázou alebo API, rešpektovať oprávnenia, zaznamenávať svoju činnosť a vedieť, kedy úlohu odovzdať človeku.
Preto sa na firemného AI agenta pozeráme predovšetkým ako na softvérovú aplikáciu, ktorej jednou z vrstiev je umelá inteligencia.
Najskôr jedno terminologické spresnenie
Keď v tomto článku používame formuláciu:
„ChatGPT vložený na web“
myslíme tým zjednodušenú predstavu, že firma pridá na web chatovacie okno napojené na veľký jazykový model a očakáva, že tým vznikne firemný AI agent.
Samotné chatovacie rozhranie však ešte neurčuje, čo sa nachádza za ním.
Navonok môžu dve riešenia vyzerať prakticky rovnako:
Napíšte svoju otázku...
[ ]
Odoslať
Za prvým môže byť iba jednoduché volanie jazykového modelu.
Za druhým môže byť komplexná aplikácia napojená na:
- firemné dokumenty,
- produktový katalóg,
- CRM,
- e-shop,
- databázu,
- interné API,
- objednávkový systém,
- vlastnú business logiku.
Rozdiel teda nie je v samotnom chatovacom okne.
Rozdiel je v tom, čo sa deje po odoslaní otázky.
Najjednoduchší AI chat
Veľmi zjednodušene môže fungovať takto:
Používateľ
|
v
Chat na webe
|
v
Jazykový model
|
v
Odpoveď
Používateľ sa opýta:
„Aké čerpadlo potrebujem do studne?“
Jazykový model vytvorí všeobecnú odpoveď na základe informácií, ktoré má k dispozícii.
Takéto riešenie môže byť užitočné.
Ale ešte nevie:
- čo firma skutočne predáva,
- ktorý produkt je skladom,
- aká je jeho aktuálna cena,
- aké sú interné pravidlá firmy,
- čo konkrétny zákazník už kúpil,
- v akom stave je jeho objednávka.
Pridajme firemné dokumenty
Ďalším krokom môže byť knowledge base.
Používateľ
|
v
AI
|
v
Knowledge base
|
+-- FAQ
+-- články
+-- manuály
+-- PDF
+-- interné dokumenty
Teraz už môže AI odpovedať aj z informácií, ktoré neboli súčasťou všeobecných znalostí modelu.
To je výrazný posun.
Stále však nemusí ísť o plnohodnotného agenta.
Knowledge base nie je celý firemný systém
Predstavme si otázku:
„Máte produkt X skladom?“
V knowledge base môže byť produktová stránka vytvorená pred mesiacom.
Vtedy bolo skladom desať kusov.
Dnes môže byť stav:
0 kusov
Ak agent odpovie zo starej informácie, dostávame síce odpoveď založenú na firemných dátach, ale stále nesprávnu.
Potrebujeme preto ďalšiu vrstvu:
prístup k aktuálnym dátam.
Firemný agent kombinuje znalosti a aktuálny stav
Praktický agent môže rozlišovať:
Knowledge base
- na čo je produkt určený,
- ako sa používa,
- aké má parametre,
- aké existujú obmedzenia,
- čo uvádza manuál.
Aktuálny systém
- dnešná cena,
- sklad,
- stav objednávky,
- aktuálny zákazník,
- aktuálny obchodný prípad.
Výsledná odpoveď môže vzniknúť kombináciou oboch.
To je zásadný rozdiel
Jednoduchý AI chat odpovedá.
Firemný agent môže pred odpoveďou:
- pochopiť otázku,
- určiť, aké informácie potrebuje,
- vyhľadať odborný podklad,
- zavolať potrebný nástroj,
- načítať aktuálne dáta,
- skontrolovať oprávnenia,
- a až potom vytvoriť odpoveď.
Príklad: zákazník sa pýta na objednávku
Zákazník napíše:
„Kedy mi príde objednávka 12345?“
Obyčajný chatbot môže odpovedať:
„Objednávky štandardne doručujeme do 2 až 3 pracovných dní.“
To môže byť pravdivá všeobecná informácia.
Ale zákazník sa nepýtal na všeobecnú dodaciu lehotu.
Pýtal sa na svoju konkrétnu objednávku.
Ako môže postupovať agent
Otázka zákazníka
|
v
Rozpoznanie objednávky 12345
|
v
Overenie oprávnenia používateľa
|
v
get_order_status(12345)
|
v
Objednávkový systém
|
v
Aktuálne údaje
|
v
AI vytvorí odpoveď
Ak systém vráti:
Stav: odovzdaná dopravcovi
Dátum expedície: 20. 9.
Tracking: 847392
Odhad doručenia: údaj nie je k dispozícii
agent môže povedať:
„Objednávka bola 20. septembra odovzdaná dopravcovi. K dispozícii je už aj sledovacie číslo. Potvrdený termín doručenia momentálne v systéme nevidím.“
Rozdiel nie je v štýle odpovede.
Rozdiel je v tom, že agent pred odpoveďou vykonal prácu.
Firemný agent potrebuje nástroje
Jedna z najdôležitejších vlastností agentového systému je možnosť používať pripravené funkcie alebo nástroje.
Napríklad:
search_product()
get_product_detail()
get_product_price()
get_stock()
get_order_status()
find_customer()
create_support_ticket()
create_lead()
Jazykový model nemusí vedieť, ako je interná databáza firmy postavená.
Nemusí poznať SQL tabuľky ani celé API.
Aplikačná vrstva mu poskytne konkrétnu schopnosť:
„Ak potrebuješ aktuálny sklad, použi tento nástroj.“
Agent by nemal dostať neobmedzený prístup
Jedna z najhorších predstáv by bola:
„Dajme AI prihlasovacie údaje do databázy a nech si tam robí, čo potrebuje.“
Rozumnejšia architektúra je kontrolovaná.
AI
|
v
bezpečná aplikačná vrstva
|
+-- povolená funkcia A
+-- povolená funkcia B
+-- povolená funkcia C
|
v
databáza / CRM / e-shop
Každý nástroj môže mať:
- presne definované vstupy,
- validáciu,
- kontrolu oprávnení,
- logovanie,
- obmedzený rozsah.
Čítať údaje a meniť údaje nie je to isté
Agent, ktorý dokáže:
„Ukáž stav objednávky.“
má inú úroveň oprávnenia než agent, ktorý dokáže:
„Zruš objednávku.“
Preto treba operácie rozdeliť podľa rizika.
Čítacie operácie
- získať produkt,
- získať cenu,
- získať sklad,
- načítať objednávku,
- nájsť dokument.
Zápisové operácie
- vytvoriť ticket,
- vytvoriť lead,
- pridať poznámku.
Citlivé operácie
- zmeniť objednávku,
- zmeniť cenu,
- vrátiť platbu,
- vymazať údaje.
Čím vyšší dopad môže operácia mať, tým viac kontroly potrebujeme.
Niekedy musí rozhodnutie potvrdiť človek
Agent môže pripraviť:
„Zákazník žiada storno objednávky 12345. Objednávka ešte nebola expedovaná.“
A namiesto okamžitého vykonania môže vytvoriť požiadavku:
Navrhovaná operácia:
zrušiť objednávku 12345
[ SCHVÁLIŤ ]
[ ZAMIETNUŤ ]
AI teda pomohla úlohu spracovať, ale finálne rozhodnutie zostalo človeku.
Firemný agent musí pracovať s identitou používateľa
Na verejnú otázku:
„Aké máte otváracie hodiny?“
nepotrebujeme vedieť, kto sa pýta.
Ale na otázku:
„Ukáž mi moje faktúry.“
už áno.
Agent musí vedieť, že konkrétny používateľ má právo vidieť konkrétne informácie.
AI nesmie obísť existujúce oprávnenia
Ak používateľ nemá právo vidieť určitú informáciu v klasickej aplikácii, nemal by sa k nej dostať cez AI jednoduchou otázkou.
To platí napríklad pre:
- zákaznícke údaje,
- interné ceny,
- personálne dokumenty,
- manažérske reporty,
- citlivé obchodné informácie.
Firemný agent preto nie je iba AI úloha.
Je to aj klasická téma:
autentifikácie, autorizácie a aplikačnej bezpečnosti.
Chatovacie okno môže byť iba frontend
Toto je dôležitý pohľad.
To, čo používateľ vidí:
Napíšte otázku...
je iba používateľské rozhranie.
Pod ním môže byť:
CHAT
|
v
AI ORCHESTRÁCIA
|
+-----------+-----------+
| | |
v v v
Knowledge Databáza API
base
| | |
+-----------+-----------+
|
v
BUSINESS LOGIKA
|
v
VÝSLEDOK
Práve táto architektúra rozhoduje, či ide o jednoduchý chat alebo reálnu firemnú aplikáciu.
Agent môže existovať aj bez chatovacieho okna
To je ďalšia dôležitá vec.
AI agent nemusí byť iba verejný chatbot.
Môže fungovať:
- v internej administrácii,
- v CRM,
- v zákazníckom portáli,
- v servisnom systéme,
- ako backendová služba,
- ako súčasť inej aplikácie.
Niekedy dokonca nemusí mať klasické chatové rozhranie vôbec.
Príklad: AI agent v CRM
Obchodník otvorí zákazníka a klikne:
„Priprav ma na telefonát.“
Agent môže:
- načítať základné údaje klienta,
- pozrieť históriu obchodných prípadov,
- zhrnúť poslednú komunikáciu,
- nájsť otvorené úlohy,
- pripraviť stručný prehľad.
Používateľ ani nemusí vedieť, že za tým pracuje viacero dátových zdrojov.
Príklad: agent pre zamestnancov
Zamestnanec sa opýta:
„Ako postupujeme pri tomto type servisnej požiadavky?“
Agent môže:
- nájsť interný postup,
- zobraziť relevantnú časť dokumentácie,
- nájsť podobný prípad,
- pripraviť ďalší postup.
Ak je potrebný zásah človeka, neprekračuje stanovené hranice.
Rozdiel je aj v pamäti
Jednoduchý chat môže pracovať iba s aktuálnou konverzáciou.
Firemný agent môže potrebovať viac typov kontextu.
Napríklad:
- aktuálnu konverzáciu,
- identitu zákazníka,
- jeho otvorený prípad,
- predchádzajúce kroky workflow,
- dlhodobejšie nastavenia.
Tu však treba byť veľmi opatrný.
Nie všetko, čo používateľ agentovi povie, sa má automaticky ukladať navždy.
Pamäť musí byť navrhnutá ako súčasť aplikácie, nie ako nekontrolované zhromažďovanie všetkého.
Agent musí vedieť, čo si má pamätať
Napríklad v rámci servisného prípadu môže byť užitočné zachovať:
- model zariadenia,
- popis chyby,
- už vykonané kroky.
Nemusí však byť potrebné ukladať každú vetu konverzácie ako trvalú firemnú pamäť.
Téme pamäte AI agenta sa preto budeme venovať samostatne.
Firemný agent potrebuje logovanie
Ak agent vykonáva reálne úlohy, potrebujeme vedieť, čo sa stalo.
Napríklad:
14:02 používateľ položil otázku
14:02 agent vyhľadal dokument X
14:02 agent zavolal get_order_status
14:02 systém vrátil stav EXPEDOVANÁ
14:03 agent vytvoril odpoveď
Pri zápisovej operácii môže byť log ešte dôležitejší:
14:10 používateľ požiadal o vytvorenie ticketu
14:10 agent pripravil dáta
14:10 create_support_ticket()
14:10 ticket ID 8472 vytvorený
Bez logovania sa systém ťažko kontroluje
Ak zákazník neskôr povie:
„AI mi oznámila nesprávny stav objednávky.“
potrebujeme vedieť:
- čo sa používateľ pýtal,
- aký nástroj bol použitý,
- aké dáta systém vrátil,
- akú odpoveď AI vytvorila.
To je klasická softvérová disciplína aplikovaná na AI.
Firemný agent potrebuje monitorovanie
Aj kvalitná aplikácia môže mať problém.
Napríklad:
- externé API neodpovedá,
- CRM je nedostupné,
- databáza vráti chybu,
- vyhľadávanie nenájde vhodný dokument.
Agent musí vedieť s takouto situáciou pracovať.
Nemal by napríklad pri výpadku skladu povedať:
„Produkt je skladom.“
iba preto, že nedostal odpoveď zo systému.
Správnejšie môže byť:
„Aktuálnu dostupnosť sa mi momentálne nepodarilo overiť.“
Chyba nástroja nesmie byť dôvodom na vymýšľanie
To je veľmi dôležité pravidlo.
API neodpovedá
|
v
NEZNAMENÁ
|
v
AI odhadne výsledok
Ak systém nevie údaj overiť, musí to vedieť priznať.
Agent potrebuje definované fallback scenáre
Napríklad:
Ak knowledge base nič nenájde
→ požiadaj o spresnenie
Ak stále nič nenájde
→ povedz, že informácia nie je dostupná
Ak ide o zákaznícky problém
→ ponúkni vytvorenie ticketu
Alebo:
Ak CRM neodpovedá
→ nevymýšľaj údaje
→ informuj používateľa
→ ponúkni alternatívny postup
Firemný agent je workflow
Veľmi dôležitý rozdiel oproti jednoduchému chatu je, že jedna požiadavka môže mať viac krokov.
Zákazník napíše:
„Potrebujem náhradný diel k zariadeniu, ktoré som u vás kupoval minulý rok.“
Agent môže postupovať:
1. identifikovať zákazníka
|
2. vyhľadať objednávky
|
3. nájsť zakúpené zariadenie
|
4. identifikovať jeho model
|
5. vyhľadať kompatibilné diely
|
6. overiť sklad
|
7. zobraziť zákazníkovi možnosti
To nie je jedna otázka a jedna odpoveď.
Je to malý pracovný proces.
Práve preto používame slovo agent
Nie preto, že systém píše text podobne ako človek.
Ale preto, že môže:
- vyhodnotiť ďalší krok,
- vybrať nástroj,
- získať výsledok,
- pokračovať ďalším krokom,
- a nakoniec splniť používateľovu úlohu.
Nie každý workflow však musí byť voľne riadený AI
Toto je dôležité aj z pohľadu programovania.
Niektoré procesy je lepšie definovať klasickou aplikačnou logikou.
Napríklad:
ak objednávka neexistuje
→ nepokračuj
ak používateľ nemá oprávnenie
→ ukonči operáciu
ak objednávka už bola expedovaná
→ nepovoľ zmenu adresy
AI nemusí rozhodovať o všetkom.
Veľmi dobré riešenia často kombinujú:
AI rozhodovanie tam, kde je užitočná flexibilita, a klasické programovanie tam, kde potrebujeme presné pravidlá.
Deterministická logika má stále obrovskú hodnotu
Ak pravidlo hovorí:
if IsPaid == false
then Refund = forbidden
nie je dôvod žiadať jazykový model, aby nad tým filozofoval.
Programová logika je presnejšia.
Agent ju má rešpektovať.
AI nie je náhrada celej aplikácie
Skôr môže byť novou vrstvou nad aplikáciou.
Predtým používateľ musel vedieť:
- ktorú obrazovku otvoriť,
- ktoré tlačidlo stlačiť,
- kde použiť filter.
Agent umožní napísať:
„Ukáž mi zákazníkov, ktorých sme nekontaktovali viac ako 30 dní a majú otvorenú obchodnú príležitosť.“
Aplikácia však stále zostáva zodpovedná za:
- údaje,
- oprávnenia,
- výpočty,
- validáciu,
- business pravidlá.
AI môže byť novým používateľským rozhraním
Tradičná aplikácia komunikuje:
menu
→ obrazovka
→ filter
→ tabuľka
→ tlačidlo
AI rozhranie môže komunikovať:
„Čo potrebujete urobiť?“
A systém následne preloží zámer používateľa do existujúcich operácií.
To je podľa nás jeden z najzaujímavejších smerov firemných AI aplikácií.
Agent môže mať jasne obmedzený svet
Nemusíme vytvárať „AI, ktorá vie všetko“.
Často je oveľa rozumnejšie vytvoriť:
AI agenta, ktorý veľmi dobre zvláda jednu konkrétnu časť firmy.
Napríklad:
- produktové poradenstvo,
- zákaznícku podporu,
- interné dokumenty,
- servis,
- obchodné leady.
Úzko špecializovaný agent môže byť hodnotnejší
Ak presne poznáme jeho úlohu, dokážeme lepšie určiť:
- aké dáta potrebuje,
- aké nástroje môže používať,
- aké operácie nesmie vykonať,
- ako ho testovať.
Takýto systém sa často kontroluje jednoduchšie ako univerzálny asistent, ktorý má robiť všetko.
Naše skúsenosti s RELIA ukázali rovnaký princíp
Od decembra 2025 sme pri projekte RELIA postupne pracovali so spracovaním odborných podkladov pre AI vyhľadávanie a otázky a odpovede.
Aj tam sa ukázalo, že výsledok nevzniká tým, že „pripojíme AI“.
Bolo potrebné riešiť:
- zdrojové dáta,
- ich kvalitu,
- spracovanie,
- vyhľadávanie,
- vektory,
- kontext,
- pravidlá odpovedania,
- testovanie reálnych otázok.
A to je projekt, pri ktorom išlo primárne o prácu so znalosťami.
Keď k tomu pridáme vykonávanie úloh, databázy a integrácie, význam klasického softvérového vývoja ešte rastie.
Práve tu využívame programátorské skúsenosti
Pri vývoji podobných riešení sa opierame o skúsenosti s:
- webovými aplikáciami,
- .NET a C# vývojom,
- relačnými databázami,
- API integráciami,
- spracovaním dát,
- automatizáciou procesov.
AI je nová vrstva.
Ale problémy ako:
- autorizácia,
- validácia,
- integrácia,
- výkon,
- logging,
- error handling,
- business pravidlá,
sú stále klasické programátorské problémy.
Prompt nie je náhrada programu
Veľa problémov sa dá modelu vysvetliť textom.
Napríklad:
Ak nemáš dostatok informácií,
neodpovedaj na základe domnienky.
To je užitočné pravidlo.
Ale bezpečnosť aplikácie by nemala byť založená iba na vete v prompte:
Nikdy neukazuj údaje iných zákazníkov.
Aplikácia má zabezpečiť, že agent tieto údaje vôbec nedostane, ak k nim používateľ nemá oprávnenie.
To je zásadný princíp
Prompt môže určovať správanie modelu.
Aplikačná vrstva musí vynucovať pravidlá systému.
Nemali by sme tieto dve veci zamieňať.
Agent musí byť testovateľný
Pri bežnej aplikácii testujeme napríklad:
- výpočty,
- API,
- oprávnenia,
- databázové operácie.
Pri AI agentovi pribúdajú ďalšie otázky:
- Vybral správny nástroj?
- Použil správne argumenty?
- Našiel relevantný dokument?
- Nevymyslel údaj?
- Správne odmietol operáciu?
- Správne eskaloval problém?
Testovanie AI je iné, ale neznamená „skúsiť pár otázok“
Potrebujeme systematické scenáre.
Napríklad:
TEST 1
Objednávka existuje
→ agent musí vrátiť správny stav
TEST 2
Objednávka neexistuje
→ nesmie si vymyslieť stav
TEST 3
Objednávka patrí inému zákazníkovi
→ údaje nesmie sprístupniť
TEST 4
Objednávkový systém neodpovedá
→ agent musí priznať, že stav nevie overiť
AI agent musí byť pripravený na nepredvídateľné formulácie
Výhodou jazykového modelu je, že zákazník nemusí poznať presný príkaz.
Môže napísať:
„Kde je moja zásielka?“
alebo:
„Už týždeň čakám, čo sa deje s tým balíkom?“
alebo:
„Posielali ste mi to vôbec?“
Agent môže pochopiť, že všetky otázky smerujú k stavu objednávky.
Ale samotný stav už nemá vymýšľať.
Ten musí získať zo systému.
Práve kombinácia flexibility a presnosti je najväčšia výhoda
Jazykový model je dobrý v:
- pochopení prirodzeného jazyka,
- interpretácii otázky,
- vysvetlení výsledku,
- práci s neštruktúrovaným textom.
Klasický softvér je dobrý v:
- presných výpočtoch,
- databázových operáciách,
- oprávneniach,
- business pravidlách,
- transakciách.
Firemný agent dokáže oba svety spojiť.
Čo všetko teda môže byť za jedným chatovacím oknom?
WEBOVÝ CHAT
|
v
IDENTITA POUŽÍVATEĽA
|
v
AI MODEL
|
+-----------------------+
| | |
v v v
RAG NÁSTROJE WORKFLOW
| | |
v v v
dokumenty API business logika
manuály CRM
články e-shop
databáza
|
v
VALIDÁCIA
|
v
LOGOVANIE
|
v
VÝSLEDOK
Navonok stále vidíme iba chat.
Ale v pozadí už máme plnohodnotnú aplikáciu.
Čím viac agent robí, tým dôležitejší je klasický vývoj
Pri FAQ chatbotovi môže byť najväčšia časť práce v znalostnej databáze.
Pri agentovi, ktorý:
- číta objednávky,
- pracuje so zákazníkmi,
- vytvára leady,
- zakladá tickety,
- mení údaje,
už riešime klasický informačný systém.
AI je jeho inteligentné rozhranie a rozhodovacia vrstva.
Prečo teda nestačí hotový chatbot plugin?
Pre niektoré firmy úplne stačí.
Ak potrebujete:
- odpovedať na FAQ,
- sprístupniť niekoľko dokumentov,
- jednoduché AI otázky,
hotové SaaS riešenie môže byť veľmi rozumnou voľbou.
Vlastné riešenie začína dávať väčší zmysel vtedy, keď potrebujeme:
- špecifické dátové zdroje,
- vlastnú business logiku,
- hlbokú integráciu,
- špecifické oprávnenia,
- vlastné workflow,
- kontrolu nad používateľskou skúsenosťou.
Nemá zmysel programovať všetko od začiatku
Vlastný firemný agent neznamená, že firma musí vytvárať vlastný jazykový model.
To by vo väčšine bežných firemných projektov nedávalo zmysel.
Hodnota vlastného riešenia je najmä v tom, čo vytvoríme okolo modelu.
Teda:
- firemné dáta,
- integrácie,
- nástroje,
- business pravidlá,
- bezpečnosť,
- používateľské rozhranie,
- monitorovanie.
Model môžeme vnímať ako jeden komponent systému
Podobne ako používame:
- databázový server,
- e-mailovú službu,
- platobnú bránu,
- mapové API,
môžeme používať aj AI model prostredníctvom API.
Aplikácia okolo neho je však stále naša.
To umožňuje systém postupne rozširovať
Projekt môže začať jednoducho:
FÁZA 1
AI odpovedá z FAQ
Neskôr:
FÁZA 2
+ firemné dokumenty
Potom:
FÁZA 3
+ produktová databáza
Ďalej:
FÁZA 4
+ objednávkový systém
A nakoniec:
FÁZA 5
+ vykonávanie vybraných úloh
Nemusíme začať najkomplexnejšou verziou.
Najlepší prvý agent rieši konkrétny problém
Namiesto zadania:
„Chceme AI agenta pre našu firmu.“
je oveľa lepšie povedať:
„Chceme, aby zákazník dokázal nájsť vhodný produkt a overiť jeho dostupnosť.“
alebo:
„Chceme, aby zamestnanci vedeli vyhľadávať v našich interných dokumentoch.“
alebo:
„Chceme automaticky zozbierať podklady k servisnému prípadu.“
Takýto projekt sa dá:
- presnejšie navrhnúť,
- lepšie otestovať,
- lepšie vyhodnotiť.
Firemný agent nie je kúzelná krabička
Ak firma nemá:
- aktuálne dáta,
- upratané dokumenty,
- jasné pravidlá,
- fungujúce procesy,
AI ich automaticky nevytvorí.
Niekedy práve projekt AI agenta odhalí, že problém nie je v AI.
Problém je v tom, že firma nemá jednoznačný zdroj informácií.
Aj to môže byť pozitívny výsledok
Pri príprave agenta sa môže ukázať:
- že firma používa tri rôzne cenníky,
- že dokumentácia nie je aktuálna,
- že produktové parametre sú nekonzistentné,
- že CRM neobsahuje potrebné údaje.
Upratanie týchto problémov môže byť hodnotné aj mimo samotného AI projektu.
AI agent je integračný projekt
Čím je agent užitočnejší, tým viac systémov môže spájať.
Napríklad:
AI AGENT
|
+------------+-------------+
| | |
v v v
CRM E-SHOP DOCUMENTS
| | |
v v v
zákazníci produkty know-how
leady objednávky návody
história sklad smernice
Preto je pri väčších projektoch veľmi dôležité premýšľať aj ako softvérový architekt, nie iba ako používateľ generatívnej AI.
Čo teda odlišuje skutočného firemného agenta?
Nie je to jedna konkrétna vlastnosť.
Je to kombinácia.
- pozná firemný kontext,
- dokáže nájsť správne podklady,
- vie načítať aktuálne dáta,
- môže používať nástroje,
- rešpektuje oprávnenia,
- dokáže vykonať workflow,
- má definované hranice,
- je monitorovaný a testovaný.
Chat je iba vrchol ľadovca
Používateľ vidí:
„Ako vám môžem pomôcť?“
Ale skutočná hodnota môže byť ukrytá pod tým:
CHAT
▲
|
----------------
AI ORCHESTRÁCIA
----------------
RAG
NÁSTROJE
WORKFLOW
OPRÁVNENIA
VALIDÁCIA
LOGOVANIE
API
DATABÁZY
FIREMNÉ SYSTÉMY
Preto je otázka „Akého chatbota použijeme?“ často príliš úzka
Užitočnejšie je pýtať sa:
„Čo má AI v našej firme reálne robiť?“
Má iba:
- odpovedať?
Alebo má:
- vyhľadávať,
- porovnávať,
- kontrolovať,
- zapisovať,
- vytvárať,
- odovzdávať úlohy?
Od odpovede na túto otázku sa odvíja celá architektúra.
Jednoduchý chatbot môže byť správne riešenie
Nie každá firma potrebuje komplexného agenta.
Ak má firma:
- malý web,
- niekoľko FAQ,
- žiadnu potrebu integrácií,
jednoduché riešenie môže byť úplne postačujúce.
Komplexnosť sama osebe nie je cieľom.
Cieľom je vyriešiť konkrétny problém čo najrozumnejšie.
Kedy začína vlastný agent dávať väčší zmysel
Najmä ak potrebujeme kombinovať:
prirodzený jazyk
+
firemné znalosti
+
aktuálne dáta
+
business logiku
+
nástroje
+
workflow
Vtedy už nejde iba o chat.
Ide o novú softvérovú vrstvu firmy.
Záver: firemný AI agent je aplikácia, nie iba model
Jazykový model je veľmi dôležitá súčasť.
Ale sám osebe:
- nepozná aktuálny stav vášho skladu,
- nevie, ktorý zákazník je prihlásený,
- nepozná vaše interné oprávnenia,
- nevie, ktoré operácie môže vykonať,
- nevie, ako fungujú vaše business procesy.
Toto všetko musí zabezpečiť aplikácia okolo neho.
Preto môže firemný AI agent vyzerať navonok ako jednoduché chatovacie okno, ale v skutočnosti za ním môže byť kombinácia:
- AI modelu,
- RAG a knowledge base,
- API,
- databáz,
- firemných systémov,
- pravidiel,
- bezpečnosti,
- monitorovania.
A presne tu podľa nás vzniká skutočná hodnota firemnej AI.
Nie v tom, že dokáže rozprávať.
Ale v tom, že dokáže bezpečne pracovať s tým, čo vaša firma už vie a používa.
Potrebujete viac než obyčajný AI chatbot?
Chcete prepojiť AI s vašimi dokumentmi, produktami, databázou, e-shopom, CRM alebo interným informačným systémom?
V Consultee spájame skúsenosti so softvérovým vývojom, .NET/C#, databázami, webovými aplikáciami, API integráciami a praktickým nasadzovaním AI nad firemnými dátami.
Nemusíme začínať komplexným agentom pre celú firmu. Oveľa rozumnejšie môže byť vybrať jeden konkrétny proces, pripraviť pilotné riešenie a overiť jeho hodnotu na reálnych dátach a reálnych používateľoch.
Potrebujete vlastného AI agenta a neviete, kde začať? Kontaktujte nás a dohodnite si stretnutie →
Komentáre
Zverejnenie komentára