Agentická umelá inteligencia v roku 2026: Firmy zrýchľujú, ale dôvera a riadenie s nimi nedržia krok
Ak bol rok 2025 rokom „uvidíme, či to bude fungovať“, potom rok 2026 je rokom „implementujeme to, alebo zaostaneme“. Takto to opisuje. Informatica, zhrnutie štúdie 600 dátových lídrov.
Najdôležitejšie veci za 60 sekúnd
- GenAI je už v 69 % organizácií, a ďalších 25 % plánuje implementovať ho do 12 mesiacov.
- Agentická umelá inteligencia, ako systémy, ktoré nielen generujú, ale aj „fungujú“, ich už má 47 % spoločností a ďalších 31 % ich plánuje mať v priebehu roka.
- Rozsah rastie, ale dôvera môže byť slepá65 % organizácií deklaruje vysokú úroveň dôvery zamestnancov v údaje používané umelou inteligenciou, zatiaľ čo zároveň 75 % vedúcich pracovníkov uvádza nedostatky v dátovej gramotnosti a 74 % v gramotnosti v oblasti umelej inteligencie.
- Najbežnejšie blokátory produkcie látokkvalita a vyhľadávanie údajov (50 %), bezpečnosť (43 %), nedostatok kompetencií (42 %), nástroje na správu agentov (39 %), pozorovateľnosť (39 %), ochranné zábradlia (35 %).
Čo je agentická umelá inteligencia
Stručne povedané, agentická umelá inteligencia je prístup, v ktorom systém umelej inteligencie nekončí len generovaním odpovede, ale namiesto toho vykonáva akciu: spúšťa nástroje, vykonáva kroky v procese, eskaluje na človeka a ukladá do systému. Toto je prirodzený „ďalší krok“ po generácii umelej inteligencie – a dôvod, prečo spoločnosti tak rýchlo zrýchľujú svoj rozvoj.
„Paradox dôvery“: ľudia dôverujú, aj keď si to nemôžu overiť
Jedným z najpraktickejších postrehov zo štúdie je takzvaný paradox dôvery: zamestnanci dôverujú údajom a výsledkom umelej inteligencie, ale často im chýbajú odborné znalosti na posúdenie, kedy má umelá inteligencia pravdu a kedy znie presvedčivo a... nesprávne. Správa zistila: 65 % zamestnancov deklaruje dôveru oproti potrebe ďalšieho vzdelávania (75 % dátová gramotnosť, 74 % gramotnosť v oblasti umelej inteligencie).
Toto je skutočné riziko v produkčnom prostredí – najmä tam, kde rozhodnutia ovplyvňujú: ceny, ponuky, úverové riziko, sťažnosti, osobné údaje a dodržiavanie predpisov.
Praktické ponaučenie: ak budujete agentov, zároveň budujete overovacie návyky (proces) a kompetencie (ľudí). V opačnom prípade sa agent bude „prikláňať k autorite“.
6 bariér, ktoré najčastejšie blokujú agentov vo výrobe – a ako ich odblokovať
Nižšie je uvedený zoznam prekážok priamo zo správy (s percentami) a „čo robiť zajtra ráno“, aby ste sa vyhli uviaznutiu na POC.
1) Kvalita a vyhľadávanie údajov (50 %)
Ak má agent fungovať, musí načítať správne dáta, včas a s jasným kontextom.
Čo funguje v praxi:
- adresár údajov + vlastníctvo (kto je zodpovedný za zdroj),
- pravidlá kvality (čo je „správne“ pre zákazníka/produkt/objednávku),
- sémantická vrstva / slovník pojmov (aby „príjem“ znamenal jednu vec),
- monitorovanie aktuálnosti a úplnosti kritických údajov.
2) Bezpečnosť (43 %)
Agent je nový typ používateľa: rýchly, automatizovaný a… niekedy až príliš kreatívny.
minimum:
- princíp najmenších privilégií,
- Maskovanie/segmentácia PII,
- audit (kto/čo/prečo si to stiahol),
- ovládanie nástrojov: agent by nemal mať prístup ku „všetkému“.
3) Nedostatok agentických kompetencií v oblasti umelej inteligencie (42 %)
Nejde len o podnecovanie. Ide o navrhovanie:
- pracovný postup,
- momenty eskalácie na ľudskú bytosť,
- testy a akceptačné kritériá.
Rýchle riešenie: príručka „ako agent pracuje pre nás“ + školenie o konkrétnych prípadoch použitia.
4) Slabé nástroje na správu agentov (39 %)
Bez nástrojov vytvoríte „tieňovú AI“ a potom uhasíte oheň.
Oplatí sa mať:
- register agentov (kto vlastní, aký účel, aké zdroje údajov),
- proces verzovania a zmien,
- hodnotenia po zmene údajov/modelu/nástrojov.
5) Pozorovateľnosť (39 %)
Ak neviete, prečo agent urobil X, máte problém v produkcii.
Minimálna pozorovateľnosť:
- krokové záznamy (trasovanie),
- metriky kvality reakcií/akcií,
- upozornenia na odchýlky (napr. náhle zvýšenie „neistoty“, chyby pri vyhľadávaní).
6) Zvodidlá (35 %)
Zvodidlá nie sú „brzdy“. Sú to bezpečnostné pásy.
Najjednoduchšie a najefektívnejšie:
- zoznam povolených nástrojov a akcií,
- limity (limity sadzieb, rozpočet tokenov/akcií),
- prahové hodnoty eskalácie (ľudská interakcia) pre nezvratné akcie.
Pilotný projekt → Produkcia: Dáta sú stále úzkym hrdlom
V správe to 57 % lídrov jasne uvádza: spoľahlivosť údajov stále blokuje prechod z pilotného do produkčného obdobia.
A toto je zaujímavé: spoločnosti vedia, čo funguje, pretože uvádzajú konkrétne kroky, ktoré najčastejšie podnikajú:
- zlepšený pracovný postup v oblasti dát/AI (59 %),
- investície do kvality údajov (54 %) a metadát (54 %),
- častejšie kontroly údajov (53 %),
- zvyšovanie kvalifikácie/nábor (47 %),
- externá podpora (43 %).
Znie to ako „veľký program“, ale dá sa to riešiť po etapách.
Minimálna životaschopná správa umelej inteligencie (žiadny významný ročný program)
Správa tiež ukazuje, že 76 % organizácií priznáva: ich viditeľnosť a riadenie nedržia krok s tým, ako zamestnanci používajú umelú inteligenciu.
Ak chcete začať rozumne a rýchlo, predstavte si riadenie umelej inteligencie ako tri jednoduché otázky:
- Kto vlastní agenta a údaje, ktoré používa?
- Aké má právomoci a ako ho kontrolujeme?
- Ako meriame kvalitu a riziko (a čo robíme, keď sa metriky znížia)?
Toto stačí na to, aby ste prestali konať „na základe viery“.
Kontrolný zoznam „Agentic AI pripravený na produkciu“ (na použitie)
- Definovaný účel agenta a limity zodpovednosti
- Majiteľ firmy + Vlastník údajov
- Zoznam zdrojov údajov + klasifikácia (PII/citlivé údaje)
- Pravidlá kvality pre kritické údaje
- Monitorovanie kvality + čerstvosť + upozornenia
- Sémantická vrstva / glosár pojmov
- Riadenie prístupu (najmenšie privilégiá)
- Maskovanie/anonymizácia tam, kde je to potrebné
- Aktivita protokolovacieho agenta (sledovanie)
- Metriky: efektívnosť, chyby pri vyhľadávaní, eskalácie, čas, náklady
- Ochranné zábradlia (nástroje na zoznam povolených, limity, prahy eskalácie)
- Regresné testovanie (po zmene údajov, modelu, výziev, nástrojov)
- Proces tvorby verzií a nasadenia (kto schvaľuje zmeny)
- Školenie používateľov: Dátová gramotnosť + gramotnosť v oblasti umelej inteligencie
- Čo robíme, keď agent urobí chybný plán (runbook)
Často kladené otázky
Je agentická umelá inteligencia to isté ako chatbot?
Nie. Chatbot primárne odpovedá. Okrem odpovedania vykonáva Agentic AI v procese aj ďalšie akcie (napr. vytvára tiket, aktualizuje záznam, spúšťa pracovný postup).
Prečo sa agentická umelá inteligencia tak často spolieha na dáta?
Keďže agent musí vyhľadávať dáta a konať na základe nich, štúdia zistila, že najväčšou produkčnou bariérou bola kvalita/vyhľadávanie dát (50 %).
Ako začať s riadením umelej inteligencie, aby ste sa nezaoberali dokumentmi?
Začnite s absolútnym minimom: vlastníctvo, autorizácie, audit a metriky kvality/rizika. Až potom by sa mal začať s vývojom frameworku.
Odkiaľ pochádzajú tieto čísla (transparentné)
Toto sú závery zo správy „Prehľady CDO 2026“ pripravené Informatica Na základe prieskumu spoločnosti Wakefield Research: 600 lídrov v oblasti dát (spoločnosti s obratom viac ako 500 miliónov dolárov), USA/Spojené kráľovstvo+EÚ/APAC, 12. – 25. septembra 2025.
PREČÍTAJTE SI VIAC NÁŠ BLOG
