AnswersPublished14 sources
Dell zúžil 900 projektů AI na 13: jak se agentická AI dostává do výroby
Dell tvrdí, že podniková AI se posouvá od asistentů, kteří odpovídají na dotazy, k agentům, kteří samostatně vykonávají definovanou práci. Mezi uváděné produkční případy patří čištění dat v CRM, podpora vývoje softwaru, cenotvorba, rezervace cest a sumarizace dokumentů.
PublikovalUpraveno pomocí GPT-5.6 LunaObrázky vytvořeny pomocí GPT Image 1.5
Research answer
Key takeaways
- Dell tvrdí, že podniková AI se posouvá od asistentů, kteří odpovídají na dotazy, k agentům, kteří samostatně vykonávají definovanou práci.
- Mezi uváděné produkční případy patří čištění dat v CRM, podpora vývoje softwaru, cenotvorba, rezervace cest a sumarizace dokumentů.
- Podle Dellu budou produkční agenti vyžadovat více paměťové kapacity a propustnosti, silnější orchestrace, vlastní identity a ekonomiku přizpůsobenou konkrétní úloze.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Dell Technologies argue at The Six Five Summit: AI Unleashed 2026 about agentic AI’s transition from pilots to production, how it d. Article summary: Dell’s core argument was that agentic AI is becoming a production operating model: not chatbots that help people find or summarize information, but governed systems that autonomously execute defined work. The detailed nu. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Hlavní sdělení Dellu ze summitu The Six Five Summit: AI Unleashed 2026 je poměrně konkrétní: agentická AI nemá být jen novým názvem pro chatboty, ale provozním modelem určeným pro ostrý provoz. Rozhodující podle firmy je, zda systém dokáže sledovat stanovený cíl, používat nástroje a dokončit práci s omezeným zásahem člověka. Příklady nasazení i údaje o produktivitě, nákladech a dopadu na podnikání však pocházejí z tvrzení Dellu a nejsou nezávisle ověřeným benchmarkem. 1
5
Od chatbotu k autonomnímu provedení práce
První vlna generativní AI ve firmách se soustředila především na vyhledávání, sumarizaci a práci s interními informacemi. Dell popisuje další fázi jako digitalizaci samotné práce: konkrétní úkoly se přesouvají z lidské vrstvy na software, který dokáže projít pracovním postupem, rozhodovat se v jeho rámci a provést jednotlivé kroky. 1
4
Právě zde Dell spatřuje rozdíl mezi skutečným agentem a takzvaným „agent washingem“ — situací, kdy jsou běžní boti, asistenti nebo skriptovaná automatizace označováni za autonomní agenty. Chatbot může vytvořit odpověď. Agent má podle definice Dellu pracovat na určitém cíli, komunikovat s nástroji či podnikovými systémy a vykonat kroky v rámci procesu. 2
5
Dell uvedl, že své první agenty začal vytvářet přibližně před dvěma lety a do produkce je nasadil během předchozího roku. Vlastní firmu přitom použil jako takzvaného „Customer Zero“, tedy prvního interního zákazníka a testovací prostředí. 2
Proč Dell z 900 nápadů vybral jen 13 projektů
Dell podle svých slov začal přibližně s 900 možnými projekty využívajícími AI, jejich počet však zúžil na zhruba 13 cílených iniciativ. Při výběru kladl důraz na obchodní priority a rozbor konkrétních procesů, nikoli na nekonečné množství vzájemně nesouvisejících experimentů. 1
2
Mezi uváděné produkční případy patřily:
- čištění dat v CRM, při němž agent zpracovává opakující se úkoly spojené s kvalitou dat;
- vývoj softwaru, včetně podpory úloh souvisejících s programováním;
- podpora cenotvorby, kde agentické postupy pomáhají s operacemi kolem cen;
- rezervace služebních cest a sumarizace dokumentů, které Dell uváděl jako jednodušší autonomní úkoly.
2
5
Pointa Dellu není v tom, že by každý firemní proces potřeboval vlastního agenta. Organizace by podle této logiky měly nejdříve určit konkrétní práci s měřitelným výsledkem a teprve potom kolem ní postavit co nejmenší užitečný systém. Takový přístup zároveň lépe odlišuje skutečné produkční nasazení od širokého programu AI pilotů.
Produktivita může růst o desítky procent — podle Dellu
Dell uvedl, že první nasazení zaměřená na jednotlivé úkoly mohou přinést zvýšení produktivity přibližně o 20 až 40 %. U systémů, které převezmou celé kategorie práce, firma hovořila o mnohem větších, potenciálně „řádových“ přínosech. 2
5
Tato čísla je třeba číst jako očekávání a výsledky uváděné samotným Dellem, nikoli jako nezávisle ověřený standard platný napříč podniky. Firma také uvedla, že její interní práce s AI pomohla oddělit růst tržeb od nákladové struktury. Z dostupných podkladů však nelze určit, jak velkou část tohoto efektu způsobily konkrétní agenti, ani prokázat příčinnou souvislost. 2
Pro zákazníky proto bude důležité přesně vyčíslit, jaký úkol se automatizuje, kolik lidského času se uvolní nebo přesměruje, jaké jsou náklady na inference a orchestrace a jaké kontroly jsou nutné ve chvíli, kdy agent jedná bez nepřetržitého dohledu člověka.
Agentická AI mění požadavky na infrastrukturu
Podle Dellu není produkční agentická AI jen větší verzí chatbotové inference. Úzkým místem se může stát spíše kapacita a propustnost paměti než samotný výpočetní výkon. Dlouho běžící pracovní postupy si uchovávají stav v takzvaných key-value cache, takže paměť může dojít dříve, než se naplno využije dostupný výkon GPU. 2
4
Agentické systémy také přistupují k datům jinak než při trénování modelu. Místo zpracování velkých a relativně statických datových sad mohou produkční agenti vytvářet dlouhodobé, nárazové a přesně cílené požadavky napříč podnikovými systémy. Ve velkém měřítku proto začínají být stejně důležité doručování dat a odezva v nejhorších případech jako samotná propustnost modelu. 2
4
Větší význam získávají také procesory CPU. Ty koordinují orchestraci, větvení logiky, vyhledávání, volání nástrojů a komunikaci mezi jednotlivými komponentami, zatímco GPU zpracovávají vhodné modelové úlohy. Dell uvedl, že běžný poměr přibližně 8:1 až 16:1 ve prospěch CPU oproti GPU se u agentických systémů může posunout blíže k poměru 1:1 nebo 2:1. 2
Pro podniky z toho Dell vyvozuje potřebu znovupoužitelné platformové infrastruktury namísto množství jednorázových technologických zásobníků. Firma zároveň podporuje hybridní architektury, v nichž se jednotlivé úlohy umisťují do lokálních systémů, privátních cloudů, veřejných API nebo přímo do zařízení podle požadavků na dodržování předpisů, výkon, kontrolu nad daty a cenu. 4
5
Jeden agent může stát půl dolaru, jiný 100 000 dolarů měsíčně
Autonomní pracovní postupy ukazují, že ekonomika modelu musí odpovídat hodnotě vykonávané práce. Dell použil výrazně odlišné příklady: agent pro podporu rozhodování vedení by mohl ospravedlnit náklady kolem 100 000 dolarů měsíčně, zatímco agent pro čištění dat v CRM by měl podle firmy pracovat za méně než 0,50 dolaru za záznam. 2
Nejde o univerzální ceník ani o obecně platný benchmark. Smyslem příkladů je ukázat, že podnik nemůže pro každý úkol nasadit nejvýkonnější a nejdražší model. Portfolio může kombinovat malé modely pro rutinní práci ve velkém objemu, větší modely pro složité uvažování a různá místa nasazení podle požadavků na odezvu, datovou suverenitu nebo dodržování pravidel. 2
5
Bezpečnost začíná vlastní identitou agenta
Dell uvedl, že každý autonomní agent, který přistupuje k firemním datům Dellu, dostává vlastní digitální identitu Dell. Ta umožňuje detailní řízení oprávnění a jejich odvolání; deaktivace identity může fungovat jako nouzový vypínač přístupu agenta. 2
5
To je obzvlášť důležité u agentů bez uživatelského rozhraní, tedy takzvaných headless agentů, kteří pracují bez obrazovky a bez průběžného dohledu člověka. Pokud agent jedná přímo prostřednictvím podnikových nástrojů, musí organizace umět zjistit, který agent akci provedl, k jakým datům měl oprávnění a jak jeho přístup zastavit, aniž by se spoléhala na přihlašovací údaje konkrétního zaměstnance.
Princip nejmenších oprávnění a samostatné identity agentů se tak stávají základními kontrolními vrstvami, nikoli volitelným bezpečnostním doplňkem. Dell zmínil také komunikační a řídicí protokoly, jako jsou A2A a MCP, a přípravu na postkvantovou kryptografii jako součást vznikajícího rámce řízení. 2
Dostupné podklady však nepodporují spolehlivý odhad, jaký podíl budoucích nasazení budou headless agenti představovat. Přesné procento by šlo nad rámec toho, co zdroje dokládají.
Pracovní místa se podle Dellu změní po jednotlivých úkolech
Dell uvedl, že analyzoval 6 800 pracovních míst, aby zjistil, které části jednotlivých rolí mohou převzít agenti a které nadále vyžadují lidský úsudek. 2
Závěr firmy zní, že agenti budou práci častěji proměňovat tím, že z jednotlivých profesí odeberou konkrétní úkoly, než že by automaticky odstranili celé pracovní pozice. V tomto modelu agenti převezmou část produktivity, administrativní „hygieny“ a koordinační práce, zatímco zaměstnanci získají více prostoru pro odborný úsudek a činnosti založené na lidském kontaktu. 2
5
Jde ale o tezi týkající se restrukturalizace práce, nikoli o záruku, že žádná pracovní místa nezaniknou. I když konkrétní pozice zůstane zachována, mohou se změnit její odpovědnosti, počet pracovníků, požadované dovednosti i odpovědnost za rozhodnutí. Praktickou výzvou pro firmy proto bude nové nastavení organizace práce: určit, co lze delegovat, která rozhodnutí musí zůstat v lidských rukou a jak měřit výkon po změně pracovního postupu.
Co si z argumentace Dellu odnést
Přechod od AI pilotů k produkčnímu nasazení lze podle prezentace Dellu shrnout do čtyř otázek:
- Je systém skutečně autonomní? Přejmenovaný chatbot ještě nemusí být agent.
- Provádí hodnotný a jasně definovaný pracovní postup? Poměr 900 projektů ku 13 ilustruje význam prioritizace.
- Zvládne infrastruktura stav pracovního postupu, odezvu, orchestraci a ekonomiku konkrétní úlohy? Agentická inference může zatěžovat paměť a doručování dat jinak než trénování modelů nebo běžné chatboty.
- Dokáže organizace agenta řídit? Identita, oprávnění, protokolování, možnost odvolání přístupu a lidská odpovědnost musí být navrženy ještě před rozšířením autonomního přístupu.
Širší argument Dellu je, že agentická AI začne mít skutečný význam teprve tehdy, když se napojí na reálnou práci a bude hodnocena podle reálných výsledků. Stejně důležitá je však výhrada: příklady a přínosy popsané v tomto článku představují pozici a zkušenost uváděnou Dellem, nikoli univerzální záruku, že každé nasazení AI agenta přinese stejné výsledky.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Dell zúžil 900 projektů AI na 13: jak se agentická AI dostává do výroby"?
Dell tvrdí, že podniková AI se posouvá od asistentů, kteří odpovídají na dotazy, k agentům, kteří samostatně vykonávají definovanou práci.
What are the key points to validate first?
Dell tvrdí, že podniková AI se posouvá od asistentů, kteří odpovídají na dotazy, k agentům, kteří samostatně vykonávají definovanou práci. Mezi uváděné produkční případy patří čištění dat v CRM, podpora vývoje softwaru, cenotvorba, rezervace cest a sumarizace dokumentů.
What should I do next in practice?
Podle Dellu budou produkční agenti vyžadovat více paměťové kapacity a propustnosti, silnější orchestrace, vlastní identity a ekonomiku přizpůsobenou konkrétní úloze.