Od chatbotů k autonomní práci: Dell ukazuje, jak chce agentní AI dostat do výroby

Vystoupení Dell Technologies na konferenci The Six Five Summit: AI Unleashed 2026 přineslo jednoduché poselství: podniková umělá inteligence se má posunout od odpovídání na otázky k provádění skutečné práce. Místo chatbotů, které vyhledávají, shrnují nebo vytvářejí obsah, firmy podle Dellu začínají nasazovat agenty schopné plánovat úkoly, používat nástroje a dokončovat pracovní postupy s menším dohledem člověka. Dell uvedl, že zhruba 900 možných projektů AI zúžil na 13 iniciativ s jasnou obchodní hodnotou a že první nasazení přinesla zvýšení produktivity přibližně o 20 až 40 %. 1

Jde o tvrzení společnosti, nikoli o průmyslový standard nebo nezávisle ověřený benchmark. Přesto nabízí užitečný pohled na to, co se mění ve chvíli, kdy AI opouští fázi experimentů a začíná řídit provozní úkoly.

Agentní AI nemá jen odpovídat, ale vykonávat práci

Dell odlišil první vlnu generativní AI od takzvaných agentních systémů. Chatboti a asistenti pomáhají zaměstnancům hledat informace ve firemních datech, shrnovat dokumenty nebo vytvářet obsah. Agentní systém má naproti tomu digitalizovat celý proces: dokáže projít zadání, rozdělit ho na kroky, pracovat s nástroji, koordinovat činnosti a dokončit úkol s menší přímou účastí člověka. 1

Tento rozdíl se netýká pouze použitého modelu. Podle Dellu vyžaduje produkční agentní AI změny v technologickém zásobníku, infrastruktuře, správě i organizačním uspořádání. Strategickým cílem je oslabit závislost mezi množstvím práce, které firma zvládne, a počtem lidí, které má právě k dispozici. 1

Kde Dell agenty používá: CRM, kód i ceny

Dell uvedl, že se vývoji agentů věnoval přibližně dva roky a během předchozího roku je začal nasazovat do produkce. Popsal tři oblasti praktického využití:

• Čištění dat v CRM: agenti mohou řešit opakující se úkoly spojené s kvalitou a konzistencí zákaznických záznamů.
• Vývoj softwaru: agenti mohou pomáhat s rutinním programováním, anotacemi a částí koordinace procesů CI/CD.
• Speciální cenotvorba: agenti mohou podporovat workflow, kde záleží na rychlosti i na konzistentním uplatňování pravidel. 1

Tyto příklady jsou mnohem užší než představa plně autonomní firmy. Ukazují však, proč je důležitý návrh procesu. Užitečné nasazení není jen model vložený do existující aplikace, ale automatizovaný pracovní postup s přesně stanovenými vstupy, nástroji, oprávněními a očekávaným výsledkem.

Proč Dell zúžil 900 projektů na 13

Dell uvedl, že přibližně 900 kandidátních projektů AI zúžil na zhruba 13 zaměřených iniciativ. Vybral je podle konkrétní obchodní hodnoty a řídil je prostřednictvím prioritizace shora. 1

Tento krok odráží praktickou lekci pro podnikové programy AI: dlouhý seznam experimentů sám o sobě nevytváří konkurenční výhodu. Argument Dellu zní, že firmy by měly soustředit zdroje na pracovní postupy, u nichž lze měřit očekávaný výsledek, a teprve poté vybudovat kontroly a infrastrukturu potřebné pro spolehlivý provoz.

Dell připsal počáteční zvýšení produktivity o přibližně 20 až 40 % cíleným nasazením asistentů a uvedl, že přínosy mohou být výrazně vyšší, pokud agenti převezmou celé kategorie práce. Společnost také tvrdila, že soustředěný program pomohl oddělit růst tržeb od nákladové struktury. Jde však o výsledky prezentované samotným Dellem, nikoli o zaručený výsledek pro každé nasazení. 1

„Agent washing“ stírá rozdíl mezi chatbotem a agentem

John Roese z Dellu varoval před tím, aby se každá funkce AI označovala za autonomního agenta. V pojetí Dellu vzniká agent washing tehdy, když jsou chatboty, omezení asistenti a systémy schopné samostatného provádění úkolů popisovány jako totéž. 1

Praktické rozlišení může vypadat takto:

• Chatbot: reaguje na pokyn a obvykle poskytuje informace nebo vytvořený obsah.
• Cílený asistent: zlepšuje konkrétní, ohraničený úkol, zatímco člověk zůstává do procesu úzce zapojený.
• Autonomní agent: dokáže plánovat, volat nástroje, koordinovat akce a provádět pracovní postup s podstatně menším přímým dohledem. 1

Rozdíl je důležitý kvůli míře rizika. Chybné shrnutí lze opravit. Agent s přístupem k podnikovým systémům však může změnit záznamy, spustit navazující akce nebo zpřístupnit citlivé informace.

Produkční agenti mění požadavky na infrastrukturu

Matt Murphy, generální ředitel společnosti Marvell, uvedl, že produkční inference agentů vytváří jiné infrastrukturní nároky než tradiční trénování AI. Agenti mohou při opakovaných voláních modelu, práci s rozsáhlým kontextem a dlouhých interakcích více agentů potřebovat uchovávat stav workflow prostřednictvím key-value cache. Limitem se tak může stát kapacita a propustnost paměti dříve než samotný výpočetní výkon. 1

Murphy také zdůraznil význam procesorů CPU, které zajišťují orchestraci: větvení, vyhledávání, volání nástrojů, izolované spouštění kódu a koordinaci agentů. Poměr CPU vůči GPU se podle popisu diskuse může posunout z přibližně 8–16:1 u tradičních úloh AI k asi 1–2:1 u agentních workloadů. 1

Pro zákazníky z toho plyne poměrně jasný závěr: platformu pro agenty nelze hodnotit pouze podle kvality modelu nebo počtu GPU. O životaschopnosti nasazení rozhodují také paměť, síťová infrastruktura, orchestrace pomocí CPU, monitoring a náklady na opakovanou inferenci.

Jedna architektura nebude vyhovovat všem agentům

Dell se postavil proti jednotnému modelu nebo jedinému místu provozu, které označil za jakousi „monokulturu“. Navrhl kombinovat různé možnosti: open-source modely provozované lokálně, špičkové modely hostované Dellem, kontrolované privátní cloudy, externí API i modely běžící přímo na zařízeních. Volba má záviset na výkonu, regulatorních požadavcích, funkcionalitě a ceně. 1

Ekonomika se liší také podle konkrétní práce. Agent pro podporu rozhodování vedení může ospravedlnit vysoké měsíční náklady. Naopak vysokobjemový proces čištění CRM dat potřebuje velmi nízké náklady na jeden záznam — v diskusi padla hranice zhruba pod 0,50 dolaru. 1

Lepší otázka než „Který model je nejlepší?“ proto zní: který model, místo provozu a stupeň autonomie přinesou požadovaný výsledek při přijatelné ceně a míře rizika?

Digitální identita má být bezpečnostní vrstvou agentů

Dell uvedl, že každý autonomní agent přistupující k jeho datům — interně i zvenčí — by měl dostat digitální identitu vydanou Dellem. Ta má umožnit detailní řízení oprávnění a také rychlé odebrání přístupu jako praktický „nouzový vypínač“. 1

Bezpečnostní problém je složitější v situaci, kdy agent jednoduše nepřebírá identitu uživatele. Agent pracující s identitou uživatele jedná pod dohledatelnými přihlašovacími údaji konkrétního zaměstnance. Headless agent funguje samostatněji, takže je obtížnější určit odpovědnost, nastavit oprávnění a řídit jeho životní cyklus. Podle diskuse Dell očekával, že headless agenti budou tvořit přibližně 70 % budoucích nasazení. 2

Dell zmínil také komunikační protokoly mezi agenty a mezi agentem a nástroji spolu s připraveností na postkvantovou kryptografii. 1 Širší poučení je zřejmé: agent by měl být považován za softwarovou identitu s jasným vlastníkem, vymezeným rozsahem oprávnění, auditní stopou a možností okamžitého odvolání přístupu — nikoli za neviditelné rozšíření chatbotu.

Pracovní pozice se budou rozkládat na jednotlivé úkoly

Dell uvedl, že analyzoval 6 800 pracovních pozic a rozložil je do kategorií, jako jsou produktivita, administrativní „hygiena“, koordinace, odborná práce a činnosti zaměřené na lidi. Jeho závěr zní, že agenti pravděpodobně odstraní části pracovních rolí, nikoli automaticky celé pozice. 1

Ve vývoji softwaru mohou například převzít rutinní programování, anotace a části koordinace dodávky, zatímco lidé se budou více věnovat architektuře, požadavkům, úsudku a komunikaci se zákazníky. 1

To neznamená, že pracovní pozice zůstanou stejné. Podle Dellu se každá z nich promění, protože automatizovatelné úkoly se oddělí a lidé se přesunou k odpovědnostem, které více závisejí na odbornosti, kontextu, rozhodování a mezilidských vztazích.

Skutečná zkouška agentní AI

Pozici Dellu lze shrnout do poměrně náročného testu: projekt agentní AI je připravený pro produkci teprve tehdy, když má měřitelný obchodní výsledek, jasně vymezený pracovní postup, udržitelnou ekonomiku a kontrolu identity, přístupu i obnovy po chybě.

Přechod od 900 možností ke 13 iniciativám tuto strategii dobře vystihuje. Agentní AI není jen konverzační rozhraní nové generace. Je to provozní model, v němž software vykonává práci — a v němž se spolu s modely musí změnit také infrastruktura, bezpečnost a podoba pracovních rolí.