Proč většina velkých firem stále nedostala agentickou AI z pilotního provozu

Agentická AI se ve velkých firmách už neomezuje na prezentace a laboratorní pokusy. Přesto ji jen menšina dokázala začlenit do běžného fungování celé organizace. Průzkum UiPath zahrnul 590 členů nejvyššího vedení a IT odborníků ze soukromých společností s ročními tržbami nejméně 1 miliarda USD v USA, Spojeném království, Francii, Německu, Indii a Singapuru. Hlavní závěr: vytvořit jednotlivého AI agenta je snazší než dlouhodobě provozovat propojené a řízené procesy napříč složitým podnikem. 34

AI se používá, ale často jen lokálně

Pouze 31 % respondentů uvedlo, že AI je v jejich firmě plně začleněná. Dalších 35 % ji nasadilo omezeně ve vybraných týmech a 11 % stále provádí jen omezené experimenty. 37

Tato čísla popisují známou mezeru mezi pilotem a produkčním nasazením. Jeden útvar může ověřit přínos agenta v jasně vymezeném úkolu. Ve velkém měřítku však agent musí spolehlivě pracovat s firemními daty, podnikovými aplikacemi, zavedenými procesy i lidmi, kteří řeší nestandardní případy.

Tři hlavní brzdy při rozšiřování agentické AI

Za nejvýraznější omezení při optimalizaci nasazení agentické AI respondenti označili:

• kvalitu a připravenost dat: 38 %,
• integraci se stávajícími workflow a systémy: 37 %,
• governance a soulad s předpisy: 33 %. 14

Nejde tedy jen o schopnosti modelu. Pro produkční provoz potřebuje pracovní postup kvalitní vstupy, správně nastavená oprávnění, funkční propojení systémů, jasně určenou odpovědnost a cestu pro předání případu člověku, pokud automatizace nemůže bezpečně pokračovat.

Zvlášť podstatná je integrace ve firmách se staršími aplikacemi a procesy přesahujícími jednotlivá oddělení. Agent, který funguje v jedné aplikaci nebo týmu, se automaticky nestane součástí celého procesu s několika systémy, předáváním práce a schvalovacími kroky.

Co UiPath označuje jako business orchestration

UiPath pojmem business orchestration označuje vrstvu, která propojuje data, systémy, workflow, lidi a AI agenty. Prakticky má koordinovat práci v celém procesu: předat úkol vhodné automatizaci, agentovi či zaměstnanci, sledovat jeho postup, uplatnit kontrolní pravidla a eskalovat výjimky, kde je nutný lidský úsudek. 4

Plně začleněnou orchestraci v celé organizaci uvedlo jen 29 % respondentů. V této skupině pak 89 % respondentů uvedlo, že jejich implementace agentické AI splnily nebo překonaly očekávání ohledně návratnosti investic (ROI). 315

Jde o pozoruhodný výsledek, nelze z něj ale vyvozovat, že samotná orchestrace automaticky zvyšuje návratnost. Průzkum financoval dodavatel a odpovědi byly sebehodnocením respondentů. Firmy schopné orchestraci plně zavést už navíc mohou mít kvalitnější datové základy, vyspělejší procesní řízení, lepší integrační schopnosti i silnější podporu vedení. 15

Prostor pro hybridní workflow

Průzkum také ukazuje význam procesů, které kombinují předvídatelnou a proměnlivou práci. UiPath označuje jako hybridní workflow spojení statických, opakovatelných procesů s dynamickými úkoly závislými na kontextu. Taková workflow ve své každodenní činnosti uvádí 52 % oslovených vedoucích pracovníků. 10

Právě zde mohou agenti doplňovat deterministickou automatizaci, nikoli ji nutně nahrazovat. Pravidlové kroky zvládnou strukturované a opakovatelné úkony; agenti mohou pomáhat s nestrukturovanými informacemi, měnícím se kontextem a úkoly vyžadujícími úsudek. I toto spojení ale vyžaduje dobře navržené workflow a kontrolní mechanismy.

Jaké přínosy firmy očekávají

Mezi praktickými přínosy orchestrace respondenti nejčastěji uváděli:

• uvolnění zaměstnanců pro hodnotnější práci (51 %),
• lepší integraci aplikací (47 %),
• lepší dohled nad workflow (44 %). 4

Tato očekávání podporují hlavní sdělení průzkumu: firmy nehledají pouze další autonomní software. Potřebují spolehlivě koordinovat lidi, aplikace, automatizaci a AI v procesech, které dokážou sledovat a řídit.

Co z toho plyne pro podnikové AI týmy

Izolovaný pilot lze spustit poměrně rychle. Opakovatelné nasazení v celé firmě je podstatně náročnější. Vyžaduje víc než výběr modelu nebo samostatného agenta: nutné jsou spolehlivá data, interoperabilita aplikací, vlastnictví procesů, governance, monitoring a jasné předání práce člověku.

Pro vedení firem proto není klíčová jen otázka kde může agent pomoci? Stejně důležité je jak bude agent bezpečně a měřitelně fungovat v celém workflow? Organizace, které vyřeší tento koordinační problém, mají lepší předpoklady proměnit slibné experimenty jednotlivých týmů ve schopnosti využitelné napříč firmou. 4