Agentická AI ve firmách: proč PoC neznamená nasazení ve velkém

Mnoho velkých firem už dokázalo, že agentická AI umí vyřešit konkrétní úkol. Méně z nich ji však dokázalo proměnit v opakovatelnou schopnost napříč celou organizací. Průzkum UiPath zveřejněný v září 2026 mezi zhruba 600 členy vrcholového vedení a IT odborníky ve firmách s ročními tržbami alespoň 1 miliarda dolarů popisuje tento stav jako „pilotní očistec“: koncept funguje, ale nasazení ve velkém a prokazatelná návratnost investic stále váznou. 418

Jde o průzkum sponzorovaný dodavatelem technologií a výsledky jsou založené na odpovědích samotných respondentů. Údaje o návratnosti investic proto nelze chápat jako nezávislé měření skutečných výsledků. Přesto výsledky poměrně jasně ukazují, kde podnikové projekty agentické AI narážejí: na data, propojení se stávajícími systémy a pravidla řízení.

AI se používá, ale zatím ne plošně

Plné začlenění AI do fungování podniku uvedlo 31 % respondentů. Dalších 35 % používá AI omezeně a 11 % zůstává ve fázi pilotního ověřování či experimentů. 3

To neznamená, že všechny ostatní podniky s AI nepracují. Spíše to ukazuje, že široké provozní začlenění je méně běžné než úzce vymezené projekty. Podle UiPath má řada organizací za sebou počáteční ověření konceptu (PoC), ale nedaří se jim tuto práci rozšířit a doložit významnou návratnost investic. 18

Tři překážky, které brání rozšíření

Při otázce na problémy s optimalizací nasazení uváděli respondenti nejčastěji:

• kvalitu a připravenost dat: 38 %,
• integraci se stávajícími workflow a systémy: 37 %,
• governance a dodržování pravidel: 33 %. 18

Právě v tom spočívá rozdíl mezi povedenou ukázkou a produkčním nasazením. Pilot může fungovat pro úzký úkol, s malou skupinou uživatelů a omezeným počtem systémových vazeb. V ostrém provozu musí agent pracovat napříč aplikacemi, týmy, schvalovacími postupy a kontrolními mechanismy, které tvoří každodenní chod firmy.

Podobné rozlišení popisuje i TechTarget: demo může potvrdit, že agent zvládne daný úkol v kontrolovaných podmínkách. Neprokazuje ale, že organizace vyřešila kvalitu dat, bezpečnost, návrh workflow, měření přínosu a provozní model nutný pro opakované využívání v celém podniku. 21

Orchestrace: vrstva, která propojuje lidi, systémy i agenty

UiPath pojmem business orchestration označuje koordinační vrstvu, jež propojuje lidi, aplikace, data, automatizaci a AI agenty v rámci jednoho podnikového procesu. Cílem je, aby tyto prvky netvořily jen oddělené nástroje, ale řízený tok práce od začátku do konce. Produktové pojetí UiPath výslovně zahrnuje koordinaci agentů, robotů, lidí, aplikací a dat. 14

V praxi taková orchestrace určuje, co má ve workflow následovat, který systém nebo pracovník úkol převezme, kdy je nutné lidské posouzení a jak se práce sleduje a řídí. To je důležité zejména ve chvíli, kdy akce agenta zasahují do existujících aplikací a schvalovacích postupů.

Pouze 29 % respondentů uvedlo, že mají orchestraci plně zabudovanou do workflow. Ve skupině těchto respondentů pak 89 % uvedlo, že jejich nasazení agentické AI splnilo nebo překonalo očekávání ohledně návratnosti investic. 5

Jde o významnou souvislost, nikoli o důkaz příčiny a následku. Firmy s vyspělejší orchestrací mohou mít zároveň kvalitnější datové základy, lépe vybrané případy použití nebo propracovanější provozní postupy. Střízlivější závěr zní, že orchestrace patří mezi schopnosti, které jsou v průzkumu spojeny s častěji uváděným úspěchem.

Do popředí se dostávají hybridní workflow

V horizontu následujících 12 měsíců očekává 36 % respondentů, že agenti sehrají významnou roli v podnikových workflow. 2

Nejčastějším zaměřením jsou hybridní workflow, která označilo 52 % respondentů. Kombinují statické, opakovatelné kroky s dynamickou prací závislou na konkrétním kontextu. 212

To je podstatné, protože nejhodnotnější procesy bývají jen zřídka zcela automatické nebo výhradně lidské. Mohou spojovat strukturované transakce, dokumenty, výjimky, rozhodování a schvalování. Agentická AI do nich může přispět, avšak její rozšíření vyžaduje koordinovat různé režimy práce — ne zacházet s agentem jako s izolovaným rozhraním.

Co musí firma vyřešit, aby se dostala od PoC do provozu

Připravenost nelze posuzovat jen podle toho, zda agent splní testovací úlohu. Důležitější je, zda ho organizace umí konzistentně nasazovat v reálném provozu.

1. Důvěryhodná a použitelná data. Agent potřebuje dostatečně spolehlivé a dostupné informace pro daný úkol.
2. Integrace workflow a systémů. Musí pracovat uvnitř existujících aplikací, procesních kroků a předávek, ne vedle nich.
3. Governance a odpovědnost. Pokud se AI podílí na provozní práci, firma potřebuje odpovídající kontrolní mechanismy, přehled a jasné vlastnictví.
4. Návrh hybridních procesů. Workflow musí vhodně kombinovat předvídatelnou automatizaci, kroky řízené AI a lidské rozhodování.
5. Měření výsledků. Týmy musí umět ověřit, zda nasazení přináší smysluplný obchodní výsledek, nikoli jen působivou ukázku.

Zjištění UiPath neříkají, že by agentická AI ve velkých podnicích chyběla. Ukazují však, že nejtěžší etapa se přesunula od experimentování k provoznímu začlenění. Pro firmy, které se chtějí posunout za hranici pilotů, proto není hlavní prioritou přidat další izolovaný agent. Podstatnější je vybudovat datové, integrační, řídicí a koordinační základy, díky nimž mohou agenti fungovat jako odpovědná součást end-to-end podnikových workflow. 1821