Viktor Doletina z ui42: AI agent, MCP a budoucnost e-commerce firem
AI agenti už nejsou jen technologický experiment. Viktor Doletina, Head of AI z ui42, vysvětluje, jak mění fungování e-commerce firem, proč potřebují přístup k reálným firemním datům a jakou roli v tom hraje MCP.
Umělá inteligence už dávno není jen o chatbotovi, kterému zadáte prompt a čekáte na odpověď. Dalším krokem jsou AI agenti – systémy, které dokážou pracovat s daty, používat nástroje a samostatně vykonávat konkrétní úkoly.
O tom, co tento posun znamená pro firmy v praxi, jsme se v nové epizodě podcastu Biznislab bavili s Viktorem Doletinem, který má v ui42 na starosti AI transformaci.
Navazujeme tak na předchozí epizodu s profesorkou Máriou Bielikovou, která mluvila o tom, jak při AI inovacích nepropadnout panice a chaosu. Tentokrát se posouváme od principů ke konkrétnímu nasazení - jak propojit AI s firemními daty, co umožňuje MCP, kde už dnes dávají smysl AI agenti a proč ani při nich nelze úplně vynechat člověka.
Od chatbota k AI agentovi: v čem je rozdíl
Běžný chatbot dostane od vás jeden prompt a vrátí jednu odpověď – text, obrázek, návrh řešení. Rozhodnutí, co s tím dál, je vždy na člověku.
AI agent funguje jinak. Jak vysvětluje Viktor Doletina, samotné slovo „agent“ dobře vystihuje jeho podstatu - je to někdo, kdo jedná jménem někoho jiného. Pojišťovací agent uzavírá pojistky jménem pojišťovny, cestovní agentura vyřizuje cestu za klienta. AI agent funguje na podobném principu: dostane cíl, má přístup k potřebným nástrojům a datům a následně úkol řeší v jednotlivých krocích, aniž by při každém z nich čekal na další pokyn člověka.
To má přímý dopad i na e-commerce firmy a marketingové agentury. Část úkolů, které dosud vykonávali specialisté - od performance marketingu přes UX až po vývoj - dnes částečně přebírají AI agenti, kteří pracují rychleji, spolehlivěji a bez omezení běžné pracovní doby.
Krok č.1: Propojte umělou inteligenci s vlastními daty
Dříve než firma začne nasazovat AI agenty,měla by podle Viktora vyřešit úplný základ: propojení AI s vlastními daty – například z Google Analytics, interním systémem či daty o zákaznících.
„Dokud umělá inteligence nezná reálně váš byznys, vaše data a vašeho zákazníka, tak pouze hádá a v principu střílí do neznáma. Jakmile dostane ten podklad, konverzace je najednou úplně o něčem jiném,“ vysvětluje Viktor Doletina.
Bez dat je AI jen obecný poradce. S daty se stává partnerem, který umí odpovědět na konkrétní otázky o vašem e-shopu, ne na obecné otázky o ecommerce trhu. Viktor to označuje za „nezbytný krok číslo jedna pro každého, kdo to myslí s AI vážně". Otázkou už není, zda k němu dojde, ale kdy.
Co je MCP a proč je jako „USB“ pro umělou inteligenci
Propojení AI s firemními systémy dnes nejčastěji řeší MCP (Model Context Protocol) – otevřený standard, který definuje, jakým způsobem se umělá inteligence připojuje na jednotlivé systémy a data.
Viktor Doletina ho v podcastu přirovnává k USB. Když přes USB připojíte externí disk k počítači, počítač dokáže okamžitě pracovat s daty, která jsou na něm uložena - aniž byste museli řešit, jak přesně jsou uložena. Stejně to funguje i mezi umělou inteligencí a firemními systémy: Google Analytics, Google Ads, Meta Ads, interní ERP nebo e-shopový CMS systém dnes běžně nabízejí MCP konektor, přes který se dají připojit přímo.
V praxi tak může AI získávat potřebný kontext z různých firemních nástrojů a pracovat s daty, která by jinak člověk musel ručně vyhledávat a spojovat.
„Najednou nemusím jít dohledávat, kolik kde byla fakturace, kolik bylo tasků. Napíšu jeden prompt a vyhodí mi to,“ vysvětluje Viktor Doletina.
AI agenti v praxi: audit, PPC kampaně a kontrola kódu
Jak vypadá využití AI agentů v praxi? V ui42 je už dnes využíváme při několika činnostech, které by si jinak vyžadovaly množství manuální práce a času specialistů.
- Audit přístupnosti webu. Vypracování auditu přístupnosti (povinnost pro weby od minulého roku) je dnes automatizováno vlastním agentem natolik, že se dá udělat za poloviční cenu oproti manuálnímu zpracování.
- Kontrola kódu. AI agent dokáže průběžně kontrolovat kód a dělat code review změn od vývojářů. Pomáhá tak odhalit potenciální chyby ještě předtím, než se projeví na produkčním webu.
- Performance marketing. Agent dokáže projít celý PPC účet do posledního detailu – zkontrolovat, zda je každá kampaň aktivní, zda dává smysl, kde jsou gramatické chyby nebo kampaně směřující na neexistující stránku (404). To jsou běžné chyby, které dosud kvůli časové náročnosti často zůstávaly bez kontroly.
Na podobném principu stavíme v ui42 i FLUIDUM AI – tým specializovaných AI agentů, kteří nepřetržitě monitorují digitální byznys a propojují data napříč systémy. Místo jednoho univerzálního chatbota má každý agent svou oblast expertízy a společně dokážou odhalovat problémy, souvislosti i příležitosti napříč celým e-commerce.
Rizika AI agentů: halucinace a člověk v smyčce
AI agenti nejsou neomylní. Viktor v podcastu zmiňuje konkrétní případ, kdy agent při práci s daty z Google Analytics uvedl obrat 10 tisíc eur místo reálných 5 tisíc. V ui42 jsme proto zavedli automatickou kontrolu, která výstupy agenta porovnává s reálnými daty ze systému. Podobná chyba se od té doby několik měsíců neopakovala.
Proto je při nasazování AI agentů důležitý princip human in the loop – tedy zachování člověka v procesu, zejména při rozhodnutích a úkolech, které mohou mít reálný dopad na byznys.
„Jakmile by AI měla plnou autonomii, je to časovaná bomba, kdy se stane nějaký průšvih. Je důležité, aby člověk, nějakým způsobem, ať už zverifikoval, zkorigoval, nebo dal finální potvrzení, že ano, toto můžeš jít udělat."
Opatrnost je důležitá i při samotných investicích do AI. Jedna ze studií zaměřených na využívání generativní AI ve firmách ukázala, že až 95 % zkoumaných iniciativ z minulého roku nepřineslo měřitelný finanční efekt. Tento rok je to přibližně kolem 60%.
Problémem přitom nemusí být samotná technologie. Jak upozorňuje Viktor, při množství možností, které dnes AI nabízí, je snadné začít experimentovat bez jasného cíle. Ještě před investicí času, peněz a dalších zdrojů by si proto firma měla udělat „domácí úkol“ a vyhodnotit, zda má konkrétní využití AI pro její byznys reálný přínos.
Kolik stojí AI agent a vyplatí se to?
Náklady na provoz AI agentů se odvíjejí od počtu spotřebovaných tokenů – v podstatě nové „měny" umělé inteligence, kde platíte za to, kolik dat model zpracuje. Podle Viktora ui42 na provoz vlastních agentických systémů měsíčně utratí tisíce eur, s tím, že strop prakticky neexistuje – čím složitější systém (například agent, který kontroluje jiného agenta), tím rychleji náklady rostou.
Optimalizace je proto stejně důležitá jako samotné nasazení: volba levnějšího modelu tam, kde to úloha umožňuje, firemní licence místo platby za API při běžném používání, nebo architektura řešení navržená tak, aby zbytečně nemíňala tokeny na jednoduché úkoly.
S rozšiřováním AI do firemních procesů zároveň přibývají i nová pravidla. Evropský AI Act postupně zavádí povinnosti i v oblasti transparentnosti AI obsahu. Firmy by proto při nasazování generativní AI neměly řešit pouze její možnosti a náklady, ale i to, jaké legislativní povinnosti se na konkrétní způsob jejího využití vztahují.
AI potřebuje systém, ne nadšení
Viktor má s rychlým tempem AI transformace i osobní zkušenost. V podcastu otevřeně mluví o období, kdy jeho nadšení pro nové možnosti umělé inteligence přerostlo až do vyhoření. A podobný princip podle něj platí i pro firmy - samotné nadšení pro AI nestačí.
Pokud má umělá inteligence přinášet reálnou hodnotu, potřebuje znát váš byznys a pracovat s jeho daty. Ty je třeba bezpečně propojit se systémy a až následně hledat konkrétní úkoly a procesy, při kterých dává nasazení AI agentů smysl.
Není proto důležité nasadit AI všude, kde se dá. Důležité je vědět, kde firmě skutečně přinese hodnotu.
