Co je co v AI: model, aplikace, agent a automatizace
Ta slova si nekonkurují - každé mluví o jiné vrstvě téže stavby. Když víte, která vrstva co dělá, přestane být většina textů o AI nesrozumitelná.
Kdo dnes čte o umělé inteligenci, potká během jednoho odstavce model, aplikaci, agenta a automatizaci. Vypadá to jako čtyři soupeři, ze kterých se má vybrat jeden.
Nejsou to soupeři. Je to jedna stavba, popsaná od nejmenšího dílku nahoru - a většina zmatku vzniká z toho, že se ty vrstvy míchají dohromady.
Nejdřív obraz, teprve pak názvy
Motor sám nikam nejede. Kolem něj musí být auto, ve kterém se dá sedět. V autě musí sedět řidič, který ví, kam jede. A ve firmě, které to auto patří, ještě dispečink, který řidiče pošle na cestu, i když majitel zrovna spí.
Model je motor. Chat okno je auto. Agent je řidič.
Automatizace je dispečink, který ho pošle na cestu.
Vrstev je v tomto textu osm. To číslo není dané - jiný autor by je rozdělil na šest nebo dvanáct a nebyl by to spor, protože jde o popis, ne o normu. Podstatné není, kolik jich je, ale co na čem stojí. Kdo píše do chatu v prohlížeči, používá třetí vrstvu a o zbylých nemusí vědět vůbec nic.
Model
Model je vycvičený předvídač textu. Dostane text a počítá, co nejspíš následuje - jako když telefon při psaní nabízí další slovo, jen mnohem chytřeji. Nemyslí, počítá.
Zkratka LLM (anglicky large language model, velký jazykový model) je název druhu, ne značky - podobně jako „automobil“ není „Škoda“.
Slova, která se v této vrstvě objeví
Generative pre-trained transformer - druh modelu, který text tvoří (generuje) a předem se učí z velkého množství textu. Modely od OpenAI. Pohánějí ChatGPT a spoustu firemních aplikací.
Modely od Anthropicu. Zvládají dlouhé zadání, takže si poradí i se složitějším rozborem.
Modely od Googlu. Stejné jméno nese i jejich aplikace, proto ten zmatek.
Modely od Mety. Smíte si je stáhnout a pustit na vlastním počítači.
Francouzský výrobce. V Evropě se zmiňuje kvůli tomu, kde leží data.
Čínští výrobci. Levné a schopné, ale text jde do Číny.
Modely od xAI, napojené na síť X (dřív Twitter) - mají tak přístup k čerstvému dění.
Model sám o sobě nemá paměť, nevidí vaše soubory a neví, co je dnes za den. Všechny vrstvy nad ním existují proto, aby mu to dodaly. Pro běžnou kancelářskou práci se dnešní modely liší míň, než se zdá - země výrobce ale rozhoduje, kam text odchází a čí zákony na něj platí.
Kde model běží
Model je jeden obrovský soubor. Takový, že by se stahoval hodiny a mailem se poslat nedá. Buď běží na cizím počítači, který jede nonstop - tomu se říká server - nebo si ho firma stáhne k sobě.
Rozdíl není technický detail. Když někdo píše do chatu v prohlížeči, běží model na cizím serveru a jeho text tam odchází. Proto se předem rozmýšlí, co tam nepatří: mzdy, smlouvy, osobní údaje zákazníků.
Tři varianty, mezi kterými se vybírá
Nejjednodušší cesta. Text odchází na servery dodavatele, platí se předplatné nebo spotřeba.
Tytéž modely ve vyhrazeném prostoru u velkého poskytovatele. Volí to firmy, které chtějí mít data v Evropě.
Běží na vlastním počítači a neposílá ven nic. Za cenu nižšího výkonu a starosti o provoz.
Slova, která se v této vrstvě objeví
Konkrétní jména pronajatého prostoru - u Microsoftu a u Amazonu (AWS, Amazon Web Services). Model je tentýž; firmy to volí, když chtějí mít data v Evropě, třeba v datovém centru ve Frankfurtu.
Programy, kterými si model spustíte na vlastním počítači. Nic neodchází ven, ale výkon i kvalita jsou nižší.
Není to místo, kde model běží, ale odkud se bere: veřejná knihovna, ze které si model stáhnete, než ho pustíte u sebe.
Aplikace
Model je uvnitř, ale aplikace k němu přidává historii rozhovoru, nahrávání souborů, hledání na webu, hlas a účet, ze kterého se platí.
GPT je model. ChatGPT je aplikace nad ním.
Tady je většina lidí a tady vzniká nejčastější nedorozumění. Srovnávat „ChatGPT a Claude“ znamená srovnávat dvě vrstvy naráz - motor i auto zároveň. Rozdíl, který je v práci opravdu znát, přitom dělá častěji aplikace než model: co umí nahrát, co najde a co si zapamatuje.
Slova, která se v této vrstvě objeví
Chat okno od OpenAI. Nejrozšířenější, proto se jeho jméno používá jako obecné označení pro AI.
Chat okno od Anthropicu. Umí nahrát a prohledat vlastní dokumenty.
Chat okno od Googlu, propojené s poštou a dokumenty.
AI přímo ve Wordu, Excelu a Outlooku - pracujete v programu, který už znáte.
Hledání, které u každé odpovědi ukáže zdroje. Dobré tam, kde si potřebujete ověřit fakta.
Aplikace, která se ptá jen vašich vlastních dokumentů. Neodpovídá z internetu.
Že některé firmy dávají modelu i aplikaci stejné jméno, je marketing, ne technika. Vrstvy to nespojí.
Agent
Agent nejen odpovídá - dělá kroky. Čte a píše soubory, spouští programy, prochází web, po chybě to zkusí jinak a jde k cíli.
„Napiš mi, jak mám zkontrolovat platby za červenec.“
Dostanete postup. Práci uděláte vy.
„Zkontroluj platby za červenec a upozorni na to, co nesedí.“
Dostanete výsledek. Práci udělal on.
Agent je ten řidič z úvodního obrazu - ten, kdo jede sám za cílem. Chatbot vám po telefonu poradí, co máte udělat; agent to udělá sám - jako byste brigádníkovi dali klíče od dílny. Řidič ukazuje, že jede bez dozoru; klíče ukazují, kolik smí bez dovolení. Proto se právě u agenta poprvé řeší hranice: k čemu ty klíče má a kdy se musí zeptat.
Slova, která se v této vrstvě objeví
Agent od Anthropicu v příkazovém okně: místo klikání se mu píše. Sáhne na soubory ve složce, kterou dostane.
Totéž od OpenAI a od Googlu. Liší se detaily, princip je stejný.
Agent od Anthropicu na dokumenty místo na programování. Běží na jeho serverech; do složky na vašem počítači sáhne jen s vaším svolením a jen když máte spuštěnou aplikaci.
Pracují rovnou v prostředí, kde vzniká kód. Pro kancelář to není.
Agent, kterému se píše přímo do WhatsAppu nebo Telegramu a provozuje si ho každý sám. Nejmíň hotová část této vrstvy - špatně zabezpečených instalací se dá na internetu najít tisíce.
Slovo „agent“ se dnes lepí na cokoli. Poznávací znamení je jediné a dá se použít jako otázka na dodavatele: udělá to za mě, nebo mi jen napíše, co mám udělat? Kdo jedná sám, je agent. Zbytek je chat.
Kontext a paměť
Model neví nic o konkrétní firmě. V této vrstvě se mu to dodává - buď rovnou do rozhovoru, nebo dohledáním z vlastních dokumentů.
Aplikace si dnes pár údajů o uživateli uloží, ale dlouhý rozhovor není paměť. Trvale platí jen to, co je zapsané v souboru nebo v úložišti dat.
Slova, která se v této vrstvě objeví
Kolik textu model vidí najednou. Co se do něj nevejde, vypadne - a nikdo vás na to neupozorní.
Trvalé zadání, které platí v každém rozhovoru, aniž ho pokaždé opisujete.
Totéž psané rovnou u dat, se kterými se pracuje. Agent si ho načte sám, než začne.
Retrieval-augmented generation, odpověď obohacená o vyhledání. Postup, kdy se k otázce nejdřív dohledá správný kus vašich dokumentů a teprve pak se odpovídá. Jako asistentka, která před poradou položí na stůl tu správnou složku - nic se tím nenaučí, jen to má po ruce.
Převod textu na čísla, aby šlo hledat podle významu, ne podle přesných slov. Napíšete „reklamace“ a najde se i „stížnost zákazníka“.
Sklad těch čísel, ve kterém se hledá rychle i mezi tisíci dokumenty.
Nahrajte ceník a tři poslední nabídky. Když se vás AI přestane ptát na to, co v nich stojí, tato vrstva u vás funguje. Pokud se ptá dál, dokumenty se k odpovědi nedostávají - a je jedno, jak dobrý model za tím běží.
RAG není chytřejší model a nic se jím nedoučí - jen dostane k otázce správnou stránku. Pro většinu firem je to levnější a rychlejší cesta než doučování modelu na vlastních datech: to stojí víc, rychle zastarává a u běžné agendy nepřinese nic, co by nesvedl dobře dodaný dokument.
MCP a API
Bez napojení AI jen mluví. S ním si přečte mail, sáhne do kalendáře, otevře stránku, připraví fakturu.
Programy spolu potřebují mluvit a slouží k tomu API (anglicky application programming interface, rozhraní pro programy). Je to seznam úkonů, které jeden program nabízí druhému: zeptej se takhle a dostaneš takovouhle odpověď. Když v e-shopu platíte kartou, obchod se přes API zeptá banky, jestli platba prošla - žádný člověk u toho není. Potíž je, že každá služba má API vlastní, takže se každé napojení programuje zvlášť a na míru.
Proto vzniklo MCP (anglicky model context protocol, protokol pro předávání kontextu modelu) - dohoda, jak má napojení pro AI vypadat, aby se nemuselo pokaždé vymýšlet znovu. Je to totéž co USB u počítačů: dokud měl každý výrobce vlastní konektor, potřebovali jste ke každému zařízení jiný kabel. Jakmile se domluvili na jednom tvaru, zapojíte do téže zdířky myš i disk. Co podporuje MCP, jde k AI připojit bez programátora.
Slova, která se v této vrstvě objeví
Model context protocol, protokol pro předávání kontextu modelu. Dohodnutý tvar zásuvky, kterým se k AI připojují nástroje. Co ho podporuje, jde zapojit bez programátora.
Application programming interface, rozhraní pro programy. Seznam úkonů, které jeden program nabízí druhému. Starší a obecnější cesta než MCP - každá služba má vlastní.
Hotová napojení na běžné služby - Gmail, Google Disk, Slack. Zapnete je klikáním a povolíte, co smí vidět.
Seznam úkonů, které AI smí použít: vyhledat, poslat, zapsat. Co v seznamu není, udělat nemůže.
Heslo pro program, ne pro člověka. Kdo ho má, používá vaše napojení a platí to váš účet.
Opačný směr než dotaz: cizí služba se ozve sama, jakmile se něco stane. Přišla platba, přibyl soubor - a linka se rozjede.
Skill a hook
Model bez pokynů se chová průměrně. V této vrstvě se určuje, co má dělat vždycky, co nikdy a v jakém pořadí.
Nejjednodušší je napsané zadání, které platí trvale - v každém rozhovoru, aniž se opisuje. Nad ním stojí skilly: hotové návody na opakovanou úlohu, které se načtou, teprve když na tu úlohu dojde. A nejtvrdší patro jsou hooky - zásahy, které se spustí samy, nezávisle na tom, co si AI myslí.
Slova, která se v této vrstvě objeví
Zadání úkolu. Ne kouzelná formulka: popis toho, co chcete, co se nesmí a jak má výsledek vypadat.
Zadání, které platí pořád a v každém rozhovoru. Určuje roli, tón i to, čeho se AI nemá dotýkat.
Hotový návod na opakovanou úlohu. Leží stranou a načte se, teprve když na tu úlohu dojde.
Zásah, který se spustí sám před akcí nebo po ní - nezávisle na tom, co si AI myslí. Tím se z prosby stává zábrana.
Co agent nesmí, i kdyby ho o to někdo požádal. Typicky mazání dat, platby, odchozí komunikace.
Pomocník s vlastním úkolem a odděleným zadáním. Odvede kus práce a vrátí jen výsledek, ne celý svůj postup.
Cedule „zhasínejte“ je prosba - platí, jen když si ji někdo přečte.
Pohybové čidlo zhasne samo. Napsané pravidlo je cedule, hook je to čidlo.
Tady je rozdíl mezi „používám AI“ a „mám vlastní systém“. Bez této vrstvy začíná firma pokaždé znovu a pokaždé stejně vysvětluje, jak se u ní věci dělají.
Automatizace
Poslední vrstva propojuje kroky do linky: přijde mail, vytáhne se příloha, AI ji shrne, zapíše se do tabulky, přijde zpráva. Bez jediného kliknutí.
Dřív to uměly jen propojovače. Dnes se agenti z předchozích vrstev umí probudit sami: Claude Code i Codex se spustí podle kalendáře a odvedou práci bez obsluhy. Před nasazením se ale vyplatí zjistit, kde přesně to běží - naplánovaná úloha na serverech dodavatele pracuje, i když je váš počítač vypnutý, kdežto úloha naplánovaná v aplikaci na vašem počítači počká, až ho zapnete. Je to rozdíl mezi „ráno to bude hotové" a „ráno se to teprve rozjede".
Slova, která se v této vrstvě objeví
Propojovač kroků, který se skládá klikáním. Dá se provozovat u sebe, ale pak se o jeho běh staráte sami.
Totéž jako služba: běží to za vás a platí se měsíčně. Rychlejší start, menší kontrola.
Propojovač uvnitř Microsoftu. Umí i naplánovaný běh.
Agent se probudí podle kalendáře nebo podle události a odvede práci sám. Poradí si i s tím, co v žádném schématu nakreslené není - a právě proto potřebuje kontrolu.
Nespouští to čas, ale událost: přišel mail, přibyl soubor, změnil se řádek v tabulce.
Propojovač a agent dělají totéž jinak: propojovač jede podle nakliknutého schématu, agent podle zadání. Schéma je předvídatelné, agent si poradí i s tím, co jste nenaklikali - a právě proto potřebuje kontrolu.
Automatizace nedělá AI chytřejší, jen rychlejší. Chyba, která se dřív stala jednou za den, se teď stane i ve tři ráno a nikdo u toho není. Proto se automatizuje až to, co ověřeně funguje.
A nad tím vším: kontrola
Každá vrstva přidává jednu schopnost - a jedno nové místo, kde se to může tiše pokazit. Proto k té stavbě patří ještě jedna věc navíc. Není to nástroj, je to návyk.
Sebejistě vyslovená nepravda není porucha, kterou půjde spravit. Plyne z toho, jak model pracuje: počítá pravděpodobné pokračování, ne pravdu. A čím víc vrstev je nad sebou, tím dál se chyba stihne rozjet, než si jí někdo všimne.
- Kontrolujte tam, kde to skončí. V odeslaném mailu, v tabulce, na webu - ne v okně chatu a ne podle toho, co o své práci tvrdí AI.
- Poslední slovo má člověk. U všeho, co jde ven z firmy nebo co se nedá vzít zpět.
- Pište si datum ověření. U všeho, co stárne: ceny, verze, jména produktů. Tento článek taky.
Všech osm vrstev i se jmény existuje jako plakát k vytištění - hodí se na zeď u stolu nebo jako podklad pro školení ve firmě. Stáhnout plakát v PDF
Slova, na která narazíte v článcích
Pojmy níž se objevují napříč vrstvami a bez nich se většina textů o AI čte špatně.
Kousek slova, se kterým model počítá. Podle tokenů se platí: delší zadání i delší odpověď zvedají účet. A protože model nepracuje s písmeny, neumí spolehlivě říct, kolik jich ve slově je.
Kolik textu udrží najednou před očima. Co se do něj nevejde, vypadne - a model to neohlásí. Prostě odpoví, jako by ta část nikdy nebyla.
Sebejistě vyslovená nepravda. Poznáte ji ověřením, z tónu odpovědi nikdy.
Zadání. Nejde o kouzelná slova, ale o tři věci: co chci, co se nesmí a jak to má vypadat. Čím míň prostoru necháte, tím míň si model domýšlí.
Model, který si nejdřív projde úvahu a teprve pak odpoví. Trvá to déle a stojí víc, na složitém zadání ale udělá míň chyb.
Umí i obrázek, zvuk nebo video, nejen text. V praxi: vyfotíte fakturu nebo obrazovku a rovnou se na ni zeptáte.
Počet naučených hodnot uvnitř modelu, uvádí se v miliardách. Víc neznamená automaticky lepší - znamená dražší provoz a silnější počítač pod tím.
Doučení modelu na vlastních datech. Drahé a rychle zastarává - většině firem stačí dobře dodané vlastní dokumenty.
Cizí příkaz schovaný v textu, který AI čte - v mailu, na stránce, v dokumentu. Agent ho může poslechnout, protože nerozliší vaše zadání od cizího.
Nástroj, kde se řešení skládá klikáním. Platí to o propojovačích i o většině AI aplikací - programátor je potřeba až u napojení šitého na míru.
Jméno, e-mail, mzda, zdravotní údaj zákazníka nebo zaměstnance. Do cizí AI nepatří jen tak - platí pro ni stejná pravidla jako pro každého jiného dodavatele, kterému data svěříte.
Evropské nařízení k umělé inteligenci. Po firmě chce hlavně vědět, kde a jak AI používá; na běžné psaní do chatu dopadá nejmírněji, na rozhodování o lidech nejpřísněji. Povinnost postarat se o proškolení lidí, kteří s AI pracují, ale platí bez ohledu na to, k čemu ji firma používá.
Jedno pravidlo na závěr
Model počítá. Aplikace mu dá okno. Agent mu dá ruce a cíl. Paměť mu dá vaše fakta. Napojení mu dá přístupy. Pravidla mu dají mantinely. Automatizace mu dá kalendář.
Žádná z těch vrstev nenahrazuje tu pod sebou - každá jen dodává něco, co samotnému modelu chybí. A každá přidává jedno místo, kde se to může pokazit. Proto se vrstva nepřidává, protože je k mání, ale protože bez ní něco konkrétního nejde.
Chcete poznat, kterou vrstvu vaše práce doopravdy potřebuje?
Online kurz vede od prvního zadání až po vlastní systém s pamětí, pravidly a kontrolou - v pořadí, ve kterém to na sobě stojí.
Online kurz