AI transformace
Agentní AI navržená jako architektura — ne nasazená jako chatbot.
Discovery workshopy s vedením, mapování a zjednodušování byznys procesů, výběr technologie, tvorba proof-of-concept a definice cílové agentní architektury organizace — vše v promyšleném pořadí, s governance a guardraily zabudovanými od začátku.
Co dodáváme
Čtyři kompetence, jedna transformace
Poradenství pro AI transformaci
Discovery workshopy na úrovni vedení, identifikace a prioritizace AI use-casů, byznys case, definice roadmapy, guardraily a governance.
Architektura AI a GenAI řešení
Návrh LLM řešení, AI agenti, MCP servery, RAG nad firemními daty, dodávka proof-of-concept, výběr technologie a modelu.
Procesní analýza a přestavba
Mapování a zjednodušování složitých byznys procesů, identifikace, kde GenAI a agentní automatizace přinášejí hodnotu, přestavba operačních modelů kolem nich.
Vedení stakeholderů a dodávky
Facilitace od úrovně CIO/VP po dodávkové týmy, řízení dodavatelů, change governance, multitýmová dodávka programů.
Architektura
Vrstvená agentní architektura, ne jedno volání API modelu
Každá vrstva staví na té předchozí: foundation určuje, co model vidí a čeho se může dotknout, orchestrační vzor určuje průběh kroků, guardraily a izolace vše zabezpečují a harness je konkrétní runtime, který to vše pohání.
| Vrstva | Co to je | Proč na tom záleží |
|---|---|---|
| Foundation | Základní model plus nástroje, integrace přes MCP, retrieval a trvalá paměť. | Přidávejte jen to, co daný use case skutečně potřebuje — každá schopnost stojí sdílený kontext a přidává plochu pro chybu. |
| Extensibility | In-process nástroje vs. mimoprocesní MCP servery vs. delegace agent-agentovi. | MCP je správná hranice tam, kde agent překračuje hranici vlastnictví systému — oprávnění a audit sedí na hranici protokolu. |
| Orchestrační vzor | Od deterministického řetězení/routingu přes evaluator-optimizer až po plně autonomní agenty. | Zvolte nejméně autonomní vzor, který daný use case vyřeší — predikovatelnost prudce klesá za evaluator-optimizer. |
| Izolace kontextu | Subagenti dostávají čistý kontext pro review či kritiku; skills se načítají jen když jsou relevantní. | Bez izolace zdědí "revizor" slepá místa autora a jen orazítkuje vlastní chyby. |
| Guardraily a strukturovaný výstup | Výstupy vynucené schématem, oprávnění allow / ask / command-only, kontrolní body s člověkem. | Každá zásadní akce potřebuje pojmenovaný kontrolní bod a schéma, které musí výstup splňovat. |
| Enterprise RAG a suverenita dat | Retrieval jako řízené, dle identity filtrované volání nástroje; privátní síťová cesta; regionální směrování; smluvní ZDR. | To, co dělá platformu vůbec použitelnou pro důvěrná klientská data nebo citlivé know-how. |
| Observabilita a evaluace | Plné trasování průběhu běhu plus automatizované evaluace, spouštěné stejně jako testy při změně kódu. | Bez toho nemá otázka "proč to agent udělal" odpověď a chybovost nelze sledovat v čase. |
| Harness | Runtime, který vše spouští: deklarativní/markdown runtime, code-first framework nebo spravovaná platforma. | Rozhodnutí build-vs-buy — správný harness se liší pro asistenta na návrhy textů a pro monitorovacího agenta na dílně. |
Tuto architekturu podrobně, na inženýrské úrovni, rozebíráme v sérii článků na blogu — včetně dvou skutečných open-source systémů, které rozebíráme do detailu: TradingAgents (multi-agentní obchodní pipeline nezávislá na poskytovateli, licence MIT) a AI Job Search (framework typu fork-and-own nativně postavený na Claude, licence Apache-2.0).
Verzování je průřezová praxe napříč všemi vrstvami výše, ne samostatná záležitost: definice agentů, skills a prompty se verzují stejně jako kód a prochází stejným code review jako pull request. Vizuální no-code nástroje ukládají svou logiku jako neprůhledný JSON blob, který git nedokáže smysluplně diffovat ani blamovat; deklarativní, markdown/code-first harness naproti tomu produkuje u každé změny čistý diff. Právě tento rozdíl bývá rozhodujícím kritériem při výběru harnessu nebo dodavatele, jakmile má systém víc než jednoho přispěvatele.
Operační model
Někdo musí vlastnit agenta, ne jen model
Cílový operační model (TOM) jmenuje odpovědného byznys vlastníka pro každý agentní proces, ustavuje mezitýmové revizní fórum a dává eskalačním cestám kam vést — ještě předtím, než se spustí první pilot, ne až po incidentu.
Struktura governance
Odpovědný byznys vlastník pro každý proces, stálé mezitýmové revizní fórum (byznys, risk, engineering), pojmenovaná platformová/enablement funkce a definovaná eskalační cesta pro rychlé lidské rozhodnutí.
AI enablement, tři úrovně
Základní gramotnost pro každého, kdo posuzuje výstup agenta; track pro power-usery / citizen-builders skládající vlastní workflow; a platformový/inženýrský track, který vlastní harness, guardraily a evaluační infrastrukturu, na které staví všichni ostatní.
Lidský dohled
Autonomie se přiděluje na úroveň akce, ne agenta
Autonomní ("allow") oprávnění agenta by nikdy nemělo pokrývat akci, která je nevratná, finančně významná nebo bezpečnostně citlivá — bez ohledu na to, jak dobře si agent doposud vedl.
Schvalovací bod
Schválí nebo zamítne navrhovanou akci před jejím provedením.
Odeslání e-mailu, provedení obchodu, nasazení kódu.
Editační bod
Upraví navržený obsah nebo parametry agenta před pokračováním.
Kontrola navrženého dokumentu před odesláním.
Kontrolní bod
Zpětně prověří výstup; může vyvolat opakování běhu.
Dodatečná QA kontrola dávky výstupů generovaných agentem.
Bezpečnost
Skutečně nová plocha pro útok
Agentní systémy útočí na úsudek agenta, ne jen na jeho kód. Žádné z uvedených protiopatření není dodatečně přilepené — každé je jen ostřejší aplikací architektury popsané výše.
Únos cíle agenta (nepřímá prompt injection)
Načtený obsah je vždy zpracován jako neověřená data, nikdy jako instrukce; zásadní akce zůstávají za schvalovacím bodem bez ohledu na to, co agent "rozhodl".
Zneužití nástrojů
Oprávnění s nejnižší nutnou mírou — allow / ask / command-only — přiřazená ke každé akci zvlášť, ne k celému agentovi.
Zneužití identity a oprávnění
Oprávnění vymezená per agent a per MCP server v konfiguraci, ne sdílené firemní přihlašovací údaje.
Zranitelnosti v agentním dodavatelském řetězci
Každý MCP server a skill je prověřen a verzovaně ukotven stejně jako softwarová závislost, s pojmenovaným odpovědným vlastníkem.
Nezabezpečená komunikace mezi agenty
Kanály A2A a další formy komunikace agent-agent jsou autentizované a oprávnění omezená stejně jako jakákoliv jiná hranice mezi službami — Remote Agent není důvěryhodný jen proto, že mu to Host Agent delegoval.
Kaskádové selhání
Chybný výstup jednoho agenta se nesmí stát nezpochybněným vstupem dalšího — evaluace a kontrola schématu sedí i mezi kroky pipeline, ne jen na jejím konci.
Zneužití důvěry mezi člověkem a agentem
Výzvy u schvalovacích bodů zůstávají konkrétní a přezkoumatelné, aby se z "prostě to schválit" nestala výchozí reakce revizora, který kontrolní bod přestal skutečně číst.
Zdivočelí agenti a nekontrolovaná autonomie
Nouzový vypínač a pevný strop autonomních ("allow") akcí existují nezávisle na úsudku agenta — systém lze zastavit, i kdyby o to sám agent nikdy nepožádal.
EU AI Act & GDPR
Soulad je problém dokumentace, kterou už máte
Vrstva observability je evidence, kterou vyžaduje článek 12; kontrolní body s člověkem jsou návrh lidského dohledu, který vyžaduje článek 14; LogicStream Agentic Process Artefact — jeden verzovaný diagram s vyznačeným permission mode u každého úkolu — splňuje předpoklad "dobře zdokumentovaného procesu" i většinu auditorského požadavku na data v jediném artefaktu. Obvykle chybí jen provázání mezi nimi — ne samotná opatření.
Roadmap
Fázovaná cesta, ne skoková implementace
Audit připravenosti
Inventura technického dluhu a dostupnosti dat pro 2–3 kandidátní use case; zdokumentování cílových SOP; ustavení AI governance skupiny.
První pilot
Jeden nízkorizikový pilot na business jednotku, kontrolní body "ask"/"edit" u každé zásadní akce, zatím žádné autonomní "allow" akce.
Budování trvalé vrstvy
Integrační vrstva přes MCP, řízený enterprise RAG, observabilita a evaluace; přesun nejrizikovějšího pilotu na code-first framework.
Rozšíření a zpevnění
Rozšiřování autonomie jen tam, kde jsou ověřené evaluace a traceabilita; formalizace pozice k suverenitě dat; zvážení spravované platformy pro škálování.
Zdarma ke stažení
Stáhněte si celý AI Transformation Blueprint
Kompletní architektura popsaná výše, doplněná o důkazy o nákladové efektivitě a eliminaci chyb pro byznys case, který potřebujete obhájit interně.
Stáhnout blueprint zdarma