Firmy nazývají agenty to, co jsou stále chatboty — a orchestraci svěřují hlavně Anthropicu

Studie VentureBeat Pulse Research zkoumající 101 podniků ukazuje, že většina „agentů“ nasazených ve firmách jsou ve skutečnosti jen chatboty s API obálkou. Orchestrace skutečných AI agentů se přitom konsoliduje na platformách poskytovatelů modelů — s velkým náskokem vede Claude od Anthropicu. Firmy ho volí kvůli kvalitě podkladového modelu a spolehlivosti při víceúrovňových úlohách. Ambice vedení ale běží rychleji než realita nasazení: skutečná kontrola nad spotřebou tokenů v reálném čase je výjimkou a kontrolní vrstva zůstává záměrně hybridní, aby se firmy vyhnuly závislosti na jednom dodavateli.

Claude dominuje orchestraci, ale ne kvůli platformě samotné

Ze 101 zkoumaných firem jasně vede Anthropic Claude jako platforma pro orchestraci AI agentů. Důvod není primárně technologický — firmy si Claude nevybírají kvůli orchestračním nástrojům, ale kvůli gravitaci samotného jazykového modelu. Spolehlivost při plnění víceúrovňových úloh je hlavní kritérium. Když má agent provést sérii kroků — načíst data, analyzovat je, připravit dokument a odeslat zprávu — je podstatné, že model neselže uprostřed sekvence a dokáže udržet kontext napříč kroky.

OpenAI a další poskytovatelé mají také orchestrační nástroje, ale v této studii zaostávají. Firmy upřednostňují platformu, kde už mají důvěru v model samotný. Orchestrace je pak logické rozšíření — pokud model funguje dobře při interakci s člověkem, má větší šanci uspět i při řízení autonomních úloh. To vysvětluje, proč se konsolidace děje rychleji na straně poskytovatelů modelů než u nezávislých orchestračních frameworků nebo vlastních řešení postavených na open source.

Většina „agentů“ jsou stále jen chatboty s lepším API

Studie odhaluje zásadní rozpor: firmy hovoří o nasazení AI agentů, ale ve skutečnosti většina těchto systémů odpovídá chatbotům s rozšířenou integrací. Agent v pravém slova smyslu plánuje kroky, volá nástroje autonomně, zpracovává mezivýsledky a přizpůsobuje se průběhu úlohy bez lidského zásahu. Chatbot, i když je napojen na interní databázi nebo CRM, stále čeká na lidský dotaz a odpovídá reaktivně.

Výzkum ukazuje, že firmy implementují systémy, které vypadají jako agenti — mají přístup k více datovým zdrojům, mohou volat funkce — ale jejich chování je stále primárně reaktivní. Není to technický problém: nástroje pro autonomní chování existují. Jde o organizační realitu. Vedení chce agenty, protože to zní pokročileji než chatbot. Ale skutečné nasazení autonomního systému s právem jednat bez lidského schválení vyžaduje vnitrofiremní shodu, kterou většina organizací ještě nemá.

Rozdíl není jen sémantický. Chatbot šetří čas při hledání informací. Agent mění průběh procesu — automaticky připraví report, odešle ho na správné místo, aktualizuje stav projektu a upozorní příslušné lidi. To vyžaduje jinou úroveň důvěry i technické infrastruktury.

Kontrolní vrstva je hybridní záměrně — lock-in jako větší riziko než fragmentace

Firmy v této studii nechtějí svěřit orchestraci jediné platformě. I když Claude dominuje jako runtime pro agenty, kontrolní vrstva — tedy systém, který řídí, kdy a jak se agenti spouštějí, jak se logují jejich akce a jak se měří jejich dopady — zůstává hybridní. Někde běží vlastní kód, jinde wrapper nad Claude API, často s přepínáním mezi poskytovateli podle typu úlohy.

Důvod je pragmatický: firmy se bojí závislosti na jednom dodavateli víc než technické složitosti hybridního nastavení. Model od Anthropicu dnes může být nejlepší pro víceúrovňové úlohy, ale za rok to může být jinak. Pokud je celá logika orchestrace svázaná s proprietárním SDK, migrace je nákladná. Proto firmy stavějí abstrakční vrstvu — často jednoduchý middleware — která jim umožní měnit poskytovatele modelu bez přepisování celé aplikace.

Tento přístup má cenu: fragmentace znamená, že firma musí udržovat vlastní kód navíc. Ale pro většinu podniků je to rozumnější než riskovat situaci, kdy by změna dodavatele modelu znamenala předělat všechny navázané procesy. Studie naznačuje, že enterprise AI architektura je dnes ve fázi, kdy se firmy snaží oddělit logiku od runtime — podobně jako se to stalo s cloudem obecně.

Reálná kontrola nad spotřebou tokenů chybí většině firem

Jedna z nejpodstatnějších zjištění studie se týká fiskální kontroly. Většina firem v průzkumu nemá v reálném čase přehled o tom, kolik tokenů jejich agenti spotřebují. Vědí to zpětně — z faktury nebo z dashboardu poskytovatele — ale nemají mechanismus, který by autonomně zastavil proces, pokud by spotřeba překročila limit.

To je problém, protože agent může spustit víc kroků, než někdo očekával. Pokud agent prochází tisíce dokumentů a pro každý volá embeddings a následnou analýzu, náklady rychle rostou. Bez hard limitu nebo alertu může takový proces vyčerpat rozpočet dřív, než to někdo zpozoruje. Studie uvádí, že reálná kontrola nad tokenovou spotřebou je výjimkou — většina firem má jen soft monitoring nebo spoléhá na manuální audit po faktu.

Důvod je částečně technický: poskytovatelé modelů nabízejí API limity, ale ne vždy granulární nástroje pro sledování spotřeby jednotlivých agentů nebo workflow. Částečně jde o prioritizaci: firmy řeší, jestli agent vůbec funguje, a teprve pak se zabývají tím, kolik stojí. Ale jak se agenti začnou používat rutinně, absence této kontroly se stane praktickým problémem — zejména pokud někdo omylem spustí proces, který běží ve smyčce nebo zpracuje víc dat, než měl.

Nasazení je větší problém než výběr platformy

VentureBeat Pulse Research v této studii potvrzuje, že firmy nemají technologický problém — mají deployment problém. Orchestrační platformy existují, modely jsou schopné autonomních úloh a integrace s podnikovými systémy jsou dostupné. Ale skutečné nasazení autonomního agenta vyžaduje proces, který většina firem ještě nemá nastavený: kdo schvaluje, co agent smí dělat? Jak se testuje, že agent nedělá víc, než má? Kdo odpovídá, když udělá chybu?

Firmy označují chatboty za agenty, protože to zní pokročileji a odpovídá to strategické rétorice vedení. Ale rozdíl mezi chatbotem a agentem není jen v názvu — je v míře autonomie. A ta autonomie vyžaduje důvěru, která se buduje postupně. Proto většina firem začíná systémy, které vypadají jako agenti, ale chovají se jako asistenti — čekají na lidský příkaz, odpovídají rychle, mají přístup k datům, ale nejednají sami.

To není selhání. Je to realistická fáze adopce. Studie ukazuje, že firmy, které si tento rozdíl uvědomují, postupují opatrněji — neoznačují každý chatbot za agenta, testují orchestraci na omezeném scope a vědomě oddělují kontrolní logiku od runtime. Ty, které tento rozdíl ignorují, často končí s nasazeními, která nesplňují očekávání — ne kvůli technologii, ale kvůli tomu, že nasadily chatbot a očekávaly chování agenta.