Krátka odpoveď: AI agent zvládne jednu úlohu sám, kým agentic AI je systém, ktorý ich niekoľko koordinuje, aby spoločne dosiahli väčší cieľ s minimálnym dohľadom. Na názve až tak nezáleží. Veľa z toho, čo sa predáva ako agentic, je obyčajný chatbot s honosnejším menom. O výsledku rozhoduje, koľko samostatnosti a koordinácie práca naozaj potrebuje, nie pojem na obale.
Slovo agentic nájdete v roku 2026 takmer na každej stránke softvérového produktu, zvyčajne hneď vedľa spojenia AI agent, akoby to bolo jedno a to isté. Nie je. A ten rozdiel sa stal reálnym rozhodnutím, lebo postaviť alebo kúpiť nesprávny typ stojí peniaze v miere, ktorá už začala vyvolávať varovania analytikov.
V júni 2025 dala spoločnosť Gartner tomuto rozmazávaniu meno: agent washing, teda pretláčanie existujúcich chatbotov, asistentov a automatizačných skriptov ako „agentov“ bez schopností, ktoré by to opodstatnili. Podľa jej odhadu je z tisícok firiem, ktoré sa vydávajú za dodávateľov agentic AI, reálnych len asi 130 (Gartner, 2025). Pod marketingom sa však skrýva skutočný rozdiel a jeho pochopenie mení to, čo staviate, čo kupujete a koľko to stojí.
Čo tie pojmy vlastne znamenajú
AI agent je jeden program, ktorý samostatne sleduje jeden cieľ. Dostane zadanie, použije nástroje ako vyhľadávanie, kód či API a sám sa rozhodne, akými krokmi sa k cieľu dostane, bez toho, aby ho niekto viedol krok za krokom. Agentic AI (po slovensky agentná AI) je vrstva nad ním: systém, v ktorom niekoľko takýchto agentov pod vedením orchestrátora rozdelí veľký cieľ na časti a rieši ich spoločne.
Veľkí dodávatelia to opisujú takmer rovnako. AWS definuje AI agenta ako softvér, ktorý „interaguje so svojím prostredím, zbiera dáta a využíva ich na samostatné plnenie úloh smerujúcich k vopred daným cieľom“ (AWS). Google Cloud vystihuje hranicu najjasnejšie: „AI agenti sú stavebnými prvkami agentic AI“, sú ako jednotlivé nástroje, kým agentic AI je „koordinované použitie tých nástrojov na postavenie celého domu“ (Google Cloud). IBM chápe agentic AI ako systém, ktorý „dokáže dosiahnuť konkrétny cieľ s obmedzeným dohľadom“, zložený zo samotných agentov (IBM).
Najdôkladnejšie to spracúva akademická práca. Štúdia z roku 2025 od výskumníkov z Cornellovej univerzity a Univerzity Peloponézu, publikovaná v časopise Information Fusion, zostavuje pojmovú taxonómiu, ktorá tie dva pojmy oddeľuje. AI agentov opisuje ako „modulárne systémy poháňané veľkými jazykovými modelmi … pre úzko zameranú automatizáciu“ a agentic AI ako „posun paradigmy, ktorý charakterizuje spolupráca viacerých agentov, dynamické rozdelenie úloh, trvalá pamäť a koordinovaná samostatnosť“ (Sapkota a kol., 2025). Zjednodušene: jeden agent spraví úlohu; agentic AI je viacero agentov plus mechanika, vďaka ktorej fungujú ako jeden celok.
Stojí za zmienku, že ani samotné laboratóriá tú hranicu nevedú rovnako. Anthropic vo svojom čítanom inžinierskom texte Building Effective Agents rozdeľuje svet na workflow, teda „systémy, kde sú jazykové modely a nástroje riadené vopred napísanými cestami v kóde“, a agentov, „systémy, kde jazykové modely samy riadia svoj postup a používanie nástrojov“ (Anthropic, 2024). Podľa tohto delenia nejde o to, koľko agentov máte, ale či softvér ide podľa pevného scenára, alebo sa rozhoduje sám. Túto myšlienku si zapamätajte. Ukáže sa ako tá praktická otázka.
Rozdiely, na ktorých naozaj záleží
Keď odhliadneme od názvov, tie dva sa líšia v niekoľkých konkrétnych bodoch, práve v tých, ktoré menia správanie systému. Tabuľka nižšie vychádza z cornellskej taxonómie a z vyššie uvedených definícií dodávateľov.
| Rozmer | AI agent | Agentic AI |
|---|---|---|
| Rozsah | jedna vymedzená úloha | zložitý viackrokový cieľ |
| Štruktúra | jeden agent pracujúci sám | viacero špecializovaných agentov |
| Koordinácia | žiadna; koná sám | orchestrátor alebo spoločný protokol riadi agentov |
| Pamäť | krátka, v rámci úlohy | trvalá, naprieč krokmi a reláciami |
| Samostatnosť | vysoká vo svojej oblasti | vyššia, naprieč celým procesom |
| Spôsob zlyhania | zlá odpoveď alebo zaseknutá úloha | chyby, ktoré sa kopia pri odovzdávaní medzi agentmi |
Rozdiely zhrnuté podľa Sapkota a kol. (2025) a definícií AWS, Google Cloud a IBM, 2024 až 2026.
Posledný riadok ľudia podceňujú najviac. Jeden agent, ktorý spraví chybu, vám dá zlý výstup, ktorý vidíte. Systém z viacerých agentov, ktorý sa pomýli na začiatku, vie chybu poslať ďalej po reťazi, kde na nej každý ďalší krok stavia. Cornellskí výskumníci to nazývajú šírením chýb (error propagation) a radia to medzi hlavné nevyriešené výzvy agentic AI (Sapkota a kol., 2025). Väčšia samostatnosť nie je zadarmo. Pridáva spôsoby, ako zlyhať.
Kde je vlastne tá hranica?
V praxi je hranica rozmazaná a časť toho rozmazania vám predávajú zámerne. Chatbot na zákaznícku podporu, ktorý dohľadá objednávku a vráti zákazníkovi peniaze, robí skutočnú, užitočnú prácu agenta. Nazvite ho „agentic AI“ a opísali ste ten istý chatbot slovom, ktoré naznačuje koordinovaný systém, aký v skutočnosti nemá. Práve túto medzeru medzi pojmom a schopnosťou Gartner pomenoval ako agent washing.
Nejde len o slovíčkarenie. Gartner predpovedá, že vyše 40 % projektov agentic AI bude do konca roka 2027 zrušených, a to pre rastúce náklady, nejasný prínos pre biznis a nedostatočné riadenie rizík (Gartner, 2025). Veľká časť z toho vzniká práve kúpou slova namiesto schopnosti: firma zaplatí za platformu s viacerými koordinovanými agentmi na problém, ktorý by jeden dobre vymedzený agent vyriešil za zlomok ceny a rizika.
Väčšinou rozpoznáte, na čo sa pozeráte, podľa troch otázok:
- Rozhoduje sa, alebo ide podľa scenára? Tu platí Anthropicova hranica. Skutočné správanie agenta znamená, že model si riadi vlastný postup, nie že len prejde vopred danou cestou.
- Jeden agent, alebo viacero koordinovaných? Agentic systémy majú orchestračnú vrstvu. Ak jeden model robí jednu úlohu, je to agent, nech je označený akokoľvek.
- Pamätá si medzi krokmi? Trvalá pamäť ukazuje na agentic koniec. Jednorazový prompt s nástrojmi nie.
Je ChatGPT agent, agentic AI, alebo len LLM?
Podľa toho, ako ho použijete, je tým všetkým, a práve preto tie pojmy ľudí mýlia. Vo svojom jadre je ChatGPT veľký jazykový model (LLM), systém, ktorý na základe zadania generuje text. To je generatívna AI a sama osebe nie je ani agentom, ani agentic. Odpovedá; nekoná.
Dajte tomu modelu nástroje, napríklad prehliadanie webu, spúšťanie kódu alebo klikanie po stránke, a nechajte ho rozhodnúť, ako ich použije na dokončenie úlohy, a začne sa správať ako agent. „Agentný režim“ v ChatGPT a jeho obdoby v Gemini a Claude sú presne tento krok: jazykový model sa stáva rozhodovacím jadrom vnútri agenta. NVIDIA ten vzorec opisuje ako slučku vnímať, uvažovať, konať a učiť sa, v ktorej „veľký jazykový model funguje ako orchestrátor, čiže rozhodovacie jadro“ (NVIDIA, 2024). Do agentic AI to prejde vtedy, keď je niekoľko takýchto agentov koordinovaných k väčšiemu cieľu. Model je mozog; agent a agentic hovoria o tom, koľko mu dovolíte spraviť.
Čistejší je rozdiel oproti generatívnej AI, ktorú si ľudia tiež mýlia s tým istým. IBM to hovorí výstižne: generatívna AI tvorí obsah, kým agentic AI je „zameraná na rozhodnutia, nie na tvorbu nového obsahu, a nespolieha sa výhradne na pokyny človeka ani nevyžaduje jeho dohľad“ (IBM). Generatívna AI napíše e-mail. Agentic AI vyhodnotí, že e-mail treba poslať, a pošle ho.
Aké sú typy AI agentov?
Spojenie AI agent je o desaťročia staršie než dnešný ošiaľ a klasická odpoveď vymenúva päť typov podľa toho, akí sú prepracovaní. Pochádzajú zo štandardnej učebnice Russella a Norviga Artificial Intelligence: A Modern Approach (Russell a Norvig, 2020).
- Jednoduchí reflexní agenti konajú len na základe toho, čo práve vnímajú, podľa pravidiel typu podmienka-akcia. Bežným príkladom je obyčajný termostat.
- Reflexní agenti s modelom si držia vnútorný model sveta, takže vedia konať aj v situáciách, ktoré nevidia celé.
- Cieľovo orientovaní agenti plánujú dopredu a volia kroky podľa toho, či ich približujú k jasnému cieľu.
- Agenti s úžitkovou funkciou idú ďalej: hodnotia výsledky, takže vedia zvažovať protichodné ciele, nie brať úspech len ako áno alebo nie.
- Učiaci sa agenti časom zlepšujú vlastný výkon na základe spätnej väzby.
Dnešní agenti poháňaní jazykovými modelmi sú väčšinou cieľovo orientovaní a učiaci sa agenti v novom kabáte: plánujú k cieľu a zlepšujú sa spätnou väzbou a lepšími promptmi. Zoznam piatich typov je to, čo väčšina ľudí hľadá. Novšie prehľady ho niekedy naťahujú na sedem tým, že pridajú hierarchické a viacagentové systémy, čo je vlastne bod, kde sa začína agentic AI.
Potrebujete agentic AI, alebo len agenta?
Pre väčšinu firiem je väčšinu času odpoveďou jeden dobre vymedzený agent, nie agentic systém. Je to opak toho, čo tlačí trh, a je to úprimnejšia odpoveď.
Vyjdite z úlohy. Úloha s jasným vstupom, jasným koncovým stavom a zopár nástrojmi, napríklad triedenie prichádzajúcich tiketov podpory, príprava prvých návrhov odpovedí, párovanie faktúry s objednávkou alebo sledovanie metriky a upozorňovanie na odchýlky, je práca pre agenta. Jeden dobre vymedzený agent sa ľahšie postaví, ľahšie stráži a oveľa menej pravdepodobne zlyhá potichu. Anthropic radí vlastným vývojárom jednoznačne: nájdite „najjednoduchšie možné riešenie“ a zložitosť pridávajte, „len keď je to potrebné“ (Anthropic, 2024). To je správne východisko.
Agentic AI si svoju réžiu zaslúži vtedy, keď sa cieľ naozaj nedá zúžiť na jednu úlohu: práca, kde musí spolupracovať niekoľko špecialistov, dlhší výskum, ktorý zbiera a spája poznatky z mnohých zdrojov, alebo procesy, kde kroky nie sú vopred známe a systém sa ich musí rozhodovať za chodu. Prínos je skutočný a náklady tiež. Viac pohyblivých častí, viac spôsobov zlyhania, viac vecí na stráženie. Preto toľko ambicióznych agentic projektov uviazne skôr, než sa vôbec dostane do prevádzky.
Čísla z trhu ukazujú oboje, ťah aj pády. Gartner očakáva, že do roku 2028 bude aspoň 15 % každodenných pracovných rozhodnutí robiť samostatne agentic AI, oproti nule v roku 2024 (Gartner, 2025), a Deloitte predpovedal, že štvrtina firiem používajúcich generatívnu AI spustí v roku 2025 agentic piloty, pričom do roku 2027 to bude polovica (Deloitte, 2024). Smer je jasný. Miera strát cestou je to, čo predajné prezentácie zamlčia. Firmám, ktorým sa darí, je spoločné, že začínajú v malom, overia, že jeden agent funguje, a koordináciu pridávajú, až keď si ju vyžiada reálny cieľ.
Užitočný krok je prestať vyberať podľa nálepky a vyjsť z úlohy, ktorú máte pred sebou. Rozhodnite, koľko samostatnosti práca naozaj potrebuje, či ju pokryje jeden agent, alebo si cieľ naozaj žiada viacero, a nech to zvolí architektúru, nie naopak. Ak chcete vidieť, ako vyzerá dobre vymedzený agent v praxi, náš sprievodca AI agenti pre firmy rozoberá konkrétne príklady a článok o tom, ako sa stavajú AI agentné workflow, sa venuje koordinačnej vrstve. Keď ho radšej zapojíte do práce, než by ste o ňom čítali, na to je naša AI a automatizácia, a ak si to najprv chcete prebrať, napíšte nám, čo chcete zautomatizovať.
