Kdy dává AI workflow větší smysl než chatbot

Chatbot se hodí pro rozhovor se zákazníkem nebo hledání odpovědí. Když však potřebujete opakovaně zpracovat fakturu, roztřídit požadavek nebo připravit záznam do CRM, může být vhodnější ohraničené AI workflow. Rozdíl není v módním názvu, ale v tom, kdo spouští kroky, co se kontroluje a kde se práce předává člověku.

Firmy nepřestaly používat AI. Přestaly ji stavět jako ukecané okénko a začaly ji stavět jako tichého úředníka, který odvede konkrétní kus práce a předá ho člověku ke schválení.

Proč chatbot sám o sobě často zklame

Jednoduchý chatbot interpretuje dotaz, vygeneruje odpověď a skončí. Pokud není propojený s firemními systémy, do účetnictví nic nezapíše, objednávku nezaeviduje ani fakturu k platbě nepřipraví. To je v pořádku, pokud řešíte opakované dotazy zákazníků. Pokud ale čekáte úlevu od další práce, potřebujete navrhnout i navazující kroky a kontrolu jejich výsledků.

Druhý problém je měřitelnost. U chatbota se špatně počítá návratnost: kolik hodin reálně ušetřil? Kolik dotazů by stejně nikdo neposlal? Naopak u ohraničeného úkolu – „roztřiď příchozí e-maily a přilož je ke správné zakázce“ – se úspora spočítá během pár minut, protože přesně víte, kolik ta činnost stála ručně.

A do třetice: chatbot je nejviditelnější část AI, takže se u něj nejvíc řeší, když se splete. Automatizace běžící na pozadí s lidským schválením před finálním krokem má tenhle problém výrazně menší.

Co ukazují data

Gartner odhaduje, že do konce roku 2026 by až 40 % podnikových aplikací mohlo obsahovat AI agenty pro konkrétní úkoly – oproti méně než 5 % v roce 2025. Jde o prognózu, ne o naměřený stav.

To je přesně ten posun: od samostatného chatovacího okna k AI zabudované do procesu, který ve firmě už dávno existuje.

Jak to vypadá v praxi

Pár konkrétních příkladů úkolů, které dnes ve firmách běží automatizovaně – a mají společné to, že jsou úzce vymezené:

Třídění příchozí pošty. Systém přečte e-mail s přílohou, rozpozná, jestli jde o fakturu nebo smlouvu, určí, které firmy se týká, a zařadí ji tam, kam patří. Člověk jen zkontroluje a potvrdí. V jednom mém projektu tenhle krok běží s 98–99% přesností klasifikace v ostrém provozu – a ušetří hodiny ručního přebírání pošty týdně.

Příprava podkladů. Před schůzkou nebo poptávkou AI vytáhne z historie komunikace a interních dokumentů souhrn: co jsme s klientem řešili, co jsme mu naposledy nabídli, co zůstalo otevřené. Nikdo nemusí prohledávat e-maily rok zpátky.

Směrování požadavků. Přišel dotaz – jde na reklamace, obchod, nebo technickou podporu? U větších objemů je tohle rozhodování samo o sobě práce na několik hodin denně, a přitom je dobře automatizovatelné.

Návrhy odpovědí místo automatických odpovědí. Zásadní nuance: systém nepošle odpověď zákazníkovi sám, ale připraví koncept, který člověk během několika sekund zkontroluje a odešle. Zachovává rychlost, ale bez rizika, že vaším jménem odejde nesmysl.

Klíčové slovo: ohraničený úkol

Tohle je ta nejdůležitější věc z celého článku. Rozdíl mezi automatizací, která funguje, a tou, co skončí ve šuplíku, obvykle není v použitém modelu ani v ceně. Je v tom, jak přesně je zadání ohraničené.

„Zpracuj naši agendu“ je zadání, které nemůže dopadnout dobře. „Z e-mailu s přílohou urči typ dokumentu a přiřaď ho k zakázce“ je zadání, které má jasný vstup, jasný výstup a jde ověřit, jestli je výsledek správný.

Platí tady stejná logika jako u psaní promptů – čím konkrétnější zadání, tím lepší a hlavně ověřitelnější výsledek (víc jsem o tom psal v článku Co je prompt). Jenom to tady neplatí pro jednu odpověď, ale pro celý proces.

Kde je hranice – a proč tam má zůstat člověk

Plně autonomní AI agenti, kteří si sami plánují kroky a jednají bez dozoru, jsou technicky dostupní už dnes (psal jsem o nich v článku AI agenti v roce 2026). Pro většinu malých a středních firem ale zatím nedávají smysl jako první krok – a to ze dvou důvodů.

První je praktický: čím víc kroků agent udělá sám, tím hůř se dohledává, kde přesně vznikla chyba. Když má proces jeden kontrolní bod před finálním krokem, chyba se zachytí dřív, než napáchá škodu.

Druhý je bezpečnostní. Autonomní systém s přístupem do vašich systémů je zároveň dobře využitelný cíl. Výzkumníci Sysdig letos popsali útok, v němž podle jejich analýzy AI agenti samostatně provedli řadu kroků. Čím širší oprávnění agentovi dáte, tím pečlivěji musíte řešit, kdo a co s nimi může dělat.

Firma, která AI systém používá, musí podle konkrétního účelu nastavit kontrolu výstupů, odpovědnosti a postup při chybě. Od srpna 2026 začal také dohled nad povinností podporovat AI gramotnost lidí, kteří se systémy pracují. Schválení citlivého kroku člověkem je praktická kontrola, ale samo o sobě nenahrazuje posouzení rizik.

Jak poznat, který proces se u vás vyplatí zautomatizovat

1. Opakuje se to. Denně nebo aspoň týdně, pořád stejným způsobem. Jednorázová věc se automatizovat nevyplatí – příprava zabere víc času než ruční provedení.

2. Má to jasné pravidlo, i když nepsané. Pokud kolegyně dokáže vysvětlit, podle čeho se rozhoduje, jde to automatizovat. Pokud řekne „to člověk musí cítit“, je to špatný kandidát.

3. Jde ověřit, jestli je výsledek správně. U třídění dokumentů to poznáte hned. U „vymysli nám strategii“ ne.

4. Zabírá to měřitelný čas. Když ta činnost stojí hodinu týdně, návratnost bude mizivá. Když stojí den v týdnu, je to jasný kandidát.

5. Chyba tam nezpůsobí katastrofu. Nebo se dá zachytit kontrolou před odesláním. Začínat automatizací tam, kde chyba znamená ztrátu klienta nebo peněz, je zbytečné riziko.

Znamená to, že chatbot je mrtvý?

Ne. Chatbot dává výborný smysl tam, kde reálně řešíte velké množství podobných dotazů – e-shop, ordinace, škola, servis. Pokud vám denně chodí desítky stejných otázek na otevírací dobu, dostupnost termínů nebo stav objednávky, je to pořád jedna z nejrychleji návratných investic do AI, jaké existují.

Změnilo se hlavně to, že chatbot přestal být automatickou odpovědí na všechno. Je to jeden nástroj z několika – a často ne ten první, který by firma měla nasadit. Když se vás někdo snaží přesvědčit, že chatbot vyřeší vaše provozní problémy, aniž by se zeptal, co ty problémy vlastně jsou, je to varovný signál.

Upřímný závěr

Posun od chatbotů k ohraničeným automatizacím není módní vlna, je to dozrávání. Firmy si po dvou letech experimentů spočítaly, co jim reálně ušetřilo peníze – a byly to nudné věci: třídění, směrování, příprava podkladů, kontrola. Ne efektní demo, ale proces, který každý den tiše odvede kus práce.

Pokud u vás AI zatím „nezabrala“, často to není tím, že by na vaši firmu nesedla. Bývá to tím, že se nasadila jako univerzální nástroj místo na jeden konkrétní, dobře ohraničený úkol. A to je oprava, která obvykle netrvá měsíce.

Časté otázky k workflow automatizaci a chatbotům