Model versus agent
Základní zmatek, který dnes provází většinu debat o umělé inteligenci, je záměna modelu za agenta. Model je jazyková inteligence samotná, tedy mozek, který zpracovává vstup a vrací odpověď. Patří sem ChatGPT od OpenAI, Claude od Anthropicu, Grok od xAI nebo Gemini od Googlu. Agent je oproti tomu počítačový program postavený nad těmito modely. Má vlastní paměť, pamatuje si vaše konverzace a umí se k nim vracet. Dokáže používat nástroje, ovládat infrastrukturu vašeho počítače, řídit se trvalými instrukcemi a opakovat úlohy ve smyčce. Zjednodušeně řečeno je model motor a agent řidič, který s ním něco skutečně dělá. Hranice se přitom stírá, protože poskytovatelé postupně přesouvají agentní schopnosti přímo do svých modelů.
Kde to začalo
Vlna zájmu o agenty odstartovala s příchodem projektu OpenClaw na začátku roku 2026. Šlo o první nástroj, se kterým jste komunikovali jako s chatbotem, ale který zároveň dokázal používat nástroje a ovládat celý počítač. Právě rychlost následného vývoje stojí za pozornost. Během několika měsíců začaly prakticky všechny velké jazykové laboratoře pracovat na vlastní obdobě a řada z nich ji už nasadila. Otevřenost projektu měla ale i odvrácenou stranu. Komunita do něj hrne obrovské množství změn a téměř každá aktualizace může něco rozbít. OpenClaw proto dává smysl spíš programátorům než běžným pokročilým uživatelům, kteří chtějí nástroj, jenž prostě funguje.
Hermes Agent
Alternativou je Hermes Agent od laboratoře Nous Research, šířený jako open source pod licencí MIT. Vývoj tu není tak překotný, což se v praxi projeví tím, že aktualizace nerozbíjejí funkční nastavení. Zásadní je také dostupnost desktopové aplikace, takže instalace už nevyžaduje práci v terminálu. Hlavní výhodou zůstává otevřenost vůči jazykovým modelům. Můžete jich napojit více a libovolně mezi nimi přepínat, což vedle svobody volby znamená i reálnou úsporu peněz. Klíčovou vlastností jsou takzvané skills. Když agent rozpozná, že nějakou činnost řešíte pravidelně, vytvoří si na ni schopnost a na základě vaší zpětné vazby ji sám průběžně vylepšuje. Výsledky se tak s časem zlepšují.
Tři možnosti nasazení
Nasadit agenta lze v zásadě třemi způsoby a každý znamená jiný kompromis mezi užitkem a rizikem. První je spuštění na hlavním počítači. Přinese největší hodnotu, protože agent má přístup k vašim aplikacím, datům i uloženým heslům, a dokáže tak například sám upravovat váš web. Zároveň jde o nejnebezpečnější variantu. Pokud se do takového počítače dostane útočník, získá skrze agenta prakticky neomezené možnosti, od změny přístupů po vyprázdnění bankovního účtu, a to velmi rychle. Druhou možností je oddělený stroj, třetí virtuální privátní server v cloudu. Pokud používáte firemní modely od velkých poskytovatelů, bavíme se prakticky výhradně o první variantě.
Oddělení není samozřejmost
Oddělený počítač zní jako bezpečné řešení, ale sám o sobě nestačí. Pokud se na něj přihlásíte svým běžným účtem a připojíte stejné cloudové ID, převezme tento stroj přes správce hesel prakticky všechny vaše přístupy i cloudové dokumenty. Iluze izolace tak zmizí během minuty. Skutečně bezpečná konfigurace znamená oddělený počítač, oddělený uživatelský účet bez administrátorských práv a oddělené cloudové ID. Takové nastavení nemá vaše aplikace, data ani hesla. Cenou je výrazně vyšší složitost při každém propojení a instalaci. Je to nejpracnější cesta ze všech a je férové to říct předem, protože právě na tomto kroku většina lidí rezignuje a sáhne po pohodlnější variantě.
Cloud jako zkratka
Virtuální privátní server je nejrychlejší způsob, jak agenta rozjet. Poskytovatel se stará o provoz, stroj běží nepřetržitě bez ohledu na výpadky elektřiny u vás doma a zpravidla je zabezpečen lépe, než dokáže zajistit běžný uživatel. Navíc není součástí vaší domácí sítě, což je z pohledu bezpečnosti výhoda. Nevýhody jsou ale konkrétní. Přenos souborů je komplikovaný, lokální model se tu nevyplatí provozovat a napojení dalších nástrojů se řeší přes terminál. Zásadní je také cenové riziko. Měsíční tarif se může kdykoli výrazně zvýšit ve chvíli, kdy už do nastavení investujete desítky hodin. Doporučení mnoha zahraničních tvůrců navíc často stojí na partnerských odkazech.
Hardware pro lokál
Lokální open source modely mění ekonomiku celého řešení. Neplatíte předplatné ani tokeny, jenom počítač a elektřinu, a žádná data neopouštějí váš stroj. Rozhodující je velikost operační paměti. Na sestavě s šestnácti gigabajty rozběhnete jen velmi slabé modely, které postačí na základní úlohy. Rozumným minimem je zhruba 36 GB, protože po odečtení nároků systému zbývá dostatek paměti pro model. Pokud chcete kromě chatu i lokální programování, dává smysl 64 GB nebo dva oddělené stroje. Apple těží z takzvané unified memory sdílené mezi procesorem a grafikou. NVIDIA nabízí DGX Spark se 128 GB a výhodou technologie CUDA, AMD chystá vlastní odpověď postavenou na ROCm.
Co s tím dokážete
Praktický přínos začíná u opakovaných činností. Naplánované úlohy může agent vykonávat sám, přičemž existují dva typy. Jeden využívá jazykový model a stojí tokeny, druhý je obyčejný skript, který agent napíše a jehož provoz stojí prakticky jen elektřinu. Reálné příklady zahrnují vytváření, odesílání a evidenci faktur, ticketingový systém na zakázky nebo hlasového asistenta na telefonní lince. Postavit si vlastní CRM je dnes otázkou zlomku nákladů oproti hotovým podnikovým řešením. To otevírá nepříjemnou otázku pro celý obor vývoje software a pro pracovní pozice, které dnes stojí na rutinním programování. Nejpravděpodobnější cestou je posun směrem ke konzultantům, kteří firmám tato řešení nasazují.
Jan Piechaczek
Šefredaktor
Jsem šéfredaktor serveru zaměřeného na elektromobilitu, oblast, která představuje budoucnost dopravy. Moje vášeň pro technologii a udržitelný rozvoj mě přivedla k tomuto zaměření, kde mohu spojit svůj zájem o inovace s odpovědností vůči životnímu prostředí.