Šesť pojmov o AI, ktoré pochopíte za pár minút. Stačí ich prirovnať k človeku.

Model, RAG, agent, MCP. Na poradách sa tieto slová používajú, akoby boli samozrejmé. Keď sa však niekto opýta, čo presne znamenajú, odpoveď už taká jasná nie je. Vysvetlíme ich na príklade, ktorý poznáte najlepšie: na človeku.

Nemusíte programovať, stačí vedieť, z čoho sa AI skladá

Keď firma zavádza AI, rozhoduje aj o veciach, ktorým nie celkom rozumie. Kúpi licenciu a po pár mesiacoch zistí, že AI odpovedá všeobecne, nepozná firemné dokumenty a za ľudí nič neurobí. Nie je to chyba nástroja. Chýbajú mu časti, o ktorých nikto nerozhodol.

Každý pojem prirovnáme k niečomu, čo poznáte u človeka: k mozgu, ku vzdelaniu, k nahliadnutiu do podkladov, k rukám, k nervovej sústave a k rodičovskému usmerneniu. Pri každom povieme, čo pojem presne znamená a kde prirovnanie prestáva platiť.

Model je časť, ktorá premýšľa a píše. Ide o veľký jazykový model (LLM), teda program, ktorý sa na obrovskom množstve textov naučil, ako na seba nadväzujú slová a myšlienky.

Claude, ChatGPT a Gemini sú aplikácie, nie modely. V každej z nich bežia modely od rovnakej firmy: v Claude modely Opus, Sonnet a Haiku od Anthropic, v ChatGPT modely GPT od OpenAI a v Gemini modely Gemini od Google. Aplikácia k modelu pridáva rozhranie, históriu rozhovorov, prácu so súbormi a ďalšie funkcie.

Výber modelu je dôležitý, ale je to iba začiatok. Kto si kúpi licenciu a čaká, že AI začne pracovať za firmu, zastaví sa práve tu.

Všetko, čo model vie, sa naučil pri tréningu. Najprv spracuje obrovské množstvo textov z kníh, webu a kódu a naučí sa z nich jazyk, fakty a spôsob uvažovania. Potom ho ľudia dolaďujú, aby plnil pokyny, odpovedal užitočne a nerobil škodu. Tréning stojí obrovské peniaze a robí ho výrobca modelu, nie vy. Vlastný tréning väčšina firiem nepotrebuje.

Tréning končí k určitému dátumu. Čo sa stalo potom, model nevie. Nevie ani nič, čo nebolo verejne dostupné, napríklad obsah vašich zmlúv a cenníkov.

Keď sa opýtate skúseného kolegu na niečo konkrétne, neodpovie spamäti. Otvorí priečinok so zmluvami, nájde tú správnu, nalistuje odsek a až potom odpovie. RAG (Retrieval Augmented Generation, teda tvorba odpovede s vyhľadávaním) robí pre AI presne toto: skôr než odpovie, nájde vo vašich dokumentoch pasáže, ktoré k otázke patria, a odpovie z nich.

Ako to funguje

• Dokumenty sa rozdelia na krátke úseky, napríklad po odsekoch.
• Každý úsek sa prevedie na vektor, teda rad čísel, ktorý zachytáva jeho význam. Vektory sa uložia do vektorovej databázy.
• Otázka sa prevedie na vektor rovnakým spôsobom. Databáza nájde úseky s najbližším významom, aj keď v nich nie sú rovnaké slová.
• Nájdené úseky dostane model spolu s otázkou. Odpovie z nich a môže uviesť, z ktorého dokumentu odpoveď pochádza.

Prečo to robíme: model vaše dokumenty nepozná a pri každej otázke ich nemôže čítať všetky naraz. Bolo by to pomalé a drahé a v dlhom texte by sa podstatný odsek stratil. RAG mu dá len to, čo k otázke patrí.

Čo to znamená v praxi

• Odpoveď je len taká dobrá ako dokumenty. Ak je medzi podkladmi starý cenník, AI odpovie podľa starého cenníka.
• Vyhľadávanie sa môže minúť. Preto má AI pri odpovedi uvádzať zdroj, aby ste ho vedeli skontrolovať.
• AI má vidieť len dokumenty, ku ktorým má prístup aj človek, ktorý sa pýta.

Doteraz máme mozog, ktorý veľa vie a dohľadá si, čo potrebuje. Stále však iba radí. Agent nie je samotný model. Je to systém, v ktorom model v cykle rozhoduje o ďalšom kroku, použije nástroj, pozrie sa na výsledok a pokračuje, kým úlohu nedokončí.

Agent sa skladá zo štyroch častí:

• Model rozhoduje, čo urobiť ďalej. To je mozog.
• Nástroje sú akcie, ktoré agent smie vykonať: zapísať obchod do CRM, poslať e-⁠mail, vystaviť faktúru alebo niečo vyhľadať na webe. To sú ruky.
• Skilly sú spísané pracovné postupy s návodom, šablónami a skriptami, napríklad ako u vás vzniká cenová ponuka. Agent si ich načíta, keď ich potrebuje. To je zaučenie na konkrétnu prácu.
• Pokyny a hranice určujú cieľ, čo agent smie a kedy sa má zastaviť a opýtať človeka.

Rozdiel je zásadný: chat vám poradí, čo urobiť. Agent to urobí.

Mozog a ruky sú užitočné, len keď ich spája nervová sústava. Prenáša signály medzi mozgom, zmyslami a celým telom. V AI túto úlohu plní MCP (Model Context Protocol): otvorený štandard, cez ktorý sa AI aplikácia alebo agent pripája k nástrojom a dátam. Predstavila ho firma Anthropic v roku 2024 a dnes ho podporujú aj ďalší výrobcovia.

Funguje to takto: k vášmu systému, napríklad k CRM, existuje MCP server, ktorý popíše, čo sa s ním dá robiť, napríklad vyhľadať zákazníka alebo zapísať obchod. AI aplikácia sa k nemu pripojí, model vyberie potrebnú akciu, server ju vykoná a vráti výsledok. To isté pripojenie potom funguje v každej aplikácii, ktorá MCP podporuje.

MCP nespája agentov medzi sebou. Spája jedného agenta s nástrojmi a dátami. Na komunikáciu medzi agentmi slúžia iné protokoly, napríklad A2A od Google.

V praxi to znamená, že AI vidí do vášho CRM, účtovníctva či pošty a nikto nemusí kopírovať údaje z jedného okna do druhého.

Človek si zásady osvojuje roky, najmä doma. Vie, čo sa smie a čo nie, aj keď mu to nikto nepripomenie. AI takú skúsenosť nemá. Správa sa ako šikovné a ochotné dieťa: je rýchla a snaží sa vyhovieť, no dá sa ľahko oklamať.

Systémový pokyn (system prompt) je text, ktorý AI dostane pred každým rozhovorom a používateľ ho nevidí. Píše ho ten, kto AI nasadzuje, teda vy alebo váš dodávateľ. Obsahuje rolu, úlohu, tón komunikácie a pravidlá: čo AI smie, čo nesmie a kedy má odovzdať rozhovor človeku.

Pokyn však nie je zámok. Keď sa niekto pokúsi AI zmanipulovať pokynom ukrytým v otázke, e-⁠maile alebo dokumente, hovoríme o prompt injection. Funguje to rovnako ako podvodné telefonáty, na ktoré naletia aj ľudia.

Ako zistiť, čo vašej AI chýba

Na záver krátka kontrola. Pri každom pojme si položte jednu otázku. Kde odpoviete „nie“, tam vaša AI stráca najviac.

Tréning v tabuľke nie je zámerne. Robí ho výrobca modelu a vlastný tréning firma takmer nikdy nepotrebuje.

Jaro Rais

Zakladateľ itashu. Stavia agentov a prepája AI so systémami firiem.