AI agent ve firmě potřebuje znát význam dat i důvody výjimek

TL;DR

• Přístup k firemním tabulkám agentovi nestačí. Potřebuje vědět, co údaje znamenají, jak spolu souvisejí a kdo smí rozhodnout o dalším kroku.
• SAP tento přístup popisuje pomocí Knowledge Graph a připravované Company Memory. Znalost pravidla ale sama nezajistí jeho dodržení: oprávnění a schvalování musí platit i při provádění akcí.
• Vyzkoušej jeden případ s chybějícím údajem a jeden s dříve schválenou výjimkou. Sleduj, zda agent požádá o doplnění nebo schválení, místo aby si domyslel řešení.

Požádáš agenta, aby připravil přehled faktur k úhradě. Částky a splatnosti najde snadno. Jenže u jednoho dodavatele se čeká na vyřízení reklamace a jinému jste minule výjimečně zaplatili předem. Aby byl přehled použitelný, musí agent rozlišit běžné pravidlo, aktuální překážku a jednorázové rozhodnutí.

Právě na takových detailech stojí užitečná agentská práce ve firmě. Při výběru řešení proto potřebuješ ověřit, jak agent chápe tvoje data a postupy, nejen zda se dokáže připojit k účetnictví.

Technický ředitel SAP Philipp Herzig tento problém rozebírá v rozhovoru, který The Rundown zveřejnil 25. října 2026 ve spolupráci se SAP. Jde o partnerský obsah s dodavatelem podnikového softwaru. Popisy produktů a jejich přínosů tedy vycházejí z tvrzení SAP, nikoli z nezávislého testu.

Tabulka neřekne všechno o tom, jak firma funguje

Herzig upozorňuje na odpovědi, které znějí přesvědčivě, ale míjejí skutečný význam firemních údajů. Agent může správně přečíst pole v tabulce a přesto špatně pochopit situaci. Potřebuje například rozpoznat, že dodavatel vedený v nákupu je stejný subjekt jako příjemce platby v účetnictví.

SAP pro tento účel popisuje Knowledge Graph: strojově čitelnou mapu firemních objektů, vztahů a pravidel. Podle Herziga má agentům pomáhat s výkladem dat, omezovat chybná volání nástrojů a snižovat počet opakovaných pokusů. Rozhovor ale neuvádí srovnávací výsledky, podle kterých by šlo velikost tohoto přínosu posoudit.

Pro menší tým z toho plyne konkrétní otázka na dodavatele: Jak agent zjistí, co daný údaj znamená v našem pracovním postupu? Ukázka načtené tabulky na ni ještě neodpovídá. U přehledu faktur si nech předvést i to, odkud agent pozná pozastavenou úhradu nebo chybějící měnu.

Paměť má uchovat důvod výjimky

SAP podle rozhovoru buduje také Company Memory, která má zachycovat, jak se ve firmě skutečně rozhodovalo. Herzig za nejcennější považuje důvod schválené výjimky: její okolnosti, zdůvodnění, kdo ji schválil a jak dopadla.

To je užitečný rozdíl i pro malou firmu. Záznam „dodavateli jsme zaplatili předem“ může agenta zavést. Záznam, který vysvětluje jednorázovou podmínku a uvádí schvalující osobu, mu dává podklad pro posouzení dalšího případu.

Předchozí úspěch ovšem nevytváří nové pravidlo. Herzig výslovně říká, že zobecnění výjimky musí posoudit člověk odpovědný za daný proces. V našem příkladu by tedy agent mohl minulou platbu dohledat a upozornit na ni. Zda lze stejný postup zopakovat, má předat ke schválení.

Zadání vlastními slovy mění ovládání, odpovědnost zůstává

Joule Work má podle SAP umožnit začít tím, čeho chceš dosáhnout. Informace a funkce z více aplikací má spojovat do jednoho pracovního prostředí. Funkce Spaces pak může ze zadání vytvořit graf, tabulku nebo přehled, který dál upravuješ pomocí požadavků.

Herzig uvádí vlastní příklad: nechává si shromáždit relevantní změny z práce inženýrských týmů, aby se lépe připravil na rozhovor s kolegy. Rozhodnutí, čemu věnovat pozornost a kde pomoci, si ponechává. Je to popis jeho použití, nikoli doložená úspora času pro jiné týmy.

Při předvedení podobného nástroje si proto nech ukázat cestu od podkladu k akci. Odkud pochází údaj v přehledu? Může agent jen připravit návrh, nebo také změnit záznam? Kdy požádá o schválení?

Samotný Herzig rozlišuje pochopení pravidla a jeho vynucení. Akce mají dál podléhat oprávněním uživatele, stanoveným hranicím a tam, kde je to potřeba, lidskému schválení.

Náklady řeš podle úlohy i podle oprav

Další část rozhovoru se věnuje ceně provozu. Herzig doporučuje vybírat model podle složitosti, rizika a potřebného kontextu. Shrnutí e-mailu nemusí vyžadovat stejný model jako rozhodování v několika navazujících krocích. Některé úlohy lze vyřešit i bez jazykového modelu.

Za zdroj zbytečných nákladů označuje také příliš mnoho málo užitečných informací v zadání. To souvisí s významem dat: agent potřebuje správné podklady k aktuálnímu rozhodnutí. Přidání celého archivu mu nemusí pomoci.

Při vlastním porovnání doporučujeme sledovat cenu použitelného výsledku včetně opakovaných pokusů a lidských oprav. Levnější odpověď, kterou musí účetní znovu sestavit, nemusí znamenat levnější práci.

Začni případem, ve kterém běžný postup nestačí

Pro první ověření vyber jednu činnost, jejíž správný výsledek dokáže posoudit zkušený kolega. U přehledu faktur můžeš v testovacích podkladech připravit chybějící měnu a odkaz na dřívější výjimku. Předem si určete, kdy má agent požádat o doplnění a kdy předat rozhodnutí člověku.

Sleduj nejen výslednou tabulku, ale i zdůvodnění a navržené kroky. Pokud agent výjimku automaticky zopakuje nebo chybějící údaj odhadne, máš konkrétní problém k opravě ještě před tím, než mu svěříš změny v účetnictví.

První otázka pro dodavatele tak může být jednoduchá: Ukaž mi, co agent udělá, když má data, ale nemá dost podkladů k rozhodnutí.

Zdroj

The Rundown: SAP's Philipp Herzig on AI built for business data, 25. října 2026. Partnerský rozhovor se SAP.