Claude Tag ukazuje, jak může vypadat týmový AI agent ve Slacku

TL;DR:

• Anthropic představil Claude Tag, beta verzi týmového AI agenta, kterého lze označit ve Slack kanálu a delegovat mu práci.
• Pro AI v práci je důležité, že agent nemá být jen osobní chat, ale sdílený pracovní aktér s kontextem, oprávněními a historií.
• Claude Tag umí pracovat asynchronně, pamatovat si relevantní informace z kanálu a plánovat úkoly na později.
• Největší praktické téma není samotný Slack, ale správa přístupů, audit kroků, nákladové limity a jasné hranice toho, co agent smí dělat.
• Pokud tým přemýšlí o AI agentech, měl by začít jedním nízkorizikovým kanálem a přesně vymezit data, nástroje a typy úkolů.

AI agent v práci dlouho vypadal jako soukromé okno s chatbotem. Jeden člověk se zeptá, model odpoví, konverzace zmizí v osobním účtu. Claude Tag od Anthropicu ukazuje jiný směr: agent sedí přímo v týmovém prostoru, vidí vybrané kanály, může pracovat s nástroji a ostatní lidé sledují, co dělá.

Anthropic oznámil Claude Tag 23. června 2026 jako beta produkt pro zákazníky Claude Enterprise a Team. Začíná ve Slacku. Administrátor určí, do kterých kanálů má @Claude přístup, s jakými nástroji a daty smí pracovat a jaké limity mají platit pro spotřebu tokenů. Lidé ho potom mohou označit ve vlákně podobně jako kolegu a zadat mu úkol.

Co se mění

Důležitý posun není v tom, že Claude odpoví ve Slacku. To by byla jen další integrace chatbota. Zajímavější je týmový model práce.

Anthropic popisuje čtyři vlastnosti: @Claude je multiplayer, učí se z kontextu kanálu, umí brát iniciativu a pracuje asynchronně. Prakticky to znamená, že agent není přivázaný k jedné osobní konverzaci. Tým vidí zadání, průběh a výstup. Další člověk může navázat tam, kde předchozí skončil.

To je blíže reálné práci než klasický chatbot. V malém týmu se rozhodnutí, metriky, support tickety nebo bugy často řeší ve sdílených kanálech. Pokud tam agent může bezpečně číst a konat, nemusí člověk neustále kopírovat kontext mezi nástroji.

Proč na tom záleží pro AI v práci

AI v práci naráží na stejný problém pořád dokola: model je chytrý, ale neví, kde je práce. Nezná kontext, nevidí historii, nemá přístup ke správným nástrojům a neumí převzít úkol napříč kroky.

Claude Tag tento problém neřeší kouzlem. Řeší ho architekturou okolo agenta. Každý kanál může mít jiný rozsah oprávnění a jinou paměť. Sales agent nemá automaticky přístup k engineering datům. Engineering agent nemusí vidět sales kontext. Administrátor může nastavit nákladové limity a log toho, co agent udělal a kdo ho o to požádal.

To je přesně rozdíl mezi „AI agentem jako hračkou“ a agentem jako pracovním systémem. Nestačí, aby uměl plánovat. Musí být jasné, v jakém prostoru plánuje, s čím smí pracovat a kdy má počkat na člověka.

Co si z toho může odnést malý tým

Většina týmů nepotřebuje hned kopírovat Claude Tag. Potřebuje pochopit pattern.

Začněte jedním kanálem, kde jsou úkoly opakovatelné a riziko je nízké. Například monitoring zpětné vazby, sumarizace support vláken, příprava týdenního reportu nebo třídění produktových nápadů. Dejte agentovi jen ty zdroje, které k tomu opravdu potřebuje. Zakázat přístup je často stejně důležité jako ho povolit.

Potom sledujte tři věci: jestli agent šetří čas, jestli zvyšuje kvalitu rozhodnutí a jestli nevyrábí novou kontrolní práci. Pokud tým musí po každém výstupu složitě pátrat, odkud agent vzal tvrzení, workflow není připravené.

Rizika a lidská kontrola

Týmový agent v komunikačním nástroji je silný právě proto, že sedí blízko práce. Ze stejného důvodu je rizikový. Vidí neformální debaty, interní kontext a někdy i citlivé informace.

Proto musí mít každé takové nasazení minimálně čtyři vrstvy kontroly: vymezený přístup k datům, seznam povolených akcí, auditní stopu a jasná pravidla pro úkoly, které vyžadují schválení člověkem. Agent může připravit návrh odpovědi, ale nemá automaticky posílat citlivý e-mail. Může najít možnou příčinu chyby, ale finální rozhodnutí má zůstat u odpovědného člověka.

Praktický závěr

Claude Tag je dobrý signál, kam se AI agenti posouvají: z osobních asistentů do sdílených pracovních prostorů. Pro praktické využití AI to ale neznamená „pusťte agenta do Slacku a čekejte zázrak“.

Lepší první krok je navrhnout malé týmové AI workflow: jeden kanál, jeden typ úkolu, jasná oprávnění, jasný výstup a člověk, který má poslední slovo. Teprve tam se ukáže, jestli agent opravdu pomáhá práci, nebo jen přidává další vrstvu šumu.

Zdroj

Zdroj: Anthropic - https://www.anthropic.com/news/introducing-claude-tag