Workday zrychlil prototypy AI agentů díky společnému zázemí

TL;DR

• Vývoj dalších AI agentů může zrychlit společné řešení přístupů, napojení na data a testování. Workday tyto části soustředil do interní platformy.
• Podle případové studie se příprava prototypu zkrátila ze čtyř až pěti měsíců na méně než den. Jde o spuštění v testovacím prostředí, nikoli o dokončené produkční nasazení.
• Před dalším agentským projektem si zjisti, které části připojení a provozu stavíš opakovaně. Právě tam hledej prostor pro společný základ.

První agent potřebuje přístup k dokumentům, připojení k modelu a způsob, jak dohledat chybu. Druhý často potřebuje totéž. Pokud každé zadání znamená znovu vyřešit přihlášení, oprávnění a testovací prostředí, značná část vývoje padne na přípravu zázemí ještě před ověřením samotné úlohy.

Workday popisuje cestu, jak tuto práci sdílet. Interním vývojářům připravil platformu, která propojuje existující firemní služby a zajišťuje společné provozní požadavky. Pro menší tým je na tom užitečný princip: při dalším agentovi znovu využít to, co už funguje a má nastavená pravidla.

Co Workday vyřešil společně pro více agentů

Případová studie zveřejněná na blogu LangChain 10. listopadu 2026 popisuje platformu pro vývoj, nasazování a provoz agentů na infrastruktuře Workday. Tým začínal ve čtyřech lidech a měl obsloužit rychlé prototypování i produkční provoz s požadavky na audity, zabezpečení a uchovávání dat.

Platforma přebírá společné úkoly, jako jsou ověřování identity, zabezpečení a provozní infrastruktura. Produktové týmy se tak mohou více soustředit na to, jakou práci má jejich agent dělat.

Jedním z prvních dodaných produktů byl Agent System of Record, vrstva řízení, která určuje, ke kterým API smějí agenti přistupovat. Platformový tým pro ni vytvořil serverové zázemí a infrastrukturu pro hodnocení agentů.

Vedle toho vznikla sada vývojářských nástrojů pro Python. Ta propojuje stavební prvky LangChain s interními službami Workday, například s bránou k jazykovým modelům nebo službou pro vyhledávání podkladů. Vývojář tak získává společné rozhraní k funkcím, které dříve existovaly odděleně v různých týmech.

LangGraph řídí postup, LangSmith pomáhá dohledat chování

Workday zvolil LangGraph pro řízení agentské práce. Jeho grafový model umožňuje popsat jednotlivé kroky a návaznosti mezi nimi. Vývojáři mohou sestavit jak smyčku, ve které agent volí další akci, tak postup s pevně určeným pořadím kroků.

To je důležité pro návrh společné platformy: různé úlohy nemusí mít stejný způsob řešení. Společná infrastruktura může obsloužit více podob agentů, aniž by všem vnucovala jednu strukturu rozhovoru nebo jednu roli.

LangSmith slouží ke sledování průběhu práce a vyhodnocování výsledků. Když agent udělá chybu, tým potřebuje dohledat také cestu, která k ní vedla. Samotná závěrečná odpověď nemusí ukázat, zda problém vznikl při výběru podkladů, volání nástroje nebo rozhodování o dalším kroku.

Prototyp za den má přesně vymezený význam

Nejvýraznější údaj studie je zkrácení přípravy prototypu ze čtyř až pěti měsíců na méně než jeden den. Nový prototyp podle popisu běží v testovacím prostředí a už má začleněné požadavky na ověřování identity a zabezpečení.

Tento údaj se týká prototypu na hotové platformě. Neříká, že za den vznikla samotná platforma ani že je každý nový agent připravený pro zákazníky. Tým stále musí navrhnout jeho chování a ověřit, zda správně plní konkrétní úlohu.

Jde také o zkušenost zákazníka zveřejněnou dodavatelem použitých nástrojů. Studie neuvádí podrobnou metodiku srovnání ani celkové náklady na vytvoření a provoz platformy. Uvedený čas proto může ilustrovat přínos sdíleného zázemí, ale není spolehlivým odhadem délky tvého projektu.

Co z toho převzít v malém týmu

Představ si, že stavíš dva interní pomocníky: jeden hledá odpovědi ve firemních dokumentech, druhý připravuje podklady pro zákaznickou podporu. Jejich zadání se liší, ale oba mohou potřebovat stejné přihlášení, přístup k modelu a záznam provedených kroků. To je ilustrační příklad, kde se vyplatí prověřit sdílení společných částí.

Při plánování dalšího agenta si polož tři otázky:

• Co připojujeme znovu? Sepiš opakované napojení na modely, dokumenty a pracovní nástroje.
• Kde se určují oprávnění? Ověř, kdo nastavuje povolené akce a jak se omezení skutečně vynucují.
• Jak ověříme nový způsob práce? Sdílené připojení můžeš využít znovu, ale nový úkol potřebuje vlastní případy pro kontrolu výsledků a chyb.

Naše doporučení není začít výstavbou rozsáhlé platformy. Vyber jednu část, kterou u více agentů opakovaně připravuješ, a sjednoť ji. Může to být připojení k dokumentům nebo záznam volání nástrojů. U příštího prototypu pak sleduj, kolik času zabralo zprovoznění a kolik ověření samotné úlohy. Tak poznáš, zda společný základ skutečně uvolnil čas pro vývoj užitečného agenta.

Zdroj

Sofia Sulikowski, LangChain: How Workday Built an Enterprise-Scale AI Agent Platform with LangGraph and LangSmith, 10. listopadu 2026