
Články o AI agentech a práci s AI.
Novinky a rozbory pro lidi, kteří chtějí rozumět tomu, co se v AI mění a jaký to má dopad na práci.

Fyzická umělá inteligence naráží na data z práce, ne jen na modely
Fyzická umělá inteligence ukazuje obecné pravidlo pro pracovní agenty: silnější model nestačí, pokud tým neumí zachytit rozhodování, chyby a opravy zkušeného člověka.

Když AI nerozezná bezpečnostní test od útoku
Bezpečnostní pravidla pro umělou inteligenci mají bránit zneužití, ale u kyberbezpečnosti mohou zastavit i legitimní testování. Řešením nejsou slepé zákazy, ale pracovní režim se záměrem, rozsahem a lidskou kontrolou.

Agent nesmí být černá skříňka v kódu
Agentský proces musí být čitelný a měnitelný jako provozní pravidlo, ne schovaný v kódu. Deklarativní workflow pomáhá ukázat kroky, větvení a lidskou kontrolu dřív, než agenta pustíš do práce.

Návratnost agenta s umělou inteligencí měř podle převzaté práce
Návratnost AI agenta nezačíná u ceny tokenů. Smysl dává až měření použitelného výsledku, času kontroly, oprav a lidské odpovědnosti.

Když agent sedí ve Slacku, mění se tempo práce
Agent dává větší smysl přímo ve firemním chatu než v oddělené AI aplikaci. Zrychlí přípravu, ale jen když má jasnou roli a lidskou kontrolu.

ChatGPT Work a Codex: agentská práce dostává srozumitelnější tvar
ChatGPT Work a Codex nejsou jen další nástroje pro vývojáře. Důležitější signál je produktový: agentská práce se balí do srozumitelnější aplikace pro běžné týmy.

OpenWiki Brains ukazuje, proč AI agenti potřebují pracovní paměť mimo chat
LangChain rozšiřuje OpenWiki na pracovní paměť pro AI agenty. Novinka ukazuje, proč bude pro AI workflow důležitější řízený kontext než delší chat.

OpenAI ukazuje, proč jsou evaluace pro AI agenty pořád slabé místo
OpenAI ukazuje, že vadné evaluace mohou zkreslit pohled na schopnosti coding agentů i rozhodování o nasazení AI v práci.

Schneider Electric ukazuje, proč AI agenti ve firmách potřebují LLMOps dřív než další model
Schneider Electric ukazuje, že AI agenti ve firmách potřebují observability, evaluace a jasnou provozní odpovědnost.