Nejcennější podnik v oblasti AI nemusí být ten s nejchytřejším modelem. Může to být ten, který ví, co se stalo předtím, než model přišel, co smí dělat dál a zda jeho práce přinesla výsledek.
To zní méně revolučně než obecná umělá inteligence. Je to také problém, který mohou společnosti testovat již dnes. Model může vypracovat návrh sporu ohledně faktury, napsat kód nebo navrhnout objednávku. Podnik však stále musí vědět, která faktura je sporná, čí schválení se počítá, co se změnilo v účetní knize a zda byla objednávka splněna. Rozdíl mezi generováním odpovědi a dokončením práce, za kterou lze nést odpovědnost, je místem, kde se bude pravděpodobně odehrávat velká část boje o příští trh s umělou inteligencí.
Pasti výstupů
Zvažme příklad, který se nejvíce blíží přirozenému experimentu v oblasti softwarového vývoje. V revizi pracovního dokumentu NBER ze září 2026 Mert Demirer, Leon Musolff a Liyuan Yang zkoumají více než 500 000 vývojářů na GitHubu a jejich využívání nástrojů umělé inteligence. V rámci jejich studie založené na párování událostí jsou autonomní kódovací agenti spojeni s kumulativním nárůstem počtu commitů o 240 %. Tento efekt se snižuje na 80 % u projektů a na 30 % u verzí. Uvedené hodnoty jsou odhady studie, nikoli univerzální předpovědi. Důležité rozlišení, které autoři uvádějí, je mezi aktivitou a dodaným výsledkem.
Commit není vydání. Stejně tak vygenerovaná zpráva o dodržování předpisů není přijatým auditem, návrh zákaznické podpory není vyřešeným případem a vyplněný pojistný formulář není vyplacenou pojistnou událostí. Mezi těmito věcmi stojí identita, schválení, výjimky, externí systémy a lidská odpovědnost. Umělá inteligence může urychlit jeden krok, zatímco širší proces zůstává omezen.
Dřívější důkazy z pracovního prostředí potvrzují tento doplňující pohled. Studie zahrnující 5 179 pracovníků zákaznické podpory zjistila, že přístup k asistentovi založenému na generativní AI zvýšil počet vyřešených problémů za hodinu v průměru o 14 %, přičemž větší nárůst byl zaznamenán u méně zkušených pracovníků. Ukazuje to, že AI může přinášet konkrétní provozní hodnotu ještě předtím, než dosáhne široké autonomie. Neukazuje to však, že každý podnikový pracovní postup dosáhne srovnatelných zisků.
Čtyři brány, ne jedna
Prezentace výzkumu poskytnutá autorem, „AI Opportunity Gates 2026–2035“ (10. září 2026), navrhuje, že užitečný komerční systém umělé inteligence musí překonat čtyři brány: schopnosti modelu, data z dané oblasti, oprávnění k jednání a pozorovatelnou ekonomiku kupujících. Jedná se o rámec, nikoli o měřitelný zákon inovací. Jeho přitažlivost spočívá v tom, že každou bránu lze posuzovat samostatně.
Schopnost se ptá, zda model dokáže spolehlivě provést ohraničený úkol. Přístup se ptá, zda systém dokáže legálně a přesně získat záznamy, díky nimž má úkol smysl. Oprávnění se ptá, kdo smí číst, doporučovat, schvalovat, platit, měnit stav nebo zrušit akci. Ekonomika se ptá, zda kupující získá rychlejší vydání, méně chyb, nižší náklady nebo nějaký jiný přijatelný výsledek – nikoli pouze více činností generovaných umělou inteligencí.
Nic z toho nevyžaduje čekání na stroj, který zvládne každý kognitivní úkol. Vyžaduje to výběr opakovatelné úlohy a prokázání zlepšení v celém pracovním toku. V případě procesu zadávání veřejných zakázek by to mohlo znamenat zkrácení doby od schválení žádosti po správně přijatou objednávku, včetně výjimek. Pokud zjevný nárůst produktivity zmizí po započítání schvalování a oprav, je příležitost menší, než naznačovala demonstrace.
Proč může být samotný agent nahraditelný
Prezentace výzkumu argumentuje ve prospěch trvalé vrstvy operační paměti, původu zdrojů, oprávnění a sledování výsledků, která může přežít změnu modelu. Tuto příležitost nazývá „řízenou vrstvou kontinuity“. Název je méně důležitý než samotný test: pokud by byl jazykový model zítra nahrazen, disponoval by zákazník stále užitečným a důvěryhodným záznamem o rozhodnutích, právech, integracích a výsledcích?
Nezávislá hodnocení zdůrazňují jak příležitost, tak její limity. METR měří schopnosti agenta částečně podle doby trvání úkolů, které lidé obvykle dokončí při stanovené míře úspěšnosti. Jeho práce zaměřená na časový horizont dokumentuje rychlý pokrok v ohraničených softwarových úkolech, ale varuje před přímým převáděním trendů z benchmarků na spolehlivou práci v reálném světě. Delší časový horizont úkolu není provozní licencí. Spolehlivost, integrace a odpovědnost zůstávají samostatnými otázkami.
Rámec pro řízení rizik umělé inteligence (AI Risk Management Framework) amerického Národního institutu pro standardy a technologie (NIST) rovněž vyžaduje zmapování kontextu využití umělé inteligence, definování lidského dohledu a řízení rizik v průběhu celého životního cyklu systému. Není to důkaz, že zvítězí samostatný produkt pro správu a řízení. Je to důkaz, že organizace využívající umělou inteligenci čelí povinnostem v oblasti správy a řízení, i když je základní model působivý.
Nejsilnější námitka: platformy to již budují
Této tezi hrozí zřejmá výhrada. Oblast správy není prázdným trhem. Copilot Studio od společnosti Microsoft již dokumentuje prostředí, omezení konektorů, bezpečnostní role, procesy auditu a schvalování. V roce 2026 rozšířilo inventář agentů a kontroly související s identitou. Microsoft a další poskytovatelé podnikových platforem mohou mnoho z údajně chybějících komponent začlenit do softwaru, který zákazníci již používají.
To mění obchodní nabídku. Nová společnost prodávající generické „paměť plus oprávnění pro agenty“ může jednoduše přebalovat funkce zavedeného hráče. Samotná zdrojová prezentace navrhuje pravidlo pro vyřazení: odmítnout příležitosti, pokud lze většinu slibované hodnoty reprodukovat pomocí stávající platformy za skromné náklady na integraci. V prezentaci neexistuje žádný nezávislý důkaz, že by nový horizontální dodavatel tímto testem prošel.
Užší příležitost se nabízí tam, kde organizace potřebuje trvalý, auditovatelný stav napříč systémy a dodavateli, kteří nesdílejí jeden model autorizace – a kde konkrétní kupující může prokázat, že vyřešení této nesrovnalosti stojí za to zaplatit. I v takovém případě však smluvní práva k datům, přístup k API stávajících dodavatelů, náklady na přechod a režijní náklady na integraci mohou zničit obchodní případ. Vlastnit schéma pracovního toku neznamená vlastnit jeho ekonomiku.
Co by se mělo vybudovat před AGI?
Ne univerzálního AI zaměstnance. Začněte s jedním nákladným, častým a ohraničeným pracovním tokem. Změřte jeho současnou dobu cyklu, míru chybovosti, zátěž spojenou s zásahy a celkový akceptovaný výstup. Nejprve dejte AI omezenou roli: připravit doporučení, připojit jeho zdroje a požádat oprávněnou osobu o jeho schválení. Rozšiřujte se směrem k reverzibilním akcím pouze tam, kde funguje monitorování a obnova. Uchovávejte každé rozhodnutí a výsledek ve formátu, který je užitečný nezávisle na aktuálním modelu.
Tři výsledky by posílily obchodní argumenty: opakované zlepšování výstupů akceptovaných kupujícím; zákonná a stabilní cesta k nezbytným informacím a právům na jednání; a výhoda, která přetrvává i po srovnání produktu se stávajícími podnikovými platformami. Neúspěch v jakékoli z těchto oblastí by měl změnit závěr ohledně investice.
Nejdůležitější milník proto může nastat ještě před dosažením obecné inteligence: okamžik, kdy software dokáže spolehlivě dokončit úzce vymezený proces, prokázat, co provedl, a zůstat zodpovědný vůči lidem a institucím, které jej autorizovaly. To je menší slib než AGI. Je to také slib, který si kupující může ověřit již v pondělí ráno.
Zdroj a stav, 11. října 2026 – publikační verze 1. Model čtyř bran a teze o řízené kontinuitě jsou převzaty z dokumentu AI_Opportunity_Gates_2026_2035(1).html poskytnutého autorem, datovaného 10. září 2026. Jeho pravděpodobnosti, žebříčky příležitostí a projekce představují úsudky analytiků, nikoli měřené prognózy, a zde nejsou záměrně reprodukovány. Mezi nezávislé zdroje patří Demirer, Musolff a Yang, Writing Code vs. Shipping Code (NBER, revidováno v září 2026), Brynjolfsson, Li a Raymond, „Generative AI at Work“ (NBER), výzkum autonomie METR, NIST AI RMF Core a dokumentace k řízení Copilot Studio společnosti Microsoft. Komerční teze je odvozeným závěrem; nejsou stanoveny žádné odhady tržeb na nových trzích, pravděpodobnosti úspěchu zakladatele ani návratnosti investic. Doprovodný přehled důkazů je k dispozici ve veřejném šetření. Nebyly zaznamenány žádné opravy.