ChatGPT novinky: OpenAI AgentKit a revoluce AI agentů

Přepis epizody

Vítejte! Dnes tu máme velkou bombu od OpenAI. Vypadá to, že ChatGPT se nám co nevidět naprosto revolučně změní. Čau Iveto, čau posluchači. Mám pocit, že se nám AI scéna zase pěkně rozhýbala. Poslední dny byly opravdu nabité. To tedy byly. Mám takový pocit, že jsme se za poslední týden posunuli z pouhých konverzačních modelů k něčemu, co už opravdu začíná vypadat jako digitální agenti, o kterých se tolik mluvilo. Přesně ten pocit mám také. A musím říct, že ty věci od OpenAI, to je zase nářez. Ty jejich Apps in ChatGPT a AgentKit, to je opravdu velká věc. To je.

Doteď jsme byli zvyklí na ChatGPT jako na šikovného parťáka pro psaní textů, na rešerše, na brainstorming. Pak přišly GPTs, ty customizované verze, kde jsi mohl natrénovat chatbota na konkrétní úkol nebo znalostní bázi. Ale teď to vypadá, že jdeme ještě dál. To něco dělat je tam klíčové. A je to diametrální rozdíl oproti starým pluginům, které OpenAI zavedlo už dříve. Ty pluginy byly fajn, ale upřímně, často to bylo takové trochu neohrabané. Musel jsi je explicitně vyvolat, občas se model trápil s výběrem správného pluginu, někdy to trvalo. Uživatelé si často stěžovali, že je obtížné zjistit, které pluginy jsou k dispozici, a často museli ručně vybírat, které chtějí aktivovat, nebo je dokonce povolovat pro každou interakci. To bylo jako mít deset nástrojů na stole a muset vždycky říct: teď vezmu ten šroubovák, abych dotáhl tuhle matku. Chyběla tam ta bezproblémová inteligence, která by sama rozpoznala potřebu nástroje. Rozumím. Takže to nebylo moc plynulé. Bylo to spíš jako rozhraní, přes které jsi se musel vědomě navigovat, než aby to fungovalo intuitivně. Přesně tak. Teď, jak to popisují, s těmi Apps in ChatGPT je to mnohem integrovanější a plynulejší. Můžete to chápat jako takový nativní ekosystém aplikací přímo v chatu, kde se model sám zcela autonomně rozhoduje, který nástroj je v daném kontextu nejlepší použít. Uživatel už nepřemýšlí nad tím, jestli má aktivní plugin pro Spotify nebo pro Canvu. Řekne, co chce: zahraj mi playlist, vytvoř obrázek, a model ví, jakou aplikaci má zapojit, aniž bys musela z chatu odejít nebo cokoliv explicitně vybírat. To je obrovský krok k opravdovým agentům, kteří jednají.

Takže to je vlastně spojení toho nejlepšího z GPTs a pluginů, ale v mnohem elegantnějším a hlavně chytřejším balení, kde model aktivně chápe záměr uživatele a zvolí tu správnou aplikaci k interakci. A to dokonce i tehdy, když explicitně neřeknu: použij Spotify. Takže to byla spíš taková oklika, kdy si uživatel nebo externí systém musel parsovat a interpretovat to, co model vygeneroval. Ta nová Responses API je navržena tak, aby modely mohly vracet strukturovaná, strojově čitelná data ve formátu, který externí systémy, tedy ty Apps, mohou přímo konzumovat a okamžitě na ně reagovat bez další lidské intervence nebo složitého parsování. Takže už to není jenom o tom, aby mi ChatGPT něco napsal, ale aby mi to třeba zarezervovalo letenku přes nějaký rezervační systém, vygenerovalo grafiku v Canvě, nebo spustilo komplexní automatizaci přes Zapier, která propojí několik služeb? A to všechno jen na základě přirozeného jazyka v chatu, aniž bych musela opustit prostředí ChatGPT? To zní jako skutečný osobní digitální asistent? Vezmi si třeba ten příklad se Spotify, co zmiňovali. Dřív bys možná řekla: najdi mi něco od Depeche Mode, a ChatGPT by ti vypsal seznam. Teď můžeš říct: zahraj mi Enjoy the Silence od Depeche Mode na Spotify, a on by tu písničku pustil. A co je důležité, může obdržet i zpětnou vazbu z té aplikace, například jestli se písnička přehrává, jestli došlo k chybě, nebo jaký je aktuální stav playlistu. Na základě této zpětné vazby pak může upravit své další kroky. To už je jiná liga. To už je skutečné jednání s digitálním světem, s potenciálem obrovské personalizace a automatizace komplexních úkolů. Teoreticky ano. Samozřejmě, bude to záležet na tom, jak hluboká ta integrace je u každého konkrétního partnera a jaké funkce zpětné vazby.

A k tomu mu právě pomáhá ten Agent Kit. Klíčové je, že OpenAI zde buduje skutečný ekosystém partnerství. Nejde jen o to, že model umí volat API, ale že ty API jsou integrovány a optimalizovány pro tento typ autonomní a vícekrokové interakce. Vícekrokové interakce, což otevírá dveře k tisícům nových automatizačních scénářů. Tak to rozeberme. Takže co je ten Agent Kit? Je to nějaký vývojářský balíček, co mi pomůže tohle všechno programovat? A proč je vůbec potřeba, když už model umí komunikovat s API? Přesně. Je to vlastně SDK (Software Development Kit) a k tomu ještě robustní framework pro vývojáře. A to je klíčové, protože stavět agenty, kteří umí provádět složité vícekrokové úkoly a spolehlivě interagovat s desítkami různých aplikací a zdrojů dat, je bez takových nástrojů nesmírně náročné a náchylné k chybám. A v čem je to konkrétně náročné? Přesně tak. Představ si, že agent má udělat něco, co vyžaduje 10 nebo 15 kroků. Třeba zjistit dostupnost letu z Prahy do New Yorku na určitá data, porovnat ceny napříč různými aerolinkami a rezervačními portály, vybrat nejlepší možnost podle zadaných kritérií (cena, doba letu), zarezervovat letenku, provést platbu, poslat ti potvrzení e-mailem, přidat kalendářovou událost s připomenutím v aplikaci. A jak s ním správně komunikovat? Agent Kit to všechno zjednodušuje, poskytuje moduly a komponenty, které vývojářům pomáhají s těmito komplexními výzvami, včetně detekce a opravy chyb a dokonce i možností sebereflexe agenta, kdy si agent sám vyhodnocuje, jak úspěšný byl v plnění úkolu. A navíc do toho zahrnují i bezpečnostní aspekty a zpětnou kontrolu akcí. Takže ten Agent Kit pomáhá AI agentům v podstatě myslet dopředu, rozdělovat si úkoly, pamatovat si, co už udělali a co ještě potřebují udělat, a hlavně se učit a adaptovat v průběhu složitých úkolů a neúspěchů. To zní jako obrovský posun od reaktivního chatbota k proaktivnímu učícímu se asistentovi. Přesně tak. To, čemu se říká multi-step reasoning nebo vícekrokové uvažování a autonomní agentura, to je obrovský posun. Odpovědět na otázku. Vygenerovat obrázek. Teď už se bavíme o systémech, které dokážou autonomně provádět sledy akcí, případně se z nich učit a zlepšovat se. To je právě to, co dělá z pouhého chatbota Agenta. Schopnost jednat, plánovat a interagovat s reálným světem aplikací. A Agent Kit navíc klade velký důraz na spolehlivost a konfigurovatelnost, takže vývojáři mohou ladit, jak agresivně se agent bude snažit úkol dokončit, což je kritické pro nasazení v citlivých oblastech.

To zní jako hodně velká věc. A jak se tohle odráží v konkurenčním boji? Tlačí OpenAI na pilu, aby předběhli Google, Anthropic nebo Microsoft, kteří také investují do agentních schopností? Bez pochyby. Všichni velcí hráči se snaží. Google má své nástroje pro Gemini, Anthropic má Tool Use pro Claude, ale OpenAI teď s tímto přichází s poměrně komplexním balíčkem, se standardem. Ten AgentKit je podle mě snaha o to, aby se jejich platforma stala de facto operačním systémem pro vývoj AI agentů. Když vývojáři budou mít k dispozici robustní, dobře zdokumentované a snadno použitelné nástroje, spíše si zvolí OpenAI, a to jim samozřejmě dává obrovskou výhodu v budování a dominanci celého ekosystému. Není to už jen o tom, kdo má nejpokročilejší základní model, ale kdo má nejlepší platformu pro aplikaci té inteligence do digitálního světa. A to jak na osobní, tak na podnikové úrovni. Přesně tak. Od konverzace k akci. To je ten posun, který vidíme. A to je pro podniky i pro běžné uživatele obrovský potenciál. Představ si, co to znamená pro automatizaci. Složité pracovní postupy, které doteď vyžadovaly lidskou intervenci nebo spoustu složitého skriptování a integrace systémů, teď může řídit AI agent, který se s tím vším dokáže sám vypořádat, učit se z toho a optimalizovat procesy. To otevírá dveře k úplně novým typům služeb, od personalizovaných finančních poradců, přes automatizované marketingové kampaně, až po asistenty, kteří nám aktivně pomáhají s naší produktivitou.

To už je ale docela takové děsivé, nemyslíš? Když se AI agenti budou autonomně pohybovat po našich aplikacích, přistupovat k našim datům a provádět akce, byť v našem zájmu, kdo to bude kontrolovat a jak zajistit, že se neobrátí proti nám, nebo neudělají něco, co nechceme? To je naprosto validní a dobrá připomínka. Proto tam OpenAI zmiňuje ty bezpečnostní funkce v AgentKitu. Je tam snaha zajistit, aby agenti neprováděli nechtěné akce, aby měli jasně definované hranice a aby uživatelé měli kontrolu. Mluví se o human-in-the-loop funkcích, kdy u citlivých nebo kritických akcí agent požádá o potvrzení od uživatele. Dále se implementují mechanismy pro sledování a auditování akcí agentů a vývojáři jsou nabádáni k transparentnosti ohledně schopností svých agentů. Ale ano, je to velká výzva a etické otázky spojené s autonomními agenty budou čím dál palčivější.

A to nás možná přivádí k tomu dalšímu bodu, který je s tím tak trochu spojený, byť z trochu jiné roviny. Mám na mysli tu zprávu o blokování účtů od OpenAI. OpenAI zablokovalo několik účtů, které prý byly napojené na Čínu a byly používané k škodlivým aktivitám nebo státem podporovaným vlivovým operacím. To je docela vážné obvinění, že? Hodně vážné a ukazuje to, že...

S rostoucími schopnostmi AI rostou i potenciální rizika a snahy o zneužití. Takže OpenAI si hlídá, kdo a jak používá jejich modely, a má nějaké mechanismy, jak tyto aktivity detekovat? Určitě. Mají týmy, které se zaměřují na detekci zneužití, na bezpečnostní hrozby. A tyto incidenty jsou důkazem, že jejich systémy fungují. Je to ale nekonečný boj. Jakmile se objeví nová technologie, najdou se ti, kteří ji budou chtít zneužít. A zvlášť, když se bavíme o státních aktérech, tam jsou tyto zdroje a motivace obrovské.

A jak se to pojí s tím Agent Kitem? Má Agent Kit nějaké vestavěné pojistky proti zneužití? Měli by mít. To, co nazývají safety features, by mělo zahrnovat mechanismy, které zabrání agentovi provádět akce, které jsou v rozporu s etickými pravidly nebo zákonem. Například by neměl být schopen provádět ilegální transakce, generovat nenávistné projevy nebo šířit dezinformace. Ale ruku na srdce. Je to jen software. A software se dá vždy obejít nebo zneužít jiným způsobem. Je to o neustálém vývoji a ladění. Takže na jedné straně máme neuvěřitelný pokrok v automatizaci a schopnosti AI konat, na druhé straně musíme být ostražití a hlídat si, aby se to neobrátilo proti nám. To je taková klasická technologická dichotomie, že? Přesně tak. A je to i o tom, že se musí definovat hranice. To je škodlivá aktivita. To je už velmi subjektivní. Nicméně je důležité, že o tom firmy jako OpenAI otevřeně mluví a snaží se proti tomu aktivně bojovat.

A když se podíváme na jiný úhel pohledu, na to, jak se AI integruje do podniků. IBM přišlo také s novinkami. Jak to zapadá do toho celkového obrazu? IBM tam má velmi zajímavý směr. Zatímco OpenAI se teď soustředí na tyto agentní schopnosti a rozšiřování ekosystému pro vývojáře, IBM jde spíše po té operacionalizaci AI pro velké podniky, což je zase úplně jiná výzva, ale naprosto klíčová. Co přesně znamená operacionalizace AI v podnikovém kontextu? To není jen o tom, že si firma koupí nějaký model a ten jí začne generovat marketingové texty. To je jen špička ledovce. Operacionalizace znamená, že AI musí být plně integrována do stávajících firemních procesů a systémů. Jak spravovat obrovské objemy dat, na kterých se modely trénují a se kterými pracují? Jak zajistit bezpečnost a soulad s regulacemi? Jak škálovat AI řešení napříč celou organizací? A jak to všechno provozovat na stávající infrastruktuře, která je často kombinací on-premise, hybridního cloudu a různých cloudových poskytovatelů? Aby věci a vůbec jakákoli AI mohly reálně fungovat v komplexním firemním prostředí. Přesně. A to je obrovský kus práce. Oni mluví o inteligentní infrastruktuře a nových softwarových produktech. To je o tom, aby datová centra, servery, síťové prvky, zkrátka celé IT zázemí, bylo optimalizované pro provoz AI workloadů. AI potřebuje obrovský výpočetní výkon, velmi specifické hardwarové vybavení, a IBM tam přichází s řešeními, která mají pomoci podnikům zvládnout všechny tyto aspekty. Mluví i o Data Fabric, což je taková architektura, která ti umožní spravovat a přistupovat k datům, ať už jsou kdekoli, jednotným způsobem, což je pro AI, která je hladová po datech, absolutně esenciální.

Takže IBM v podstatě staví dálnice pro AI, zatímco OpenAI na ně pouští nová superrychlá auta. To je poměrně dobrá metafora. Ano, dá se to tak říct. Jedno bez druhého by nefungovalo. Můžeš mít seberychlejší auto, ale když nemáš kde jezdit, tak ti je k ničemu. A naopak, když máš perfektní dálnice, ale žádná auta, tak je to také k ničemu. Je to prostě tak, že se celý ten ekosystém AI vyvíjí na všech frontách současně. Jistě, a pro firmy je to obrovská výzva. Jak do toho všeho investovat, když se to tak rychle mění? Jak poznat, co je jen hype a co je skutečně udržitelná technologie? Je tedy důležité mít tyto partnery jako IBM, kteří mají zkušenosti s integrací komplexních systémů do podniků. A proto je důležité, aby i OpenAI myslelo na vývojářskou komunitu a poskytovalo jim nástroje, které jsou stabilní a spolehlivé. Ale je to divoký západ. Myslím si, že to, co vidíme, je přechod od experimentování s AI k jejímu skutečnému nasazení. A to s sebou nese úplně nové typy problémů a výzev. Ano, a zároveň se tím zvyšuje i nutnost řešit bezpečnostní rizika a zneužití, jak ukazuje tento případ s blokováním účtů. A na druhé straně máme IBM, které se soustředí na to, aby AI mohla skutečně fungovat v podnikovém prostředí, což znamená řešit obrovské množství technických a organizačních problémů s integrací, daty a infrastrukturou.

www.aipokusi.cz Krátké upozornění. Tento podcast vzniká s pomocí umělé inteligence, která asistuje při přípravě obsahu i hlasové syntéze. Navzdory snaze o dokonalost může epizoda obsahovat drobné nepřesnosti.