Internet se rozpovídal o právě zveřejněné 340 stránkové zprávě Mary Meekerové s názvem Trendy – umělá inteligence (PDF). Pokud nejste s prací Meekerové obeznámeni, měli byste ji znát. Je to královská osobnost z oblasti rizikového kapitálu, která vedla první veřejné nabídky akcií společností Netscape a Google. Její výroční zpráva o internetových trendech (naposledy publikovaná v roce 2019) byla po celá desetiletí povinnou četbou pro technologické investory.
Zpráva Meeker z roku 2025 obsahuje převážně data a grafy o umělé inteligenci: růst počtu uživatelů, kapitálové výdaje na GPU, náklady na inferenci, konvergence modelů – cokoliv si jen vzpomenete. Protože je zpráva tak rozsáhlá, internet je plný shrnutí a zajímavých postřehů, ale bohužel jsou všechny dost obecné. („Hej ChatGPT, shrň tento PDF.“) Zprávu jsme si přečetli optikou toho, co to znamená pro budoucnost znalostní práce a pracovního prostoru, např. témata, která jsme zkoumali v tomto blogu: chaotická, reálná znalostní práce prováděná na stolních počítačích, v prohlížečích a SaaS aplikacích, většinou lidmi, ale stále častěji s pomocí umělé inteligence.
Meekerova zpráva se vztahuje na náš svět čtyřmi způsoby:
- Agenti umělé inteligence jsou tady a potřebují místo k životu.
- Inference je levná, takže stínová umělá inteligence zažívá obrovský rozmach.
- Nezáleží na tom, zda máte nejlepší model, ale na tom, jaké je nejlepší prostředí.
- Agent je nová aplikace a většina podniků na ni ještě není připravena.
Pojďme se ponořit do každého z nich.
Agenti umělé inteligence jsou tady a potřebují místo k životu.
Velkým tématem Meekerovy zprávy je vzestup agentní umělé inteligence – dlouhodobých procesů, které jednají jménem uživatelů. Tyto nově vznikající nástroje jdou nad rámec chatu a začínají se chovat jako skuteční pracovníci. Navigují v uživatelských rozhraních, odesílají formuláře, provádějí akce a řídí pracovní postupy. (Jinými slovy, nejen generují výstup, ale také vykonávají práci.)
Toto je další kapitola o umělé inteligenci v pracovním prostoru, ačkoli nastoluje zásadní otázku: kde tento druh umělé inteligence vlastně běží? Pokud se agent umělé inteligence potřebuje přihlásit, procházet, klikat a provádět vícekrokové úkoly napříč různými aplikacemi, nepotřebuje jen API, ale potřebuje i pracovní prostor.
A právě zde se většina obecných diskusí o umělé inteligenci hroutí. Všichni se zaměřují na trénování modelů nebo vytváření kopilotů, ale téměř nikdo nemluví o prováděcí vrstvě. Pokud se má agent chovat jako lidský pracovník, potřebuje stejné prostředí, jaké lidští pracovníci používají dnes: zabezpečený, trvalý, zásadami řízený pracovní prostor, který může hostovat skutečné aplikace, udržovat stav a poskytovat přístup ke stávajícím systémům, které nebyly modernizovány pro API.
Agenti používající počítače (CUA), jako je tento, nejsou spekulací, jsou skuteční a dějí se dnes. Jak jsem zdůraznil v nedávném úvodním projevu, každá velká společnost zabývající se umělou inteligencí nyní závodí ve vytváření modelů, které dokáží zpracovávat obrazovky a prohlížeče, rozumět rozhraním a ovládat klávesnice a myši jako lidé. Benchmarky jako OSWorld a Windows Agent Arena ukazují rychlý pokrok, jelikož se agenti posunuli z jednociferného skóre před rokem na míru úspěšnosti 40–50% u řady úkolů uživatelského rozhraní na lidské úrovni. (Je třeba poznamenat, že většina lidí dosahuje skóre pouze kolem 75%).
Proč se to děje? Protože vytváření nativních aplikačních konektorů pro každý podnikový systém je drahé, křehké a pomalé. Umožnění agentům pracovat ve stejném pracovním prostoru jako lidským pracovníkům je nejen flexibilnější – je to často jediný schůdný způsob, jak v blízké budoucnosti vykonat skutečnou práci.
Naštěstí tento pracovní prostor již existuje. (Citrix strávil desítky let jeho optimalizací a zabezpečením.)
Pokud začínáte přemýšlet o tom, jak agenti umělé inteligence promění vaše pracoviště, neptejte se jen: „Co model dokáže?“ Místo toho se začněte ptát: „Kde to bude fungovat?“ Protože odpověď už možná máte před sebou – stejné pracovní prostředí (se stejnými zábradlím), které již dnes poskytujete svým stávajícím zaměstnancům.
Inference je levná, takže stínová umělá inteligence exploduje
Dalším (ohromujícím) poznatkem z Meekerovy zprávy je, že náklady na inferenci klesly za poslední 2 roky o 99,7%. („Inference“ je proces spouštění modelu, např. jeho skutečného používání, oproti jeho budování a trénování.) Když je inference drahá, je umělá inteligence přísně kontrolována nákladově orientovanými týmy platformy. Když je levná, používají ji všichni. To je posun, ke kterému dochází dnes.
Zaměstnanci nečekají na povolení. Sami začleňují umělou inteligenci do svých pracovních postupů. (Vkládání do ChatGPT, používání rozšíření prohlížeče, instalace pluginů Office, žádosti o pomoc s plány projektů, prognózami a strategickými vizemi od umělé inteligence…) To je víc než jen zavedení nástrojů – je to změna chování. A to se již děje v každém oddělení v každém odvětví.
Toto stínové používání umělé inteligence představuje riziko i příležitost. Pokud pracovníci vytvářejí pracovní postupy rozšířené o umělou inteligenci mimo vaši viditelnost a kontrolní mechanismy politik, pak jste již vystaveni riziku. Pokud ale máte zavedenou bezpečnou architekturu pracovního prostoru, máte příležitost setkat se se svými pracovníky tam, kde jsou. Tento chaos můžete proměnit ve svou konkurenční výhodu.
Nezáleží na tom, zda máte nejlepší model, ale na tom, zda máte nejlepší prostředí.
Další poznatek ze zprávy potvrzuje něco, co jsem sám začínal tušit, a to, že výkonnost modelů se sbližuje. Před rokem se všichni hádali o tom, který model je nejlepší. Tehdy jsme si je všechny předplatili a každých pár týdnů jsme přepínali, abychom získali nejnovější a nejlepší výsledky. Zpráva Meeker však potvrdila, že dnešní špičkoví LLM programy už od sebe nejsou kilometry vzdálené a na tom, zda používáte ChatGPT 4o, Claude 4 nebo Gemini 2.5, vlastně nezáleží.
Sám jsem to pocítil před pár měsíci, když jsem drasticky konsolidoval to, co jsem pravidelně používal, protože tření spojené s přechodem na jiné nástroje bylo příliš velké. Používal jsem je tak často a tak intenzivně, že mít veškerou svou historii, znalosti a vlastní projekty v jednom ekosystému bylo cennější než surový výkon modelu. (A jakákoli nová funkce z jedné laboratoře by stejně byla do pár měsíců srovnatelná s ostatními.)
Moje zkušenost zdůrazňuje realitu diferenciace v dnešním prostředí, kde jsou všechny základní modely „dost dobré“. Koho zajímá, co model dokáže sám o sobě? Co dokáže ve vašem prostředí, s vašimi daty, vašimi aplikacemi, vašimi nástroji, vašimi zásadami a vašimi pracovními postupy? I ten nejchytřejší model na světě je k ničemu, pokud nemá přístup k vašemu systému záznamů, nebo je zaseknutý za třemi vrstvami nepropojeného uživatelského rozhraní, nebo mu chybí kontext relace či identita. Nepotřebujeme další chytrou věc v krabici.
Abyste zde uspěli, musíte obklopit svou umělou inteligenci správným prostředím. To je další důvod, proč je pracovní prostor důležitý. Spojuje aplikace, data, kontext, identitu a zabezpečení do jednoho běhového prostředí. Když se váš pracovní prostor stane orchestrační vrstvou, umělá inteligence nemusí být dokonalá. Musí jen vykonávat svou práci dostatečně dobře, na správném místě a se správným přístupem.
To je klíč k proměnění potenciálu umělé inteligence na pracovišti ve skutečný dopad. Pokud stále porovnáváte modely, jako by šlo o finální výsledek, uniká vám širší kontext. Schopnost umělé inteligence fungovat ve firmě není o modelu, ale o pracovním prostoru, který jí dáte k provozu.
Agent je nová aplikace a většina podniků na ni není připravena.
Mým závěrem z Meekerovy zprávy je něco, co se v ní sice neřekne, ale náznaky tam jsou: dominantní jednotka podnikového softwaru se přesouvá od aplikací k agentům.
Podniky historicky kupovaly aplikace. Pak jsme kupovali API a integrace. Nyní vstupujeme do fáze, kdy primárním objektem může být perzistentní agent, který se přihlašuje, provádí úkoly a interaguje se systémy jako lidský pracovník.
Tohle mění všechno. Agent není jako aplikace, která volá API, ale prochází uživatelské rozhraní. Nejenže odesílá data, ale také kliká na tlačítka, vyplňuje formuláře a přizpůsobuje se změnám. Potřebuje přístup, kontext a identitu. Vypadá a chová se jako pracovník.
Pokud jsou agenti novými aplikacemi, pak musíme přehodnotit, jak je spravujeme.
Většina organizací na to není připravena. Mají zásady pro software, role pro zaměstnance a procesy správy a řízení pro SaaS. Ale co agenti, kteří se spouštějí na vyžádání? Nebo agenti, kteří se přihlašují do starších systémů pomocí lidských přihlašovacích údajů? Nebo agenti, kteří potřebují sledovatelnost, vynucování zásad a správu identit, stejně jako lidé?
Toto je další příklad věcí, o kterých v Citrixu přemýšlíme. Již jsme vybudovali infrastrukturu pro správu lidských pracovníků pracujících napříč zařízeními, aplikacemi a sítěmi. Nyní můžeme stejný model rozšířit na agenty a pracovníky s umělou inteligencí. Stejné zásady. Stejné vymáhání. Stejná architektura.
Agent je nová aplikace. A nový pracovník. Pokud vaše stávající architektura tento posun nedokáže podpořit, je čas přehodnotit základy.
Nepotřebujete plán. Potřebujete platformu.
Meekerova zpráva je víc než jen oslavou umělé inteligence – je to varování pro každého, kdo je zodpovědný za zajištění bezpečné a produktivní práce. Umělá inteligence je již v budově, rozšiřuje lidské pracovníky a stále více se sama chová jako pracovník, což vyžaduje stejné druhy pracovních prostor, přístupu a ovládacích prvků, které již spravujete.
Pokud byla vaše architektura navržena pro lidské pracovníky a klasické aplikace, je čas rozšířit toto myšlení a zahrnout agenty, inferenci a automatizaci. Tato změna již probíhá. Je čas začít s pracovním prostorem zacházet jako s řídicí rovinou – nejen pro lidi, ale i pro to, jak se veškerá práce vykonává. Citrix již dříve pomohl zákazníkům zorientovat se v podobných situacích. Jsme připraveni pomoci znovu.
Zajímá vás problematika AI? Více informací vám rádi poskytneme, nezapomeňte nás kontaktovat.
Zdroj: Citrix
