AI agent ve firmě: co zvládne, kolik stojí a jak ho napojit

Poptávka dorazí e-mailem, obchodník k ní v CRM dohledá zákazníka a potom stejné údaje přepisuje do nabídky. Tady má AI agent práci: přečte zprávu, dohledá podklady a připraví návrh ke schválení. O ceně pro zákazníka a odeslání dokladu ale rozhoduje člověk.

Pod názvem „AI agent“ dodavatelé prodávají různé věci. Někdy je to předem sestavený postup, jinde program, který si další kroky volí podle situace. Pro malou firmu doporučuji kombinaci: data se přenášejí podle pevných pravidel, AI zpracuje text a určený zaměstnanec schválí výsledek.

S popsanou sestavou ve firmě nepracuji, takže vycházím z dokumentace a ceníků a scénáře i výpočty jsou modelové. Vlastní aplikace s AI ale stavím v Claude Code, takže vím, kolik práce dá napojení a hlídání chyb. Pokud teprve vybíráte samotného asistenta, začněte srovnáním AI asistentů pro firmy.

Co je AI agent a čím se liší od chatbota?

AI agent nechává rozhodování o dalších krocích na jazykovém modelu a přes připojené nástroje provádí akce ve firemních aplikacích. Chatbot je hlavně konverzační rozhraní, takže i za chatem může běžet agent. Z okna na psaní nepoznáte, co smí udělat sám.

Nástroj zpřístupní modelu konkrétní operaci, například vyhledání zákazníka. Gmail konektor v n8n pracuje se zprávami, štítky a koncepty, konektor Pipedrive hledá osoby a obchodní případy. Každou operaci ale musí někdo připojit a povolit.

Zeptejte se dodavatele, co přesně jeho agent rozhoduje sám. Pokud jen přepisuje předem určená pole, stejnou práci zvládne jednodušší a levnější automatizace.

Tři realistická zadání: pošta, nabídky a neuhrazené faktury

Začněte výstupy, které zaměstnanec rychle porovná s originálem: u e-mailu má vedle návrhu původní zprávu, u nabídky schválený ceník.

První zadání je pošta. Agent přečte zprávu, přidělí jí kategorii a připraví koncept odpovědi; pracovník podpory pak zkontroluje příjemce a postup, který odpověď zákazníkovi slibuje. Hlídejte dvě chyby: model umí zaměnit dotaz za reklamaci a přehlédnout přílohu.

Druhé zadání je nabídka. Z poptávky se převezmou položky a k nim se dohledá kontakt i schválené ceny, slevu a termín schvaluje obchodník. Nesprávná jednotka nebo množství se v nabídce hledá špatně a záměna zákazníka ještě hůř, takže tady má kontrola největší cenu.

Třetí jsou neuhrazené faktury. Proces načte stav dokladů a připraví souhrn výjimek, administrativa ověří úhrady a rozhodne, koho oslovit. Typickým nálezem bývá platba, která už přišla a jen se nepropsala do evidence.

U pošty zákazníků se hodí rovnou přečíst i článek o AI v zákaznické podpoře. U faktur rozlišuje Fakturoid v API stavy jako overdue po splatnosti a paid po zaplacení.

S nákupem agenta kvůli fakturám ale nespěchejte. Automatické upomínky posílá Fakturoid sám v tarifech Na každý den a Na maximum, a na připomenutí splatnosti podle kalendáře to stačí. AI přidejte až kvůli kontextu: navrhne jinou zprávu zákazníkovi, který zároveň řeší reklamaci, a zaměstnanec posoudí, zda ji vůbec poslat.

Prověřte také zdroj úhrad. Fakturoid páruje podle částky a variabilního symbolu z bankovního notifikačního e-mailu, takže když symbol chybí nebo se částka liší, platba zůstane nespárovaná. Seznam takových případů je dobrý úkol pro agenta. Jak AI pomáhá s přijatými doklady, rozebírám v článku AI v účetnictví.

Jak propojit Gmail, Pipedrive a Fakturoid do jednoho procesu?

Sestavu postavíte v n8n. Gmail a Pipedrive mají hotové konektory, Fakturoid se připojí přes API v3. Před zakázkou ověřte, že konektor pokrývá i operaci, kterou potřebujete. Ceny a limity n8n podrobně rozebírám v samostatném článku o n8n.

Pro modelovou firmu objednejte tento postup:

1. Načtěte zprávy z vyhrazené schránky. Při připojení Googlu přes OAuth udělíte přístup přihlášením a souhlasem, dodavateli neposíláte heslo.
2. Nechte model převést požadavek a údaje zákazníka do předem určených polí. Co ze zprávy nevyčte, nechá prázdné k doplnění.
3. Vyhledejte osobu a organizaci v Pipedrive. Při více shodách proces zastaví a správný záznam vybere obchodník.
4. Připravte návrh nabídky a e-mailový koncept. Cena přijde ze schváleného ceníku, termín z potvrzeného podkladu.
5. Po schválení připravte podklady k faktuře. Vytvoření faktury spusťte až po samostatném potvrzení odpovědnou osobou.
6. Oddělte vystavení a odeslání, protože odeslání faktury přes API je samostatná operace. Do evidence uložte identifikátor dokladu i záznam o schválení.

Tohle rozepište přímo do objednávky. Pod „připraví fakturu“ si vy představíte návrh položek, zatímco dodavatel už počítá s vystavením dokladu.

CRM samo o sobě není podmínkou. Pokud ho teprve vybíráte, pomůže recenze Pipedrive nebo recenze Raynetu, u fakturace recenze Fakturoidu. Databázi zákazníků kvůli předváděcímu agentovi nestěhujte.

Jak agenta napojit na Shoptet, WooCommerce, Upgates a Shopify?

Objednávky z e-shopu do popsané sestavy samy nepřitečou. Musíte vybrat, odkud je proces načte a jaká dostane oprávnění. Další využití AI v obchodě shrnuje článek AI pro e-shop.

Webhook je upozornění, které aplikace pošle při události, třeba při změně objednávky; proces na něj reaguje a nemusí se pořád dotazovat. Po přijetí ale ověřte, že se data zapsala i do druhého systému.

Vestavěné konektory jsou v předplatném n8n, vývoj propojení a licenci e-shopu platíte zvlášť. U Shoptetu a Upgates si nechte práci vyčíslit podle požadovaných operací. Z existence API ještě neplyne, že propojení bude hotové bez úprav.

Kolik AI agent stojí měsíčně a co zaplatíte navíc?

Firma v příkladu už platí e-mail, CRM i fakturaci, takže jejich předplatné do přírůstku nepočítám.

Zdroje: ceník n8n a podmínky předplatného, ceník OpenAI a karta modelu, ceník Fakturoidu a srovnání tarifů, ceník Upgates s vysvětlením poplatku.

Token je účtovaná část textu a nemusí odpovídat celému slovu. Uvažovací model spotřebuje i výstupní tokeny, které v odpovědi neuvidíte, proto sledujte celkovou účtovanou spotřebu včetně opakovaných volání.

Model pro 1 000 případů za měsíc

Předpokládám 600 vyřízení pošty, 250 příprav nabídek a 150 kontrol faktur, dohromady 3 miliony vstupních a 1 milion výstupních tokenů měsíčně. Počítám s kurzem kolem 24 Kč za euro a 22 Kč za dolar.

1. Spotřeba modelu: 3 × 0,10 + 1 × 0,50 = 0,80 USD měsíčně, tedy asi 17 Kč bez daní.
2. Automatizační platforma: 20 EUR měsíčně je v přepočtu z roční platby asi 490 Kč bez DPH.
3. Údržbu počítám modelově na 2 hodiny po 800 Kč bez DPH, což je sazba externího správce. Celkem asi 2 100 Kč měsíčně bez DPH.
4. Zavedení: modelově 16 hodin po stejné sazbě, tedy 12 800 Kč bez DPH jednorázově. Skutečnou pracnost vám řekne až zhotovitel nad ukázkami vašich zpráv.

V prvním roce tak přidaný náklad vyjde na asi 38 tisíc Kč bez DPH včetně zavedení. Čas na kontrolu výstupů započítám až ve výpočtu návratnosti. Jedna poptávka přitom nemusí znamenat jediné spuštění workflow, takže v pilotu hlídejte i limit 2 500 spuštění.

Hotový agent, Make či n8n, nebo vlastní vývoj?

Rozhoduje, kdo bude proces spravovat a kolik kontroly nad ním firma potřebuje.

U hotového agenta od dodavatele si v nabídce vyžádejte vypsané povolené akce, započtenou spotřebu, export dat a cenu úprav. Vyplatí se tam, kde předvedený postup odpovídá vaší práci. Firmě, jejíž výjimky služba nezvládá, bude k ničemu.

Workflow přes Make nebo n8n má smysl, když potřebujete propojit aplikace, které už používáte. Do zadání patří předání účtů, dokumentace kroků, jmenovaný správce a postup při chybě. Bez odpovědného člověka a bez údržby si ho nekupujte.

Vlastní vývoj si nechte na případ, kdy požadavky přesahují dostupné konektory. Minimum, které si vymíníte: zadání s testovacími případy, správa provozu a přístupů a podmínky předání. Jako první pokus s nejasným zadáním je to drahá cesta.

Make Core stojí 9 USD měsíčně při roční platbě za 10 000 kreditů, Pro 16 USD. Kolik kreditů spotřebuje AI modul, ceník neuvádí; Make jen upozorňuje, že pokročilé AI funkce mohou spotřebovat víc než jeden kredit na akci. n8n Cloud naproti tomu počítá spuštění workflow, takže stejný počet poptávek znamená u obou služeb jiný počet účtovaných jednotek. Make proti Zapieru pro běžnou automatizaci stavím ve srovnání Make vs Zapier.

Vlastní hosting n8n přesune provoz na vaši infrastrukturu. I u Community edition ale někdo zálohuje, hlídá aktualizace a spravuje přístupy. Tuhle práci oceňte stejně jako údržbu v modelu výše.

Kde agenti selhávají a jak zabránit drahým chybám?

Při nejasných údajích i výpadku musí proces zastavit a předat případ člověku. Nečitelná příloha jde k pracovníkovi, chybějící IČO zůstane k doplnění. V n8n na to slouží chybové workflow s Error Triggerem; do zadání napište, kdo dostane upozornění a co v něm uvidí.

Když spojení vypadne po vystavení faktury, nejdřív zjistěte, zda doklad už vznikl. Ochrana proti tomu, aby opakovaný požadavek provedl akci podruhé, se jmenuje idempotence. Ukládejte identifikátor zdrojové zprávy, stav zpracování a identifikátor dokladu. Fakturoid má u faktur pole custom_id, samo ale duplicitám nezabrání, a dodavatel musí předvést, co se stane při souběžném zpracování téže zprávy.

Prompt injection je škodlivý pokyn vložený třeba do příchozího e-mailu, který agenta navádí k exportu databáze na cizí adresu. OpenAI doporučuje omezit tok dat na předem určená pole a kontrolovat použití nástrojů. Zákaz napsaný do zadání modelu nestačí.

Hlídejte rozsah oprávnění. Oprávnění gmail.compose zahrnuje správu konceptů i odesílání, takže slib „povolíme jen koncepty“ odeslání nezablokuje; to musí udělat samotný proces. n8n umí před použitím nástroje počkat na schválení.

Data z API OpenAI se podle dokumentace standardně nepoužívají k trénování, doba uchování se ale liší podle služby a nastavení. U osobních údajů ověřte smluvní úpravu zpracování podle článku 28 GDPR (nařízení (EU) 2016/679); ÚOOÚ upozorňuje na obsah zpracovatelských smluv. Nejsem právník, smlouvy a předávání dat nechte posoudit právníka.

Co říkají zkušenosti uživatelů n8n?

Na Trustpilotu má n8n skóre 3,0 z 5 ze 49 hodnocení. Kladné recenze chválí flexibilitu postupů, záporné zmiňují podporu a obnovení přístupu k účtu. Autor jedné recenze z prosince 2025 potřeboval školení, než své postupy zprovoznil. Pár desítek hodnocení reprezentativní vzorek není, zajímavé je spíš to, že se obě témata opakují.

Z toho plynou požadavky do smlouvy: účty má pod kontrolou firma, někdo umí postup spravovat a existuje dokumentace kroků i postup pro obnovení přístupu.

Jak spustit pilot a spočítat návratnost?

Pilot pusťte na oddělených datech. Testovací integraci držte odděleně od produkční a schvalování nástrojů v n8n zastaví zápis před provedením.

1. Vyberte 100 anonymizovaných poptávek včetně nejasných příloh, duplicit a neúplných údajů. Ke každé připravte správný výsledek.
2. Změřte čas ručního zpracování a čas kontroly návrhu, včetně případů, které zaměstnanec musí celé přepracovat.
3. Nasimulujte zamítnutí akce, výpadek API, opakované doručení stejné zprávy a e-mail se škodlivým pokynem.
4. Spočítejte spotřebu a údržbu. Určete, které chyby přijmete a při kterých proces zastaví. Záměna zákazníka do automatického zápisu nepatří.

Vzorek a očekávané výsledky si uložte. Po změně modelu nebo konektoru ho pusťte znovu, ať kontrola nestojí na dojmu, že nová odpověď zní lépe.

Kdy modelová úspora překoná náklady?

Předpokládám 4 minuty ruční práce na případ a 1 minutu kontroly návrhu včetně oprav. Hodinu interní práce oceňuji na 400 Kč bez DPH jako náklad na čas zaměstnance; rozdíl proti sazbě 800 Kč u údržby je záměrný, tu fakturuje externí správce.

Každý případ tak ušetří 3 minuty, tedy 20 Kč. Při 1 000 případech je to 50 hodin a 20 000 Kč měsíčně, po odečtení provozu zbývá asi 17 900 Kč měsíčně a v prvním roce po odečtení zavedení přes 200 tisíc Kč.

Hranice návratnosti leží zhruba na 105 případech měsíčně. Platforma a údržba stojí stejně bez ohledu na počet poptávek, takže při 20 Kč ušetřených na případ se provoz za asi 2 100 Kč vrací až od tohoto objemu. Při 50 případech získáte čas za 1 000 Kč a provoz vyjde asi o 1 100 Kč měsíčně dráž. Zavedení se pak nevrátí vůbec.

Pozor, ušetřený čas je uvolněná kapacita. Hotovostní úsporou se stane až ve chvíli, kdy se sníží skutečné výdaje.

Kdy se AI agent firmě nevyplatí?

Pod hranicí zhruba stovky případů měsíčně se model nevrací. Nevyplatí se ani tam, kde nedokážete určit správný výsledek: když zaměstnanec nepozná chybný návrh, nezměříte, zda mu agent pomohl.

Před nákupem projděte funkce aplikací, které už platíte. Automatické upomínky Fakturoidu pokryjí připomínání splatnosti bez agenta. I Anthropic doporučuje začínat jednodušší variantou a složitost přidávat podle potřeby.

Do objednávky vypište povolené zápisy a jejich schvalovatele, cenu údržby a postup při výpadku. U fakturace připojte kontrolu čerpání API: Fakturoid počítá načtení, vytvoření i odeslání jako požadavky, takže na počtu faktur spotřebu nepoznáte.

Moje doporučení: firma s více než stovkou opakovaných poptávek měsíčně a s člověkem, který proces převezme, ať pilot spustí na jednom kroku. Ostatní vystačí s automatickými funkcemi stávajících aplikací. Vyberte krok, který dnes někdo ručně dokončuje a umí ho zkontrolovat, a změřte obě varianty na stejných případech. Napište mi, který krok mezi poštou a fakturací vám bere nejvíc času.