AI agenti pre firmy: čo naozaj zvládnu a ako ich nasadiť

Čo je AI agent a čím sa líši od chatbota

	Chatbot	Automatizácia (workflow)	AI agent
Ako funguje	odpovedá na otázky	vykonáva pevne dané kroky	dostane cieľ a sám volí kroky
Rozhodovanie	žiadne	podľa pevných pravidiel	podľa kontextu a dát
Nástroje	len text	integrácie podľa scenára	volá nástroje sám (API, e-mail, CRM)
Príklad	„Aká je otváracia doba?“	„Nová objednávka → pošli e-mail“	„Vyrieš túto reklamáciu“

AI agent je teda jazykový model doplnený o nástroje, pamäť a schopnosť plánovať. Dôležité je, že agent nie je zázračná bytosť – je to softvér, ktorého úspešnosť stojí a padá na tom, aké dáta a právomoci mu dáte.

Kde je hranica dnešných agentov

Realisticky zvládnu:

• spracovať a roztriediť neštruktúrovaný text (e-maily, faktúry, dopyty),
• vyhľadať informácie vo vašich dátach a zhrnúť ich,
• pripraviť návrh odpovede, dokumentu alebo reportu,
• spustiť akciu v inom systéme podľa jasného zadania.

Nezvládnu spoľahlivo:

• rozhodovať o veciach s vysokým rizikom bez kontroly človeka,
• pracovať s chaotickými dátami, ktoré nedávajú zmysel ani ľuďom,
• nahradiť proces, ktorý vo firme neexistuje alebo ho nikto nevie popísať.

Kde je hranica medzi „automatizáciou“ a „agentom“ v praxi

V reálnych scenároch to nie je čierne a biele. Väčšina dobre postavených firemných riešení je hybrid: pevný scenár tvorí skelet (spúšťač, načítanie dát, zápis, notifikácia) a AI vstupuje len tam, kde treba pochopiť text alebo sa rozhodnúť. Čisto agentické riešenie, kde model rozhoduje o všetkom, je menej spoľahlivé a horšie sa ladí.

Praktické pravidlo: čo sa dá vyriešiť podmienkou (if), nerobte modelom. Je to rýchlejšie, lacnejšie a auditovateľné.

---

Čo AI agenti reálne robia vo firmách

1. Zákaznícka podpora prvej úrovne

Agent prečíta e-mail alebo správu, nájde údaje o objednávke, pripraví odpoveď a buď ju odošle (pri jednoduchých prípadoch), alebo ju predloží operátorovi na schválenie. Znižuje čas prvej reakcie z hodín na minúty.

2. Spracovanie dokladov a faktúr

Agent vytiahne z PDF faktúry dodávateľa, sumu, dátum splatnosti a variabilný symbol, porovná ich s objednávkou a zapíše do účtovného systému. Výnimky posunie človeku.

3. Kvalifikácia leadov a obchodná príprava

Nový dopyt z webu agent obohatí o verejné údaje o firme, priradí skóre podľa vašich kritérií a pripraví obchodníkovi podklad pred hovorom. V spojení s B2B databázou firiem vie pripraviť aj zoznam relevantných firiem na oslovenie.

4. Reporting a dátové zhrnutia

Agent si raz týždenne stiahne dáta z Google Ads, Analytics a e-shopu, vyhodnotí odchýlky a pošle zhrnutie do e-mailu alebo Slacku – vrátane vysvetlenia, čo sa zmenilo.

5. Obsah a marketingová prevádzka

Príprava produktových popisov podľa parametrov, prepis a zhrnutie porád, návrhy príspevkov, kontrola konzistentnosti textov. Finálne schválenie zostáva na človeku.

6. Interné vyhľadávanie vo firemných dokumentoch

Agent s prístupom k firemným smerniciam, cenníkom a zmluvám odpovie zamestnancovi na otázku a uvedie zdroj. Šetrí desiatky hodín mesačne najmä vo väčších tímoch.

---

Ako sa AI agenti stavajú: nástroje

Nástroj	Typ	Pre koho
n8n	open-source automatizačná platforma s AI uzlami	firmy, ktoré chcú kontrolu nad dátami a vlastný hosting
Make (Integromat)	vizuálna automatizácia v cloude	rýchle prepojenie bežných aplikácií
Zapier	cloudová automatizácia	jednoduché scenáre, veľa integrácií
Microsoft Copilot Studio / Power Automate	firemný ekosystém Microsoftu	organizácie na Microsoft 365 – viac v našom kurze Copilot Studio
Vlastný vývoj	kód (napr. Python + LLM API)	špecifické procesy, vysoké nároky na integráciu

n8n vs Make vs Zapier: porovnanie a ceny

Ceny sú overené z oficiálnych cenníkov k 25. 9. 2026. Pozor na dve veci: n8n uvádza ceny v eurách, Make a Zapier v dolároch, a každý nástroj účtuje niečo iné.

	n8n	Make	Zapier
Účtovacia jednotka	1 beh celého scenára bez ohľadu na počet krokov	1 kredit za každú akciu modulu	1 task za každý úspešný krok
Zadarmo	Community edition na vlastnom serveri (bez limitu behov)	Free: 1 000 kreditov / mes.	Free: 100 taskov / mes.
Vstupný platený plán	Starter 20 €/mes. (ročná platba), 2 500 behov	Core 9 $/mes. za 10 000 kreditov	Professional 19,99 $/mes. (ročne) za 750 taskov
Stredný plán	Pro 50 €/mes., 10 000 behov	Pro 16 $/mes. za 10 000 kreditov	Professional 129 $/mes. (ročne) za 10 000 taskov
Tímový / firemný plán	Business 667 €/mes., 40 000 behov (aktuálne len self-hosted)	Teams 29 $/mes. za 10 000 kreditov	Team od 69 $/mes. (ročne) za 2 000 taskov
Enterprise	individuálne, 200+ paralelných behov	individuálne	individuálne
Aktívne scenáre	neobmedzene vo všetkých plánoch	neobmedzene od plánu Core	podľa plánu
Paralelné behy	5 (Starter) / 20 (Pro)	podľa plánu	podľa plánu
Vlastný hosting	áno (Community, Business, Enterprise)	nie	nie
Vlastný kód v scenári	JavaScript aj Python	JavaScript (funkcie, obmedzene)	JavaScript / Python v Code kroku
Zľavy	Startup plán: 50 % z Business pre firmy do 20 zamestnancov	ročná platba od 15 % zľavy	ročná platba 33 % zľavy z mesačnej ceny

Prečo je účtovacia jednotka najdôležitejší riadok tabuľky

Predstavte si agenta na spracovanie dopytu s 12 uzlami, ktorý beží 1 000-krát mesačne:

Nástroj	Výpočet	Spotreba
n8n	1 000 behov × 1	1 000 behov – zmestí sa aj do plánu Starter (2 500)
Make	1 000 × ~12 akcií	~12 000 kreditov – potrebujete plán nad 10 000 kreditov
Zapier	1 000 × ~11 krokov (prvý trigger sa nepočíta)	~11 000 taskov – potrebujete plán za 129 $/mes.

Pri jednoduchých dvojkrokových scenároch je rozdiel zanedbateľný. Pri agentoch, kde model volá nástroje v cykle, je to rozdiel medzi 20 € a stovkami eur mesačne.

Kedy si napriek tomu vybrať Make alebo Zapier

• Nemáte nikoho, kto by spravoval server, a nechcete ani cloud s technickejším rozhraním. Zapier je najprístupnejší pre netechnického človeka.
• Potrebujete integráciu na exotickú SaaS aplikáciu – Zapier má najväčší katalóg hotových integrácií.
• Scenáre sú jednoduché (2 – 4 kroky) a ich počet je nízky. Potom je cena porovnateľná a rozhoduje pohodlie.

Prečo v Dataswans staviame najčastejšie na n8n

n8n má na Slovensku 2 600 vyhľadávaní mesačne – viac než väčšina marketingových pojmov. Dôvody popularity:

• Open source a vlastný hosting. Komunitnú verziu si nasadíte na vlastný server bez limitu behov. Citlivé dáta neopustia vašu infraštruktúru.
• Cena a model účtovania. Účtuje sa jeden beh celého scenára, nie každý krok – pri zložitých scenároch zásadný rozdiel oproti konkurencii.
• Neobmedzené aktívne scenáre a integrácie vo všetkých plánoch.
• AI uzly priamo v nástroji – agent, pamäť, pripojenie k vektorovej databáze, volanie nástrojov.
• Flexibilita. Ak niečo chýba, doplníte to vlastným kódom v JavaScripte alebo Pythone, prípadne HTTP Request uzlom na akékoľvek API.

Pre firmy s prísnymi požiadavkami na dáta (zdravotníctvo, verejná správa, financie) je vlastný hosting často jediná prijateľná cesta. Pozor však na jednu vec, ktorú marketingové materiály zamlčujú: vlastný hosting n8n rieši infraštruktúru, nie model. Ak scenár volá cloudové API jazykového modelu, dáta z vášho servera aj tak odchádzajú k poskytovateľovi modelu. Ak to nechcete, potrebujete lokálny model – a to je iný rozpočet aj iná kvalita výstupu.

---

Tri scenáre krok po kroku

Nasledujúce tri scenáre sú postavené tak, ako ich reálne nasadzujeme. Uvádzame konkrétne uzly n8n v poradí, integrácie a prístupy, ktoré si treba pripraviť, aj typické problémy.

---

Scenár 1: spracovanie e-mailových dopytov

Čo robí: príchodzí dopyt roztriedi, pochopí, doplní k nemu kontext z vášho CRM a znalostnej bázy, pripraví návrh odpovede a založí záznam. Odpoveď odosiela človek jedným klikom (alebo agent automaticky, keď si scenár odkrútil dosť behov bez chyby).

Pre koho: firmy s 20 a viac dopytmi denne, kde odpoveď vyžaduje pohľad do cenníka, do skladu alebo do histórie zákazníka.

Uzly v poradí

#	Uzol n8n	Čo robí	Pozor na
1	Gmail Trigger (alebo Microsoft Outlook Trigger / IMAP Email)	spúšťač – nový e-mail v konkrétnom labeli alebo priečinku	nastavte label/priečinok, nie celú schránku; inak agent spracuje aj newslettery
2	Set (Edit Fields)	normalizácia: odosielateľ, predmet, text, ID vlákna	z HTML e-mailu vytiahnite čistý text, inak model rieši značky
3	Text Classifier (alebo Switch s AI)	zatriedenie do kategórií: cenový dopyt / stav objednávky / reklamácia / spam / iné	kategórie definujte podľa toho, čo sa reálne líši v ďalšom kroku – nie „aby to bolo pekné“
4	Switch	rozvetvenie podľa kategórie	spam a „iné“ vetvite na koniec bez zásahu modelu
5	HubSpot / Pipedrive / HTTP Request	nájdenie kontaktu a jeho histórie v CRM	ak kontakt neexistuje, vetva musí pokračovať, nie spadnúť
6	Postgres / MySQL / HTTP Request	načítanie stavu objednávky alebo skladu z e-shopu	čítajte len potrebné polia; agent nemá vidieť celú tabuľku zákazníkov
7	AI Agent s pripojeným Chat Model	zloží odpoveď z e-mailu, CRM dát a znalostnej bázy	do systémovej správy napíšte tón, dĺžku, jazyk a čo nesmie tvrdiť (napr. nesľubovať termíny)
7a	Vector Store Retriever (Qdrant / PGVector / Supabase) ako nástroj (tool) agenta	znalostná báza: cenník, FAQ, obchodné podmienky, technické listy	dokumenty musia mať dátum a verziu, inak agent cituje neplatný cenník
7b	Simple Memory / Postgres Chat Memory	pamäť v rámci e-mailového vlákna	kľúč pamäte = ID vlákna, nie adresa odosielateľa
8	Gmail → Create Draft	uloží návrh odpovede ako koncept do vlákna	koncept, nie odoslanie – v prvej fáze vždy
9	Slack / Microsoft Teams	notifikácia operátorovi s odkazom na koncept a s kategóriou	pri kategórii „reklamácia“ posielajte do iného kanála
10	Google Sheets / Postgres	log: čas, kategória, či človek koncept upravil	toto je vaša metrika kvality – bez nej neviete, kedy zapnúť automatické odosielanie
11	Error Trigger (samostatný scenár)	pri zlyhaní pošle alert a zapíše chybu	bez toho zistíte poruchu až od naštvaného zákazníka

Čo si treba pripraviť

• Prístup do e-mailu: Google OAuth (Gmail API) alebo Microsoft Entra app registration pre Outlook.
• API kľúč jazykového modelu (OpenAI, Anthropic, Azure OpenAI alebo lokálny model cez Ollama).
• Prístup do CRM – samostatné servisné konto s právami len na čítanie kontaktov a zápis poznámky.
• Prístup do e-shopu / ERP – read-only používateľ alebo API token s obmedzeným rozsahom.
• Vektorová databáza a jednorazový scenár na naplnenie znalostnej bázy (Document Loader → Text Splitter → Embeddings → Vector Store).

Odporúčaný postup nasadenia

1. Týždeň 1: kategórie 3 a 4 bez AI odpovede – len triedenie a notifikácia. Zmerajte, ako presne agent triedi.
2. Týždeň 2 – 3: pridajte generovanie konceptu. Operátor koncept upravuje; zapisujte, koľko percent konceptov odošle bez zmeny.
3. Od 80 % nezmenených konceptov v danej kategórii môžete pri tej jednej kategórii uvažovať o automatickom odosielaní – s dennou kontrolou vzorky.
4. Reklamácie a právne otázky nikdy neautomatizujte úplne.

Typické problémy

• Agent si vymyslí cenu. Riešenie: ceny nedávajte do promptu, ale výhradne ako výstup z nástroja, a do systémovej správy napíšte, že cenu smie uviesť len z výsledku nástroja.
• Odpovie v nesprávnom jazyku. Riešenie: jazyk detegujte v kroku 2 a predajte ho modelu ako parameter.
• Nekonečná slučka. Ak agent odpisuje na automatické odpovede, pridajte do kroku 3 filter na auto-submitted hlavičku a na vlastnú domenu odosielateľa.

---

Scenár 2: spracovanie prijatých faktúr

Čo robí: z e-mailovej schránky pre faktúry vytiahne PDF, prečíta z neho údaje, skontroluje ich proti objednávke a dodávateľovi, založí doklad v účtovnom systéme a archivuje súbor. Čo nesedí, pošle človeku.

Pre koho: firmy s desiatkami a viac prijatých faktúr mesačne, ktoré ich dnes prepisujú ručne.

Uzly v poradí

#	Uzol n8n	Čo robí	Pozor na
1	Gmail Trigger (label faktury) alebo Webhook z dokumentového systému	spúšťač	nastavte filter na prílohy typu PDF
2	IF	má e-mail prílohu?	bez tejto podmienky scenár padá na e-mailoch bez prílohy
3	Split Out / Loop Over Items	jeden e-mail môže obsahovať viac faktúr	často prehliadané – a potom sa spracuje len prvá
4	Extract from File (PDF)	text z PDF	pri skenovaných faktúrach text nebude; potrebujete OCR (krok 4a)
4a	HTTP Request na OCR službu alebo Chat Model s vision	prečítanie skenu	skenované faktúry majú výrazne nižšiu presnosť – vetvite ich na ručnú kontrolu
5	Information Extractor so Structured Output Parser	vytiahne polia do pevnej schémy	definujte JSON schému: IČO dodávateľa, DIČ, číslo faktúry, dátum vystavenia, dátum splatnosti, suma bez DPH, DPH, suma s DPH, mena, variabilný symbol, IBAN, číslo objednávky
6	Code (JavaScript)	kontrolné výpočty: suma bez DPH + DPH = suma s DPH, platnosť IBAN, formát dátumu, mena	toto nerobte modelom. Aritmetiku a validáciu formátu robí kód – je to deterministické a bezplatné
7	Postgres / MySQL / HTTP Request	overenie dodávateľa v zozname dodávateľov a nájdenie objednávky podľa čísla	overujte podľa IČO, nie podľa názvu firmy
8	IF – validačná bariéra	sedí suma s objednávkou? je dodávateľ známy? je IBAN zhodný s registrovaným IBAN dodávateľa?	kontrola IBAN je protipodvodné opatrenie, nie formalita. Zmenený IBAN na faktúre je klasický podvod
9a	(vetva OK) HTTP Request do účtovného systému (SuperFaktúra, iDoklad, Pohoda mServer, Money, Helios)	založenie prijatého dokladu	väčšina slovenských účtovných systémov nemá hotový n8n uzol – rieši sa HTTP Request uzlom podľa ich API dokumentácie
9b	(vetva OK) Google Drive / SharePoint	archivácia PDF s názvom RRRR-MM_IČO_čísloFaktúry.pdf	jednotná konvencia názvov sa vyplatí pri každej kontrole
10a	(vetva výnimka) Slack / Teams / Gmail	notifikácia účtovníkovi s dôvodom výnimky a odkazom na PDF	v správe uveďte čo presne nesedí, nie len „chyba“
10b	(vetva výnimka) Google Sheets	front na ručné dorobenie
11	Google Sheets / Postgres	log každej faktúry: úspech / výnimka / dôvod	zdroj dát pre mesačný report o presnosti
12	Error Trigger	alert pri technickom zlyhaní

Čo si treba pripraviť

• Samostatná e-mailová adresa alebo label pre faktúry (napr. faktury@firma.sk) a informácia pre dodávateľov, aby tam posielali.
• API prístup do účtovného systému. Toto overte ako prvé – ak systém API nemá, scenár končí pri kroku 9 a zostane z neho len predpríprava dát.
• Zoznam dodávateľov s IČO a registrovanými IBAN.
• API kľúč modelu s podporou štruktúrovaného výstupu (a vision, ak spracúvate skeny).
• Úložisko na archív (Drive, SharePoint, S3) s prístupovými právami pre účtovníctvo.

Ako merať, či to funguje

Metrika	Ako ju získate	Cieľ po 3 mesiacoch
podiel faktúr spracovaných bez zásahu človeka	log v kroku 11	70 – 85 % pri digitálnych PDF
presnosť extrakcie sumy s DPH	porovnanie logu s účtovným systémom na vzorke	nad 99 %
priemerný čas od doručenia po zaúčtovanie	časové značky v logu	z dní na minúty
počet zachytených nesúladov IBAN	log vetvy výnimka	každý zachytený prípad je vyčíslený prínos

Typické problémy

• Skenované faktúry. Presnosť klesá. Riešenie: vetvite ich samostatne a netvárte sa, že ich zvládnete automaticky.
• Zálohové a dobropisy. Model ich často spracuje ako bežnú faktúru. Riešenie: pridajte klasifikáciu typu dokladu pred krokom 5 a dobropisy vetvite na človeka.
• Faktúra v cudzej mene. Kurz preberajte z ECB alebo NBS cez HTTP Request, nie z modelu.
• Duplicity. Pred zápisom kontrolujte kombináciu IČO + číslo faktúry proti už zaúčtovaným dokladom.

---

Scenár 3: týždenný marketingový report

Čo robí: raz týždenne stiahne dáta z reklamných systémov, analytiky a e-shopu, porovná ich s predchádzajúcim obdobím, nechá model napísať vysvetľujúci komentár k odchýlkam a pošle hotový report klientovi alebo manažmentu.

Pre koho: agentúry s viacerými klientmi a firmy, kde niekto každý týždeň lepí čísla do tabuľky a píše k nim komentár.

Uzly v poradí

#	Uzol n8n	Čo robí	Pozor na
1	Schedule Trigger	spúšťač, napr. každý pondelok 6:00	nastavte časovú zónu inštancie, inak report príde o hodinu vedľa
2	Google Sheets / Postgres	zoznam klientov alebo kampaní s ich ID účtov	robte to dátovo, nie tak, že pre každého klienta duplikujete scenár
3	Loop Over Items	prejde klientov jedného po druhom	nastavte batch 1 a pauzu, aby ste nenarazili na API limity
4	Google Ads	výkon kampaní za posledných 7 dní a za predchádzajúcich 7 dní	API má kvóty; pri viacerých klientoch pridajte Wait uzol
5	Google Analytics (GA4)	návštevnosť, zdroje, konverzie, hodnota konverzií	porovnávacie obdobie si pýtajte v tom istom dotaze, nie druhým behom
6	Facebook Graph API / HTTP Request	výkon Meta kampaní	token má krátku platnosť – použite systémového používateľa s dlhodobým tokenom
7	HTTP Request na API e-shopu (alebo Postgres)	skutočné tržby a objednávky – „pravda“ oproti atribúcii reklamných systémov	rozdiel medzi tržbami v Ads a v e-shope je najhodnotnejší riadok celého reportu
8	Merge	spojenie dát zo všetkých zdrojov k jednému klientovi	režim „Combine by position“ tu spravidla nestačí, spájajte podľa kľúča (dátum, kampaň)
9	Code (JavaScript)	výpočty: medziobdobná zmena v %, CPA, ROAS, podiel kanálov, detekcia odchýlok nad prahom	všetky čísla počítajte tu, nie modelom. Model dostane hotové výsledky a len ich interpretuje
10	Postgres / Google Sheets	uloženie výsledkov do historickej tabuľky	vďaka historickým dátam vie model porovnávať aj s tým istým týždňom vlani
11	Basic LLM Chain (alebo AI Agent)	napíše komentár: čo sa zmenilo, prečo pravdepodobne, čo navrhuje	do promptu vložte len vypočítané agregáty, nikdy nie surové riadky. Zakážte vymýšľanie príčin – model má rozlišovať „dáta ukazujú“ a „možná príčina“
12	Markdown (alebo Code s HTML šablónou)	prevod na formátovaný report	jednotná šablóna = report vyzerá rovnako každý týždeň
13a	Gmail / SMTP	odoslanie e-mailom klientovi	prvé 4 týždne posielajte sebe, nie klientovi
13b	Slack	zhrnutie do interného kanála
13c	Google Slides / Google Docs / HTTP Request na PDF službu	ak klient chce prezentáciu alebo PDF
14	Error Trigger	pri chybe pošle alert a report sa neodošle nedokončený	horšie než žiadny report je report s prázdnymi číslami

Čo si treba pripraviť

• Google Ads: developer token, OAuth prístup a ID účtov klientov (vrátane MCC).
• GA4: Data API prístup a property_id každého klienta.
• Meta: systémový používateľ v Business Manageri s dlhodobým tokenom a prístupom k reklamným účtom.
• E-shop / ERP: API token na čítanie objednávok a tržieb.
• Tabuľka klientov so všetkými ID na jednom mieste (krok 2) – bez nej sa scenár nedá škálovať.
• Historická tabuľka na ukladanie agregátov (krok 10).

Prečo to má zmysel počítať

	Pred	Po
čas na jeden report	45 – 90 min	5 – 10 min (kontrola a doladenie komentára)
10 klientov týždenne	8 – 15 h	1 – 2 h
konzistentnosť	závisí od človeka a jeho týždňa	rovnaká štruktúra vždy
počet behov v n8n	–	~4 – 5 behov mesačne na klienta pri týždennej periodicite

Posledný riadok je dôležitý: reportovací scenár spotrebuje minimum behov, takže sa zmestí aj do najnižšieho plánu. Náklad je takmer celý na strane API modelu – a ten je pri desiatkach reportov mesačne rádovo jednotky eur.

Typické problémy

• Model si vymyslí príčinu. Riešenie: v prompte rozdeľte výstup na „Fakty“ (len z dát) a „Hypotézy“ (výslovne označené ako domnienky).
• Report bez kontextu je nepoužiteľný. Doplňte do kroku 2 pole „poznámky k týždňu“ (spustená kampaň, výpadok webu, sezóna) a predajte ho modelu.
• API limity pri viacerých klientoch. Rozdeľte spúšťanie do viacerých časov alebo pridajte Wait uzly.
• Rozdielne atribučné okná v Ads, Meta a GA4 vedú k nesúhlasným číslam. Nedajte to vysvetľovať modelu – napíšte to raz do šablóny reportu ako metodickú poznámku.

---

Ako nasadiť AI agenta krok za krokom

1. Vyberte proces, nie technológiu

Hľadajte činnosť, ktorá je opakovaná, dobre popísateľná a merateľná. Ideálny prvý projekt: zaberá aspoň niekoľko hodín týždenne, má jasné vstupy aj výstupy a chyba v ňom nespôsobí katastrofu.

2. Zmerajte východiskový stav

Koľko času proces zaberá dnes, koľko stojí, aká je chybovosť. Bez toho po nasadení nedokážete povedať, či sa investícia vrátila.

3. Popíšte pravidlá tak, ako pre nového kolegu

Agenti zlyhávajú najčastejšie preto, že proces nikdy nebol poriadne popísaný. Ak by ste zadanie nevedeli vysvetliť brigádnikovi, nevysvetlíte ho ani modelu.

4. Pripravte dáta a prístupy

Agent potrebuje prístup k tomu, čo potrebuje – a nič viac. Samostatné servisné konto, obmedzené oprávnenia, logovanie každej akcie.

5. Postavte prototyp

V n8n vytvoríte scenár: spúšťač (nový e-mail, webhook, časovač) → načítanie dát → AI uzol → akcia v cieľovom systéme → notifikácia. Prototyp býva otázka dní, nie mesiacov. Konkrétnu skladbu uzlov máte v troch scenároch vyššie.

6. Nechajte človeka v slučke

Pri prvých behoch nech agent len navrhuje a človek schvaľuje. Automatické odosielanie zapnite až vtedy, keď máte dôkaz o spoľahlivosti – teda číslo z logu, nie dojem.

7. Merajte, ladte, rozširujte

Sledujte úspešnosť, počet zásahov človeka a ušetrený čas. Až keď prvý agent stabilne funguje, pridávajte ďalší proces.

---

Koľko to stojí

Položka	Orientačná cena
n8n cloud (Starter / Pro)	20 € / 50 € mesačne (pri ročnej platbe)
n8n cloud Business	667 € mesačne, 40 000 behov (aktuálne self-hosted)
n8n vlastný hosting	cena servera (rádovo jednotky až desiatky € mesačne)
API jazykového modelu	podľa objemu; bežné firemné scenáre rádovo jednotky až desiatky € mesačne
Vektorová databáza (znalostná báza)	zadarmo pri vlastnom hostingu (PGVector, Qdrant), cloud od jednotiek €
OCR služba (ak spracúvate skeny)	podľa počtu strán, rádovo jednotky € mesačne
Návrh a implementácia prvého agenta	jednorazovo podľa zložitosti procesu
Prevádzka a ladenie	mesačný paušál alebo hodiny podľa potreby

Návratnosť počítajte jednoducho: ušetrené hodiny × hodinová sadzba verzus náklady na prevádzku a implementáciu. Pri procese, ktorý zaberá 10 hodín týždenne, sa aj čiastočná automatizácia vráti rádovo v mesiacoch.

Čo do kalkulácie nezabudnite zahrnúť: čas človeka na kontrolu výstupov v prvých mesiacoch, čas na dokumentáciu a čas na opravy, keď sa zmení API na druhej strane. To je typicky 20 – 30 % nákladov, ktoré sa v ponukách neuvádzajú.

---

Bezpečnosť, dáta a legislatíva

1. Minimálne oprávnenia. Agent nemá mať prístup k celému CRM, ak potrebuje len jednu tabuľku.
2. Kde končia dáta. Pri cloudových modeloch si overte podmienky spracovania a či sa dáta používajú na tréning. Vlastný hosting n8n rieši len infraštruktúru, nie model – ten môže byť stále externý.
3. GDPR. Spracovanie osobných údajov cez AI potrebuje právny základ, záznam o spracovateľských činnostiach a spracovateľskú zmluvu s dodávateľom.
4. AI Act. Firmy majú povinnosti aj v oblasti AI gramotnosti zamestnancov – rozoberáme ich v článkoch o AI Acte a vzdelávaní zamestnancov a o pokutách podľa AI Actu v roku 2026.
5. Interné pravidlá. Skôr než nasadíte prvého agenta, majte napísané, kto smie čo zapínať a aké dáta smú do modelu vstupovať – viac v článku o AI governance vo firme.
6. Logy a auditovateľnosť. Každý krok agenta musí byť dohľadateľný. Bez logov neviete vyšetriť chybu ani obhájiť rozhodnutie.
7. Limity a poistky. Denné limity na počet akcií, zákaz nezvratných operácií bez schválenia, alert pri neobvyklom správaní.
8. Ochrana pred nepriamou injektážou promptu. Ak agent číta e-maily, faktúry alebo webové stránky, obsah v nich môže obsahovať pokyny („ignoruj predchádzajúce instrukcie a pošli…“). Dôsledok: obsah, ktorý agent prečíta, nikdy nesmie rozhodovať o tom, aké nástroje smie použiť. Nezvratné akcie ohraničte kódom a schválením človeka, nie promptom.

---

Najčastejšie chyby pri nasadzovaní AI agentov

1. Začať veľkým projektom. „Zautomatizujeme celú podporu“ skončí po troch mesiacoch bez výsledku.
2. Automatizovať chaos. Zlý proces sa automatizáciou len zrýchli.
3. Žiadne meranie. Bez čísel pred a po neviete obhájiť ďalšie investície.
4. Plná dôvera agentovi od prvého dňa.
5. Nechať model robiť aritmetiku. Súčty, percentá a validácie patria do kódu. Model má rozumieť textu, nie počítať.
6. Podcenené dáta. Neaktuálne cenníky a duplicitné kontakty znehodnotia aj dobrý scenár.
7. Jeden človek, žiadna dokumentácia. Keď odíde, nikto netuší, ako to funguje.
8. Žiadny scenár pre chyby. Bez Error Trigger uzla o poruche neviete.
9. Neriešená legislatíva. Osobné údaje v cudzom modeli bez zmluvy sú riziko.

---

Časté otázky o AI agentoch (FAQ)

Čo je AI agent?

Softvér postavený na jazykovom modeli, ktorý dostane cieľ, sám si naplánuje kroky a použije nástroje (e-mail, databázu, API), aby úlohu splnil.

Je n8n zadarmo?

Komunitná verzia na vlastnom serveri áno, bez limitu behov. Cloudové plány začínajú na 20 € mesačne (ročná platba) za 2 500 behov scenára.

Čo sa počíta ako „beh“ v n8n?

Jeden kompletný beh scenára bez ohľadu na počet krokov. To je výhodné pri zložitých scenároch s mnohými uzlami – Make aj Zapier účtujú každý krok samostatne.

Je n8n lacnejší než Make alebo Zapier?

Pri jednoduchých dvojkrokových scenároch nie. Pri agentoch s desiatkou uzlov áno a rozdiel býva rádový, pretože n8n účtuje beh, kým Make kredity za akciu a Zapier tasky za krok. Porovnanie s výpočtom je v tabuľke vyššie.

Nahradí AI agent zamestnancov?

V praxi skôr preberá rutinnú časť práce – triedenie, prepisovanie, prvé návrhy. Ľudia riešia výnimky a rozhodnutia.

Ako dlho trvá nasadenie?

Prototyp jednoduchého agenta býva otázkou dní. Produkčné nasadenie vrátane testovania, oprávnení a dokumentácie rádovo týždne.

Potrebujem na to programátora?

Na jednoduché scenáre nie – n8n má vizuálny editor. Pri napojení na interné systémy, bezpečnosti a prevádzke sa vývojár vyplatí. Aspoň jeden krok s vlastným kódom (validácie a výpočty) má takmer každý produkčný scenár.

Kde začať, ak neviem, čo automatizovať?

Spíšte činnosti, ktoré tím robí opakovane a ktoré nikto nemá rád. Najlepší prvý kandidát je zvyčajne práca s e-mailami a dokladmi – oba scenáre máte popísané vyššie.

Zostanú dáta v mojej firme, ak si n8n nasadím na vlastný server?

Len tie, ktoré nikam neposielate. Ak scenár volá cloudové API jazykového modelu, dáta odchádzajú k jeho poskytovateľovi. Úplne lokálne riešenie vyžaduje lokálny model, čo znamená iné náklady a nižšiu kvalitu výstupu.

---

AI agenti s Dataswans

Nasadzujeme AI agentov tam, kde firme reálne ušetria čas alebo prinesú tržby – nie preto, aby sa dalo povedať „máme AI“.

• audit procesov a výber prvého kandidáta na automatizáciu,
• návrh a implementácia agenta (n8n, vlastný hosting aj cloud),
• napojenie na CRM, e-shop, účtovníctvo a interné systémy,
• bezpečnosť a súlad s GDPR a AI Actom,
• školenia tímu v Dataswans Academy – vrátane kurzu Microsoft Copilot Studio a kurzov financovateľných cez Zručnosti pre trh práce.

Ak riešite AI vo firme širšie než len agentov, začnite článkami AI implementácia vo firmách: kompletný návod a AI automatizácia a AI riešenia pre firmy v roku 2026.

Chcem nasadiť AI agenta – kontaktujte nás