AI developer, česky vývojář AI agentů, navrhuje, staví a provozuje AI agenty – systémy, které za člověka vykonávají víckrokové úkoly a rozhodují se podle proměnlivých vstupů. Pod jedním titulem se ale v praxi skrývají dvě dost odlišné úrovně práce.
Co dělá AI developer?
Navrhuje Workflow agenta – v jakém pořadí má postupovat, jaké nástroje smí použít a kde se má zastavit a zeptat člověka. Řeší integraci nástrojů, tedy napojení agenta na firemní systémy a data, dnes často přes protokol MCP, který umožňuje standardizované propojení modelu s vnějšími zdroji.
Dál se stará o bezpečnost a governance, tedy o to, co všechno agent smí sám udělat, a o monitoring, aby bylo vidět, kdy agent selhal nebo udělal něco jinak, než měl. Bez tohoto dohledu se z agenta snadno stane černá skříňka, které nikdo nevěří.
Proč existují dvě úrovně této role?
Inzeráty na pozici AI developera nebo agent developera se dělí zhruba na dvě skupiny, které vyžadují velmi rozdílné znalosti.
- Nižší úroveň – nízkokódový automatizátor. Pracuje v nástrojích jako n8n nebo Make, skládá workflow z hotových bloků, umí JSON a základní napojení přes API. Nejde o programování od nuly, ale o skládání existujících komponent.
- Vyšší úroveň – inženýr agentních systémů. K tomu přidává vlastní kód, práci s REST rozhraními, JavaScriptem nebo podobným jazykem, nasazení přes Docker a cloud a orchestraci víc agentů najednou. Tato úroveň se blíží tomu, co dělá AI engineer, jen s důrazem na agentní workflow místo jednorázových integrací modelu.
Když firma poptává „AI developera“, vyplatí se hned na začátku ujasnit, kterou z těchto dvou úrovní vlastně potřebuje – rozdíl ve schopnostech i v rozsahu práce je výrazný.
Kdy firma AI developera potřebuje?
Ve chvíli, kdy chce automatizovat proces, který se nedá popsat jedním pevným postupem – kde se vstupy mění a je potřeba, aby systém sám vyhodnotil, co udělat dál. Typický příklad je zpracování příchozích poptávek, kde se obsah e-mailu pokaždé liší, nebo vytěžování faktur s různým formátem.
Jak vybrat vhodný první proces a spočítat, jestli se agent vyplatí, popisuju v článku První AI agent ve firmě: jak vybrat proces a spočítat návratnost. Napojení na firemní systémy pak řeší API integrace firemních systémů.
Tohle je moje každodenní práce – navrhuju a stavím agenty napojené na firemní data a systémy, se schvalovacími kroky tam, kde je to potřeba. Víc o tvorbě AI agentů na míru →
Jak agent v praxi rozhoduje, kdy skončit nebo pokračovat?
Přes takzvaný agent loop – opakovaný cyklus, ve kterém agent dostane zadání, rozhodne se o dalším kroku, provede ho a vyhodnotí výsledek, než pokračuje dál. U složitějších úkolů dobrý AI developer rozdělí práci mezi víc subagentů, z nichž každý řeší jen svou dílčí část a vrací hlavnímu agentovi jen výsledek.
U rizikových kroků – platby, mazání dat, odesílání zpráv navenek – se vyplatí nechat agenta jen připravit návrh a nechat člověka potvrdit. Bez tohoto schvalování se chyba agenta může projevit dřív, než si jí kdokoli všimne.
Můj pohled
Provozuju přes šedesát agentů. Často v nich mám smyčky se schvalováním – agent připraví návrh a já ho ve Freelu schválím nebo upravím. Tohle nastavení mi zatím funguje spolehlivěji než nechat agenta jednat úplně samostatně.
Potřebujete AI agenta postaveného na míru?
Pokud řešíte proces, který by mohl převzít agent, ale nevíte, jestli jde spíš o jednoduchou automatizaci nebo o složitější agentní systém, napište mi přes kontakt. Rád probereme váš konkrétní případ na nezávazné konzultaci. Kromě agentů dělám i vývoj webových aplikací na míru a AI asistenta pro e-mailovou komunikaci, pokud hledáte řešení konkrétně pro poštu.
Pavel Szabo
Programátor webů, eshopů a informačních systémů s více než 23 lety praxe. Pomáhám firmám i jednotlivcům s online podnikáním, automatizacemi a využitím AI v praxi.
