Od redakcie: AI agenti získavajú hlas a pamäť, no spoľahlivosť sa musí merať inak

Utorok 20. októbra 2026 priniesol viacero konkrétnych príkladov, ako sa umelá inteligencia posúva od odpovedania k súvislej práci. Mistral predstavil hlasové modely a vývojovú súpravu Voxtral 3, Databricks opísal pamäťovú architektúru MemCurrent a IBM ukázalo zlepšovanie zákazníckych agentov pomocou naučených pravidiel. AWS priblížilo prepojenie agentov s projektovými dátami a NVIDIA generatívnu simuláciu chirurgických scén. Spoločnou otázkou nie je iba inteligencia modelu, ale aj to, čo si systém zapamätá, aké úkony môže vykonať a ako preukážeme, že pracuje správne.

Tento súhrn sa venuje udalostiam a podkladom z predchádzajúceho lokálneho kalendárneho dňa, teda 20. októbra. Výkonové čísla pochádzajú prevažne od autorov riešení. Berieme ich ako výsledky konkrétnych experimentov, nie ako nezávislú záruku prínosu v každej firme. Pre slovenského čitateľa je podstatné najmä rozlišovať medzi dostupnosťou technológie, kvalitou ukážky a pripravenosťou na prevádzku s reálnymi zákazníkmi.

Voxtral 3: hlasový agent už nemá iba dobre rozprávať

Mistral v oznámení Voxtral 3 spája prepis reči, jazykový model, volanie nástrojov a syntézu hlasu do jednej priebežne spracúvanej konverzácie. Vývojová súprava je postavená na LiveKit. Jednotlivé časti zostávajú samostatnými modelmi, takže vývojár môže meniť uvažovací model či hlas bez úplného prepisovania aplikácie. Systém má podporovať telefonické pripojenie cez SIP aj komunikáciu v prehliadačoch a aplikáciách cez WebRTC.

Praktický rozdiel oproti obyčajnému hlasovému chatbotu je v možnosti počas hovoru pracovať s podnikovými systémami. Agent môže napríklad vyhľadať údaje, overiť informácie alebo pripraviť rezerváciu. Oznámenie opisuje aj prerušenie hovoriaceho agenta používateľom a rozpoznávanie konca používateľovej repliky. Práve tieto zdanlivé detaily rozhodujú, či rozhovor pôsobí použiteľne: zákazník potrebuje opraviť číslo objednávky bez toho, aby sa systém rozbehol nesprávnym smerom.

Mistral uvádza viac než päťdesiat jazykov pri prepise a viac než tridsaťpäť pri generovaní reči. Slovenčina je uvedená medzi jazykmi niektorých publikovaných prepisových hodnotení. To však nie je dôkaz rovnako kvalitného slovenského hlasového výstupu ani spoľahlivosti v hlučnom zákazníckom centre. Organizácia by mala samostatne skúšať slovenské mená, adresy, skloňovanie, čísla, odbornú terminológiu a striedanie slovenčiny s češtinou či angličtinou.

Dôležitá je aj možnosť európskeho API alebo vlastného nasadenia. Mistral však na stránke uvádza tiež americké a globálne koncové body, takže európske spracovanie nemožno automaticky predpokladať pri každej konfigurácii. Vlastné nasadenie celej zostavy smeruje cez kontakt s dodávateľom; oznámenie preto nemožno zamieňať za neobmedzenú dostupnosť otvorených váh všetkých komponentov. Pre slovenskú firmu má význam overiť zmluvné podmienky, miesto spracovania, uchovávanie audia a celkové náklady vrátane telefonického spojenia.

MemCurrent: pamäť ako udržiavané znalosti, nie nekonečný prepis

Databricks predstavilo MemCurrent ako architektúru trvalej pamäte, ktorá podľa spoločnosti poháňa Agent Bricks Memory a Genie. Rozlišuje medzi epizodickou pamäťou, teda záznamami priebehu relácií, a odvodenou pamäťou, ktorá z nich vytvára použiteľné poznatky. Agent môže pamäť čítať a upravovať počas práce, zatiaľ čo samostatné spracovanie na pozadí konsoliduje informácie, odstraňuje duplicity a rieši konflikty.

Toto rozdelenie rieši bežný problém podnikových asistentov. Celá história rozhovorov nemusí byť vhodným kontextom: obsahuje zastarané pokyny, omyly aj detaily nesúvisiace s aktuálnou otázkou. Užitočná pamäť má uchovať napríklad vysvetlenie internej metriky alebo opravu výberu databázovej tabuľky, nie zakaždým znovu predkladať všetky minulé správy. Zároveň musí umožniť nájsť pôvod poznatku, keď sa ukáže, že prestal platiť.

Na internom hodnotení Databricks uvádza zvýšenie úspešnosti z 22,3 na 68,4 percenta oproti agentovi bez pamäte, pri 31 percentách menej tokenov a približne 26 percentách kratšom čase. Hodnotenie obsahovalo 114 prípadov, 29 používateľov a 2 233 historických relácií. Je to konkrétny výsledok, ale stále interný test v prostredí dodávateľa. Neznamená trojnásobnú produktivitu celej firmy ani rovnaké úspory pri ľubovoľnom asistentovi.

Pre slovenské podniky môže byť tento smer zaujímavejší než ďalšie zväčšovanie kontextového okna. Asistent v účtovníctve či výrobe často nepotrebuje viac všeobecných vedomostí, ale správne si pamätať miestne definície a schválené postupy. Súčasne vzniká nová povinnosť prevádzkovej disciplíny: určiť vlastníka poznatkov, pravidlá ich aktualizácie a hranice medzi používateľmi. Pamäť nesmie preniesť súkromnú opravu jedného zákazníka do odpovede inému zákazníkovi iba preto, že ju systém vyhodnotil ako užitočnú skúsenosť.

IBM: lepšie pravidlá môžu pomôcť aj bez nových váh

Pamäť má aj druhú podobu: namiesto uchovávania konkrétnych faktov môže zachytávať postupy, ktoré agentovi pomohli uspieť. IBM Research v príspevku o ALTK-Evolve opisuje automatické získavanie krátkych pravidiel z úspešných aj neúspešných tréningových pokusov. Pravidlá potom pridáva do systémového zadania agenta. Základný model sa pritom nemusí ďalej trénovať úpravou váh.

IBM uvádza pri GPT-4.1 výsledok 67,5 percenta v metrike Pass^4 na maloobchodnej časti τ²-bench. Táto metrika neznamená, že stačí jeden úspech zo štyroch pokusov. Počíta úlohy, ktoré agent vyriešil správne vo všetkých štyroch nezávislých pokusoch. Pri zákazníckej podpore je takáto požiadavka dôležitá: zákazníka nezaujíma, že systém vedel rovnakú reklamáciu správne vybaviť v inom rozhovore, ak práve jeho prípad pokazil.

Výsledok sa vzťahuje na konkrétne testovacie prostredie a porovnanie so snímkou rebríčka z 12. októbra, nie na definitívne prvenstvo nad všetkými aktuálnymi modelmi. Benchmark používa simulovaného zákazníka a úspech overuje cez výsledný stav databázy. To je prísnejšie než hodnotenie presvedčivosti textu, stále však nejde o celé spektrum reálnej podpory. IBM zároveň upozorňuje na tokenové náklady dlhšieho kontextu; viac pravidiel teda nie je bezplatné zlepšenie.

Na AI Feed sme sa tejto práci venovali aj samostatne. V dennom kontexte je podstatné jej prepojenie s MemCurrent: obidva prístupy presúvajú časť zlepšovania z modelu do riadenia skúseností okolo neho. Pre menší slovenský tím to naznačuje rozumnú experimentálnu cestu. Pred výmenou celého modelu môže skúsiť zdokumentovať opakované chyby, odvodiť kontrolovateľné pravidlá a zmerať ich prínos na oddelených testovacích prípadoch. Naučené pravidlo však nesmie potichu prekonať platnú firemnú politiku.

Smartsheet MCP: agent sa približuje k skutočným pracovným dátam

AWS 20. októbra opísalo všeobecne dostupný MCP server Smartsheet. Podľa článku poskytuje viac než štyridsať nástrojov na čítanie, vytváranie a správu tabuliek, riadkov, stĺpcov či automatizácií. Asistent tak nemusí iba vysvetliť projektový plán; cez štandardizované rozhranie môže pracovať s jeho aktuálnou štruktúrou a údajmi.

Podnikový význam je zrozumiteľný aj bez technických detailov protokolu. Projektový manažér sa môže pýtať na stav práce tam, kde už s asistentom komunikuje, namiesto ručného prepínania medzi systémami. Možnosť meniť údaje však posúva riziko: nepresná odpoveď sa môže zmeniť na nesprávny termín, úlohu alebo automatizáciu. Jednotné rozhranie nerobí model automaticky oprávneným rozhodovať o všetkom, čo server technicky sprístupňuje.

Pre slovenskú organizáciu by preto prvým pilotom malo byť skôr čítanie a príprava návrhov než neobmedzené zapisovanie. Odporúčaním redakcie je oddeliť informačné nástroje od nástrojov s následkami, obmedziť prístup podľa rolí a pri citlivých zmenách požadovať potvrdenie. Po vykonaní zmeny má aplikácia overiť výsledný stav. Ide o návrh bezpečného pracovného postupu, nie o tvrdenie, že všetky tieto kontroly konkrétna integrácia automaticky zabezpečuje.

Otvorené modely a jazyky: správny výstup nie je jediná metrika

Ďalší článok AWS sa venoval dolaďovaniu otvoreného modelu GPT-OSS-20B na viacjazyčné uvažovanie v SageMaker HyperPod. Autori opisujú malý test s päťdesiatimi príkladmi v angličtine, francúzštine, nemčine, španielčine a taliančine. Základný model podľa nich dodržal požadovaný jazyk viditeľného uvažovania iba v 22 percentách prípadov, pričom výsledok výrazne ťahala angličtina.

Je dôležité pomenovať, čo tento údaj znamená a čo nie. Meria dodržanie jazyka generovaného postupu v danom teste, nie všeobecnú inteligenciu modelu ani kvalitu všetkých jeho konečných odpovedí. Zo vzorky navyše nemožno vyvodiť výsledok pre slovenčinu, ktorá medzi uvedenými jazykmi nebola. Viditeľný postup tiež nemožno automaticky považovať za úplný a verný opis vnútorného výpočtu modelu.

Pre domáce tímy je praktickým odkazom potreba vlastnej jazykovej evaluácie. Nestačí zaškrtnúť, že model podporuje slovenský vstup. Treba merať terminológiu, formát dátumov, dodržiavanie zadania aj správnosť výsledku. Dolaďovanie a posilňované učenie sú možné nástroje, nie univerzálny recept. Rozhodnutie medzi nimi má vychádzať z konkrétnej chyby a dostupných dát, pričom do rozpočtu patrí aj tréningová infraštruktúra, následné testovanie a dlhodobá údržba modelu.

Cosmos3-H-Dreams: realistický obraz ešte nepotvrdzuje správnu fyziku

NVIDIA predstavila Cosmos3-H-Dreams, generatívny simulátor chirurgických scén trénovaný na videu a údajoch o pohybe robotických nástrojov z klinických zákrokov na platforme CMR Surgical Versius. Zameriava sa na cholecystektómiu, teda odstránenie žlčníka. Namiesto explicitného výpočtu celej geometrie a deformácie tkanív sa učí vizuálnu dynamiku a generuje ďalší obraz podľa zadaného ovládania.

Podľa autorov systém pracuje interaktívne na jednej NVIDIA RTX PRO 6000. Základom je šestnásťmiliardový model Cosmos3-H-Embodied-Nano; publikované varianty používajú štyri alebo dva kroky odšumovania. Dvojkrokový variant je samostatne trénovaný kontrolný bod, nie iba štvor-krokový model spustený s kratším výpočtom. Oznámenie tak ukazuje konkrétny kompromis medzi obrazovou kvalitou a rýchlosťou inferencie.

Najdôležitejšie upozornenie pritom obsahuje samotný zdroj: vizuálny realizmus je začiatkom validácie, nie dôkazom biomechanickej presnosti. Systém musí správne reagovať na ovládanie a zachovávať konzistenciu nástrojov aj anatómie počas dlhšieho behu. Pôsobivá ukážka preto nepotvrdzuje klinickú bezpečnosť ani vhodnosť ako náhrada overeného výcvikového prostredia. Pre slovenské univerzity a robotické tímy je to zaujímavý výskumný smer, ktorého hodnotu treba skúmať spolu s odborníkmi na príslušnú doménu.

FairStress: férovosť sa môže stratiť až pri námietke

Ai2 predstavilo FairStress, benchmark demografickej férovosti, ktorý nesleduje iba prvú odpoveď modelu. Pýta sa aj na to, či model pod rovnakým presviedčaním mení rozhodnutie rozdielne podľa identity zvýhodneného kandidáta. Dve pôvodne rovnaké rozhodnutia totiž môžu zakrývať rozdielnu stabilitu: model si za jedným stojí, no druhé ľahšie opustí po odvolaní na autoritu alebo spoločenský tlak.

Základ tvorí tristo scenárov v dvadsiatich deviatich oblastiach vrátane prijímania zamestnancov, úverov, zdravotníctva a bývania. Kombinácie identít a presviedčacích vstupov vytvárajú viac než trinásť miliónov testovacích prípadov; menšia verzia FairStress-Core má päťdesiattisíc položiek. Autori zároveň jasne priznávajú, že sledujú konkrétne chápanie férovosti založené na symetrii. Benchmark nepokrýva všetky možné etické či právne koncepcie spravodlivého rozhodovania.

Pre slovenskú firmu je to užitočné najmä pri návrhu testov. Ak asistent pomáha triediť žiadosti alebo pripravuje odporúčania, nestačí overiť jednu neutrálnu formuláciu. Treba skúšať námietky, tlak na zmenu výsledku a nepriamo vyjadrenú identitu. Z regulačného pohľadu tieto zdroje nepredstavujú oznámenie nového právneho pravidla. Technický benchmark nie je osvedčením právneho súladu; môže však poskytnúť ďalšie dôkazy o hraniciach systému pri posudzovaní konkrétneho použitia.

Čo si z utorka odniesť

Hlas, pamäť a podnikové konektory sa navzájom posilňujú. Hlasový agent môže prijímať požiadavky prirodzenejšie, pamäť mu pomôže neopakovať chyby a nástroje mu umožnia meniť skutočný pracovný stav. Súčasne sa však násobia následky nesprávneho kontextu, neaktuálnej skúsenosti či poddajného rozhodovania. Rýchlosť a plynulosť rozhovoru preto nemajú byť hlavnými kritériami nasadenia.

Rozumný postup pre slovenské organizácie je vybrať úzku úlohu, pripraviť slovenské testovacie prípady a merať výsledok, opakovateľnosť aj náklady. Pri pamäti treba kontrolovať pôvod a platnosť poznatkov, pri nástrojoch oprávnenia a výsledné zmeny, pri simulácii vernosť doméne a pri rozhodovaní odolnosť voči tlaku. Utorňajšie oznámenia ukazujú použiteľné stavebné prvky. Dôkaz spoľahlivého celku však musí vzniknúť až v konkrétnej prevádzke.

— Redakcia AI Feed