středa 20. května 2026

Google na loňské konferenci I/O předvedl, jak představuje představu budoucnosti svého AI asistenta. Nejde už o nástroj, který čeká, až se ho zeptáte – jde o aktéra, který vám předchází a snaží se být užitečný dřív, než si uvědomíte, že něco potřebujete.

Gemini se transformuje z chatbota na tzv. agenta. To je větší rozdíl, než se na první pohled může zdát. Zatímco Gemini jako aplikace odpovídala na vaše otázky, nový Gemini Spark – a analogicky proaktivní funkce v samotné aplikaci – generuje denní přehledy, navrhuje činnosti a aktivně se zapojuje do vašich úkolů. Myšlenka je prostá: asistent by neměl jen čekat. Měl by být proaktivní.

To, co mě na tomto přístupu zajímá, není jen technologie samotná. Je to, jak Google táhne čáru mezi užitečností a invazivností. Proaktivní asistent vám může ušetřit čas, nebo vás může naplnit nežádoucími notifikacemi a domýšlivostí. Sázka je vysoká. Zároveň Google uvedl, že uživatelé si budou moci vytvářet, přizpůsobovat a spravovat několik AI agentů najednou – přímo v Search. Jde o posun od vyhledávání informací k automatizaci komplikovaných víceúrovňových procesů. To je skutečně cítit jako kvalitativní změna.

Jenže agenti jsou jen jedinou částí příběhu. Google zároveň spouští rodinu modelů nazvanou Gemini Omni, kterou pozicuje jako své řešení pro generování obrázků a videí. Omni Flash, první model z této řady, má ambice „vytvářet cokoli" – což je slogan typicky vágní, ale v praxi znamená, že Google se snaží sjednotit své vygenerované obrázkové a mediální kapacity pod jednu linii modelů.

Apropos, je zajímavé, že podobné ambice vidíme i jinde. Alibaba letos oznámilo nový AI čip Zhenwu a nový LLM, což signalizuje, že tlak na výkon a účinnost není omezen na americké společnosti. Konkurence se zintenzivňuje.

Ale zpátky k agentům. Jedna věc, kterou si všímám, je, že zatímco Google agenty předvádí a spouští, širší průmysl začíná chápat, jak je vlastně hodnotit. Hodnocení AI agenta je zcela jiný problém než hodnocení samotného modelu. Agent musí zvládnout komplexní, vícekrokové úlohy v reálném prostředí – a to měřit je mnohem obtížnější. To je kritické: bez správné metody na hodnocení budeme mít agenty, které nám subjektivně připadají užitečné, ale bez věcného vhledu do toho, proč a kdy fungují.

Otázka, kterou si pokládám, zní: jsou agenti připraveni na reálný svět, nebo je svět připravený na agenty?