Agentic AI Platform zrychluje adopci AI v bance. Jak vzniká nový standard pro tvorbu agentů
Česká spořitelna v poslední době výrazně rozšiřuje využití umělé inteligence napříč interními procesy, a právě Agentic AI Platform (AAiP) patří k projektům, které tento posun umožňují. Jejím cílem je zjednodušit tvorbu AI agentů, zpřístupnit je i netechnickým týmům a vytvořit univerzální prostředí, které pomůže rychleji dodávat nové use cases. Jak projekt funguje jsme zjišťovali s Petrem Bednářem, jedním z hlavních autorů platformy, který aktuálně působí jako product owner a dlouhodobě se specializuje na AI architekturu.
Jak vznikla myšlenka AAiP?
Nápad na Agentic AI Platform se začal formovat přibližně před rokem a půl. V té době už existovaly izolované AI iniciativy, ale většina týmů narážela na stejné problémy:
Jak bezpečně napojit LLM do bankovního prostředí?
Jak vyvíjet AI agenty, tak, aby splnili interní i regulatorní požadavky?
Jak je integrovat na stávající systémy?
Dosavadní enterprise AI platforma v bance byla sice robustní, ale koncipovaná spíše „experti pro experty“. Chybělo však univerzální řešení, které by bylo dostupné i týmům, jež s AI začínají a zároveň umožnilo rychleji pokrýt širokou škálu use casů. „Provedli jsme analýzu, která zohlednila naši znalost bankovního prostředí, známé i očekávané požadavky na dodávání AI v bance, interní možnosti a globální trendy. Na základě toho se začala formovat idea a architektura agentické platformy, jak ji známe dnes,” popisuje Bednář.
Kde má AAiP největší přínos
AAiP může teoreticky využít většina týmů v bance, ale vždy záleží na konkrétních datových zdrojích a integracích. Platforma se nejvíce hodí pro business týmy, které staví jednodušší řešení nebo pracují s nástroji bez nativních AI funkcionalit.
Nezmeškejte žádné novinky ITT
Největší poptávka přichází z oddělení, která spravují back-office procesy – oblasti dlouhodobě zatížené rutinní lidskou prací. Zájem mají zvláště riskové týmy a korporátní segment, kde se agenti ukazují jako efektivní posila při zpracování opakovaných úkolů. „Největší zájem mají týmy z risku a korporátního segmentu, kde je automatizace klíčová pro zrychlení rutinních operací,“ dodává Bednář.
Technické řešení platformy
Technologický základ Agentic AI Platform stojí především na frameworku Autogen, který banka zvolila díky jeho výborným výsledkům při orchestraci více agentů i možnosti konzultovat architekturu přímo s týmem Microsoft Research. Jak doplňuje Bednář: „Tento framework nám však nepomohl jen při stavbě základních technických principů AI, ale také poskytl Studio, které jsme s drobnými úpravami začlenili do našeho řešení. Studio pro nás bylo klíčové, protože umožňuje nabídnout no-code uživatelské prostředí, které pomáhá proniknout do světa AI i technicky orientovaným lidem, kteří však nejsou vývojáři.”
Zbytek řešení tvoří standardní technologický stack banky, zahrnující Azure, TypeScript, Node.js a Redis, přičemž Redis Streams zde funguje jako message broker pro spolehlivé řízení komunikace mezi agenty.
Jak vzniká agent – a jak se dostane do produkce
Vytvoření jednoduchého agenta lze provést přímo ve Studiu, kde uživatel zvolí typ orchestrace, připojí LLM model i MCP nástroje, nastaví instrukce a může ihned testovat chování agenta.
Produkční řešení je však komplexnější. Každý use case musí projít:
schválením AI Working Group včetně posouzení souladu s EU AI Act,
onboardingem do platformy,
vývojem a laděním agentů, které odpovídá bankovním standardům pro bezpečnost a spolehlivost.
Mezi současnými implementacemi AAiP vyniká několik use casů, které dobře ukazují, jak agenti dokážou zrychlit a zkvalitnit náročné procesy.
Vytěžování exekučních dokumentů – Agenti určují kategorii dokumentu a následně sémanticky extrahují předem definované informace z nestrukturovaných zdrojů, například naskenovaných příkazů.
Ověřování jednatelů společností – Use case, jehož cílem bylo ověřit, zda klient na pobočce může jednat za společnost. Technicky šlo o vytvoření agenta integrovaného na veřejný registr, který data sémanticky vyhodnocuje a připravuje tak, aby bankéř mohl co nejrychleji rozhodnout.
Vytěžování akcionářských struktur – Byl vytvořený pro potřeby KYC, který svou složitostí překonává ostatní. Agenti zpracovávají balík dokumentů, identifikují ty s relevantními informacemi a následně provádějí analýzu složitých struktur a dokážou si poradit i s případy, kdy se struktury cyklí nebo obsahují jiné nesrovnalosti. Díky tomu se podařilo zrychlit práci analytiků.
Testování spolehlivosti agentů
Testování probíhá ve dvou fázích:
Při návrhu – vytvářejí se evaluační sady dokumentů s očekávanými výsledky.
V produkci – systém sbírá zpětnou vazbu z oprav provedených uživateli a na základě dat probíhají průběžné optimalizace.
Význam AAiP potvrzuje také mezinárodní ocenění v Dubaji, kde doména AI Core získala hned několik ocenění. „Pro mě byla ale nejcennější první cena za nejlepší využití AI v oblasti risku, protože řešení bylo postavené právě na naší platformě,” říká s nadšením Bednář. Úspěch je výsledkem spolupráce několika týmů, včetně KYC a risku, a ukazuje, že banka se posouvá směrem k vyspělému, škálovatelnému a strategickému využívání AI ve svých procesech.
