Nedostatečný přístup k datům brzdí nasazení AI agentů ve firmách, ukazuje průzkum

Firmy po celém světě se sice hrnou do nasazování AI agentů, jejich reálné využití však brzdí nedostatečný přístup k důvěryhodným firemním datům. Vyplývá to z průzkumu mezi 300 datovými a technologickými vedoucími pracovníky, který 12. srpna 2026 zveřejnila MIT Technology Review Insights ve spolupráci se společností Google Cloud. Studie s názvem Scaling AI agents with trustworthy data se zaměřila na to, jak organizace řeší otázku přístupu k datům jako klíčovou podmínku pro škálování agentické umělé inteligence.

Z výsledků vyplývá, že AI agenti mají v průměru přístup pouze k 45 procentům firemních dat. Mezi jednotlivými organizacemi ale panují výrazné rozdíly. Takzvaní „data laggards“, tedy firmy, které v této oblasti zaostávají, poskytují svým AI systémům přístup k 30 procentům dat nebo méně. Naopak „data leaders“, organizace s vyspělou datovou strategií, umožňují AI agentům pracovat s více než 70 procenty dostupných dat.

Tento rozdíl se výrazně promítá i do důvěry, kterou firmy vkládají do rozhodnutí generovaných AI agenty. Zatímco rozhodnutím AI agentů důvěřuje celkově jen polovina dotázaných organizací, mezi datovými lídry je to plných 100 procent. Důvěra v AI tak úzce souvisí s kvalitou a rozsahem dat, na kterých systémy fungují.

Jako hlavní překážku škálování agentické AI označují zaostávající organizace zastaralé datové systémy. Celých 66 procent „data laggards“ uvedlo, že právě dědictví starších IT infrastruktur jim brání v efektivním nasazení AI agentů ve větším měřítku. Tyto legacy systémy často neumožňují propojení strukturovaných a nestrukturovaných dat v reálném čase, což je pro fungování pokročilých AI agentů zásadní.

Přesto zájem o agentickou AI mezi firmami nijak neochabuje. Podle průzkumu plánuje všech 100 procent respondentů nasadit agentickou AI do dvou let. Téměř sedm z deseti dotázaných, konkrétně 69 procent, dokonce očekává její široké a masové využití napříč organizací v tomto horizontu. Tento rozpor mezi ambicemi firem a stavem jejich datové infrastruktury patří k nejvýraznějším zjištěním celé studie.

Jako klíčové priority pro úspěšné škálování AI agentů respondenti uvádějí především zlepšení přístupu ke strukturovaným i nestrukturovaným datům. Bez kvalitního datového základu totiž AI agenti nemohou činit spolehlivá rozhodnutí ani automatizovat komplexnější procesy. Druhou zásadní prioritou je zlepšení správy dat, tedy governance, která zajišťuje, že data jsou aktuální, konzistentní a bezpečně dostupná napříč organizací.

Třetí oblastí, na kterou se firmy podle studie zaměřují, je propojení AI s obchodním kontextem. To znamená, že AI agenti by měli mít přístup nejen k surovým datům, ale i k informacím o firemních procesech, cílech a specifikách jednotlivých oddělení, aby jejich výstupy byly relevantní a použitelné v praxi.

Studie naznačuje, že úspěch při zavádění agentické AI nezávisí primárně na technologii samotné, ale na tom, jak dobře jsou firmy schopny zpřístupnit a spravovat svá data. Organizace, které investovaly do modernizace datové infrastruktury a governance, mají podle výsledků výrazně vyšší šanci, že jejich AI agenti budou fungovat spolehlivě a firmy jim budou důvěřovat při automatizovaném rozhodování.

Zpráva tak potvrzuje trend, který se v souvislosti s nasazováním umělé inteligence objevuje již delší dobu – technologie samotná často není hlavní překážkou, ale spíše katalyzátorem, který odhaluje nedostatky v datové strategii organizací. Firmy, které chtějí těžit z plného potenciálu agentické AI, se tak budou muset zaměřit nejen na výběr správných AI nástrojů, ale především na modernizaci svých datových systémů a procesů správy dat.

Vzhledem k tomu, že podle průzkumu plánují všechny dotázané organizace nasadit agentickou AI během následujících dvou let, lze očekávat, že tlak na zlepšení datové infrastruktury bude v nadcházejícím období dále narůstat. Rozdíl mezi datovými lídry a zaostávajícími firmami se přitom může ještě prohloubit, pokud druhá skupina nezačne aktivně řešit problémy spojené s legacy systémy a fragmentovanými daty.