AI agent, nebo skill? Rozdíl na příkladech z praxe

Skill je návod, podle kterého AI pracuje. Agent je samostatný pracovník, kterému práci předáte. V Claude Code to znamená, že skill říká, jak se věc dělá, a řídí se jím stejná konverzace, ve které s AI zrovna mluvíte. Agent dostane zadání, pracuje ve vlastním kontextu s vlastními nástroji a vrátí vám jen výsledek.

Většina lidí ten rozdíl vysvětluje autonomií. Skill je podle nich pasivní postup a agent je ten chytrý, který si poradí sám. Tohle dělení v praxi nesedí. V Claude Code mám desítky skillů a kolem deseti agentů, kteří mi pomáhají se SEO, texty i správou klientů, a rozhodující je pro mě úplně jiná otázka. Kdo práci dělá, co při ní vidí a kam smí sáhnout.

Co je skill a co je AI agent

Skill (v terminologii Anthropicu Agent Skill) je složka s návodem v souboru SKILL.md, případně se skripty, šablonami a podklady. AI si na začátku přečte jen název a popis každého skillu. Celý návod načte až ve chvíli, kdy usoudí, že se k úkolu hodí, nebo když ho vyvoláte sami.

Napsat skill pro agenta je jako sestavit zaškolovací příručku pro nového kolegu.

Anthropic

AI agent je systém, ve kterém jazykový model sám řídí svůj postup a sám volí nástroje. Anthropic v textu Building effective agents odlišuje agenty od workflow. Workflow jde po předem napsané cestě, agent si cestu skládá podle toho, co cestou najde. V Claude Code se agentům říká subagenti, protože je spouští hlavní konverzace. Pojem agent přitom nemá jednu ustálenou definici a každý výrobce ho používá trochu jinak.

Subagent má podle dokumentace Claude Code vlastní kontextové okno, vlastní systémový prompt, vlastní sadu povolených nástrojů a vlastní oprávnění. Vaši konverzaci nevidí. Zná jen zadání, které mu hlavní konverzace předá, a zpátky pošle shrnutí.

Kde leží hlavní rozdíl, když umí pracovat samostatně oba

V praxi Claude Code je hlavní rozdíl mezi skillem a agentem v kontextu, ne v autonomii. Skill se načte do konverzace, ve které pracujete, takže vidíte každý krok a můžete ho v půlce opravit. Agent pracuje v oddělené místnosti. Do jeho kontextu nevidíte, ale ani on nezahltí ten váš.

Že autonomie rozdíl netvoří, ukazují moje vlastní rutiny. Každé ráno plánovač Windows spustí Claude Code s pokynem napsat článek pro jeden z mých magazínů. Claude si načte skill, vybere téma podle dat, napíše text, nechá ho oponovat jiným modelem, projde kontrolou a vydá ho. Celé to běží bez mé účasti. Samostatnost tu ale nedává skill, dává ji spouštěč. Skill jen říká, jak práci udělat.

Naopak agent se často řídí metodikou stejně přísně jako skill. Můj agent na ověření nasazení si přečte, co mělo na webu být, a porovná to se skutečným HTML. Postup má pevný. Agentem je proto, že potřebuje čerstvý pohled bez předpokladů konverzace, která import dělala.

Dá se to shrnout jednou větou. Skill odpovídá na otázku jak, agent na otázku kdo a s jakými hranicemi.

Skill v praxi SEO a marketingu

Skill se vyplatí všude, kde opakujete stejný postup a chcete, aby AI pokaždé dodržela stejná pravidla. Typicky jde o metodiku, kterou máte v hlavě a kterou AI bez návodu pokaždé vymyslí trochu jinak a trochu hůř. Skill z ní udělá standard.

Moje skilly pro SEO a marketing vypadají třeba takhle a každý z nich vznikl z práce, kterou jsem dřív AI vysvětloval pořád dokola.

• Psaní textů na web. Brief z dat ze Search Console, Ahrefs a Marketing Mineru, draft podle pravidel komunikace klienta, oponentura dvěma jinými modely a tvrdá kontrola před odevzdáním.
• Revize 404 stránek. Spojí audit z Ahrefs, ztracené zpětné odkazy, data ze Search Console a živou sitemapu do jedné tabulky s navrženým cílem přesměrování.
• Analýza hledaných dotazů. Ke každému dotazu cílová stránka podle záměru hledání, porovnání s tím, co ve výsledcích Googlu skutečně rankuje, a klastry podle shody SERPu.
• Měsíční report pro klienta. Pevná struktura, stejné metriky, porovnání s minulým plánem a návrh, co zkusit příště.
• Předávka na konci práce. Kontrolní seznam, co zapsat do rozhodnutí, co do dokumentace klienta a co do úkolů.

Všechny tyhle skilly mají společné to, že u práce chci být. Text, audit i report vznikají v konverzaci, kterou sleduji a do které mluvím. Skill mi hlídá, aby AI nezapomněla na krok, který jsem jí před měsícem vysvětlil. Třeba že meta title je stejný jako H1, nebo že se u e-shopu na Shoptetu musí pod první odstavec popisu kategorie vložit značka pro rozbalení textu.

Pro SEO má skill ještě jeden přínos, který se snadno přehlédne. Google ve svých zásadách proti spamu postihuje hromadně vyráběný obsah bez přidané hodnoty. Skill, který vynutí brief z reálných dat, ověřené zdroje a oponenturu, je pojistka, aby z AI nepadaly přesně takové texty.

AI agent v praxi SEO a marketingu

Agenta použijte tam, kde potřebujete izolaci. Buď proto, že práce vyprodukuje hodně dat, ze kterých potřebujete jen závěr. Nebo proto, že chcete pevně omezit, co smí AI udělat. Nebo proto, že má jít o nezávislý pohled, který nenese předpoklady autora.

Dobrý příklad je hledání kanibalizace. Export dotazů a URL ze Search Console má u středního e-shopu klidně 20 000 řádků. Kdyby je četla hlavní konverzace, zaplnila by si kontext daty, ke kterým se už nevrátí, a zbytek práce by šel hůř. Agent data stáhne, projde je ve svém kontextu a vrátí tabulku s třiceti kandidáty. O tom, co s nimi udělat, rozhoduju já s hlavní konverzací.

Druhý příklad je pošťák, agent, který několikrát denně projde doručenou poštu, roztřídí ji štítky a k vláknům, kde se čeká odpověď, připraví koncept. Má povolené jen čtení pošty, štítky a koncepty. Nástroj na odeslání ani smazání vůbec nemá, takže to neudělá, ani kdyby ho k tomu přemluvil text v příchozím e-mailu. Omezení je dané výčtem nástrojů v definici agenta, nestojí na tom, jestli agent poslechne.

Třetí příklad je kontrola po nasazení. Když nahraju na Shoptet stovku popisů kategorií, spustím agenta, který stáhne skutečné stránky a porovná je se zadáním. Najde, co se neuložilo, co se oříznulo nebo kde se rozbilo formátování. Konverzace, která import dělala, má sklon vidět to, co tam mělo být. Čerstvý kontext chybu nevyloučí, ale aspoň nekontroluje vlastní předpoklady.

Kdy použít skill a kdy agenta

Rozhodnutí mezi skillem a agentem stojí na pěti otázkách. Chcete být u práce? Vyprodukuje práce víc dat, než potřebujete vidět? Potřebujete pevně omezit oprávnění? Má jít o nezávislou kontrolu? Dá se práce rozdělit na kusy, které poběží zároveň?

Situace	Volba	Proč
Opakovaný postup, u kterého chcete být a mluvit do něj	skill	běží ve vaší konverzaci, vidíte každý krok
Hodně dat, ze kterých potřebujete jen závěr	agent	surová data zůstanou v jeho kontextu
Práce s přístupem k poště, webu nebo penězům	agent	omezení nástrojů platí natvrdo
Nezávislá kontrola cizí práce	agent	nemá předpoklady autora
Několik nezávislých úkolů najednou	více agentů	běží souběžně
Pravidelná úloha bez vaší účasti	skill nebo agent	podle toho, jestli potřebuje izolaci a omezená práva

Když si nejste jistí, začněte skillem. Obvykle vyjde levněji, snáz se ladí a vidíte, co dělá. Agenta z něj můžete udělat později, až narazíte na jeden z důvodů z tabulky.

Kolik stojí agent navíc

Agent obvykle stojí víc než práce v jedné konverzaci, protože začíná s prázdným kontextem a zadání i podklady musí dostat znovu. Anthropic na svém výzkumném systému změřil, že agenti spotřebují zhruba čtyřikrát víc tokenů než běžný chat a systémy s více agenty zhruba patnáctkrát víc. Jde o měření na rešeršních úlohách, ne o univerzální ceník.

Na úkolech, které se dají rozdělit, se to vrací. Výzkumný systém s více agenty překonal jednoho agenta o 90,2 % v interním testu Anthropicu. Na úkolech, kde všichni potřebují sdílet stejný kontext, se ale podle stejného textu více agentů nehodí. Anthropic sám přiznává, že většina programátorských úloh se dá rozdělit hůř než rešerše.

Hledejte co nejjednodušší řešení a složitost přidávejte, jen když je potřeba.

Anthropic

Pro marketing z toho plyne praktické pravidlo. Agent se vyplatí, když ušetří víc, než stojí. Část nákladů se dá srazit tím, že agent poběží na levnějším modelu, protože na třídění dat nepotřebuje ten nejsilnější.

Modelový výpočet u kanibalizace. Řádek exportu s dotazem, URL, kliky, zobrazeními a pozicí má kolem 25 tokenů, takže 20 000 řádků dá zhruba 500 000 tokenů. To je víc, než se vejde do běžného kontextového okna o 200 000 tokenech, takže hlavní konverzace by data nenačetla celá, natož aby s nimi pak dál pracovala. Agent je zpracuje po částech a vrátí tabulku o pár stovkách tokenů. Přepis jedné meta description je opačný případ, tam stačí skill nebo obyčejná věta v chatu.

Jak skill a agent spolupracují

Nejlíp fungují skill a agent dohromady. Skill popíše metodiku a agent provede její těžkou nebo citlivou část. Hlavní konverzace pak drží rozhodování, které patří vám. Na mém systému to vypadá jako dobře vedený tým, kde má každý svou roli a nikdo nedělá všechno.

Takhle probíhá třeba moje práce na kanibalizaci u klienta, kde se střídají skill, agent a člověk.

1. Vyvolám skill na kanibalizaci, který řekne, jaká data sebrat, jaké prahy použít a jak výsledek číst.
2. Skill předá sběr dat agentovi, který stáhne dotazy ze Search Console a vrátí kompaktní tabulku kandidátů.
3. Hlavní konverzace podle skillu u každého kandidáta posoudí záměr hledání a navrhne sloučení, přesměrování, nebo úpravu textu.
4. Rozhodnutí schválím já, protože znám klienta a vím, které stránky jsou pro jeho tržby důležité.
5. Po nasazení změn pustím agenta na kontrolu, který ověří, že se přesměrování a úpravy na webu opravdu projevily.

Dvakrát se tu objevuje agent a dvakrát člověk, a ani jednou neděláme stejnou věc. Je to stejný princip, jaký platí při vedení marketingového týmu. Metodika patří do sdíleného návodu, výkon do rukou toho, kdo na něj má nástroje, a rozhodnutí tomu, kdo nese odpovědnost.

Proč spousta agentních projektů skončí v šuplíku

Gartner v červnu 2025 předpověděl, že víc než 40 % projektů s agentní AI firmy do konce roku 2027 zruší. Důvodem mají být rostoucí náklady, nejasný přínos pro byznys a slabá kontrola rizik. Ve stejné zprávě odhadl, že z tisíců dodavatelů, kteří agenty nabízejí, je skutečných jen zhruba 130.

Zbytek podle Gartneru dělá takzvaný agent washing. Starší chatboty, asistenty a robotickou automatizaci přejmenuje na agenty, aniž by uměly samostatně řídit postup. Pro firmu, která si agenta kupuje, je to první kontrolní otázka. Rozhoduje si ten systém sám o dalším kroku a o nástrojích, nebo jen spouští předem napsaný scénář?

Z mé zkušenosti padá většina pokusů o agenty na tom, že firma přeskočí skill. Chce autonomního pracovníka, ale nemá sepsaný postup, podle kterého by pracoval. Agent pak improvizuje, výstupy se liší den ode dne a důvěra rychle mizí. Pořadí má být obrácené. Nejdřív postup, který funguje v konverzaci, kde ho vidíte, a teprve potom jeho přesun na agenta.

Ve stejné zprávě ale Gartner počítá s růstem. Do roku 2028 mají podle něj AI agenti samostatně rozhodovat o 15 % každodenních pracovních rozhodnutí, z nuly v roce 2024. Otázka tedy nezní, jestli agenty používat, ale jak je postavit, aby se dostaly mezi těch zhruba 60 % projektů, které přežijí.

Kde začít u vás

Nezačínejte agentem. Začněte tím, co děláte opakovaně a co AI pokaždé vysvětlujete znovu. To je váš první skill. Agenta přidejte, až narazíte na důvod, který skill vyřešit neumí.

1. Vypište si pět úkolů, které s AI děláte aspoň jednou týdně, třeba meta description, report, brief nebo analýzu konkurence.
2. U každého sepište postup tak, jak byste ho vysvětlili novému kolegovi, včetně chyb, kterých se má vyvarovat.
3. Z nejčastějšího úkolu udělejte skill a měsíc ho používejte. Každou opravu, kterou AI musíte říct, dopište do návodu.
4. Hledejte místa, kde se konverzace zahlcuje daty, kde potřebujete omezit oprávnění, nebo kde chcete nezávislou kontrolu.
5. Teprve tam nasaďte agenta a dejte mu jen nástroje, které opravdu potřebuje.

Pokud chcete vidět, jak tenhle přístup mění cenu práce, popsal jsem to v článku o nacenění vývoje v době Claude Code. A jestli řešíte, jak AI agenti vybírají zdroje, které citují, začněte u textu o tom, jak funguje SEO a GEO.

Zajímavé otázky k tématu

Je skill totéž co prompt?

Ne. Prompt napíšete jednou do konverzace a s ní zmizí. Skill je uložený návod, který si AI najde a načte sama, kdykoli se k úkolu hodí, a může obsahovat i skripty, šablony a podklady.

Je subagent v Claude Code totéž co AI agent?

Subagent je jeden konkrétní druh AI agenta. Spouští ho hlavní konverzace, pracuje ve vlastním kontextu s omezenými nástroji a vrací jí výsledek. Obecný pojem AI agent je širší a zahrnuje i samostatné systémy, které nikdo z konverzace nespouští.

Může agent používat skill?

Ano, a často je to nejlepší kombinace. Skill dodá postup a pravidla, agent je provede v izolaci. Agent na kontrolu nasazení si tak může načíst stejný kontrolní seznam, podle kterého hlavní konverzace text psala.

Potřebuju na skilly a agenty programovat?

Ne. Skill je textový soubor s návodem v běžném jazyce a agent v Claude Code je textový soubor s popisem role a seznamem povolených nástrojů. Skripty uvnitř skillu pomůžou, ale nejsou podmínkou.

Vyplatí se agenti malé firmě nebo freelancerovi?

Vyplatí, pokud řeší konkrétní bolest. Já mám agenty hlavně na poštu, úkoly a kontroly, tedy na práci, kterou dělám často a která mě nebaví. Na kreativní a strategickou práci, u které chci být, používám skilly.

Pokud chcete s AI pracovat i na SEO a nevíte, kde začít, ozvěte se mi. Rád vám ukážu, jak to mám nastavené a co by z toho dávalo smysl u vás.

A pokud teprve vybíráte, s kým na SEO spolupracovat, projděte si, jak vybrat SEO konzultanta a na co se ho ptát, včetně toho, jak pracuje s AI.