Digitálny marketing dnes generuje dáta v objeme, ktorý manuálne spracovanie nedokáže pokryť.

GA4, Google Ads, Meta Ads, Search Console, CRM – každý systém operuje s vlastným dátovým modelom, atribučnou logikou a sadou metrík. Výsledkom je fragmentovaný ekosystém bez jednotného zdroja pravdy.

Štandardným riešením zostávajú dashboardy, exporty a ad hoc analýzy. Tento prístup však naráža na limity škálovateľnosti. S rastúcim objemom dát exponenciálne rastie počet sledovaných kombinácií a latencia medzi vznikom signálu a ľudskou reakciou sa stáva kritickým bottleneckom.

Digitálna agentúra ui42 preto postavila vlastného AI agenta, nie ako ďalší nástroj, ale ako vrstvu nad existujúcim stackom, ktorá dáta prepája, vyhodnocuje a interpretuje v reálnom čase.

Architektúra: LLM je len jedna z vrstiev

Základný princíp je jednoduchý: LLM v tomto systéme nefungujú ako zdroj pravdy ani autonómny rozhodovací prvok. Ich úloha je striktne obmedzená na interpretáciu dát.

Celý agent je navrhnutý ako viacvrstvový systém, kde sú jednotlivé zodpovednosti oddelené.

Dátová vrstva (API konektory)

AI Agent je napojený priamo na primárne zdroje dát, takže sa dáta neexportujú manuálne. Agent si ich ťahá priamo cez API a pracuje s nimi v jednotnej štruktúre.

Bezpečnostná vrstva

Agent dostáva prístupy len k dátam, ku ktorým má prístup dopytujúci sa používateľ agenta. Každú akciu schvaľuje používateľ. Ide o deterministické zábrany prístupov k údajom, ktoré zabezpečujú, že LLM nemá rozhodovaciu moc a nie je teda náchylné na zneužívanie, napr. prostredníctvom prompt injection.

Interpretačná vrstva (LLM)

LLM vstupuje do procesu až nad pripravenými a spracovanými dátami. Jeho úloha je: vysvetľovať, čo sa deje, sumarizovať zistenia, navrhovať hypotézy a ďalšie kroky. LLM nedostáva voľný prístup k dátam. Pracuje len s kontrolovanými vstupmi, ktoré prešli predchádzajúcimi vrstvami systému. Vďaka tomu je využívaný na interpretáciu a generovanie insightov, nie na samotné rozhodovanie alebo výpočty.

Guardrails: prečo LLM nemôže rozhodovať samostatne

V ui42 sa LLM vedome zatiaľ nepoužíva ako autonómny rozhodovací systém, hoci experimentujú už aj s tým. Dôvod je zatiaľ jednoduchý: halucinácie a chýbajúci kontext.

Agent preto funguje s viacerými guardrails:

• Deterministické výpočty ako zdroj pravdy
   Všetky kľúčové metriky (konverzie, drop-off, ROAS) sa počítajú mimo LLM.
• Obmedzený kontext pre LLM
   Model nedostáva „raw dáta“, ale už spracované insighty.
• Oponentúra človekom
   AI navrhuje, človek rozhoduje.
• Auditovateľnosť výstupov Každý insight je spätne dohľadateľný v dátach.

Výsledok: AI nie je black box, ale kontrolovaný systém.

Real-time vs. batch: ako agent funguje v praxi

Agent kombinuje dva režimy práce. 1. Real-time monitoring, kedy sleduje kľúčové metriky priebežne, detekuje náhle výkyvy (napr. pokles konverzií, nárast CPA), a upozorňuje tím okamžite.

2. Batch analýzy, čo sú denné a týždenné reporty, hlbšie analýzy trendov, porovnania „pred vs. po“ zmenách.

Tento hybridný model je kľúčový. Real-time režim zachytáva problémy v momente vzniku. Batch režim poskytuje kontext a dlhodobý pohľad.

Case Study: keď funnel „vyzerá zdravo“, ale nie je

Na jednom e-commerce projekte agent identifikoval problém po zmenách na projekte, ktorý nebol viditeľný v štandardných dashboardoch. Počet nákupov rástol a kampane fungovali. Na prvý pohľad bez problémov.

Agent však prepojil viacero signálov: rast checkout vstupov, stagnáciu purchase, nárast drop-off v konkrétnom kroku. Výsledok: miera odchodu v shipping kroku narástla z 13,2 % na 18,3 %, čo znamenalo približne 1 773 stratených nákupov mesačne a výrazný dopad na revenue.

Tento insight nevznikol z jedného dashboardu. Vznikol z prepojenia dát naprieč systémami.

Bezpečnosť: prečo vlastný systém

Veľká časť AI riešení dnes funguje ako „wrapper“ nad third-party nástrojmi. To znamená: dáta prechádzajú externými službami, firma nemá plnú kontrolu nad spracovaním, vznikajú compliance aj bezpečnostné riziká.

Agentúra ui42 išla opačnou cestou. Agent je uzatvorený end-to-end systém, ktorý je vyvíjaný interne, napojený priamo na dátové zdroje, bez odosielania dát do tretích strán.

Vďaka tomu je kontrola nad dátami aj logikou plne v rukách firmy.

Čo z toho vyplýva

AI agent v tomto modeli nie je náhrada dashboardov. Je to nadstavba, ktorá rieši ich najväčší limit: fragmentáciu. Kľúčový posun nie je v tom, že „AI analyzuje dáta“. Kľúčový posun je v tom, že dáta sú prepojené, signály sa nestrácajú, a rozhodnutia vznikajú v kontexte, nie na základe izolovaných metrík. A práve to je dnes rozdiel medzi firmou, ktorá dáta má a firmou, ktorá ich reálne využíva.

Článok bol uverejnený v rámci spolupráce.