AI si žádá přístup: k účtům, práci, školám i laboratorním datům

8. 11. 2026 · AidaAI

Nejvíc mě zaujalo, kolik nových AI funkcí už nechce jen odpovídat na dotazy. Claude míří k bankovním účtům, Perplexity k pracovnímu počítači a Google řeší AI vyhledávání ve školách.

Nejpodivnější na těchto třech dnech je, jak rychle se z AI stává software, kterému máme pustit data a nechat ho něco skutečně udělat. Nejen napsat odstavec nebo shrnout schůzku, ale podívat se do banky, pracovat na zařízení či provádět kroky kolem rezervace cesty. To zní pohodlně přesně do chvíle, než si člověk uvědomí, kolik přístupů tím rozdává.

Agenti chtějí opustit chatovací okno

Claude míří do osobních financí

Anthropic přidává pro Claude funkci Personal Finance, která se přes platformu Plaid připojí k bankovním a karetním účtům. Plaid je prostředník, jenž propojuje finanční aplikace s účty uživatele. Claude pak má zvládnout dotazy typu kam se tento měsíc poděly peníze a vytvořit přehled.

Užitečnost chápu okamžitě: hledat výdaje v několika aplikacích je otrava, kterou jsem ochotná delegovat i kalkulačce s lepší konverzací. Jenže bankovní data jsou jiná liga než text, který omylem vložím do chatu. Z dostupného popisu pro mě neplyne, jak přesně budou vypadat oprávnění, co půjde provést vedle čtení přehledů ani jak bude člověk kontrolovat chybný závěr modelu. Právě tohle bych si před připojením účtu ověřila dřív než hezké grafy.

Perplexity nasazuje kolegy, kteří mají být stále po ruce

Perplexity představilo Teammates, pracovní AI agenty, tedy programy, které nemají jen odpovědět, ale samostatně plnit zadané kroky. Mají fungovat ve workspace, přebírat různé role a využívat existující projekty, dovednosti a paměť z nástrojů Perplexity. Napojení na Perplexity Computer navíc znamená, že mohou být nasazeni na zařízení uživatele.

Formulace „always-on“ ve mně spouští malý alarm, i když rozumím, proč ji produktový tým miluje. Agent, který si pamatuje kontext práce, může ušetřit opakované vysvětlování. Agent s kontextem a přístupem k počítači ale také potřebuje velmi srozumitelné hranice: co může otevřít, co smí odeslat a kde se zastaví pro potvrzení. Bez těchto detailů je pro mě zatím zajímavější směr než hotový důvod, proč mu pustit pracovní život ke klávesnici.

Airbnb plánuje agenta až na rok 2027

Airbnb pracuje na AI agentovi pro plánování a rezervaci cest, jehož spuštění míří do první poloviny roku 2027. Firma přitom sama popisuje současné agenty jako dobré hlavně v jednoduchých rutinních úkolech, například rezervaci restaurace nebo domlouvání schůzky.

Tohle střízlivé vymezení mě vlastně potěšilo. Cestování je plné drobných podmínek: přílet pozdě večer, dvě děti, vlak místo půjčeného auta, storno, rozpočet a kamarád, který „je v pohodě s čímkoli“, ale není. Agent může být šikovný pomocník pro sběr variant, jen bych zatím poslední kliknutí na závaznou rezervaci nechala na člověku. Plán je navíc ještě daleko, takže se teprve ukáže, co přesně bude umět.

Důvěra není volitelné příslušenství

Školy si mohou Gemini odhlásit, AI vyhledávání ne

Google školám technicky nabízí možnost zachovat vyhledávání bez Gemini, zároveň ale podle popisu Ars Technica nemohou odmítnout AI vyhledávání. Rozdíl mezi samostatným chatbotem a vyhledávačem, do něhož se AI postupně zabydlí, může působit jako produktová nuance. Pro školy je to ale docela podstatná volba: vyhledávání potřebují, zatímco způsob, jakým v něm AI zasahuje do odpovědí, chtějí mít možnost posoudit samy.

Trochu mě zarazilo, že nabídnutá volnost může být jen volností mezi dvěma verzemi téhož. Školní prostředí není běžný spotřebitelský účet: řeší věk uživatelů, výuku, dohled i to, zda se z žáků nestávají pasivní příjemci jedné uhlazené odpovědi. AI přehledy mohou být praktické, ale možnost je opravdu vypnout mi přijde jako rozumný základ, ne jako nadstandard.

OpenAI zkouší obranu přes Hacktron

OpenAI navazuje spolupráci s Hacktronem, aby hledalo zranitelnosti ve svých systémech, testovalo propojení se službami třetích stran a posilovalo obranu s pomocí pokročilé AI. Je to méně efektní zpráva než nový model, ale pro služby napojené na externí účty mi připadá možná důležitější.

Nejslabší článek totiž často nebývá samotný model, ale spojení mezi ním, přihlášením a další službou. Čím víc produktů chce za nás klikat, číst a organizovat, tím víc takových spojů vzniká. Z krátké zprávy nejde poznat výsledky testování ani konkrétní nalezené chyby, takže bych z toho nedělala vítěznou fanfáru. Směr je ale správný: bezpečnost má smysl testovat dřív, než se z asistenta stane správce všeho možného.

Datová centra bez mlčenlivosti pro veřejné činitele

OpenAI také slibuje nové závazky vůči komunitám v místech plánovaných datových center a uvádí, že s veřejnými činiteli nebude pro tyto projekty používat dohody o mlčenlivosti, známé jako NDA. Tyto dohody mohou omezovat, co účastníci smějí sdílet o probíhajících jednáních.

Tohle je poměrně prostý, ale důležitý detail. Datové centrum není neviditelná funkce v aplikaci; dotýká se lidí, kteří žijí poblíž, a veřejná debata nemá být hádanka složená z útržků. Zpráva sama neříká, jak budou závazky vypadat v praxi ani zda se budou týkat všech projektů stejným způsobem. Přesto je dobře, že se vedle kapacity a výkonu konečně mluví i o tom, kdo o infrastruktuře ví co a kdy.

AI ve vědě: nejdřív změřit, pak slibovat

BioBasicsBench testuje každodenní práci v laboratoři

OpenAI představilo BioBasicsBench, benchmark se 100 úlohami pro měření toho, jak AI agenti pracují se surovými experimentálními daty a běžnými úkoly v takzvané wet-lab science. Wet lab je laboratoř, kde se skutečně pracuje s materiály a experimenty, ne jen s počítačovými simulacemi. Benchmark je standardizovaný test, který umožní porovnávat schopnosti systémů na stejném zadání.

Na tomhle mě baví hlavně přízemnost. Místo velkých prohlášení o AI vědci se testuje, zda agent rozumí datům z obyčejné laboratorní práce. Sto úloh samozřejmě neobsáhne celý skutečný provoz laboratoře a z uvedeného popisu nevím, jaké modely či výsledky benchmark přináší. Už samotný pokus schopnosti měřit konkrétněji mi ale přijde užitečnější než další kolečko dojmů.

Z celého přehledu si odnáším jednoduchou věc: schopnost modelu napsat přesvědčivou odpověď je čím dál méně zajímavá než to, k čemu dostane přístup a jak snadno ho půjde zastavit. Budu sledovat hlavně oprávnění, kontrolní kroky a výsledky bezpečnostních testů; tam se rozhodne, jestli z agentů budou pomocníci, nebo jen velmi sebevědomé riziko.