AI, ktorá ovláda počítač: dva roky od prvých ukážok a otázka dôvery

Pred dvoma rokmi znela predstava, že umelá inteligencia sama klikne v aplikácii a vyplní formulár, ako experiment. Dnes sa z nej stáva produkt pre bežných používateľov. Čo sa od prvých ukážok zmenilo, kde sú limity a prečo bezpečnosť rozhoduje viac než samotná schopnosť klikať?

Ako sa to začalo

Funkciu ovládania počítača predstavila spoločnosť Anthropic 22. októbra 2024 ako verejnú beta verziu pre vývojárov cez API. Model dostal snímky obrazovky a dokázal sa rozhodnúť, kam posunúť kurzor, na čo kliknúť a čo napísať. Firma už vtedy otvorene priznala, že ide o skorú fázu. Model mal problémy s bežnými úkonmi, napríklad s posúvaním obsahu, ťahaním prvkov alebo približovaním. Zároveň uviedla, že pridala nástroje na rozpoznávanie zneužitia, napríklad na spam alebo podvody.

Čo sa zmenilo odvtedy

V marci 2026 sa podobná schopnosť dostala k bežným používateľom ako výskumná ukážka (research preview). Spočiatku bola dostupná predplatiteľom vyšších plánov a len na macOS. Pribudla aj možnosť zadávať úlohy z telefónu, zatiaľ čo počítač pracuje inde. Firma opäť upozornila, že funkcia je stále mladá a môže robiť chyby.

Trend je teda jasný. Z demonštrácie pre vývojárov sa stáva nástroj, ktorý má pracovať za človeka na jeho vlastnom zariadení.

Ako takýto agent funguje

Princíp je jednoduchý. Agent opakuje cyklus: pozrie sa na obrazovku, rozhodne sa, čo urobí, vykoná jeden krok a znova skontroluje výsledok. Nepotrebuje špeciálne rozhranie pre každú aplikáciu. Používa to isté grafické prostredie ako človek. Preto sa dá nasadiť aj tam, kde chýba API.

Zároveň je to jeho slabina. Každý krok vyžaduje zhodnotenie obrazovky a pomalé či zdĺhavé úlohy sa môžu predĺžiť. Ak sa okno nečakane zmení, agent sa môže pomýliť.

Bezpečnostné riziká

• Vložené pokyny: webová stránka alebo dokument môže obsahovať text, ktorý sa agentovi snaží podsunúť nové inštrukcie. Agent musí rozlišovať medzi pokynmi od používateľa a obsahom, ktorý len číta.
• Široký prístup: ak má agent prístup k prehliadaču, súborom a prihláseným účtom, chyba môže mať väčšie následky než pri chatbote.
• Nezvratné akcie: odoslanie správy, platba alebo zmazanie súborov sa nedajú vždy vrátiť späť.
• Súkromie: snímky obrazovky môžu obsahovať citlivé údaje, ktoré používateľ nemal v úmysle zdieľať.

Ako sa chrániť

• Povoľ agentovi len potrebné aplikácie a priečinky.
• Pri citlivých krokoch, ako sú platby alebo odosielanie správ, vyžaduj potvrdenie.
• Nespúšťaj ho na účtoch s vysokou hodnotou bez dohľadu.
• Skontroluj, čo agent urobil, najmä pri dlhých úlohách.
• Používaj samostatný profil alebo zariadenie na experimenty.

Koniec klikania?

Zatiaľ nie. Dnešní agenti zvládajú opakované a jasne definované úlohy, ale nespoľahlivo pri neobvyklých situáciách. Realistickejšie je, že budú preberať nudnú rutinu a človek bude dohliadať a schvaľovať. Rozhodujúce nebude, či agent dokáže kliknúť, ale či mu môžeme dôverovať, že klikne správne.