Model, harness, agent: tři slova, která si všichni pletou

Když se řekne „AI umí číst moje soubory“, znamená to tři úplně různé věci podle toho, kde přesně ta schopnost sedí. Bez rozlišení tří vrstev se nedá rozumné rozhodnutí udělat — ani o soukromí, ani o penězích, ani o tom, co pustit doma.

Model: předpovídač dalšího slova

Model je soubor s čísly. Velký, klidně desítky gigabajtů, ale pořád jenom soubor. Umí jedinou věc: dostane text a spočítá, jak nejpravděpodobněji pokračuje.

To je všechno. Model sám o sobě neumí:

• otevřít soubor na vašem disku,
• poslat e-mail nebo zavolat API,
• zapamatovat si, co jste mu psali včera,
• spustit kód,
• podívat se na internet.

Když někde čtete, že „model si přečetl vaši tabulku“, ve skutečnosti se stalo tohle: něco jiného tabulku otevřelo, převedlo na text a ten text vložilo modelu na vstup. To „něco jiného“ je harness.

Modely se dělí na dvě rodiny podle toho, jestli si ten soubor s čísly můžete stáhnout:

Otevřených modelů jsou dnes desítky rodin — Llama, Qwen, Gemma, Mistral, DeepSeek i modely s otevřenými vahami od OpenAI. Uzavřené modely mají pořád náskok v těch nejtěžších úlohách, ale ten náskok se rok od roku ztenčuje a u běžné kancelářské práce už často není poznat.

Harness: obal, ve kterém model teprve něco umí

Harness je anglicky postroj. Je to všechno kolem modelu, co z předpovídače slov udělá použitelný nástroj:

Když si doma pustíte Ollamu nebo LM Studio, dostanete model a k němu malý harness — chat s historií a možná pár nástrojů. Když si otevřete ChatGPT nebo Claude v prohlížeči, dostanete model a k němu velký harness, který umí prohledávat web, spouštět kód a sahat do konektorů.

A právě proto v roce 2026 přestala být hlavní bitva o modely. Velké laboratoře i nástrojové firmy vydávají harness jako samostatný produkt — s vlastním sandboxem, vlastní správou přihlašovacích údajů a vlastním způsobem, jak celý běh vystopovat. Spor se přesunul od otázky „čí model je chytřejší“ k otázce „čí obal je bezpečnější a kolik za něj chcete“.

Pro vás z toho plyne praktická věc: stejný model se ve dvou harnessech chová jinak. Když vám lokální model připadá hloupější než ten cloudový, často nejde o model. Jde o to, že jeden má vyhledávání, kalkulačku, přístup k souborům a pět kol na opravu vlastních chyb, a druhý má prázdné okno.

Agent: harness, který dostal cíl

Agent je harness, kterému nezadáte krok, ale výsledek. Rozdíl je v tom, kdo drží smyčku.

• Chat: vy napíšete, model odpoví, vy si přečtete, vy napíšete znovu. Kontrolu máte po každém kroku.
• Agent: vy napíšete cíl, model si sám rozmyslí kroky, harness je provádí a vy se dozvíte výsledek. Kontrolu máte na začátku a na konci.

Ten rozdíl zní malý a je obrovský. Agent, který má vyřídit poptávku, sám otevře e-mail, sám najde ceník, sám vygeneruje nabídku a sám ji může odeslat — pokud mu to harness dovolí. Právě proto se v roce 2026 mluví o agentech jako o produktu roku i o riziku roku zároveň.

Praktický důsledek: při návrhu vlastního velína se rozhodujete hlavně na úrovni harnessu, ne modelu. Model vyměníte za pět minut. Harness určuje, jestli vám nástroj smí smazat soubor, poslat mail nebo zaplatit fakturu.

Jak si to přeložit do vlastních rozhodnutí

Když příště čtete oznámení nové AI funkce, rozeberte si ji na tři otázky:

1. Jaký model za tím je a dá se vyměnit? Když ne, jste na jednom dodavateli.
2. Co umí harness — jaké má nástroje, co běží v sandboxu, kde jsou uložené přihlašovací údaje?
3. Kde končí návrh a začíná akce — co proběhne samo a co se ptá?

Třetí otázka je nejdůležitější a v marketingových materiálech se odpovídá nejhůř. Když ji nikde nenajdete, je to samo o sobě informace.

Pro tip

Až budete zkoušet lokální model a bude vám připadat slabý, zkuste ho pustit ve dvou různých harnessech — třeba holý přes příkazovou řádku a pak v grafickém klientovi, který mu umí předat obsah souboru. Většinou zjistíte, že ten „slabý model“ jen neměl ruce. Je to nejlevnější způsob, jak si na vlastní kůži osahat, o čem tenhle díl je.

Další díl se dívá na to, proč se z agentů stal produkt roku — a proč zároveň riziko roku.