LG Uplus vytváří next gen AICC: Agentic AICC jako nový standard pro enterprise AI zákaznický servis

Obsah

• 🚀 Proč je Agentic AICC tak důležité právě teď
• 💬 Největší rozdíl: z konverzace se stává „flow“ místo turn-based dialogu
• 🎙️ Speech-to-speech: proč není potřeba „prostřední transkripce“
• ⚡ Event-driven API: akce uprostřed konverzace, ne až na konci
• 🧠 Od rule-based routing k agentic logice se safegaurdy
• 🧩 Planning Agent a checklist-based workflow: když autonomie musí mít strukturu
• 🏗️ Jak se z POC dostává do produkce: urgency, rigor a rychlá iterace
• 🌍 AICC pro globální enterprise: stejná očekávání napříč trhy
• 🛡️ Guardrails a „správně ukotvené“ rozhodování v konverzaci
• 📈 Scaling: co je potřeba, aby výkon držel i při růstu use cases
• 🏭 Produktizace a enterprise adopce: premium nabídka, širší nasazení
• 🧭 Co si z toho můžu odnést jako praktický směr pro AICC
• 🔎 Rychlé shrnutí: jak Agentic AICC mění AICC od základu
• ✅ Co bude dál: od prototypu k nové standardní praxi

🚀 Proč je Agentic AICC tak důležité právě teď

Když se bavím o budoucnosti kontaktních center, stále častěji narážím na jednu věc: zákazníci nechtějí „klikací“ nebo „krokové“ procesy. Chtějí konverzaci, která se přirozeně vyvine podle toho, co řeknou. Přesně na to míří spolupráce mezi OpenAI a LG Uplus, která vyústila v koncept next-generation AICC (AI Contact Center) označovaný jako Agentic AICC.

Podle popsaného přístupu nejde jen o vylepšení chatbotu. Jde o přechod od tradičně rigidních scénářů k systému, který dokáže rozumět záměru, udržet kontext napříč konverzací a provádět akce v průběhu hovoru. To je klíčové pro enterprise prostředí, kde se řeší reálné problémy, často s krátkými lhůtami a s vysokou očekávanou kvalitou.

LG Uplus navíc plánuje uvést agent service pro ultra-nízkolatenční AI zákaznickou podporu postavenou na OpenAI Realtime API. A současně zmiňuje Planning Agent, který se má umět řešit potíže samostatně pomocí checklist-based workflow. Výsledek je návrh, který se snaží být nejen chytřejší, ale i provozně použitelný a rychlý.

💬 Největší rozdíl: z konverzace se stává „flow“ místo turn-based dialogu

V tradičních řešeních AICC často dominuje forma, kde uživatel řekne něco, systém to nějak zpracuje a až následně odpoví. To může působit „střídavě“, jako by každá věta byla oddělená událost.

Tady je podle popisu velká výhoda real-time: umožňuje genuinely conversational (opravdu konverzační) angažovanost s tím, že se zvuk streamuje dovnitř i ven. Praktický dopad? Asistent dokáže reagovat přirozeněji, vypadá to méně jako „otázka-odpověď v krocích“ a více jako živý rozhovor.

Další zmíněná schopnost real-time interakcí je to, že systém lépe zvládá:

• přerušení (když uživatel mluví do odpovědi),
• méně turn-based zkušenost,
• přirozené načasování a plynutí dialogu.

Pro zákazníka je pak rozdíl zásadní: komunikace je méně frustrující, rychlejší v pocitu a odpovědi působí lidskyji.

🎙️ Speech-to-speech: proč není potřeba „prostřední transkripce“

Jedním z technických bodů, které v popsaném přístupu hrají roli, je fakt, že real-time API je nativně speech-to-speech. To znamená, že nejde o workflow, kde musí existovat mezikrok „přepiš audio na text a pak teprve generuj odpověď“.

To má dvě praktické výhody:

• Nižší tření (méně kroků, méně přenosů mezi formáty),
• zachování signálu důležitého pro lidský dojem.

Konkrétně je zmiňováno, že model může využít podněty z tónu, intonace a tempa řeči. Tím se zachová „co je mezi řádky“, což často právě dělá interakci pocitově lidskou.

Pro AICC v enterprise prostředí to zároveň znamená, že systém může fungovat lépe i v reálných situacích, kde uživatelé mluví různě rychle, přerušují se nebo používají netypické formulace.

⚡ Event-driven API: akce uprostřed konverzace, ne až na konci

Dalším stavebním kamenem je to, že real-time API je fully event-driven. To je obzvlášť silné pro situace, kde se rozhoduje v průběhu konverzace podle toho, co se právě děje.

V praxi to podle popisu znamená, že lze:

• spouštět akce mid-conversation (přímo během hovoru),
• napojit se na backend nástroje,
• udržet odpovědnost i za reálných provozních podmínek.

Toto je důležité, protože zákaznický servis nebývá „lineární“. Zákazník volá kvůli problému, ale během hovoru se mohou objevit doplňující informace, alternativní cesty řešení nebo potřeba ověřit stav účtu, typ smlouvy, datum a podobně.

🧠 Od rule-based routing k agentic logice se safegaurdy

Tradiční AICC se často staví na rule-based přístupech, typicky jako rozhodovací strom (decision tree). To funguje dobře v prostředí, kde je svět relativně předvídatelný a zákazníci se drží scénářů.

Jenže realita je podle popisu přesně opačná. Když je systém „brittle“ (křehký) a zákazníci jdou mimo scénář, rozhodovací strom začne selhávat. Nejde jen o komfort uživatele. Selhání se projeví v delší době řešení, v přeposílání mezi agenty a v nárůstu nákladů.

Právě proto se v Agentic AICC objevuje potřeba Agentic AACC. V textu se zdůrazňuje, že jde o systém schopný:

• pochopit intent (záměr) z přirozeného jazyka,
• udržet kontext napříč turns (napříč výměnami),
• vykonat akce jako:
  • vyhledat správné policy (například pravidla pro určitou situaci),
  • zkontrolovat datum účtu nebo podobné informace,
  • zahájit další krok bez toho, aby byl uživatel „tlačen“ do rigidního krokového toku.

Tenhle přechod je v popisu popsán jako klíčová změna: od scripted routing ke schopnosti „reason, adapt“ (uvažovat, přizpůsobit se) a zároveň zůstat grounded se správnými ochrannými mechanizmy.

To slovo „grounded“ je v enterprise světě zásadní. Nejde o volnou kreativitu. Jde o to, aby model ukotvil odpovědi na relevantní informace, pravidla a procesy, které organizace potřebuje dodržovat.

🧩 Planning Agent a checklist-based workflow: když autonomie musí mít strukturu

V oznámeném směru LG Uplus zmiňuje Planning Agent, který má řešit problémy samostatně pomocí checklist-based workflow. Tohle je zajímavý most mezi agentickou logikou a kontrolovatelnými procesy.

Checklist v praxi znamená, že i když model může přemýšlet a adaptovat se, existuje rámec, který zajišťuje:

• že se vykonají potřebné kroky ověření,
• že řešení není náhodné nebo „vynechané“,
• že výsledek je lépe auditovatelný.

Pro zákaznický servis je to důležité, protože jde o úkoly, kde se chyby neodpouštějí. Společně s guardraily tak checklist-based workflow pomáhá udržet bezpečnost, kvalitu a konzistenci.

🏗️ Jak se z POC dostává do produkce: urgency, rigor a rychlá iterace

Často slýchám, že „POC do produkce nejde“. V tomhle případě je ale zdůrazněn proces, který tomu napomohl: tým pracoval s vysokou naléhavostí a zároveň s důsledností v inženýrství (urgency and rigor).

V popisu se objevují tři konkrétní prvky:

• Testování, iterace a zapracování feedbacku v rychlém cyklu,
• překlad „outcomes“ do crisp technical direction (jasné technické vedení),
• rychlá a čistá rozhodnutí bez zbytečných průtahů.

Je také zmiňováno, že „business intent“ a „engineering execution“ šly od začátku v lockstep. To je pro mě jeden z nejpodstatnějších faktorů úspěchu: když business cíl není jen banner, ale řídí prioritizaci architektury a implementace, roste šance, že se prototyp stane reálným produkčním řešením.

🌍 AICC pro globální enterprise: stejná očekávání napříč trhy

Agentic AICC se v popisu neprezentuje jako lokální inovace. Naopak, zaznívá, že jde o blueprint pro next-generation kontaktní centra globálně.

Podle této myšlenky různé trhy a odvětví řeší podobné požadavky. Konkrétně se zmiňuje, že se hledá:

• rychlejší vyřešení (faster resolution times),
• přirozenější hlasový zážitek (more natural voice experiences),
• škálovatelný provoz (scalable operations).

Kombinace real-time speech-to-speech, event-driven API a agentické logiky pak tvoří základ, který má šanci uspět napříč doménami.

Nejde totiž jen o „řečový“ model. V textu se výslovně uvádí, že AICC má umět integrovat tools a knowledge potřebné k dokončení úkolů napříč různými situacemi a systémy.

🛡️ Guardrails a „správně ukotvené“ rozhodování v konverzaci

V prostředí zákaznické podpory nemůžete přijmout řešení, které občas „něco zkusí“. Musíte mít ochranné mechanismy a kontrolu.

V popisu se zmiňuje, že agentic logika se má umět reason, adapt a zároveň zůstat grounded se správnými safeguards. Tím se implicitně naznačuje, že systém má:

• rozpoznat záměr uživatele v přirozeném jazyce,
• držet se kontextu konverzace,
• činit kroky na základě správných policy a ověřitelných údajů,
• neuhýbat do akcí, které by nebyly bezpečné nebo relevantní.

Přesné technické detaily guardrailů nejsou v textu rozepsané, ale směr je jasný: nejde o „autonomii bez dozoru“, jde o řízenou agentiku v rámci pravidel organizace.

📈 Scaling: co je potřeba, aby výkon držel i při růstu use cases

Když systém funguje v omezeném rozsahu, je to začátek. Ve chvíli, kdy se začne škálovat, roste tlak na stabilitu a konzistenci. A právě to je zdůrazněno jako další krok: škálovat to, co funguje a zároveň posílit provozní stránku.

Konkrétně se mluví o:

• hlubším vyhodnocování (deepening evaluation),
• monitoringu,
• strukturovaných experimentech (structured experimentation).

Pointa zní tak, že i když se přidávají další use cases, výkon musí zůstat vysoký. Zároveň je to signál, že se nepřestává „ladit za chodu“, ale buduje se systém schopný dlouhodobého provozu.

🏭 Produktizace a enterprise adopce: premium nabídka, širší nasazení

Strategicky je v popisu zmíněno, že spolupráce bude pokračovat ve chvíli, kdy LG Uplus tento přístup začne productizeovat jako premium nabídku.

Cílem má být rozšiřování adopce u enterprise zákazníků. To dává smysl, protože enterprise AICC obvykle znamená:

• větší nároky na kvalitu a konzistenci,
• integrace s interními systémy,
• potřebu měření, auditovatelnosti a provozní zodpovědnosti.

Agentic AICC se tak profiluje jako nabídka, která se nesází jen na „cool demo“, ale na architekturu, kterou lze provozně vylepšovat.

🧭 Co si z toho můžu odnést jako praktický směr pro AICC

Bez ohledu na to, jestli jste provozní tým, product manažer nebo technický architekt, Agentic AICC přináší několik lekcí, které se dají přenést do vlastního návrhu zákaznického servisu.

1) Uvažujte konverzaci jako systém událostí, ne jako sérii odpovědí

Když je API event-driven a schopné pracovat mid-conversation, výsledkem je přirozenější interakce. A hlavně: systém může během hovoru spouštět potřebné akce. To je zásadní pro scénáře, kde se kontext vyvíjí.

2) Snižte tření mezi zvukem a odpovědí

Speech-to-speech bez mezitranskripce je praktický rozdíl. I když se konkrétní metody mohou lišit, princip „méně kroků, více zachovaného signálu“ je univerzální.

3) Přestaňte se spoléhat pouze na rozhodovací stromy

Rule-based routing je fajn pro predikovatelný svět. V reálném servisu ale uživatelé přichází s variabilitou. Agentic AICC směrem k porozumění záměru a udržení kontextu nabízí flexibilitu, kterou decision tree typicky nemá.

4) Autonomie musí mít strukturu a guardrails

Checklist-based workflow je dobrý příklad, jak lze agentovi dát svobodu uvažovat, ale zároveň zajistit, že kroky budou vykonány správně a bezpečně.

5) Měřte, monitorujte a experimentujte systematicky

Pokud se řešení má používat ve více doménách a pod vyšší zátěží, nestačí jednorázové testy. Zmíněné deep evaluation, monitoring a structured experimentation je přesně to, co drží výkon během škálování.

🔎 Rychlé shrnutí: jak Agentic AICC mění AICC od základu

Pro mě Agentic AICC představuje posun ve třech rovinách najednou:

• Interakční vrstva: real-time umožňuje konverzační zkušenost, streaming audio a menší turn-based chování.
• Technická vrstva: speech-to-speech a event-driven API podporují přirozené načasování a integrace s backendem v průběhu hovoru.
• Rozhodovací vrstva: agentic logika nahrazuje rigidní decision tree přístup a umožňuje adaptivní kroky založené na intentu a kontextu, s potřebnými safeguards.

To vše se doplňuje provozním přístupem, který zrychluje cestu z POC do produkce, a následně se zpevňuje škálováním přes monitoring, vyhodnocování a experimeny.

✅ Co bude dál: od prototypu k nové standardní praxi

V popsaném směru je zřetelné, že nejde jen o jednorázovou spolupráci. Strategický záměr je produktizovat AI customer support jako premium nabídku, rozšiřovat adopci u enterprise zákazníků a pokračovat v práci na operační síle řešení.

Jestli se tento přístup stane „novým standardem“, nebude to jen tím, že bude lépe rozumět řeči. Bude to i tím, že bude umět jednat v reálném čase, udržet kontext, být ukotvené v pravidlech a zároveň škálovat s vysokou kvalitou.

Agentic AICC tak vypadá jako blueprint pro next-generation contact centers. A pro každého, kdo dnes staví nebo modernizuje AICC, je to jasný signál, jaké vlastnosti budou brzy konkurenční výhodou: real-time konverzace, speech-to-speech zážitek, event-driven akce, agentická logika a provozní disciplína.

---

Poznámka: V poskytnutém seznamu odkazů nebyly žádné URL (pole je prázdné). Proto nemohu navrhnout konkrétní umístění linků ani vygenerovat doplňkový text s odkazy bez dodaných URL.

Pošlete prosím seznam odkazů (text + URL) a já je obratem začnu přesně mapovat na vhodná místa v článku (např. u sekcí o Realtime API, speech-to-speech, event-driven API, guardrails nebo POC do produkce).