Co vlastně je Holo4 a proč o něm mluví celý sektor

Agent hlásí „hotovo". Databáze tvrdí opak. A někde mezi těmito dvěma stavy se dnes pohybuje celý byznys takzvaných computer-use agentů — AI modelů, které neodpovídají na dotazy, ale příklepávají, vyplňují formuláře a mažou tabulky jako živý administrativní pracovník. Jenže za půl ceny a 24 hodin denně. Společnost Holo4 teď přišla s modelem, který má být mozky těchto agentů. A zatímco se to celé tváří jako softwarová záležitost, pravda je brutalnější: každý takový agent spaluje elektřinu v datových centrech, každý framework stojí reálné peníze a každý zásah Applu do oprávnění plánuje někomu nasazení. Pojďme si to rozebrat pořádně — včetně toho, co z toho vyplývá pro vaši fakturu za energii.

Co vlastně je Holo4 a proč o něm mluví celý sektor

Holo4 je nová generace modelu navržená od základu pro jednu úlohu: ovládání grafického rozhraní počítače. Nepíšete prompt, agent nedává textovou odpověď. Místo toho sleduje obrazovku, identifikuje tlačítka, pole a tabulky, a pak generuje sekvence akcí — klik, zápis, scroll, potvrzení. V principu jde o stejný koncept, který představili OpenAI s Operatorem nebo Anthropic s Computer Use, ale Holo4 se soustředí na rychlost inferencí a nízkou latenci, což je u GUI-agentů kritické. Pokud agent čeká tři vteřiny na každé kliknutí, tak pak neúspora, ale dražší chyba.

Zajímavé je hlavně ekonomické pozadí. Běžný computer-use agent na GPT-4o třídě modelů spotřebuje při jedné úloze 50–200 tokenů za akci, ale mezi akcemi posílá na server celé screenshoty. To znamená náklady řádově 0,5–3 Kč za složitější workflow. Holo4 tvrdí, že díky optimalizované tokenizaci obrazu a lokálnímu plánování akcí snižuje náklady na pětinu. Pokud vaše firma měsíčně spustí deset tisíc automatizovaných reportů, rozdíl mezi 30 000 Kč a 6 000 Kč je jasný argument. Kdo chce experimentovat s open-source alternativami, najde na HuggingFace několik jemně doladěných vizuálních modelů (typicky LoRA adaptory nad Qwen2-VL nebo CogAgent), které lze rozjet lokálně přes Ollama na jediné GPU s 24 GB VRAM — tedy investice kolem 35 000 Kč za kartu RTX 4090 použavenou na second-hand trhu.

„Hotovo," řekl agent. Databáze mlčela

Tady je ta nejvíc nepříjemná kapitola celého fenoménu. Computer-use agenti selhávají jinak než automatizační skripty. Klasický RPA bot od UiPath buď proběhne, nebo spadne s chybovou hláškou. LLM agent naproti tomu umí třetí stav: sebevědomě prohlásí, že úkol splnil, přestože do databáze zapsal polovinu řádků, přepsal špatný sloupec, nebo formulář vůbec neodeslal, protože se mu nepovedlo rozkliknout modal.

Tento fenomén — běžně označovaný jako „silent failure" — je důvod, proč se nasazení agentů v praxi podceňovat nesmí. Praktický recept má tři vrstvy. První je verifikace výsledku: nikdy nevěřte hlášení agenta, vždy kontrolujte stav systému nezávisle (dotaz do databáze, kontrola souboru, API response). Druhá vrstva je idempotence: každá akce musí být bezpečně opakovatelná, aby náprava chyby nevytvořila duplicitní záznamy. Třetí vrstva je sandboxing: agent dostane izolovaný uživatelský účet bez oprávnění mazat data. Bez těchto tří věcí je nasazení computer-use agenta v produkci hazard. Se všemi třemi to začíná dávat smysl — zejména u rutinních úloh jako přepis faktur, generování reportů nebo pravidelná kontrola portálů dodavatelů energie. A přesně tady se tenhle trend dotýká i energetiky, jak jsem popisoval na SmartEnergyShare.info v souvislosti s automatizací obchodu s flexibilitou.

Chcete ušetřit na energiích?

Zjistěte, kolik můžete ušetřit sdílením elektřiny z FVE nebo optimalizací bateriového úložiště.

Spočítat úsporu →

Apple zavírá dveře a co to znamená pro vaše agenty

Na podzim začal Apple tvrdě škrtat oprávnění Full Disk Access na macOS. Od nejnovějších aktualizací systém resetuje toto oprávnění u aplikací, které přistupují k citlivým složkám, a vyžaduje explicitní souhlas uživatele s odůvodněním. Oficiálně jde o ochranu soukromí. Neoficiálně je to přímá reakce na AI agenty, kteří potřebují číst soubory, terminálovou historii a obsah aplikací, aby mohli „pracovat s počítačem". Agent bez přístupu k datům je jako elektrikář bez kleští.

Pro praktiky to znamená jediné: nezávislost na jedné platformě. Kdo staví agentní infrastrukturu čistě na macOS Accessibility API a Full Disk Access, staví na písku. Rozumnější architektura je multiplatformní — kombinace Playwright pro webové rozhraní, OCR vrstvy pro starší desktopové aplikace a API integrací všude tam, kde to jde. API je vždy rychlejší, levnější a spolehlivější než klikání na obrazovku; GUI agent má být poslední záchrana, ne první volba. A pokud už musíte běžet na Macu, počítejte s tím, že po každém větším upgradu macOS budete oprávnění znovu nastavovat. To není bug, to je politika. Více o strategiích automatizace v energetice píšeme i na ElectricShare.cz, kde se téma agentů a monitoringu průběžně rozebírá.

AstaBrief: open-source reporty, které žerou vlastní elektřinu

Třetí zmíněný počin — open-sourcování modelu AstaBrief — je pro českého čtenáře možná nejzajímavější. AstaBrief je rychlý model pro generování reportů, tedy přesně ta úloha, kterou computer-use agenti dělají nejčastěji: posbírat data z několika zdrojů, sloučit je a vyplivnout strukturovaný dokument. Fakt, že jde do open source, znamená, že si ho můžete provozovat na vlastním hardwaru. Žádné API poplatky, žádné limity, žádné posílání dat do zahraničí — což se hodí zvlášť u citlivých energetických dat z průmyslové výroby.

Počítejme konkrétně. Cloudová inference modelu střední velikosti pro generování denních reportů přijde zhruba na 200–500 Kč měsíčně při intenzivním používání. Lokální provoz na vlastní stanici (RTX 4090, spotřeba pod zátěží cca 350 W, využití 4 hodiny denně) stojí při ceně elektřiny 6 Kč/kWh asi 250 Kč měsíčně. Náklady jsou tedy srovnatelné — dokud nemáte vlastní fotovoltaiku. S vlastní FVE a baterií klesne marginální cena elektřiny pod 2 Kč/kWh a lokální inference najednou vyjde na 80 Kč měsíčně. Pokud k tomu připočítáte sdílení přebytků přes sdílení elektřiny nebo prodej flexibility přes obchodování s flexibilitou, může být GPU server v kanceláři netto ziskový. Jak přesně funguje princip sdílení, popisuje stránka jak to funguje na SmartEnergyShare.

Kolik vás agent skutečně stojí — a kde jsou úspory

Sečtěme to do praktického srovnání. Nasazení computer-use agenta pro zpracování dokumentů ve firmě má tři nákladové položky: inference, infrastrukturu a lidský dohled. U cloudového řešení na komerčním modelu platíte 2 000–8 000 Kč měsíčně podle objemu. U lokálního open-source stacku (Ollama + open-source GUI agent + AstaBrief pro reporty) je vstupní investice 40–60 tisíc Kč za hardware a provozní náklady pod 500 Kč měsíčně, pokud máte vlastní výrobu elektřiny. Návratnost u firmy, která zpracovává stovky dokumentů měsíčně, nastává typicky za 8–14 měsíců.

Druhá strana mince je spotřeba datových center. Trénink jednoho velkého multimodálního modelu spotřebuje podle odhadů IEA energie srovnatelné s roční spotřebou několika tisíc domácností. Inferencí dlouhodobě předběhla trénink a stává se významným bodem zátěže sítí. Proto dávají smysl projekty, které datová centra a výpočetní zátěž propojují s flexibilitou a službami systémové podpory — detailně to řeší služby výkonnostní rovnováhy a celkový přehled nabízí Smart Energy Share. Firmy, které dnes staví AI infrastrukturu bez energetického plánu, si budou za pět let připadat jako ti, kdo v roce 2010 instalovali elektrické kotle bez ohledu na tarify.

Co dál: rok 2026 bude rokem ověřování, ne nadšení

Předpověď na závěr, klidně kontroverzní: computer-use agenti v roce 2026 nepřebírají práci administrativním pracovníkům. Přebírají práci mikroúkolům a externím agenturám. Agent, který za 200 Kč měsíčně vyplňuje energy reporty, nahradí externího dodavatele, který za totéž chce 8 000 Kč. To je úspora, kterou vidí finance hned. Riziko zůstává v tichých selháních — a pokud někdo tvrdí opak, zeptejte se jeho databáze.

Praktický plán pro začátek: vyberte jednu opakovanou úlohu (třeba sledování spotových cen a generování denního reportu — aktuální data najdete na spotové ceně elektřiny), postavte nad ní agenta s nezávislou verifikací výsledku, spusťte měsíc v paralelním provozu s lidskou kontrolou a teprve pak přepněte na plnou automatizaci. Nástroje jsou zdarma, know-how je cena. A pokud máte vlastní FVE, zvažte přednostně lokální inference — energeticky i finančně to dnes díčí víc, než se obecně tvrdí. Další související optimalizace popisuje i SmartEnergyShare.cz v kontextu virtuálních elektráren.

Zdroje

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →

Další články na toto téma najdete na: Share-Electric.cz AWS prodává AI bloky za miliony. Tady je, jak trénovat vl... Vice o poradenství v