Firemní znalosti porazily nejlepší AI modely. Pinecone Nexus slibuje agentům levnější a přesnější odpovědi
Pinecone spustil v ostrém provozu Nexus — nástroj, který firemní dokumenty a procesy předem zpracuje do uspořádané znalostní vrstvy, ze které si AI agent vytáhne odpověď jediným dotazem. V náročném firemním testu takto vybavený agent podle výrobce překonal řešení postavená na špičkových modelech od OpenAI, Anthropicu i Googlu. Vysvětlujeme, proč může předpřipravená znalost srazit náklady na provoz AI o víc než 90 procent — a proč by to měl sledovat každý, kdo chce pustit umělou inteligenci na vlastní firemní data.
Když dnes firma pustí AI asistenta na vlastní dokumenty — smlouvy, manuály, ceníky, interní směrnice — obvykle to funguje takto: při každé otázce systém narychlo prohledá hromadu textů, vytáhne z nich několik útržků, které vypadají relevantně, a ty pošle jazykovému modelu s prosbou, ať z nich složí odpověď. Tomuhle přístupu se říká RAG (generování obohacené o vyhledávání) a je dnes v podnikové sféře prakticky všudypřítomný. Má ale tři chronické neduhy: je pomalý, drahý a nespolehlivý, protože model pokaždé pracuje jen s náhodně posbíranými střípky kontextu. Firma Pinecone, která patří mezi průkopníky databází pro umělou inteligenci, teď tvrdí, že našla lepší cestu — a 6. srpna 2026 uvedla do ostrého provozu nástroj Nexus.
Znalost, která se připraví předem, ne pokaždé znovu
Základní myšlenka Nexusu je překvapivě jednoduchá a přitom zásadní. Místo aby AI agent při každém dotazu znovu a znovu skládal kontext z hromady syrových dokumentů, Pinecone firemní data a pracovní postupy předem zkompiluje do uspořádané, spravované znalostní vrstvy. Agent se pak neptá stohu textů, ale hotové znalostní databáze, ze které si potřebné informace vytáhne jediným dotazem.
Rozdíl je podobný jako mezi tím, když někdo pokaždé znovu listuje celou knihovnou, a tím, když se ptá knihovníka, který obsah knih dávno zná a rovnou vám podá odpověď. K dotazování slouží vlastní dotazovací jazyk pojmenovaný KnowQL, přes který agent s touto předpřipravenou znalostí komunikuje. Výsledkem má být odpověď, která je rychlejší, levnější a přesnější zároveň.
Představme si to na konkrétním příkladu. Zákaznický agent pojišťovny dostane dotaz na krytí konkrétní škody. V klasickém RAG přístupu systém při každé takové otázce znovu prohledá stovky stran pojistných podmínek, vytáhne pár odstavců a doufá, že jsou ty správné. V modelu Nexus jsou pravidla, výluky a postupy předem zpracované do uspořádané znalosti, takže agent rovnou ví, kde má odpověď hledat a jak spolu jednotlivá pravidla souvisejí. Ubývá tak nejen času a nákladů, ale hlavně prostoru pro chybu — a právě chybovost bývá u firemní AI ten největší kámen úrazu.
V testu překonal agenty postavené na špičkových modelech
Nejsilnější argument, kterým Pinecone Nexus podpírá, je výsledek z měření zvaného τ-Knowledge — otevřeného testu od firmy Sierra, který se zaměřuje na nejnáročnější firemní znalostní úlohy. Agent, který jako svou znalostní vrstvu použil právě Nexus, zde podle Pinecone dosáhl nejlepšího skóre a překonal agenty postavené přímo na špičkových modelech od OpenAI, Anthropicu i Googlu.
To je pozoruhodné tvrzení, protože obrací obvyklou logiku. Firmy dnes při hledání lepších výsledků automaticky sahají po výkonnějším — a dražším — modelu. Nexus naznačuje, že u práce s firemními daty nerozhoduje ani tak surová síla modelu, jako spíš to, v jak dobré formě se k němu znalost dostane. Chytře připravený kontext prostě porazí větší mozek krmený chaosem.
U práce s firemními daty nerozhoduje ani tak síla modelu, jako to, v jaké kvalitě se k němu znalost dostane. Chytře připravený kontext porazí větší mozek krmený chaosem.
Čísla, kvůli kterým zbystří finanční ředitel
Pro provoz umělé inteligence platí, že se platí za každý zpracovaný kus textu — takzvané tokeny. A právě tady Nexus slibuje nejvíc. Podle Pinecone dokáže předpřipravená znalost oproti klasickému agentnímu RAGu snížit spotřebu tokenů o více než 90 procent, dodat odpověď až třicetkrát rychleji a plnit úlohy s přesností nad 90 procent. Jinými slovy: levněji, rychleji a spolehlivěji zároveň — kombinace, která se u technologických slibů vidí málokdy.
Data zůstávají doma
Pro evropské a české firmy je zásadní ještě jeden detail, který se v technických zprávách snadno přehlédne. Nexus se podle Pinecone nasazuje uvnitř vlastního cloudu zákazníka — na platformách Amazon Web Services, Google Cloud nebo Microsoft Azure — a běží na modelech, které si zákazník sám zvolí, včetně otevřených modelů s volně dostupnými váhami. Pinecone přitom deklaruje, že sám nemá k firemním datům žádný stálý přístup.
To je přesně ten typ uspořádání, po kterém volají firmy pracující s citlivými daty — od advokátních kanceláří přes zdravotnictví až po výrobní podniky, které si nemohou dovolit posílat interní dokumentaci na cizí servery. Možnost provozovat celé řešení ve vlastní cloudové zóně a nad modely dle vlastní volby výrazně usnadňuje soulad s přísnými pravidly ochrany dat, včetně evropského nařízení GDPR.
Slovo „spravovaná" (governed) přitom není v popisu Nexusu jen ozdoba. Znamená, že firma může řídit, kdo a k jaké části znalosti má přístup, a udržet tak kontrolu nad tím, co agent smí uživateli prozradit. To je u AI nad interními daty klíčové: bez řízení přístupu snadno vznikne asistent, který ochotně vyzradí mzdy, obchodní marže nebo osobní údaje každému, kdo se dobře zeptá. Předpřipravená a spravovaná znalostní vrstva dává firmě páku, jak takovým únikům předejít ještě dřív, než k nim dojde.
Co si z toho odnést
Je namístě obvyklá opatrnost: efektní čísla pocházejí od samotného výrobce a reálný přínos vždy prověří teprve nasazení na konkrétních datech konkrétní firmy. Zkompilovat znalost předem navíc znamená ji udržovat aktuální — když se firemní dokumenty mění každý den, je potřeba mít jasno v tom, jak často a jak nákladně se znalostní vrstva obnovuje. Nexus tedy není kouzelné tlačítko, ale nástroj, který má svá pravidla provozu.
Přesto Pinecone Nexus ukazuje důležitý posun v uvažování o firemní umělé inteligenci. Závod posledních let se točil hlavně kolem toho, čí model je největší a nejchytřejší. Nexus připomíná, že pro reálnou byznysovou hodnotu je stejně důležité — a často levnější — dobře připravit to, co modelu předložíte. Pro české firmy, které zvažují nasazení AI nad vlastními daty, z toho plyne praktické doporučení: než sáhnete po nejdražším modelu, zeptejte se nejdřív, jak dobře máte uspořádanou vlastní znalost. Právě tam se dnes rozhoduje o tom, jestli z umělé inteligence bude užitek, nebo jen účet za tokeny.
Zdroje: Pinecone, unite.ai, SiliconANGLE, InfoQ, PR Newswire.