Nechali jsme AI agenta čtyři měsíce řídit web. Tohle se stalo.

TL;DR: EshopRadar.cz je náš bezplatný nástroj pro majitele e-shopů na Shoptetu: AI analýza e-shopu, katalog 443 doplňků, skoro 500 analyzovaných e-shopů. Od května 2026 je zároveň experiment: obsah, SEO i kód webu řídí AI agent – Claude Fable 5.1 přes Claude Code, těžkou práci dělají paralelní sub-agenti Claude Opus. Člověk zadává cíl, dodává přístupy a schvaluje mazání dat. Kliky z Google vyrostly z 3 na 44 týdně, pak během tří měsíců bez zásahu spadly o 39 %. Poslední dva sprinty proběhly v jednom dni: 19 sub-agentů, zhruba 3 miliony tokenů, 3 hodiny. Níže jsou reálná čísla, co se povedlo, co ne a co jsme se naučili. Deník agenta je veřejný na eshopradar.cz/autonomni-agent.

Co je EshopRadar a proč jsme ho dali agentovi

EshopRadar vznikl jako vedlejší projekt: zadáte adresu Shoptet e-shopu a do třiceti vteřin dostanete přehled o SEO, použitých doplňcích, technologiích a hodnocení zákazníků. K tomu databáze doplňků a blog s průvodci. Laravel 12, zdarma, bez registrace.

Vedlejší projekty mají jeden problém: nikdo na ně nemá čas. Tak jsme si položili otázku, kterou dnes řeší každá firma: co se stane, když web necháme řídit AI agenta? Ne chatbota na psaní textů, ale agenta s přístupem k datům, kódu a serveru. Cíl jsme zadali jednou větou: víc lidí z organického vyhledávání. Všechno ostatní má dělat agent.

Jak to funguje

Agent pracuje ve čtrnáctidenních sprintech a každý začíná stejně: porovná posledních 28 dní s obdobím před předchozím zásahem.

1. Data místo dojmů. Zdroj pravdy je Google Search Console přes API: které dotazy přinášejí imprese, na jaké pozici, s jakým CTR. Google Analytics agent vědomě ignoruje – kvůli Consent Mode vidí jen zlomek návštěv, u EshopRadaru zhruba 7 % organických.
2. Diagnóza a plán. Z dat vybere páky s největším dopadem a rozdělí práci mezi paralelní sub-agenty.
3. Psaní s povinným ověřením. Každý článek píše samostatný sub-agent, který musí každou cenu, číslo a funkci stáhnout z primárního zdroje – ceníky, dokumentace, tiskové zprávy – a sepsat protokol toho, co ověřit nešlo. Typicky 13 až 32 ověřených zdrojů na článek. Hlavní agent pak namátkově znovu stahuje klíčové údaje. Neověřené tvrzení se vynechá.
4. Kód a nasazení. Agent upravuje aplikaci, píše migrace a testy a nasazuje přes SSH. Obsah blogu je verzovaný v gitu a nasazuje se příkazem, ne ručními zásahy do databáze.
5. Měření. Výsledek se čte znovu ze Search Console.

Na člověku zůstávají čtyři věci: cíl a rozpočet sprintu, přístupy k serveru a databázi, souhlas s mazáním dat a obchodní kontext – jaký tón obsahu je pro firmu vhodný.

Čísla: z 3 na 44 kliků týdně, pak pokles

Sprint 2 (srovnávací články, hub „Jak založit e-shop", FAQ schema pro AI Overviews) a Sprint 3 (měření, titulky podle CTR, aktualizace cen) zvedly kliky z 3 na 44 týdně; Sprint 2 sám přinesl +84 % kliků a +47 % impresí za 28 dní. Pak přišlo léto a tři měsíce bez jediného zásahu. Kliky za 28 dní klesly ze 142 na 87 (−39 %), průměrná pozice se zhoršila z 11,1 na 13,5.

To je první poučení: obsah, který nikdo neudržuje, ztrácí. Agent není jednorázový projekt, ale provoz.

Sprinty 4 a 5: dva sprinty za jeden den

4. září 2026 proběhly dva sprinty najednou. Zhruba 3 hodiny práce hlavního agenta, 19 sub-agentů, přibližně 3 miliony tokenů v sub-agentech a 0,36 USD za šest ilustrací z gpt-image-1.

Diagnóza místo dojmů

Ze Search Console agent zjistil, že 55 % impresí sbírají stránky jednotlivých doplňků – s CTR 0,17 %. Lidé hledali průvodce („shoptet seo" 567 impresí, „shoptet marketplace" 422, „shoptet balíky" 285, „shoptet recenze" 177) a dostávali katalogovou stránku pluginu, která nikam neodkazovala.

Co z toho vzniklo

• 6 nových průvodců přesně na dotazy, kde rankovaly stránky doplňků, 2 přepsané články, 4 prohloubené srovnávací články Shoptet vs. Shopify, WooCommerce, PrestaShop a Upgates s aktuálními ceníky a 11 starších článků doplněných o TL;DR a FAQ.
• Interní prolinkování jako systém. Blok „Průvodci k tématu" na všech 438 stránkách doplňků a kurátorované související články na blogu. Do té doby měly klíčové články 0 až 2 interní odkazy.
• Reálné bugy, na které agent narazil při práci. Scraper odřezával velká písmena v adresách („Shoptet Pokladna" skončila jako /doplnky/hoptet-okladna), 35 adres opraveno s přesměrováním. Parser hodnocení bral u hůř hodnocených doplňků první recenzi místo průměru – 38 doplňků mělo špatné hodnocení, jeden z nich 5,0 místo reálných 2,9. Testovací sada byla dlouho rozbitá (9 ze 17 padalo), teď prochází 30 ze 30.
• Ověřovací smyčka chytila i vlastní minulost. Starší články psané AI obsahovaly vymyšlené věci: neexistující šablony, neexistující nástroj, jeden článek useknutý uprostřed věty. Sub-agenti to při přepisu odhalili a opravili.
• Provoz. Po migraci hostingu spadla produkce, protože se změnilo heslo k databázi. Agent ji oživil a nasadil vše na nový server.

Dopad těchto dvou sprintů zatím změřit nejde – Google potřebuje zhruba tři týdny. Cíle jsou konkrétní: „shoptet recenze" z pozice 23,7 do top 10, „shoptet seo" z 12,7 na 8 a lépe, celkem zpět nad 150 kliků za 28 dní. Výsledky doplníme v říjnu sem i do deníku agenta.

Co se nepovedlo nebo bylo drahé

Tohle je část, která se z případových studií obvykle škrtá. My ji píšeme, protože přesně tady se rozhoduje, jestli agent ve firmě přežije.

• Zastaralé přístupy stály hodiny. Hosting se v červenci stěhoval a uložené přístupy byly ze starého serveru. Agent se připojil ke staré kopii databáze, vložil do ní šest článků a až rozpor v číslech (web hlásil 24 článků, databáze 30) ukázal, že píše do mrtvé kopie. Poučení: agent potřebuje ověřitelný health check přístupů, ne jen uložené soubory.
• Bezpečnostní pojistky fungují, ale brzdí. Mazání v produkční databázi nástroj blokoval i po souhlasu člověka. Agent zvolil vratnou variantu a mazání nechal na člověku. Správně.
• Jedno tiché riziko. Lokální příkaz běžel s exportovanými produkčními proměnnými a synchronizoval obsah do produkce dřív, než měl. Výsledek byl správný, ale ukazuje, jak snadno se agent dostane k produkci omylem. Oddělení prostředí není detail.
• Infrastruktura stárne i agentovi. Webhook pro nasazení přestal fungovat, deploy jde přes SSH skript. A uložená tržní data v paměti agenta byla o rok stará (tržby Shoptetu 710 mil. Kč) – sub-agenti je nahradili aktuálními: 900 mil. Kč za rok 2025, 406 doplňků, 48 000 e-shopů, 773 partnerů. Paměť agenta stárne stejně jako obsah.

Co si z toho odnášíme

1. Agent potřebuje cíl a data, ne úkoly. Věta „víc lidí z organického vyhledávání" plus přístup do Search Console stačí k tomu, aby si sám našel, kde je největší páka.
2. Ověřování musí být povinné, ne dobrovolné. Bez protokolu „co ověřit nešlo" vzniknou články s vymyšlenými šablonami. S ním vznikne 13 až 32 zdrojů na článek – a agent chytí i chyby po sobě.
3. Provoz je stejně důležitý jako obsah. Tři měsíce bez zásahu znamenaly −39 % kliků. Sprinty jsou levné, ticho je drahé.
4. Člověk nezmizí, jen se posune. Přístupy, mazání, rozhodnutí o nasazení a tón značky. Všechno ostatní běží.
5. Transparentnost se vyplatí. Web říká, že ho řídí AI agent, a ukazuje reálná čísla. Nemáme co skrývat a čtenáři to ocení víc než tvrzení, že „AI nám všechno zlepšila".

Chcete něco podobného?

EshopRadar je náš test na vlastní kůži. Stejné postupy – MCP na data, sub-agenti s ověřováním, sprinty podle Search Console – nasazujeme klientům. Buď vás naučíme je používat na AI školení, nebo vám postavíme agenty a automatizace na míru. Jak agent čte data e-shopu, popisujeme v článku o Shoptet MCP.