Představte si ekosystém, kde aplikace jako Revit, Inventor, Fusion nebo Rhino netransportují surová data, ale komunikují spolu prostřednictvím specializovaných AI agentů. Hlavním dirigentem, orchestrátorem těchto procesů se stává Autodesk Assistant, který koordinuje změny napříč profesemi v reálném čase a na pozadí.

Tradiční způsob výměny dat ve stavebnictví a strojírenství (AEC/MFG) naráží na své limity a omezuje tím i produktivitu. Přestože výměnné formáty jako IFC udělaly pro otevřenost oboru obrovský kus práce, proces neustálého exportování, importování a manuální koordinace změn mezi týmy, včetně výrobních, zůstává neefektivní. Skutečná revoluce ale nespočívá na nějakém novém souborovém formátu. Přichází s agentickou AI a novou architekturou, kde specializované softwary netransportují surová a objemná návrhová data, ale komunikují spolu přímo, prostřednictvím autonomních AI agentů. Hlavním dirigentem tohoto ekosystému budou „AI orchestratory“, koordinační nástroje, jako např. chystaný samostatný Autodesk Assistant, založený na cloudové platformě Autodesk Platform Services (APS).

Od statických souborů k živému kontextu: MCP a Autodesk Platform Services

Základním problémem velkých jazykových modelů (LLM) v inženýrské praxi je jejich neschopnost počítat přesnou geometrii a sklony k halucinacím. Sám LLM neumí jen tak navrhnout přesný strojírenský detail ani spočítat průhyb nosníku, ale exceluje v logickém uvažování (reasoning), v syntéze dat a v plánování kroků.

Klíčovým mostem se tak stává Model Context Protocol (MCP) – otevřený standard, který umožňuje LLM bezpečně, obousměrně a strukturovaně přistupovat k externím datovým zdrojům a k podnikovým nástrojům. V ekosystému Autodesku funguje cloudové prostředí Autodesk Platform Services (APS, dříve Forge) jako ideální infrastruktura pro MCP servery. Autodesk Assistant tak nemusí „hádat“ vlastnosti CAD elementů návrhu uloženého v cloudu. Přes standardizované MCP rozhraní zašle deterministický dotaz na APS Data Management API, přečte přesná geometrická i popisná data z cloudu a předá je specializovaným mikroslužbám – například cloudovému geometrickému jádru nebo statickým solverům. Výsledkem je, že AI orchestrátor drží celkový kontext projektu (a oboru), zatímco výpočty provádí nativní kód.

Multi-agentní ekosystémy pod taktovkou Autodesk Assistantu

V moderní projekční praxi málokdy pracujeme v jediném programu. Architekt skicuje organické tvary v aplikaci Rhino, stavař modeluje v Autodesk Revitu a strojař navrhuje TZB komponenty v Autodesk Inventoru. Místo toho, aby lidé složitě přenášeli soubory a bojovali s jejich formáty, nastupuje multi-agentní orchestrace řízená centralizovaným nástrojem Autodesk Assistant. 

Představme si architekturu, kde má každá aplikace svého specializovaného „sub-agenta“:

• Agent Revit (ovládající Revit Design Automation v rámci APS)
• Agent Inventor (komunikující přes Inventor API)
• Centrální orchestrátor (např. budoucí Autodesk Assistant)

Pokud dojde k zásadní architektonické změně návrhu v Revitu, Agent Revitu o tom informuje Autodesk Assistant. Ten jako orchestrátor okamžitě vyhodnotí, že změna polohy nosné stěny ovlivní trasování vzduchotechniky navržené v Inventoru. Místo pouhého zobrazení kolize (Clash Detection) dokáže Autodesk Assistant autonomně instruovat Agenta Inventoru, aby spustil parametrický skript, upravil vedení potrubí a přemístil závěsy. Celá koordinace proběhne na pozadí, programově a v reálném čase.

Nová generace nástroje Autodesk Assistant

Assistant nové generace je postaven na třech prioritách:

• Rozumět tomu, co vyžaduje pozornost. Funkce Personal Pulse odhaluje prioritní problémy a poznatky napříč projekty. Funkce Assistant Spaces poskytuje týmům a jejich agentům prostředí zaměřené na prozkoumání problému, spolupráci na jeho řešení a sledování jeho následných dopadů.
• Jednat napříč pracovními postupy. Assistant propojuje specializovanou umělou inteligenci Autodesku v oblastech navrhování, inženýrství a kreativity s přesnými funkcemi, na které se odborníci spoléhají při simulaci, výrobě a realizaci svých projektů, a díky interakci v přirozeném jazyce a hlasové interakci proměňuje uživatelův záměr v důvěryhodné a kontrolovatelné výsledky.
• Bring your own intelligence (BYOI, přidejte vlastní inteligence). Assistant Builder umožní zákazníkům propojit jejich vlastní agenty AI, nástroje a služby důvěryhodných partnerů s kontextem projektů Autodesk.

Na pozadí těchto principů pak Autodesk AI Orchestrator vyhodnocuje modely podle potřeb konkrétního úkolu, včetně hodnocení přesnosti, rychlosti, bezpečnosti a nákladů, což umožňuje čerpat z různých forem inteligence, bez nutnosti spoléhat na jediný model na každý problém.

Příklad z praxe: Daty řízená validace nekompatibilních formátů 

Jak to vypadá, když AI agenti řeší reálný inženýrský problém? Představme si situaci, kdy investor předá zadávací dokumentaci v Excelu, místní stavební úřad vydá územní plán v PDF a standardy projekční kanceláře jsou uloženy ve formátu JSON. Pro člověka to znamená hodiny manuálního porovnávání.

Pro multi-agentní systém je to úkol na několik sekund. Autodesk Assistant načte tyto nekompatibilní zdroje, použije specializované agenty s OCR a LLM parserem k extrakci pravidel a vytvoří unifikovanou validační matici. Následně přes APS Model checker autonomně otestuje cloudový Revit model vůči těmto pravidlům. 

Níže je uveden koncepční příklad, jak takový AI orchestrátor komunikuje přes rozhraní MCP s backendem Autodesku, aby zkontroloval a opravil tloušťku izolační stěny na základě požadavku z externího PDF souboru (podobné zadání můžete samozřejmě odeslat i ručně, AI promptem):

// Příklad JSON-RPC požadavku (Prompt) od Autodesk Assistant směrem k MCP serveru Revitu
{
 "jsonrpc": "2.0",
 "method": "tools/call",
 "params": {
   "name": "validate_and_update_wall_insulation",
   "arguments": {
     "urn": "dXJuOmFkc2skb2JqZWN0czpvcy5vYmplY3Q6bXktYnVja2V0L21vZGVsLnJ2dA",
     "wall_type_id": "Wall-Ext-Ins-01",
     "required_u_value": 0.18,
     "regulatory_source": "PDF_Stavebni_Vyhlaska_2026.pdf"
    }
  },
 "id": 42
}

Nebo jiný příklad – výrobce stroje dostane e-mail od dodavatele upozorňující na výpadek v dodávkách motorů. Tento e-mail je načten do sdíleného pracovního prostoru Autodesk PLM. Assistant identifikuje dopad na výrobek, navrhne konkrétní náhradní řešení (dostupný alternativní motor splňující parametry), dle specifikací shrne dopad na výrobu a cenu, a pomůže týmu provést aktualizaci kusovníku a vypracovat návrh změnového příkazu. Problém v dodavatelském řetězci se zde promění v technický problém, který vede ke změně specifikace výrobku, a to vyžaduje, aby lidé začali jednat. Dlouhý konsekvenční řetězec, široký kontext, a rychlý návrh pro rozhodnutí člověka.

Jak to funguje v reálném světě? Příklady z praxe

Nasazování agentických systémů ale už dávno není sci-fi. Globální inženýrské a architektonické špičky už tyto koncepty integrovaly do svých procesů:

• Mott MacDonald & ARUP (Automatizovaná koordinace infrastrukturních sítí): Tyto nadnárodní inženýrské společnosti využívají AI agenty napojené na cloudová API k automatickému řešení kolizí mezi liniovými stavbami a stávající podzemní infrastrukturou. Agent detekuje střet potrubí v modelu Autodesk Civil 3D, autonomně vyhodnotí kritéria sklonu z lokální legislativy a pomocí skriptů přetrasuje inženýrskou síť dřív, než projektant vůbec otevře ranní e-mail.
• Zaha Hadid Architects (ZHA / generativní design): Kancelář známá využíváním komplexní geometrie nasadila multi-agentní orchestraci k optimalizaci fasádních panelů. Agenti komunikují mezi prostředím Rhino/Grasshopper a Autodesk Revit. LLM agent koordinuje proces: souběžně testuje statické vlastnosti konstrukce, oslunění a cenu materiálu, přičemž autonomně mění parametry rodin v Revitu tak, aby bylo dosaženo estetického záměru i vyrobitelnosti.

Strategický manuál pro IT: Jak připravit infrastrukturu vaší kanceláře na éru agentů

Pokud má vaše projekční nebo konstrukční kancelář z těchto technologií profitovat, stávající IT zázemí zaměřené na lokální souborové servery a těžké pracovní stanice stačit nebude. Transformace infrastruktury bude vyžadovat čtyři zásadní kroky:

• Migrace na datovou architekturu „Cloud-First“: AI agenti potřebují k datům okamžitý, programový přístup s nízkou latencí. Lokální sdílení disků (NAS/SAN) přes VPN je pro AI agenty neprostupné. Základem úspěchu je migrace projektových dat do cloudových Common Data Environment (CDE) platforem typu Autodesk Forma a plné podchycení Autodesk Platform Services (APS). Data musí být dostupná přes standardizovaná REST API.
• Standardizace dat a sémantické modelování (striktní BIM/CAD standardy): Aby mohl AI agent číst a upravovat model, vaše vnitrofiremní standardy (názvosloví hladin, parametrů, rodin a sdílených parametrů) musí být stoprocentně konzistentní. Zaveďte striktní šablony a strojově čitelné datové standardy (např. exportované specifikace v JSON/XML), ze kterých mohou agenti čerpat pravidla pro validaci.
• Implementace integrační vrstvy (MCP ready): Začněte budovat interní mikroslužby. Vaše stávající firemní skripty v Pythonu, Dynamo skripty nebo interní doplňky v C# zapouzdřete do webových API (např. pomocí AWS Lambda nebo Azure Functions). Tím je připravíte na to, aby je mohl Model Context Protocol (resp. MCP server) v budoucnu volat jako „nástroje“ pro Autodesk Assistant.
• Zajištění kybernetické bezpečnosti na úrovni API: Agentická AI bude mít právo autonomně modifikovat projektová data. Zní to dostatečně hrozivě? IT oddělení musí přejít na architekturu Zero Trust a striktně řídit přístupová práva (OAuth 2.0) pro jednotlivé AI entity. Agent smí mít zápisová práva pouze do těch částí modelu, za které odpovídá, přičemž každá autonomní změna musí být logována v rámci verzování (Audit Trail) v CDE systému.

Budoucnost bez manuální rutiny

Dochází k přechodu od softwaru jako pouhého digitálního rýsovacího prkna k ekosystému, kde inženýr definuje záměr, pravidla a okrajové podmínky. O zbytek se postará síť specializovaných agentů. Tím, že Autodesk staví do role orchestrátora Autodesk Assistant a otevírá své API pro agentické workflow, přestává být interoperabilita problémem nekompatibilních souborů. Stává se plynulou konverzací mezi inteligentními agenty, která šetří čas, eliminuje lidské chyby a posouvá hranice toho, co dokážeme zkonstruovat a vyrobit, vyprojektovat a postavit.