Propojení AI agenta se Slackem a Microsoft Teams ve firmě

Propojení AI agenta se Slackem a Microsoft Teams patří mezi nejčastější požadavky firem, které chtějí, aby jejich AI řešení fungovalo přímo tam, kde lidé každý den komunikují – ve Slacku nebo v Microsoft Teams. Místo další samostatné aplikace, na kterou si zaměstnanci musí zvykat, dostane tým agenta jako součást kanálu, DM konverzace nebo pracovního workflow. Tento článek popisuje technický postup, jak integraci AI agenta se Slackem a Teams navrhnout, jaké komponenty potřebuje a na co si dát pozor při nasazení do reálného firemního provozu.

Firemní komunikace se dnes odehrává převážně ve dvou nástrojích – Slack dominuje v technologických a menších firmách, Microsoft Teams je standardem ve větších organizacích navázaných na Microsoft 365. Integrace přímo do těchto nástrojů funguje nejlépe tehdy, když nevyžaduje přepínání kontextu: zaměstnanec se zeptá přímo v kanálu, agent odpoví tam, kde otázka padla, případně spustí akci na pozadí – vytvoření tiketu, aktualizaci záznamu v CRM, notifikaci kolegovi.

Oproti samostatnému chatovacímu rozhraní má tato forma nasazení tři praktické výhody:

• Agent je vidět tam, kde už probíhá běžný provoz týmu, takže adopce je jednodušší.
• Kontext konverzace (kanál, vlákno, účastníci) lze využít jako vstup pro agenta.
• Výstupy agenta – notifikace, schválení, reporty – zapadají do existujících workflow bez nového rozhraní.

Pokud ještě jen zvažujete, co AI agent ve firmě vlastně je, dobrým výchozím bodem je článek co jsou AI agenti a proč mění pravidla softwaru.

Integrace se Slackem se v praxi staví na Slack Platform, konkrétně na kombinaci Bot Token, Events API a Slack SDK. Základní tok je následující: bot je zaregistrován jako Slack App ve workspace, dostane oprávnění (scopes) na čtení zpráv a psaní do kanálů, a Slack posílá události (nová zpráva, zmínka, reakce) na webhook endpoint, který spravuje AI agent.

Slack Events API a webhooky

Když někdo v kanálu napíše @jméno-agenta nebo pošle agentovi přímou zprávu, Slack odešle HTTP POST požadavek na endpoint definovaný v konfiguraci aplikace. Backend agenta tuto událost zpracuje, odešle text do jazykového modelu spolu s potřebným kontextem (historie vlákna, případně data z interních systémů) a odpověď pošle zpět přes Slack Web API metodu chat.postMessage. Pro delší interakce se vyplatí použít Slack vlákna (threads), aby konverzace s agentem nezaplavovala hlavní kanál.

Autentizace a scopes

Slack pracuje s OAuth 2.0 tokeny a granulárními oprávněními – bot by měl dostat jen ty scopes, které skutečně potřebuje (například chat:write, channels:history, im:write), nikoli plný přístup k workspace. Token se ukládá bezpečně mimo verzovaný kód a rotuje se podle interních bezpečnostních politik firmy.

Pokud má agent kromě odpovídání ve Slacku i zapisovat data do jiných systémů (CRM, helpdesk, interní databáze), architektura se už blíží systémové integraci přes API – principy jsou podobné jako u propojení firemních systémů přes API a automatizace výměny dat.

Integrace s Teams je technicky náročnější než ve Slacku, protože stojí na Microsoft Bot Framework a je provázaná s Azure Active Directory (Entra ID). Bot se registruje v Azure Bot Service, dostane App ID a heslo (client secret) a komunikuje s Teams přes Microsoft Graph API a Bot Framework SDK.

Bot Framework a manifest aplikace

Na rozdíl od Slacku, kde stačí nakonfigurovat webhook v rámci Slack App, Teams vyžaduje App Manifest – JSON soubor definující název, ikonu, oprávnění a způsob, jakým se bot zobrazuje uživatelům (osobní chat, týmový kanál, nebo obojí). Manifest se nahrává přes Teams Admin Center nebo Microsoft Teams Toolkit, což ve firemním prostředí často vyžaduje součinnost IT administrátora.

Rozdíly oproti Slacku, které ovlivňují návrh

Právě proto, že Teams je hlouběji provázaný s firemní identitou (Azure AD, podmínky přístupu, DLP politiky), bývá jeho nasazení doprovázeno důkladnějším schvalováním na straně IT oddělení než v případě Slacku. Tabulka výše ilustruje obecný princip, nikoli přesné měření: nasazení bota v Teams typicky zahrnuje víc konfiguračních kroků – registraci v Azure, schvalování manifestu, správu identity – než ekvivalentní integrace ve Slacku.

Když agent čte zprávy z firemních kanálů nebo přímých konverzací, pracuje potenciálně s citlivými daty – jmény zákazníků, interními rozhodnutími, osobními údaji zaměstnanců. Proto by měla být součástí návrhu integrace od začátku i otázka, kdo má k agentovi přístup, jaká data agent uchovává a jak dlouho.

AI agent v týmu funguje jen tehdy, když je stejně důvěryhodný jako kolega, kterému byste dali přístup do stejného kanálu.

Doporučený postup:

1. Definujte, ke kterým kanálům a týmům má agent přístup – ne „ke všemu", ale k tomu, co skutečně potřebuje.
2. Nastavte logování a audit trail – kdo se agenta na co ptal a jaké akce provedl.
3. Ověřte, zda agent při odpovědích nepracuje s daty mimo scope, který mu byl přidělen.
4. Pokud agent sahá na osobní údaje, projděte si i právní rámec – přehled najdete v článku AI agenti a GDPR: na co si dát pozor při zpracování osobních údajů.

Pro technický detail k autentizaci je užitečná i oficiální dokumentace Microsoft Entra ID – aplikace a oprávnění a Slack API – dokumentace k OAuth scopes.

Integrace AI agenta do komunikačního nástroje se v praxi využívá zejména na:

• Interní dotazy a helpdesk – zaměstnanec se v kanálu zeptá na firemní politiku nebo stav žádosti místo zakládání tiketu. Podrobněji k tomuto scénáři píšeme v článku o AI agentovi pro interní IT helpdesk a snížení počtu ticketů.
• Schvalovací workflow – agent notifikuje odpovědnou osobu přímo v Teams nebo Slacku a čeká na potvrzení jako součást schvalovacího procesu.
• Souhrny a reporting – pravidelné shrnutí stavu projektu, prodejů nebo tiketů odesílané do vybraného kanálu.
• Propojení s ostatními systémy – agent slouží jako jednotné rozhraní nad více backend systémy (CRM, ERP, interní databáze), podobně jako u klasické systémové integrace ERP, CRM a e-shopu.

U workflow, kde agent provádí akce s reálným dopadem, je důležité rozhodnout, zda má jednat autonomně, nebo má vyžadovat potvrzení člověka před provedením akce.

Rozsah práce při propojování AI agenta se Slackem nebo Teams závisí na více faktorech, ne na jednom univerzálním postupu:

• Počet a typ integrací na pozadí – pokud agent jen odpovídá na otázky, stačí propojení s jazykovým modelem a znalostní bází; pokud má i zapisovat data do CRM či ERP, přibývá další vrstva API integrací.
• Požadavky na bezpečnost a compliance – firmy v regulovaných odvětvích potřebují přísnější kontrolu nad tím, jaká data agent vidí a kam se odesílají.
• Platforma nasazení – jak ukazuje srovnání výše, Teams si typicky vyžádá víc koordinace s IT oddělením než Slack.
• Míra autonomie agenta – agent, který jen odpovídá, se implementuje jinak než agent, který spouští akce v jiných systémech.

Tyto faktory se vyplatí projít ještě před vývojem, ideálně na nezávazné konzultaci, kde lze upřesnit rozsah a architekturu řešení – více o našem přístupu k AI řešením najdete na stránce AI a automatizace.

Integrace AI agenta se Slackem a Teams není jen otázka připojení API klíče – jde o návrh architektury, která respektuje způsob, jakým platforma funguje (Events API a OAuth scopes ve Slacku, Bot Framework a Azure AD v Teams), a zároveň splňuje bezpečnostní požadavky firmy. Klíčové je od začátku definovat, ke kterým kanálům má agent přístup a kdy má jednat autonomně a kdy jen navrhnout akci ke schválení člověkem.

Pokud plánujete nasadit AI agenta přímo do Slacku nebo Microsoft Teams ve vaší firmě a potřebujete projít konkrétní architekturu, kontaktujte nás – rádi se podíváme na to, jaké systémy chcete propojit a jaká úroveň autonomie agenta dává smysl pro váš tým.