2. Nativně agentní platforma / Native Agentic Platform
CZ
CODEXIS AI je nativně agentní platforma. To znamená, že AI není omezená na jednorázové odpovědi v chatu, ale umí samostatně vykonávat více kroků, plánovat práci, používat nástroje, pracovat se soubory, opakovat workflow a fungovat podle časového plánu. Uživatel může zadat úkol vlastními slovy, například aby systém každou neděli připravil rešerši nové judikatury, vytvořil z ní prezentaci a po dokončení poslal notifikaci.
Stejný princip lze použít i na interní compliance nebo právní provoz. Například AI může pravidelně procházet vnitřní předpisy v SharePointu, porovnávat je s novou legislativou nebo souvisejícími dokumenty, navrhovat úpravy formou Word revizí a upozornit odpovědnou osobu, pokud se objeví změna. Výsledkem není jen rychlejší zpracování, ale skutečné delegování opakované odborné práce na systém.
Technicky jsou tyto scénáře realizovány pomocí automatizací, které definují prompt, agenta, skilly, pracovní adresář a plán v cron formátu. Platforma spouští jednotlivé běhy v izolovaném prostředí, vede historii běhů, rozlišuje stav RUNNING, COMPLETED a FAILED a chrání systém proti nekontrolovanému hromadění rozběhnutých úloh. Díky tomu lze AI zapojit do workflow popsaných prostými slovy, ale provozovat je systematicky a auditovatelně.
EN
CODEXIS AI is a natively agentic platform. This means the AI is not limited to one-off chat answers, but can execute multiple steps autonomously, plan work, use tools, work with files, repeat workflows, and operate on a schedule. A user can describe a task in plain language, for example asking the system to prepare a weekly case law review every Sunday, turn it into a presentation, and send a notification when it is finished.
The same principle applies to internal compliance or legal operations. For example, the AI can regularly review internal policies in SharePoint, compare them with new legislation or related materials, propose edits using tracked changes in Word-compatible workflows, and notify the responsible person when an update is needed. The value is not only faster processing, but actual delegation of recurring expert work to the system.
Technically, these scenarios are implemented through automations that define the prompt, agent, skills, working directory, and schedule in cron format. The platform runs individual executions in an isolated environment, keeps run history, tracks states such as RUNNING, COMPLETED, and FAILED, and protects the system against uncontrolled accumulation of overlapping jobs. This allows AI to participate in workflows described in plain language while remaining systematic and auditable in production.