AI vám dnes vygeneruje webové stránky za pár minut. Znamená to konec CMS? Právě naopak. Pokud provozujete Drupal, máte možná lepší výchozí pozici pro firemní AI, než tuší vaše konkurence. Jen o tom zatím nevíte.

LLM je jen tak dobrý, jak dobrá jsou vaše data

Velké jazykové modely (LLM) jsou natrénované na veřejných datech a o vaší firmě nevědí nic: neznají váš ceník, interní směrnice ani dokumentaci k vašim produktům. Aby AI chat nebo agent doručili hodnotný výsledek, potřebují přístup ke kvalitním firemním datům. Tomu se říká RAG (Retrieval-Augmented Generation): AI si nejdřív najde relevantní informace ve vaší znalostní bázi a teprve nad nimi formuluje odpověď.

První instinkt většiny firem zní: „Nahrajeme do chatbota PDFka." A první výsledek bývá stejný: chatbot odpovídá ze zastaralého exportu, nikdo neví, která verze dokumentu je aktuální, a hlavně všichni vidí všechno. Obchodníkův asistent klidně odpoví z podkladů pro vedení a interní chatbot vyzradí návštěvníkovi webu neveřejnou cenovou politiku.

U webových aplikací bychom něco takového nikdy nedopustili. Řídíme, kdo co vidí a kdo co smí upravit. Přesně stejné nároky musíme klást na AI chaty a agenty. A tady přichází pointa tohoto článku: systém, který tohle umí, už pravděpodobně provozujete.

Co váš Drupal už umí a AI to potřebuje

Role a oprávnění řídí i agenty

Systém rolí a oprávnění, kterým dnes v Drupalu řídíte redaktory a editory, může úplně stejně řídit AI agenty. Každý agent a každá session může vystupovat pod jinou rolí s jinými oprávněními, přičemž oprávnění se vyhodnocují na úrovni obsahu, ne na úrovni chatbota.

Konkrétně: agent obchodního oddělení má roli s přístupem k produktovým datům a ceníkům, ale personální dokumenty pro něj neexistují. Nejen že je nezobrazí, on je ani nenajde ve vyhledávání. Agent přihlášeného manažera naopak čerpá i z interních podkladů, ke kterým má jeho lidský protějšek přístup. Žádná duplicitní správa oprávnění v dalším systému, žádné ruční hlídání, co se smí dostat do kterého chatbota.

Workflows drží člověka ve smyčce

Redakční workflow a moderace obsahu, kterými dnes prochází každý článek před publikací, fungují i pro obsah, který vytvoří nebo upraví agent. Agent připraví koncept, člověk schválí, systém publikuje, a to vše s kompletní revizní historií. V době, kdy se řeší, jak udržet výstupy AI pod kontrolou, má Drupal odpověď zabudovanou dvacet let.

To je mimochodem důvod, proč Drupal zůstává skvělým místem pro správu znalostí: data pro agenty spravují lidé v prostředí, které je pro ně čitelné a příjemné. Knowledge base není temný sklad vektorů. Je to váš web.

Fronty úloh: zásoba práce pro AI agenty

Agenti nepracují jen na povel v chatu. Často potřebují zpracovávat úlohy na pozadí: přeindexovat obsah po úpravě, doplnit metadata k novým dokumentům, projít stovky uzlů a navrhnout revize. Přesně na to slouží Queue API, které je součástí jádra Drupalu. Úlohy pro agenty se řadí do fronty a zpracovávají řízeně (přes cron, Drush nebo workery na pozadí), místo aby jeden hromadný požadavek položil web nebo spálil rozpočet na API tokeny naráz. Fronta zároveň přirozeně doplňuje workflow: agent odbaví zásobu úloh, výsledky skončí jako koncepty a člověk je schválí, až se mu to hodí.

Co přidat: RAG vyhledávání, AI agenti a MCP

Dobrá zpráva: většinu pokryjí hotové moduly z ekosystému kolem Drupal AI Initiative, které se instalují jako cokoli jiného v Drupalu.

Vyhledávání pro RAG. Základem je Search API v kombinaci s AI modulem a jeho submodulem AI Search. Ten umožňuje jak vektorové (významové) vyhledávání přes databáze typu Milvus nebo Qdrant, tak klasické lexikální vyhledávání, přičemž právě kombinace obou dává v praxi nejlepší výsledky. Pokročilejší fáze RAG pipeline, jako je reranking (přeřazení nalezených výsledků podle skutečné relevance), řešíme vlastním kódem. Díky agentickému programování je to ale otázka dní, ne měsíců.

Agenti a nástroje. Modul AI Agents poskytuje framework pro agenty, kteří umí s Drupalem pracovat, včetně tools callingu nad obsahem i konfigurací. AI modul přitom podporuje desítky LLM poskytovatelů od OpenAI a Anthropicu až po lokální modely přes Ollamu, takže citlivá data nemusí opustit vaši infrastrukturu.

Napojení na okolní svět. Modul MCP promění Drupal v server pro Model Context Protocol, tedy standard, kterým se AI nástroje (Claude, firemní chatboti, sítě agentů) připojují k datovým zdrojům. A JSON:API, který je součástí jádra, distribuuje strukturovaný obsah do aplikací třetích stran. Váš Drupal se tak stává znalostním zdrojem nejen pro vlastní RAG chatbot na webu, ale přes MCP pro celý firemní AI ekosystém.

Má tedy CMS budoucnost?

Vraťme se k otázce z úvodu. Ano, AI vygeneruje prezentační web za pár minut. Ale nevygeneruje důvěryhodná, aktuální a přístupově řízená firemní data. Ta se musí někde spravovat. Role CMS se proto neztrácí, jen se posouvá: z výkladní skříně na řízený sklad znalostí, ze kterého čerpají lidé, LLM i agenti. A Drupal má pro tuhle roli díky rolím, oprávněním, workflows a strukturovanému obsahu náskok, který si jiné platformy teprve dobudovávají.

Pokud Drupal provozujete, nemusíte pro nástup AI budovat nový systém. Začněte malým pilotem: vyberte jednu sekci obsahu, nasaďte nad ní RAG chat s odpovídající rolí a vyhodnoťte kvalitu odpovědí. Investice do Drupalu, kterou už jste udělali, se právě začíná zhodnocovat podruhé.