Většina lidí si pod automatizací s AI představí buď robota, nebo nějakou magii, na kterou potřebuješ tým programátorů. Pravda je nudnější a zároveň lepší: spousta práce, kterou dnes klikáš ručně, jde předat AI za jedno odpoledne. Ukážu ti pět příkladů, které jsem reálně nasadil sobě nebo klientům, a u každého řeknu, co to ušetří a kde je háček.
Proč vůbec automatizovat s AI a ne klasickými skripty
Klasická automatizace funguje skvěle na věci, které mají pevná pravidla: přesuň soubor, odešli fakturu, zapiš řádek do tabulky. Jenže velká část nudné práce pravidla nemá. Přečíst e-mail a pochopit, co po tobě zákazník chce. Roztřídit poptávky podle priority. Shrnout dvouhodinový hovor do tří vět. Tady klasický skript selže, protože nedokáže text pochopit. AI ano.
Jednoduché vodítko, které používám: pokud bych úkol dokázal popsat přesnými pravidly typu když tohle, udělej tamto, sáhnu po klasickém skriptu. Pokud bych musel říct záleží na tom, co tam je napsané, je to práce pro jazykový model. V praxi se obě věci často kombinují. AI se postará o pochopení textu a rozhodnutí, klasická automatizace o spolehlivé přesouvání dat. Sám tuhle hranici hlídám, protože hnát na jednoduchý úkol drahý model je plýtvání, a naopak nutit obyčejný skript pochopit volný text vede k chybám.
Příklad 1: třídění a odpovědi na příchozí e-maily
Nejnudnější a zároveň nejvděčnější. Každá poptávka, faktura a spam vypadá jinak, ale člověk je roztřídí za vteřinu. AI to zvládne taky, jen jí to musíš zadat. U klienta jsme nasadili jednoduchý průchod: každý nový e-mail dostane jazykový model, ten vrátí kategorii a návrh odpovědi, člověk jen odsouhlasí. Výsledek? Místo aby ráno otevíral padesát e-mailů a u každého přemýšlel, kam patří, dostane je už roztříděné a seřazené podle priority. Naléhavé poptávky vidí nahoře, spam se rovnou odloží stranou a u běžných dotazů má připravený návrh, který stačí přečíst a odeslat.
Jsi asistent, který třídí příchozí e-maily.
Vrať JSON: { "kategorie": "poptavka|faktura|podpora|spam|jine",
"priorita": "vysoka|stredni|nizka",
"navrh_odpovedi": "..." }
E-mail:
"""
{telo_emailu}
"""Důležité: AI nenechávám odesílat samo. Generuje návrh, odeslání potvrzuje člověk. Tím se vyhneš trapasu, kdy model odpoví zákazníkovi nesmysl. Pokud tě zajímá, jak se na takovou AI vůbec technicky napojit, mám k tomu zvlášť návod o napojení na AI API.
Příklad 2: extrakce dat z dokumentů a faktur
Opisovat čísla z PDF faktur do tabulky je práce, u které člověk usíná a dělá chyby. Moderní modely umí přečíst i naskenovaný dokument a vytáhnout přesně ta pole, která potřebuješ: dodavatel, částka, datum splatnosti, variabilní symbol.
- Naskenuj nebo nahraj dokument.
- Pošli ho modelu s jasným zadáním, jaká pole chceš a v jakém formátu.
- Vrácená data zkontroluj proti jednoduchému pravidlu (například že částka je číslo a datum dává smysl).
- Ulož do své tabulky nebo účetního systému.
Háček je v kontrole. AI se občas u čísel splete, proto vždy přidávám validaci a u větších částek lidskou kontrolu. Nasadit to slepo na výplaty by byla chyba. Velmi se mi osvědčilo nechat model u každého pole vrátit i míru jistoty. Když si není jistý, položku označí a člověk ji rychle dohledá v originálu. U faktur, kterým rozumí dobře, prochází data bez zásahu, a člověk řeší jen výjimky. Tím se z hodinového přepisování stane pětiminutová kontrola výjimek.
Příklad 3: shrnutí hovorů, schůzek a dlouhých textů
Hodinová schůzka, ze které si nikdo nepamatuje úkoly. Přepis hovoru se zákazníkem. Patnáctistránkový dokument, ze kterého potřebuješ tři odrážky. AI je v shrnování extrémně dobrá a tohle je asi nejrychlejší výhra, kterou můžeš mít do týdne nasazenou.
U sebe to mám tak, že přepis nahraju a chci strukturovaný výstup: o čem to bylo, jaká padla rozhodnutí a kdo má co udělat do kdy. Místo abych po schůzce dvacet minut psal zápis, jen ho zkontroluju. Stejně postupuju u dlouhých e-mailových vláken, kde se přetahuje pět lidí a já potřebuju vědět, na čem se nakonec dohodli. Model mi vytáhne závěr a otevřené otázky, takže nemusím číst celou nudnou historii. Šetří to nejen čas, ale i hlavu, protože se nemusím soustředit na hledání podstatného v moři balastu.
Příklad 4: generování první verze textů a odpovědí
Nemyslím tím nechat AI psát celý blog a publikovat ho bez čtení, to poznáš na první větě. Myslím tím první verzi, kterou pak učešeš. Popisky produktů, odpovědi na opakující se dotazy, návrhy nabídek. AI ti dá kostru za pár vteřin, ty doplníš to, co model neví, a hotovo. Tahle úspora je nenápadná, ale sčítá se. Když píšeš deset popisků produktů týdně a u každého ušetříš deset minut, máš za měsíc skoro celý pracovní den navíc. Důležité je dát modelu kontext: kdo jsi, pro koho píšeš a jakým tónem. Bez toho dostaneš obecnou kaši, kterou poznáš na dálku. S dobrým zadáním dostaneš slušný základ, který už jen doladíš svým hlasem.
První verze za třicet vteřin je vždycky lepší startovní bod než prázdná stránka, u které zíráš na blikající kurzor.
Příklad 5: napojení AI na nástroje, které už používáš
Tady se to celé spojí. Žádný z předchozích příkladů nemá smysl, pokud výstup musíš ručně přepisovat do dalšího nástroje. Cílem je, aby data tekla sama: nový e-mail spustí třídění, výsledek se zapíše do CRM, ty dostaneš upozornění jen u toho, co potřebuje rozhodnutí.
Lepidlem mezi nástroji jsou většinou webhooky a API. Když přijde událost v jednom systému, automaticky se zavolá další. O tom, jak na to bez programování i s ním, píšu v článku o webhoocích a integracích.
Jak začít, ať se neuhoníš
Nejčastější chyba je chtít automatizovat všechno najednou. Mnohem lepší je vybrat jeden úkol, který tě nejvíc otravuje, a ten dotáhnout do konce.
- Zapiš si týden, na čem trávíš čas, a najdi nejnudnější opakovanou činnost.
- Ověř, jestli jde o úkol s pravidly (skript) nebo o porozumění textu (AI).
- Postav nejmenší možnou verzi, kde AI navrhuje a člověk schvaluje.
- Pusť to na malém vzorku a hlídej chyby.
- Teprve když to týden funguje, přidej další úkol.
Časté dotazy
Je automatizace s AI bezpečná pro citlivá data?
Záleží na nastavení. Pro citlivá data volím modely a poskytovatele, kteří nepoužívají vstupy k trénování, a držím data v rámci EU. Vždy je to věc smlouvy a konfigurace, ne náhody.
Kolik to stojí?
Většina příkladů výše stojí v provozu jednotky až desítky korun za stovky zpracovaných položek. Hlavní náklad je úvodní nastavení, ne provoz. Návratnost je obvykle otázka týdnů.
Nahradí mi AI zaměstnance?
V praxi spíš uvolní lidem ruce od nudné práce, aby dělali to, co stroj neumí. Nasadit AI bez člověka v rozhodovací smyčce u důležitých věcí nedoporučuju.
Pokud máš konkrétní nudný proces, který tě stojí hodiny týdně, rád ti pomůžu ho zautomatizovat na míru. Napiš mi přes kontakt a ozvu se s návrhem, kde má automatizace u tebe největší smysl.