Jakub Král, ze společnosti ABRASIV a.s., už uměl AI využívat a nechtěl další obecné školení pro začátečníky. Potřeboval vyřešit konkrétní limity, na které narážel při každodenní práci: pokaždé jinak zpracované zápisy z porad a ruční kontrolu změn v rozsáhlém produktovém katalogu.
hodnocení workshopu Jakubem Králem
konkrétní pracovní postupy
produktů v navazujícím monitoringu katalogu
Zadání: Navázat na zkušenosti, ne začínat od nuly
Jakub Král už ChatGPT používal, zkoušel vlastní postupy a občas si vytvořil i vlastní model. Věděl tedy, co chce řešit. Narážel ale na limity ve chvíli, kdy potřeboval opakovatelný výstup, předávat informace mezi nástroji nebo zpracovat delší záznam bez zbytečného čekání a ručních kroků.
Druhým problémem byla kontrola e-shopu. V katalogu s více než deseti tisíci položkami potřeboval zachytit nové a odstraněné produkty i změny skladové dostupnosti, aniž by je někdo musel ručně procházet.
Očekávání: Dva použitelné postupy pro každodenní práci
Cílem nebylo představit další seznam AI nástrojů. Klient chtěl získat konkrétní postupy, které navážou na jeho dosavadní zkušenosti a bude je moci po konzultaci samostatně používat a rozvíjet.
Prvním tématem byly stabilnější zápisy z porad, včetně práce s přepisy, jasnou strukturou a výstupem do Wordu. Druhým bylo automatické sledování změn v produktovém katalogu s přehledem konkrétních URL.
Zvolené řešení: Celý den nad reálnými úkoly klienta
Osobní konzultace trvala celý den a vycházela přímo z pracovních situací pana Krále. Společně s Lukášem Vladykou řešili práci s AI agenty a subagenty, prompting, předávání informací mezi nástroji, nastavení vstupů a výstupů, přepisy delších nahrávek i diktování v reálném čase.
Místo izolovaných ukázek vznikl základ pracovního systému s vlastními pravidly, referenčními podklady, vstupními soubory a navazujícími výstupy.
Průběh a součinnost klienta
Výhodou osobního formátu bylo, že se nemuselo začínat od základů. Pan Král přišel s vlastní zkušeností i jasnými problémy. Během workshopu mohl nové postupy průběžně porovnávat s tím, jak pracoval dosud, a rovnou rozhodovat, co má pro jeho agendu smysl.
Po konzultaci dostal soupis probraných bodů, ke kterému se může vracet. Některé postupy začal využívat prakticky okamžitě, zejména při propojování automatizací a přenosu informací.
První use-case
Při běžné práci model pokaždé připravil jinou skladbu, přehled i formátování zápisu. Na workshopu proto vznikl postup založený na samostatném projektu, referenčních zápisech, vstupní složce a agentovi, který se řídí konkrétními vzory.
Výstup lze nejdřív zkontrolovat v Markdownu a následně převést do Wordu. Konzultace řešila také rychlejší zpracování delších přepisů a možnosti navazující automatizace.
Druhý use-case
Automatizace porovnává produktovou sitemapu s předchozím stavem a připravuje report s konkrétními URL. Na konci stejného týdne už kontrola e-shopu a skladové dostupnosti fungovala a pan Král si report sám dále upravil a otestoval.
Měřitelný výsledek: Monitoring více než 10 800 produktů
První ověřený běh pracoval s katalogem o 10 812 produktech. Report zachytil 14 nových položek, 5 odebraných položek, 11 skladových upozornění a 8 nejvíce prodávaných položek.
Navazující kontrola už porovnávala 10 822 produktů a našla 25 nových a 8 odstraněných položek. Rozdílný celkový počet tedy není rozpor, ale zachycená změna katalogu mezi dvěma běhy.
Klient, pan Jakub Král, přidané položky ověřil 1:1 a zjistil, že se na nový modul dá 100% spolehnout.
Co na výsledek říká klient?
„Individuální školení zaměřené na AI s Lukášem Vladykou pro mě bylo velmi přínosné a hodnotím ho 10 z 10. Nezůstali jsme jen u obecných možností umělé inteligence, ale zaměřili jsme se na konkrétní postupy, které můžeme využívat v každodenní práci.
Velkou hodnotu pro mě měl především Lukášův přehled a jeho praktické zkušenosti. Nástrojů, aplikací a platforem kolem AI je dnes obrovské množství a člověk často nemá čas všechny zkoušet, porovnávat a zjišťovat, které z nich skutečně fungují.
Během školení jsme se věnovali automatizacím, práci s AI agenty a subagenty, přenosu informací mezi jednotlivými nástroji i tomu, jak správně nastavit vstupy a výstupy.“
„Na téhle spolupráci mě bavilo, že jsme si s Abrasivem mohli vyvolat osobní konzultaci a věnovat jí celý den. Ve firmě nemusí být všichni do AI zapálení stejně, ale v panu Královi jsme získali ambasadora, který už si sám pomáhal pomocí ChatGPT, zkoušel různé postupy a občas si vytvořil i vlastní model. Nebyl tedy na začátku. Už věděl, co chce řešit, a narážel na limity, když mu některé věci nefungovaly podle očekávání.
Právě díky osobnímu formátu jsme si mohli sednout nad konkrétními situacemi a postupně z nich vytvořit agentní systém v počítači. Nešlo jen o zkoušení nových modelů v ChatGPT. Řešili jsme také prompting, správné předávání informací, nastavení pravidel a propojení vstupů s výstupy. Rozšířili jsme i práci s diktováním v reálném čase, takže pan Král může rychle namluvit text prakticky odkudkoliv. Celé jsme to začali vnímat jako základ druhého mozku.
Nejvíc mě potěšilo, že řešení nezůstalo po workshopu ležet v koši. Na konci týdne fungovala automatizace pro kontrolu e-shopu a skladové dostupnosti a pan Král mi ještě ten den poslal, že report sám dál vylepšil a otestoval. To je přesně moment, který u podobných konzultací hledám: klient si výstup převezme, začne ho používat a sám přemýšlí, kam ho posune dál. Věřím proto, že se agentní systém bude dál rozvíjet i v rámci celé firmy, protože v Abrasivu máme ambasadora, který je do tématu nadšený a už vidí první use-cases, jež mu šetří čas.“
Co následovalo po workshopu
Pan Král má rozpracované další úkoly a chce využití AI postupně rozšiřovat mezi kolegy, pravděpodobně nejprve v marketingu. Po vlastní operativě a rutinních činnostech se tak může stejný princip přenést i do další každodenní agendy firmy.
Zkušenost zároveň ukázala, že pokročilá konzultace přináší největší hodnotu ve chvíli, kdy účastník zná alespoň základy, dokáže popsat své limity a předem ví, čeho chce dosáhnout.
Od jednotlivých pokusů k vlastnímu pracovnímu systému
ABRASIV nezůstal u inspirace z jednodenního školení. Konkrétní pracovní problém se ještě během stejného týdne proměnil ve funkční monitoring a klient dokázal výstup samostatně ověřit, upravit a dál rozvíjet.
Máte zkušenosti s AI, ale některé postupy stále nefungují spolehlivě nebo se špatně opakují?