5 zásad pro efektivní využití AI ve firmě

Proč vám AI nepřináší výsledky? 5 zásad pro efektivní využití AI ve firmě

Nakoupili jste licence, poslali tým na školení promptingu a po měsíci se nezměnilo nic. Není to vaším nástrojem. Ten scénář znám z většiny firem: lidi AI používají jako lepší Google nebo vůbec.

Skutečný náklad přitom nebyl v licencích. Je v tom, že váš tým dál tráví desítky hodin měsíčně administrativou, kterou by za něj zvládla automatizace. A rada „tady máte padesát nejlepších promptů" funguje jen do chvíle, než narazíte na problém, na který prompt nemáte. Proto tu místo seznamu promptů najdete pět kroků z praxe 2 500 automatizací, které jsme v Ninjabotu nasadili.

1. Pochopte mechaniku: AI nepřemýšlí, ale počítá

Bez tohohle je školení promptingu k ničemu, protože budete dělat věci, které někomu fungovaly, ale nebudete vědět proč. Když mechaniku pochopíte, seznamy promptů už potřebovat nebudete, protože si je vytvoříte sami.

AI nepřemýšlí, i když je u modelu napsané „s přemýšlením". Předvídá, jak bude pokračovat text: rozseká váš vstup na kousky zvané tokeny, převede je na čísla, zasadí je do kontextového prostoru a dopočítá nejpravděpodobnější pokračování. Když napíšu „skákal pes přes", doplní „oves", ne „čokoládu" a ne „plot", protože to nejsou ustálená spojení.

Důsledek je zásadní: když dáte vágní zadání, nedostanete geniální myšlenku, ale ten nejprůměrnější možný text. Nehledali jste nejlepší odpověď, hledali jste nejprůměrnější. Samo o sobě vám to ale nezajistí pravdivé výstupy, jen předvídatelné.

2. Zadávejte práci, ne otázky

Když delegujete práci kolegovi, nepošlete mu jednu větu. Dáte mu podklady, řeknete jak má vypadat výsledek a poradíte mu jak se má rozhodovat. S AI je to stejné, jen jí lidi napíšou dvě věty a čekají zázrak.

Čtyři části každého zadání

1. Role. Nestačí „jsi asistent", musí být konkrétní, hlavně v čem má zkušenosti: „Jsi člověk, který deset let píše nabídky pro B2B firmy a ví, podle čeho se kupující rozhodují."
2. Kontext. Poslední odeslané nabídky, přepis schůzky, ceník. Model nepozná, co je pro vás důležité, a když mu to nedáte, dosadí si průměr z internetu.
3. Úkol a pravidla. Co má vzniknout a jak se rozhodnout, když si informace odporují: „Když klient chce kapacitu, kterou nejsme schopni dodat, drž se našich termínů, ne přání zákazníka."
4. Formát. Tabulka, čtyři sloupce, maximálně 500 slov. Bez jasné hranice budete výstup další hodinu přepisovat a tým nikdy nedostane dvakrát to stejné.

Delší zadání není delší pro zábavu, ale proto, že obsahuje rozhodovací pravidla. Bez nich to po AI opravujete u každého výstupu a neušetříte skoro nic.

Jak to vypadá v praxi

U jedné konzultační firmy zabrala každá nabídka obchodníkovi půl dne. Zajistili jsme, aby data ze schůzek padala rovnou do CRM, připravili šablony a CRM přes MCP server napojili přímo na AI. Obchodník dnes vybere šablonu, přidá přepis a nabídka je hotová v řádu minut. Opatrní buďte naopak u kreativních úkolů a výzkumu: kdyby se Koperník zeptal na tvar Země tehdejší AI, řekla by mu ne.

‍

3. Postavte kontextovou vrstvu

Psát kompletní kontext do každého zadání je neudržitelné, takže ho připravte jednou a používejte pořád dokola. Pomůžou s tím dvě věci.

AI sandwich

Spodní houska jsou zkontrolovaná data na vstupu, ať už z CRM, dokumentů nebo přepisů. Maso uprostřed je AI, která je zpracuje podle zadané role a pravidel. Horní houska je naformátovaný výstup uložený tam, kde ho někdo najde, tedy zpět do CRM, do úkolovníku nebo do e-mailu. Výsledek tak nekončí v chatu, ale v systému se kterým tým pracuje.

Kontextová databáze za hodinu

Druhá věc je kontextová databáze, ze které AI trvale čerpá. Pokud používáte Clauda, mám na ni hotovou šablonu zdarma na GitHubu: Stáhněte si jí zdarma zde. Psát ji od nuly ale nemusíte, informace z vás vytáhne sama AI:

„Chci postavit kontextový dokument pro onboarding nových zákazníků v mojí firmě XY. Udělej se mnou rozhovor a ptej se mě na jednu otázku za druhou, dokud nezmapuješ každý detail toho procesu, včetně všech výjimek, které mohou nastat."

Vy jen odpovídáte, klidně diktujte při procházce. Za hodinu až dvě máte dokument, který uložíte do sdílené znalostní báze nebo dáte jako přílohu k agentům. Kdokoli z týmu agenta spustí, má stejný kontext, a vy už jen vylepšujete jeden soubor pro všechny.

Pozor, kontext stárne

Kdybyste dokument neměli, AI se doptá. Když ho máte, nedoptá se a počítá s tím, že co v něm stojí, platí. Stalo se nám to u zákazníka, kde náš AI obchodník nabídl produkt, který už dávno neprodávali: v jeho vlastních podkladech stálo, že se pořád nabízí. Nastavte si proto revizi alespoň jednou za půl roku.

4. Ověřujte podle rizika, ne podle pocitu

Model zní stejně sebejistě, když má pravdu, i když halucinuje. Halucinace nevypnete, je to vlastnost toho principu, ale můžete s ní počítat. Neověřujte proto všechno, jen to, kde je riziko. Nízké riziko jsou interní sumáře a první návrhy. Vysoké riziko jsou nabídky, smlouvy, komunikace se zákazníkem a cokoli s právním nebo finančním dopadem.

Čtyři kontroly u rizikových výstupů

1. „Vypiš všechny předpoklady, které jsi udělal a seřaď je podle míry jistoty." Ten nejméně jistý bývá ten, který je úplně mimo.
2. „Ke každému číslu uveď přesný zdroj. Pokud ho nemáš, výslovně to napiš."
3. „Najdi jeden důvěryhodný zdroj, který s touto odpovědí nesouhlasí."
4. „Přepočítej každé číslo znovu a ukaž postup výpočtu."

Ručně to dlouho nevydržíte a váš tým ještě míň, udělejte z toho proto horní housku sandwiche, tedy automatickou kontrolu jako součást výstupu. A nespouštějte to hned naostro: prvních několik měsíců neposílejte nic automaticky ven, jen upozorňujte uživatele, že výstup čeká na kontrolu. Tři kroky zvládnuté na sto procent jsou lepší než systém, kde každý čtvrtý běh padá.

5. Určete úroveň autonomie

Lidi berou AI jako jednu velkou krabici, jenže ona to není jedna velká krabice. Pro každý proces musíte vědět, kolik samostatnosti mu dáte. AI asistent znamená, že model udělá návrh a člověk ho vybírá a schvaluje. Delegovaná AI řídí proces samostatně, ale přizve si člověka jako ruční brzdu u výjimek. Autonomní AI běží sama v jasně vymezeném hřišti a člověk zasáhne, jen když se něco pokazí.

Takhle postupně vznikal i Ninjabot. Nejdřív jen připravoval obchodníkům podklady ze schůzek a z CRM, pak začal psát odpovědi sám a obchodníka volal jen v kritických momentech. Dneska odpovídá na poptávky, e-maily, SMS i volání a sám rozhoduje, komu poslat kampaň. Člověk přijde na řadu, až se jde se zákazníkem sejít.

Jak vybrat správnou úroveň

Nevybírejte podle toho, co se vám líbí, ale podle jedné otázky: co mě to bude stát, když nastane chyba, které si nikdo nevšimne? Jestli je odpověď sto tisíc nebo miliony, do třetí úrovně ten proces nepatří. Postupujte od asistované k delegované a teprve pak k autonomní, a to až na reálných číslech: minimálně 95 % spolehlivosti, tedy ze sta běhů tolerujeme dva až tři nepovedené. Bez těch čísel to není investice do AI systému, ale do nadšení z něčeho, co chvilku fungovalo.

Co udělat ještě tenhle týden

Nepotřebujete lepší prompty ani lepší nástroj. Potřebujete jasný kontext, jasná rozhodovací pravidla a jednoho konkrétního člověka, který nese zodpovědnost za výstupy. Začněte takhle:

1. Vyberte jeden opakující se proces, třeba zpracování poptávky nebo přípravu nabídek.
2. Sepište k němu kontextový dokument rozhovorem z kroku 3.
3. Nastavte roli, pravidla a formát výstupu.
4. Dejte agenta týmu otestovat a zapisujte si, co chybělo a na co se doptával.
5. Zpřesňujte kontext a teprve pak přidávejte autonomii.

A nečekejte, až to modely zvládnou samy. I za pět let budou potřebovat vědět, co prodáváte a kdo jsou vaši zákazníci, protože kontext za vás nevymyslí žádný model. Automatizace totiž není o nahrazení lidí, ale o tom sundat z nich rutinu, aby dělali to, co má pro firmu skutečnou hodnotu.

‍

Potřebujete pomoct? Domluvte si s námi bezplatnou konzultaci.

‍