AI jsme pořídili kvůli konkurenci. Co jsme zjistili, když první nadšení opadlo

Nechtěl jsem zůstat pozadu. Během jednoho měsíce jsme proto pořídili několik placených licencí a začali hledat, kam AI použít. Pořadí bylo obrácené. Nejdřív jsme koupili nástroje, potom pro ně hledali práci.

Po třech měsících jsme dvě licence zrušili, několik nápadů zahodili a používání AI omezili na čtyři konkrétní činnosti. Výsledek je méně působivý než prezentace o digitální revoluci, ale dá se změřit. Týdně nám AI šetří přibližně 11 hodin.

Výchozí stav: hodně drobné práce, málo měření

Jsme malá firma. Nemáme oddělení pro zavádění AI ani člověka, který by půl roku kreslil procesní mapy. Máme práci, termíny a tabulku, jejíž čísla nejsou vždy aktuální.

Nejvíc času nám braly činnosti, které nebyly samy o sobě složité. Příprava podkladů pro články. Třídění poznámek ze schůzek. První verze pravidelných reportů. Kontrola dlouhých textů proti zadání. Každý úkol zabral 20 až 90 minut. V součtu to bylo asi 23 hodin týdně napříč čtyřmi lidmi.

Problém nebyl jen čas. Část práce se odkládala, protože byla otravná. Poznámky ze schůzky se zpracovaly až další den. U reportu jsme znovu ručně hledali stejná čísla. Při kontrole článku člověk po třetí stránce snadno přehlédl, že text odpovídá na jinou otázku, než měl.

Do toho přišel tlak zvenčí. I české firmy často kupují AI hlavně proto, že ji má konkurence. Do této skupiny jsme se zařadili bez většího odporu.

První pokus: licence pro všechny a volné pole působnosti

Pořídili jsme pět placených účtů ve třech různých nástrojích. Měsíční náklady byly přibližně 7 800 Kč. Zadání znělo jednoduše: používejte AI tam, kde vám může ušetřit čas.

To nefungovalo.

Každý si zkoušel něco jiného. Jeden člověk si připravil vlastní prompty. Druhý používal AI jako dražší vyhledávač. Třetí licenci skoro neotevřel. Já jsem se pokusil automatizovat přípravu článků od osnovy po hotový text.

První výsledky vznikaly rychle. Návrh článku byl hotový za několik minut místo tří hodin. Následná kontrola a přepis ale zabraly dvě a půl hodiny. Ušetřili jsme půl hodiny a výstup přitom vyžadoval rozsáhlou úpravu.

Hůř dopadly reporty. AI uměla dobře popsat, že návštěvnost stoupla o 18 procent. Nevěděla ale, že nárůst způsobila jednorázová kampaň, která skončila před týdnem. Komentář byl jazykově čistý a věcně zavádějící. Chyba se hůř rozpoznávala, protože text působil věrohodně.

Během prvních čtyř týdnů jsme namátkou zkontrolovali 40 výstupů. Ve 13 byly podstatné chyby nebo nepodložená tvrzení. Za podstatnou chybu jsme považovali něco, co by mohlo změnit rozhodnutí nebo se dostat ke klientovi. Překlepy jsem do statistiky nepočítal.

Co jsme změnili: nejdřív úkol, potom nástroj

Přestali jsme řešit, co všechno AI umí. Místo toho jsem vybral opakované činnosti, u kterých jsme znali vstup, požadovaný výstup a časovou náročnost.

Toto pořadí se ukázalo jako důležitější než volba modelu. Podobný smysl má i přístup, kdy se před nasazením agentů nejdřív zmapuje skutečný průběh práce. Kdybych to udělal na začátku, ušetřil bych si několik večerů diskusí s chatbotem o řízení firmy.

Vybrali jsme čtyři použití:

AI dnes nepíše hotové články. Připravuje pracovní osnovu, třídí dodané podklady, hledá rozpory a označuje místa, kde chybí zdroj. Autor rozhoduje, co je důležité, a ručí za každé tvrzení.

U zápisů pracujeme s přepisem schůzky. Model dostane pevnou strukturu: rozhodnutí, otevřené otázky, úkol, odpovědná osoba a termín. Pokud odpovědná osoba nebo termín nezazněly, musí uvést „neuvedeno“. Nesmí je odhadnout.

Report vzniká jen z dat, která mu dodáme. AI připraví první popis změn a vypíše neobvyklé odchylky. Jejich příčiny doplňuje člověk, který zná kampaně a souvislosti. Tím jsme omezili věcně nepodložené vysvětlování bez kontextu.

Výsledek po třech měsících

Celkový čas na vybrané činnosti klesl z přibližně 23 na 12 hodin týdně. Úspora tedy činí 11 hodin. Při čtyřech pracovních týdnech jde zhruba o 44 hodin měsíčně.

Náklady na nástroje jsme snížili ze 7 800 na 3 200 Kč měsíčně. Zrušili jsme dvě licence, které se překrývaly s jinými. Nevyvíjeli jsme vlastní řešení. Pro naši velikost by to nedávalo smysl. Než firma začne něco programovat, je dobré si ujasnit, zda vlastní AI skutečně potřebuje, nebo může koupit hotový nástroj.

Znovu jsme také zkontrolovali 40 náhodných výstupů. Podstatnou chybu jsme našli ve třech. Ve všech případech ji zachytil člověk před dalším použitím.

Největší úsporu nepřineslo samotné generování. Přinesla ji jednotná struktura vstupů a výstupů. Bez AI bychom část stejného výsledku získali lepšími šablonami. Část zlepšení tedy nebyla důsledkem AI, ale zavedení pořádku v práci.

Co bych dnes udělal jinak

Nekupoval bych licence pro celý tým. Začal bych jedním účtem a dvěma úkoly, které se opakují alespoň několikrát týdně. Po dobu čtyř týdnů bych u každého použití zapisoval čas před úpravou, čas po úpravě a počet chyb zachycených při kontrole.

Také bych předem určil, která data se do externího nástroje nesmějí vložit. Citlivé klientské informace, přístupové údaje a osobní data tam nepatří jen proto, že se to technicky dá udělat.

AI bych nenasazoval na činnost, kterou neumíme dobře popsat bez ní. Pokud nedokážu říct, jak má vypadat správný výstup, nedokážu ho ani zkontrolovat. Automatizace by pak jen urychlila zmatek.

AI se nám vyplatila až ve chvíli, kdy jsme přestali soutěžit, kdo ji použije na více věcí. U malé firmy dává větší smysl vybrat dva opakované úkoly, čtyři týdny měřit čas a bez sentimentu zrušit nástroje, které nepřinášejí výsledek.