ChatGPT se mění z nástroje na pracovní prostředí firmy

Ještě nedávno jsem ChatGPT vnímal hlavně jako nástroj pro psaní. Člověk zadal otázku, dostal text a výsledek ručně přenesl do e-mailu, tabulky nebo systému. Jednotlivci to práci usnadnilo. Samotný proces se však příliš nezměnil.

Během roku 2025 se tento způsob použití začal měnit. OpenAI 4. června 2025 rozšířila firemní verze ChatGPT o konektory, tedy řízená propojení s dalšími aplikacemi a datovými zdroji. ChatGPT může podle nastavených oprávnění hledat například v SharePointu, Google Drivu nebo GitHubu. Nepracuje už jen s obsahem, který mu uživatel právě vloží do chatu.

K tomu přibývají další funkce. Projekty udržují pohromadě konverzace, soubory a pokyny ke konkrétní práci. Režim záznamu umí převést schůzku na přepis a souhrn. Firemní znalosti propojují odpovědi se zdroji uvnitř organizace. Nástroje označované jako agenti mohou kromě přípravy návrhu provést také několik kroků v aplikacích. Rozdíl je podstatný. Chatbot odpovídá na dotazy. Pracovní prostředí uchovává kontext, vyhledává v podkladech a může provést část úkolu.

Tuto změnu netvoří jediná funkce, kterou stačí zapnout. Vzniká spojením několika méně nápadných schopností. Jejich součet může každodenní práci změnit víc než samotné zlepšení kvality odpovědí.

Hodnota není v odpovědi, ale v cestě k ní

Uvažujme běžnou přípravu nabídky. Obchodník otevře poznámky ze schůzky, dohledá předchozí komunikaci, najde ceník, zeptá se kolegy na termín a přepíše údaje do dokumentu. ChatGPT dnes umí napsat uhlazený návrh za minutu. Jestli mu však člověk předtím 15 minut nosí podklady a potom dalších 10 minut kontroluje smyšlené údaje, rychlé vytvoření návrhu samo o sobě mnoho času neušetří.

Pracovní prostředí dává smysl ve chvíli, kdy zkrátí také okolní kroky. Může vyhledat podklady v povolených zdrojích, sestavit návrh podle firemní šablony a uvést, odkud jednotlivá tvrzení převzalo. Člověk stále rozhodne o ceně, termínu a závazku. Nemusí však ručně přenášet údaje mezi několika aplikacemi.

Stejný princip platí u zápisu z porady. Samotný souhrn řeší jen část práce. Větší hodnotu má postup, který z přepisu vytáhne úkoly, přiřadí je odpovědným lidem a připraví podklady pro další schůzku. Pokud výsledek skončí jako další dokument v adresáři, původní proces se téměř nezměnil.

Přínos bych proto neměřil počtem vytvořených textů. Sledoval bych dobu od vzniku požadavku po použitelný výsledek, počet ručních přenosů a počet vrácených výstupů. V jednom našem dřívějším testu stálo 5 licencí 7 800 Kč měsíčně a ve 40 výstupech jsme našli 13 podstatných chyb. Až měření ukázalo, kde AI skutečně šetří čas. Bez těchto údajů bych přínos hodnotil jen podle dojmu.

3 cesty mají jiné náklady i rizika

1. možností je nechat ChatGPT jako samostatný nástroj pro jednotlivce. Zaměstnanec do něj vloží vybrané podklady a výsledek přenese do aplikace, ve které s ním bude dál pracovat. Náklady tvoří předplatné a pracovní čas. Připočítal bych také kontrolu každého výstupu, školení a správu účtů.

Tato cesta se hodí pro nepravidelné úkoly, například přípravu osnovy prezentace, úpravu formulace nebo shrnutí veřejného dokumentu. Nehodí se pro proces, ve kterém se denně přepisují stejná data. Ruční kopírování sice brání části automatických chyb, současně však vytváří další příležitosti k omylu.

2. možností je společný projekt s řízenými zdroji. Firma vybere 1 proces, založí pro něj prostor v ChatGPT, přidá schválené pokyny a zpřístupní jen potřebné složky nebo aplikace. Přímým nákladem jsou licence. Více práce obvykle vyžaduje příprava dat, nastavení oprávnění a určení odpovědnosti za kontrolu.

Začal bych procesem, který se opakuje alespoň několikrát týdně a jehož chybu lze včas zachytit. Může jít o přípravu interního souhrnu otevřených požadavků. Vybral bych 20 skutečných případů, změřil původní čas a zaznamenal opravy. Pilot bych zastavil, pokud by se doba nezkrátila nebo by přibyly významné chyby. Podrobnější přípravu takového ověření popisuji v textu o prvním AI pilotu ve firmě.

3. možností je propojení přes API, tedy rozhraní, kterým si aplikace předávají data bez ručního kopírování. ChatGPT nebo jiný model pak může být součástí CRM, helpdesku či interní aplikace. Náklady nekončí vývojem. Patří k nim provoz, sledování chyb, přizpůsobování změnám modelů, testování a náhradní postup při výpadku.

Vlastní napojení volím tam, kde je velký objem, jasná struktura vstupu a měřitelný výsledek. Typickým příkladem je třídění příchozích požadavků a příprava návrhu odpovědi. Konečné odeslání může zůstat na člověku. API samo nic nevyřeší, pokud není jasné, která aplikace obsahuje platná data a co se má stát při neúplné odpovědi. Tyto otázky řeším předem při návrhu integrace mezi systémy.

Oprávnění jsou součást procesu

Jakmile ChatGPT hledá ve firemních souborech, přestává být jeho správa osobní záležitostí. Když zaměstnanec vidí dokument v připojeném úložišti, může se jeho obsah objevit také v odpovědi. AI tím často nevytvoří nové oprávnění. Dokáže však rychle využít oprávnění, která byla nastavena příliš široce.

Před připojením zdroje bych proto udělal 3 konkrétní kroky:

1. Vybral bych 1 složku nebo 1 aplikaci, nikoli celý firemní disk.
2. Otestoval bych účty s různými rolemi a ověřil, že každý dostane jen zdroje odpovídající jeho oprávnění.
3. Stanovil bych, které výstupy musí před použitím schválit člověk a kde se zaznamená zdroj odpovědi.

Do 1. pokusu bych nezařadil mzdy, zdravotní údaje, přístupová hesla ani dokumenty s nejasným vlastníkem. Neznamená to, že jsou všechny funkce automaticky nebezpečné. U pilotu však není důvod začínat materiálem, jehož únik nebo chybné použití se obtížně napravuje.

Stejně důležitá je příprava na výpadek. Pokud AI stojí uprostřed procesu, musí požadavek zůstat uložený a po obnovení se nesmí provést dvakrát. Náhradní cesta a fronta úloh pomáhají zabránit tomu, aby zpoždění vedlo ke 2 odeslaným odpovědím nebo k duplicitnímu záznamu.

Pilot potřebuje 1 uzavřený proces

Licence bych dnes nekupoval celé firmě jen s pokynem, aby lidé sami zjistili, k čemu je využijí. Tento postup jsem už viděl. Výsledkem bylo několik nadšenců, několik odpůrců a náklady bez společně stanoveného cíle.

Vybral bych 1 proces na 4 týdny. Zapsal bych současný čas, počet předání a chyby. Připojil bych jen zdroje, které jsou pro daný úkol nutné. Na 20 případech bych porovnal původní a nový postup. Podle výsledků bych rozhodl, zda zůstat u samostatného ChatGPT, přidat společný pracovní prostor, nebo zadat integraci.

ChatGPT se nestane pracovním prostředím jen proto, že v něm zaměstnanci stráví celý den. Tuto roli získá, když uchová potřebný kontext, respektuje oprávnění a odstraní ruční kroky, aniž by znejasnil odpovědnost. Rozhraní může stále vypadat jako obyčejný chat. Pokud však propojuje data a provádí kroky v dalších aplikacích, vyžaduje stejnou správu, kontrolu a přípravu na výpadek jako ostatní firemní systémy.