Magdaléna
Máte nejvíc obav ze všech a zároveň nejvíc vyzkoušených způsobů použití. To není rozpor — to je nejzdravější kombinace, jaká existuje.
Magdaléno, váš dotazník je z celého scanu nejvíc promyšlený. Zaškrtla jste všech sedm obav — nikdo jiný nemá víc než pět — a zároveň máte jedenáct vyzkoušených způsobů použití, což je taky nejvíc. Většina lidí je buď obezřetná a nepoužívá, nebo používá a nepřemýšlí. Vy děláte obojí.
Ten příklad s technologickým schématem je nejlepší popis halucinace, jaký jsem ve scanu četla. Chtěla jste náčrt učebnicové technologie, na webu obrázek nebyl, popsala jste ji AI — a ona vyhodila něco, co by z logiky věci spadlo. A vy jste to poznala, protože tomu rozumíte. To je přesně ta věc, kterou vaše odbornost dělá: není to znalost navíc, je to jediná ochrana, která u tohohle typu chyby funguje.
Teď to, kvůli čemu píšu. Vaše největší činnost je vyhodnocování stavů technologických celků a zpracování dat — přes deset hodin týdně. Práci s daty a vyhodnocování laboratorních rozborů uvádíte mezi třemi největšími ztrátami času. A v otázce, co byste si přála, jste napsala zpracování kvanta dat a rovnou vytváření grafů a trendů.
V seznamu jedenácti věcí, které jste s AI dělala, ale není zaškrtnutá ani jedna položka o analýze dat. Ani analýza tabulky, ani graf z dat. Zkusila jste jedenáct věcí a zrovna tuhle jednu, která by vám ušetřila nejvíc, ne. To je celý tenhle výstup.
Stupeň 3 z 5
Škála nevychází z toho, jak často AI otevřete, ale z toho, co jste s ní reálně dělala.
Co už umíte
Jedenáct různých použití — shrnutí materiálů, porovnání dokumentů, přepis nahrávky, práci s výkresem a fotkou, psaní vzorců, grafiku, osnovu prezentace. To je nejvíc ze všech na vašem stupni.
V otázce na pojmy jste navíc u projektů a vlastních GPT zaškrtla „zkoušela jsem to”. Pokud jste si i nějaký postavila, jste o stupeň dál, než ukazuje škála — v seznamu použití to zaškrtnuté nemáte, tak jsem počítala opatrněji.
Nejbližší krok
Pustit AI na tabulku laboratorních dat.
Je to jediná chybějící kategorie a shodou okolností ta, která odpovídá vaší největší činnosti. Nic nového se neučíte — nahrát podklad a ptát se na něj umíte, jen jste to zatím nezkusila na číslech.
Kde AI pomůže a kde ne
Tři z vašich čtyř činností jsou pod třemi hodinami týdně. Čtvrtá — vyhodnocování stavů technologických celků a zpracování dat — je přes deset. Celý prostor je v ní.
- Vyhodnocování laboratorních dat a stavů technologických celků — přes deset hodin týdně a zároveň dvě ze tří vašich největších ztrát času. Trendy, odchylky, srovnání období, grafy. Přesně to, co jste si přála, a jediné, co jste nezkusila.
- Soupisy zpráv ze servisní činnosti — pevná struktura, opakuje se, jde z podkladů.
- Rešerše, projekty a studie — struktura, srovnání zdrojů, kontrola konzistence. S jednou výhradou u zdrojů, o které píšu níž.
- E-maily — vaše největší uváděná ztráta času. Napsala jste, že vám berou čas e-maily bez vypovídající hodnoty; shrnutí dlouhého vlákna do tří bodů řeší přesně tohle.
- Dohledávání pojmů a vysvětlování — vaše vlastní přání, a částečně je to hotové. Víc v sekci o nástrojích.
- Kontrola výkresů a náčrtů — přála jste si posouzení, jestli jsou ve výkresech chyby. Kontrola existujícího výkresu proti podkladu jde — čitelnost, úplnost, soulad se soupisem. Generování návrhu schématu ne, a to jste sama zažila: to, co vám vyhodila, by spadlo.
- Dekódování údajů ze štítků — použila jste to na materiálové vlastnosti čerpadla, když katalog nebyl dostupný. Funguje to na přečtení štítku, ne na doplnění toho, co na něm není. Rozdíl je zásadní a v obou případech to vypadá stejně přesvědčivě.
- Zápisy a záznamy z jednání — přepis a struktura ano, rozhodnutí o tom, co je podstatné, ne.
- Návrh technologie a schémata — vaše vlastní zkušenost. AI vygeneruje něco, co vypadá jako technologické schéma a fyzikálně nefunguje. U učebnicové technologie to poznáte; u méně obvyklé sestavy to poznat nemusíte.
- Řešení problémů, za které nejste odpovědná — uvedla jste, že vám bere čas hledání, na koho se obrátit. To je organizační věc a AI ji nevyřeší. Patří to na seminář, ne do nástroje.
- Práce na lokalitě — obsluha provozu, poruchy strojů, výměna komponent. Sama jste napsala, že tohle AI nahradit nemůže. Máte pravdu a ani v tomhle výstupu k tomu nic nesměřuje.
Zhruba 135 až 200 hodin ročně
Tři věci, které můžete udělat hned
V dotazníku jste napsala, že žádná z nabízených forem učení vám nepřipadá vhodná a že dává smysl kombinace teorie a praxe a hlavně opakování. Tenhle plán je přesně to — tři věci ze skutečné práce, ne cvičení.
Jedna tabulka laboratorních dat
Vezměte sadu dat z testování, kterou už máte vyhodnocenou, a pusťte na ni prvního asistenta z portfolia níže.
Proč zrovna u vyhodnocené sady: znáte závěr, takže hned uvidíte, jestli trefil to samé — a hlavně jestli si něco nedomyslel. U vás je ten druhý test důležitější než první.
Zopakujte to třikrát
Ne jednou. Sama jste napsala, že dává smysl opakovat a opakovat — a máte pravdu, zvlášť u dat.
Po prvním pokusu víte, že to funguje. Po třetím víte, kde to selhává — a to je u vaší práce podstatnější. Zapisujte si, co pokaždé nesedělo.
Uložte si, co fungovalo
Obyčejný dokument se zadáními, která vám dala použitelný výsledek — plus poznámka, kde se to pokazilo.
Máte jedenáct vyzkoušených použití a podle dotazníku je nemáte uložená. Zapsaná zkušenost z opakování je přesně to, co jste popsala jako smysluplný způsob učení — jen se to musí někam psát, jinak se to nenasčítá.
Vaše navržené portfolio asistentů
První je ta chybějící kategorie a zároveň vaše největší činnost. Druhý a třetí jsou věci, které děláte pravidelně a mají pevnou strukturu.
Poloprovozní testy a technologické výpočty jste označila za informace, které by neměly opustit firmu — a máte pravdu. Pro nalezení trendu ale AI nepotřebuje vědět, o kterou lokalitu nebo zákazníka jde. Vynechte identifikaci, nechte čísla.
###ROLE Jsi analytik dat z laboratorního testování a provozních měření technologií pro čištění a úpravu vody. Pracuješ s časovými řadami — účinnosti, koncentrace, průtoky, dávkování, pH, teploty. ###HLAVNÍ CÍL Z dat, která ti vložím, vytáhni to, co má význam pro vyhodnocení, a připrav podklad do zprávy. ###PRIORITY 1. Nejdřív mi řekni, co v datech vidíš: trendy, ustálené stavy, náběhy, skoky. Až potom detaily. 2. Odchylky: hodnoty, které vybočují z řady. Označ je a napiš, jestli to vypadá spíš na chybu měření, nebo na skutečnou změnu v provozu. 3. Když ti dám více sad, porovnej je a řekni, jestli je rozdíl významný, nebo v rozptylu měření. 4. Navrhni, jak data zobrazit — jaký typ grafu a jaké veličiny proti sobě. Když umíš graf vykreslit, udělej to. 5. Pojmenuj, co z dat plyne pro vyhodnocení technologie, a ODDĚL to od toho, co z nich neplyne. 6. Připrav text do zprávy v podobě, kterou můžu upravit — věcně, bez závěrů, které data neunesou. ###STYL Česky, odborně. Jednotky uváděj vždy. Když je závěr slabě podložený, napiš to natvrdo. ###DŮLEŽITÉ NIKDY nedopočítávej chybějící hodnoty a nedomýšlej podmínky měření, které jsem ti neuvedla. U KAŽDÉHO výpočtu ukaž postup — jaká čísla jsi použil a jak jsi je spočítal. Nikdy neuváděj výsledek bez rozpisu. --- Data: [VLOŽTE MĚŘENÍ] Podmínky testu: [TECHNOLOGIE, OBDOBÍ, CO SE SLEDOVALO]
Máte v dotazníku zaškrtnutý přepis nahrávky do zápisu, takže si záznamy můžete i nadiktovat a nechat rovnou zpracovat.
###ROLE Jsi asistent technologa ve firmě dodávající technologie pro čištění a úpravu vody. Sestavuješ zprávy ze servisní činnosti a ze záznamů o stavu technologických celků. Máš k dispozici vzorové zprávy — drž se jejich struktury. ###HLAVNÍ CÍL Z mých záznamů sestav zprávu ve stejné podobě, v jaké je píšeme. ###PRIORITY 1. Použij strukturu ze vzorových zpráv. Neměň pořadí ani názvy částí. 2. Uspořádej moje záznamy do správných částí, i když je píšu nesouvisle a přeskakuji. 3. Části, ke kterým nemám podklad, NEVYMÝŠLEJ. Označ je jako [DOPLNIT] a vypiš je na konci do jednoho seznamu. 4. Zkontroluj konzistenci: označení zařízení, jednotky, hodnoty, data. Nesrovnalosti vypiš zvlášť. 5. Když ze záznamů plyne něco, co by se mělo sledovat nebo co může být problém, napiš to jednou větou pod zprávu. 6. Zvlášť vypiš úkoly a doporučení, která z kontroly plynou. ###STYL Česky, věcně, odborně. Krátké věty. V minulém čase u toho, co se dělo. ###DŮLEŽITÉ NIKDY nedoplňuj naměřené hodnoty, typy zařízení ani data, která jsem ti nedala. Když je něco nejasné, označ to místo odhadu. --- Vzorové zprávy: [VLOŽTE 2 AŽ 3] Záznamy z této akce: [VLOŽTE]
Kontrolu ale nenahradí. U vás to funguje proto, že máte odbornost a poznáte, když je něco mimo. U studie, která půjde dál pod vaším jménem, to ověření musí zůstat.
###ROLE Jsi rešeršní asistent pro obor úpravy a čištění vod. Připravuješ podklady k odborným rešerším, studiím a projektům. ###HLAVNÍ CÍL Připravit podklad, který půjde ověřit — ne podklad, který zní dobře. ###PRIORITY 1. Odděl od sebe tři věci a vždy je označ: co je doložitelné z odborné literatury, co je běžná praxe bez opory ve zdrojích, a co je tvoje úvaha nebo odvození. 2. Když si zdrojem nejsi jistý, NEUVÁDĚJ ho. Napiš, že pro dané tvrzení zdroj nemáš. Chybějící zdroj je lepší než vymyšlený. 3. Když se tě ptám na technologii, schéma nebo uspořádání, které nemůžeš doložit, ŘEKNI TO. Nevymýšlej návrh, který vypadá pravděpodobně — u technologie to má fyzikální důsledky. 4. U hodnot, účinností a parametrů vždy uveď rozsah a podmínky, za kterých platí. Jedno číslo bez podmínek je zavádějící. 5. Když je téma sporné nebo se zdroje rozcházejí, řekni to a uveď obě strany. 6. Na konci mi dej seznam tvrzení seřazený podle toho, jak nutné je je ověřit, než to půjde dál. ###STYL Česky, odborně, věcně. Bez vycpávek. ###DŮLEŽITÉ NIKDY nevymýšlej čísla, účinnosti, parametry, názvy technologií ani citace. Když je nemáš, napiš, že chybí. --- Téma: [ZADÁNÍ] Co už mám: [VLASTNÍ PODKLADY, DATA, DŘÍVĚJŠÍ PRÁCE]
Váš plán na 30 dní
Postavený podle toho, co jste sama označila za smysluplné — praxe a opakování, ne teorie. Každý týden to samé na jiných datech.
Data, která znáte
Vyhodnocená sada z testování. Porovnejte, co našel, s tím, co jste našla vy. Zapište si, co si domyslel a co přehlédl.
Data, která ještě nemáte vyhodnocená
Tentokrát naostro — ale projděte si to potom sama, jako obvykle. Zajímá vás, jestli vám ušetřil čas, nebo jestli jste kontrolou strávila stejně dlouho.
Potřetí, s upraveným zadáním
Vezměte poznámky z prvních dvou týdnů a doplňte do instrukce, co pokaždé nesedělo. Tohle je ta část, kterou jste popsala jako opakovat a opakovat — a je to jediný způsob, jak se zadání vyladí.
Zbylé dva asistenty
Až vám funguje první, přidejte zprávy ze servisu a rešerše. V tomhle pořadí — ne obráceně.
- Pustila jste AI aspoň třikrát na tabulku. Dnes jste to nezkusila ani jednou.
- Máte zapsané, kde to selhává — ne jen kde to funguje. U vás je to důležitější.
- Zadání jste aspoň jednou upravila podle vlastní zkušenosti.
- Vyhodnocení dat vám zabírá míň než dřív, i po započítání kontroly.
U vás je nejčastější příčina jasná z toho, co jste sama zažila. Tři věci v tomhle pořadí:
- Ptáte se na to, co má vědět. Technologie, schémata, parametry, hodnoty z katalogů. Tam si domýšlí a vypadá to přesvědčivě.
- Chybí vzor. U zprávy nebo rešerše je rozdíl mezi popisem struktury a vloženým vzorem obrovský.
- Zadání je moc široké. „Vyhodnoť ta data” nefunguje. „Najdi hodnoty, které vybočují z řady, a řekni, jestli to vypadá na chybu měření” ano.
🛠️ Machr na pokyny pro vlastní asistenty
Tohohle asistenta jsem postavila a je váš. Napíše vám pokyny pro vlastního asistenta tak, aby se daly rovnou zkopírovat a vložit. Řeknete mu, co má váš asistent umět, a on z toho udělá hotové instrukce.
Vybrala jsem vám ho proto, že jste si přála „poradníčka” na dohledávání informací a encyklopedii na vysvětlování pojmů. To je asistent s vlastními instrukcemi — a vy jste v dotazníku uvedla, že projekty a vlastní GPT jste už zkoušela. Máte tedy blíž k tomu, abyste si ho postavila sama, než si možná myslíte. Tenhle nástroj udělá tu nejnudnější část, tedy sepsání instrukcí.
Běží v ChatGPT, který už používáte.
Tři věci, které nepřehlédněte
Model nevěděl. A když neví, nemlčí — dá dohromady to, co je nejpravděpodobnější na základě toho, co viděl. U textu to vypadá jako věrohodná věta. U technologického schématu to vypadá jako schéma, jen nefunguje. Nepozná se to podle formy, jen podle obsahu.
To má pro vaši práci konkrétní důsledek. V dotazníku si přejete pomoc s výkresy a posouzení, jestli jsou v nich chyby. Kontrola existujícího výkresu proti podkladu je bezpečná — má co porovnávat. Generování návrhu není — nemá se čeho chytit. Rozdíl je v tom, jestli jí dáte podklad, nebo se ptáte na to, co má vědět.
Vy jste tu chybu odhalila z odbornosti. U učebnicové technologie to poznáte. U méně obvyklé sestavy to poznat nemusíte — a právě proto stojí za to tu hranici držet i tam, kde si věříte.
Do vyjasnění se řídíte vlastním úsudkem — sama píšete, že děláte jen to, co považujete za bezpečné na základě svého vnitřního nastavení. To je rozumné, ale je to zatím jen vaše pravidlo.
Pro vaši práci funguje jednoduché vodítko: čísla a struktura ano, identifikace ne. Pro nalezení trendu v laboratorních datech nepotřebuje AI vědět, o kterou lokalitu jde. Pro sestavení zprávy jí stačí obecný popis technologie bez názvu zakázky.
Váš požadavek stojí za to vyslovit nahlas na semináři 10. září. Konkrétní otázka se zodpovídá líp než obecná stížnost, že pravidla chybí.
Povinnost označení míří jinam: na realistická videa a obrázky zobrazující osoby, na chatboty komunikující s veřejností, a na texty zveřejněné za účelem informování veřejnosti o věcech veřejného zájmu — a i tam platí výjimka, pokud text prochází lidskou kontrolou s odpovědností.
Na servisní zprávu, na interní rešerši ani na e-mail se povinnost nevztahuje. Naopak u příspěvků na sociální sítě, které jste zmínila mezi svými přáními, to stojí za pozornost — tam záleží na tom, co v nich je.
Tohle je orientační přehled, ne právní stanovisko — pravidla jsou nová a jejich výklad se zatím usazuje.
Jeden nástroj — a je to půlka toho, co jste si přála
Nahrajete do něj desítky dokumentů najednou a ptáte se napříč všemi. Odpovídá výhradně z toho, co jste mu dala, a u každé odpovědi ukáže, ze kterého dokumentu a odkud přesně čerpá.
Proč zrovna vám: přála jste si „poradníčka” na dohledávání informací a encyklopedii na vysvětlování pojmů. Tu druhou část tenhle nástroj umí dnes — nahrajete si normy, technické listy, metodiky a interní podklady, a ptáte se do nich. Tu první část, dohledávání napříč firemními rozhraními, ne; to by potřebovalo propojení na systémy a je to námět na seminář.
A je postavený proti tomu, co jste zažila: nemá si co vymyslet, protože zná jen to, co jste mu dala. Když v podkladech odpověď není, řekne, že tam není — místo aby vygeneroval pravděpodobný návrh. Pro vaši práci s technologiemi je to podstatně bezpečnější prostředí než běžný chat.
Jedna výhrada: je to taky cloud. Do vyjasnění pravidel do něj dávejte veřejné podklady — normy, katalogy, odbornou literaturu — ne interní dokumentaci.
K té otázce black-boxu
Máte pravdu, a přesto to nebrání tomu, co vám doporučuji
Napsala jste, že nikdo reálně neví, jak ten black-box funguje — ani samotní tvůrci — a že bez kontroly a nastavení pravidel je to pro lidstvo nebezpečné. Zmínila jste i testy, ve kterých systémy v nehlídaném prostředí sklouzly k chování, které nikdo nechtěl.
Tuhle část nebudu vyvracet. Interpretovatelnost — tedy schopnost vysvětlit, proč model odpověděl zrovna takhle — je otevřený výzkumný problém, na kterém se pracuje a vyřešený není. Kdo tvrdí opak, buď to nezná, nebo něco prodává.
Chci ale rozlišit dvě otázky, které se v téhle debatě slévají dohromady. Jedna je, jestli svěřit takovému systému rozhodování bez lidské kontroly. Tam vaše obava platí a odpověď zní ne — a platí to obzvlášť v oboru, kde zařízení upravuje pitnou vodu.
Druhá je, jestli si nechat najít odchylku v tabulce, kterou stejně projdete vlastníma očima. Tam ta obava nehraje roli, protože rozhodnutí zůstává celé u vás. Model něco navrhne, vy to posoudíte. Nerozumět tomu, jak přesně k návrhu došel, je v tomhle případě stejně podstatné jako nerozumět tomu, jak funguje kalkulačka — dokud výsledek kontrolujete.
Všechny tři věci v tomhle výstupu jsou z té druhé kategorie. Ani jedna z nich nic nerozhoduje — všechny tři jen zpracují to, co jim dáte, a vrátí vám podklad ke kontrole. To není opatrnost z mé strany, to je přímý důsledek toho, co jste napsala.
Dvě poznámky na závěr
K tomu, co jste si přála
Zpracování dat a tvorba grafů — jde dnes, máte to jako prvního asistenta a je to zároveň vaše největší nevyužitá věc.
Encyklopedie na dohledávání pojmů — jde dnes, řeší to NotebookLM.
„Poradníček” napříč firemními rozhraními — nejde bez propojení na systémy. To je věc pro IT a pro rozhodnutí firmy.
Posouzení chyb ve výkresech — jde částečně. Kontrola proti podkladu ano, generování návrhu ne.
Poslední dvě patří na seminář 10. září. A nejste jediná, kdo si přeje propojení na firemní systémy — stojí za to to tam vyslovit, protože společný požadavek váží víc než jednotlivý.
K tomu, jak se učit
V dotazníku jste napsala, že žádná z nabízených forem vám nepřipadá vhodná, a dodala, že dává smysl kombinace teorie a praxe a hlavně opakování. Máte pravdu a je to lepší odpověď než ty nabízené.
Proto je plán na měsíc postavený tak, že tři týdny děláte tu samou věc na jiných datech a zapisujete si, kde to selhalo. Není to kurz a není to teorie — je to přesně to opakování, o kterém jste psala.
Jedna poznámka k tomu „nemám čas se to učit”, což jste uvedla jako bariéru. U AI se čas neztrácí učením, ale opakovaným vysvětlováním toho samého. Vy máte jedenáct vyzkoušených použití a podle dotazníku nemáte uložené ani jedno. Těch patnáct minut zapisování je jediná investice, která se vám vrátí každý den.