Pavel
Vy nejste ten, kdo se má naučit používat AI. Vy jste ten, na kom teď záleží, jestli se to naučí firma.
Pavle, na otázku, koho se ve firmě zeptáte, když si nevíte rady s AI, jste odpověděl „Pavel Dobiáš, nebo AI”. Ten smajlík za tím jsem si užila, ale je to zároveň přesná diagnóza. Jste tak daleko, že nad vámi ve firmě nikdo není — a to má svou cenu.
Jedna vaše odpověď mi z celého scanu utkvěla nejvíc. Napsal jste, že jste zjistil, že si můžete dovolit dělat věci, o kterých jste věděl, ale netroufal jste si na ně. To je nejlepší popis toho, co s lidmi AI dělá, jaký jsem od někoho slyšela — a je to něco úplně jiného než „ušetří čas”. Posunout hranici toho, co si člověk troufne, je větší věc než zrychlit, co už uměl.
A pak jste napsal dvě věci, které si na první pohled odporují. V otázce na bariéry: „nic mi nebrání, stačí nápad a jedem”. V poslední otázce: že firma není infrastrukturně připravená a že vedení kromě frází nedefinovalo, co očekává a jak s AI zdatnými lidmi naloží. Rozpor to ale není. Vám osobně skutečně nic nebrání. Brání to firmě — a vy jste v pozici, kdy to na sobě nesete nejvíc, protože jste nejdál.
K té poslední odpovědi se ještě vrátím na konci tohohle dokumentu. Nebudu předstírat, že ji vyřeším, ani ji nepřejdu mlčením.
Stupeň 5 z 5
Škála nevychází z toho, jak často AI otevřete, ale z toho, co jste s ní reálně udělal.
Co už umíte
Uložené prompty, vlastní instrukce, vlastní asistenti, aplikace postavená bez programování, HTML dashboardy, hlasový deník převedený na měsíční report. Pracujete s pěti nástroji včetně pluginů v Office a v prohlížeči. A v otázce na pojmy jste zaškrtl „zkoušel jsem to” u šesti ze sedmi — včetně agentů, Skills, Coworku a propojení přes MCP.
Jediné dvě mezery
Lokální model je jediný pojem, u kterého jste zaškrtl jen „slyšel jsem o tom”.
A v seznamu toho, co jste reálně udělal, chybí jediná položka z horní skupiny: něco, co běží samo bez vašeho zásahu. Stavíte nástroje, které pouštíte ručně. Přitom vaše vlastní přání v dotazníku je automatický měsíční report, kde byste dělal jen výstupní kontrolu. Celý tenhle výstup směřuje k té jedné položce.
Kde AI pomůže a kde ne
Vaše čtyři hlavní činnosti dohromady zabírají přes pětatřicet hodin týdně. Tři z nich jsou nad deset hodin. To není práce, kterou jde zrychlit tím, že budete rychleji psát.
- Zpracování experimentálních dat — přes deset hodin týdně a zároveň vaše největší uváděná ztráta času. Tady není otázka, jestli AI pomůže, ale jestli poběží sama, nebo ji budete pouštět ručně.
- Odborné publikace a sborníky — přes deset hodin týdně. Struktura, rešerše, jazykové varianty, kontrola konzistence. S jednou výhradou u zdrojů, viz níže.
- Rutinní reporty — sám píšete, že jste některé už částečně zautomatizoval. Zbytek je stejná práce, jen ještě neudělaná.
- Hledání v interních dokumentech — denně přes deset minut. U vás je to horší než u ostatních, protože sám popisujete infrastrukturu jako chabou a nemodernu.
- Příprava konferencí a školení — dopsal jste si to do seznamu činností sám. Program, pozvánky, materiály, podklady pro účastníky. Opakuje se to a má to pevnou kostru.
- Návrhy technologických řešení — přes deset hodin týdně. AI zvládne varianty, výpočty, srovnání a rešerši podobných řešení. Rozhodnutí, co se v dané lokalitě a za daných podmínek osvědčí, stojí na vaší zkušenosti, ne na modelu.
- Komunikace se zákazníky a partnery — 5 až 10 hodin týdně. Podklady, shrnutí, cizojazyčné verze ano. Samotný vztah ne. Zajímavé je, že jste jako jediný z dosud vyplněných dotazníků nezaškrtl, že si necháváte psát e-maily — a přitom je píšete. To je vědomá volba, nebo nevyužitá příležitost?
- Hodnocení členů týmu — dopsal jste si to sám. AI pomůže se strukturou a s tím, aby zpětná vazba byla konkrétní. Obsah musí zůstat váš a nesmí do ní jít osobní údaje.
- Cestování — uvedl jste ho jako věc, která vám bere čas. Je fér říct, že tohle AI nevyřeší. Řeší se to organizací práce a rozhodnutím, kam je nutné jet osobně.
- Odpovědnost za technologický návrh — u zařízení, které bude čistit vodu pro obec, je za funkčnost a bezpečnost odpovědný člověk. To se nemění.
- Ověřování zdrojů u odborných publikací — myšleno tak, že tuhle kontrolu nesmíte předat AI. Vy sám jste zažil vymyšlený zdroj u Perplexity, kde jste to už skoro nečekal. U publikace do sborníku je vymyšlená citace problém, který nese vaše jméno.
Zhruba 225 až 270 hodin ročně
Tři věci, které můžete udělat hned
Vynechávám všechno, co umíte. Tohle jsou tři věci, které ve vašich odpovědích chybí.
Postavte první věc, která poběží sama
Vezměte ten měsíční report z knihy jízd, který jste popsal jako své přání. Data se už sbírají, formát znáte, výstupní kontrolu chcete dělat stejně. Je to jediná položka, která vám v horní skupině chybí, a zároveň ten typ úlohy, kde se rozdíl mezi „umím to spustit” a „běží to samo” projeví nejvíc. Nástroj najdete níže.
Rozdělte práci podle citlivosti
Pracujete s experimentálními daty, poloprovozními testy a technologickými výpočty — a AI používáte v soukromém účtu. V otázce na pravidla jste zároveň odpověděl, že přesně víte, co smíte vkládat. To je vaše vlastní rozhodnutí, ne firemní pravidlo. Napište si ho na jednu stránku. Až přijde směrnice, buď se potkáte, nebo budete mít o čem mluvit — a v obou případech budete mít argument místo dojmu.
Vyzkoušejte lokální model
Je to jediná věc ze seznamu, kterou jste nezkusil. A zároveň jediná odpověď na to, jak pracovat s experimentálními daty a výsledky vývojových projektů, aniž by opustily váš stroj. Vzhledem k tomu, co jste napsal o nerovném přístupu k nástrojům a infrastruktuře, vás tenhle směr nejspíš bude zajímat i z jiných než pracovních důvodů.
Vaše navržené portfolio asistentů
Vy si asistenty stavíte sám, takže vám nedávám prompty do chatu — dávám vám tři zadání pro vaše tři největší časové bloky. Postavte si je tak, jak jste zvyklý: jako projekt, jako skill, nebo jako součást automatizace.
###ROLE Jsi analytik experimentálních dat pro technologie čištění a úpravy vody. Pracuješ s daty z poloprovozních testů a provozních měření — účinnosti, koncentrace, průtoky, dávkování, časové řady. ###HLAVNÍ CÍL Z dat, která ti vložím, vytáhni to, co má význam pro vyhodnocení testu a pro další návrh technologie. ###PRIORITY 1. Nejdřív mi řekni, co v datech vidíš: trendy, ustálené stavy, náběhy, odchylky. Až potom detaily. 2. Označ hodnoty, které vypadají jako chyba měření nebo jako odlehlá hodnota. Nevyhazuj je — označ je a napiš, proč je za ně považuješ. 3. Když ti dám více sad dat, porovnej je a řekni, čím se liší a jestli je rozdíl významný, nebo v rozptylu. 4. Pojmenuj, co z dat plyne pro návrh technologie — a odděl to od toho, co z nich neplyne. 5. Připrav podklad ve dvou podobách: krátké shrnutí pro report a strukturovaný text s tabulkami pro publikaci. 6. Nikdy nedopočítávej chybějící hodnoty ani nedomýšlej podmínky měření, které jsem ti neuvedl. ###STYL Česky, odborně. Bez opatrnických frází. Když je závěr slabě podložený, napiš to natvrdo. Jednotky uváděj vždy. --- Data: [VLOŽTE MĚŘENÍ] Podmínky testu: [TECHNOLOGIE, LOKALITA, OBDOBÍ, CO SE SLEDOVALO]
###ROLE Jsi rešeršní asistent pro odborné publikace v oboru úpravy a čištění vod. Připravuješ podklady pro články do sborníků a odborných časopisů. ###HLAVNÍ CÍL Připravit rešerši, kterou půjde ověřit — ne rešerši, která zní dobře. ###PRIORITY 1. U každého tvrzení uveď zdroj s údaji, podle kterých ho dohledám: autoři, název, rok, časopis nebo konference, DOI pokud existuje. 2. Když si zdrojem nejsi jistý, NEUVÁDĚJ ho. Napiš, že pro dané tvrzení zdroj nemáš. Chybějící zdroj je pro mě lepší než špatný. 3. Odděl od sebe tři věci: co je v literatuře doloženo, co je běžná praxe bez opory ve zdrojích, a co je tvoje úvaha. 4. Když je téma sporné nebo se zdroje rozcházejí, řekni to a uveď obě strany. 5. Na konci mi dej seznam tvrzení seřazený podle toho, jak nutné je je ověřit před publikací. 6. Nikdy nevymýšlej čísla, účinnosti ani parametry. Když je nemáš, napiš, že chybí. ###STYL Česky, odborně. Citace ve formátu, který používá cílový sborník — když ho neznáš, zeptej se. Žádné vycpávky. --- Téma: [ZADÁNÍ ČLÁNKU] Co už mám: [VLASTNÍ PODKLADY, DATA, DŘÍVĚJŠÍ PUBLIKACE]
###ROLE Jsi organizátor odborných akcí. Pomáháš připravit konferenci nebo školení v oboru vodního hospodářství — pro odbornou veřejnost, provozovatele, projektanty i zástupce obcí. ###HLAVNÍ CÍL Připravit kompletní podklady k akci tak, abych doplňoval jen odborný obsah. ###PRIORITY 1. Navrhni program s časovým rozvržením. Počítej s tím, že pozornost po obědě klesá a že diskuse trvá vždy déle, než se plánuje. 2. Připrav texty: pozvánku, anotace bloků, program pro účastníky, potvrzovací e-mail, poděkování po akci. 3. Vytvoř kontrolní seznam příprav s termíny zpětně od data konání. 4. U odborných bloků navrhni, co má být výstupem pro účastníka — co si má odnést a v jaké podobě. 5. Když ti dám program z minulého ročníku, drž se jeho struktury a označ, co bych měl letos změnit. 6. Nevymýšlej jména přednášejících ani jejich témata. ###STYL Česky. Texty pro účastníky věcně a bez marketingových frází. Kontrolní seznam jako tabulku oddělenou tabulátory. --- Akce: [TÉMA, DATUM, MÍSTO, POČET ÚČASTNÍKŮ, PRO KOHO]
Dva nástroje pro to, co vám chybí
Oba míří na tu jedinou nezaškrtnutou položku — na to, aby něco běželo samo.
Nástroj, kde si poskládáte postup z bloků: vezmi data odsud, prožeň je AI, vygeneruj dokument, pošli tam. Spouští se podle času nebo podle události. Existuje i cloudová varianta, ale u vás dává smysl vlastní instalace — data pak neopustí firmu a zapadne to do vaší úvahy o citlivých podkladech.
Proč zrovna vám: váš popsaný měsíční report z knihy jízd je přesně tenhle typ úlohy — data se už sbírají, formát je daný, chcete dělat jen výstupní kontrolu. V n8n se to postaví za odpoledne.
Kde narazíte: ne na nástroj, ale na to, kam ho postavit. Sám infrastrukturu firmy popisujete jako chabou. To je věc, kterou budete muset otevřít s IT — a je to konkrétní požadavek, ne obecné volání po lepších nástrojích.
Model běžící přímo na vašem počítači. Nic neodchází ven, žádné předplatné, žádné otázky o tom, k čemu se data použijí. Zprovoznění je dnes otázka hodiny a menší modely už zvládnou práci s dokumenty a daty slušně.
Proč zrovna vám: pracujete s experimentálními daty, poloprovozními testy a technologickými výpočty — a používáte soukromý účet. Lokální model je jediné řešení, které tenhle rozpor odstraní úplně, ne jen zmírní.
Druhý důvod: v obavách píšete o rozevírání nůžek mezi těmi, kdo mají přístup k drahým nástrojům a infrastruktuře, a zbytkem. Lokální modely jsou přesně ta část vývoje, která jde proti tomu. Myslím, že vás to bude zajímat i mimo práci.
Jedna odemkne zbytek, druhá je na jeden večer
Vypsal jste deset nápadů a všechny jsou dobré. Vybrala jsem dva — jsou nejmenší, každý je jiného druhu, a u obou budete mít výsledek dřív, než vás přejde chuť.
Anonymizátor interních dokumentů
Vezme dokument z lokálního disku, nahradí citlivé údaje zástupnými značkami a uloží převodní tabulku. Když vám AI vrátí zpracovaný výstup, tabulkou ho převedete zpátky. Běží celá lokálně.
Nestavte to od nuly. Existuje Microsoft Presidio — open source framework přesně na tohle. Zdarma, běží lokálně, dělí se na analyzátor a anonymizátor a umí i zpětný převod, takže ta převodní tabulka je v něm hotová funkce, ne něco, co byste vymýšlel. Dostanete kostru, práci se soubory i strukturu rozpoznávačů.
Háček je čeština. Presidio staví rozpoznávání jmen na modelech spaCy a čeština mezi dobře podporované jazyky nepatří. K tomu skloňování — Nováka, Novákovi, s Novákem jsou pro hledání podle vzoru tři různé řetězce. A české identifikátory jako IČO, DIČ nebo rodné číslo tam z principu nejsou. To je přesně ta část, kterou doplníte vy: rozpoznávání jmen a názvů přes lokální model, a vlastní pravidla pro věci s pevným tvarem.
Postav mi lokální nástroj na anonymizaci firemních dokumentů. Postav ho nad frameworkem Microsoft Presidio (presidio-analyzer, presidio-anonymizer). Všechno musí běžet u mě na počítači, nic nesmí odcházet na internet. NEJDŘÍV Vysvětli mi, co Presidio řeší za mě a co budu muset doplnit sám. Pak teprve piš kód. CO MÁ NÁSTROJ UMĚT 1. Načíst dokument ze složky — podporuj .docx, .xlsx, .pdf a .txt. 2. Najít a nahradit zástupnými značkami: - jména a příjmení osob → [OSOBA_1], [OSOBA_2] … - názvy firem, obcí a měst → [ZAKAZNIK_1], [OBEC_1] … - ceny a peněžní částky → [CENA_1] … - čísla zakázek, smluv a objednávek → [ZAKAZKA_1] … - e-maily a telefonní čísla → [KONTAKT_1] … 3. Uložit anonymizovanou verzi vedle původního souboru. 4. Uložit převodní tabulku — použij k tomu deanonymizér, který Presidio má. 5. Umět zpětný převod: text se značkami plus převodní tabulka → text s doplněnými hodnotami. ČEŠTINA - Presidio nemá dobrou podporu češtiny. Rozpoznávání jmen osob, firem a obcí řeš přes lokálně běžící jazykový model (Ollama nebo LM Studio) a napoj ho jako vlastní recognizer. Navrhni mi malý model, který zvládne češtinu. - Poraď si se skloňováním — stejná osoba v různých pádech musí dostat stejnou značku. - Doplň vlastní recognizery pro české identifikátory: IČO, DIČ, rodné číslo, číslo účtu, datová schránka. JAK TO MÁ FUNGOVAT - Jednoduché okno nebo příkazová řádka, nepotřebuji hezké rozhraní. - Stejná hodnota musí dostat vždy stejnou značku v rámci jednoho dokumentu. - Před uložením mi ukaž seznam toho, co se chystáš nahradit, ať to můžu zkontrolovat a doplnit. - Umožni mi přidat vlastní seznam výrazů, které se mají anonymizovat vždy. DŮLEŽITÉ - Žádné volání na internet, žádné cloudové API. - Když si nejsi jistý, jestli je něco citlivý údaj, nabídni mi to ke kontrole místo automatického nahrazení. - Původní soubor nikdy nepřepisuj. Piš kód po částech a vysvětluj, co která dělá.
Riziko je v testování. Až budete zkoušet, jestli to funguje, je svůdné vzít skutečnou nabídku a nechat si v chatu zkontrolovat výsledek. Přesně tomu má nástroj bránit. Testujte lokálně — spusťte skript na svém stroji, na skutečném souboru, a výstup si projděte sám. Do chatu vkládejte nanejvýš vymyšlený vzorový text, který napodobuje strukturu vašich dokumentů.
Nejsou to tedy dvě varianty téhož, ale dvě řešení dvou různých problémů:
Lokální model chrání celý obsah včetně postupu. Model je slabší a potřebuje hardware, ale nic neodejde. Sem patří experimentální data, výsledky vývoje a technologické návrhy.
Anonymizátor chrání identity a umožní vám na zbytek pustit plnou sílu cloudového modelu. Sem patří nabídky, korespondence, zápisy z jednání a podklady od zákazníků.
Rozdělení podle citlivosti z druhého týdne se tím mění na jednu praktickou otázku: je citlivá identita, nebo samotný obsah? Podle odpovědi vyberete nástroj. A protože anonymizátor stejně poběží nad lokálním modelem, zprovozníte ho jednou a použijete na obojí.
Evidence poloprovozních zařízení a terénního vybavení
Taky z vašeho seznamu. Kde která jednotka stojí, v jakém je stavu, kdo si co půjčil, kdy se to vrací, co je rozbité a co čeká na opravu. Jedna obrazovka, jedna tabulka, vyhledávání a historie.
Proč právě tahle jako druhá. Anonymizátor je užitečný, ale stojí na frameworku — část večera strávíte čtením dokumentace. Tahle je opak: nic se nestuduje, jen se popisuje. Je to přesně ten typ úlohy, u kterého jste napsal, že vás na AI překvapilo, jak rychle z popisu vznikne funkční aplikace. Chtěla jsem, abyste měl obojí — jednu, která něco odemkne, a jednu, kde si to užijete.
A je to nejlepší věc na ukázání. Anonymizátor pochopí jen ten, kdo řeší citlivá data. Evidenci vybavení pochopí každý za pět vteřin — a ve firmě, která provozuje poloprovozní jednotky v terénu, ji každý zná jako problém. Když v týdnu 4 budete něco ukazovat, ukažte tohle.
Postav mi jednoduchou aplikaci na evidenci technického vybavení. Bude to jeden HTML soubor, který si otevřu v prohlížeči — žádný server, žádná instalace, žádná databáze. Data ať se ukládají do souboru, který si můžu zálohovat a poslat kolegovi. CO SE EVIDUJE Každá položka má: název, inventární číslo, typ (poloprovozní jednotka / měřicí přístroj / terénní vybavení / náhradní díl), stav (v provozu / na skladě / zapůjčeno / v opravě / vyřazeno), kde je (lokalita nebo adresa), u koho je, od kdy, do kdy, a poznámku. CO MÁ APLIKACE UMĚT 1. Přidat, upravit a vyřadit položku. 2. Vyhledávat a filtrovat — podle stavu, typu, lokality a osoby. 3. Barevně odlišit stavy, ať je na první pohled vidět, co je v opravě a co je zapůjčené po termínu. 4. U každé položky vést historii změn: kdy se změnil stav, kdo ji měl, kam se přesunula. 5. Export do CSV a import zpátky. 6. Přehled nahoře: kolik položek je v jakém stavu a co je po termínu vrácení. JAK TO MÁ VYPADAT - Jedna stránka, tabulka, nad ní filtry a přehled. - Použitelné i na mobilu, protože to budu otevírat v terénu. - Střízlivě, bez animací. Důležité je, aby to bylo rychle čitelné. DŮLEŽITÉ - Vše musí fungovat offline, bez připojení k internetu. - Žádná data neposílej nikam ven. - Ať jde soubor s daty jednoduše zálohovat a obnovit. Nejdřív mi ukaž, jak to chceš postavit a jak vyřešíš ukládání dat. Až to odsouhlasím, piš to po částech.
Kterou začít
Pokud chcete rychlý výsledek a chuť pokračovat, začněte evidencí — je hotová za večer a hned ji můžete někomu ukázat. Pokud vás víc tlačí to, že se bojíte vkládat dokumenty do cloudu, začněte anonymizátorem, protože ten posune hranici toho, co si můžete dovolit.
Obě nedělejte najednou. Ve vašem plánu na měsíc je záměrně vždycky jen jedna věc.
Váš plán na 30 dní
U vás je riziko jiné než u ostatních. Nezaseknete se na tom, že něco neumíte — zaseknete se na tom, že máte třicet nápadů a pětatřicet hodin práce týdně.
Jedna automatizace, dotažená
Měsíční report z dat, která se už sbírají. Ne dva, ne tři — jeden, a celý, včetně toho, že se odešle sám. Potřebujete jeden hotový příklad, ne pět rozdělaných.
Lokální model a rozdělení dat
Zprovozněte lokální model a pusťte na něj jednu sadu experimentálních dat. Zároveň si sepište na jednu stránku, co kam patří. Tohle je vaše pojistka.
Rešerše pro nejbližší publikaci
Použijte Rešeršistu na text, který stejně píšete. Zajímá vás jedna věc: kolik zdrojů odmítl uvést, protože si jimi nebyl jistý. Čím víc jich odmítne, tím líp je instrukce napsaná.
Ukažte tu automatizaci
Na semináři 10. září nebo kdykoliv potom. Ne přehled možností AI — jednu věc, která běží sama a ušetřila konkrétní hodiny. To je jediný typ argumentu, který posune diskusi o infrastruktuře a o zapojení lidí dál.
- Aspoň jedna věc běží bez vás. Dnes pouštíte všechno ručně — je to jediná položka, která vám v horní skupině chybí.
- Experimentální data zpracováváte mimo soukromý cloudový účet.
- Máte na papíře, co kam vkládáte, místo abyste to nosil v hlavě.
- Ušetřený čas jde do práce, kterou dělat chcete — sám jste napsal, že chcete víc času pro sebe a míň ho ztrácet blbostma. To je jediné kritérium, které nakonec rozhodne.
Ne na nástroje. Na tyhle tři věci:
- Infrastruktura. Popisujete ji jako chabou a nemodernu. Automatizace potřebuje někde běžet. Tohle je první konkrétní požadavek na IT, který z vaší strany dává smysl vznést.
- Váš čas. Máte přes pětatřicet hodin práce týdně ve čtyřech blocích. Bez vyhrazeného času se stavění nástrojů odsune za všechno ostatní.
- Rozsah vašich nápadů. V dotazníku jste jich vypsal deset. Každý z nich je dobrý. Právě proto je plán postavený na jednom.
🎯 Konstruktivní a nemilosrdný kritik
Tohohle asistenta jsem postavila a je váš. Projde váš text, návrh nebo argument a řekne, co je na tom špatně — z několika různých úhlů a bez ohledů. Jméno není nadsázka.
Vybrala jsem vám ho proto, že píšete odborné publikace, na které vám ve firmě chybí recenzent na vaší úrovni. Pusťte ho na text před odesláním do sborníku a nechte si najít slabá místa v argumentaci dřív, než je najde oponent. Funguje překvapivě dobře i na technické návrhy a na vlastní instrukce pro asistenty.
Běží v ChatGPT, který už používáte.
Tři věci, které nepřehlédněte
Možná to bylo nedopatření. Pokud ne, stojí za to se nad tím zastavit. U firmy, která má vlastní výzkum a poloprovozní testování, jsou výsledky vývoje to nejcennější, co má — víc než ceny i než jednotlivá měření. A vy jste v technologickém oddělení ten, přes koho jdou.
Do toho používáte soukromý účet. Vy sám v obavách píšete o tom, že se nepozná, co je pravda, a že se výstupům nedá věřit — ale otázka, kam ta data odcházejí a k čemu se použijí, ve vašich odpovědích chybí. U ostatních to byla nejčastější obava. U vás ne.
To je v téhle situaci pochopitelné a nejspíš rozumné. Ale je to vaše vlastní rozhodnutí, ne firemní pravidlo, a v případě problému to bude rozdíl. Sepsat si ho na jednu stránku je patnáct minut práce a je to zároveň nejlepší vstup do směrnice, která se právě schvaluje — protože pochází od někoho, kdo ví, o čem mluví.
Být nejdál znamená, že chyby, které uděláte, nikdo nezachytí. Vaše ověřovací návyky jsou dobré — u toho vymyšleného zdroje jste si to ověřil jinde. Ale u vlastních nástrojů a automatizací ověřování zvenčí nikdo nedělá. Když bude report generovaný automaticky a bude v něm systematická chyba, projeví se za pár měsíců.
Proto do každé automatizace, kterou postavíte, vložte kontrolní bod — jednu hodnotu, kterou si při výstupní kontrole ověříte ručně. Sám jste napsal, že výstupní kontrolu dělat chcete. Jen ať má co kontrolovat.
Co jsem si z vaší odpovědi vzala
Nebudu předstírat, že to vyřeším
Napsal jste tři věci: že by práce s AI měla být významně finančně ohodnocená, že firma na AI infrastrukturně připravená není, a že vedení kromě frází nedefinovalo, co očekává, jak se to bude hodnotit a jak zapojí lidi, kteří to umí.
Odměňování není věc, do které mi přísluší mluvit, a nebudu vám slibovat, že se s ní něco stane. Zbylé dvě věci ale patří přesně do zprávy, kterou pro vedení připravuji — a půjdou tam jako téma, ne jako citace se jménem. Vaše jednotlivé odpovědi vedení neuvidí, to platí pro celý scan.
Jedna poznámka k tomu, jak s tím naložit dál. Otázka „co od AI očekáváme a jak zapojíme lidi, kteří ji umí” je legitimní a firma na ni odpověď dluží. Odpověď na ni se ale skoro nikdy nenajde v diskusi — najde se ve chvíli, kdy má vedení před sebou konkrétní věc, která běží, a čísla, kolik ušetřila. Proto je v plánu na měsíc jedna dotažená automatizace a ne prezentace o možnostech.
Rozhodnutí o směrnici, o odpovědné osobě a o licencích padne ve firmě v nejbližších týdnech. Vy jste jeden z mála lidí, kdo k němu má co říct věcně. Bylo by škoda, kdyby vaše nejsilnější argumenty zůstaly v dotazníku.
Dvě poznámky na závěr
K tomu, co jste si přál
Vypsal jste deset nápadů — od interní wikipedie přes evidenci poloprovozních zařízení a anonymizaci dokumentů až po vlastní produkt pro autonomní řízení provozů. Několik z nich je nad rámec zaměstnaneckého nápadu; poslední jmenovaný je návrh produktu.
Rozdělila bych je na tři skupiny. Dnes proveditelné vámi: automatické reporty, kalkulačky, anonymizace dokumentů, zpracování provozních dat. Potřebuje rozhodnutí firmy: interní wikipedie, evidenční systém, konfigurátory nabídek — tam jde o data a přístupy, ne o vaši dovednost. Patří na jiný stůl: autonomní řízení ÚV a ČOV.
První skupina je na vás a začíná tento týden. Druhá patří na seminář. Třetí za panem Peškem.
K tomu, co vás brzdí
Napsal jste, že vám nic nebrání a stačí nápad. Ve stejném dotazníku pak, že potřebujete vyhrazený čas, podporu vedení a nástroj, ke kterému mají přístup všichni. To druhé je pravdivější.
Vyhrazený čas je ze všech tří ten nejdůležitější a nejhůř se o něj žádá, protože zní jako úleva. Nezní tak, když se za něj vykazuje výsledek. Právě proto stojí za to mít jednu hotovou automatizaci dřív, než o ten čas požádáte.
A ještě: chtěl byste konzultaci jeden na jednoho. Dává to smysl — na vaší úrovni už skupinové školení nedává. Ale u AI se nejrychleji učí ten, kdo má s kým srovnávat postup, ne kdo dostane výklad. To je ta věc, která vám ve firmě chybí nejvíc, a nevyřeší ji žádný nástroj.
A ještě jedna věc mezi řádky
Vaše role se za poslední roky zjevně rozšířila. Vedle technologie píšete odborné publikace, chystáte konference a školení od A do Z, vedete tým — a do seznamu svých pracovních činností jste si dopsal rozvoj AI dovedností. To poslední tam před třemi lety nebylo a nikdo vám to nezadal. Vzalo si to vaše hodiny, přineslo firmě užitek a v popisu vaší práce to pravděpodobně nikde nestojí.
Ve stejném dotazníku pak píšete, že byste chtěl víc času pro sebe a už ho tolik neztrácet blbostma. Ty dvě věci spolu souvisejí víc, než se zdá — role, která se rozrůstá bez toho, aby se z ní něco ubíralo, končí přesně takhle.
Vědomému přetváření vlastní role — tomu, že si člověk sám posune těžiště práce k tomu, co umí nejlíp a co ho posouvá — se říká job crafting a existuje na to metodika. Nezmiňuji to jako radu, spíš jako pojem, který vám možná bude užitečný. Ta otázka, kterou jste v dotazníku položil sám — jak firma zapojí lidi, kteří AI umí — je totiž z velké části otázka o tom, jak bude vaše role vypadat. Když na ni budete mít vlastní odpověď dřív, než ji začne hledat někdo jiný, bude to znát.