Potřebujete se rozhodnout, ale podklady máte roztroušené v dokumentech, e-mailech a poznámkách ze schůzek. Než se vůbec dostanete k tomu, co je potřeba vyřešit, strávíte spoustu času hledáním a čtením. Za týden vás čeká podobná práce znovu.

Právě tady může AI hodně pomoct: zorientovat se v podkladech, porovnat možnosti, připravit návrh postupu nebo převzít opakované úkoly. A když ji propojíte s nástroji, které už používáte, může třeba z příchozí zprávy připravit úkol pro kolegu i s informacemi, které k jeho vyřízení potřebuje.

S AI pracuji na vlastních projektech a pomáhám s ní i klientům. Vyvíjím s ní aplikace, ale její přínos vidím napříč každodenní prací. Umožňuje rychleji zpracovat informace, zbavit se části rutiny a vyzkoušet nápady, které by jinak zůstaly v šuplíku. I jednotlivec nebo malý tým se tak může pustit do věcí, na které dřív neměl čas nebo rozpočet.

AI je pro mě skvělý multiplikátor práce. A právě proto chci na dalším Business Meetupu otevřít otázku, kam všude ji má smysl pustit.

Co bychom mohli dělat jinak

Představte si třeba přípravu na jednání s dodavatelem. Potřebujete porovnat jeho starší a novou nabídku, projít si vlastní poznámky a zkontrolovat, jestli nabídka odpovídá vašim požadavkům. AI vám může připravit srovnání, upozornit na změny a navrhnout otázky, které stojí za to na schůzce probrat. Důležité body si ověříte v původních dokumentech, ale velkou část přípravy už máte před sebou.

Podobně může AI pomoct se zákaznickou zpětnou vazbou. V odpovědích vyhledá opakující se témata a vybere konkrétní příklady, které si pak projdete podrobněji. Můžete se tak dřív věnovat tomu podstatnému: co zákazníky trápí a co s tím ve firmě uděláte.

Ještě dál se dostaneme, když AI zapojíme do automatizace. Každý nový požadavek od zákazníka se může zařadit podle tématu, doplnit o související informace a předat správnému člověku s návrhem odpovědi. Ten pak nemusí pokaždé začínat dohledáváním podkladů.

Nejzajímavější mi na tom přijde, že se můžeme věnovat i věcem, které jsme dosud odkládali. Třeba procházet zpětnou vazbu pravidelně, porovnat víc variant před důležitým rozhodnutím nebo si důkladněji připravit jednání. Ušetřený čas tak můžeme využít k tomu, abychom svou práci dělali lépe.

Zkuste si proto projít běžný pracovní týden a všimnout si, kde pořád něco dohledáváte, porovnáváte, přepisujete nebo předáváte dál. Právě tam bych hledal první nápady na využití AI. Podle konkrétní situace pak poznáte, jestli vám stačí pomoc s jedním úkolem, nebo má smysl připravit automatizaci či vlastní nástroj.

Když si potřebný nástroj můžete vytvořit sami

Někdy při tom narazíte na problém, který vaše současné nástroje neumějí dobře vyřešit. Díky vibe codingu si můžete zkusit vytvořit vlastní řešení: popsat AI, co potřebujete, nechat ji napsat kód a postupně ověřovat, jestli výsledek odpovídá představě.

Může jít o drobný interní nástroj, propojení dvou systémů nebo prototyp nového produktu. To otevírá tvorbu softwaru i lidem, kteří by se do ní dřív nepustili, a zkušeným vývojářům dává další způsob, jak práci urychlit.

U svého projektu HeyRup například propojuji práci s informacemi a automatizaci při sběru a třídění faktur z e-mailů. Chci tím lidem usnadnit opakované dohledávání dokladů a jejich přípravu pro účetní.

Než se ale pustíte do vývoje, vyplatí se ověřit, co už umějí nástroje, které platíte. Za dobu, co je používáte, v nich mohly přibýt funkce, o kterých nevíte. Telefonát s dodavatelem vám někdy ušetří celý vývoj.

Kam AI pustit a kde si nechat poslední slovo

Čím víc práce AI zvládne, tím důležitější je promyslet si, co jí dovolíme dělat samostatně. Mezi přípravou návrhu odpovědi zákazníkovi a jejím automatickým odesláním je podstatný rozdíl. Podobně je něco jiného nechat AI porovnat údaje a dát jí možnost je rovnou měnit ve firemním systému.

Pro mě je hlavní otázkou, co se stane, když AI udělá chybu. U podkladu, který si před použitím přečtu, můžu problém zachytit. U automatizace, která bez kontroly mění důležitá data, už mohou být následky mnohem větší.

Vedle přínosu bych si proto vždy ujasnil, s jakými informacemi bude AI pracovat, co smí sama provést a kde výsledek zkontroluje člověk. Pokud může měnit nebo mazat data, potřebuji také vědět, jak případnou chybu napravím. Ze své zkušenosti vím, že se věci umějí pokazit nečekaně rychle.

Podle odpovědí si můžeme vybrat, kde začít. A když se AI v menším úkolu osvědčí, postupně jí svěřit víc práce.

Proč jsem pozval Jindru a Romana

Na tuhle debatu jsem pozval Jindřicha Fáborského a Romana Kučeru. Každý k ní přistupuje s jinou zkušeností a právě jejich kombinace mi dává smysl.

Jindra má pro AI a vibe coding obrovský zápal. Experimentuje, staví vlastní aplikace a ukazuje lidem, do čeho se mohou pustit sami. Je na něm vidět, kolik se toho člověk může naučit, když se do něčeho pustí a postupně to zkouší.

Roman přináší dlouholeté zkušenosti s daty, AI, vývojem produktů a technickými týmy. Dnes působí jako CTO v PromethistAI. Zajímá mě, v čem se s Jindrou shodnou, kde se jejich pohledy budou lišit a co z jejich zkušeností můžeme využít ve vlastních firmách.

Kde už AI dokáže převzít větší kus práce? Co díky ní stojí za to zkusit, i když jsme si na to dřív netroufali? A podle čeho poznat, že jí můžeme dát větší samostatnost? To jsou otázky, které bych chtěl společně otevřít.

Sejdeme se 22. října 2026 od 17:00 ve Westie Coffee v Pardubicích na Business Meetupu #9: AI a vibe coding — od nápadu k vlastní aplikaci. Přijďte klidně s jednou věcí, která vám nebo vašemu týmu zbytečně bere čas. Může to být práce s informacemi, opakovaný proces i nápad na vlastní aplikaci.

AI nám umožňuje zvládnout víc práce a pustit se do věcí, které jsme dosud odkládali. Stojí za to ty možnosti zkoušet a hledat, kde nám opravdu pomůžou. A přitom si u každého použití říct, co necháme na AI a o čem má dál rozhodovat člověk.