Kterou práci předat AI agentovi jako první
Ve zkratce: První proces, který zautomatizujete, by měl být ten, který se nejčastěji opakuje, dá se popsat písemně, unese občasnou chybu a jehož dnešní náklad umíte změřit. Poctivě použitý test vyřadí zákaznického chatbota, kterým většina firem začíná, a ukáže na nevděčnou interní práci, která se zaplatí do čtvrt roku.
Většina firem si za první AI projekt vybere ten, který bude nejlíp vypadat na ukázce. Bývá obrácený k zákazníkovi, bývá efektní a bývá to ten nejhorší možný začátek — protože právě u něj je špatná odpověď nejdražší a úspěch se měří nejhůř.
Existuje lepší pořadí a stojí na čtyřech otázkách položených po sobě.
| Otázka | Jak vypadá dobrá odpověď | Co rozhoduje |
|---|---|---|
| Jak často se to děje? | Desítkykrát týdně, ne jednou za čtvrtletí | Jestli se stihnete dost rychle učit |
| Zvládl by to nový kolega podle návodu? | Ano, podle jedné stránky | Jestli proces existuje v předatelné podobě |
| Co stojí špatná odpověď? | Napravitelné do dne | Kolik lidské kontroly zůstane |
| Umíte to dnes změřit? | Hodiny, chybovost nebo zdržení už znáte | Jestli půjde doložit, že to zabralo |
1. Jak často se to děje?
Četnost poráží efekt. Úkol, který třikrát týdně dělá pět lidí, má zautomatizovaný větší cenu než čtvrtletní cvičení na týden práce, i když to čtvrtletní působí větší.
Důvody jsou dva. Ten zjevný je aritmetika: drobné úspory se násobí. Ten méně zjevný je důležitější — často opakovaný proces vám dá rychlou zpětnou vazbu. Během několika dní zjistíte, jestli je automatizace správně, a budete mít desítky případů týdně, na kterých ji vylepšíte. U čtvrtletního úkolu dostanete čtyři data ročně, což je málo na to, abyste se stihli poučit dřív, než všichni ztratí zájem.
Začněte tam, kde jsou opakování.
2. Zvládl by to schopný nový kolega podle psaného návodu?
Tohle je nejostřejší test, který známe, a ve skutečnosti se ptá na to, jestli proces vůbec existuje v podobě, kterou lze předat.
Pokud byste dokázali sepsat stránku instrukcí a schopný nováček by podle nich odvedl přijatelnou práci, dá se k tomu pravděpodobně dovést i agent. Pokud by se musel zeptat tří kolegů, co se v takové situaci ve firmě obvykle dělá, pak proces žije v hlavách — a agent se nezeptá. Domyslí si něco věrohodného a předloží to sebejistě.
Ten způsob selhání stojí za přesnost. Model nelže; dostal co a musel si domyslet proč, a domýšlení tu mezeru vyplní. Řešením není lepší prompt. Řešením je sepsat úsudek, který nikdo nezaznamenal.
Většina firem tady zjistí, že užitečný první výstup není software. Je to specifikace.
3. Co stojí špatná odpověď?
Tahle otázka nerozhoduje o tom, jestli automatizovat. Rozhoduje o tom, kolik lidské kontroly v procesu zůstane a na jak dlouho.
Špatně zařazený e-mail stojí minutu. Špatná doložka poslaná klientovi podstatně víc. Obojí jde zautomatizovat, jen v jiném tvaru:
- Nízká cena chyby — agent jedná, člověk namátkou kontroluje vzorek.
- Střední — agent připraví, člověk schválí, než něco opustí firmu.
- Vysoká — agent sestaví podklady i úvahu, rozhodnutí a odpovědnost nese člověk.
Ve všech třech případech platí stejný vzorec: agent připravuje, člověku zůstává úsudek. A je to zároveň uspořádání, které lidé přijmou. Týmy se automatizaci nebrání proto, že by je ohrožovala; brání se jí, když mají nést odpovědnost za výstup, který neviděly.
4. Umíte změřit, co to stojí dnes?
Pokud nikdo neumí říct, jak dlouho práce trvá, jak často se plete a co zdržuje dál po proudu, nedokážete prokázat, že automatizace pomohla. Projekt se pak hodnotí podle dojmů — a dojmy nahrávají tomu, kdo je na poradě nejnadšenější.
Věnujte týden před stavbou měření výchozího stavu. Je to ta nejnudnější část projektu a zároveň důvod, proč někdo uvěří tomu, co přijde potom.
Jedno varování z odborné literatury: naměřená a vnímaná produktivita se rozcházejí častěji, než se čeká. Existují seriózní studie, ve kterých byli účastníci s AI nástroji přesvědčeni, že byli výrazně rychlejší, zatímco měření ukázalo opak. Ať už si o konkrétní studii myslíte cokoli, praktický důsledek je jasný: když se spolehnete na to, jak tým nástroj vnímá, budete občas měřit nadšení.
Co to vědomě vyřadí
Poctivě použitý rámec vyřadí většinu prvních projektů, které se navrhují. Vyřadí zákaznického chatbota, protože cena chyby je vysoká a proces nebyl nikdy popsaný. Vyřadí čtvrtletní analýzu, protože se u ní nestihnete naučit dost rychle. A vyřadí cokoli, za jehož výstup nechce interně nikdo nést odpovědnost.
Co obvykle projde, je nevděčné: přenášení dat mezi systémy, které spolu nikdy neměly mluvit; příprava odpovědi, která se píše čtyřicetkrát týdně podle precedentu, jenž už existuje; sestavení stejného reportu ze stejných pěti zdrojů každé pondělí.
Tyhle projekty se zaplatí do čtvrt roku a právě ony vybudují interní důvěru potřebnou k tomu, aby se šlo pustit do něčeho těžšího.
Pořadí ve zkratce
- Najděte práci, která se nejvíc opakuje.
- Ověřte, jestli se dá sepsat. Pokud ne, sepište ji — to je ten projekt.
- Rozhodněte, kde zůstává odpovědnost člověka, a zabudujte to od začátku.
- Změřte výchozí stav, aby ten konečný nebyl věcí názoru.
Nic z toho není o tom, jaký model použijete. Než na téhle otázce začne záležet, je ta těžká část hotová.
Často kladené dotazy
Co by měla firma zautomatizovat pomocí AI jako první?
Práci, která se opakuje nejčastěji a dá se popsat písemně. Vysoká četnost dává rychlou zpětnou vazbu a násobí drobné úspory; písemný popis je to, co agentovi zabrání domýšlet si úvahy, které nikdo nezaznamenal. Efektní projekty směrem k zákazníkovi obvykle propadnou v obou testech.
Proč většina AI pilotů selže?
Málokdy kvůli modelu. Převažují tři příčiny: proces nebyl nikdy popsaný, takže si agent domyslí úvahu a věrohodně se splete; za výstup nikdo neodpovídá, takže se kvalita rozjede a důvěra se sesype; nebo nástroj sedí mimo systémy, ve kterých lidé pracují, a tiše se přestane používat.
Má výstup AI agenta pořád kontrolovat člověk?
Ano a míra kontroly má odpovídat ceně špatné odpovědi. Nízká cena: agent jedná a člověk namátkou kontroluje vzorek. Střední: agent připraví a člověk schválí, než něco odejde ven. Vysoká: agent sestaví podklady a rozhodnutí i odpovědnost zůstávají na člověku.
Jak se pozná, že automatizace opravdu zabrala?
Změřením výchozího stavu. Zaznamenejte, jak dlouho práce trvá, jak často se plete a co zdržuje, ještě v týdnu před stavbou. Bez té základní hodnoty se projekt hodnotí podle dojmů — a je známo, že naměřená a vnímaná produktivita se rozcházejí.
Musíme si nejdřív vybrat model?
Ne. Než začne na volbě modelu záležet, je ta těžká část — popsat proces, rozhodnout, kde zůstává odpovědnost člověka, a změřit výchozí stav — už hotová. Firmy, které začínají výběrem modelu, obvykle nemají hotové nic z toho.
O autorovi
Filip has spent his career between media and technology — filming for ŠKODA, Pilsner Urquell and Range Rover, then co-founding a startup in San Francisco, working with a YC-backed company and serving as CIO at Renato. He built ZEUS Legal AI and now runs the systems Salamon Capital operates on.