Základní využití AI agentů

Jindřich: My jsme ve třicátý druhý epizodě podcastu Deep Link Show relativně nedávno tak řešili základy AI agentů a pak jsme vlastně i spolu zvažovali to, že bychom možná měli nahrát nějaký praktičnější díl, jak si toho agenta udat od nuly, že jo. No ale nějakým brainstormingem společným jsme doiterovali do toho, že bychom nejprve možná měli ještě zmapovat ty základní use cases, kdo, jakým způsobem a jak může použít AI agenta. A to je právě ten dnešní díl. Takže pojďme si říct, Filipe, nějaký základní use casy, že nějaký, eh, řekněme základní použití AI agentů a zejména ty naše zkušenosti a co nám funguje a nefunguje. Tak jsem zvědavej, co sis pro mě připravil.

Filip: Ahoj Jindro, zdravím tě, zdravím i naše diváky. A ono o těch agentech by se dalo mluvit strašně dlouho. Těch use casů je jako opravdu celá řada. Takže my jsme si tady dneska vybrali nějaký jednoduchý, takový ty, co slýcháš všude na LinkedInu, na YouTubu a obecně jako kolem sebe. Ale ne třeba pro každýho je úplně jasný, jak to pojmout, jak se, to jako uchopit a vlastně si toho agenta na tu danou věc postavit. Takže to bude naším nějakým cílem dneska. Jako nejenom se pobavit o těch možnostech, co dělat, ale i nastínit, jak to dělat. No a potom v nějakejch následujících dílech se pobavíme i o nějakejch třeba pokročilejších use casech nebo třeba jak jako ten agent, eh, se ti vlastně vyvíjí v čase, že pořád můžeš přidávat, přidávat nějaký úrovně autonomie. Nicméně pojďme na to a pojďme začít tím, že vlastně by bylo fajn si říct nějakou kostru toho, jako jak třeba postupujem, když toho agenta stavíme. Protože ono to vlastně bude stejný pro všechny ty příklady, který si budem říkat a často, nebo nevím, jak to máš ty, ale já často když stavím agenta, tak zaprvý jako vybírám nějaký úkoly, který se mi pravidelně opakujou, protože to je jako alfa omega, že jo. Když ty seš schopnej ty věci opakovat pravidelně, no tak ve chvíli, kdy to automatizuješ a automatizace jedna z variant je právě ten agent, no tak najednou ti to začne šetřit čas. Protože první věc, se kterou se člověk setká, je, že když začneš používat agenty, tak typicky ne všechny, ale často ty věci můžou na první dobrou trvat dýl paradoxně, kdyby sis je udělal ručně. Ale celý je to o tom, že ty vlastně si to jednou projdeš tu cestu, jednou to nastavíš a pak už třeba ladíš detaily a najednou se ti ten čas toho, kdy ten agent to udělá za tebe, snižuje a snižuje. No a po nějaký době ty dojdeš vlastně ten break even, kdy vlastně najednou ten agent ti začne šetřit ten čas. Takže to je za mě jako alfa omega začínat u věcí, který se ti jako pravidelně opakujou.

Jindřich: Já si myslím, že v tomhletom je dost často u mnoha z nás jako zakopanej pes, že ty si vlastně řekneš: „Ok, tak tohleto mě vezme jenom deset minut, když to dělám jako třikrát týdně, tak to vlastně automatizovat vůbec nepotřebuju.“ A tak nějak už jako implicitně nad tím nepřemýšlíš, že by to vlastně vůbec automatizovat šlo, že jo, případně. No, ale vlastně opak je pravdou, že jo, protože přesně tyhlety jako malý věci, tyhlety jednoduchý, který ti zaberou pár minut, tak jsou pro tu automatizaci nakonec nejlepší. A to platí i v tý jako řekněme starší standardní automatizaci. Když jsme měli třeba Make, že jo, tak jestli ses tam taky něco automatizoval, tak jsi to velmi pravděpodobně k tomu přistupoval podobně. A já si myslím, nebo minimálně ten můj mindset je přesně takovej. Jo, přemejšlet nad tím tímhle způsobem. Opravdu ok, je to sice snadný, zabere to málo času, ok, ta automatizace mi zabere možná víc času, ale občas to se opakuje, že jo, tenhleten, eh, můj úkol. A když já ho dělám dvakrát, třikrát týdně, tak ok, tak jako za měsíc už to nějakej čas je, za půlku už to taky nějakej čas je a vlastně to vůbec jako řešit nemusím. Plus samozřejmě důležitý je si uvědomit, že pořád tam je ten kognitivní offload, což z mýho úhlu pohledu je jako další věc, která si myslím, že je možná ještě silnější než vůbec jako to manuálně klikat například. A to, že zkrátka na to třeba mnohdy ani nemusíš myslet.

Filip: Druhá věc je, že to, že si něco zautomatizuješ, ať už pomocí agenta nebo jakkoliv jinak, tak vlastně ten skill, takže pokaždý, když to budeš dělat znova a znova, tak to budeš mít pravděpodobně hotový rychlejc a rychlejc. Takže jako na začátku, že jo, to bude peklo prostě, možná se ti to ani nevrátí ta automatizace, to je dost možný, ale ty si buduješ ten skill a vlastně se jako na tom učíš, jak s těma agentama pracovat. A já to vidím na sobě jako od té doby, kdy prostě jsem tyhle věci začal dělat, tak na začátku to byl fakt jako strašný problém cokoliv automatizovat, ale ty projdeš všechny ty slepý uličky, spálíš se, že jo, vyzkoušíš si, co ti funguje, co ti nefunguje. A teďka už když něco potřebuju vymyslet, tak už je to jako zase o něco jednodušší. A zase ten čas, kterej nad tím strávím, tak často už není takovej jako na začátku. Takže možná úplně ta hlavní myšlenka, byť jsme úplně na začátku tohohle dílu, že jako na začátku to bude bolet, bude tam ta učící křivka a prostě to potrvá. A za mě taková vlastně jako nejjednodušší automatizace je nebo ten postup, že já ty věci prostě začnu dělat s agentem. Jo, nesnažím se to v tu chvíli ještě automatizovat a namýšlet nějakej jako velkej systém, jak to všechno zorchestrovat dohromady a nechat to dělat autonomně, ale prostě začneš to dělat s tím Cloud Coworkem, Cloud Codem, GPT Work snažíš se ten úkol vlastně cracknout s tím agentem. A ve chvíli, kdy se ti podaří dostat ten výsledek, kterej už jako seš s ním spokojenej, tak v tu chvíli ty tomu agentovi můžeš říct: „Hele, pojď, udělejme z toho skill." A máš jako takovej první krůček k nějaký automatizaci, byť vlastně, není to úplně automatizace automatizace, protože pořád ten skill pouštíš ručně, ale my se k tomu dostanem nějaký ty možnosti, jak to, jak to dělat jako automaticky. Ale tohle je za mě takovej jako nejlepší a nejjednodušší způsob, jak po tý automatizaci zprvu jít. Ty prostě to jako vyřešíš s agentem a potom, necháš ho vytvořit ten skill.

Jindřich: Já osobně v-v tom vnímám vlastně takový dvě úrovně toho skillsetu. Jeden je ten hard skill. To přesně jak jsi říkal, že jo, to jako umět si to jako naklikat nebo vytvořit nebo připravit si ten skill a pak postupovat dál a dál jako v těch levelech tý autonomie. Ale ta druhá úroveň, tak je vlastně vůbec se jako uvědomit nebo přijít na to, co by vlastně šlo automatizovat a mít v hlavě takový to nastavení, že ok, když já něco dělám, tak třeba by to nějak automatizovat šlo. A já si ve skutečnosti myslím, že pro jako mnoho lidí je to jako ta potíž, jo, že ty máš přece jenom jako x let už naučenou nějakou práci, že ji nějak jako musíš dělat. Jo, ok, někdy používáš, někdy si třeba tu práci jako zlehčuješ nebo upravuješ tím, že používáš jednoho emailovýho klienta a pak nevím, přejdeš na jinýho. To samý kalendář třeba a tak dál. A vlastně teď my tady máme posledních pár let jenom něco, co jako relativně snadno to dokáže tyhlety úkoly jako plnit za nás, že jo. Takže i s tím vlastně, že ty tvoříš ty agenty nebo tvoříš si ten skill nebo tvoříš si nějakým způsobem tu automatizaci, tak si buduješ i ten skillset tý druhý úrovně. A to, že příště, když už budeš něco řešit, tak už ti to v hlavě bude víc jako napovídat, že jo. Hele, tohleto by možná šlo automatizovat. A jo, ty jsi tehdá nastavil tenhle ten skill, tak ten by mohl bejt podobnej. Tak proč by tohleto nešlo na, jako napojit taky, dát tam nějakej jinej konektor, že jo, podobně. A myslím si, že tyhlety obě ty úrovně skillu jsou jako velmi důležitý pro to, abys vůbec vlastně s tou automatizací a s těma agentama mohl nějakým způsobem začít. A znovu říkám, v průběhu času, když s tím pracuješ, tak oba se ti zdokonalujou.

Filip: Bezpochyby. A já nevím, jestli to pozoruješ i ty, ale mně přijde, že lidi, co jsou v nějakejch manažerskejch rolích, team leader rolích a podobně, zkrátka jako lidi, který říděj lidi, tak mi přijde, že maj jako mnohem jednodušší ten začátek s těma agentama, protože jsou zvyklí delegovat ty věci a zadávat a přemýšlet nad těma věcma tak, že okay, já to dělám nějak a teď to potřebuju někomu předat. Takže jako jsem schopnej jako popsat to, co vlastně dělám a bejt schopnej se spokojit s tím osmdesátiprocentním výsledkem, dávat feedback, iterovat a tak, i když to na začátku stojí víc času, než kdybych si to udělal sám. Vnímáš tohle taky třeba?

Jindřich: Nejsem si jistej vlastně. Možná jo, ale spíš jak jsi o tom začal mluvit, tak mně nějak v hlavě tak jako došla ta myšlenka, že ty když to předáš jakoby na člověka, tak se mu to snažíš nějak jako polopaticky vysvětlit, že jo. Zatímco když to předáš na tu agenturu, minimálně já, tak já prostě zahltím informacema a všema mejma myšlenkama, jak by to mohlo fungovat a jak by to mohlo být. A pak mu řeknu: „Ok, ty se postarej o to, aby to bylo dobrý. Nebo mi dávej otázky a pojďme to spolu dočesat něco.“ A vlastně je to jako dost rozdílný, než když deleguješ, že jo, tu práci na, na člověka. Ale to možná už asi dost odbočuju.

Filip: Jo, to já se odbočuju. Záleží zas, když seš pak takový ten CEO, tak jako taky kolikrát valíš ty myšlenky, co bys chtěl a jako zahltíš ty lidi, ať se ti ten tým s tím popere jako a vlastně doručí tu tvoji vizi. Ale

Jindřich: Nem tudom, most így azt

Filip: někam

Jindřich: mondja

Filip: Jo hele, to bysme se dostávali asi někam jinam. Tohle je asi ten jako základní postup, že jo, že prostě, eh, začneš to s tím agentem dělat, potom z toho tvoříš nějakej skill. Pak se taky samozřejmě určitá úroveň tý důvěry toho agenta tam projevuje. Takže jako ze začátku já doporučuju lidem dát si jako primárně, aby ten agent jako četl ty věci, potom pomalu mu dávat ty práva, aby někam mohl zapisovat, ale třeba nedělat ty akce, který jsou, eh, ne destruktivní, ale jako že, že maj hnedka efekt. Takže třeba typickej příklad v mailu. Nemám problém s tím mu dát zakládat drafty. To je prostě jako proč ne, že jo. Ale odesílat už maily, to už je s otazníkem. Jo, takže jako to je i jako další step, že bych šel na ty povolení postupně a nejdřív bych si ty agenty třeba osahal právě v tý jako read-only variantě.

Jindřich: Už ale si myslím, že důležité je zmínit, že ty mu nikterak jako nenastavíš ten hard limit, jako že jo, že teda nemá připravovat drafty, ale nemá je odesílat. Ty vlastně nějakým způsobem to děláš, tak ty ho jenom naskilluješ, jo. Ty mu vlastně popíšeš tu, tu práci, jak to má dělat, pokud se nepletu. Jo nebo jako máš-

Filip: ne, že jo. Nějaký konektory ti to dovolujou, jako vyloženě si vyklikat, co třeba nesmí. Třeba v Cloudovi,

Jindřich: OK,

Filip: skillů to můžeš jakoby vyklikat, že mu to zakážeš nebo mu řekneš jako specifically ask, jako že se tě má zeptat, jestli tu akci může provést. je to

Jindřich: Jasný, to jo. Jasně, ale furt je to na úrovni toho agenta. Není to na úrovni třeba nevím toho API klíče, když mu dáš nějakou službu, kde ty můž-můžeš dát práci jenom jako readit, že jo? Vlastně kam ti mířím, že kdyby byl katastrofál-- katastrofickej scénář a ten agent se ti hodně zbláznil, tak ti teoreticky vlastně může odeslat ten e-mail

Filip: No právě že no záleží. Někdy to máš na úrovni toho skillu, ale třeba tohle, co máš u Anthropico, tak to je vyloženě jakoby na, na tý programový vrstvě tý Agentic Harness. Takže to je vyloženě jakoby zakázaný na tý delší vrstvě, že jakoby ten agent řekne: „Chci odeslat.“ A ten Harness řekne: „Ne, zeptám se uživatele.“ Jakože na té programové části. Takže jako dá se to i takovýmhle jako hard limitem vlastně jako zastavit.

Jindřich: Což já si myslím, že pro spoustu lidí jako tohleto může bejt do jistý míry showstopper, že jo, mu dávat jako přístup, eh, ke svý emailový schránce a nejen ke svý emailový schránce, jo. Je celá řada jako jinejch nástrojů, že jo, který můžou obsahovat jako nějak jako citlivý data. A já to chápu, protože já než jsem vlastně dospěl do toho stádia, že jsem si řekl: „Ok, tak jako YOLO“ a prostě abych dostal tu hodnotu z toho agenta, tak on musí mít přístup jako k mým datům. Tak mi to taky dlouho trvalo. Jo, jako i teď jako nemá všude, ale má hodně.

Filip: No jasně a postupně člověk uvolňuje ty otěže, že jo? Není spousta

Jindřich: Co ti zbyde, že jo, abys z toho prostě čerpal tu hodnotu?

Filip: No jasně. Pojďme asi na ty use

Jindřich: joo, just näin

Filip: na první. Eh, to, co tě jako napadne nebo mi přijde, že lidí se rozsvítí, když jako si řekne, že bych něco automatizoval, tak jsou to různý pravidelný činnosti a typicky nějaký reporty. A to je: hele, já prostě přijdu ráno do práce a vlastně vůbec nevím, co se stalo, že jo. Potřebuju si projít Jiru, potřebuju si přečíst Slack, potřebuju, eh, se podívat do mailu a potřebuješ jako agregovat vlastně jako spoustu komunikačních kanálů. A jak jsi to dělal dřív je, že to prostě jako projdeš a po jednom si to proklikáš. S tím agentem, tak ty si můžeš nechat poslat nějakej morning brief. To znamená, je schopnej ti poslat, co se třeba událo, na čem lidi pracovali a co tě třeba čeká. Ono se zase jakoby ta úroveň toho, tý užitečnosti se tady odvíjí od tý tvý role. Pokud seš člověk, kterej jako dělá jako práci, já nevím, třeba programátor, tak asi jako ten morning brief pro tebe nebude tak zajímavej. Byť třeba tady v tom si dovedu krásně představit, že když tvoji kolegové na něčem makaj, tak ty si necháš to pondělí poslat shrnutí c-změn, co kolegové udělali za minulej tejden. To je jako super, protože když ti vele-velkej tým dělá na tom, eh, na tom projektu, no tak, eh, ty vlastně strašně jednoduše začneš ztrácet ten přehled, jako co ty lidi dělaj, co se v tom, eh, kódu měnilo. Takže i jako na týdle úrovni to může dávat smysl. Ale čím víc seš jako v tý manažerský roli, tak tím víc vlastně tvoje práce je kontrolovat ty lidi a tady ty reporty bejt úplně super. A je jedno, jestli to je v pondělí ráno, v pátek večer, v půlce týdne, to si nastavíš, jak chceš, že?

Jindřich: Vlastně vždycky, že jo. Vždycky se říkalo prostě, kdo má informace, tak je vždycky o krok napřed. A to platí si myslím jako i pro každýho z nás, že jo. Ty prostě vždycky když pracuješ, tak vlastně tvoje práce není nic jinýho, než že se rozhoduješ nad jako určitým datasetem informací vlastně na všech úrovních, že jo. A když ty informace máš, tak zkrátka ti to pomáhá jako bejt efektivnější, že jo, bejt lepší v tý tvý práci a podobně. Dělat třeba ty rozhodnutí rychleji, tím pádem vydělat víc peněz, šetřit firmě peníze a tak dál a tak dál. Asi se shodnem na tom, že to jako tu value má, že jo. No a vlastně nikdy nebylo s-snazší ty informace získávat, že jo. Ono samozřejmě v, jako dobou internetu, tak obecně jsme měli jako bližší a bližší ty informace a mohli jsme si je mnohem jako snadněji získávat. Ale teď to jde ještě snadnějc. A jako kam tím mířím? Tak za mě třeba jeden z takových jako perfektních use casů, tak je vlastně monitoring nějakýho sentimentu. Jo, jakože typicky co mám třeba udělaný já, tak vlastně náš primární produkt jako mobilní aplikace a respektive webová. A to, co mě zajímá, tak mě zajímá, co si o tom jako uživatelé myslej, jo. Co třeba řešej na sociálních sítích, co řešej v recenzích a, a na spoustě jako dalších místech, jo. Obecně zkrátka, když se někdo třeba na něco stěžuje nebo naopak něco chválí třeba, tak já bych o tom rád věděl, že jo, jako produťák. Tak tohleto je, je něco, na co si myslím, že ten use case je jako naprosto perfektní, protože zase ty tam vlastně nedáváš žádný svoje osobní údaje, že jo. Akorát vyčítáš veřejný data a nějakým způsobem je agreguješ, děláš tu sumarizaci a dostáváš třeba, eh, někam do Slacku nebo kamkoliv, tak do e-mailu, tak každej den ráno ten, ten report obecně toho sentimentu, jestli se tomu produktu daří nebo nedaří. A vlastně když máš tohleto, nebo když si vlastně chceš dělat něco takovýho, takovouhle podobnou automatizaci si u toho agenta nastavíš, tak už seš vlastně jenom o krok k tomu nebo o krok blíž k tomu, aby si to třeba věděl i o svý konkurenci, že jo. Takže vlastně ty úplně stejně ty data z těch veřejnejch facebookovejch skupin a fór a všeho můžeš sbírat i o konkurenci. A najednou třeba když zjistíš, že tam dlouhodobě něco nefunguje u konkurence nebo naopak třeba uživatelé řeší něco, co ta konkurence nemá, tak si řekneš aha, jasně, ok, tak pojďme to udělat my. Jo a zkrátka, co tím chci říct je, že tady ta agregace těch informací a získávání těch informací z různejch datovejch zdrojů je dneska snazší, než vlastně byla kdykoliv předtím.

Filip: Rozhodně. A hlavně ti to prostě dá do tý podoby, kterou ty chceš, která je pro tebe třeba stravitelnější. Eh, jak, jako jak si tohle nastavit, že jo? Úplně za mě nejjednodušší způsob je, ať už v Claudovi nebo v ChatGPT, dáš si takový ty plánovaný úlohy, tam si popíšeš buďto pomocí skillů, anebo jenom v tom promptu, co prostě chceš. Máš tam konektory a máš to hotový. já často jsem se třeba setkával s názorem, že mi někdo říkal: tak jako to je takový jako vylepšení, ale tak já když to dám do toho promptu a zeptám se ho, tak on mi to řekne, jako na co si to automatizovat, že jo? Na co si to dělat pravidelně?“ Tak moje odpověď je, že prostě jako efektivnější. Zaprvý na to nezapomeneš, takže se to vždycky stane a dostaneš to. A zadruhý, jako ty to nechceš zadat a teď čekat jako deset minut, než ten agent to schroupe a připraví ti ten report, že jo. Ty v ideálním světě chceš přijít a už to všechno máš připravené a už navazuješ třeba tu konverzaci s tím agentem nad hotovým reportem. Takže jako je to takovej nejjednodušší use case, tak ale za mě má vlastně jako velkou hodnotu a jsou to přesně to, co jsi zmínila na začátku. Jsou to ty pěti, desetiminutový úkoly, který ti prostě každý týden nebo každej den ležej na tom stole, že je musíš udělat a ty takhle si je můžeš přečíst třeba v telefonu. Nemusíš prostě proklikávat ty weby, jenom si prostě přečteš ten report a když tě něco víc zajímá, tak se doptáš v tom chatu. Ale dokážeš vlastně odstranit ten pain toho, žes to musel skládat z různejch zdrojů dohromady.

Jindřich: Mně mimochodem, co mně u tohoto přijde super, tak jako ta pravidelnost. Eh, protože já to mám do nějakejch jako našich, eh, komunikačních nástrojů nastavený a vlastně jak mi to chodí pravidelně, tak já dokážu třeba už i tím, že si to samozřejmě čtu, ale pak dokážu odscrollovat dál, tak dokážu třeba vidět tu cestu nebo ten směr toho sentimentu, jestli se třeba zlepšuje nebo zhoršuje, že jo. Tak si řeknu ok, aha, jasně, tohleto se už řešilo někdy, tak odscrolluju pár dní zpátky. Říkám aha, jasně, tak tady nějak to jako započalo, fajn, jdem s tím něco dělat. Anebo naopak třeba něco jsme vyřešili a najednou mi přijde jako report, že už třeba někdo taky o tom mluvěj, nevím, hm, zkrátka v, někde v těch jako veřejnejch zdrojích, že už je to třeba opravený nebo hotový, tak taky pak jako dokážu, že jo zpětně dohledat. Aha, jasně, tady to hlásili. Jasný, tady nám trvalo takhle a takhle dlouhou dobu, než to došlo k těm uživatelům tam, než si všimli, že je to opravený a tak dál. Takže, takže to si myslím, že by mohl bejt potenciálně jako další argument toho, že ty máš tu pravidelnost a máš tam potom vlastně tu historii těch jednotlivých ranů. Takže když máš třeba na týdenní bázi, tak pak vidíš x týdnů zpátky, že jo, od tý doby, co sis to nastavil.

Filip: A zároveň já si dovedu představit, tady krásně, si to můžeš jako vylepšit na to, že ty jakmile zachytíš nějakou tu myšlenku, tak si to uložíš do tý Knowledge Base, ať už je to konektor do Notionu, ať už je to prostě GitHub složková struktura, ať už je to To-Todoist, asi nevím, jestli je ideální, ale prostě jako jakýkoliv nástroj a ty si to tam můžeš odložit a můžeš pak v průběhu času třeba mít daný, že pokaždý, když se tady ten run spustí, tak se má ten agent podívat na otevřený problémy, který se historicky řešily a říct, jestli třeba: „Hele, v předchozích týdnech jste řešili, že uživatelé si stěžujou na tady to tlačítko v aplikaci, že je prostě ne-nemůžou ho najít. Eh, už si přestali stěžovat, takže asi jste to třeba opravili.“ A pak to samozřejmě můžeš obohatit, že mu dáš přístup do tý Jiry. On si ověří, jestli fakt to vývojáři opravili nebo je to něčím jiným. Jo a najednou začneš propojovat ty informace, takže z hloupýho reportu, kterej ti jenom poskládal pár datovejch zdrojů do nějakýho hezky formátovanýho reportu, tak ty jsi schopný udělat poměrně jako inteligentní nástroj, kterej ti jako trackuje, jak se vyvíjí třeba názor těch lidí a nemusíš to dělat ručně a on si to prostě ukládá. Máš zase ty data a sbíráš data a potom to je, že?

Jindřich: Hm. Vlastně ten postup všech těchhle těch, hm, jednotlivých use casů, který my jsme si tak nějak jako zaškatulkovali do těch pravidelnejch reportů, tak je víceméně jako podobnej, že jo. A k tomu mě ještě napadá vlastně jeden a to je klasické media monitoring, že jo. Protože oni na to existujou nástroje, existujou na to si myslím jako docela jako dost drahý nástroje obvykle to jsou a vlastně všechny firmy je používají, že jo. Nebo používaly minimálně donedávna. A teď nám s tím může pomoct prostě jednoduše Claude. Vlastně podobně, jak to máme udělaný my, že jo, nebo na Deep Link Show, tak já to mám udělaný přes Grok Bota takhle a ten mi vždycky pinká, že jo, když je někde zmínka na internetu Deep Link Show. Takže když se o tom někde někdo diskutuje třeba na nějakým fóru nebo někdo dělá nějaký digesty našich podcastů, třeba že jo, co jsme zjistili do nějaký, nějakýho svý-svýho fóra nebo nějakej svůj blog třeba a podobně. Nebo naopak, když někdo má svůj vlastní blog a, a zmíní nás tam třeba, tak my se o tom dozvíme. A to je vlastně skvělý, že jo? Protože jasně, my jsme furt tady nějak jako malej podcast, ale nějak u nějakejch jako větších firem nebo středních firem, tak je to ten marketing to zajímá, že jo. To, to, to PR obecně, jako jak se o tý značce mluví, kde jsou ty zmínky, jaký média o nich píšou a tak dál. Takže tohleto si myslím, že je jeden z těch taky těch velmi jednoduchejch use casů a hlavně skvělejch.

Filip: Nutno říct, že oni pořád třeba ty velký nástroje mají to svoje využití, protože jako mají často mnohem větší pokrytí, dokážou se dostat do placených článků a tak. Ale jako spousta, tak takový malý podcast jako jsme my, tak my bychom si takový nástroj jako nekoupili, protože ono to jsou

Jindřich: ChatGPT

Filip: jako vyšší tisíce, spíš desetitisíce měsíčně prostě jenom za ten media monitoring a najednou ty jsi schopnej si jako většinu té práce prostě udělat se svým předplatným. Takže za mě to dá obrovskej smysl. Když se posuneme dál od těch pravidelnejch reportů, tak další věc, co třeba mně osobně extrémně pomáhá, byť je to vlastně úplně jasnej use case, kterej ti řekne každej, tak je to práce, příprava a zpracování schůzek nebo meetingů nebo konzultací. Prostě obecně jako hovorů nebo nějakejch jako setkání. typický moje workflow je: chci dostat brief před schůzkou. To znamená jako rychlej souhrn toho, o čem to bude. Eh, chci si nahrát meeting, chci si prostě si uchovat ty data a pak chci jako dostat pro sebe i pro toho člověka nějaký shrnutí. A jako už jsem se taky setkal s názorama, že někdo řekne, na co potřebuješ brief, vždyť si to stejně musíš pročíst, stejně si to musíš připravit a musíš vědět, o čem to je. A jako tady si myslím, že jako strašně záleží, kolik těch schůzek člověk má. Pokud má prostě jako, nevím, jednu schůzku za týden, tak neuvidí takovej velkej benefit. Ale já těch jako poptávek i vlastně konzultací mám jako spoustu a kolikrát si jako těžko vzpomínám. Ten člověk, se kterým jsme mluvili tři měsíce zpátky, teď něco chce a já jako, víš, jako vybavit si prostě, o čem to bylo, proč a nebo co jsme spolu řešili. Pak jsme se chvilku neviděli, tak najednou je to jako strašně super, že já prostě to dostanu ten brief a jsem schopnej se toho agenta doptávat dál, že jo. Takže řeknu „Aha, jasně, chápu. A si slíbili minule?“ On se podívá a je mi to schopnej říct. Takže já takhle jako nezapomenu na věci. to je za mě úplně jako nejlepší jako hack, kterej mi šetří asi nejvíc času. A základem je, že ty data někde musíš mít. Buďto v knowledge base, anebo dneska ti i stačí, já třeba používám Fireflies na to nahrávání. Oni mají MCPčko, takže v nějaký jednoduchý variantě jako pro začátek si klidně jenom tohle napojíš do Cloda si s tím umí povídat a vytáhne ti ty přepisy. Nebude to nejefektivnější, ale bude to fungovat.

Jindřich: A předpokládám, že pak tam máš nějaký zpracování tý samotný schůzky, že jo, toho transkriptu třeba, kterej jsi popsal. Ty jsi, ty jsi říkal, že to máš v bríf před schůzkou, pak že to nahráváš během schůzky, ale pak se asi zapracováváš jako někam dál, že jo. Co se, co se asi právě nabízí ostatní, aby ses mohl dodělat pak případně ty brífy do příště?

Filip: Jako já bych řekl, že nejjednodušší step, když by s tím někdo měl začít, jako pořiďte si nějakou službu, jako je Fireflies, Plot, eh, TLDW, je jich prostě jako strašně moc ty data tam a nemusíte se o to starat. Oni udělají ty výpisky, udělají ty to dočka. Jako není to ideální, ale je to jakoby super základ, protože najednou ty přepisy někde máš a agentovi přes MC řekneš, stáhni si je a získej. dva bych řekl je, že ty přepisy nejenom že necháš v tom nástroji, ale zapracuješ si je do nějaký svý knowledge base, do nějaký wiki. To znamená jako vytáhneš si z toho ty ten přepis, uděláš si nějaký summary a tak dál. Napojíš si třeba to do list, takže on ti rovnou založí to dočka, abys prostě něco udělal, že jo. A máš to takhle jako ready. No a pak to můžeš těm lidem i posílat. Prostě nějakej souhrn, že jo. Typicky máš s někým schůzku a oni ty action kroky nejsou jenom na tebe, ale jsou i na něj. Takže u mě to třeba vypadá tak, že se vlastně jako založí draft mailu, zase jako někdy ten agent udělá blbost. To se prostě stane. Ale tak já jsem ten poslední článek, kterej to čte, ale mám už předpřipravenej ten draft, takže zase ušetřil jsem. Vím, že je to dvacet vteřin, abych jako nemusel agentovi psát: „Připrav mail pro tohohle člověka na základě této schůzky.“ A pak to jako odesílal, ale už to tam mám ready. Ale jako já todleto dělám jako fakt hodněkrát do týdne, takže i každých jako dvacet vteřin, minuta je vlastně pro mě super a hlavně to snižuje tu frikci, frikci toho, protože já fakt nemám rád maily, takže jako já jsem to odkládal předtím poslat to shrnutí. Teďka už to je připravený a už je to jenom o tom to nějak poladit, zformátovat, odeslat jako super.

Jindřich: Mně přijde obecně celej ten jako koloběh okolo týho emailu, kalendáře, poznámek a jako záznamů z těch schůzek, tak jako, eh, zkrátka v, ve Fantasii se meze nekladou, že jo. Takže ty vlastně, když my se vrátíme k tomu trošku, jakým způsobem to udělat, tak i, i v tom jednoduchým vlastně Claudeovi, co spoustu z nás jako používá, tak když tam napojím kalendář, ten email a třeba to MCPčko, to Firefly, co jsi zmiňoval ty, přidám si ho do Chromu, že jo, aby mně to nahrávalo ty, ty, eh, hovory z Google Meetu, tak pak už já si vlastně můžu vymyslet v tom workflow, jak chci, aby to fungovalo, že jo. Aby mně to chodilo před schůzkou nebo po schůzce, aby tam byl draft nebo tam nebyl draft, eh, aby chodilo třeba jenom mně, že jo, nebo aby celý transcript chodil mně třeba a tak dál a tak dál a tak dál. Takže v tomhletom bych jakoby skoro řekl, že ta, ta value není v tom, jako jakým způsobem si to udělat tu workflow, ale napojit si tam prostě ty nástroje a pak už opravdu si to nastavit jenom tak, jak člověku vyhovuje. A zrovna si dovolím tvrdit, že tohleto může být jako tak individuální a pro každýho z nás to může bejt jako odlišný. Už jenom přesně jak jsi zmiňoval, když mám jako jednu schůzku týdně, tak asi to budu řešit jiným způsobem, než když těch schůzek je dvacet.

Filip: No jasně. A hlavně přijde, že tady z těch napojení takovejch těch jakoby základních nástrojů, což je to-dočko, kalendář, e-mail, jako vznikaj někdy zajímavý jako propojení těch informací, který by mě ani jako nikdy nenapadly. Že třeba já jsem agenta jako nikdy explicitně nastavoval, ať ten, ne-nenastavoval, ať ten kalendář jako kontroluje při psaní odpovědi jako mailu. teď se mi třeba stalo, že jsem jako do mailu mi přišly nějaký termíny a já mu říkám: „Hele, zapiš mi to prostě do kalendáře.“ Byla to nějaká opakující se událost docela pravidelně jako nadlouho. On říká: „Hele jo, zapsáno, jenom tě chci upozornit, tady ve čtvrtek se ti to překrývá s touhletou událostí.“ Já říkám: „Oh shit, aha, vidíš, to jsem třeba nevěděl, protože jsem prostě si to proklikal v tom kalendáři, jsem to přehlídnul.“ A takovýdle jako drobnosti jako můžou strašně pomoct, že jo. A já jsem to vlastně jako nenastavoval tomu agentovi, ale už jenom to, že on měl ten přístup, tak vlastně jako fungovalo velmi dobře. ještě mám jeden super příklad a ono to není úplně tolik jako na schůzku jako vyloženě záznam, ale my jsme nebo já jsem byl teďka, že jo, na tý konferenci Černá AI a měli jsme tam vytipovaný nějaký hosty, který jsem chtěl oslovit. tak já jsem vlastně jako sice si nedělal záznam schůzky, ale dělal jsem si záznam prose-pro sebe jako ty po-poznámky přes toho agenta a vždycky jsem někoho oslovil, na něčem jsme se domluvili. To jsem nenahrával, protože nebudeš se ptát náhodnýho člověka: „Hej, můžu si to nahrávat, abych vás pozval do podcastu?“ Ale hned jak jsme domluvili, tak jsem prostě si to nahrál. Eh, řekl jsem, co jsme se domluvili. Vyfotil jsem vizitku, poslal jsem to agentovi a on mi to uložil vlastně a pak jsem ti posílal, že jo, po konci tý akce ten report. Je to trošku něco jinýho. Není to zpracování schůzky, ale vlastně jako spousta obchodníků takhle na nějakým networkingu bude fungovat, že jo. Chceš oslovovat ty lidi, ale zapomeneš. Já jako okay, možná je to mojí hlavou, ale já si fakt po networkingu nepamatuju ty lidi, jako co jsme všechno řešili. Možná některý extrémně zajímavý. Tohle je jako super. Prostě fakt nadiktuješ, pošleš fotku vizitky, máš vystaráno.

Jindřich: Ono jakákoliv firma, že jo, nejen obchodník vlastně, tak vlastně každej, kdo je třeba B2C nebo i B2B vlastně, tak máš nějakou databázi leadů nebo databázi lidí, že jo, e-mailů, firem, v našem případě hostů a přesně chceš to jako nějak spravovat, že jo. Takže, eh, tohleto si myslím, že je perfektní příklad. Já to mám třeba udělaný, že jo, přes, eh, Crocbota a my u každýho hosta asi máme spoustu různejch jako metadat, že jo, i, eh, mimo jiné jestli s ním tykáme nebo vykáme, tak, eh, on vlastně je schopnej tohleto všechno zapracovat, že jo, obstarávat nám tuhletu databázi a, a to je vlastně perfektní, protože kdybys to tohleto měl opravdu jako vyplňovat ručně a hledat ty e-maily a telefonní čísla a odkazy na socials, tak ti to vezme zkrátka spousta času. A

Filip: A zase, zase máš ty různý úrovně, že jo. Buďto to můžeš mít Claude konverzaci s napojenýma nástrojema a jenom to tam prostě

Jindřich: No właśnie

Filip: nebo píšeš. Pak můžeš mít Grok bota nebo já mám Hermese a tam je výhoda, že on šahá do Notionu, umí zpracovat obrázek a tak, ale to už dneska Claude umí taky. Takže jako zase těch řešení je spousta. Je to spíš o tom jenom, že tě to jako napadne, že jo, že přece to nebudu psát ručně nebo ně-někde si to

Jindřich: Hm.

Filip: vzpomenout. Prostě to tam vyházím a pak se k tomu vrátím.

Jindřich: Já si ve skutečnosti myslím, že opravdu my tady sice často mluvíme třeba o tom Grokbotovi, že jo, nebo o tom OpenClaude vlastně, ale jako spoustu parády a myslím si, že pro spoustu jakoby běžnejch uživatelů třeba tak vlastně ti třeba devadesát procent těch tvých jako základních use casů obstojí ten Claude. A jasně, ok, možná nebudou jako do tý míry autonomie, kterou my tady často popisujem, ale zkrátka jako buď ten výstup nebo to, co ti to ušetří, bude přinejmenším uspokojivý. A to vlastně byly do jistý míry jako všechny tyhlety věci, že jo, který jsme tady měli, jasně. Nebude to třeba tak autonomní, že by ti to připinklo třeba samo jako před tou schůzkou, ale vlastně může taky, že jo, když tam budeš mít scheduled task například. Ale, eh, když ty mu řekneš, dáš mu jako ten prompt, tak ti to udělá úplně stejně jako ten Grokbot nám třeba. Takže prakticky je to mnohdy jenom o napojení těch jednotlivých konektorů a o tom mít vlastně ten use case, případně mít jako vytvořenej ten skill, že jo?

Filip: No jestli spojíš věci dohromady jenom

Jindřich: Pojďme dál. Hm, asi další možná taková oblast, kterou my jsme si tady tak pomyslně zaškatulkovali, tak je zpracování dat, že jo. My jsme ji už možná trošku nakousli tímhletím naším posledním use casem, že jo, s tou naší databází hostů. Ale třeba co mně přijde jako i taky fajn, tak je obecně nějaká jako práce s větším množství dat. A teď mám na mysli přesně jako obohacování anebo vlastně my už jsme tady třeba posledně řešili jako nějakej scraping, že jo a tak dál a tak dál. Ale zkrátka když mám nějaký, nějaký data, mám jich třeba hodně a jsou třeba nedokonalý a já potřebuju, aby nějakým způsobem mi to ten jako agent opravil nebo třeba doplnil, našel něco jinýho a udržoval, třeba když se nějaký data změní, tak tohleto je za mě taky jeden z těch jako perfektních use casů, že jo. A zase třeba když se trošku vrátím k, hm, tý naší databázi hostů, tak vlastně nám nic jako nebrání, že jo, čas od času prostě říct nebo na-dudlat si ten scheduled task, případně naskalovat to agenta, aby každý pondělí tu databázi jako proběhl. A v případě, že se někomu změní e-mail nebo najde nějaký nový telefonní číslo, tak aby nám o tom dal vědět. A todleto možná může bejt jeden z těch jako i velkejch painů, že jo, třeba firem, když mají nějakou databázi, CRMka, eh, kolegy, nevím, tak zkrátka data tam můžou zastarávat. Takže todle zase je relativně jednoduchej use case. Jednoduše ho lze naskalovat a může ti přinášet tu výhodu

Filip: Třeba se svým CRMkem tohle dělám, že vlastně jednou za týden, je to jednou za týden, tak ten agent vlastně jako proběhne pro všechny lidi nějaký jako nejnovější zprávy za ten týden, jestli náhodou, já nevím, třeba tenhle člověk tu firmu teďka jako neprodal, nebo jestli neuzavřeli tady nějakou investici, nějakej deal. Prostě jako zajímavý věci, který mně se pak můžou jako hodit. A není to, že hnedka bych na to

Jindřich: Jasně.

Filip: ale mám to v tom CRMku a vím, že pak, když se s tím člověkem budu bavit, tak ten agent řekne: „Jo hej, by the way a ještě prostě tady Pavel udělal tady deal s nějakým investičním fondem. Zajímavý vědět, tak se prostě na to můžeš jako zeptat a je to prostě fajn, že jo. Obecně lidi, co mají CRMka, tak vědí, že přesně tyhlety informace se ti jako hodí, hodí mít a vědět. Takže prostě jako obohacuješ ty data a obecně ta práce s těma datama díky těm agentům je tak jako nádherná, že jo. Jako krásnej příklad, teď nedávno, že jo, společně jsme měli úkoly v Notionu já jsem si jako stěžoval, že to tam jako pořádně nevidím a to, tak jsme chtěli zmigrovat do Todoistu. No tak zatímco my jsme řešili nějaký jiný věci, tak jsem to zadal agentovi a on to zmigroval. jako to třeba, já nevím, sto padesát to do Czech. Dřív takováhle migrace, to bylo prostě jako na sobotní dopoledne, žes to přepisoval a dělal a čistil a to. A takhle ten agent to prostě jako mlask a je to. A je to prostě v jiném nástroji. Já jsem takhle přemigroval svoji knowledge base jakoby asi třikrát. CRMko jsem měl nejdřív v Markdownech, pak celý v Notionu, pak jsem to měl hybrida a pak jsem se vrátil k Markdownům. Hm, jakože pa, agent dostal prompt na večer a on to prostě za dvě hodinky jako zmigroval. Takže obecně přesouvání a modifikace velkejch dat mezi nástrojema je dneska taky jako extrémně jednoduchá díky agentům.

Jindřich: Hm, to si myslím, že je good point, protože spoustu nástrojů, který my jsme historicky jako používali, tak jsme používali jenom z toho důvodu, že se prostě z toho nechtělo odcházet, že jo. Protože tam jsi neměl třeba takovejch dat nebo nějaký nastavení a zkrátka by to byl pain. A teď si vlastně jenom řekneš: „Ok, tak já chci zkusit ten jinej nástroj, že jo, tak to zadám třeba tady agentovi, že jo.“ A to může bejt, nevím, cokoliv, že jo. Tak e-mailovej klient mi přijde takovej jakoby typickej, že jo, že byť teď už je to snadný, že jsem taky přihlášenej přes nějakej svůj účet a už tam má všechny ty svý jako e-mailový účty, ale to dřív nebylo, že jo. A tak přesně to bylo, že člověk jako nechtěl odcházet z tohohleto softwaru jako na jinej, byť jinej by mohl bejt jako lepší nebo chtěl, ale třeba to oddaloval přesně kvůli tomu, že to byl pain to přepisovat. Teď to zadáš agentovi, vyřeší za tebe. A no, ale ještě možná mě k tomu jako napadá jeden, eh, jako case, jo. A když trošku jako teď odbočíme třeba k našim jako kolegům z HR, jestli tady jako někoho máme, tak mně přijde třeba hrozně zajímavý, jak se vlastně dá pracovat s těma jako user datama, s těma, s tím vlastně hiringem vlastně i pomocí jako AI agentů. A jeden z těch základních jako casů, že mám nějakýho agenta a já mu naházím CVčka těch lidí, protože pořád si dovolím tvrdit, že fungujou CVčka v PDFku. Ten agent mi z toho vyzobe veškerý informace, dá mi to do nějaký tabulky, případně ještě na nějak, na základě jakejsi jako mnou definovaných jako datech nebo, eh, workflows, tak mu dá třeba nějakou sílu toho jako kvality toho CVčka nebo kvality toho samotnýho člověka, že jo. A vlastně pak ten člověk z toho HR může jenom snadno jít vidět pod sebou všechny ty lidi, který se mu hlásili, jaký mají praxi, jakou mají praxi, odkud přicházej, co třeba dělali, pro jaký firmy pracovali, reference a, a tak podobně. A je to mnohem vlastně jednodušší a mnohem si myslím i snazší než procházet jako jednotlivý CVčka. Protože jako přece jenom co si jako budem povídat, určitě když jedno CVčko je mnohem hezčí než to druhý, byť jako to druhý je mnohem kvalitnější třeba, tak si myslím, že je tam trošku tak jako nějaký jako podvědomí, že spíš možná můžeš nějakej způsobem jako preferovat v počátcích třeba to hezčí. A tam samozřejmě může bejt jako mnoho výhod a nejen nevýhod. A i takhle můžem jít dál, že jo, jako připravit, příprava těch e-mailů, který už jsme tady my trošku jako načali. Ale co tím chci říct zase, nebo vlastně co tím chci trošku i naznačit, že obecně ty AI agents lze vlastně použít v jakýmkoliv oboru. My tady sice hodně říkáme nějaký naše use casy z nějakejch i třeba takhle technickejch, ehm, nevím, podcastovejch věcí, ale i třeba nějaký kolegové nebo kolegyně z HR, tak to můžou používat úplně stejně efektivně jako my

Filip: Jasně. A přesně to je o tom, že ty jako jsi schopný díky těm agentům jako vzít různý nestrukturovaný data, dostat je do nějaký struktury, pak je obohatit, eh, dát do jiný struktury, aby se odprezentoval nějak. A jako transformace těch dat a práce s nima je dneska jakoby fakt extrémně, ale extrémně jednoduchá. A mimochodem takovej jako protip, eh, jestli jste někdo ještě jako nezkoušel ten novej model, ten Jeff od Typesafe AI, tak jako velmi zajímavej model na klasifikaci, jakože ale násobně rychlejší, než když to proháníš klasickým LLMkem. A přesně takový ty klasifikace typu, kolik let nebo jakoby v jakým rozmezí roků zkušeností je tenhleten uživatel nebo se na tyto technologie a teda a teda, tak jsi schopnej jako bleskurychle prostě ohodnotit. Já jsem třeba dělal teďka experiment, že jsem si vyscrapenul recenze hradecký nemocnice a prostě jsem je pro-je projel na různý jako klasifikátory, jako jestli si lidi stěžujou nebo je pochvalná, stěžujou jakoby na personál nebo jak hodnotěj jak hodnotěj todle todle. A vlastně jako to bylo za, ty jo, kolik to bylo? Jakože padesát centů nebo dolar, jakože a bylo to asi tři sta padesát recenzí a těch metrik tam bylo, já nevím, asi dvacet, dvacet pět. Jako to vlastně už mám video na svym YouTubu, na ten Jeff model, tak tam to ukazuju, tak se diváci můžou mrknout. Jo a jako vlastně ty jsi schopnej najednou třeba přesně na i ty CVčka, tak ten argument někdy býval: „Hele, vždyť je to drahý pomocí těch agentů,“ tak ale už vznikají modely, který jsou prostě na tu klasifikaci jako mnohem levnější a jsou bleskový a skoro real time. Takže jako ty to vlastně můžeš mít skoro v nějakým programu, kde ti to jako proskenuje to CVčko a rovnou ti to vyhází, vyhází ty klasifikace.

Jindřich: To bych jich asi musel mít jako hodně, že jo, těch CVček, aby tohle dávalo smysl, protože jinak ti to jako velmi dobře obslouží vlastně jakejkoliv jazykový model jinej, že jo. A byť jasně může to trvat dýl, chápu. Dražší si myslím, že by to být jako nemuselo.

Filip: Je,

Jindřich: Nebo že by se to mohlo

Filip: o hodně. Já jsem, já jsem dělal ten benchmarking a fakt to vychází třeba jako dvacetkrát nebo třicetkrát levnějc ten model a někdy i

Jindřich: No

Filip: jako

Jindřich: tak to záleží co, že jo. Pokud já bych měl prostě tady pět CVček a řekl: „Hele ok, tak vytáhni mi z toho jakoby veškerý data ani jak mi to jakoby oklasifikuj,“ tak to seš schopnej udělat i v rámci svýho subscriptionu, jo?

Filip: Jasně. Jo, jo, jo, jako ano, jako sub-- model subscription jako nabourává samozřejmě tady ty jako metriky, ale ten je takovej dočasnej, že jo, řekněme. Takže ano, teď,

Jindřich: Ja, okay.

Filip: ale, ale je to s otazníčkem, jak to bude, že jo?

Jindřich: Jo, ok, rozumím. Chápu. No, tam se bohužel asi jednou dostanem a až budem platit za, za usage, ale zatím tam nejsme a musíme toho využít. Hm, co se nabízí, že jo, tak jako jeden z těch jako následujících fakt jako velmi simple jako use casů, tak nějakej dig-digest newsletteru. Každému z nás chodí do e-mailu spoustu newsletterů, ať už úmyslně nebo neúmyslně, nebo že jsme se k nim přihlásili nebo se nám nedaří se od nich odhlásit, což je taky možný v dnešní době. Eh, nicméně já nevím třeba jak ty, ale já ty newslettery jako skoro nečtu, že jo. To, že je jich hodně, byť by mě třeba zajímaly, snažím se dávat všude unsubscribe a bejt subscribed jenom tam, co se snažím číst a stejně to nestíhám. Tak jako co se nabízí, že jo, zase z toho udělat nějakej digest v pár větách každý pondělí, co se udělalo za minulej týden. A nemusí to bejt jenom z e-mailů, ať tady jako ne furt do-neopakujem ty e-maily, ale můžou to bejt i nějaký novinky, třeba z nějakejch publicist-publicistickejch portálů nebo třeba jakýkoliv jiný novinky zkrátka já sleduju. Eh, takže tak obecně možná jsme to už jako dost popsali, ale zkrátka ty digesty, ať už je to jako cokoliv a zpracování těch dat a nechce se mi číst dlouhej článek, tak z toho dostanu krátkej článek. Tak to je něco, si myslím, co by zase každej z nás mohl využít.

Filip: Rozhodně. No tak možná, možná pryč od těch mailů a pojďme, pojďme jako dál. Eh, další taková klasická věc, že jo, co se děje, ať už na tý osobní rovině nebo ve firmách, je, že ty lidi potřebujou prostě nějaký FAQčko. To znamená jako potřebuješ zjistit nějakou informaci, potřebuješ to někde dohledat. No a v dnešní době tak ok, můžeš řešit nějakej složite-nějakou složitou RAG databázi a podobně, ale vlastně jako kolikrát ti dneska stačí, máš dokumenty v Notionu, no tak ať si ten člověk napojí Notion, ty mu v pár skillech vysvětlíš tu strukturu, kde co najde ten agent a on se prostě může doptat a najednou každej má svýho FAQ agenta v tý firmě. Můžeš jít o krok dál, můžeš to těm lidem napojit do Slacku, můžeš jít o krok dál a ty data nějak přechroupat líp než jenom v tom Notionu. Ale vlastně jako často já se setkávám s tím, že když lidi v nějaké firmě řešej přesně tady to, jako dotazování se na knowledge base, tak často se to snaží jako řešit tím jako nejsložitějším způsobem. To znamená nějakou velkou RAG databází a to, ale jako zpracovávat data do RAGu, tak jakoby extrémní pain a fakt to jako zabere dost času. A jako pokud těch dokumentů nemáš jako statisíce, tak to jako vlastně moc nedává smysl a jsi schopnej to obsloužit nějakým takovýmhle jednoduchým agentem. už právě v tom Slacku, nebo že jenom prostě lidem napojíš nějakej Notion, kterej maj sdílenej napříč organizací a ten agent si tam prostě ty věci najde.

Jindřich: Mně se třeba líbí jako trochu ta, ta myšlenka v rámci toho FAQ toho jako dynamickýho obohacování, že jo. Protože, eh, když máš třeba nějakej produkt B2C, tak máš zpravidla nějakou zákaznickou podporu, kam jako píšou lidi, jo. A tam můžeš mít nějakej Intercom nebo třeba e-maily, takže ty data vlastně sbíráš. A nad těma datama může jako běhat nějakej agent, kterej jednou za pár dní třeba to jako proběhne a ty nejčastější otázky a i nejčastější odpovědi, který že tak nějak jako formuluje a publikuje na web třeba. Takže ty vlastně víš, že tady máš vlastně automatizovaný FAQs na webu, kde máš třeba dvacet nejčastějších otázek vlastně v čase. Takže jestliže před půl rokem byly nějaký, tak já už tam mám teď ty, který jsou auto-- ty, ty, ty, který jsou vlastně aktuální nebo aktuálně nej, eh, ptánější, nej-- no zkrátka choděj nejčastějc od tvejch uživatelů. A tady už mně to vlastně přijde trošku víc jako agentic use, že ty vlastně do toho nemusíš moc zasahovat. Máš toho agenta, kterej nad těma datama žije a akorát ti dělá ten digest z toho, že ti to lifruje i na ten web, že jo. A to mně vlastně přijde dost jako zajímavý a myslím, že i pro spoustu lidí nebo pro spoustu třeba společností by tohleto mohlo bejt docela využitelný. A myslím si, že, nebo asi jsem to asi ještě neviděl nebo nečetl jsem o tom, že by to jako někdo třeba takhle používal, ale akorát jsem vlastně na ten use case narazil až teď, když jsme si dělali nějakej research a přípravu na tuhle Bizzoru.

Filip: Jo a vlastně jako to je podobná věc, jako že analyzuješ nějaký FAQčka, tak stejně jako jsi zmiňoval, že analyzuješ ten sentiment těch recenzí, můžeš analyzovat, jako jestli někdo si fakt na něco velkýho stěžuje a prostě podchytit ty věci časně. Jako ty LLMka, ty potažmo LLMka, tak ti jako dávají najednou tu možnost jako rozumět tomu textu a vyhodnocovat ho, což dřív byl prostě jako docela problém. No, další takový obvious věci nebo obvious možná ne, ale jsou jako že ten agent je za tebe schopnej jako vyplnit nějaký nudný formuláře nějaký jako konfigurace. Já třeba jsem teďka potřeboval naklikat reklamu na Metě a jako ten, kdo dělal s Business Managerem, tak určitě ví, že je to jako naprostej odpad ten software. To je fakt jako hrozný prostě tam něco naklikat. A jakože já nejsem markeťák, ale znám spoustu markeťáků, který na to nadávají úplně stejně jako já. No tak jsem to prostě dal agentovi. A jako jasně, první bylo, že to naklikal v browseru, potom oni mají i CLIko, takže to dělal přes CLIko. Ale ta pointa je, že vlastně ten agent za tebe dneska umí spoustu částí softwaru ovládat, aniž bys ty musel jakoby ten program otevřít, musel tam někde klikat, něco vybírat a jako ve spoustě případů je to fakt super, protože ne, nechceš to jako tam klikat ručně jako pička.

Jindřich: No a to můžeš, hm, asi ty můžeš jít ještě jako mnoho stepů zpátky, že jo. Vůbec nemusíš řešit, že to je nějaký složitý metaformulář, protože to není pro každýho. A třeba objednávku na AboutYou, že jo, teoreticky ty mu můžeš jako dát tomu agentovi: "Hele, tohle mi objednej." On může objednat, dá ti tam tu adresu, zaplatit, poslat ti to do Alzaboxu. Vyřešeno. A spoustu lidí třeba co má takhle uděláno, tak vím, že maj Rohlík, že jo. Že mají třeba MCPčko na Rohlík a když řeknou: "Hele, ok, tak já si chci uvařit tohleto, chci to pro pět lidí a objednej mi to na Rohlíku." Hm, ten vlastně přes MCPčko to objedná, zaplatí, přijde ti to a ještě ti ten agent třeba z toho postaví ten recept a ještě k tomu ti k tomu řekne makra a ještě ti řekne, co si můžeš uvařit z těch zbytků, že jo, který ti zbydou třeba. Takže, takže, eh, byť tohleto se dočástečně týká těch formulářů, o kterých jsi začal mluvit, tak je to asi zase další use case, kterej mi hnedka vyskočil v hlavě, když jsi to zmínil.

Filip: Co, co je možná dobrý říct, tak my jsme s kámošem nad tím Rohlíkem ještě jako experimentovali dál, že vlastně jako spousta lidí ti řekne: "No tak já nevím, tak mi to dá, jak si to naklikám, vždyť už to není takový peklo a jako budiž." Ale my jsme třeba jako zkoušeli to, že vlastně ty když dodržuješ nějaký makra, to znamená, chceš jakoby jíst určitý počet kalorií, určitý počet jako bílkovin, sacharidů a teda prostě jako máš tam spoustu tadytěch metrik, tak jako poskládat si jídelníček, aby ti to jako sedělo. není úplně jako jednoduchej úkol, jako pokud si nekoupíš nějaký hotový, že jo. Pokud si ho chceš poskládat. A když to dáš LLMku, tak ono si spoustu věcí jako vyhalu-vyhalucinuje. Prostě si to jako vymyslí, tipne to ty kalorie nebo to vezme z jiný, já nevím. Kupuješ odněkaď sýr? No tak každej sýr má prostě jako jiný procento tuku, že jo, atd. A už, a už to jakoby ovlivňuje a jako některý věci skáčou hodně. Tak my jsme udělali, že Rohlík ti poskytuje přes MCPčko i vyloženě jakoby makra. vlastně ten agent jako nejdřív se tě doptal, co bys chtěl jíst. Eh, tak nějak okruhově jako jste vyřešili, co bys asi chtěl, že máš chuť třeba jako na italskou, těstoviny, může tam bejt mozzarella, tak jako obecný věci. No a on pak šel na Rohlík, postahoval si veškerý ty ingredience a ty jejich makra a pak vlastně jako to chroupal, aby ti postavil jídelníček na míru, kterej vlastně jako přesně dodržuje ty makra, jako co ty sis stanovil jako cíl. No a zároveň to ještě optimalizuje, abys nevyhazoval věci. To znamená, aby vlastně třeba když tam máš recept na osm set gramů kuřecího a ty kupuješ prostě dvě půlkilovky, no tak co s těma dvěsti gramama, že? No tak on to jako optimalizoval tak, že vlastně jako ti nechal zdělat celý to kilo a třeba k večeři ti ubral maso nebo jo, nějak to takhle jakoby poladil, abys vlastně jako co nejmíň zahazoval, ale zároveň splnil ty makra. Jo? A tím chci jenom jako ilustrovat, že jako i pitomý nakupování, který člověk si řekne: "Jé, tak jako to je přece jasný, jak že to ten agent tam nakliká do košíku, jako co je na tom tak super?" Tak ty seš ale jako schopnej optimalizovat až takhle jako do mrtě. A jako to už má tu hodnotu. Jako najednou se s tím nemusíš prostě piplat. Prostě to, to takovejhle úkol, to je třeba na hodinu, že jo. A ten agent to dělá teda taky hodinu třeba, ale, ale jako dělá to on, že jo, já ne. Takže to

Jindřich: No jasně,

Filip: dá

Jindřich: no jasně

Filip: dotáhnout

Jindřich: Já si myslím, že obecně jako tyhlety use casy, který se týkají nějakýho jako osobního zdraví nebo tohohle wellbeingu a longevity, typicky jídla, tak, eh, jich je celá řada, že jo, jak by šla automatizace. Já třeba už jsem tady možná někdy o tom mluvil, ale svýho Grok bota jsem naučil mě zapisovat z hlasovky do kalorických tabulek a dělá to jako fakt dobře. A, eh, zároveň já tam mám ještě jako druhýho bota, kterýmu říkám Kuchařka a když tenhle vlastně mě umí jako zpracovat recepty. Takže třeba když mě něco jako zaujme na internetu, tak já mu to pošlu a on mi zase z toho udělá digest, uloží mi to do databáze a přesně taky mi dohledává veškerý tyhlety makra těch ingrediencí a pak, pak podobně. A co je jako na tom fajn, tak tyhlety dva agenti si uměj povídat. No takže já třeba tomu agentovi řeknu: „Hele, prostě zapiš mi to od tohohle toho agenta, že jo, do kalorických tabulek.“ On: „Jo jo, jasně, ok, ptám se tohohle agenta.“ Ono ještě taky hezky to tam je graficky znázorněný mimochodem, že se ptá toho druhýho agenta, jo. A ten druhej, ten druhej agent ti řekne: „Hele, tak já jsem to právě tady do kalorických tabulek poslal, kolego, jo.“ Eh, skvělý. Ale jako co chci říct, takže tak jako takovejhle přesně use casů, že jo, je jako celá řada. A ty kalorický tabulky vůbec, protože to je jako opravdu vopich, že jo tam jako zapisovat, tak chce to, chce to jako disciplínu. A ještě když ty to jako rozšíříš o tohleto jako MCPčko třeba, který jsi říkal ty, toho jako Rohlíku, tak pak si myslím, že už opravdu může bejt zase i snazší, že jo to jako dodržovat a hlídat si ty, ty svý makra. A mimochodem třeba i z fotky to dokáže jako relativně pěkně jako zapsat. Jo to jsem docela byl překvapenej. Nebo když jdu na oběd, tak vyhodím meníčko jo a řeknu: „Hele, zapiš tohleto.“ A i třeba co se týče nějaký jako váhy, že jo, gramáže toho jídla a tak, tak, eh, dělá to good job. A

Filip: Yes

Jindřich: kalorický tabulky používá já nevím kolik desetitisíce jako lidí, že jo. Takže zase je to jako nějakej use case, kterej je relativně jako dostupnej nebo minimálně by mohl zaujmout jako velký množství lidí.

Filip: Ještě k tomu mě napadlo, to je spíš tak jako mini vylepšení, ale já si teda kalorický tabulky nepíšu. Já jako takový poctivák nejsem, ale přítelkyně si je píše a mě jako vždycky jako fakt mě vždycky jako nebaví, jako když něco nandávám, tak to jako vážit to jídlo, jako kolik tam toho jako dávám. No ale tak já jsem vzal prostě ChatGPT jako voice mode, prostě ho vrzneš na stůl a říkám: „Hej kámo, teďka vážím, prostě je tam osmdesát gramů rajčat, sto gramů tohodle, sto gramů tohodle.“ A on si to jako pamatuje, že jo. A já s ním mluvím, můžu to dělat. mlčí, když já mlčím. Takže já prostě s ním projdu tady tu session, tu va-- toho vaření a on si to zapamatuje a pak už mi to jenom hodí do nějaké tabulky a je to super. Takže jakoby najednou ten opich toho, že jsi musel vzít papír a teď máš umatlaný ruce a jak to tam prostě zadat, tak jenom ho dáš. Hej, poslouchej. On zapisuje. dneska už umí se napojit i na kodexe, takže může použít i MCPčko a může ti to rovnou někam vrznout. Takže obecně jako tady to handsfree ovládání těch agentů, byť je to taková jako drobnůstka, tak za mě jako super, super handy.

Jindřich: No a mimochodem mně přijde, že to dokáže i dobře jako odhadovat to množství, protože třeba třeba já dělám jako typicky, když si vařím nebo tak, tak si dávám jako jídlo, že si ho zvážím celý na konci, jo. Takže já vím, že ta moje porce má čtyři sta gramů. Já mu řeknu: „Hele, mám čtyři sta gramů a vařil jsem tohle a dal jsem do toho tohle, tohle, tohle, tohle, tohle.“ Tak jako jasně, on samozřejmě odhaduje jako to množství, ale jako dost dobře to dokáže jako odhadnout, jo. Nebo jako myslím si, že jako velmi relevantně, byť třeba ty jednotlivý ingredience jsem jako nemířil, ne-ne-nevážil. Já už nejsem zas taky asi takovej poctivák, jak říkáš, ale stačí mi to pro moje potřeby. Je to jakoby good enough. Takže i tohleto vlastně my se tady často ba-bavíme o tom, že jo, že nás někdy zkrátka jako překvapí ten agent nebo to AIčko, jako co dokáže a občas nás samozřejmě taky překvapí tím, s jakou blbostí si neporadí. Ale tohleto je zrovna ten případ, kdy jsem si říkal jako sakra, ty jo, to je, to je jakoby fakt dobrý. Jako najednou, eh, kalorický tabulky mám radši ještě, než jsem je měl, eh, ne-nedávno, když jsem to tam musel zapisovat ručně

Filip: No jasně, to je jako to, co, co jsem říkal, že já si myslím, že tyhlety appky se budou stavět těma agregátorama těch dat, ale ty už prostě ti bude jedno ten jejich ksicht, protože ty máš toho svýho agenta, který ti to tam zapíše a je mnohem chytřejší, než kdybys po-používal nějaký jejich proprietární jako AIčko. A možná ještě takovej jako protip, eh, zase jako takej jednoduchej use case, když třeba člověk nakupuje, jo. Já jsem teďka chtěl na telefon koupit prostě takovej jakoby MagSafe stojánek, kterej má jako dvě nožky. Můžeš ho kamkoliv na magnetickej povrch připnout a prostě abych si mohl udělat jakoby kameru odkudkoliv, že jo. Hej, já jsem fakt nevěděl, jak to mám popsat do toho Googlu jako stojánek, co má MagSafe, magnetický nožky, trojno-- jo, jakože popsat to jako nějak bych to asi vygooglil, ale jako vypotit to zadání do toho Googlu bylo jako pain. Tak já jsem to prostě Claudovi popsal a říkám: „Hej pls, najdi prostě všechny možnosti a ještě prohledej, jestli není to na nějakým Bazoši nebo něčem, ať prostě za to nemusím dávat patnáct stovek.“ A on to prostě jako prošel, otevřel si prohlížeč, že jo, proklikal a našel. Našel to na nějakým bazaru za dvěstě pa-padesát prostě korun a bomba, že jo. Takže i takovej jako simple use case jako nákup prostě když něco víš, že bys chtěl, prostě jenom zadáš a on si s tím nějak poradí a prohledá ten internet.

Jindřich: No, obecně takovej chytřejší Google dnešní generace

Filip: No jasně, jak se dřív říkalo, že jako LLM jsou strašně špatný na vyhledávání a zdroj informací, že jo, protože dřív to tak bylo, že jo. Se říkalo jako nesmíš používat LLM místo Googlu, ale tak když to LLM už není LLM, ale je to agent, kterej má ty nástroje, má to vyhledávání, umí ověřovat, tak jakoby to je mnohem chytřejší než Google, že jo. Jenom

Jindřich: Jo, jo,

Filip: správně

Jindřich: se posunuli. Hm,

Filip: No jasně

Jindřich: jo, bezesporu. No a já si myslím, že přesně těchhle těch jako osobních use casů, co, hm, jako pro náš třeba každodenní život, i když se odprostíš jako od toho profesního, tak je opravdu celá řada. Jo, my jsme tady hodně mluvili o těch emailech, kalendáři a podobně, ale třeba nějaký hlídací psi. Že jo, když já chci kupovat typicky, hmm, stojánek na MagSafe, ale zrovna na Bazoši nikde není, tak já si tam můžu nastavit toho hlídacího psa, aby mně ten agent každej den to vyhledával. A když se tam ten stojánek, že jo, s Magne-- s MagSafe objeví, tak aby mně třeba pinknul zprávu. A takhle jako typicky asi co bych řekl, že lidi budou dost používat, tak budou reality, že jo. Protože přece jenom to je jako něco, když plánuješ kupovat byt nebo plánuješ kupovat dům, tak o tom chceš vědět ideálně co možná nejdřív. A jasně, oni typicky ty jako reality nebo realitní servery, že jo, ty, tak ty agenti třeba maj, ale mnohdy jsou třeba placený a tak dál a tak dál. Takže, eh, samozřejmě možná se zas dostáváme do nějaký jako šedý zóny, kdy to tam může probíhat, že jo, ten agent nebo kde ty můžeš data scrapovat a podobně, ale to je asi zase jako jinej topic. Co tím chci říct je, že z těch každodenních use casů, tak ať už je to, jsou to ty hlídací psi čehokoliv, tak to taky může bejt jedno ze zajímavých využití AI agentů.

Filip: A hlavně ty pak nejseš, eh, jakoby odkázanej na to, co ti ta platforma jako nabídne, jo. Já mám tak jako dva use casy jako z praxe, jo. Jeden je, že chci si koupit novej počítač na agenta, co mi tady prostě běhá na starým Macu a říkal jsem si: „Ty jo, Mac Mini to zdražilo prostě o deset tisíc, jako prostě z patnácti na dvacet pět, to je šílený, to jako prostě teďka nechci kupovat.“ A jsem si říkal: „OK, co kdybych vlastně si koupil MacBook jako s rozbitým displejem, že?“ A to je jakoby specifickej parametr jako rozbitej displej, že jako to, to nemáš v nějakým hlídacím psovi. Tak jsem si prostě udělal agenta, kterej jako prohledává Bazoš, Aukro a

Jindřich: Hm,

Filip: a

Jindřich: skvělý

Filip: tady ty notebooky a, a funguje to. Pak teda se kolegovi rozbil displej, takže mám vyřešeno nakonec jinak. Ale jako to, to jsou přesně ty use casy, že chceš něco specifickýho. Nebo to ještě nemám jako uvedený do praxe, ale vím, že až budu hledat nějaký jako bydlení, nějakej barák, tak já proč, ale mám prostě jako představu, že bych chtěl, aby u toho baráku byla vodní plocha nějaká. A to jakoby taky není jako filtr na Srealitách, že jako barák je vedle řeky, barák je vedle prostě nějakýho jezera. ale ty seš schopnej tomu agentovi to zadat, aby on prostě podle nějakejch parametrů to posoudil, případně se podíval i na ty fotky. Jasně, bude to jako drahý, ale jako levnější než asi můj čas, abych to jako proklikával všechno. No a zkrátka jako ty seš schopnej jako do mrtě si toho hlídacího psa fakt jako uzpůsobit a nechat udělat tu první čistku těch dat jako za tebe. A to je za mě jako obrovská výhoda.

Jindřich: Hm, my tady ještě pár, že jo, těch ty-tyhletěch use caseů pro ten jako osobní život a jako každej denní používáme několik. A kdybych to měl trošku shrnout, tak to může bejt různej, třeba hlídač termínů, že jo, nějaký jako pojistky a, a přeplatný a platnosti dokladů, že jo, STKčko třeba a, a podobně. Nebo taky jako audit, eh, řekněme nějakejch mejch subscription, že jo, protože každej z nás platí Netflix a pak celou řadu různejch nástrojů a ChatGPT a Claude a vlastně stovka tady a stovka támhle, tak se jako může nasčítat. Takže taky možná nad tím chceš třeba nějakej jako audit, že jo, nebo nějakou kontrolu nebo něčeho a ty zase toho jako agenta může klidně poslat do e-mailu, protože zpravidla tam ti choděj nějaký účtenky, že jo. A on ti to celý může zmapovat, dá ti tam ten report a ty se pak můžeš případně jako rozhodnout, jak dál s tím naložíš. No a už když seš vlastně takhle daleko, tak už seš vlastně jenom step od toho si třeba hlídat nějaký reklamace, že jo, těch jako nákupů. Takže typicky koupíš něco na Alze, že jo, přijde ti do e-mailu účtenka, koupíš něco na AboutYou a Zalandu a kdekoliv jinde. Máš ty faktury v e-mailu a tam už může zase sedět nějakej agent, kterej tohle bude hlídat, zapisovat ti tam někam ty expirace, že jo. Může ti pak připomenout třeba „hele, tady já nevím, máš třicet dní na vrácení, že jo, na Zalandu nebo kolik“, tak on ti dvacátej osmej může říct „hele, bacha, víš o tom, že tady ještě máš tuhletu objednávku?“ A, a tak podobně. Takže to jsou všechno věci, kdy vlastně každej z nás nebo spoustu lidí i mimo IT, mimo náš obor, tak třeba používají Zalando, že jo. Mají, mají kalendář nebo mají to auto nebo mají to STKčko a i na tyhlety věci se dokážou najít pravděpodobně ten use case toho využití toho agenta.

Filip: Jo a jako některý use casy se dají prostě i jednoduše udělat s nějakým softwarem, že prostě nepotřebuješ ani to AIčko, ale vyžaduje to nějakou disciplínu, že si to prostě nastavíš ty věci. Ale ta výhoda těch agentů někdy prostě bývá, že oni ti ty věci dokážou jako dohledat. Takže ty prostě třeba nevíš, kdy jsi naposledy byl na STKčku na autě, tak mu řekneš: „Hej, prosím tě, mrkni do mailu, kdy, kdy mi naposledy přišel prostě jako zpráva od servisu a vlastně už nevím, kde jsem s tím byl, ale jakoby najdi to. „A on to najde, že jo. Takže ty seš jakoby schopnej dosuplovat to, že nenastavil nějakej pořádnej systém na třeba hlídání těch termínů. Takže třeba já tady vidím v tomhletu tu výhodu.

Jindřich: Určitě se shodneme na tom, že těch use casů je jako opravdu celá řada. My jsme jich tady dneska vyjmenovali jako i tak hodně a stejně určitě by tady jako spoustu lidí nám dokázalo třeba poradit, že jo, nebo říct, jak to třeba používají oni. A pořád jsem přesvědčenej o tom, že byť my v tom jsme docela ponoření, že jo, každej den hledáme další a další možnosti jako nových use casů a automatizace a jak ty agenty využít tak, aby nám pomohly. Tak stejně si jako nedělám iluze, že za pár dní zas přijde někdo, kdo mě překvapí nějakým jako využitím toho, toho use casu. A mimochodem tak, eh, Grokbot tak nebo respektive X, že jo, tak, tak od Elona Muska, tak oni měli nějakou challenge vypsanou, že, eh, ty jim popíšeš jako svůj use case, na co používáš Grokbota a ty nejlepší nebo nejkreativnější oni vyberou a jako SpaceX je pozve na to, že se můžeš podívat na start rakety. Což mi přijde jako hodně cool taky samozřejmě. Takže pokud by někdo měl třeba fakt nějakej jako velmi dobrej use case, velmi jako zajímavej, kreativní, hm, co třeba nepoužívá jen tak někdo, tak jednak nám dejte vědět, protože mě by to hrozně zajímalo. A druhak se můžete přihlásit do týhletý soutěže, eh, pokud ještě běží. To, to samozřejmě nevím.

Filip: Zajímavý info. To, to je, to je cool soutěž. No hele, když bych to měl shrnout, tak jako co je dobrý říct, tak všechno, co jsme tady popsali, tak vlastně jako na to nepotřebuje nikdo nějakýho super sofistikovanýho agenta. Jako drtivou většinu věcí obsloužíte s plánovanejma úlohama s Cloudem nebo s ChatGPT. Takže jako tím nejjednodušším, co se dá. A pak za mě jako ten druhej krok, pokud jako ještě ne, jako nemáte ty zkušenosti, jak si nastavit třeba Hermese a podobný, tak si zaplatit za dvacet dolarů Grok Bota a on jako spoustu těch věcí prostě dokáže obsloužit. A, a, a vlastně jako tímhle jste vyřešili tu mož-, jakoby vlastně všechno, co jsme popsali, tak se pomocí těchhle nástrojů dá úplně jednoduše vyřešit. A často stačí jenom tomu agentovi popsat, co chcete ten cíl, nasměrovat ho už ty potřebný, eh, potřebný jako přístupy dá do kupy

Jindřich: A my jsme vlastně diskutovali, eh, vlastně když se bavíme o těch tématech, že jo, který budeme zpracovávat tady, tady v Deep Link Show, tak, eh, my jsme pomalu jako doiterovali do dalších a dalších témat, který se jako velmi úzce týkají těch AI agentů. Tak já jenom tak trošku popíšu, hm, co my určitě plánujeme. Tak v budoucnu chceme udělat díl nějaký kreativní a nestandardní use casy těch AI agentů. Takže, eh, to možná dám zase takovou výzvu. Pokud byste něco takovýho měli, dej-dejte nám vědět a pak se přihlašte do soutěže s Grokbotem. Tak tohleto určitě chcem, chcem zmapovat, protože těch, těch přístupů, vůbec těch use casů je celá řada. Eh, potom chceme udělat díl, kde budeme vlastně popisovat naše use casy, jak my konkrétně třeba tady v Deep Link Show anebo v osobním životě, jak, jak to jako používáme, jak konkrétně to máme nastavené, jak si můžete udělat i vy, což ostatně i řadu, eh, z těch věcí, z řadu z těch use casů jsme tady zmínili. No a do třetice, tak uděláme nějakej praktickej díl, kde vlastně popíšeme a poradíme, jakým způsobem s tím AI agentem začít prakticky. Takže jak si třeba, eh, nastavit Claude, jak si nastavit OpenAI případně RMS, jak využít toho Grokbota a, a tak podobně. Eh, a budeme rádi, když vy nám dáte vědět, jak to používáte vy, případně co vás zaujalo nebo nezaujalo a anebo co jsme říkali špatně. Každopádně díky Filipe, bylo to opět zajímavý a zase jsem se dozvěděl spoustu věcí a jsem přesvědčenej o tom, že ještě příště dozvím.

Filip: Rozhodně. S agentama nás čeká ještě spousta dílů. moc, že

Jindřich: Так

Filip: dívali. Díky tobě, Jindro, za super pokec a budem se těšit příště. Ahoj.

Jindřich: Y que chao