Vojtěch Tůma

Vojta: někdo místo čísla tam zadal A, prostě se uklep. Takže na konci měsíce nikomu nepřišly mrkvičky,

Filip: My jsme se o tobě dozvěděli, že jsi přejel Eurazii na motorce.

Vojta: firma je schopná vytvořit za měsíc tři a půl tisíce dashboardů.

Jindřich: vyskočilo takový to memečko jako Vibe Coder Today, že jak tam píšou do toho chatu: "Who is Jason?"

Vojta: ve dvou lidech budeš moct datově řídit firmu.

Jindřich: Naším dnešním hostem je Vojta Tůma, Field CTO společnosti Keboola, což je jedna z největších datových platforem svého druhu na světě. začínal jako vývojář a jako CTO dnes pomáhá firmám stavět datové základy a AI projekty. Pozvali jsme si ho, aby nám mimo jiné pomohl rozebrat, jak AI ovlivňuje svět dat. Čau Filipe a Vojto, vítej v Deep Link Show.

Vojta: Ahoj, děkuju za pozvání

Filip: Ahoj Vojto, zdravím tě, zdravím i naše diváky. Eh, prosím tě, když by ses měl ještě dopředstavit, jsou nějaký důležitý věci, který Jindra v tý první minutce nezmínil?

Vojta: Úha, v minulém díle podcastu, když jsem byl někde jinde, tak říkali, že to byla nejdelší představovačka, kterou tam zažili. Mělo to dvacet pět minut. já si myslím, že to, co řekl Jindra, je úplně dostačující

Filip: Chápu. Tak já to možná odpálím takovou otázkou, která je vlastně úplně mimo AI. My jsme se o tobě dozvěděli, že jsi přejel Eurazii na motorce. Co to bylo za akci? Jakej je s tím spojenej příběh?

Vojta: Jo, to-- já vždycky přemejšlím, když se mě na tohleto někdo zeptá, co je ta správná odpověď, protože ten důvod, jako proč jsem to udělal, se mění každej rok v mojí hlavě vlastně.

Filip: OK

Vojta: podle mě je super, když jako člověk víš, než založí rodinu a než se jako trochu usadí, tak je super, aby poznal svět. A to bylo vlastně to, co já jsem tehdá chtěl udělat. Jsem dokončil vysokou školu, čtyři roky jsem někde pracoval. Trochu jsem si myslel, že svět je horší místo a nechtěl jsem, nechtěl jsem si to vlastně takhle myslet. Takže jsem říkal: "Hele, já chci jet poznat svět." jsem se sebral a strávil jsem s kamarádem čtyři měsíce na motorce a říct, že to určitě byla jedna z nejlepších věcí, kterou jsem kdy udělal, protože mě naučila spoustu zajímavejch, spoustu zajímavejch věcí. už jenom to, že když jedeš takhle daleko, tak to když chceš udělat velkou věc, tak se musí dělat po malejch krůčkách. Jako neujedeš

Filip: Mhm.

Vojta: osm tisíc, abys tam hnedka byl, ale po malejch

Filip: Jasně

Vojta: můžeš dostat fakt daleko a udělat fakt velkej projekt

Jindřich: A to bylo ještě předtím, než jsi nastoupil do Keboly,

Vojta: Je to tak. Já jsem vlastně v roce 2016, myslím, začal bejt zákazníkem Kebuly, eh, když jsem potkal Pavla Doležala v mojí předchozí firmě, kde jsem pracoval. já jsem si řekl: „Ty jo, to je frajer, chtěl bych bejt jako on.“ A tohleto už se změnilo za tu dobu trochu, jo. My už s Pavlem jako se známe deset let skoro, jo, tak už jsem ten názor trochu změnil. Pořád ho mám rád, ale tehdá jsem začal používat Kebulu vlastně jako zákazník a ten, ten tool tehdá neměl jakoukoliv konkurenci. Ta atmosféra vlastně kolem tý firmy byla skvělá a mně se to strašně líbilo. Takže ze začátku zákazníkem přesně tak a po návratu, eh, jsem si říkal: „Ty jo, já potřebuju někam jít pracovat, jo.“ Vem si, že po čtyřech měsících, kdy nic neděláš, se vrátíš z motorky a teďka jsem nějak seděl doma, žehlil jsem prádlo, koukal jsem na Sama doma a řekl jsem si, že už s tím životem fakt musím něco udělat. Takže jsem napsal do Kebuly, eh, to byl nějakej čtvrtek v listopadu. Zašel jsem s klukama, eh, na oběd a odpoledne jsem tam pak pracoval už.

Jindřich: Co to bylo za rok?

Vojta: Já si myslím, že se bavíme o listopadu roku 2018. To bylo nějak, když jsem se vrátil z tý motorky, takže teďka to bude za chvilku osm let dozadu. Už je to nějaká doba

Jindřich: Hm, to je, to je zajímavý. mně to nepřijde paradox, jako zas tak dlouhá doba, protože, eh, mám pocit, že ty seš pokud ne nejvýraznější, tak jedna jako z nejvýraznějších tváří Keboly. Takže mně přijde, jak kdybys tam byl už od prvýho po-prvopočátku a vlastně to bylo mnohem delší dobu, byť vlastně to skoro prvopočátek byl

Vojta: Ta doba jako, nepamatuju moc tu dobu předtím se přiznám, jo. Takže už se taky pozoruju, že, jsem součástí Kebuly hodně. co-- jako pamatuju si trochu, co bylo předtím, ale ta doba jako je extrémně dlouhá. Mám pocit, že tady jsem jako od narození tak nějak skoro už, no. Takže ano, s Kebulou jsem vlastně hodně, hodně spjatej v poslední době a snažím se ji promovat, a proto i dneska sedím tady vlastně.

Filip: Ale ty jsi do Keboly, ty už jsi to sám zmiňoval, že jsi vlastně začal jako zákazník nejdřív, pak jsi tam nastoupil jako vývojář a v současný době tak působíš jako takzvaný Field CTO. Můžeš přiz-přiblížit našim posluchačům to, co tadleta pozice vlastně jako znamená a jaká byla ta tvoje cesta v rámci tý Keboly?

Vojta: Jo určitě moc rád. Já si myslím, že ta moje cesta se dost často v těch firmách opakovala, kde byla. jsem vždycky odešel trochu unavenej z tý předchozí firmy a řekl jsem ty jo, já bych chtěl být zase jenom vývojář, zase jenom vývojář. Jo, ono to bylo, ale pojďme si říct, že ti vývojáři mají docela klid někde ve spoustě firem a dělat pak na straně toho byznysu je občas trochu náročnější nebo na straně leadershipu. Takže bylo, bylo super být zákazníkem, protože jsem pochopil, co ta věc dělá, takže jsem si jí osahal ze strany zákazníka a pochopil jsem, že ten nástroj je jako fakt super, že mi pomáhá dělat spoustu věcí. Bavíme se v roce 2018, to jako není AI doba. Bavíme se v době, kdy byla, kdy se přepisovaly věci do z PHP 4 do PHP 5. Jo a takže to se psalo fakt spousta věcí ručně. Kebula byl tehdy skvělej pomocník a já jsem pak vlastně byl v nějaký vedoucí roli v tý předchozí firmě a tady ty věci mě nenaplňují. Jo, já vždycky vidím, že hele, tady by to chtělo trochu srovnat v tý firmě, tak se do toho dostanu, začnu to tam nějak sekat a potom po dvou třech letech už ta manažerina není to co, to co jsem chtěl. To, co jsem uměl, to jsem odevzdal. stejná cesta byla vlastně v Kebule, kde jsem si začal vývojařit. rok byla pohoda poměrně a druhej rok už jsem viděl, že tady potřebujeme něco udělat. Jo, když vyvíjíš nějakou malou feature tři měsíce a vlastně po tobě jako nikdo nešlape, říkáš ty jo, tady je trochu ztraceného potenciálu, tak pojďme to trochu využít. Takže pak jsem tři roky vedl, vedl jsem vývoj. chvíli vlastně vím, zákazníci chtějí, jak ta platforma funguje zevnitř. tady další tři roky jsem se zabýval jako vlastně rolí mojí rolí v leadershipu. jsem pochopil, jak funguje ta firma, jak získává peníze. A část, která mi vlastně chyběla, tak byla ta zákaznická, kdy jsem se začal bavit s těma největšíma zákazníkama. Takže to je vlastně ta role, kterou dělám teďka. Field CTO v sobě má to slovo CTO. My jsme tu roli nějakým způsobem přebrali Snowflaku, kde jsme to viděli poprvý. Ono to zní honosně a protože tehdá jsem si říkal, že bude super mít, nebo to řekl vlastně Pavel Doležal od nás: jestli tam jakýkoliv céčko, když to bude prodávat, tak, tak si to tam nech.“ Takže v tu chvíli už to není vlastně jako leadershipová role. Je to role nějakýho solution architekta, kterej je na straně zákazníka a řeší vlastně ty největší zákazníky. V mém portfoliu je vlastně top, nebo to moje portfolio se pohybuje v top pěti zákaznících Kebuly, který máme. Takže

Filip: Ehm.

Vojta: vlastně starost o ty největší zákazníky, řešení jejich problémů, přinášení to zpátky. poslední, má to vlastně tři pilíře, edukovat tu firmu, co ty zákazníci chtějí, bejt u těch zákazníků, pomáhat jim s implementací. A třetí je nějaká edukace, abych byl vidět vlastně na tom trhu. Stejně tak, jako si teďka tady povídáme, abych o tom

Filip: In

Vojta: abych byl na nějakých konferencích. Takže tohleto tak nějak ta role vlastně vyžaduje.

Filip: V čem je ta role jiná? Protože ty jsi zmiňoval, že v předchozích firmách, tak ses taky dostával vlastně jako výš a výš v nějakým pomyslným žebříčku do těch leadership pozicí těch byznysovejch, ale že tě to pak přestalo bavit. Tak v čem je to v Kebole jiný? Protože tam už seš jako mnohem, mnohem dýl.

Vojta: Jo jo, to je, to je, to je pravda. Já jenom řeknu, že ten leadership mě zase přestal bavit, jo,

Filip: OK.

Vojta: najednou řešíš věci, jako že někdo chce, aby bylo otevřený okno a druhej nechce, aby bylo otevřený okno, protože mu táhne na nohy. A to mně prostě přišlo takový, hele, viď, to je trochu jako mrhání potenciálem. Jo, to prostě chápu. Jako mám tu empatii. Žena mě v tomhletom jako skvěle vycvičila, můžu jako, moje skilly jsou dobrý v tom, že dokážu se bavit se zákazníkama, řešit jejich problémy, mluvit někde a mluvit někde na konferencích. To mě jako uspokojuje vyloženě, řešit, víš, že máš dvacet lidí pod sebou a skončíš první one to one, aby si, nebo skončíš poslední one to one, aby jsi dělal zase to první. Tak to mě vlastně už nějak nasytilo po těch třech letech jako. Byla to super zkušenost. říkám, víš, jak funguje ta firma, kde vydělává peníze a tohleto bych doporučil každýmu teda jo. Nezůstávejte na těch pozicích v tý firmě na jednom místě, protože z jednoho bodu se těžko vidí ten kontext. Kontext je teďka takový slovo, že jo, pořád používaný, ale

Filip: No jasně

Vojta: to, jak funguje celá ta firma. když tím proplujete, tak máte velkou konkurenční výhodu proti svým kolegům, jestli to tak jako můžu nazvat, že znáte, jak funguje byznys a jak funguje technologie. A dostat se do tady toho středobodu, teďka jako jestli někdo přemýšlí, kam se svojí kariérou, tak jako rozhodně doporučuju bejt jednou nohou v byznysu a druhou ru-, druhou nohou v technologiích, tady těch lidí je strašně málo. A když už je nějaká firma má, tak je jako docela dobře vlastně vyvažuje nějakýma různejma benefitama a vy pak dokážete vlastně vyřešit všechno, jo. A věc je, že si vás málokdo namaže na chleba, jo. Čehož já jako hodně, hodně využívám. když někdo tam začne jako si vymejšlet něco, ale to nejde. Znáš to, víš, vývojáři jako

Filip: Jasně no, já vím, já jsem byl vývojář, tak já to znám.

Vojta: Jo, jak, znáš to, někdo si to prostě začne

Filip: Jo jo.

Vojta: a ty, no hele, jako jo, chápu dobře, ale pojďme se na to podívat ještě trochu jinak.

Jindřich: Jako já osobně tě možná i vnímám jako takovýho člověka, jako když za ním někdo přijde s tím: „Hele, to nejde," tak takový to hold my beer, víš co?

Vojta: Jo jo jo, to, to, to mám rád. Přesně tohleto. Jako to nejde, tak to, to pouštím tužku prostě jdu řešit ten problém. Říkám: "Počkej, počkej, počkej, na to se podíváme, jo? Mrkneme na to. Podrž mi pivko, jdu se mrknout."

Jindřich: No možná, eh, určitě by bylo dobrý, abychom jako do kontextu dostali, co to vlastně Keboola je a, eh, tak podobně. Ale k tomu bych se klidně vrátil až, eh, za chviličku v tý naší, no řekněme, jakoby další pomyslný ka-, eh, kapitole. Ale trochu bych se chtěl zastavit ještě u těch konferencí, protože to mě zaujalo. ty jsi říkal, že teda vystupuješ na konferencích, tak jestli bys nám mohl trochu přiblížit, třeba na jakejch konferencích jsi byl, co to je zač, o čem tam mluvíš, jestli to je víc teda byznysově zaměřený nebo víc technicky zaměřený, pro kolik lidí třeba podobně.

Vojta: Mm-hmm. Budou určitě. Eh, já když někam jdu, eh, tak se snažím, aby to bylo To se asi snaží každej, že jo. Aby si z toho ty lidi něco odnesli. Nikdo tam nejde udělat úplnej trash na tu stage, aby to jako bylo strašný. opravdu když už, eh, někam jdu vlastně povídat, ať už mě někdo pozve nebo my tam jdeme, že víš, Big Data London zaplatíš spoustu peněz, abys mohl povídat na stagi, tak se vždycky snažím, aby si z toho ty lidi něco odnesli, protože mě trápí... Jel jsem na jedný konferenci, kde někdo říká: „Hele, my jsme, máme super tool, tohleto jsme udělali u tady toho zákazníka, támhleto u támhletého zákazníka, dokážeme automaticky škálovat.“ Zrovna rok dozadu jsem byl na jedný takovýdle konferenci jako účastník a poslouchal jsem to a řekl jsem si: „Ty jo, co si z toho ty lidi odnesou?“ Jako jo, teďka, kdyby ten člověk sem dneska nepřišel, jako o co bude chudší? Eh, takže jsem si stanovil jasný pravidlo, že když někde budu povídat, tak budu ukazovat něco hmatatelnýho. Jako dělám live dema vždycky.

Filip: OK

Vojta: to někdy rozbije, tak taky vždycky jo nějakým způsobem. řekl jsem si: „Hele, je to sranda, jo?“ On ten adrenalin, když vlastně mluvíš před, já nevím, Big Data London, to bylo asi největší, kde jsem byl a tam bylo jako pět set lidí minimálně prostě jo. A teďka ukazuješ to live demo se ti tam točí to kolečko a ty si říkáš: „Tak co? Propad-- dopadne to nebo to nedopadne?“ A tady ten adrenalin mě jako dost nabíjí, jo. Většinou to nějak vyjde. Já si to většinou pohlídám, aby to nějak vyšlo, vypadne třeba internet. Takže jsem, eh, se snažím, aby to bylo přínosný. věc je, snažím se, aby to byla sranda. Jako to je je moje životní motto, jo. Všechno musí bejt, všechno musí bejt nějakým způsobem sranda. Někdy na to dojedu,

Jindřich: Tak se

Vojta: protože, protože je to moc. Eh, ale moje, moje oblíbená jako konference bylo, hm, jestli znáte Daniela Stacha,

Filip: Mhm.

Vojta: tak teďka velká osobnost. Držím mu palce v tom, co se děje. Tak jsem byl na konferenci, myslím, že se to jmenovalo Prime Time for Big Data a říkám: „Ty jo, tam bude Daniel Stach.“ To je taková jako osobnost, který, který se třeba koukáš na televizi, jo, že to zapneš. A tak jsem si říkal: „Musím mu dát nějakej dárek, jako jo, něco, co nezapomene opravdu.“ Eh, tak jsem udělal vlastně datovou appku, kde jsem stáhnul data z ČSFD, kde byli- recenze na různé televizní pořady Hyde Park Civilizace a on tam má jako devadesát devět celých sedm myslím hodnocení. Jo, že víc to moc nejde. A jedno bylo kvůli tomu, že mu někdo napsal, že to je gamma muž nebo nějak tak to bylo. Sigma muž, Sigma muž se ho nazvali a to bylo jako víš, sentiment analýza tady toho to řekla, je to neutrální. řekl jsem si, že ho srovnám jako s nějakejma pořadama tý stejný kategorie. Tak jsem udělal vlastně nějaký grafy, kde jsem ho srovnal proti Prostřenu, Výměně manželek a Soudkyni Barbaře. A nevím, jestli to víte, ale zatímco Dan Stach přečte čtyři sta až pět set stránek na každej díl, tak v Prostřenu nikdy nebyla koprovka.

Jindřich: Já jsem to, já jsem to viděl tuhletu tvoji datovou analýzu, to je třeba rok zpátky a jako bylo, bylo to skvělý. Já jsem to právě tehdá dokonce posílal to jako někam, eh, po firmě, ale mně se tam hlavně líbilo, nebo myslím si, že ten tvůj jako vedlejší záměr byl jako prezentovat to, jak, eh, vlastně Kebola, protože jsem zapojil Apify, mám takovej pocit, že jo.

Vojta: Mhm.

Jindřich: Jak dokážeš jako efektivně a jednoduše všechno v rámci tý platformy Kebola jako vyskri-vyskriptovat ty data, že jo, pak je prohnat nějakým jazykovým modelem a aby ti daly ten jazykovej sentiment, respektive

Vojta: Jo jo jo,

Jindřich: i to.

Vojta: přesně je to tak

Jindřich: to vyšlo skvělý, fakt jako kreativní a hlavně vtipný

Vojta: To je

Filip: Jo.

Vojta: můj základní use case, kterej ukazuju s tím scrapováním data. Toto lidi maj rádi. Jednou za mě jsem takhle něco dělal právě na tom Big Data London a kde jsem bral tu budovu, ve který to bylo, tak jsem na ně dělal recenze a ukázal jsem to krok za krokem, jaký prompty a dával jsem těm lidem opravdu jako říkám: "Hele, tady je prompt, kterej dělá sentiment analýzu, já to tady nechám, vyfoťte si to." Spousta lidí to vyfotilo za mnou přišli asi dva lidi a říkali: "Ty jo, to byla nejlepší přednáška v mým životě. Jako to bylo fakt dobrý. Konečně to nebyla žádnej jako salesovej trash, ale bylo to něco, z čeho si něco odnesu. Já s tebou chci pracovat." A to mě fakt potěšilo. To, to, z toho si, toho pána si pamatuju

Filip: Jo, to je určitě super, když ty přednášky mají nějakej přesah. To mě možná přivádí k tomu, chodíš i na různý konference tady v Čechách a vnímáš třeba nějakej rozdíl mezi těma, co jsou tady u nás versus tyhlety větší zahraniční? Co se týče třeba právě tý kvality těch přednášek

Vojta: No jasně. Eh, já si myslím, že je potřeba rozlišit, jdeš,

Filip: Hm.

Vojta: že- Když přijdeš a ono z pohledu toho to je většinou, jak je ta financovaná ta akce, jo, že když jsem už do toho po nějakým čase prohlídnul, jak, jak vlastně tady ty věci fungujou, máš jako dvě, nebo když seš na straně toho, kdo tam má přednášet a víš, že tvoje firma zaplatila x peněz za to, že se tam budeš prezentovat a nikdo po tobě vlastně nechce topic a řeknou: „Hele, máte prezentaci dva dny před tím, než to začne.“ A tak víš, že takovýdle jako zadarmo konference, který nejsou sponzorovaný jednou firmou, ale každej tam přijde a chce se tam jako představit a ukázat, tak tam jako trochu ztrácím, to, jak to nazvat hezky, jo. Jako že tam bych teďka si, nevzal bych si volno, abych tam šel, jo. Ale proti tomu, když je dobrej meetup, víš, někdo se chce pochlubit, jak jsme něco udělali, tak je to

Filip: Mhm.

Vojta: Tohle to jsou fakt věci, je fakt doporučuju jako lokální meetupy, kde

Filip: Pro nás

Vojta: a oni vám vlastně vysypou celý svoje know how dost často, na

Filip: Mhm.

Vojta: pracovali třeba rok, rok a půl, který tu firmu stálo jako raketu peněz, je to muselo stát oni se tam tím chluběj a ještě vám to popíšou a pak to skončí a vy

Filip: Mhm.

Vojta: jdete sednout a vy sbíráte od nich ty detaily, jo. A oni jsou jako of, protože tohleto je moje baby, který jsem tady vystavěl. jasně, že ti řeknou: „No to takhle bys to dělat neměl. Já bych šel jinou cestou. My jsme se spálili, investovali jsme do toho rok a půl. Takže tady tou cestou nechoď.“ Tak tohleto bych doporučil. A pak je takovej jako mezistupeň. Já jsem byl teďka na Machine Learning Prague jsem, jsem se byl podívat a to byla vlastně placená konference, koukal jsem, kdo tam bude vystupovat a řekl jsem si, to nejsou firmy, který mně jdou něco prodat. to lidi, který se jdou jako pochlubit a je jich vlastně spousta najednou. Takže jako spousta meetupů, takže spousta věcí se mi tam líbilo, to trochu zaspalo dobu, no. Jako že tam bylo strašně málo LLM AI věcí, jo. Byly tam zajímavý věci o tom, jak, jak vlastně Tchaj-wan bojuje s dezinformacema, jo. To bylo, to bylo skvělý,

Filip: OK

Vojta: dobu zase, no. Že tam bylo málo, málo toho LLM a AI, kvůli kterýmu jsem tam jako přišel. Takže moje doporučení asi jako je, najděte si to, co vás zajímá. jděte i na blind, ale takový ty jako masový placený akce, tak nechci říct, že já jsem jedinej, kdo tam jako se snaží někomu něco předat. Viděl jsem tam jako spoustu zajímavých lidí z Kiwi, tam na tom předchozím jedna holčina přednášela. To bylo taky super, ale na to, já už bych jako, jak si vážím svýho času hodně, mám dvě děti, tak si vážím víc svýho času- tak už na takový akce, jako když vím, že tady to bude jako zaplacený jenom aby si vás někdo přišel poslechnout, nad tím už mám trochu otazník, no.

Jindřich: To je docela zajímavý fenomén. Takže vůbec se nedá říct, že čím dražší a čím větší ta konference je, tak tím vlastně kvalitnější bude

Vojta: Eh, nedá se to říct. Já bych to zas jako úplně nevyvracel, protože někdo si s tím fakt dá tu práci, jo, že, eh, jsou konference, kde po tobě, já nevím, na kolika jsem povídal, ono to zas není, jako že bych byl speaker, že každej víkend jsem někde jinde, jo, ale dohromady si myslím, že na dvaceti místech jsem třeba povídal. A pokud po tobě někdo chce ten content na začátku a fakt si dá záležet na tom, aby to zapadávalo do tý linky a směřuje se ti, to jako nějaká ta produkce, když tohleto tě fakt nutí a už to po tobě chce jako dopředu, což je třeba příklad toho Jindro, kde já učím na tom MBA, eh, vlastně n-na, v rámci VŠE, tak tam po mně, eh, už chtěl jako dopředu, o čem se budu povídat, jo. tohleto mě baví, protože ty vidíš, že ty lidi nad tím přemejšlej. Ale pokud jdeš na konferenci, kde vidíš, že bude stát, s-stoka tě bude stát, eh, lístek na stání a nikdo po tobě nic nechtěl, tak víš co, ta kvalita tam vlastně jako bude náhodou anebo tam nebude.

Jindřich: Jako s-s tím MBA to je si myslím zrovna perfektní, Já i tím, že jsem to vystudoval, tak si myslím, že to můžu docela porovnat a tam je přesně vidět no, že vlastně jako primárně otázky si na tom jako dává záležet a vybírá to lidi tak, aby to na-navazovalo. A hlavně, co se mi jako líbí, tak ve velkým jako sbírají feedback. Že se jako ptají a, a názory a tady Vojta, líbilo se vám to a dávalo vám to smysl? A rozuměli jste tomu? A co byste chtěli třeba víc do hloubky, co míň a podobně. vlastně si myslím, že asi i ty nějakej feedback dostaneš. A tam míří i trochu moje otázka. upravuješ potom nějak ty svoje prezentace třeba těm dalším a dalším studentům? Anebo i na ty další prezentace a přednášky, který jsou, byť zaměří na stejný téma?

Vojta: Díky za otázku. Mně to jako připomnělo, jak já dělám ty prezentace, už jako kdekoliv. Někdy se mě někdo někam pozve, že: „Chci, Vojto, abys povídal o tady tom tématu.“ Občas mě někdo pozve do nějaký firmy já mám připravených spoustu materiálů k tomu, jo. problém dnešní doby, je, tak to, co jsem říkal tobě, my jsme se viděli před rokem rokem a půl. To je absolutně outdated. Jo, jsou tam nějaký základy, co to je Data Mesh a co to se-, co je to self-service, datový produkt. Ale jako AI v tý době, když jsem vám to ukazoval, tak jako urazilo mílový kroky. A nad tím zrovna přemýšlel, že letos jsem dělal to samý. Zase jsem byl na MBA a to, co jsem jim tam říkal, zase outdated. To, to jako, kam jsme se posunuli. Teďka máme sedmej měsíc. Myslím, že jsem to dělal v únoru. A tak je to zase jako mimo. Takže já kdykoliv vytvářím nějaký, nějaký podklady pro něco, tak kvůli tomu, jak ta doba jde rychle, tak vlastně nemůžu recyklovat skoro ty věci. A za prvý, protože nechci těm lidem říkat věci, který nejsou, víš jako, takový to: „Nikdo nebyl vyhozený za to, že si objednal IBM.“ Je super, ale jako nikam tě to neposune, jo. Takže a teďka se omlouvám všem, který prodávají IBM, jo, Víš, je to taková jistota, jo. A to, co já chci přinést a to, co Kebula jako obecně žije, je to bleeding edge, jo. Kdy my jsme fakt jako na hraně toho, co ty technologie zvládaj. když jdu za těma lidma, kde jdu povídat do tý firmy, tak já vím, že tohleto je, řeknu státní firma a je posune jako dopředu, nechci říkat, že je naučím dvojklik nebo, když jim ukážu věc, která je jako rok stará, tak pro ně to pořád bude super. přijde mi to někdy, musíš jako navnímat to publikum, se kterým se bavíš, ale někdy mi přijde, eh, super dát vlastně jako úplně ty nejnovější věci, jo. Protože minulej tejden, teďka se to stalo na tom MBA vlastně, tejden jsme něco releaseli v Kebule. Máme novýho AI asistenta, kterej už má vlastní sandbox a dokáže, víš, už, už má nějakej harness, vlastně vytvořili jsme pro něj harness a já si říkám: „Ty jo, to je strašná škoda, abych tohleto nespustil v betě.“ Já vím, že jsme to ještě nepustili jako našim zákazníkům, ale já ty lidi uvidím zase až za rok, jo. je uvidím za půl roku někde. To je strašná škoda, abych jim nedal tu možnost to jako vyzkoušet a oni si nevyzkoušeli něco, co je jako novinka. Tak to nebude fungovat, víš, nějak to jakoby poladíme, ale vlastně ty materiály jako absolutně nerecykluju malinko je recykluju, vytvářím nový, protože jak říkám, ta doba se hejbe tak neuvěřitelně rychle, ty nemůžeš říkat nic nebo o, o AI, jo. Kdybysme se potkali před dvouma měsícema, tak ti nebudu říkat o Manage Agents, jo, nejspíš neexistovaly, jo. nebo, nebo o Fablu, kterej, kterej vyšel. Nevím, jestli jste si ho stihli

Filip: Mhm.

Vojta: Měli jste

Filip: Jo jo, chviličku.

Vojta: Za ty tři dny jsme spálili všichni

Filip: Jo jo. Jo jo

Vojta: zkopírujme tady tu aplikaci, akorát jí pojmenuju jinak. takže tohleto tam prostě fungovalo, že jo. A mně by přišlo strašně líto to těm lidem vlastně jako nedat. Takže jaká byla otázka?

Jindřich: Jako d-d já jsem, jsem vlastně na to, do jaké míry ty právě updatuješ ty, eh, prezentace nebo ty materiály, byť i jako za tu cenu, že jdeš na nějakou další prezentaci se stejným tématem. Ale já si myslím, žes mi tu otázku zodpověděl. a ty už jsi vlastně se tady i rozprávěl docela o tý Kebole a říkal si, jestli jste, jestli něco novýho. Tak pojďme se na tu kapitolu možná trochu přesunout. Tak jestli bys nám mohl představit, co to vlastně Kebola je, co to je za společnost, co to je za produkt, ehm, kdo ho používá, k čemu slouží primárně asi jakej problém řeší a tak dál.

Vojta: Určitě. Já, já si myslím, že spousta už někdy o Kebule slyšela nebo aspoň jako doufám, že o ní slyšela. Pokud ne, tak je to asi, částečně moje chyba, že o tom málo mluvím. Eh, Kebula je firma, která se snaží automatizovat vaše procesy pomocí AI. A my dokážeme nebo to, co jsme začali, byla nějaká datová platforma, jako bavíme se fakt o roce 2014, kdy já jsem Kebulu potkal jako první, stáhnout data, ztransformovat nějakým způsobem, což byly SQLka, Pythony, udělat z toho, vytěžit z toho to zlato, dostat ten kontext vlastně a poslat to nějakým způsobem dál. tady tý doby, kdy jsme se bavili, jsme jako urazili ohromnej kus práce, eh, kdy naši zákazníci byli SMB zákazníci, potřebovali pomoc v e-commerce. Prodávám, prodal jsem tady sto ponožek. Kampaň mě stála tolikhle peněz. Vydělává to, nevydělává to. Tak jsme se dostali vlastně přes rok 2020. jestli si to pamatujete, to byl, to byl COVID. Nevím, jestli si to ještě někdo pamatuje. Spousta lidí to vymazalo z hlavy.

Filip: No je čino

Vojta: tam jsme se, tam jsme se vlastně dostali do Enterprisu, takže tam jsme, tam byla Česká spořitelna, kterou jsem já vlastně od dne nula až do dnešního dne se o ně starám. Tam se rozšířilo to portfolio zákazníků, kterým vlastně můžeme sloužit pomáhat jim automatizovat ty procesy. I stavět nějakou datovou základnu. K tomu se dostanu asi potom, AI věci. Takže jak ze začátku jsme obsazovali SMB, potom vstup do toho Enterprisu, kde vás čekají úplně nový výzvy, ať už z pohledu toho, kolik toho musíte logovat, to, že je to bezpečný, že nikdo nevezme ty data a nepošle je na, na Aukru se prodávala data T-Mobilu, myslím. Zdravím pána, myslím, že ještě sedí za to. Tak jestli nás poslouchá někde v televizi v base. Takže všechny tady ty výzvy, který budete muset dělat. Nebo co vás čekají v Enterprisu, tak tam jsme se posunuli a už jsme dokázali pokrýt i tady tu škálu, vlastně těch, škálu tady těch zákazníků. A potom samozřejmě v roce 2024, když už Keboola byla jako firma, my jsme narostli po nějaký investici, kterou jsme získali a která byla poměrně velká, už jsme narostli na sto čtyřicet lidí, myslím. A v tu dobu hlavně přichází jako ty první záchvěvy AI. Kdy my jsme zjistili, že všichni začali cpát do svejch produktů nějaký AI asistenty, který většinou nic nedělali. Nebo to byl takovej asistent, kterej ti odpověděl: „Jo, tohleto tady nejde.“ Nebo „Jasně, můžeš to udělat. Stačí, když klikneš doleva nahoru, potom si jdeš v menu o tři řádky a zase na něco klikneš.“ Což v tady tu chvíli vlastně se Keboola jako firma velice dobře umí pracovat s datama, jo.

Filip: Mhm.

Vojta: pojďme si říct, že v tu chvíli se objevuje na trhu spousta dalších konkurenčních řešení, se snaží dělat to samý. Máme tady od Microsoftu Fabric, který vlastně vzešel. Máme tady Databricks. Snowflake sám o sobě se snaží budovat jako podobný řešení. Takže my jsme zjistili, že musíme nějakým způsobem někam oddriftovat, protože to klasický ETLko, který se dělalo s různejma nástavbama, který byly kolem toho, tak vlastně tady začala bejt poměrně velká konkurence v tom. A my jsme zjistili, že potřebujeme udělat nějakýho AI asistenta, který bude zlom v tom, dělají ostatní a dá nám nějakou velkou konkurenční výhodu. Takže od, já řeknu od toho roku dvacet čtyři jsme začali prototypovat, eh, možnosti jako, víš, vyšlo MCípko, tak jsme ho za tejden měli a zkoušeli jsme, co to umí, jo. Na začátku to byl poměrně punk teďka se to už dost ustálilo a už se zase říká, že MCípko je mrtvý dávno, že jo, že se maj stavět celíčka. Eh, takže jsme pak začali driftovat v to, že, eh, opravdu se snažíme bejt nástroj, kterej můžeš ovládat pomocí typický konverzace. Už nepotřebuješ žádný skilly. My jsme se vždycky zaměřovali na byznys uživatele,

Filip: Mhm.

Vojta: což, protože tam je to zlato, jo, že technický uživatelé jsou fajn, ale technický uživatelé chtějí tisíc čudlátek, eh, který můžou nějak nastavovat, ale nemaj žádnej impact na byznys nebo maj jako nízkej impact na byznys. jsme věděli, že nebudeme, eh, nástroj, který bude mít tisíc hejblátek, ale chceme naopak bejt nástroj, který bude moct použít kdokoliv a ve dvou lidech budeš moct řídit datovou firmu nebo pardon, ve dvou lidech budeš moct datově řídit firmu. Eh, což u několika zákazníků nám vlastně jako dodneska, dodnes funguje, že malý množství lidí dokáže obhospodařit spoustu procesů ve firmě. A řekli jsme pojďme, pojďme se neptat lidí jako umíte SQLko, protože to, to není byznysovej uživatel, jo. Ten člověk, už umí SQLko, tak už je technickej. Když už umí trochu Python, tak už je poměrně technickej. Ale když v dnešní době můžeš říct: „Mě zajímá, kolik máme aktivních platebních karet, který se prodaly za poslední měsíc, eh, v rámci akce XYZ.“ A tohle to udělá někdo vyloženě z byznysu, jo, někdo, kdo SQLko v životě neviděl. Tak to je ten náš vlastně teďka, uživatel, kterýho chceme obhospodařit, aby žil ve svym Claude kódu, ve svym a ptal se na otázky, eh, ohledně dat a ty mu vlastně byly zodpovězený v rámci toho chatu. takhle nějak jako iteroval ten produkt, kdy teďka, se omlouvám za dlouhej monolog, eh, kdy teďka vlastně AI, znáte to shit in, shit out.

Filip: Mhm.

Vojta: neslí-to jako neslyšíte poprvý, že jo.

Filip: No jasně

Vojta: in, rubbish out se říká slušně. A tohleto ty lidi jako řešej a dost často zapomínají na tu datovou vrstvu. Jo ty, ty si vyřešíš v nějakej moment, že budeš mít nějakej RAG nebo budeš mít nějakou knowledge base Mhm. jak si vzít dovolenou. Jo? Hele super. lidí tráví půl dne tím, že hledaj v Confluence, kde je ten dokument, kterej mají vyplnit, aby si mohli vzít dovolenou, jo. Pojďme si jako nalít čistého vína. Já myslím, že v jednom díle jste říkali, že žijeme trochu v bublině.

Filip: Jo, hehe.

Vojta: Myslím si, že tu bublinu bych mohl nakreslit kolem nás třech a devadesát devět procent jako český populace bude, bude trochu tu bublinu nebo budou mít nějakou jinou bublinu. A tyhle tyhle ty lidi to pořád dělaj. Jako pořád ti lidi odepisujou na maily, pořád hledaj na Slacku jako kde jsem se zeptal na něco. Tohleto už jsme někde řešili. Takže tohleto je super. To pořešíš toolama, který ti Keboola taky může poskytnout. Ale pak se chceš zeptat jako pak jde o ten byznys, o ten datovej byznys. Chceš vědět kolik, kdo, proč. najednou zjistíš, jako proč ti ten graf padá dolů. Nebo vidíš, že ti graf padá dolů. A tvoje další otázka je jako proč?

Filip: Mhm.

Vojta: A tohleto je vlastně to, co ti Keboola dneska pomáhá řešit, že ti pomáhá dělat ty drill downy, který nejsou v těch dashboardech a že se ti, že ti dělá jako tu čistou vrstvu těch dat, kde to tvoje AI najednou konečně může jít a může se zeptat kolik, kde, kdo. A potom ti někdo řekne „No ale já chci jenom aktivní zákazníky.“ OK, aktivní zákazník, co to asi tak může bejt? Ten, co nakoupil za poslední tři měsíce? Ten, co nám otevřel e-mail? se dostáváš do pojmu jako sémantická vrstva. To už jste slyšeli asi taky sto milionkrát teďka. Nebo teďka je vlastně context layer myslím, ne, že je jako nejvíc

Filip: Jo, teď se řeší nejvíc ta kontext layer, aspoň mně to tak přijde.

Vojta: Takže budeš řešit jako context layer a v našem světě hodně jako semantic layer. Kdy vždycky někdo řekne semantická vrstva, každý to myslí trochu jinak, jako v tom nakonec. Ale takže my pomáháme řešit vlastně tohleto, jo, kdy se dostáváme do nějaký oblasti talk to your data,

Filip: Mhm.

Vojta: nechceš psát SQLka, když chceš, eh, odpověď na všechno. A ještě teda prodloužím trochu ten monolog. A v ideální firmě, kde jako, kde my jsme fakt rozjitý a my tam neřešíme většinou jako jenom data. My tam řešíme jak distribuovat skilly, jak správně distribuovat správným lidem správný skilly a distribuovat jim správný data a jak vytvářet memory tý společnosti a kde je ta knowledge base a co tam dávat. Dneska jsem to zrovna řešil. A když správně jako jseš na tý toho AI a jseš jako až navrchu, tak ty chceš, aby ty za, aby ty lidi se v tom Cloud Codu mohli zeptat nebo Cloud Codu nebo Gemini Codex, co máte rádi Groga, tak aby se mohli zeptat na cokoliv a dostali odpověď na cokoliv a ta byla správná. A ty data jsou jako věc z toho. Ale potom zjistíš, dost podstatná vlastně, jo. Proto tam pořád je kebula, ale postupně se posouváme i tím stylem, že víš, data teďka nikoho jako tak netrápěj. Všichni chtějí AI, protože jsou budgety

Filip: Mhm.

Vojta: AI.

Filip: No jasně

Vojta: hodně vlastně i tady tu AI část. A třeba ta distribuce těch skillů jako v rámci firmy, kdo co má mít, aby se to neopakovalo. Já si osobně myslím, jako že tam třeba le-leží teďka jako ohromně moc peněz v těch budgetech.

Filip: To asi jako bezpochyby. To, co říkáš, tak to je, já to vidím jako všude kolem sebe, že tohle je takovej jako vlhkej sen těch founderů, kdy prostě přesně talk to your data, že prostě už nemusíš čekat na to IT, než ti dodá ten dashboard, který ty jsi chtěl, protože SQLko nemáš čas se učit. Co mě k tomu napadá, a my jsme tohle řešili vlastně v jednom startupu taky, protože jsme chtěli přesně, já jsem si s CloudCodem vytahával nějaký reporty, data a lidi, oni ti představí to SQLko jako velmi dobře, že jo. Ale pořád musíš mu jako vysvětlit tu datovou vrstvu nebo se i správně zeptat, protože přesně jak jsi zmínil, jako aktivní zákazník vždycky může znamenat něco trošku jinýho a někdy ty lidi z toho byznysu to třeba jako nedomyslí úplně jako do konce. Tak jak tady to vy řešíte? Protože jako co byl náš vždycky největší problém nebo největší obava z tohodle je, že byznys si vytáhne takhle s agentem nějaký data, ale ty data vlastně nebudou korektní a on na základě toho udělá nějaký rozhodnutí.

Vojta: Jo, chápu. Ten problém je vlastně, co, co popisuješ, tak řeší jako lidí. A já s-vždycky přijdu do tý firmy a snažím se jim jakoby s tady tím vlastně pomoct.

Filip: Mhm.

Vojta: první věc je, že tohleto se stávalo i s byznysovýma analytikama. Jo, pojďme si

Filip: Mhm.

Vojta: čistého vína. To, že ti AI řekne něco špatně, pořád neznamená, že ten datovej analytik, kterej tam seděl tři tejdny a udělal ti nějakej dashboard nad datama, kterým vůbec nerozuměl, a to byl nějakým způsobem líp, jo.

Filip: Mhm.

Vojta: myslím si, že, eh, v tom díle, kde jste říkali, mně se tam líbila strašně jedna věta v tom díle o tý sémantický vrstvě, kde jste říkali: „Když mu nedáš ten kontext, tak je to člověk, se kterým mluvíš vždycky od začátku.“ Jo, to je prostě úplně dokonale popsaný. To, to si s dovolením jako vezmu a budu to používat. A, kdy to bylo skvěle popsaný. A todleto je přesně to, kde já začínám řešit ten problém. A víš, já, já popíšu možná ten problém trochu jako šíř, jak to funguje jako od

Filip: Hm?

Vojta: bodu nula do toho bodu pět, kterej si myslím, že třeba máme v Kebule. Ty do tý firmy a když někdo řeší teďka, dneska řeší AI, tak většinou je pokrytej engineering. Někdo se rozhodl prostě inženýři Claude Code, víš, jedou C4 třeba, mají to vychytaný a review jim dělá nějakej bot a v rámci deploy to mají vychytaný, jo. A zbytek tý firmy jakože v absolut, jako pod kamenem vlastně v tu chvíli. Jo, to, to je to, co já vidím. A potom jsou firmy, který to mají jinak a už jsou rozjetý, ale tohleto je většinou jako ten entry point, kde se ty firmy potkávají s tím AI. Pokud není nějakej vyloženě jako osvícenej founder, kterej to, kterej to, kterej to tlačí, což je nejlepší cesta, co jsem viděl, tak prostě founder, když je fakt dobrej, tak top down mnohem lepší než jako bottom up. A doporučuju třeba Dušana Šenkypla z Grouponu sledovat. Jo, to je prostě příklad toho, jak to, se to má dělat zvrchu. Ale začínáš s tím, že seš na tom engineeringu. potom přijdeš za těma lidma a zeptáš se jich: „Hele a teďka, já nevím, zadáváte nějakou storku, eh, budete dělat, jako rozšiřujete nějakej systém. Eh, jak to vypadá?“ „No, máme meeting. Já po tom meetingu jdu udělám confluence page ze svejch poznámek, který jsem si tam zapsal během toho meetingu. A potom z toho dělám nějakou storku do Jiry, do Linearu, ClickUpu, whatever, co používáš. A použiju AI, aby mně udělalo zadání pro toho jako agenta, jo, nebo markdown prostě, víš, máš,

Filip: Hm,

Vojta: uděláš z jasně. hezkej, ti udělá nějaký RFCčko nebo jak ten dokument nazýváš.“ A říkám: „Ale bacha, to neznamená, že používáte AI. Mě by zajímalo, když jste na tom meetingu, proč tady není na stole nějakej plot nebo proč tady není device, kterej to celý nahrává, jo? Vy už jste tady jednou ty věci řekli a AI je super v tom, že ti sumarizuje věci, jo, někdy tam, někdy to neporozumí úplně přesně, ale v tom kontextu prostě, když řekneš jedno sprostý slovo, ono se to vymaže, že jo. A takže já chci, aby na příštím meetingu tady leželo něco, co zaznamenává celou naši konverzaci. Tady tu věc vezmete a začnete s ní budovat knowledge base.“

Filip: Mhm.

Vojta: Prostě to někam vemte a začněte to ukládat. Protože já chápu, že máte skvěle popsaný repo, ale to je jako fakt zrnko ve vesmíru, jo. Nebo je to jedna planeta ve vesmíru. On ten vesmír je docela velkej a vy

Filip: Jasně.

Vojta: ty věci kolem. Mám jako super vývojáři tady teďka jako budou dělat trochu věcí navíc, ale to zlato, který tady leží, vždyť firma není jako složená stoprocentně vývojářema. Ba naopak spousta firem jako má to vývojový oddělení nebo u Kebuly bych, ani u Kebule to není jako padesát procent lidí. Možná, že se budem blížit jo, ale je spousta lidí, který jako má schůzky s klientama, věci, jak se budou řešit, jak se budou implementovat, co ty klienti potřebujou. je ta AI část, kdy vy můžete budovat tu knowledge base, jak vaše firma funguje, protože tam jsou zaznamenaný ty procesy. Během tady těch meetingů, během tady těch Teams chatů, mailů, eh, Slackovejch message probíhá ta komunikace, jo. Spousta firem dneska funguje remote, takže všechno, co víte, tak ta knowledge je uložená v těch vašich komunikačních systémech. Tak je vemte je na to, abyste si postavili základní knowledge base. Tím pokryjete padesát procent věcí, jako jo. Prostě někdo už řekl, chce to aktivní zákazník. Někdy jste se o tom bavili a pokud to bylo na meetingu, tak chci, aby od příště tady bylo něco, co to nahraje. Takže tady tím získáš knowledge base, která je jako osobní, nebo je per department. Jako nechci sdílet, víš. Já pak mám nějaký řešení, který den dělá dreaming nad, nad, nad mejma, nad mejma zprávama a ukládá si, co bylo

Filip: Hm.

Vojta: s jakýma lidma jsem se bavil a v jakým jsou kontextu, co pro mě znamenaj, eh, a co jsme řešili za topicy, komu mám odepsat, jo. A tohleto nechceš jako sdílet, ale je spousta knowledge, kterou sdílet chceš. Tady tu věc můžeš v klidu použít pro to, si začal stavět nějaký základní vrstvy. To je jako jeden směr, kudy půjdeš a začneš sbírat procesy v tý firmě. Druhej směr je, že Ty máš nějaký byznysový department, kde sedí někdo, kdo má všechno v hlavě a chodí se za tím člověkem. Každý ho má ve firmě jako, známe

Filip: Jasně. Bus problem klasickej, že jo?

Vojta: Jo jo jo. Eh, takže tohleto, tenhleten člověk je vlastně jako problém AI tý firmy. Já to říkám jako problém, jo, ono je jako s-super, že ho máš a většinou by se ti ta firma rozsypala, ale ty tady toho člověka chceš ideálně jako rozdistribuovat někam, ideálně do skillů, commandů, hooků, všeho, aby si to kdokoliv mohl stáhnout v tý firmě a nemusel ho otravovat, protože on taky pak bude výkonnější ten člověk. A teďka řeknu teda use case, jak začínáme s tím, když přijdeme někam dělat Talk to your data. Na jedný straně jsme nasbírali procesy ve firmě, na druhý straně jdeme sbírat, co to znamená aktivní zákazník. Eh, nikdy bych nedělal to, že bych šel řešit všechno, jo. Vždycky si vykrojím nějakej kus. Řeknu si, tady si vezmu department, kterej je marketingu a jdu s nima zakládat sémantickou vrstvu. Máme nějaký data, o kterých se můžeme bavit. A první, co je, tak vydefinuješ nějaký pojmy, který ten člověk ví, jo. Vezmeš toho člověka, kterej tam je nejdýl, víc ukecanej, řekne ti spoustu věcí a ty ho vlastně necháš klikat v tý nějaký appce, kterou maj, eh, to ideálně, jako že děláš screen recording k tý věci. Máme na to nějakej tool. By the way, to je teďka podle mě zlatej grál, co všichni řešej. Řeší to myslím, že i Duvo, nějaký jako Clarity, Duvo Clarity si myslím, že se to jmenuje a ještě existuje nějaký Clarity AI a my taky děláme nějakou vlastní verzi, kdy ty chceš poznat, jak ta firma funguje a musíš to z těch lidí vysát. To si myslím, že tady bude jako velkej byznys na tom, kdy ty necháš někoho, aby ti vysvětloval, co dělá. Budeš to všechno nahrávat a AI ti za tím bude stavět jako knowledge base za tím. aktivní zákazník, víš? A vysaješ vlastně toho člověka po tom, co on ti půl hodiny popisuje, jak funguje proces u něj ve firmě V tu chvíli máš nějaký základní pojmy. Jo, máš, jak počítáme, eh, pokud jste B2B firma jako my, tak počítáte ARR, Recurring Revenue, kolik za rok dostaneme, eh, peněz od zákazníků, který zákazníci se tam počítají, který se tam nepočítají. si myslíš, že to máš nějakým způsobem trochu pokrytý a vydefinoval jsi pár pojmů, tak jdeš za byznys uživatelem a toho necháš se zeptat.

Filip: Ehm.

Vojta: on se zeptá na nějakou otázku, kterou si absolutně sis nemyslel, že by se na ní někdy mohl zeptat. Ale uděláš jako vlastně takovejhle jako test s člověkem z ulice, respektive z firmy. A vedle toho stojí ten člověk, kterej rozumí těm byznysovým pojmům a může už je opravovat. Mhm. všichni víme, že AI je nedeterministický. To znamená, že

Filip: Jasně.

Vojta: samej vstup dostáváte různý výstupy. A když se ten člověk zeptá na něco, na nějakou otázku, kolik máme aktivních zákazníků, tak to, že to nedeterministicky a je to špatně definovaný, zjistíš úplně jednoduše. A to je, že ty tu otázku položíš desetkrát tomu modelu.

Filip: Mhm.

Vojta: on jenom trochu váhá, tak je vysoká pravděpodobnost, že ti dá dvě různý čísla. Ale pokud neváhá, tak ti pokaždý dá to samý číslo. A víš, jako není to složitý jako structured output trochu LLMek a dej mi jedno číslo vždycky, dej mi ho v JSONu a můžeš to vlastně dost zautomatizovat

Filip: Takže dělat si takový evals, abys to byl schopnej prostě testovat.

Vojta: Jo, jo, jo, jo přesně a každou tu otázku fakt jako to doporučuju, to se nám vyplatilo. ji desetkrát a uvidíš, co dostaneš za čísla. A já jsem vlastně nevím, jestli Jindro jsme tohleto už dělali. že jsem to dělal letos poprvý, jsme měli nějakej dataset vlastně na tom MBA, který jsem jako naschvál špatně popsal. Jo, znáte to. Sloupečky se nejmenujou Amount, ale jmenují se Amt a status je jedna, dva, tři, ale není popsaný jako textově. Není to jako denormalizovaný.

Filip: Jasně

Vojta: data jsou pro AI dobrý jo, protože nemusíš spojovat tabulky. Takže a teďka ty lidi. ale mně to vrátilo dvě stě dvacet zákazníků a druhej: „Mně to vrátilo dvě stě padesát zákazníků. Vám to vůbec nefunguje.“ A já říkám: „To je přesně ono. My jsme, my jsme nadefinovali nula sémantických vrstev ohledně toho, co je to aktivní zákazník. Pojďte si tam napsat, že aktivní zákazník je ten, který má flag aktiv a udělal objednávku v posledních třech měsících. Jenom víš, hloupě to boukneš do

Filip: Jasně

Vojta: Bum, všichni měli stejný číslo. A já říkám: „To je ono. ta chybějící sémantická vrstva, která vám tam chybí. A když ji tam doplníte, tak ono to najednou začne chápat. A když tohleto jako začneš stavět, tak ty se dostaneš do bodu, kdy s tím jedním byznysákem to řekněme, že máte úspěšnost osmdesát procent. Jo, to je, to je jako super číslo vlastně. Tak rolluješ na department. Department zjistí, že začne, nebo ty zjistíš vlastně, že ten department začne posílat úplně divný otázky, na který jako ten sám bys nevěděl pořádně odpovědi a je špatně zadefinovaný kontext dost často.

Filip: Mhm.

Vojta: Tak musíš věci číst, jako co ty lidi dělaj. A zase ta feedback loopa je jako strašně jednoduchá, protože lidi, který tomu rozuměj tomu byznysu, tak začnou to LLMko opravovat. A Mhm. ukládáš ty chaty, což jako doporučuju z těch, z těch, z těch agentů, tak ty velice dobře dokážeš říct, jako pokud to má na tý samý otázce více jak osm turnů, že se ten člověk doptával, tak ví, že tady je chyba a můžeš jít do toho chatu a můžeš zjistit, jak to opravoval. A můžeš zase použít LLMko na to, abys zjistil, hele, ten člověk to opravil. Nakonec dostal nějaký číslo a dal mi palec nahoru, takže je happy. Změň tu sémantickou vrstvu podle toho, co on ti tam vysvětlil. Takže určitě pak utilizovat tady ty data zpátky vlastně a používat je na self correct toho sémantického modelu.

Jindřich: Mě tady napadá teda spoustu otázek k tomu a spoustu follow upů, ale jedna asi, která mě utkvěla, tak my tady asi jak jsme, tak přesně používáme takový to workflow, že nahráváš si ty schůzky nebo máš tam nějakej export, nějakej transkript, ukládáš si to, destojíš si z toho data a podobně. jak jsi to trošku u-už i naznačil. Ale mě by zajímalo, jak bychom měli teda přistoupit k tomu, protože to je mimo jiné jako jeden z problémů, který já řeším, že department má jako nějaký svoje data, který by se jako neměly dostat dál. Ale zároveň já bych chtěl udělat jako nějakou knowledge base, který, která by byla jako relevantní i ty ostatní departmenty. Tak jak k tomuhle přistoupit? Protože typicky finance, jo, má nějaký data, který jako míry do tý jako knowledge base patřej, ale měli by se k tomu dostat, měli by se k tomu dostat jenom lidi z department, eh, nebo z finance lomeno managementu. To samý marketing, to samý HR a tak podobně. Tak jestli napadaj jako nějaký techniky, jak tomu zabránit, respektive jak tohle řešit?

Vojta: Jo, to je skvělá otázka. To je úplně nahrávka na smeč. Eh, jasně, ty typicky chceš vytvořit několik sémantických modelů, který budou sloužit každému. Tohle to vlastně byla inspirace, zdravím Ondru Dokošíka, kde tyhlety vlastně to udělali jako poprvý, kdy vytvořili malý modely pro jednotlivý departmenty, dali jim pět, šest tabulek a každej měl omezený přístup, jo. Takže ty se dostaneš do bodu, kdy to totiž není jenom o datech, jo. Data jako rozdělíš docela jednoduše. budeš mít rozdělený tak, že tadyhle, i kdybys tam měl hodit MSýpko, jako kdybych to teďka stavěl na zelený louce a neměl Kebulu, bych tam hodil, vlastně měl bych nějakou databázi, nad ní hodím MSýpko, to dostane technickýho uživatele, kterej prostě Filip bude mít HR data. Na ty Indra vlastně jako se nemůže dostat. Indra zase má finanční data, nechce, aby se na ně dostal Filip, jo. Tak tohleto vyřešíš poměrně jednoduše nějakýma jako právama, kdo, kdo na co vidí. Ale dostaneš se do bodu, kdy začneš řešit jako knowledge base, sdílení skillů v rámci nějaký knowledge base. A když tu firmu fakt utilizuješ do toho stavu, že ti agenti ti začnou dělat všechno, třeba včetně zvedání platu, jo, tak si vezmi, že budeš mít, máš firmu, která má dva tisíce lidí, což není úplně AI jako AI správně. Jak říká Dalibor Cicman z Jimbeamu, říká: „Ideální firma má jednoho zaměstnance a to je CEO.“ Tak ty vlastně musíš zagentizovat celou tu firmu včetně HR nebo někoho, kdo řeší tvůj plat. A

Filip: Mhm.

Vojta: že v tom skillu je napsaný, komu zvedneme plat, když nám dá nějaký dobrý argumenty a komu ne. Znáš to. Někdo za tebou přijde a řekne: „Hele šéfe, bouchla pračka, já potřebuju přidat, jo.“ To, to není zrovna jako typ člověka, kterýmu bys řekl: „Jo, Vojto, to je super, to mě moc mrzí. My ti dáme jako desítku navrch každej měsíc.“ Ale ten člověk za teb-, za sebou musí mít nějakej track record toho, že udělal dobrý projekty, pomáhal, je slyšet na Slacku nebo na Teamsech a prostě to dokážeš zeskillovat. Jako jakmile si řekneš, vlastně, jakmile ty sám si řekneš, jak to děláš, tak dokážeš tu věc zeskillovat a měl bys jí zeskillovat. Ale co když tady tomu skillu se dostane někdo, víš, Filip bude chtít od Jindry přidat peníze. Indra na to má napsanej skill a Filip dokáže gamovat ten model, protože viděl ten skill

Filip: Mhm.

Vojta: Tak dokážeš prostě napsat, dokážeš napsat to tak, že ten skill by to schválil. Takže ty v jednu chvíli začneš řešit nejenom data, který jako fakt se dokážou řešit jednoduše, ale začneš řešit i jak sdílet ty skilly v rámci tý firmy, protože ty skilly ti popisujou know how tý firmy, jak celá funguje a potřebuješ vytvářet vlastně jako dynamickej marketplace skillů. to vezmu na Clauda, že co má vidět Filip a co má, co má vidět vlastně Jindra. Takže se dostaneš i do tady toho bodu. Takže si musíš vytvořit nějakej systém, protože hele, když jste tři, tak jako si to nějak nasdílíte, jo, ale ve třech, v tady těch firmách většinou jako není tolik peněz, abysme tam jako přišli a dělali velkej boom, velkej projekt. tyhlety lidi jako většinou jsou dost naskillení, ale pak tam máš firmu, kde je prostě už sto lidí a teďka ti přijde někdo novej ty ideálně chceš jako v tom nějakým pátým levelu toho, tý maturity, aby on cokoliv napsal a dostal tu odpověď. Takže někdo přijde novej a nechce jako, nechceš, aby onboarding, aby se dělal přes Clauda. Chceš typicky jako jo, aby on si zadal jako lomen onboarding a jemu to začalo dělat onboardingovej skill. Neházejte zapálený sirky do koši, když je to plný papíru. Jo a on řekne

Filip: To je zase tak.

Vojta: nebudu.“ Jo, tohleto prostě BOZPéčko. Jo, to, to typicky chceš odehrát tady tím. si zamykat počítač? Ano, budu si zamykat počítač. To chceš mít jako vlastně na všechny. A chceš, aby tady ty nudný věci si první zautomatizoval, protože jo, hele, máš tady holku z HR, která tě stojí třetinu co, co vývojář nebo já nevím už polovinu. Záleží asi na spoustě faktů, ale tady ty věci chci zautomatizovat a dát je všem. Takže někdo přijde, otevře si svůj Claude a nainstaluje si vlastně víš firemní MC, firemní skilly, ale každej má mít něco jinýho. Takže musíš vytvořit nějakej systém, kterej každýmu dá to správný a od dne nula tak funguje, má dost skillů na to, aby dokázal odpovědět na jakoukoliv otázku. Říkám to, aby dokázal odpovědět na jakoukoliv otázku. tohleto je přesně něco, co my řešíme. Kdy máme nějaký prostředí, vydefinuješ, kdo má mít jaký skilly, kdo má mít přístup k jakým datům, má vidět jakou část tý firmy, memory- A ty přijdeš, vezmeš si nějakej prostě kus, já tomu jako skill repository bysme to mohli nazvat, ale ono to je jako širší. Říkáme tomu Agnes, je to open source, kdyžtak běžte na GitHub Keboola.com/Agnes a tam to jako najdete. Je to open sourcovaný,

Filip: Mhm.

Vojta: to nesmíte použít pro, eh, výdělečný účely. takže tam je nějaká licence na to. Ale můžete se mrknout, jak to funguje. A tohleto je přesně ten pátej stav tý firmy, kde teďka já v Kebule potřebuju vědět, hele, je tady featura, vědět, kolik to používá zákazníků, tu featuru konkrétní a jestli jsem už nějakým z nich poslal mail. jdeš, si data o zákazníkách, takže stáhneš, jako máš nějaký datovej zdroj, kde jsou ti zákazníci, jaká featura je zapnutá. Eh, podíváš se do jinýho systému Hotjaru třeba, kdo tam jako reálně kliknul. Další MSPko. Eh, podíváš se přes další MSPko nebo se CLIko se podíváš do Gmailu, jestli jsem odepsal. A tohleto je vlastně ten stav, kterej chceš. Jakože když jdu cokoliv dělat, tak nechodím do těch aplikací, ale fakt začínám s tím Claudem, kterej má všechny ty skilly

Filip: Mhm.

Vojta: a ví, jak funguje ta firma

Filip: Ale mě k tomu napadá, často lidi jsou jako skeptický, protože ty jsi teďka popsal vlastně, že máš připojený toho Clauda přesně na ten mail a další jako zdroje dat. Jaký je tvůj argument, když někdo říká: "Ty jo, ale my tam máme jako citlivý data, já tam nemůžu pustit ta AIčka, to nemůžu sdílet tady Anthropicu, které je v Americe."

Vojta: Teďka jsem to řešil před hodinou zrovna jo. Tohleto ale strašně záleží na tom, jak se rozhodne ta firma, jo. My máme velký firmy, který se rozhodly, že hele ok, to pokrytý. Víš co, ty půjdeš řešit, kam si dneska můžeš nasadit nějakej jako model, jo. Bedrock, máš Foundry a máš Vertex. Pokud chceš používat nějaký dobrý modely, tak půjdeš, já nevím, já jsem spíš Anthropic jako než spíš jako OpenAI, ale taky jsem to používal. A půjdeš řešit, kde to nasadit, tak víš, že Bedrock to bude mít v EU, ale víš, že když to nasadíš v Azuru, tak Azure a Anthropic mají spolu smlouvu, že OK, je to GDPR compliant, ale posílají si ty data do Ameriky a teďka nikdo s tím jako není OK. Ale tak řekneš OK, tak to nasadíme na GCP Vertex, kde víš, že ti to zůstane v rámci Evropský unie. A ty lidi říkaj jo, jo, jo, s tím jsem úplně v pohodě, jo. Takže pardon, tohleto jsou různý fáze, kdy tím procházíš, kdy nakonec ale jako dospěješ do bodu, že existuje věc, která se jmenuje zřetězený outsourcing. To je, že ty dáváš svoje data někomu jinýmu, protože to je saasovka, typicky Salesforce.

Filip: Mhm.

Vojta: A ty vlastně věříš, že to je v pohodě a to je všechno. jako věříš, že to je OK, protože oni ti smluvně řekli, že to je OK. A to je jakoby argument, na kterým když se pak zamyslíš, ona každá firma pak jako do toho bodu někdy dospěje, si řekne hele, já věřím, že ty data jsou fakt v rámci Evropský unie.

Filip: Mhm.

Vojta: oni mají nějakej SOC 2 audit, jo, kterej říká, jako že, že to je v rámci Evropský unie, ale ten se dělá jako jednou za rok.

Filip: Mhm.

Vojta: A víš, je to, je to o důvěře, jo,

Filip: důvěra. Hm

Vojta: co si ty lidi řeknou. A já v tady tom jsem říkal asi i Jindrovi jsem vlastně říkal ten příklad, jo, že hele, jak to máš s cloudem, jo, to je podle mě úplně to samý. Ty posíláš data někomu jinýmu doufáš, že jsou safe, jo. V sedmnáctým století nebo v šestnáctým století by sis nedal peníze do banky. Prostě měl bys je doma pod polštářem a nedal, proč bys dával jako peníze někomu cizímu? A dospěješ do bodu, jako měl bys teďka doma pod polštářem všechny svoje jako peníze?

Filip: Prostě ten, ta evoluce té důvěry tam prostě s tou technologií přichází postupně

Vojta: Přes-- jo, přesně tak no. Takže já si myslím, že tam dospějeme, ale jsme pořád, je to, je to, je to čistě jenom o důvěře. To, že ty peníze jsou v bance znamená, že jsou, to znamená, že neexistují zaprvý většinou jo, že jsou, že jsou fakt jenom virtuální. Takže jako reálně dneska, dneska je těžký vykrást banku, že jo. Když si vezmeš, jak to funguje, jako co tam půjdeš na pobočku a tam bude paní, která tam bude mít, já nevím, vykradneš poštu jo, tam budeš mít, eh, zlotýnky, co tam dali důchodci, tak prostě budeš mít jako pět tisíc jo tam nebo něco takovýho. ty peníze už tam nejsou, ale ta důvěra v to už je poměrně jako vysoká, jo. A to samý bylo s cloudem, kdy lidi nechtěli dávat ty věci jako nikam jinam, ale pak zjistili, že ten komfort kolem toho je takovej, že to riziko jako za to stojí.

Filip: No jasně. Ne, jenom možná doplním. No není, no. Já možná doplním jen pro diváky, že ono se často plete Claude a cloud. Tak cloud, tak Vojta myslí, že jo, nějaký cloudový úložiště vyloženě jako třeba nevím Google Disk, OneDrive a podobný služby dalšího typu. A Claude je pak ta aplikace nebo ten, ten poskytovatel je Anthropic, ale Claude je ta jejich appka. Možná ještě jestli bys jenom Vojto upřesnil, tys tady několikrát zmínil, že si to lidi propojují do toho svýho Clauda. Eh, vaši zákazníci nebo když jim děláte tady ty automatizace a napojení, tak fungujou vždycky na těch modelech, který si hostujou sami na tom Bedrocku? Nebo používáte klidně i to subscription a i tam je to za tebe v pohodě?

Vojta: Hm. Jsou, jsou jako různý modely, jo. Ty má, ty seš nějak jako technicky omezenej nějakejma věcma. První je, že když máš in platform asistenta, což případě je třeba ten Kai, to je Keboola AI zkratka, tak máme jednoho zákazníka, který si přines vlastní model. Eh, kterej prostě to jako asijský zákazník, kterej řekl, jako že nebude používat model, kterej my budeme hostovat. takže ten si přinesli vlastní. Ale drtivá většina jako evropských zákazníků a amerických zákazníků říká: „Hele super, máte tam vlastní Opus nebo Sonet tam teďka máme.“ Tak říkaj: „My jsme s tím OK.“ A takže ty pojedeš jako, podle mě takový tři vrstvy. První je in platform assistant, což je musíš vlízt do tý appky a uděláš to. To je pro ty jako víc business usery. Potom se přesouváš do toho, že vystavíš nějakým způsobem MCP k tý svojí službě, kdy kdokoliv se ti k tomu může připojit. Jo? Eh,

Filip: Jo.

Vojta: MCP server zase popíšu. Teda je to kterým komunikujou agenti s různejma službama. Je to dva roky starý. to Anthropic. Zdálo se, že to bude zlatá cesta vlastně a že to je ten správnej, jako ta správná cesta, kudy se vydat. Ale Anthropic už sám říká, jako že to trochu přerostlo, že nečekali, že to bude takhle velký. A každá věc má teďka vlastně už nějakej svůj MCP server. Kdo ho nemá, tak to prostě může si pastelky a jít na autobusovou zastávku dneska. A takže všichni to pokryli tady tim, tady těma MCP Keboola taky. A je to super. Je to vlastně APIčko pro LLM modely. Kdokoliv se může připojit k tvojí službě. Ale pak se zjistilo, že jo. A v tuhletu chvíli už používáš vlastní model. Máš tu vlastní subscription, běží to u tebe na kompu. Dost často je levnější, když to aspoň u Anthropicu. Já nevím přesně, jak teďka to je, když OpenAI nebo Microsoft přepli do tý subskripce, kdy už

Filip: OpenAI ještě v pohodě, ten ty nepřepli, tam pořád máš ty limity jako ty okna, ale Microsoft na GitHub Copilotu, tak tam myslím, že jedeš per token už

Vojta: Dneska mně někdo říkal, že má deset tisíc tokenů měsíčně a já jsem říkal:

Filip: Ok.

Vojta: A teďka jsem to ale přemýšlel v těch Anthropic tokenech a jsem říkal, to se, to je asi tak jako: „Řekni mi, jak se máš a jaký je dneska počasí a dej mi to jako HTML stránku, která bude animovaná a bude to nativní macOS appka, jo, ještě do toho.“ A tak to je asi tak deset tisíc tokenů. Ale ono to tam ten přepočet je myslím, že jako trochu jinak, že ten token není ten token, který známe. Takže, jedeš tady tím způsobem. Zatímco in platform assistant žije jako vlastně sám ve svém životě, ve svém jako takovém harnessu. Harness jako to prostředí, kde žije, jako nemůže se podívat někam jinam. Tak jakmile přepneš do svýho Clauda nebo přepneš do svýho Copilota, co máš rád Gemini, tak získáváš komfort toho prostředí kolem tebe, že můžeš mít víc MCP zapojených do sebe, což já si teďka nedokážu představit, jako že už bych to neměl. Jo, že typické, typický use case, který já říkám, ti zadá ticket, že máš vytvořit nějakou funkcionalitu. řekneš: „Podívej se na tady ten ticket a naimplementuj mi to v Kebule.“ Takže to jde. Podívá se to do Jiry nebo v našem případě do Lineáru. Podívá se na ten ticket, přečte si, o čem to je, to do Kebuly, zjistí, kde se to přesně má upravit, dá ti to nějakej návrh, upraví to a pak to tomu člověkovi napíše na Slack, že je to hotový, jo. Tohleto bys, tohleto v těch in platform assistentech uděláš málokdy, protože nikdo nechce, aby se tam registrovaly cizí MCPka.

Filip: Jasně.

Vojta: A potom je třetí věc, což se omlouvám, že to neodpovídá na tu otázku, jsem si tady napsal, jestli vlastní modely nebo ne, ale jakmile už máš ten vlastní model, tak zač-začneš jako přicházet na to, že ty MCPka nejsou ta nejrychlejší cesta. A já myslím, že už jste to taky popisovali, jo, že se ukazuje, že nejlepší je mít to uložený u sebe na počítači, protože ty modely jsou skvělý v tom, aby procházely tvoje lokální repa,

Filip: Mhm.

Vojta: repa, ale aby dobře spouštěly CLIčkový aplikace. Takže spousta lidí iteruje teďka od MCPek k Command Line Interface toolům. Takže normálně co znáte z příkazovýho

Filip: Terminál. Hm

Vojta: z terminálu, protože to dokáže spouštět stejně jako vy spustíte, já teďka nevím, budete mít make directory mkdir pomlčka, pomlčka help, tak vám to vysype vlastně to je popis toho toolu, že jo. Jako jak to má používat. Tohleto ty MCPka dělají stejně. Nebo je tam nějaká cache u toho, ale nemáš tam to volání, jako nejde to po tý síti a netrvá to jako pět, deset vteřin, než to dostaneš. ty CLI tooly jsou jako mnohem rychlejší. Hodně o tom mluví vlastně Honza Čorn z kde mají svoje MCPC, kde který říká hele, MCPka jsou mrtvý, ale chce to kombinaci tak jako obojího, protože zas ta autorizace tím CLI toolem můžeš tam narazit na nějaký jako zaškobrtnutí. Ale já třeba vidím, že to, že to celičko používají lidi, který fakt chtějí bejt hodně efektivní, tak jdou pak nakonec cestou toho vlastní model, vlastní subskripce a co nejvíc command line toolů, protože to prostě sype rychle

Jindřich: Tam je asi u toho MC primárně, eh, problém tato coinová náročnost, ne? Že jo, oproti těm, eh, celíčkovým nástrojům

Vojta: Asi ty tool cally, který se musejí dělat. No víš, musím to zavolat s nějakýma parametrama. Ono mi to vrátí error, protože tam mám jako bad request ti přijde, protože tam špatně naplnil ty parametry. Ale když máš všechno pak uložený na tom lokálu, tady nahodím takovou myšlenku, jako že i ty data, pokud jste s tím OK, tak třeba doporučuju jako si stáhnout ty data a query lokálně přes DuckDB, což je taková jako lokální poměrně svižná databáze, protože nemusíte dělat dotazy do, pardon, dotazy do BigQuery, do Snowflake. A pokud vám to jako nevadí, že ty data leží lokálně na vašem disku, tak zase získáváte nějakou rychlost a nemusíte to počítat někde v cloudu. Na těch pár malých operací ty, ty, ty vaše Macbooky, který tam leží s těma třiceti giga ramek nebo třiceti dvouma M5, M5 pro procesory jako jsou stavěný na lepší věci, než abyste si přečetli Gmail, jo. Takže oni tady ty věci docela dobře zvládaj. A pokud tam běží Claude Code, tak ten jako v pohodě zvládne udělat query nad třiceti milionama řádků složí si sám tu query, složí si ten Python script, který to vytahuje a nakonec je to jako mnohem rychlejší vlastně, než kdybyste to queryovali přímo do tý databáze. Takže ten balast kolem tý komunikace, spouštění těch remote věcí, tak si myslím, že teďka je, teďka zrovna víš jako je to měsíc třeba nebo měsíc a půl, to se to zrovna spouští na lokále. víš jak to je. Za dva dny někdo přijde a řekne „Hele, teď se to udělá úplně jinak. Jako co jste žili pod kamenem? Nebo jak to, že to děláte na lokále, jo? 4.8. To je úplně zastaralý model. To už dneska nikdo nemůže používat.“

Filip: Jako ten view, extrémní

Jindřich: promiň, že do skáču, ale ty jsi mě možná tím BigQuery a tím Snowflakem jako trochu nahrál ještě na moji další otázku, jo? Ty-- já rozumím tomu, že Keboola je nějaká jako SaaSová služba, eh, primárně teda určená pro, eh, jako B2B. Takže já si tam můžu nabourit buďto svýho cloudu, můžu použít případně toho vašeho, jo, nebo si tam můžu nabourit nějaký vlastní model. když to je teda SaaSová služba, tak kde jsou uložený ty data? Jako když je má někde, řekněme, ten jako váš klient, ten korporát někde u sebe v databázi, u sebe na cloudu, tam teda pak připojím tu moji jako data, interní data databázi přímo do, do Keboly. Chápu to

Vojta: Jo jo, jo. k Ratum teda. Je to tak, že ty data jsou uložený buďto ve Snowflake nebo v BigQuery, což je velká, oboje dvoje jsou jako analytický databáze, sloupcový analytický databáze, který jsou dobrý pro velký výpočty. Ty ty data vezmeš, vytáhneš je z toho svýho systému a nahraješ do tý analytický databáze. to ne nutně má jako negativní efekt. je, že já to vysvětluju vlastně na tom, že vem si, že máš nějakou databázi, máš e-shop a tam ti běží MySQLka nad zatím teďka na tý MySQLce začneš pouštět analytický dotazy, jo. Začneš tam pouštět select where URI like procenta nejlíp na každý straně a pustíš to na šedesáti mili-- šedesáti milionách řádků. To jako pokud ti je čtyřicet, tak se toho možná ještě dožiješ, jako než to doběhne, ale jinak ty data, jinak ty dotazy trvají jako extrémně dlouho a ty nechceš, aby ta transakční databáze tady tím byla zatížená. Ty chceš, aby ty workloady běhaly vlastně někde jinde a neshodily ti ten, neshodily ti ten tvůj e-shop třeba.

Jindřich: Hm. Eh, proč jsem tam mířil? Tak, eh, ty už jsi mi tu otázku jako zodpověděl, jo, ale my to přesně takhle máme jako u nás, protože my u nás v InnoStore jako taky používáme Kebolu a přesně máme v tý naší produkční databáze, že jo, každou, eh, já si trošku přihřeju polívčičku. A tak každou půlnoc nebo někdy jako nad ránem, že jo, tak nám tam běží nějakej cron, kterej nám anonymizuje, očistí ty data a pošle právě do toho Snowflaku právě k těm jako dalším analytikám, kterej se potom používá i, eh, ten, mm, textu data, že jo, nebo jak se to jmenuje. A, eh, nad tím právě nad tím Snowflakem tak běží i další takový jako analytický nástroje jako Tableau, že jo, vizualizační a podobně. Takže to je asi si myslím nebo domnívám se, že tohleto je taková asi typická jako standardní pipeline a standardní use case Keboly, jak to využívají i standardní zákazníci, ne?

Vojta: Tohleto byl dlouho standardní, standardní pipelina a tys to vlastně popis-popisoval jsi to jako dobře, kdy to běhá. Co se akorát mění teďka je, že lidi, ta SaaSpokalypsa jo, jakože se začínají zbavovat SaaSovek, aby si to, protože zjistili, že si to skladem můžou postavit sami. Prostě různý věci, jo.

Filip: Mhm.

Vojta: Ne, že by Kebula na tom úplně nutně nějak jako extrémně trpěla. Některý lidi to jako zkoušejí sami a pak pochopí, jak je to vlastně náročný a za rok jsou zpátky. Ale co se nahrazuje a je to docela jednoduchý, je právě to Tableau, jo, já nevím, kolik vy za něj platíte, ale jsou tady zákazníci, kteří platí jako za Power BI, Tableau, Lookr poměrně vysoký částky. A dneska, když řekneš tady mám data nějakým způsobem vizualizovat, není rocket science, jo. Dobře, možná budeš mít trochu jinej koláčovej graf. Řeknu takovej vtip si dovolím. Někdo mně říkal, že koláčový grafy jsou dobrý na zobrazování trendů v čase. To

Filip: Thanks.

Vojta: dataři. Tak vlastně si to můžeš jako z velký části udělat sám. Jo a pokud ty platíš x peněz, řeknu, budeš platit sto tisíc za Kebulu, tak na druhý straně budeš platit možná osmdesát nebo sto dvacet tisíc za Lookr jo nebo za Tableau. A lidi, co já vidím tak jako je trend, že se toho spíš zbavujou tady těch věcí, protože vědí, že to za zlomek ceny nebo řeknu zlomek, třicet procent tý ceny můžeš běhat už teďka v Kebule jako datovou appku a ty sám. Rozdíl v tom je, že pro Tableaus musel mít nějaký skilly, kde řekl: „Hele, já vždycky trpím, když musím pochopit, co je column a co je row a kam dát filtr.“ Já jako já ty tools moc nepoužívám. Já Tableau použiju prostě dvakrát do roka, jo. Takže vždycky tím trpím. Anebo řeknu Kebule: „Hele Kebulo, udělej mi datovou aplikaci, kde bude vizualizace dashboardu, která mi bude ukazovat trendovost v nákupech. Co se týká v různých kategoriích, chci tam mít filtr na čas. A za minutu třicet máš tu věc hotovou jako jo. Nemusíš nikoho otravovat a Tohleto je třeba, co vidím, že ty, ty lidi mění, protože ty lidi, který nás mají rádi, tak je to kvůli tomu self servisu. Znáš to, co si uděláš sám, teda spoustu věcí, co si uděláš sám, tak si uděláš ne, vždycky nejlíp, ale nejrychlejc jo. A ty si, ty nechceš být závislej na dalších lidech. Jo, pokud ty

Filip: Mhm.

Vojta: uživatel Kebuly prostě víš, že ty jsi připravil data, teďka bys musel jít za někým jiným. Tohle je problém většinou ve velkých firmách. Nedej bože, když potřebuješ přístup, nějaký DNS někde a takový věci, tak trpíš. Ale když si tu věc můžeš udělat sám, tak to je vlastně jako celý ten úspěch Clauda. Proč Hm. ta věc je super? Protože tebe to extrémně enablovalo to, abys jako COO mohl udělat automatizaci odesílání emailů zákazníkům, retence. A appka, která ti bude zjišťovat, nevím, jestli jste o tom slyšeli, jak si ten borec udělal ten toho agenta, jak to komunikovalo s manželkou přes WhatsApp.

Filip: Já to jsem že?

Vojta: to je taková krásná věc, že on si snad, že ten agent se jí každý ráno zeptal, jak se má. Ne a ono prohodili si třeba čtyřicet zpráv a manželka nic nepoznala, tak to asi borec nebyl moc zapojený do toho rodinnýho života.

Filip: Ne

Vojta: Takže tohle to je, to je ten self service, jo. Na tom, ono to staví. Najednou lidi, který to nedokázali udělat, tak najednou dokážou udělat úplně jako skvělý věci. A tohleto je to samý s Kebulou, jako kde my získáváme nebo kde těžíme to zlato, jo, že ty můžeš udělat spoustu věcí sám a nemusíš na někoho čekat. Ta věc je převzaná, ty jsi říkal, že jsi, že jsi byl, že jsi byl vývojář DevOps. Ono vždycky vývojáři něco vymyslej, je to dost dobrý, tak

Filip: I see

Vojta: do toho datovýho světa. se vzal DataOps.

Filip: Mhm.

Vojta: To je to samý.

Filip: Hm.

Vojta: hele, já si ty věci dělám sám, jo. DevOps bylo to, já si pamatuju tu dobu, kdy jsme měli jednoho systémáka, kterýmu jsme říkali: „Hele, potřebuju tadyhle nahodit,“ jak se to jmenovalo vždycky v tom Apache VirtualHosta,

Filip: Jo, úplně to vidím, sicher, jo.

Vojta: kterým mi to, kterej, na kterým pak nahraju skrz FTP si tam něco nahraju a pak jsme se dostali do stavu: „Hele, tady to je, Vojto, dělej si to sám, protože už to je dost jednoduchý.“ A my se dneska dostáváme do stavu, že už i tady ty věci jako vizualizace, stavění datovej pipeline. Vlastně ty toho pojmeš jako mnohem víc, což z tebe dělá jako full, full, full, full stack developera, kdy už toho děláš jako strašně moc a máš díky tomu jako povrchní znalost těch věcí, ale už nepotřebuješ teďka toho, toho dashboardáka. Prostě běž do Kebule a napiš tam, že k něčemu chceš udělat dashboard ono ti to udělá jako velice pěknej dashboard. A pokud mi napíšeš číslo tvýho projektu, tak ti zapnu ještě experimentální feature, která dělá dashboardy, který jsou stylovaný do tvých firemních barev.

Jindřich: Rád pošlu. A ještě ty jsi to tady několikrát zmínil, co přesně jsou ty data apps v Kebole? K čemu to slouží?

Vojta: to jsem skočil moc hluboko. Data appky. My jsme zjistili, že jsme jako super datová platforma pro přípravu těch dat. měl jsi pět zdrojů, potřeboval jsi to nějakým způsobem A pak měl, vždycky jsi skončil tabulkou vlastně a lidi řekli: „Ty jo, to by bylo super, kdybych tady měl nějaký filtřík jako takovou rychlou nějakou jako věc, která mi dokáže vyfiltrovat pět řádků v té tabulce nebo mi ukázat nějakej trend. Takovej malý grafíček, kdybyste mi sem dali jenom.“ Jsem řekl OK, OK. Někdy v roce 2024 si myslím, dvacet tři jsme objevili která se jmenuje Streamlet, což je pythonový framework, který vám umožní stavět jako velice rychle datový, vlastně webový, webový stránky. Všechny vypadají stejně sice, ale je to pro dataře. Dash od, dash od Plot Plotly. Dash. Dash je ta druhá, která, která je trochu složitější. Moc závorek. Streamlet je fakt jako věc, kterou zvlád- jako nemusíš bejt nejvostřejší pastelka v penále na kódování a uděláš si hezkou appku. Takže jsme to začali hostovat, aby lidi si mohli začít stavět jako nějaký vizualizace. Takže si to představ. Webová stránka, která dostane data a může vizualizovat.

Filip: Mhm.

Vojta: V tu chvíli už LLM nějakým způsobem dokážou vytvářet kód. Takže ty jsi napsal: „Chci zobrazit graf sloupcovej, kolik jsme měli nákupů za poslední měsíce.“ A ono ti to udělalo trochu filtr, ale jako bavíme se o roce dvacet čtyři, kdy jsi dělal kód, tak se ti to podařilo nades- napodesátý třeba, jo.

Filip: Mhm.

Vojta: V roce což je strašně dlouho už podle mě toho, jak ty LLM jdou dopředu, přichází Reasoning. To bylo teďka vlastně na Vánoce, kdy se absolutně jako skokově zvýšila kompetence toho, co ty LLM dokážou, udělat jako fakt složitou appku. My jsme v tu chvíli přišli na to, že už to není jako o frameworku, protože předtím jsi používal framework, protože jsi chtěl napsat jeden řádek a ono ti to udělalo spoustu parády.

Filip: Lehceji. Hm

Vojta: Všechny frameworky jako v mý době Symfony, Nee, ještě starej dobrej Zend, tak tohleto všechno jako bylo vlastně kvůli tomu ulehčení. Ale dneska jako už v tom nejseš, jo. A já jsem to pochopil, když jsem viděl někde na Vánoce 2025, v lednu to možná bylo. Někdo napsal Claudovi: „Make Windows 19 make no mistakes.“ A ta věc prostě jela, já nevím, čtyři hodiny a nakonec mu to vyplivlo UIčko. Byla to webová appka a vyplivlo mu to UIčko, který vypadalo prostě jako Windows. Jo a tak to jsem si říkal: „Tak to je hustý.“

Filip: A tak bys řekl, že teda jako frameworky, knihovny a tak, tak pomalu už jim odzvonilo v době AI agentů a tohohle pokročilýho reasoningu?

Vojta: Jako dobrá otázka. oni ti agenti nakonec ty frameworky jako používaj, ale jedou mnohem víc low level. že ty když dneska napíšeš: „Chci udělat JavaScriptovou appku,“ tak ono to vezme jako React Next a

Filip: Mhm.

Vojta: věc a jako stejně, stejně ho

Filip: Super, bejs.

Vojta: jo.

Filip: Hm

Vojta: Ale, eh, spíš kam tím jakoby směřuju, že ty už se nemusíš tím, že to píše člověk a nemusí to bejt jednoduše napsatelný. Takže my jsme ten Streamlit zvolili, protože na deset řádků jsi udělal aplikaci, která měla autorizaci, barvu tvý firmy a měla graf, kterej nevypadal hnusně.

Filip: No jasně

Vojta: Ale dneska jseš jako v tom, že není problém vytvořit čtyřicet souborů, když tomu dáš nějakej bootstrap a řekneš: „Hele, bootstrap jako nějakou šablonu vlastně, eh, má vypadat, takhle má vypadat nebo tak tohleto je podklad pro to, jak ta appka má vypadat. vystavit, když se spustí, tak musí mít port čtyři čtyři tři na portu osm tisíc, nějakej docker prostě jo. už to můžeš jako stavět už po těch uživatelích, můžeš chtít jako mnohem míň a postavit jako mnohem hezčí aplikaci. Takže my jsme teďka jako řekli: „Hele, kašleme na Streamlit, Node, Python, cokoliv, co kdo chce, uděláme tomu nějakej bootstrap, jako máme nějakej skill, kterej ti udělá tu appku, ale už se

Filip: Mhm.

Vojta: na to, jako že to bude Streamlit. A když někdo bude chtít jako MC, který bude říkat vtipy na Kebulu, tak to v Kebule uděláš. Pokud budeš chtít apíčko, který ti bude servírovat tvoje data, tak to uděláš. Pokud tam budeš chtít ML model, tak to jako prostě uděláš. A lidi začali stavět různý věci. První, co bylo, tak začali stavět dashboardy, který by strašně těžko udělali v Tabulu, v Lookeru, v Power BI, protože měli tu možnost a ono to jako fungovalo vlastně. Potom lidi zjistili: „Ty jo, ale nám se tady po firmě toulá strašně moc Excelů. Znáte to. Data entry point Excel,

Filip: Tak jo.

Vojta: Eh, já mám vždycky takový příběh, jak se do jednoho Excelu sbíraly bonusy celý firmy a někdo místo čísla tam zadal A, prostě se uklep. Takže na konci měsíce nikomu nepřišly mrkvičky, jo. Eh, a tohleto je přesně to, kdy ty lidi si řekli: „Ty jo, to by bylo super, kdybychom měli jako nějakej formulář, kterej rychle vytvořím zas pomocí AI v Kebule můžu pomocí něho sbírat data a zbavím se těch hnusnejch Excelů. Víš co to bylo? To byly VBA, to byla prostě čtyři plachty kódu, když se někdo podíval, ten člověk tam nepracoval, co to udělal, to je první věc, jo, protože věděl, že už musí odejít, že už ho to nebavilo udržovat. tom jako jsou logiky firmy. A do toho nesáhneš. To je prostě formule, závorky. Víš co, nahoře se ti to zobrazí v tom okně ty scrolluješ a prostě hledáš řezáček kolem sebe, abys to ukončil. Eh, lidi začali migrovat tady ty věci, co se týká jako Excelů Který sloužily jako data entry pointy pro sběr těch dat. Nejlepší, když to ještě bylo napojený přes ODBC driver rovnou do databáze nebo, nebo podobný věci, když to webáčko ještě odeslalo nejlíp nějakej mail. Takže tohleto začali stavět pak se nám začalo ukazovat takže dobře dashboardy zmigrovat jdou. My teďka víme jako poměrně s jistotou, že můžeš vzít PBX, myslím, že ten soubor z Power BI a můžeš říct Kebule: překonvertuj mi to do data appky.“ A najednou jako nepotřebuješ Power BI a může si to kdokoliv rozšiřovat, jo. Měli jsme tady event, byl tady zákazník, jeden zákazník z Gruponu, Pavel Štěpánek říká: „Hele, mě pořád někdo píše, že chci tady to udělat trochu větší. Ten graf je super, ale mohly by ty sloupečky bejt růžový.“ A teďka ten člověk, kterej tě stojí jako poměrně dost peněz, tak řeší takovýdle věci. Anebo ty jim dáš ten tool a najednou oni tam můžou napsat: „Hele, já to chci růžový. je super, ale mohl by bejt trochu větší.“ Jako kámo mohl, ale jako teďka hodinová komunikace kolem toho.

Jindřich: Hm.

Vojta: Anebo

Filip: Ne klasika

Vojta: ty data mi nesouhlasej. Jo jasně, proč ti nesouhlasej? Tak teďka borec v tom čtyři hodiny prostě studoval a mu pak někdo napsal: „Jo promiň, já jsem tam měl filtr.“ Takže takovýdle věci se prostě dějou. A jakmile ty těm lidem dáš ten self service, že si můžou ty věci upravovat sami v Kebule, tak tam začnou stavět jako zajímavý věci. Já, já mám jako dalších osm věcí, co se v tom dá postavit. Já sám jsem v tom postavil Duma, kde zabijí svoje vlastní tabulky.

Jindřich: Jo,

Filip: Ty vole.

Jindřich: jsi to sdílel někde.

Vojta: Jo by ještě možná tadyhle u toho zajímalo, eh, nebo teda když si odmyslím asi těch dalších jako milion follow upů, který mě tady průběžně napadaj, jakej je ten jako ta best practice, ten nejlepší přístup? Měl by bejt jako někdo jeden člověk, kterej v tý Kebolech bude jako tvořit, eh, ty dashboardy jako ostatním?

Jindřich: Nebo opravdu to všichni budou mít přístup a vytvořej si on demand ten konkrétní dashboard, jak ho oni budou potřebovat?

Vojta: Já si myslím, že je to to B, jo, protože když budeš dělat to, to A, kdy bude ten jeden člověk, který bude vlastně centrum všeho, tak vytváříš ohromný bottleneck, což zpomaluje tu firmu a ty typicky v té firmě nechceš... Všechno, všechno to, o čem se tady dneska bavíme, ať už skilly, sdílení knowledge base, talk to your data, tak všechno směřuje k tomu, aby neexistoval jako single point of failure nebo jeden bod, skrz který to musí protéct. A ten člověk, když má dovolenou, tak ta firma stojí, jo. To je to, čemu ty se chceš vyhnout. Takže ty chceš, aby všichni měli právo něco dělat, ale v rámci nějakýho rozumnýho governed prostředí. A když, řeknu zase příklad, pokud všem lidem aby ti dělali reporty u sebe na Cloudu jako Cloudem, aby ti vytvářeli HTML stránky, který ti pak nějakým někam pushujou, každý bude vypadat nějak jinak. Bude to mít tisíc verzí final final tři a tohleto, to je to peklo, jo, do kterýho se... A já si myslím, že v něm je jako poměrně dost peněz, ale už nemám rád jako ten pojem AI governance, protože to všichni řešej, ale vlastně nikdo neví, jako jak to pořádně udělat, jo. Takže nechceš těm lidem dát jako tak ohromnou volnost, aby ti dělali úplnej zmatek, protože firma je schopná vytvořit za měsíc tři a půl tisíce dashboardů. Jo, to jsem viděl. A ty dashboardy jsou statický a nikdo na ně nesáhne. Nikdo neví, kdo je vytvořil, neví, jaká je za tím logika, jo. Takže to, co a to, co podle mě i Keboola jako teďka z toho dost benefituje, že prostředí, který má pravidla, ví, kdo co udělal, dokáže dělat datový lineage, na co kdo šáhnul, ale umožní těm lidem si to udělat. Ale když už je to jako moc, tak jako nedovolí ti, třeba v Enterprisu víme, že nikdo nemůže udělat datovou appku, kterou vystaví ven, ven do internetu a bude tam napsaný prostě všechno o vašich klientech, jo. Taková datová appka prostě víme, že nejde dělat. Takže když to nazvu jako ten, ten harness, jestli to je teďka takový používaný slovo, víme, že ho dokážeme jako udělat vlastně bezpečně pro tu firmu, aby ona si sama sobě neublížila.

Filip: Jasně.

Jindřich: já

Filip: Ano

Jindřich: kte-skeptickej furt jako k tý governance, jo. Protože já se obávám, že kdybych to pustil k nám do firmy, tak každej si ten dashboard jako naproptuje trošku jinak a bude trošku jinak vypadat. To, že je to jiný UIčko, tak to mně nevadí, ale obávám se, jestli každej by neinterpretoval trošku něco jinýho a potom by mohlo jako dojít k tomu, že ty data se zkrátka zamění

Vojta: tak teďka ti to ty lidi možná dělají v Excelu, ne? Někde

Jindřich: No samozřejmě, že jo, jako všude

Vojta: Jako všude. Takže tom vlastně nevíš, jo. A když to přetáhneš vlastně do Kebuly, tak ty zjistíš, co tam ty lidi dělaj

Filip: Mhm.

Vojta: my ti jako poskytneme data o tom, o tom, ty si můžeš sám stáhnout data o tom, co tam ty lidi dělaj a pak už si to můžeš nacpat čeho potřebuješ a ono ti to řekne: „Hele, tadyhle šahá na data, který řešej finance, řešej HR.“ A ty řekneš: „Jo, to je super.“ Dneska s těma LLM a když jim jakoby poskytneš ty data, tak je to jako velice jednoduchý. Ty, ty, ty lineage, my ti to kolem toho jako uděláme, jo. A takže to je to prostředí, že ty aspoň víš, ono to shadow IT se ti tam děje, jo. Shadow IT znamená to, že ty jsi těm lidem nedal prostředky, proto si to udělali u sebe na kompu a neřekli ti o tom. A když jim dáš prostředí, kde to můžou dělat a ty ho máš aspoň nějakým způsobem jako částečně pod kontrolou, tak seš pořád na tom líp. není, já vím, že to není dokonalý, jo, že ty lidi prostě vybomběj ty dashboardy a bude jich tam spoustu, ale seš na tom líp, než kdyby ti to stavěli v těch Excelech, distribuovali to, posílali to někomu PDFkama a ty jsi měl třicet verzí souboru, který putuje po tý firmě a každej už říká nějaký jiný čísla. Takhle aspoň víš, co máš, jo.

Jindřich: Jo, to, to je, to je skvělá myšlenka, no, validní myšlenka. ještě, nebo já tohleto chápu teda, že to, tyhlety dashboardy, tohle všechno si můžou stavět ty uživatle v těch data apps. Ty data apps si můžeš stavět přes nějakej jazykovej model nebo přes ten váš Kite třeba, že jo, toho chatovacího asistenta, řekněme. ty jsi i zmínil, že to máte Streamlit a v Pythonu a podobně. A jak tohleto tam funguje? Jako že já si můžu v Pythonu vyloženě něco vytvořit a to jako v přílově

Vojta: Do kabele.

Jindřich: tam jako propojit svůj repozitář s tím kódem? Nebo jak tohleto máte

Vojta: Jo. Eh, tohleto jsme vyřešili poměrně nedávno. Je to jako asi měsíc stará věc, kdy to je ve stavu, jako kterej se vůbec nestydím prezentovat. A je to tak, že t-ty buďto můžeš to vyvíjet v Kájevi, Kája, Karel, tak to je náš AI asistent, má ty skilly a on ví přesně, jak to repo má vypadat, že tam maj být D conf, že tady má být setup tečka sh, jo. Takže ty když mu to napíšeš, tak on to udělá. A rovnou máme hostovaný gitový repozitáře, takže všechno si tam uložíš vlastně v tom. se to odehraje jenom jako v Kebule, což je, což je důležitý. Nebo si můžeš pro lidi, který jako chtějí to mít ve vlastním, ve vlastním Clodu nebo Gemini, tak si stáhnou skill, jim řekne, jak vytvořit appku pro, pro Kebulu, kde je to přesně popsaný, co všechno se tam musí dát a ty si to postavíš lokálně. Jsi s tím spokojenej a řekneš: „Chci to nasadit do Kebuly, připojenej MSPkem nebo pomocí CLI, dáváš push a je to nasazený vlastně v Kebule. Takže nezavíráme ani jednu tu cestu, ale snažíme se ti dát co nejvíc prostředků. My jsme předtím chtěli, aby ty sis to nasadil někam do gitu, ale to se ukázalo jako slepá cesta. Prostě byznysák jako nebude řešit nějakej git a tady nějaký nastavení a deploy klíče a podobný věci. To, to, to je jako overkill pro tady ty lidi. Takže všechno máme managed. Takže ty si to jenom u sebe uděláš, na lokálu se ti to líbí a řekneš: „Nasaď mi to do Kebuly.“ A to vlastně v Kebule. pomocí Káje máme side, side by side view, kde jedeš chat a na pravý straně se ti zobrazuje rovnou, jak teda ta appka bude vypadat. za dvě minuty máš jako poměrně dobrej základ, eh, dashboardu, což bys v Tabu Power BI nikde nenaklikal. A kdo říká, že jo, tak se pojďme vsadit.

Jindřich: M-m-můžeš nám možná nebo třeba představit nějaký vaše největší zákazníky případně a případně nějaký jako nejzajímavější use casy, který řešej pomocí Kepply, pokud tu

Vojta: Jo. Určitě můžu. ze zákazníků, o který třeba já se starám, tak to je Česká spořitelna a Slovenská spořitelna. kluci a holky z JimBeamu, super firma. Heureka, Groupon tam je. Vlastně asi když se podíváte na naše stránky, tak tam jako toho spousta bude. Košík, Rohlík. Já si myslím, že těch zákazníků bude teďka ke dvouset asi něco takovýho tam bude. Já jsem zaměřený fakt na ty velký, kde už řešíme jako velký problémy nebo velký výzvy, ne výzvy, opportunity, velký opportunity, co se týká pak nějaký enterprise architektury, když už to musí zapadat do fakt jako velkejch obrazců. A co u nás ty firmy řešej, je strašně široký, jo. Začíná to tím, že někdo má dva Excely, který potřebuje spojit a potřebuje je spojovat jako každej den. Má tam Má prostě dva systémy, který, který spojí. Myslím si, že Šemík třeba tvůj spolužák si myslím ne? Chodili jste spolu

Jindřich: Jo jo.

Vojta: vlastně do toho MBA kurzu, to byl přesně jako jeden z jeho prvních use casů. Tímto ho zdravím, Martine. Tak to přesně bylo.

Jindřich: marketingová agentura

Vojta: jako doporučuji se podívat na jejich Instagram, kde Martin má to promo na reklamu jako na Suricatu, to stojí za to. A tam základní use case dva systémy potřebujeme dát nějakým způsobem dohromady na jedno místo. Teď já nevím, jestli budu říkat, jako který to byly systémy, ale představte si, že to je kde se točí peníze, něco, kde se fakturuje zákazníkům.

Jindřich: Hm.

Vojta: Potřebujete tady ty věci dát dohromady. Dva jednoduchý systémy zjistit, kolik máme vyfakturovat. Můžou to být dva jednoduchý Excely, kde někdo fakt zadává do Excelu, kdo si vzal dovolenou a na druhé straně jsou nějaké benefity. Skříží se to, to. A tohle jsou takový základní use casy, kde pokračuješ do toho, že řešíš fakt automatizaci celé té firmy. Protože když to uděláš, když to uděláš vlastně jako dobře a zautomatizuješ celou svojí firmu, tak ti vzniká digitální dvojče tvojí firmy. tohleto si myslím, že je něco, na co teďka taky hodně cílíme, je co nejvíc procesů u tebe ve firmě, aby bylo automaticky a pomocí AI ses to dokázal dostat do Kebuly a s co nejmenším jako pensum tvé práce se to začalo dělat samo. A tady se jako dostáváme už do toho, že já nevím, třeba ta, třeba ta Česká nebo Slovenská spořitelna, tak tam jsou jako data fakt jako fakt procesy napříč tou firmou, jo. A já nevím, jestli tam teďka máme jako nějaký konkrétní, konkrétní use case, který bych mohl jmenovat jo, na Kebule je tam fakt jako case studies. Co tam je, tak to se určitě můžete podívat, ale tam už řeší jako různý automatizace v různých departmentech. Bude tam HR, budou tam finance, bude tam nějaký interní audit, bude tam technický oddělení tam budou, bude tam, budou tam data z nějakého issue tracking systému tam se na tom vypočítávají různý věci. Takže typicky bude, pokud jste e-commerce, budete řešit churn prediction analýzu, budete řešit churn prediction analýza znamená tady ten zákazník si dlouho nepřečetl žádný e-mail a neobjednal u nás. to můžeme vzít jako z Rohlíku třeba jo. Tak objednali jste a přišla vám SMS za čtrnáct dnů, že jste neobjednali, že tadyhle slevičkový kupónek a- To je typickej use case vlastně jakoby co, co s-co se, co, co pro zákazníky řešíme na Kebule. Takže to jsou, eh, ať už automatizace, který jsou podle mě jako nejlepší, protože ti šetřej těch lidí, který to nemusej dělat. A mně se tady v tom líbí, já řeknu vlastně jako myšlenkovej postup, kterej jde aplikovat na jakýkoliv use case. Eh, vy víte, že, nebo uděláte nějakou extrakci dat, nějakej dashboard a pak uděláte nějaký rozhodnutí. Eh, já to vysvětluju na příkladu z Rohlíku. Eh, víte, že máte banány a ty banány se někdy zkazěj. nebo o-obecně jako tady to fast moving goods, FMCG. Myslím, že se to má zkratka nebo tak nějak. Vy víte, že se vám ty věci kazí a znáte Zachraňte jídlo na Rohlíku? Jo, tak ta věc tam je, že v nějaký slevě, protože to tam chvilku bylo. Oni to potřebujou prodat, než se to zkazí. A teďka tam někdo byl a koukal se na to, jestli náhodou tady nemáme nějaký jídlo, který by se mohlo zkazit. Podíval se na dashboard, zjistil, jo, nějaký tady máme, tak ho dáme do desetiprocentní slevy. Podíval se na to zejtra, druhej den, viděl, že to dá do dvacetiprocentní slevy. Třetí den to šlo do Zachraňte jídlo. Teďka si vymejšlím jako ty, ty, ty, ty, ty hodnoty. A tady ten člověk je jako velice lehce nahraditelný, protože vy jste pochopili ten proces, jak on funguje a vy ten dashboard musíte zrušit a nahradit ho automatizací. víte, že vám zákazníci odcházejí po tom, co nepřečtou e-mail, vy, nebo ty, co čtou maily a objednávají u vás, tak jsou safe, prostě retence vysoká. vy víte, že získat novýho zákazníka je dražší než získat novýho zákazníka je mnohem dražší než udržet stávajícího. A pokud mu dáte dvacetiprocentní slevu, přičemž víte, že marže vaše je třicet pět procent, jste jako safe. A pokud zjistíte tady to pravidlo, že to na ty zákazníky platí a ženě takhle pravidelně choděj nabídky na oblečení ona říká: "To je náhoda, já jsem tak dlouho tam neobjednala, tak to, to teďka mně přišla sleva, tak já tam objednám, jo." A ono jí to udělá vždycky strašnou radost. A já jsem rád a říkám kup si něco, prostě tobě to dělá radost. Ale oni přesně vědí, kde zasáhnout. A tohle to je ten proces tady toho mailingu, těch mailingovejch kampaní, který typicky lidi řeší přes Kebulu, že vyberou ty zákazníky, kterým se to má poslat, těm se to pošle v danej moment, kdy jsou, já nechci říct jako nejzranitelnější, ale prostě kdy ty máš jako největší šanci, že je znova zopěchovduješ, uděláš tu retenci. A oni si znova objednají a ty seš vlastně pořád nebo děláš to tak, abys byl vlastně pořád v plusu. Takže tohleto jsou nějaký jako automatizace. Potom samozřejmě spousta dashboardů, jako lidi se chtějí pořád koukat na dashboardy,

Jindřich: Jasně

Vojta: ale i strašnej boom talk to your data. Teďka vlastně všichni se chtějí podívat do těch dat, protože když máš nějakej dashboard, tak narazíš do bodu, kdy nemůžeš udělat drill down, bys chtěl vědět a proč? Jako proč se to stalo, jo. A tím, že v Kebule máš uložený ty transformace, jako jak se to vypočítává. Já mám strašně oblíbený moje téma je KPI Metric Tree. To je, že máš někde nahoře nějaký KPIčko. To se skládá ze dvou věcí. Každá firma je rozdělitelná nebo každá firma je rozdělitelná na nějakou jako formuli nebo formuli, form-for-výpočet. Náš margin je složenej z toho, máme zákazníků, kolik jim, kolik jim toho prodáme, minus to, kolik nás stál nákup. Každou z těch položek můžeš rozpadnout níž a níž, jo. Víš, kolik tě stál nákup, jakých položek tě stál nákup, ve sto-- dál kolik tě stála doprava a tak dále, jo. KPI metric tree, super věc. A pokud tobě klesá nějaký KPIčko, ty po tady tomu stromu můžeš lízt dolů a můžeš zjistit, co je příčinou. Ty můžeš zjistit, že se zdražila doprava a můžeš s tím jako něco dělat. tohleto je přesně to, co Kebula dělá v tom Talk to Your Data, že může jít po těch procesech dolů a zjistit, kde je příčina tý věci. A máme s tím nějaký piloty, jsme s tím na začátku, ale po tom je jako takovej hlad, že to jako vlastně nestíháme pořádně jako doručovat teďka.

Jindřich: A, eh, jakej je obecně nebo za co, hm, je vlastně ten pricing v Kebole? Hm, myšleno, jak přesně tam máte postavenej ten billing. Jako platím za množství dat nebo za transakce, za počet uživatelů nebo nějaký měsíční paušál a tak dál.

Vojta: Eh, je to postavený na kreditech, to znamená, kolik toho běží, kolik ti tam toho běží jako časově vyloženě, tak za to, za to tě chargujeme. Jsou tam ještě nějaký jako drobný věci kolem, ale tohleto je jako primární, že čím víc toho běžíš, tím víc nám dáváš, ale tím víc běžíš, jako čím, čím víc use casů tam máš. by to bejt vždycky win-win, jo. Ten use case by ti vždycky měl přinést větší hodnotu, než je ten náklad a my ti tady ty data jako poskytujeme. Jako kolik tě stál tady ten konkrétní use case. když ty víš, že, eh, zalívání kytky v kanceláři, připomínka, že tě vyjde na pět set dolarů, to jako extrémně přestřeluju, tak víš, že tu kytku necháš chcípnout prostě radši, jo. Pokud k ní nemáte vztah. Koukám, že oba dva máte za sebou kytku, asi tu samou možná.

Jindřich: hm, jo

Filip: hele, ještě by mě,

Jindřich: nevšiml.

Filip: mě mě by zajímalo, když vlastně za váma chodí tolik firem a vy vlastně jako vidíte do těch jejich dat, to znamená, vidíte, jak si je schraňujou, jak s nima pracujou. Jak bys obecně hodnotil připravenost firem na AI? A teď nemyslím jenom čistě tu adopci, i když to mě vlastně jako taky zajímá, ale i to, že když jako přijdou, tak jestli už ty data jsou v nějaký podobě, kdy se dají někam nalejt a dá se s nima pracovat, nebo je před tím jako hrozný práce ty data uklidit, aby se s nima pak dalo dál pracovat

Vojta: Asi s těma zákazníkama, se kterýma já se bavím. Já trochu žiju ještě v bublině v Kebule, jo, že já Jasně zákazníků, kde to má velkej potenciál a už něco chtějí dělat. Takže tady prostě bude spousta zákazníků, ke kterým já se třeba nedostanu, ale vidím, že spousta z nich to má jako udělaný, protože ten, ten rubbish in se většinou děje tak, že někdo vezme nějakej Excel, kterej je nevysvětlitelný. Ty sám nevíš, co to je a nahraješ to tam a doufáš, že se stane magic. Ale pokud už někdo jako má Kebulu a už tam má nějakým způsobem jako učesaný ty data a už tam má nějakou jako L0, L1, L2 vrstvu, bronze, silver, gold, jakkoliv to nazveš, tak většinou ty lidi ty data mají už dost učesaný a to, co jim chybí, jsou ty semantický modely, abych věděl. Oni to mají třeba v Power BI. Víš, jako máš metriku v Power BI nadefinovanou, co to znamená aktivní zákazník nebo co to znamená sklad na pobo-, nebo skladová položka na pobočce. Jo, tohle to tam jako většinou nemaj, tak tohle to tam stačí dodat a jako dokážou z toho vytěžit poměrně jako velký zlato. Takže spíš bych řek, a teďka jo, já promítám si v hlavě ty projekty. Jo, takový to jeden

Filip: Mhm.

Vojta: Třeba problém je, když tam máš nahromadě, dejme tomu, že bys AI nějakou databázi a měl bys tam nahromadě všechny ty jako staging vrstvu, to znamená ty data, který jsi nalil přímo ze zdrojových systémů. Potom nějaký vyčištění, potom bys tam měl jako L2 vrstvu, která už je připravená na to, aby byla s něčím spojena. pokud to AI jako se musí koukat, kterou zrovna tu tabulku má použít, tak to není ono. Takže já pak doporučuju třeba těm lidem: „Hele, dejte tomu AI jako co nejmíň věcí, co nejmíň tabulek, ať tam je fakt jenom to, co potřebuje. Nějakej drill down rozumnej, ať to jako může udělat, ale nedělejte to, že hele, tadyhle jsou naše data let's do the magic, jo. To, to nedopadá dobře vlastně potom. A oni jsou pak zklamaný, protože ono to najde jako špatnou tabulku a řekne: „Hele, ty, ty věci vám nefungujou, že jo? A znáš to, špatně používáš. Jseš na devadesáti devíti procentech kontextu snažíš se opravit jako to, co ten model dělal. Jo, to taky prostě není správně.

Filip: Jasně, ono je to pak asi o tom i jako učit ty lidi pracovat, že jo, s tím, s tou AI obecně, že jo. Jako že jedna věc je jako ty data tam dostat, ale pak jim přesněji vysvětlit, jak se mají doptávat, eh, obecně, jak to trošku funguje, aby přesně se jim pak nedělo tady co.

Vojta: A to já si myslím, že jsi jako udeřil Filipe jako hřebíček na hlavičku, jo, protože někdo, musí být řízený v tý firmě, jo, že fakt to, já dneska jsem slyšel, že přišel někdo za, dejme tomu na pobočce, si, že pobočka banky a někdo, tys, ty prostě prodáváš celej život hypotéky, seš prostě nějaká paní teda, muž, kterej vlastně je super v tom, že mi prodává hypotéky, dokáže číst ty lidi a jeho job je přečíst ty lidi, zjistit, jakou mají potřebu a nabídnout jim vlastně to nejlepší řešení. A za tebou přijde tvůj šéf a řekne: „Hele, měl bys používat víc AI.“ A ty jako: „Jako co jako mám, mám generovat obrázky a posílat je na WhatsAppu těm lidem jako? Nebo jako co bych měl dělat, jo?“

Filip: Jasně.

Vojta: podle mě je důležitý, aby ta adopce do tý firmy jako probíhala nějakým způsobem řízeně. Jinak ti, a to jste jako všichni asi už slyšeli o těch jako failnutejch, já myslím,

Filip: Sě.

Vojta: to někde taky

Filip: MIT studéže

Vojta: MIT studie jako 95 projektů, ne že by failnula přímo, ale jako neměla měřitelný jako dopad na finance zpátky jo. Jenom lidi propálili bambilion tokenů, jo, proto až Anthropic bude mít IPO, tak ty jo, to bude, to je jako ohromný, prostě to, to já nevím, jestli to přeskočí Muska ale Anthropic do tý doby nasbírá fakt jako hodně, hodně, hodně peněz, hodně valuace to bude. A proto já si myslím, že je dobrý, když se tohleto trochu jako řídí a to tam mít někoho, kdo je jako tahun celý tý, celýho toho problému. Což je jako super, když je to právě někdo jako z toho, C levelu a ten fakt dělá evangelizaci a to jako otevíráme jako další Pandořinu skříňku trochu. A to je, jak vlastně jako tohleto udělat správně, jo, že

Filip: Hej

Vojta: firmě hodíš teďka, víš nakoupíš Claude Code pro licence a tady to máte a moje firma je AI řízená, tak to my, já myslím, že ty o tom jako pěkně povídáš, jo, že to tohleto jako není ten správný přístup a ty tam musíš mít, to je jako s adopcí čehokoliv jinýho, jo. když někde adoptujeme Kebulu, tak první, co uděláš je, najdeš si někoho, kdo je jako ořezaná pastelka a uděláš ho šampionem. To je, to je člověk. Potom toho člověka budeš promovat a chceš, aby všichni lidi byli jako tady ten člověk. A ten člověk se najednou změní v to, že jako dělá evangelistu a chodí za těma lidma a radí. Ten člověk tě miluje, protože jsi zlepšil jeho kariéru, je na totálním piedestalu. Leze nahoru po tom žebříku vlastně jo. A ta firma má jako nějakýho interního ambasadora, kterej jim v tom pomáhá. A tohleto je, já nevím, jako jestli na to máme čas, jako tohleto je druhej můj job, čím se vlastně zabývám a to je fakt stavěním AI jako gramotnejch firem. Ale už vidím, že už jsme čtyřicet osm.

Filip: Tam vlastně tohleto říkal, říkal i Jirka Štěpánek u nás v podcastu. Yes, yes. Jakože já těch otázek mám fakt jako miliony a miliony. Takže třeba vymyslíme nějakej druhej díl někdy. Ale tak jako takhle ke konci takovou jako otázku, protože já často třeba s firmama právě nějakou tady tu adopci AI řeším. Snažím se jako jim pomáhat s tím, jak ty lidi, aby ty lidi vlastně pochopili, k čemu to je, jak to mají používat, s čím jim to pomůže. A my třeba jako ujdem tady ten začátek. Anebo lidi sledujou mě na YouTube. To je možná lepší příklad, jo. Lidi, který jako nejdou vyloženě, že já jim jdu pomáhat, ale sledujou mě na YouTube a teď já tam mluvím přesně o tom, co mluvíme tady dneska. Schraňuj si data, měj nějakou knowledge base, pak tam pusť toho agenta. Zmínil jsi Dreaming a další věci a ono to zní strašně jako skvěle teoreticky, ale teď pro ty lidi to je jako, jak to mám uchopit? Jako kde začít? Tady Vojta říkal, že si mám schovávat zprávy ve Slacku, tak kam je mám jako nahrávat? Nebo co bys ty vlastně jako poradil nějaký menší firmě, která by tohleto chtěla začít adoptovat? Co by měla udělat? Předpokládejme, že má vyloženě nějaký zkušenosti, třeba jako jo s Claudem. Umí si napojit MCPčko, ale tam to jako hasne.

Vojta: Jo. Hele úplně sobecky první, co bych udělal, tak bych řekl, najměte si Vojtu, on vám s tím pomůže.

Filip: Jasně

Vojta: tím ti nechci brát práci, Filipe.

Filip: V pohodě se podělíme.

Vojta: Ale tohleto je jako, já to vlastně, kdybych to uměl dělat YouTubem, tak to dělám jako YouTubem. Já jako rád

Filip: Hm.

Vojta: videa, občas něco postnu na LinkedIn, jako co kde dělám, ale je to takový, tvoje kvalita jako je mnohem lepší jako na rovinu jo. Ale to co, jak já to dělám, já si fakt najdu toho jednoho člověka, ze kterýho udělám toho

Filip: Mhm.

Vojta: Jo, to je podle mě, nevím, jak to udělat jako remote a já si s tím člověkem fakt sednu a musím si ho vytipovat a musím vidět, že jako za to stojí. Jo pokud je to někdo, kdo ráno vstává do práce a říká, ty jo, radši bych umřel prostě, co tady dělám, to není ten člověk, jo. Ale to poznáš. Jako já myslím, nebo aspoň z toho, co jsem viděl tvoje YouTube videa, tak si myslím, že tu empatii máš dobrou a tohleto dokážeš jako skvěle vypozorovat. Jakmile máš tady toho člověka, tak mu ukážeš, jako co je možný a ten člověk musí dostat jako hlad a říct, ty jo, to bych chtěl taky. A takže ho nějakým způsobem jako mentoruješ a on se dostane do bodu, kde buďto teďka jako první zlomový okamžik je, se ti za týden ozve, anebo se ti neozve. Jakmile se

Filip: Mhm.

Vojta: člověk jako neozve, tak dobrý hele jo, asi takovej zájem, ale pokud ti ten člověk ještě druhej den napíše, hele, já jsem nad tím přemýšlel a mám tady pár jako dotazů, jo. Tak

Filip: Mhm.

Vojta: člověk to začne stavět a ty jako pokud se ti ta firma nenajde, tak nikdy zvenku nic neuděláš, jo. Prostě já už jsem

Filip: Mhm.

Vojta: být jako externista v pár firmách a já jsem byl ten, kdo to tlačil a to je úplně zbytečný, jo. pokud si najdeš toho, toho interního člověka, kterej je ten šampion, tak a přes něho to budeš tlačit a jemu budeš pomáhat. A hlavně on za tím jako musí mít nějakou vizi, jo. Což se teda trochu ještě vrátím zpátky. Ty když tohleto jako, když to jdu prodávat do tý firmy, tak to jdu prodávat tak jakože já vím, jakej je váš problém. Já jsem byl v tý samý fázi- Takže nějakej jako způsob empatie. Tohleto jsou nějaký první kroky, co bych teďka vyřešil. Orientuju se ve vašem prostředí. A třetí, to je možná to nejdůležit-- nebo ta empatie jako v tom extrémně důležitá, je vize. To znamená, ty tý firmě tomu člověkovi nebo tomu C levelu musíš prodat to, kde bude, kam ho to dostane

Filip: Mhm.

Vojta: to je to, co jako, to je ten motor, co ho žene, jo? Pokavaď se ti podaří udělat všechny tady ty tři věci, máš šampiona, C level, který musí, když je šampion ze C levelu top, nejlepší jako jo. A takže se na něj zaměříš. On ví, kam se dostane a ví, že se, ty mu jdeš pomoct v rámci jeho životní situaci, že z něj uděláš totálního borce. Já ti jdu prodat všechny svoje znalosti, který jsem načerpal za posledních osm let v Kebule a tady ti je dám. Za z tebe bude jako totální hvězda, jo. A pokud, eh, tady to, teďka se omlouvám, jako že nejdu po tý technický stránce, jo, ale ona je vlastně jako nepodstatná.

Filip: Hmm.

Vojta: A takže když tady toho člověka najdeš, uděláš z něj tu hvězdu, budeš ho podporovat, budeš mu dělat interní marketing, ať tomu jako C level člověkovi nebo manažerovi, nebo může bejt dole, jenom tam se pak jako hůř roste. Tak ten člověk zařídí to, že v tý firmě se to adoptuje správně. A to, co já dělám je, že jim ukážu, co mám postavenýho sám. Je strašně důležitý nebejt kovářova kobyla, protože

Filip: Hm.

Vojta: eh, víš, ty jsi popisoval, že jsi četl, dobrý je Wiki LLM a já jsem si, že jo, Andrej Karpáti říkal, ten je hostek a já, já už jsem věděl, že v tu dobu už jsem používal Obsidian, protože mně Radek Hájek z Kofoly řekl: „Hele Vojto, já mám Obsidian a dávám si tam úplně všechno.“ A takhle jako malinko ze mě udělal toho šampiona, že mi jako, jak se to říká česky, dropnul nějakou informaci

Filip: Mhm.

Vojta: jsem teďka, víš, ze sebe měl ten pocit jako jo, ale já už jsem všem říkal, že mají používat Obsidian, jo. A teďka najednou ty si říkáš: „Ty jo, tak mně to jde, tak já budu pokračovat dál a budu dělat tu evangelizaci do tý firmy.“ Takže držet si tady toho člověka je mu vždycky ukázat, jak to může vypadat. A on řekne: „Ty jo, to je dobrý, je fakt inspirativní. Hele, tak potkáme se za tejden.“ A vidíš toho borce, že je o dva kroky dál, než jsi mu řekl, že se má dostat.

Filip: Jasně. A takže bys jako řekl, že... ještě přemýšlím, jak tu otázku jako formulovat. Možná ještě jako jiná otázka mě napadla. Myslíš si, že jako technická úroveň těch lidí v těchhle těch evangelistech hraje roli? Protože mně často jako přišlo, že teď nemyslím jako programátorskou úroveň, ale vyloženě to, že když ten člověk je jako trošku technicky nadanej, tak to jde jako mnohem, mnohem líp, než když máš sice někoho úplně natčenýho, ale jako vlastně mu nejseš vys-schopnej vysvětlit třeba jednoduše MCPčko, protože i třeba jako připojování věcí přes USB už je takový jako s otazníkem.

Vojta: Víš co, když je připojování věci přes USB s otazníkem a ptá se tě, co je to USBčko, tak to už je

Filip: To jsem možná přestřelil, ale jako asi, asi chápeš, jak to myslím

Vojta: no. skilly jsou určitě dobrý, ale nejdůležitější jsou byznysový skilly.

Filip: Mhm.

Vojta: Já mám, už bych řekl, že už spíš kamaráda, se kterým s-z Český spořitelny Honza Divko, jo. To byl, on byl technicky, technicky měl jako velice dobrý základy, ale byl velice dobrej byznysově. A ten člověk by prodal jako na poušti písek, jo. To by, on tam prostě přišel, nakráčel, všichni, všichni jako, všichni na něj koukaj a poslouchaj ho. A to byl, to byl ten člověk, kterej vždycky to rozsekl a jako šel dál, jo. Takže podle mě že chodíš, to, že rozumíš jako technickejm věcem, z tebe z nějaký části udělat introverta, jo. Nevybíral bych úplně jako introvertní lidi. Ne kvůli tomu, že by nebyli chytrý, ale kvůli tomu, že tě to nerozšířej. jako vybrat nějakýho technicky nadanýho extroverta, kde se vracíme jako na začátek toho našeho rozhovoru možná, byznysovej člověk, kterej má technologickej základ, je to nejlepší, co v tý firmě můžeš podle mě potkat a přes něho to tlačit. Kdy on ti to pomůže, jako on to bude ukazovat. On bude říkat: „Hele, ale tohleto by šlo jako vyřešit.“ Ty vlastně chceš, aby on pak chodil po tý firmě a řešil problémy těm lidem pak se to dostane do stavu, to jsem vlastně zažil v tý Spořitelně, kdy už je to zasaturovaný, kdy už, kdy už já, já už tam jakoby nemusím bejt a to už se jako tak strašně začalo rychle nabalovat, že tam je teďka nějakejch dvě stě dvacet lidí, který to používá, dvě stě čtyřicet možná, a já už jsem jakoby, já už tam jsem zbytečnej, já už jen tahám vždycky za nitku, kde potřebuju, ale jinak to je vlastně jako používají to tam, používají to tam úplně všichni právě díky těm šampionům, který jsem si vypikoval. jak to udělat přes YouTube, jako hele, až to budeš vědět, řekni mi.

Filip: No taky s tím bojuju, tak se kdyžtak ozvu, když, když na něco přijdu

Jindřich: Jak jsi že, Filipe, eh, mluvil jako o tý evangelizaci a že je lepší, když ty lidi mají ten jako technickej skill nebo něco, tak mně úplně v hlavě vyskočilo takový to memečko jako Vibe Coder Today, že jak tam píšou do toho chatu: "Who is Jason?"

Vojta: Jo.

Jindřich: asi úplně mě to asociovalo s tím.

Filip: Jasně.

Vojta: Tohleto je jinak dost nebezpečnýý no. To jakože ty lidi vlastně, co se do toho pustěj, tak maj nulovej insight o tom, jako dělaj, no. Dost často. To, to jako, je potřeba jim dát nějakej rozumnej harness, jo. Bavíme se jako zpátky, když půjdeme ke Kebule a data appkám, tak Claude Code ti v defaultu jako smaže databázi, jako drop all tables je ok, když dáš yes, jo. Takže na tady to je potřeba si dávat bacha a potřeba si vybrat nějakýho, vlastně jak to říká Jindra, jo, potřeba si vybrat někoho, kdo má ten technickej základ, aby to jako absolutně neustřelil, jo, protože pak se dějou strašný zverstva, no

Jindřich: Asi bych se opakoval. Mě tady napadá i spoustu jako dalších dotazů, který bysme si tady mohli povídat až do rána, ale náš čas se nachýlil. Takže jak říkal Filip, budeme rádi, kdyby sis našel třeba ještě někdy čas za, eh, pár měsíců, řekněme, a mohli bysme natočit další díl, protože opravdu těch témat, který bysme my tady mohli rozebrat, je celá řada. ještě možná úplně poslední otázka nakonec. Mě totiž, eh, mě to hrozně zaujalo. Ty jsi v podcastu u Oty Novotnýho mluvil o tom, že jseš zahradník měl jsi tam v plánu tehdá vypěstovat sto kilovou dýni. Tak jak na tom seš? Podařilo se to?

Vojta: jo, jo, letos, eh, letos mi to sežrali slimáci. já nevím, jestli víte, jak to funguje na vesnici, ale tam je důležitý, abyste vypěstovali větší dýni než váš soused, jo. To je jako-- hele, stokilová dýně se nedá sníst vlastně, jo. To, to je, to ani ne-- já mám teda bagr ještě, takže bych to mohl jako odtáhnout bagrem, ta věc jako je absolutně nepraktická a letos jsem si řekl, že mě to asi za to nestojí, takže jsem jako teda zasadil jsem, sežrali mi slimáci a už jsem nezasadil znova. Takže nejsem dýňovej specialista, asi zůstanu zatím u IT.

Jindřich: Tak už pak budem rádi. Ale kdyby se to někdy podařilo, tak bys mohl celou vesnici pozvat na dýňovou polívku. Eh,

Vojta: vlastně

Jindřich: Vojto, eh, bylo to fakt skvělý, jako obohacující. Je vidět, že seš člověk na správným místě. Ať se daří tobě, ať se daří, eh, Kebole a budem se těšit někdy příště

Vojta: jo, díky moc za pozvání. Mějte se

Filip: Taky díky, Vojto, bylo to fakt super. Vám diváci děkujeme, že jste nás poslouchali. No a můžete se těšit samozřejmě na další díly, aby vám neutekly, tak nezapomeňte nás odebírat na YouTube, Spotify, případně dalších podcastových platformách, kde nás posloucháte. A pokud vás zajímají i nějaký zákulisní informace, co se s Deep Link Show děje, co plánujeme a tak dál, tak určitě můžete sledovat i náš Instagram pod jménem Deep Link Show. To je asi pro dnešek všechno. A ještě jednou děkujeme. Mějte se krásně.

Jindřich: I kačau

Vojta: Ahoj