🎧 Poslouchej epizodu:
Dalibor byl na Slovensku, přepnul v televizi na Šlágr TV a nechal to běžet. 🤔 Čekal dechovku. Místo toho tam běžely generované skladby s generovanými osmdesátkovými klipy, kde se sem tam objeví sedmý prst. Důvod není umělecký, ale ekonomický: za kvazi Collinse se neplatí. „Oni by pouštěli Collinse, když tam můžou pouštět kvazi Collinse,” říká. A divákům to nevadí.
Tohle je pro nás celá epizoda v malém. AI dneska umí dokonale vyrobit něco, co vypadá jako to původní - hudba, nabídka, prezentace, report. A umí vyrobit i dojem, že vám to šetří čas. Otázka, kterou jsme s Daliborem rozplétali skoro dvě hodiny, zní: kde je ten dojem oprávněný a kde už jenom drahá iluze? 💡
„AI umí výborně vyrobit dojem, že jste efektivní” ⚡
Tuhle větu Dalibor řekl skoro na konci dílu a je to pointa celého rozhovoru. Scénu, kterou k ní popisuje, zná každý, kdo někdy pustil model na reálnou práci:
Jdete na kafe, model tam něco vyrábí, vy se vrátíte a máte krásně good looking výstup. Těsně před schůzkou si ho procházíte a zjistíte, že je to úplně k ničemu. Tak to hodíte do koše a rychle to píšete rukama.
📌 Dalibor k tomu přidává měření, které se dělalo na vývojářích: spousta z nich měla pocit, že jsou s AI rychlejší, ale při měření vyšlo, že jsou dokonce o pár procent pomalejší, než když ji nepoužívali vůbec. Odpovídá to studii METR z července 2025, kde zkušení open source vývojáři odhadovali 20% zrychlení a reálně byli o 19 % pomalejší.
Pozor, není to argument proti AI. Dalibor sám říká, že u kódování je to dneska „nezbytná součást toho celého”. 🔍 Je to argument pro něco jiného: umět měřit vlastní efektivitu je dneska důležitější skill než umět promptovat. Protože ten dojem je opravdu dokonalý a spousta lidí i firem mu podlehne.
Jindřich do toho vhodil svět LinkedInu, kde si CEO navzájem plácají po zádech, že propustili sedmdesát procent firmy a mají jenom agenty. Daliborova odpověď je střízlivá: část věcí automatizovanou mít můžou, plně autonomní systém ale nikde neviděl. Kdo tvrdí opak, dostane u nich red flag. 🚩
AI adopce je špatné slovo. Správné je datová hygiena 🧹
Tohle je hlavní teze celé epizody a Dalibor si za ní stojí i terminologicky:
Adopce je vlastně takový divný terminus technicus. Já bych tomu říkal datová hygiena, na které stavíš infrastrukturu, co ti začne časem pomáhat.
👉 Neznamená to vyčistit třicet let historie dat. Znamená to postavit takzvané datové pooly: mít první databázi, vědět, jaká data do ní sypeš a proč. Teprve nad tím přichází ten hezký moment, kdy nasadíte prvního agenta, který jednou týdně skoro bez kompetence zkontroluje pár základních věcí. Pro CEO to není game changer. V dlouhodobém rádiusu to game changer je, protože se na tom dá vrstvit.
A pak jsou tu dvě čísla, která realitu srovnají rychle. Ve firmě o sto zaměstnancích budete rádi, když najdete dva až čtyři lidi, kteří se do AI opravdu ponoří. ⚡ A spousta firem nemá zavedený ani Google Workspace: „řídí celou logistiku na korkové nástěnce” a vůbec jim to nevadí. Ta skepse není hloupost, je to zvyk žít s velkým technologickým dluhem.
Zajímavý je trik, kterým to Dalibor obchází. „Pojďme digitalizovat” nechce slyšet nikdo, je to drahé, nudné a všichni se brání. „Budeme dělat AI agenty, jenom k tomu musíme vyšlapat cestičku” funguje. Lidé najednou vidí, proč mají uklízet. 🎯 Datová vrstva pod AI je téma, které jsme z jiné strany otevírali s Vojtou Tůmou v #S06 - tady k němu přibylo pořadí kroků.
Proč CEO neslyší na „tisíc nudných hodin” 💼
Nejčastější prodejní argument automatizačních firem je podle Dalibora ten nejslabší. „Zautomatizujeme vám tisíc nudných hodin” narazí hned dvakrát. 🤔
Poprvé na change managementu. Řeknete Marušce, že místo osmi hodin to bude dělat tři, a Maruška odpoví, že neví, co bude dělat se zbytkem, protože nic jiného dělat nechce. Podruhé u majitele, který na to reaguje ještě přímočařeji: Marušce pomáhat nepotřebuje, ta je od toho placená. On potřebuje zvednout výkonnost a obrat.
Druhá past je ještě dražší. Externí firma přijede, zmapuje proces a zautomatizuje ho tak, jak je:
Proces, který má třicet kroků, oni zautomatizují na třicet kroků. Místo aby ho celý přerámovali a udělali ho na tři.
📌 Výsledek běží na sedmdesát, osmdesát procent, což je pro firmu stejně nepoužitelné, protože to pak musí někdo kontrolovat. Náklady na provoz naskočily, efektivita se moc nezvedla, a když se to celé rozbije, opravu si zaplatíte zvlášť.
Dalibor k tomu má konkrétní příběh. Firma chtěla zrychlit tvorbu nabídek, sto měsíčně byl jejich bottleneck. Řekli si, že externí pomoc je drahá, nainstalovali si Claude Code a vygenerovali skoro čtyři sta nabídek. Utratili spoustu peněz a skoro nic neprošlo, protože každá nabídka vypadala jinak a nikdo to neukočíroval. 💡
Závěr je nepříjemný, ale poctivý: „Neutečete tomu. Musíte si to odmakat sami.” Externí firma vás může akcelerovat, ale vlastní vývojáře stejně potřebujete. A AI inženýrů, co tomu opravdu rozumí, není mnoho. Srovnávali jsme to i s Vráťou Zimou v #S07, kde jsme totéž řešili z pozice zakázkového vývoje.
Prompt engineering není napsat dvě věty do chatu 🔬
Tady se Dalibor rozjel nejvíc a je to nejužitečnější pasáž pro každého, kdo si myslí, že prompt engineering zvládl. 😅
Veřejnost si pod tím pojmem představuje role prompting a pár triků, jak modelu líp napsat zadání. To je podle Dalibora užitečná gramotnost, ale ne prompt engineering. Ten skutečný vypadá tak, že si vezmete framework jako DSPy nebo BAML a proženete tisíce až desetitisíce variant evaluacemi, dokud nenajdete tu, která je na desetiny procenta nejlepší.
Je rozdíl mezi tím, že si řekneš „asi vím, jak promptovat”, a stejně tam bouchneš dvě věty - a mezi světem, kde testuješ prompt za promptem v deseti tisících variantách.
⚡ Ještě zajímavější je jeho pohled na architekturu. Trend podle něj míří zpátky k determinismu. Jazykový model nemá být orchestrátor. Orchestruje deterministický systém, který model volá jen na přesně vymezených místech, kde má malou kompetenci a spoustu kontrolních mechanismů kolem. Jak říká Dalibor: „ten agent tam nemá co pokazit”. Čím do víc věcí model pustíte, tím víc si zaděláváte na náklady i na problém.
A ještě jedno varování, které jsme si odnesli oba. Sdílený kontext se dá otrávit. Když do společné databáze přes Model Context Protocol zapisují lidé, „Frantovi se propisuje Pepův nesmysl”, model tvrdí, že projekt je v jiném stavu, než je, a nakonec je nejjednodušší to celé smazat a začít znovu. 🔍 Kontext jako aktivum jsme rozebírali v #18 - tohle je jeho odvrácená strana.
Nakonec náklady. Dva a půl až pět tisíc měsíčně za jednoho člověka je v pohodě. Ve firemním měřítku to „začne skákat, to je raketa”. Nebo, jak Dalibor glosuje jednu radu z praxe: „Hele, celá firma na Opusu.” „Good luck.” 😄 Ekonomiku modelů jsme rozebírali v #16, tohle je její firemní verze.
Festival, který se vyprodal, a příspěvkovka, co nesmí vydělat 🎪
Druhá půlka Daliborova života je ČERNÁ.AI, platforma pod ostravskou Černou kostkou. Má dvě linie: krajský AI board s univerzitami, IT4Innovations a inovačním centrem, a proti tomu komunity, transfer know-how a takzvaní komunitní ambasadoři. To slovo je tam schválně. „AI ambasador” lidé čtou jako autoritu, kterou většinou nejsou; komunitní ambasador má jiný cíl - kultivovat kolem sebe lidi a dělat bezbariérové akce. Platforma jim za to dělá páku na speakery, kterou z Bruntálu nikdo nemá. 👉
Z jedné konference vyrostl za rok festival, u kterého Dalibor rovnou přiznává, že ho „totálně neodhadli”: ze 70 na 100 speakerů, z jedné stage na sedm, ze 300 lidí na přes dva tisíce. A vyprodáno. Nejlepší detail je způsob, jakým sháněli partnery. Místo obvyklého balíčku s logem řekli: vaše přednáška nesmí být sales pitch, a když nám pošlete jména svých klíčových klientů, pozveme je jako vážené hosty. 💡 Korporátní schvalovací proces se z půl roku scvrkl na dva týdny.
⚠️ Pak je tu druhá strana. Příspěvková organizace musí vysoutěžit i jídlo, takže si ani nevyberete dodavatele. Zisk generovat nesmíte. A když je vyprodáno a potřebujete dokoupit jídlo, nemůžete přijmout dalšího partnera, protože je vyčerpaná maximální úroveň partnerství. Řešení? Barter: „Chcete být partnerem? Tak kupte jídlo za padesát tisíc a ukažte nám účtenku.”
Nejvíc mě ale pobavila věta o vývoji. Ve veřejné správě je Vibe Coding podle směrnic oxymóron. Přitom je to nejrychlejší cesta, jak vyrobit portál, a přesně o tom jsme mluvili v #17 - tady vidíme jeho strop. Claude Code je „no go”, předplatné na Lovable mají, ale weby z něj nesplňují bezpečnostní standardy. Takže šest lidí odbavuje práci pro osm až devět a zachraňuje se vlastními mikronástroji, které si každý pouští lokálně - kvůli citlivým datům nesmí běžet na Vercelu. Personalizovaná komunikace s devadesáti speakery, skládání programu sedmi stagí s exportem do Eventee, hlídání médií. 🚀
TL;DR - co si z toho vzít 📌
Měřit, ne cítit. ⚡ AI umí dokonale vyrobit dojem, že jste efektivní. Vývojáři v měření vycházeli pomalejší, i když měli pocit zrychlení. Umět změřit vlastní efektivitu je dnes cennější skill než umět promptovat.
Datová hygiena, ne adopce. 🧹 Nekupujte licence, postavte datové pooly a pusťte na ně prvního agenta s minimální kompetencí. Ve stovce lidí najdete dva až čtyři heavy usery, ne padesát.
Přerámuj proces, nezautomatizuj chaos. 🎯 Třicetikrokový proces zautomatizovaný na třicet kroků stojí víc a běží na osmdesát procent, což je stejně nepoužitelné.
Deterministický systém, model jen na vymezených místech. 🔍 Trend míří zpátky k determinismu. Čím do víc věcí model pustíte, tím větší náklady a tím víc míst, kde se to rozbije.
Neutečete tomu. 💼 Externí firma vás může akcelerovat, ale vlastní lidi, kteří té technologii rozumí, stejně potřebujete.
Líbí se ti Deeplink Show?
👉 Sleduj nás na YouTube - video verze každé epizody
🎧 Followni Deeplink Show na Spotify - pro poslech kdekoli
🌎 Mrkni na náš web - pro další detaily podcastu
📸 Sleduj nás na Instagramu - zkratky, tipy a zákulisí
Nebo nám napiš co si myslíš: studio@deeplink.show ✉️