Ukazovaly jsme diktovaný tasklist, ranní přehled kalendáře, převod webu do Markdownu, nákupní seznam na lednici a tabulku předplatných.
Na první pohled to nejsou velké technologické projekty. Některé ale řeší problém, který se vrací každý den nebo každý týden. A právě proto fungují.
Nechtěly jsme ukazovat ukrutné složitosti
Na začátku webináře Aneta řekla, že nechce ukazovat složité automatizace jen proto, aby vypadaly působivě. Podle ní kouzlo AI často není v tom, že si vytvoříme nové nástroje a zautomatizujeme půl firmy. Někdy je v úplné drobnosti, která nám každý den odstraní jednu otravnou činnost.
Přesně to jsme pak během hodiny ukazovaly.
Aneta si diktuje úkoly do běžného chatu a nechává si je zapsat do kalendáře. Ráno si nechává připravit přehled z několika Google kalendářů. Já jsem ukazovala, jak si pomocí AI připravuji prezentace, strukturuji zápisy z porad nebo analyzuji vlastní e-maily.
Ukázaly jsme také nástroj, který převede webovou stránku do Markdownu, a domácí aplikaci s nákupním seznamem propojeným s Rohlíkem. Na konci přišla tabulka předplatných, která jednou měsíčně projde e-maily a připomene, za co pravidelně platím.
Každá z těch věcí řeší jiný problém. Společné mají to, že nevznikly jako velký projekt s dlouhým plánem. Začaly konkrétní nepříjemností.
Největší hodnotu má problém, který se vrací
Diktovaný tasklist není technologický zázrak. Otevřeš chat, řekneš, co potřebuješ udělat, a necháš si úkoly zapsat do kalendáře.
Jenže pokud máš plnou hlavu, pořád někam chodíš, přeskakuješ mezi schůzkami a občas zapomeneš, co sis chtěla zařídit, může ti tahle drobnost změnit den.
Stejně funguje ranní přehled z několika kalendářů. Neřeší žádný velký problém. Jen ušetří každodenní otevírání několika míst a snižuje šanci, že přehlédneš schůzku nebo rodinný program.
Tady podle mě vzniká první důležité pravidlo:
Nezačínej tím, co všechno by AI mohla umět. Začni tím, co tě opakovaně zdržuje.
Jednorázová úspora několika minut nemusí znamenat skoro nic. Když ale stejnou činnost děláš každý den nebo každý týden, začne se sčítat.
Malá pomůcka může odstranit velké množství tření
Můj převodník webových stránek do Markdownu vznikl z velmi prostého důvodu. Často pracuji s články, tabulkami a dalšími zdroji, které pak potřebuji použít v AI.
Kopírování z webu přenese také formátování, odkazy a různé části stránky, které v textu nechci. Proto jsem si vytvořila nástroj, který stránku převede do čistší podoby.
Nejdřív to byla jednoduchá aplikace. Později vzniklo rozšíření do prohlížeče. Kliknu na něj a převedu celou stránku nebo jen vybraný text. Aneta říkala, že základní verzi vytvořila v Cursoru přibližně za patnáct minut.
Technicky je to drobnost. Prakticky ji používám opakovaně a šetří mi práci pokaždé, když potřebuji připravit podklad pro další zpracování.
Podobně funguje tabulka předplatných. Neřeší účetnictví ani správu financí. Jen mi pomáhá zorientovat se v e-mailech, kde se jinak snadno ztratí potvrzení o platbě, obnovení služby nebo zapomenutý bezplatný trial.
Jednou měsíčně ChatGPT projde dostupné e-maily, vybere předplatná a zapíše je do přehledu. Když něco nenajde, musím to při první kontrole doplnit. Ale i tak je výsledek užitečnější než hledat každou platbu ručně ve výpisu z karty.
Některé malé věci jsou uvnitř překvapivě složité
Nechci tím říct, že každá užitečná automatizace vznikne za jednu minutu.
Domácí nákupní seznam, který ukazovala Aneta, vznikal dvě až tři hodiny. Bylo potřeba propojit aplikaci s dalšími službami, nastavit přístup přes účet a vyřešit, jak se položky dostanou do nákupního košíku.
Výsledkem ale není firemní systém. Je to nástroj pro jednu domácnost. Každý může přidat položku hlasem nebo ručně, seznam se zobrazí na telefonu a hotový nákup se dá poslat do Rohlíku.
Důležitá je přitom jedna věc: aplikace nákup neodešle sama. Položky vloží do košíku, ale konečné potvrzení zůstává na člověku.
Tohle je dobrá připomínka, že „malá automatizace“ neznamená vždycky málo práce při stavbě. Znamená spíš, že řeší konkrétní problém v omezeném rozsahu.
Velké automatizace mají své místo
Velké automatizace nejsou špatně. Pokud firma řeší opakující se proces ve velkém, může dobře navržené řešení přinést mnohem větší dopad než osobní pomůcka v kalendáři.
Jen mají jinou cestu k výsledku.
Potřebují schválení, testování, bezpečnostní pravidla, údržbu a často také někoho, kdo je bude dlouhodobě spravovat. To všechno dává smysl, pokud automatizace obsluhuje důležitý proces.
Pro vlastní každodenní práci ale často nepotřebuješ čekat na dokonalé řešení. Můžeš začít nástrojem, který vyřeší jednu konkrétní věc. Když se osvědčí, postupně ho vylepšíš.
To je také důvod, proč jsme na webináři ukazovaly běžné chaty, propojené aplikace, jednoduché prompty a nástroje, které jsme si vytvořily pro sebe. Nečekaly jsme, až vznikne ideální systém. Začaly jsme tím, co nás právě teď zdržovalo.
Co si z toho odnáším
Po webináři jsem si znovu uvědomila, že užitečnost automatizace nesouvisí jen s její velikostí.
Ptám se spíš:
- Opakuje se tenhle problém?
- Musím kvůli němu dělat stále stejné kroky?
- Zapomínám na něj, když ho nemám někde zapsaný?
- Uměla by mi AI připravit první jednoduchou verzi?
- Dokážu výsledek zkontrolovat a případně opravit?
Když je odpověď několikrát ano, stojí za to začít.
Největší překážkou často není cena nástroje ani složitost AI. Je to čekání na chvíli, kdy budeme mít čas postavit dokonalé řešení.
Můj závěr z webináře proto není, že malé automatizace vždy porazí velké. Spíš že v osobním a běžném pracovním životě mají často jednu zásadní výhodu: dostanou se do používání rychleji.
A automatizace, kterou používáš každý týden, ti nakonec pomůže víc než dokonalý projekt, který zůstane jen v seznamu nápadů.