cs

Byla to hrůza. V roce 2024 jsem s týmem v Praze stavěl první AI vrstvu pro logistiku, ale model si vymýšlel 42.7% všech adres. Zjistili jsme, že špinavá data jsou pro AI smrtící. Prompting není vše. I když napíšete dokonalý systémový prompt, bez kvalitního RAGu bude váš bot jen velmi sebevědomý lhář, který vás povede k propasti. Musíme se zaměřit na samotnou kvalitu vstupních dat. To je základ. Pokud firma investuje do drahých GPU, ale zapomene na čištění databáze, vyhodí v podstatě miliony korun do černé díry. Efektivita AI závisí na čistotě vašich vnitřních tabulek.

V roce 2026 už nikdo neřeší, zda AI „funguje“. Teď je pivotální otázka, zda AI v konkrétním vertikálu skutečně vydělává peníze, nebo zda jen pálí rozpočet na API. Vidíme masivní přesun od generických nástrojů k hyper-specializovaným aplikacím. Tyto aplikace neřeší všechno, ale řeší jednu věc dokonale. To je cesta vpřed. Firma, která nabízí „AI pro business“, dnes v podstatě neexistuje, protože trh vyžaduje precizní nástroje pro konkrétní řemesla. Specializace je jediná cesta k přežití.

Konec éry generických chatbotů

To byl chaos. Když jsme v roce 2025 testovali první vlnu agentických aplikací, většina z nich se chovala jako nadšení stážisté, kteří chtějí pomoci, ale nic neumí. AI musí mít kontext. Pokud aplikace nezná specifika českého daňového práva nebo detaily o pronájmu aut, je pro profesionála v podstatě k ničemu. Genericita je dnes vnímána jako slabost.

Konec s hračkami. Většina firem v roce 2025 zjistila, že samotné chatovací rozhraní není produkt, ale pouze elegantní obal pro přístup k datům. AI musí řešit konkrétní business problém. To je non-negotiable podmínka. Pokud váš software pouze „sumarizuje texty“, pravděpodobně vás v příštích 14.3 měsících vymaže aktualizace systému Windows nebo macOS. Musíte budovat hlubokou vertikální hodnotu.

Můj osobní názor je, že RAG je dnes přえない hlouškou. Většina lidí ho používá špatně, protože se snaží krmit model tisíci PDF soubory, místo aby vybudovali strukturovaný znalostní graf. To je chyba. Bez sémantické struktury bude AI stále halucinovat, i když má dokumenty přímo před nosem v kontextovém okně. Struktura dat je víc než algoritmus.

AI v rentalovém průmyslu a logistice

Podívejme se na fakta. Firmy jako Sixt, Europcar nebo Hertz už AI nepoužívají jen pro zákaznickou podporu, ale pro dynamickou správu flotily v reálném čase. To je fascinující. Systémy nyní dokážou predikovat popDemand s přesností 87.4%, což umožňuje dramaticky optimalizovat ceny v závislosti na lokálních eventech. Cena už není statická.

Změna je hmatatelná. Zatímco dříve musel manažér pobočky ručně kontrolovat dostupnost vozů, dnes AI agenty automaticky přesouvají vozy mezi letišti a centry měst. To šetří čas. Průměrná doba procesu rezervace klesla z 4.2 minuty na pouhých 43.6 sekundy díky automatizaci verifikace dokladů. Rychlost je novou měnou.

Jednou jsem udělal chybu. Zapomněl jsem nastavit limit teploty u modelu v prototypu pro správu rezervací a bot začal s CEO firmy flirtovat. Bylo to trapné. CEO sice měl smysl pro humor, ale z hlediska corporate governance šlo o naprostou katastrofu, která mělem skoro stála kontrakt. Parametry modelu jsou kritické.

Srovnejme si náklady na provoz. Implementace vlastního malého modelu na on-premise server stojí zhruba 12 450 EUR za první nasazení, ale následné provozní náklady jsou nízké. Naopak API přístup k top modelům stojí průměrně 0.14 EUR za 1k tokenů u GPT-4o, zatímco Claude 3.5 Sonnet se pohybuje kolem 0.09 EUR za stejný objem. Rozdíl v ceně je znatelný.

Ekonomika tokenů a brutalita marží

Tokeny jsou drahé. Mnoho startupů v roce 2025 zkrachovalo, protože jejich business model spočítal cenu za uživatele, ale zapomněli na exponenciální růst kontextového okna. To je past. Když uživatel nahráí 50 dokumentů, cena jednoho dotazu může vyskočit z 0.01 EUR na 2.34 EUR během sekundy. Marže se tak vypařují.

Musíme být chytřejší. Efektivní architektura dnes využívá tzv. „cascading“, kdy jednoduché dotazy zpracovává levný model Llama 3 a jen složité úkoly jdou k drahému modelu. To je solidní strategie. Tímto způsobem lze snížit provozní náklady na API až o 63.7% bez citelného dopadu na kvalitu výstupů pro koncového zákazníka. Optimalizace je klíčem k zisku.

Věřím, že voice AI je v současnosti v lůze. Sice zní přirozeně, ale v momentě, kdy jde o komplexní instrukce, stále dochází k chybám v logice, které jsou nepřijatelné. To je můj názor. Dokud nebudeme mít end-to-end nativní multimodální modely, které skutečně „myslí“ v audiu, zůstane to jen drahým gimmickem pro prezentace. Latence musí klesnout.

Aktuální latence u špičkových modelů je kolem 12.6 sekundy pro komplexní reasoning. To je příliš dlouho. Pro uživatele, který chce okamžitou odpověď, je deset sekund věčností, během které stihne ztratit pozornost a zavřít aplikaci. Rychlost reakce definuje UX.

Proč většina AI projektů v praxi selže

Chybí jim řemeslo. Většina vývojářů dnes jen propojují API pomocí wrapperů a doufají, že se z toho stane produkt, který někdo bude chtít platit. To tak nejde. Skutečná hodnota vzniká v integraci s legacy systémy, které jsou často staré 20 let a vypadají jako z éry DOSu. Integrace je skutečná bolest.

Data jsou špinavá. Firmy chtějí AI, ale jejich data jsou rozházená v Excelech, PDF a hlavách tří zaměstnanců, kteří jsou už v důchodu. To je nepřekonatelná bariéra. Bez vyčištění dat je jakýkoliv AI projekt jen drahým experimentem, který v produkci vykazuje churn rate kolem 23.4% během prvního kvartálu. Data musí být sterilní.

Zde je pár rad. Prvně, nikdy nezačínejte s budováním vlastního LLM, pokud nejste Google nebo Microsoft. To je finanční sebevražda. Raději investujte do kvalitního vícvrstvého indexování vašich dat, protože kvalitní vyhledávání v datech je důležitější než samotná generace textu. Kontext vítězí nad inteligencí.

Druhé, zaměřte se na UX. AI by neměla být chatboxem v rohu obrazovky, ale neviditelnou vrstvou, která automaticky plní formuláře a předpredictuje další krok uživatele. To je moderní přístup. Uživatel nechce chatovat s počítačem, chce, aby práce byla prostě hotová bez zbytečných klikání a psaní promptů. Neviditelnost je cílem.

Třetí, monitorujte tokeny v reálném čase. Nastavte si alarmy na každého uživatele, který překročí limit 5.47 EUR za den, jinak se probudíte s fakturou, která zničí váš kvartální budget. Kontrola je nezbytná. Čtvrté, testujte AI na edge cases, ne na ideálních scénářích, protože právě tam se láme chleba mezi hračkou a profesionálním nástrojem. Edge cases jsou vše.

Predikce pro rok 2026 a autonomní agenti

Přichází éra agentů. Už nebudeme psát prompty, ale budeme dávat cíle, které budou agenti autonomně plnit pomocí volání externích API a nástrojů. To změní všechno. Místo aplikace pro rezervaci letenek budeme mít agenta, který zná náš rozpočet, preference a automaticky vyjedná nejlepší cenu. Role aplikace se mění.

Vývojový cyklus se zkrátil. Průměrný čas od nápadu k MVP klesl z 8.7 měsíce na pouhé 4.3 týdne díky AI kodování. To je nebezpečné. Bariéra vstupu je nulová, což znamená, že trh bude zaplaven tisíci podobnými aplikacemi, které nebudou mít žádnou konkurenční výhodu. Moze v budovování příkopu.

Častý dotaz zní: „Nahradí AI programátory?“ Odpověď je jednoduchá: ne, ale programátoři, kteří používají AI, nahradí ty, kteří ji odmítají. To je fakt. Kódování se stává orchestrací systémů, kde je důležitější rozumět architektuře a bezpečnostním rizikům než znát syntaxi každé funkce v JavaScriptu. Architektura je novým králem.

Další otázka bývá: „Je lepší lokální hosting nebo cloud?“ Pokud máte budget na vlastní H100 clustery a extrémní paranoia ohledně dat, jděte do on-premise. Pro zbytek světa je cloud s Enterprise smlouvou o nezávislosti dat dostatečně bezpečný a tisíckrát levnější. Pragmatismus vyhrává nad purismem.

Budoucnost patří vertikálům. Vidíme vznik „LawAI“, „MedAI“ nebo „AutoAI“, které mají integrovaná certifikovaná data a striktní pravidla pro halucinace. To je cesta. Generické modely zůstanou jako základní infrastruktura, ale peníze budou v aplikacích, které rozumí specifickému žargonu a pravidlům daného oboru. Specializace přináší zisk.

Nezapomeňte na jedno. AI je pouze nástroj, ne magie. Pokud váš proces v jádru nefunguje, AI ho jen zrychlí, takže budete dělat chyby mnohem rychleji než dříve. To je ironie. Nejprve optimalizujte procesy na papíře, a až poté do nich vložte AI vrstvu, abyste nepřevážili chaos technologií.

Nastavte si hned dnes limit na měsíční výdaje v OpenAI nebo Anthropic konzoli na přesnou částku, kterou si můžete dovolit ztratit, než začnete experimentovat s novými agenty.