Claude Cowork a AI agenti: Jak na automatizaci s Matějem Štefaníkem
Tato epizoda rozebírá praktické využití nástroje Claude Cowork a autonomních AI agentů v pracovním procesu. Matěj Štefaník vysvětluje, jak automatizace s AI umožňuje delegovat komplexní úkoly od analýzy hovorů až po tvorbu obsahu, a proč je klíčová čistota dat v adresářích. Diskuse se zaměřuje také na rizika potvrzovacího zkreslení a dopad generativní AI na kompetence juniorních pracovníků. Podcast o umělé inteligenci tak přináší vhled do efektivního workflow s moderními modely.
Hlavní body
- Rozdíl mezi manuálním chatem a autonomním nástrojem Claude Cowork, který vidí do složek.
- Nutnost strukturovaných dat a jasných instrukcí pro správné fungování AI agentů.
- Využití specifických skillů pro automatizovanou analýzu poznámek a tvorbu textů.
- Varování před vkládáním vlastních názorů do promptů, což vede k nekritickému potvrzování ze strany AI.
- Problém juniorů, kteří odevzdávají AI výstupy, aniž by rozuměli jejich vnitřní logice.
Přepis epizody
Matěj Štefaník, expert s dvacetiletou praxí v oboru, využívá Claude AI specifickým způsobem. Standardně nechává model nejdříve vypracovat detailní plán postupu, který následně schvaluje. Moderní nástroje jako Claude Cowork však již umožňují vyšší míru autonomie. Při jednom z testů model nečekal na potvrzení a během krátké pauzy uživatele samostatně dokončil úkol. I když výsledek dopadl správně, tento incident poukazuje na rizika, která přináší AI agenti a automatizace v momentě, kdy ztratí lidský dohled nad kritickými kroky.
Hlavní bariérou pro efektivní využití generativní AI česky je často nutnost manuální orchestrace v běžných chatovacích rozhraních. Uživatelé musí data kopírovat, vkládat a neustále opravovat formátování. Claude Cowork tento kolotoč eliminuje díky přímému přístupu k souborovému systému. Úspěch automatizace s AI však zásadně závisí na kvalitě vstupních dat. Pokud je v adresáři tisíc neuspořádaných souborů s náhodnými názvy a bez jasných instrukcí, model nedokáže interpretovat jejich význam. Pro správné fungování AI je nezbytné, aby data měla jasnou strukturu, kterou model dokáže pochopit.
V rámci své praxe si Štefaník vytvořil sadu specializovaných skillů, které mu pomáhá psát samotný Claude. Tyto nástroje dokáží analyzovat poznámky z hovorů, identifikovat kontakty a automaticky doplňovat seznamy úkolů. V oblasti tvorby obsahu využívá řetězec agentů, který zahrnuje draftování, kritickou oponenturu a finální dotažení textu podle specifické znalostní báze. Díky tomu se práce zrychluje až na desetinu původního času. Programování s AI se tak stává otázkou správného zadání priorit spíše než psaní kódu.
Kritickým bodem diskuse byla absence vlastního názoru u umělé inteligence. Jazykové modely jsou trénovány tak, aby uživateli vyhověly, což vede k potvrzovacímu zkreslení. Pokud uživatel v promptu naznačí svůj postoj nebo hledá potvrzení pro svůj nápad, AI mu ho potvrdí bez ohledu na objektivní fakta. Pro získání relevantních výsledků je tedy nutné neuvádět vlastní názor předem a nechat model argumentovat neutrálně.
Závěr epizody se věnoval vlivu technologií na juniorní pracovníky. Existuje reálné riziko, že junioři odevzdávají výstupy z AI, kterým sami nerozumí a nedokáží je obhájit. Tento fenomén se nevyhýbá ani zkušeným profesionálům, kteří občas využívají systémy, u nichž je těžké zpětně dohledat logiku konkrétního rozhodnutí. Budoucnost technologií tak vyžaduje nejen znalost nástrojů, ale i schopnost kriticky hodnotit procesy, které AI vykonává. Epizoda se dotkla i kuriozit, jako jsou chyby v API nebo odmítání úkolů kvůli chybně nastaveným bezpečnostním filtrům.