Tento dokument analyzuje implementaci nízkonákladových AI automatizací v rámci skupiny MG Group (roční obrat 3,2 mil. EUR), která se specializuje na B2B služby s vysokými nároky na přesnost: BOZP, GDPR a kybernetická bezpečnost. V těchto doménách je preciznost non-negociabilní, proto strategie přechází od rigidních enterprise řešení k agilní API orchestraci. Cílem je dosažení úspor v řádech statisíců korun ročně při zachování minimálních licenčních nákladů (v jednotkách EUR/měsíc). Klíčovou metodikou je pokročilá architektura systémových promptů a cross-model optimalizace.
Kvalita systémového promptu určuje úroveň operační odolnosti celého automatizovaného procesu. Expertní prompt nepůsobí jako pouhé zadání, ale jako technická specifikace logiky, která eliminuje halucinace a definuje striktní rozhodovací mantinely pro LLM.
Tato technika slouží k extrakci maximálního kontextu bez rizika opomenutí kritických parametrů uživatelem. Model je v úvodní fázi instruován, aby neprodukoval řešení, ale vedl strukturované dotazování.
"Jsi Senior AI Solution Architect. Tvým úkolem je vytvořit [TYP VÝSTUPU - např. systémový prompt pro analýzu legislativy]. Zatím negeneruj žádný návrh. Místo toho mi pokládej postupně jednu otázku za druhou, které potřebuješ k plnému pochopení mého byznysu, technických specifikací a cílových KPI. Pokračuj v dotazování, dokud nebudeš mít dostatek dat pro vytvoření technicky bezchybné a vysoce funkční architektury promptu."
Asistent „V hlavě zákazníka” není postaven na vágním popisu jedné osoby, ale na metodě matematického průniku tří různých avatarů. Tato syntéza reprezentuje vzorek 20 000 klíčových klientů vyfiltrovaných z celkového trhu 1,3 milionu podnikatelů.
Vývojový cyklus využívá model Claude 3.7/Sonnet jako primárního architekta logiky. Díky jeho schopnosti pracovat s nuancemi je v něm sestavena komplexní struktura promptu, která je následně komprimována tak, aby se vešla do limitu 8 000 znaků pro GPT-4o Assistant API bez ztráty sémantického významu. GPT-4o pak slouží jako stabilní a nákladově efektivní exekuční jednotka pro každodenní provoz.
| Parametr | Generické zadání | Expertní systémový prompt |
|---|---|---|
| Identita (Persona) | „Jsi asistent prodeje.” | „Jsi PhD psycholog a expert na B2B komunikaci (30 let praxe).” |
| Logická hloubka | Základní instrukce. | Matematicky definovaný průnik 20 000 cílových subjektů. |
| Konfigurace (Temp) | Defaultní (0.7+). | Striktně definovaná (0.1–0.3) pro konzistenci výstupů. |
| Verifikace | Bez kontroly. | Povinná trojstupňová validace zdrojů před výstupem. |
Transformace rutinních operací v autonomní procesy je realizována skrze orchestraci nástrojů, které nahrazují lidskou kognici v bodech s vysokou chybovostí.
Původní 2% manuální audit byl nahrazen 95% automatizovaným monitoringem.
Sledování parlamentních rozprav v reálném čase pro potřeby GDPR a BOZP.
Přechod od pasivního studia ke stimulovanému tréninku.
Výběr nástrojů je podřízen stabilitě API a efektivitě tokenů.
| Nástroj | Role v architektuře | Technické zdůvodnění |
|---|---|---|
| Make.com | API Orchestrátor | Centralizace procesů, náklady cca 50 EUR/měsíc. |
| Gemini (Google) | Audio Intelligence | Nativní analýza MP3 a sentimentu bez nutnosti externí transkripce (vyšší efektivita než Whisper). |
| Claude 3.7 | Logic Architect | Generování a komprese systémových promptů pro GPT. |
| Apify | Scraper „Dark Data” | Přístup k datům ze sociálních sítí a diskusí, kam indexy standardních LLM nedosáhnou. |
Technická poznámka: GPT-Asistenti mají omezenou kontrolu nad historií konverzací. Pro auditovatelné procesy (např. záznamy o školení) je nutné logovat interakce přes API do externí databáze.
Implementace AI v EU podléhá „Regulatory Arbitrage”. Zatímco v západní Evropě dosahují pokuty za pochybení v datech průměrně 20 000 EUR, v SR/ČR se historicky pohybovaly kolem 730 EUR, což se však pod tlakem EU narovnává.
Role „implementátora automatizací” je v SME klíčová pro transformaci vysokého IQ modelů do měřitelného ROI.
Závěrečné doporučení: AI by měla být v rukou CEO využívána jako „PhD konzultant” pro strategii, zatímco rutinní operace musí běžet na stacku „Make.com + API” jako autonomní, zdokumentované procesy nezávislé na jediném administrátorovi.