AI jako strategický partner CEO

Vytvořeno: 8.3.2026 | Aktualizováno: 09.07.2026 15:12

Analýza rozhovoru s Davidem Kolářem (Scale Up Board)

Tento zápisek vytěžuje video David Kolář: AI jako pravá ruka CEO – od marketingu po rozhodování. Hlavní myšlenka je posun od AI jako nástroje na texty a obrázky k AI jako strategickému partnerovi CEO pro rozhodování, marketing, obchod, finance a práci s firemním know-how.

• AI se dá používat jako augmentace CEO – ne jako náhrada člověka, ale jako druhý mozek pro rychlé modelování variant, analýzu dat a oponenturu rozhodnutí.
• Klíčová není samotná technologie, ale kvalita kontextu. Ve videu zaznívá princip „shit in, shit out“ / „garbage in, garbage out“: špatné zadání vede ke špatnému výstupu.
• Silný use-case je AI Advisory Board: místo drahého poradního sboru lze připravit multipersona AI board s rolemi typu CFO, CMO, investor, analytik nebo skeptik.
• AI mění marketing z pasivních PDF lead magnetů na interaktivní asistenty. Ve videu je uveden pokles ceny leadu z cca 500 Kč na 80 Kč.
• V obchodě pomáhá s přípravou na schůzky, analýzou námitek, koučinkem obchodníků a tvorbou další argumentace.
• Do budoucna se počítá s firmou řízenou přes centrální znalostní bázi / vektorovou databázi, kde se CEO ptá přirozeným jazykem místo klikání v CRM.
• Na konci je důležitá zmínka o rychločtení: AI generuje velké množství výstupů, a proto roste hodnota schopnosti rychle číst, skenovat a ověřovat nuance.

Ve starším zápisu k tomuto videu byl doplněný ještě důležitý zdroj od Tomáše Čupra: Stop prompting, start briefing. Dobře zapadá do hlavní teze videa: pro strategické použití AI nestačí „promptovat“, ale je potřeba připravit kvalitní briefing.

Na základě tohoto principu vznikl také Your Personal Context Engineer. Smysl takového asistenta je nejdřív pomoci sestavit detailní zadání pro jiného AI asistenta. Nejde tedy o jeden chytrý dotaz, ale o formální proces přípravy kontextu, cíle, omezení, dat a očekávaného výstupu.

Praktická interpretace:

• prompt je jednotlivý pokyn,
• briefing je zadávací dokumentace,
• dobrý strategický AI výstup začíná briefingem,
• čím dražší nebo důležitější rozhodnutí, tím víc času má jít do přípravy kontextu.

„Augmented CEO“ je šéf firmy, který AI nepoužívá jen na exekutivu, ale hlavně na strategickou práci. AI se stává sparing partnerem pro otázky typu:

• co se stane, když změníme obchodní model,
• jak zvýšit hodnotu zákazníka,
• kde jsou rizika v cashflow,
• které segmenty zákazníků mají největší potenciál,
• jakou variantu strategie by napadl investor, CFO nebo skeptik.

Důležitý rozdíl je mezi AI, která pracuje pro člověka, a AI, která pracuje s člověkem. První varianta dělá jednotlivé úkoly. Druhá varianta pomáhá přemýšlet.

Ve videu zaznívá myšlenka mít vedle běžného managementu ještě augmentovanou AI vrstvu. Lidé dodávají kontext, odpovědnost, vztahy a komitment. AI dodává rychlost, strukturu, výpočetní sílu a schopnost projít velké množství dat.

Prakticky to může znamenat:

• živý CFO řeší odpovědnost, lidi a finální rozhodnutí,
• AI CFO rychle analyzuje výkazy, rizika a scénáře,
• živý CMO řeší značku a tým,
• AI CMO generuje varianty kampaní, segmentace a hypotézy,
• živý CEO rozhoduje,
• AI board rozhodnutí oponuje.

Jednoduchý prompt nestačí. Pro strategickou práci je potřeba dát AI:

• popis firmy,
• aktuální situaci,
• historická data,
• cíle,
• finanční výkazy,
• prezentace,
• předchozí rozhodnutí,
• omezení,
• roli, ze které má odpovídat,
• explicitní pravidla, co nesmí dělat.

Důležité pravidlo z videa:

Pokud nemáš data, označ to jako předpoklad.
Nehalucinuj fakta. Odděl fakta, interpretace a doporučení.

Nejsilnější část videa je příklad AI poradního sboru. Podle reportu z NotebookLM šlo o situaci, kdy David Kolář řešil prodloužení životního cyklu zákazníka a původně plánoval sestavit reálný Advisory Board z top lidí z českého byznysu.

Příklad ve videu pracuje s těmito vstupy:

• hodinový video/audio kontext k aktuální situaci firmy,
• data a prezentace,
• více audio/textových souborů,
• konkrétní strategický problém,
• požadavek na prodloužení customer lifetime cycle / LTV.

1. Připravit detailní kontext k firmě a problému.
2. Nahrát ho do AI modelu.
3. Vytvořit role poradního sboru.
4. Nechat jednotlivé role analyzovat situaci z různých úhlů.
5. Požádat o rizika, příležitosti, strategii a 90denní exekuční plán.
6. Explicitně vyžadovat oddělení faktů, předpokladů a doporučení.

Dobrý prompt pro AI Advisory Board má několik částí:

• multi-persona simulace – role jako CFO, CMO, investor, akcionář, CSO nebo skeptik,
• detailní definice person – odpovědnosti, cíle, expertíza a úhel pohledu,
• negative constraints – co AI nesmí dělat,
• výstupní formát – rizika, varianty strategie, 90denní plán, metriky,
• risk apetit – například konzervativní vs. moonshot,
• vynucení kvalitního vstupu – pokud chybí kontext, AI si ho má vyžádat.

Chovej se jako můj Advisory Board složený z pěti expertů:

1. CFO – hlídá finanční dopady, cashflow, marži a rizika.
2. CMO – řeší marketing, positioning, akvizici a značku.
3. Investor – hodnotí škálovatelnost, návratnost a hodnotu firmy.
4. Skeptik – hledá slabá místa, slepé skvrny a rizika.
5. Exekuční ředitel – převádí strategii do 90denního plánu.

Tady je kontext firmy, data a problém, který řeším:
[ vložit kontext ]

Cíl: navrhnout strategii pro prodloužení customer lifetime cycle / LTV.
Risk apetit: [konzervativní / vyvážený / moonshot]

Výstup strukturovaně rozděl na:
- fakta ze zadaných dat,
- předpoklady,
- hlavní rizika,
- příležitosti,
- doporučenou strategii,
- co nedělat,
- 90denní exekuční plán.

Pokud pro nějaký závěr nemáš dost dat, napiš to explicitně.
Nevymýšlej čísla, pokud nejsou ve vstupních datech.

Ve videu je podle reportu uveden kontrast mezi nákladným lidským boardem a AI variantou:

• odhadovaný náklad lidského boardu: cca 500 000 Kč,
• AI výstup: cca 600 Kč,
• čas: řádově minuty místo dlouhé koordinace lidí,
• kvalita: AI výstup byl popsaný jako systematičtější a datově hlubší.

To neznamená, že AI nahradí hodnotu lidí úplně. Lidé zůstávají důležití pro závazek, odpovědnost, vztah a emoční rovinu rozhodování.

Ve videu zaznívá příklad checklistu „Rockefellerovy návyky“. Původní forma byla statické PDF ke stažení. Nová forma je interaktivní AI asistent, který uživatele checklistem provede.

Dopad podle reportu:

• původní cena leadu: cca 500 Kč,
• nová cena leadu: cca 80 Kč,
• hlavní změna: nikoli nutně jiný obsah, ale jiná forma – aktivní průvodce místo pasivního dokumentu.

Praktický závěr:

• každý statický e-book, checklist nebo metodika může být kandidát na AI asistenta,
• asistent může uživateli klást otázky,
• přizpůsobí výstup jeho situaci,
• vytváří větší důvěru než anonymní PDF.

AI může obchodníkovi připravit profil zákazníka z veřejných zdrojů a dostupných dat. Ve videu jsou zmíněny zdroje typu Merk a Justice a vizualizace v nástroji typu Miro.

Workflow:

1. Před schůzkou se stáhnou / připraví data o firmě.
2. AI vytvoří stručný profil zákazníka.
3. Vypíše pravděpodobné problémy, příležitosti a otázky.
4. Obchodník přijde na schůzku připravenější.
5. Klient vidí, že druhá strana rozumí jeho kontextu.

Možný prompt:

Připrav mi profil zákazníka před obchodní schůzkou.
Použij dostupná data o firmě, historii, obratech a veřejných informacích.

Výstup:
- stručný popis firmy,
- pravděpodobné priority vedení,
- možné bolesti,
- otázky na schůzku,
- rizika v komunikaci,
- návrh první hodnotné nabídky.

Po schůzce lze transkript z nástroje typu Fireflies.ai použít jako vstup pro AI kouče. Ten může analyzovat:

• hlavní námitky klienta,
• chybějící argumenty,
• slabá místa obchodníka,
• opakující se chyby v týmu,
• návrh dalšího follow-upu,
• argumentaci pro další kolo jednání.

Prompt:

Zanalyzuj tento transkript obchodní schůzky.

Chci výstup:
- hlavní potřeby klienta,
- hlavní obavy a námitky,
- co jsme dobře vysvětlili,
- kde jsme ztratili důvěru,
- jaké otázky jsme měli položit,
- návrh argumentace pro další hovor,
- konkrétní feedback pro obchodníka.

Ve videu zaznívá, že CFO a juniorní finanční management jsou výrazně zasažené role. AI dokáže rychle interpretovat výsledovku a rozvahu v PDF a najít rizika nebo příležitosti.

Použití:

• nahrát výsledovku a rozvahu,
• zadat roli seniorního CFO,
• nechat vysvětlit situaci srozumitelně pro CEO,
• vyžádat si rizika, cashflow otázky a doporučení pro nejbližší období.

Prompt:

Jsi můj seniorní CFO.
Podívej se na tyto finanční výkazy a vysvětli mi je jako CEO.

Zaměř se na:
- kde pálíme zbytečně peníze,
- co ohrožuje cashflow,
- kde máme riziko v marži,
- které ukazatele se zhoršují,
- co mám řešit tento týden,
- co mám řešit tento měsíc,
- co jsou fakta a co jen předpoklady.

Budoucí vize z videa je firma, kde CRM, tabulky a reporty ustupují do pozadí. Nad firemními daty vzniká centrální znalostní vrstva – například vektorová databáze / RAG systém – do které se ukládá kontext firmy.

Do této vrstvy mohou patřit:

• vize firmy,
• obchodní data,
• finanční data,
• zákaznické profily,
• zápisy ze schůzek,
• rozhodnutí managementu,
• marketingové materiály,
• procesy a metodiky.

CEO se pak nemusí ptát v CRM, ale přirozeným jazykem:

Ukaž mi zákazníky s největším potenciálem v tomto kvartálu.
Kteří zákazníci mají největší riziko odchodu?
Kde máme největší nevyužitý obchodní potenciál?
Jaké tři kroky nejvíc zvýší LTV?

Ve videu jsou v tomto kontextu zmíněny nástroje jako Supabase a N8N. Technická implementace ale ve zdroji není detailně rozebraná.

Vibe coding je ve videu zmíněný jako programování pomocí přirozeného jazyka. Důležitá myšlenka není, že CEO musí být vývojář, ale že člověk s jasnou představou může pomocí AI rychleji tvořit interní nástroje, automatizace nebo prototypy.

Praktické využití:

• prototyp interní aplikace,
• propojení datových zdrojů,
• jednoduché automatizace,
• skripty na úklid nebo třídění dat,
• rychlé ověření nápadu před zadáním vývojářům.

Poznámka: konkrétní technický postup k vibe codingu ve videu není dostatečně rozvedený. Je to spíš strategická inspirace než hotový návod.

Ve starším zápisu byly užitečně rozepsané i nástroje, které do podobného workflow zapadají.

Pro strategickou práci dává smysl nepoužívat jen jeden model. Ve starším zápisu byla zmíněná triple validace přes GPT-4, Gemini a Perplexity:

• stejný problém projde více modely,
• porovnají se rozdíly,
• hledají se rozpory a slepá místa,
• výstup se bere jako podklad pro rozhodnutí, ne jako definitivní pravda.

Typický agentický flow může vypadat takto:

transkript schůzky z Fireflies
→ analýza přes LLM
→ uložení výstupu do Supabase
→ notifikace do týmu
→ další úkol nebo follow-up

Role nástrojů:

• N8N – orchestrátor workflow a automatizací,
• Supabase – databáze / vektorová vrstva pro RAG,
• Fireflies.ai – záznam a přepis schůzek,
• Miro – vizualizace přípravy a zákaznického profilu,
• Merk – data o firmách pro obchodní přípravu.

U citlivých firemních dat je potřeba řešit, kam se data posílají. Týká se to hlavně:

• finančních výkazů,
• obchodních strategií,
• zákaznických dat,
• interních dokumentů,
• transkriptů schůzek.

Ve starším zápisu byl doplněný praktický závěr: u vysoce citlivých dat může dávat smysl lokální open-source LLM nebo interní infrastruktura, kde firma kontroluje logování, přístupová práva a retention politiku.

Na konci videa je zmíněné rychločtení. V kontextu AI to dává smysl: AI dramaticky zvyšuje množství textu, analýz a variant, které člověk dostává. Slabé místo už není jen generování obsahu, ale schopnost ho rychle projít, pochopit a ověřit.

Praktická role rychločtení:

• rychle skenovat dlouhé AI výstupy,
• hledat klíčové body a rozpory,
• odlišit fakta od domněnek,
• neztratit nuance v dlouhém textu,
• zrychlit učení z knih, reportů a transkriptů.

AI může sloužit jako trenažér rychločtení:

Budeš můj trenér rychločtení.
Dej mi krátký text, spusť časový limit, potom mě otestuj z pochopení.
Vyhodnoť, co jsem zachytil správně, co mi uniklo a jak mám číst další text.
Postupně zvyšuj obtížnost.

Důležitá nuance: shrnutí od AI nenahrazuje schopnost číst plný text. Shrnutí šetří čas, ale může ztratit důležité detaily. Rychločtení pomáhá kombinovat obě věci – AI shrne, člověk rychle ověří.

Podle videa jsou ohrožené hlavně role, jejichž hodnota stojí na zpracování informací a tvorbě podkladů:

• CFO / finanční controlling,
• juniorní manažeři,
• výkonoví markeťáci,
• poradci, kteří jen předávají metodiky,
• jednoúčelové softwarové wrappery.

Největší hodnota se přesouvá k tomu, co AI sama nedodá:

• vztah,
• důvěra,
• komunita,
• lidský závazek,
• schopnost rozhodnout,
• schopnost nést odpovědnost,
• schopnost držet zákazníka „za ruku“.

Ve videu se objevuje rámec „hmota – mysl – duch“:

• Hmota: checklisty, CRM, data, knowledge base – vysoká míra automatizace.
• Mysl: analýza, strategie, rozhodování – rychle se augmentuje AI.
• Duch: vztahy, sounáležitost, komunita – zůstává lidskou doménou a může být ještě cennější.

1. Vybrat jedno strategické rozhodnutí a zkusit na něj AI Advisory Board.
2. Připravit k němu detailní kontext, ne jen krátký prompt.
3. U každého důležitého AI výstupu vyžadovat oddělení faktů, předpokladů a doporučení.
4. Vybrat jeden statický lead magnet a navrhnout jeho AI verzi.
5. U jedné obchodní schůzky použít AI na přípravu a následnou analýzu transkriptu.

1. Vytvořit první multipersona asistenty: AI CFO, AI CMO, AI investor, AI skeptik.
2. Začít ukládat firemní know-how tak, aby z něj šlo stavět RAG / knowledge base.
3. Otestovat AI analýzu finančních výkazů.
4. Zavést pravidlo: před každým významným úkolem se zeptat, jestli ho nejde udělat chytřeji s AI.
5. Začít trénovat rychločtení a práci s dlouhými AI výstupy.

1. Vytvořit opakovatelný proces pro AI Advisory Board.
2. Měřit dopad AI na konkrétní metriky: cena leadu, LTV, obchodní konverze, úspora času.
3. Připravit návrh centrální firemní znalostní báze.
4. Rozhodnout, které poradenské, marketingové nebo reportingové činnosti lze nahradit AI asistenty.
5. Posílit lidské části byznysu: komunitu, vztah se zákazníkem, kvalitní facilitaci a odpovědnost za rozhodnutí.

• Které rozhodnutí dnes řeším jen hlavou, ale mohl bych ho dát oponovat AI boardu?
• Mám data v takovém stavu, aby z nich AI mohla něco rozumného vyčíst?
• Kde prodávám statický obsah, který by mohl být interaktivním AI asistentem?
• Kde platím lidi za přípravu podkladů, které by AI zvládla rychleji?
• Které činnosti ve firmě jsou jen wrapper nad informacemi?
• Kde zákazník opravdu potřebuje člověka, vztah a důvěru?
• Umím zadávat úkoly tak dobře, aby je pochopil člověk i AI?
• Jak rychle dokážu číst, ověřovat a zpracovávat dlouhé výstupy z AI?

• David Kolář: AI jako pravá ruka CEO – od marketingu po rozhodování
• Tomáš Čupr – Stop prompting, start briefing
• Your Personal Context Engineer