Marek Bartoš: Jak uspět v době AI

Marek Bartoš: Jak uspět v době AI je rozhovor s AI specialistou Markem Bartošem zaměřený na praktické zvýšení produktivity pomocí AI agentů a automatizace. Video přináší konkrétní techniky, prompty a workflow, které umožňují delegovat opakující se práci na AI a soustředit se na přidanou hodnotu.

Video se zaměřuje na radikální zvýšení osobní a firemní produktivity pomocí AI agentů a specifických workflow. Hlavním přínosem je koncept „AI partnerství„, kde člověk plní roli ideového architekta a AI přebírá 99 % exekutivy. Konkrétně jsou rozebrány nástroje pro automatizaci kalendářů, hloubkový průzkum trhu a techniky pro generování vysoce kvalitního obsahu bez nutnosti manuální postprodukce.

Marek Bartoš klade důraz na to, aby modely nebyly omezovány příliš rigidními instrukcemi tam, kde je vyžadována jejich přirozená schopnost strukturovat text.

Učeš

Uživatel do mikrofonu (např. přes Telegram bota nebo Whisper) „vychrlí“ surový proud myšlenek, kontextu a dat bez ladu a skladu. Prompt dává modelu volnost v logickém uspořádání, zatímco veškerý věcný kontext (jména, ceny, termíny) dodal uživatel v nahrávce. Jazykové modely jsou trénovány na konstrukci textu lépe než lidé.

Lehce učeš, neměň význam, zbytečně nezkracuj, zachovej styl a myšlenku, jen oprav opakování, chyby a výplně.

Vhodné pro přípravu scénářů pro videa nebo články, kde má zůstat autentický hlas autora, ale mají zmizet balastní slova.

Struktura „monster promptu„ pro hloubkový výzkum:

• Role (Persona) – definuj, jako kdo má model přemýšlet
• Objective – cíl výzkumu
• Action – co přesně model má udělat
• Data – jaká data má vzít v úvahu
• Specifikace výstupu – formát a rozsah odpovědi

Aplikace: generování hloubkového výzkumu firmy z pohledu CEO i z pohledu konkrétního kontaktního pracovníka (např. backoffice manažer). Klíčový trik: nechat AI udělat výzkum na cílovou firmu i na vlastní služby současně a poté se ptát: „Co konkrétně může moje firma nabídnout této cílové firmě na základě těchto dat?“

Reasoning modely (jako o1) fungují nejlépe jako „kontrolní mechanismus„ – model si po sobě v řetězci myšlenek (Chain-of-Thought) ověří, zda na nic nezapomněl, než vygeneruje finální odpověď. Nepoužívat pro čistou kreativitu.

1. Uživatel pošle hlasovou zprávu Telegram botovi: „Potřebuji meeting s [Jméno] na téma [Téma] příští týden.“
2. Agent (přes N8N/Make) přepíše hlas na text (transkripce).
3. Agent vstoupí do kalendáře uživatele i protistrany (pokud má přístup).
4. Najde nejbližší volné okno a automaticky rozešle pozvánky.

Výsledek: eliminace „ping-pongu„ přes emaily a úspora administrativy.

1. Diktování talking-points do AI.
2. Transformace myšlenek do finálního scénáře pomocí promptu „Loot“.
3. Vložení scénáře do telepromptu.
4. Natočení 15minutového videa na jeden zátah bez nutnosti následného stříhání.

Do NotebookLM se nahrají relevantní studie/zdroje a vlastní scénář. Dotaz na AI: „Je to, co tvrdím v tomto scénáři, v souladu s nahranými daty? Jsou benchmarky správně?„ Výsledek: eliminace halucinací u technicky náročných témat.

• Difuzní vs. sekvenční modely: Klasické LLM generují tokeny sekvenčně a nemohou se vrátit. Difuzní modely (budoucnost) generují „celý obraz textu„ najednou – vyšší konzistence.
• Bezpečnost (Privacy): Pro firmy pracující s citlivým duševním vlastnictvím nebo osobními údaji se doporučuje instalovat lokální modely (např. Mistral nebo lokální varianty O1).
• Performance tip: U modelů typu GPT-4o nebo Gemini 2.0 Pro je efektivnější nechat model „přemýšlet o postupu“ sám, než mu diktovat přesné kroky algoritmu.
• Vibe Coding: Trend, kde i netechnický uživatel dokáže kódovat pomocí AI – odborník (IT) je ale schopen díky znalosti základů dotlačit výsledek o řád dál.

1. Implementovat Telegram bota: Propojit s N8N/Make pro diktování úkolů a myšlenek; využít prompt „Učeš„.
2. Otestovat Perplexity Pro: Nastavit pravidelný monitoring oboru přes Deep Research funkci.
3. Vyzkoušet NotebookLM pro technickou dokumentaci: Nahrát manuály a studie, nechat AI najít slepá místa ve vlastních projektech.
4. Kultivovat algoritmické myšlení: Každý pracovní proces rozpadnout na atomární kroky a identifikovat ty, které lze delegovat na AI agenty.
5. Transparentnost v automatizaci: V automatizované komunikaci vždy přiznat použití AI – zvyšuje to důvěru a odpouští drobné chyby.

• Marek Bartoš: Jak uspět v době AI (YouTube)
• NotebookLM
• N8N – workflow automatizace
• Make (dříve Integromat)
• Perplexity