Ne každý problém potřebuje AI. Některé potřebují lepší proces.

Představte si objednávku, která dorazí do e-shopu. Někdo ji otevře, zkopíruje údaje do tabulky, připraví podklad do účetního systému a ještě pošle kolegovi e-mail, aby věděl, co se stalo.

Na první pohled je to ideální úloha pro „AI agenta“. Jenže než přidáme další technologii, stojí za to položit méně efektní otázku: proč si ty systémy vůbec nepředávají data?

Automatizace není jeden druh řešení

V podobných situacích se často míchají tři různé věci.

Integrace znamená, že si aplikace předají strukturovaná data. Když e-shop obsahuje číslo objednávky, položky a způsob dopravy, není důvod tyto hodnoty znovu odhadovat z textu.

Pravidlová automatizace provede předem určený krok: zkontroluje povinná pole, vytvoří návrh záznamu nebo odešle upozornění. Je vhodná tam, kde máme jasná pravidla a víme, jak poznat chybu.

AI může pomoci tam, kde je vstup nejednoznačný: například při třídění různě formulovaných požadavků nebo při přípravě návrhu odpovědi. To ale neznamená, že jí máme bez kontroly svěřit další rozhodnutí.

Dobrý výsledek může kombinovat všechny tři přístupy. Stejně dobře však může stačit obyčejné API a několik ověřitelných pravidel.

Modelový příklad: e-shop → ERP

Vezměme jednoduchý, ilustrační scénář, nikoli nasazenou klientskou referenci.

Objednávka se založí v e-shopu. Integrace načte její údaje a převede je do struktury, kterou očekává ERP. U nejasných položek připraví upozornění. Záznam se nejdřív zobrazí pracovníkovi ke kontrole. Teprve po schválení se odešle k zápisu.

Důležité není, že mezi systémy proběhla animovaná šipka. Důležité je, že dokážeme odpovědět na praktické otázky:

1. Co přesně spouští převod?
2. Která data jsou zdrojem pravdy?
3. Co se stane, když cílový systém neodpoví?
4. Kdo smí schválit sporný záznam?
5. Jak zabráníme tomu, aby opakovaný pokus vytvořil duplicitu?
6. Kde se dohledá, co se stalo a proč?

Bez těchto odpovědí jen přesuneme ruční chaos do rychlejšího nástroje.

Člověk ve schvalování není selhání automatizace

Často se mluví o bezobslužném provozu jako o automatickém cíli. Jenže některé kroky mají finanční, právní nebo provozní důsledky. Tam může být potvrzení člověkem žádoucí součástí návrhu.

Smyslem není nechávat pracovníka potvrzovat každou banalitu. Smyslem je oddělit kroky, které lze bezpečně vykonat podle pravidel, od těch, u kterých potřebujeme úsudek nebo odpovědnost konkrétní role.

Takový systém nemusí působit futuristicky. O to lépe se ale vysvětluje, testuje a spravuje.

Kdy bychom AI skutečně zvažovali

Teprve pokud narazíme na činnost, kterou jednoduchá pravidla nepopisují dostatečně dobře. Například když zákazníci posílají požadavky v přirozeném jazyce a je potřeba vytvořit předběžné třídění či návrh strukturovaného podkladu.

I tam bychom nejdřív vymezili úzký scénář, vhodná data, kontrolu výsledku a způsob návratu při chybě. Potom má smysl ověřovat, zda řešení skutečně pomáhá. Bez měření a testu je tvrzení o úsporách jen odhad.

Začněme u práce, ne u názvu technologie

Když nám někdo popíše problém, nechceme mu předem prodat AI, integraci nebo novou aplikaci. Nejdřív potřebujeme porozumět cestě informace: kde vzniká, kdo s ní pracuje, kde se opisuje a kdy je potřeba rozhodnutí.

Až potom má smysl otevřít editor.