5 poznatků z intenzivní práce s AI
Po skončení programu Future AI Leader jsem si sepsal pět věcí, které během výuky vystoupily nejvíc. Patří mezi ně čas na experimenty, soustředěná práce, ochota opustit pohodlí a zvládnuté základy.
1. Adopce začíná realistickým očekáváním
Při práci s AI lidé často čekají rychlý zázrak. Zkušenost z Future AI Leader byla jiná: posun potřebuje čas. Já sám jsem každý týden věnoval učení alespoň 10 hodin, často večer nebo o víkendu.
Nešlo o studium z učebnice. Většinu času tvořily pokusy, testování a hledání jiných cest, když první výsledek nefungoval. Právě pravidelná hra s nástroji postupně mění očekávání v praktickou zkušenost.
2. Soustředěná práce ukáže možnosti i limity
Rychlá práce s AI zkrátí jednotlivý proces nebo připraví první návrh. Při soustředěné práci se na několik hodin zavřete s jedním problémem, zkoušíte různé postupy a jdete dál než k první odpovědi. Tam nejlépe poznáte, co AI opravdu zvládne a kde potřebuje člověka.
3. Nepohodlí urychlí učení
Sám jsem si zaplatil konzultace k základům programování a vibe codingu. ChatGPT ani Claude tím nezmizeli; naopak jsem se jich mohl doptávat přesně ve chvíli, kdy jsem novou věc potřeboval. Tenhle způsob just-in-time učení mi dal větší jistotu, že se dokážu pustit i do neznámého úkolu.
4. Agenti nevyřeší chybějící základy
Pro práci s AI jsem vytvořil pětifázový model od manuální práce po agentní workflow. Firmy často mluví rovnou o agentech, zatímco část lidí ještě neumí zachytit vlastní know-how, napsat použitelné zadání nebo pracovat se základními asistenty.
GPTs v ChatGPT, Projekty v Claude, Gems v Gemini nebo Microsoft Agents dávají smysl teprve ve chvíli, kdy člověk rozumí úkolu, vstupům a podobě dobrého výsledku. Přeskočený základ se později vrátí jako slabý výstup.
5. Okolí a kvalita nástrojů mění tempo
Práce s lidmi, kteří se chtějí zlepšovat a investují do sebe, táhne člověka dopředu. Stejný rozdíl dělá kvalita nástrojů. Kdo pozná, co současné modely umějí, nechce se dobrovolně vracet ke starému způsobu práce.
Výsledek se ukáže na vlastním projektu
Jeden účastník během 10 týdnů začal od nuly programovat a stavěl si vlastní automatizace. Jiný chtěl po druhém modulu skončit, nakonec zůstal a pokračoval naplno. Oba příběhy připomínají, že změnu neudělá počet zhlédnutých lekcí, ale práce mezi nimi.
- Vyhraďte si každý týden souvislý čas na jeden skutečný problém.
- Když narazíte na neznámou věc, učte se ji ve chvíli, kdy ji potřebujete.
- Nezačínejte agentem, pokud ještě neumíte dobře popsat postup a výsledek.
- Ukažte rozpracovanou práci lidem, kteří vám dají konkrétní zpětnou vazbu.