Firma, kde AI píše kód i obsah
Co reálně funguje, když práci dělají AI agenti. A kde to pořád drhne.
V mém prostředí dnes AI reálně píše kód i obsah. Ne jako demo na konferenci. V provozu, každý den, na věcech, které mají uživatele a deadline.
Není to kouzlo. Je to nástroj s pravidly. A většina lidí ta pravidla nezná, tak jim to buď nefunguje, nebo tomu slepě věří. Obojí je špatně.
Jak to vypadá v praxi
Nezadávám AI kroky. Zadávám výsledek. Řeknu, co má vzniknout a jak poznám, že je to hotové. Agent si udělá plán, sáhne na soubory, spustí příkazy, narazí na chybu a opraví se sám. Já mezitím držím směr a kontroluju výstup.
Stejně to funguje u obsahu. Nepíšu prompt "napiš článek". Dám roli, kontext, úkol, formát a kritéria kvality. Rozdíl mezi jednou větou a pěti řádky je rozdíl mezi obecným balastem a textem, který jde rovnou ven.
Agent není zázrak, je to nástroj s pravidly
Když dáte agentovi velký cíl bez hranic, dodá něco, co vypadá hotově a není. Programátoři tomu říkají, že AI schová hračky pod postel. Vypadá uklizeno, dokud se nepodíváte pod postel.
Proto škáluju velikost cíle podle důvěry a rizika. Malá důvěra a velký dopad chyby znamenají menší cíl a kratší vodítko. Vysoká důvěra a nízké riziko znamenají, že to pustím na dlouho. Není to binární volba mezi mikromanagementem a slepou vírou. Je to kalibrace.
Poctivá brána, jinak to nefunguje
Nejdůležitější věc v celém setupu není model. Je to brána, která umí spadnout. U kódu je to test, linter, reálný běh. Ne druhý model, který si přečte kód a řekne "vypadá dobře". Ten kód nespustil.
Mám pravidlo: hotovo je až tehdy, když projde reálná brána. Ne když to model odkýve. Ne když to vypadá dobře na obrazovce. Když projde test, který umí říct ne.
Loop je jen tak poctivý jako jeho brána. Když brána nikdy nespadne, není to brána, je to razítko.
Verifikace před důvěrou
Levnou vrstvu kontroly dělám cross-model review. Jeden model dokončí, druhý s čerstvým kontextem to zkontroluje a hledá slabiny, které první přehlédl. Chytí to reasoning a chybějící požadavky rychle a levně.
Ale u věcí, co reálně můžou rozbít produkci, tohle nestačí. Tam musí přijít reálný běh. Hloubka verifikace se řídí dopadem chyby. Nízké riziko odbaví review druhým modelem. Vysoké riziko chce spuštění.
Co si z toho odnést
AI agenti dnes dělají reálnou práci. Ne protože je model chytrý, ale protože kolem něj stojí prostředí: jasně zadaný výsledek, poctivá brána a verifikace úměrná riziku.
Kdo staví tohle prostředí, ten s AI zrychluje. Kdo jen otevře chat a doufá, ten dostane text, který vypadá chytře a nikam nevede. Rozdíl není v nástroji. Je v tom, jak ho zapojíte.