Nebuďte prostředníkem mezi AI nástroji: Rutinní práci automatizujte

Pokud většinu pracovního dne jen přesouváte informace mezi umělou inteligencí (AI) a dalšími systémy, možná se z vás stává tzv. meat proxy. Místo úspory času tak vzniká další rutinní práce. Vysvětlíme si, co tento pojem znamená, které úkoly lze automatizovat pomocí API a AI agentů a proč při používání AI nezapomínat na bezpečnost a ochranu dat.

Co znamená pojem meat proxy

V IT označuje proxy prostředníka, který přijme požadavek a předá ho dál. Pojem meat proxy s určitou nadsázkou přenáší stejný princip na člověka. Ten se stává mezičlánkem mezi AI a softwarem, se kterým umělá inteligence nedokáže komunikovat přímo.

Příkladem může být pracovník e-shopu, který vezme popisy produktů z tabulky, postupně je vkládá do AI kvůli překladu nebo úpravě a výsledky následně kopíruje zpět. Pokud celý proces spočívá hlavně v přesouvání dat z jednoho nástroje do druhého, jde o práci, kterou by často bylo možné alespoň částečně automatizovat.

Na tento způsob práce upozorňuje například iniciativa No Meat Proxy a tématu se věnoval také Business Insider. Nejde přitom o odborný technický termín ani skutečnou pracovní pozici. Výraz především upozorňuje na neefektivně nastavený proces, ve kterém člověk zastává roli prostředníka mezi nástroji.

Definice pojmu „meat proxy“

Zdroj: https://x.com/abhiaiyer/status/2091593298712682945

Jak poznáte, že se z vás stává lidské API

Samotné používání AI ještě automaticky neznamená vyšší produktivitu. V některých případech se rutinní práce pouze přesune do jiného nástroje. Že AI nevyužíváte příliš efektivně, mohou naznačovat například tyto situace:

• Každý den opakujete stejný postup – přesouváte podobná data mezi e-mailem, AI, tabulkou a dalšími aplikacemi.
• Používáte stále stejný prompt – mění se pouze vstupní údaje, zatímco zadání a požadovaný výsledek zůstávají stejné.
• Příliš času zabere samotná obsluha procesu – připravujete vstupy, měníte jejich formát a kopírujete výsledky mezi nástroji.
• Proces se bez vás zastaví jen kvůli nepropojeným systémům – vaše rozhodnutí ani odborné znalosti přitom nejsou potřeba.

Ruční kopírování nemusí být vždy špatně. U jednorázového úkolu nebo při testování nového postupu může být naopak nejrychlejším řešením. Pokud ale stejnou činnost provádíte pravidelně, vyplatí se zvážit šablonu, propojení nástrojů nebo automatizaci celého procesu.

Kdy je lidská kontrola skutečně přínosná

Ne každé zapojení člověka je zbytečné. U rozhodnutí s významným dopadem je lidská kontrola nezbytná. Rozhodující je, zda člověk pouze přenáší výstup mezi systémy, nebo přidává odborný úsudek, kontext a odpovědnost.

Pozn.: AI může připravit návrh smluvní klauzule, ale právník musí posoudit její důsledky. Může označit podezřelou transakci, ale odpovědný pracovník rozhodne, zda je nutné ji prověřit. Může napsat funkci, ale vývojář musí rozumět tomu, co kód provádí, zkontrolovat jeho bezpečnost a spustit testy.

V podobných případech člověk není pouhým prostředníkem. Přidává znalosti, zkušenosti a odpovědnost, které jsou pro správné dokončení úkolu nezbytné.

Správné rozdělení práce: AI vykonává, člověk řídí

AI dává největší smysl tam, kde dokáže zrychlit práci, snížit množství rutinních úkonů nebo pomoci dosáhnout lepšího výsledku. Důležité je ale správně rozdělit, co má dělat člověk, co umělá inteligence a co lze přenechat automatizaci.

1. Člověk určí cíl – stanoví, čeho chce dosáhnout a jak má výsledný výstup vypadat.
2. AI zpracuje zadání – analyzuje podklady, shrne informace, navrhne řešení nebo vytvoří první verzi výstupu.
3. Automatizace propojí jednotlivé kroky – API, skript nebo jiný nástroj může automaticky předávat data mezi používanými systémy.
4. Člověk zkontroluje výsledek – ověří správnost, doplní vlastní zkušenosti a rozhodne, zda lze výstup použít.
5. Důležité kroky se zaznamenají – u citlivějších procesů je vhodné uchovávat informace o zadání, výstupu AI i následném rozhodnutí. Případnou chybu pak lze snáze dohledat.

Cílem není předat AI veškerou práci. Měla by především odstranit rutinní mezikroky a nechat člověku úkoly, při kterých jsou potřeba jeho znalosti, zkušenosti nebo rozhodování.

Od chatovacího rozhraní k automatizaci přes API

Chatovací rozhraní se hodí především pro jednorázové úkoly, zkoušení různých postupů nebo ověření, zda AI zvládne požadovaný úkol. Pokud se ale stejný proces pravidelně opakuje, může být efektivnější propojit model s dalšími systémy prostřednictvím API.

Příkladem je třídění zákaznických zpráv. Nejprve můžete na několika anonymizovaných e-mailech vyzkoušet, zda AI správně rozpoznává jednotlivé kategorie. Pokud se postup osvědčí, lze jej automatizovat. Nové zprávy se odešlou modelu, systém zpracuje odpověď a člověku předá pouze případy, které vyžadují kontrolu nebo rozhodnutí.

Před automatizací je proto vhodné určit cíl procesu, potřebné vstupy, podobu výstupu a situace, kdy musí zasáhnout člověk. Automatizovat by se měl především postup, který už máte vyzkoušený a funguje spolehlivě.

Pro podobné integrace lze využít například LLM s API od ZonerCloudu. Model můžete propojit s firemní aplikací, helpdeskem, interním AI asistentem nebo vývojářskými nástroji.

Kdy využít AI agenta

Jeden požadavek přes API stačí pro jednoduchý a předvídatelný úkol. Pokud ale proces zahrnuje několik navazujících kroků, zde pomůže AI agent. Ten může pracovat se soubory, databází nebo firemními aplikacemi, vyhledat potřebné podklady a připravit výsledek ke kontrole.

Vhodné jsou především opakované procesy s jasným cílem, předvídatelným výstupem a pravidly pro řešení výjimek. Agent může například:

• Zpracovat zákaznický požadavek– určit kategorii, dohledat informace a připravit návrh odpovědi.
• Získat údaje z dokumentů– vytěžit data z faktur nebo objednávek a uložit je do systému.
• Připravit report nebo změnu v kódu– shromáždit podklady, provést rutinní kroky a výsledek předat ke schválení odborníkovi.

Agent přitom nemusí automaticky rozhodovat o všem. Nejprve jej nechte pouze připravovat návrhy. Až po ověření kvality mu postupně umožněte číst data nebo provádět přesně vymezené změny. Čím větší dopad může mít chyba, tím důležitější je schválení člověkem.

AI přitom nemusí komunikovat se zákazníkem ani za pracovníka rozhodovat. Může fungovat jako interní asistent, který zaměstnanci dohledá podklady a urychlí přípravu odpovědi. Právě tímto způsobem AI využíváme v ZonerCloudu na vlastní AI/GPU infrastruktuře:

Automatizujte bezpečně a mějte pod kontrolou svá data

AI agent může pracovat se soubory, spouštět příkazy nebo zasahovat do firemních aplikací. Proto by měl mít přístup pouze k datům a nástrojům, které ke své práci skutečně potřebuje. Nové postupy je vhodné nejprve testovat na kopii dat nebo v odděleném prostředí a u citlivých operací ponechat konečné schválení na člověku.

Důležité je také vědět, kam firemní data při používání AI putují, kdo k nim má přístup, jak dlouho jsou uchovávána a zda mohou být využita k dalšímu zlepšování nebo trénování modelů.

Podmínky externích AI služeb se liší podle poskytovatele, tarifu i nastavení. Zadaný obsah může být ukládán, analyzován nebo za určitých podmínek používán ke zlepšování služby a trénování modelů. Nelze proto automaticky předpokládat, že placená verze znamená úplné soukromí.

Pro práci s interními podklady je vhodné prostředí, ve kterém znáte umístění infrastruktury a máte pod kontrolou přístupová práva, použitý model i systémy, se kterými může komunikovat. Jednou z možností je AI/GPU server nebo připravené LLM s API od ZonerCloudu.

Data v rámci těchto řešení zůstávají v České republice, podléhají českému právu a nejsou používána k trénování cizích modelů. Řešení současně splňují relevantní požadavky na ochranu a zabezpečení dat vyplývající z GDPR a NIS2 a pomáhají zákazníkům plnit jejich vlastní povinnosti.

Udělejte si jednoduchý audit AI procesu

Vyberte si jeden opakovaný proces, ve kterém již AI používáte. Namísto zdlouhavého sepisování si ho rovnou interaktivně vyklikejte a podívejte se, jak ho posunout na další úroveň.

Výsledkem nemusí být úplná automatizace. Často dává největší smysl kombinace, při které běžné a jednoznačné případy zpracuje AI automaticky, zatímco nejisté nebo rizikové úkoly předá odborníkovi spolu s potřebnými podklady. Člověk pak bezhlavě nekliká, ale řeší pouze výjimky, u kterých je jeho úsudek skutečně potřeba.

Shrnutí: Nepracujte pro AI, nechte AI pracovat pro vás

Pojem meat proxy upozorňuje na situaci, kdy člověk při práci s AI funguje především jako prostředník mezi jednotlivými nástroji. Firma sice používá moderní technologii, samotný pracovní postup ale zůstává založený na ručním kopírování a přesouvání dat.

AI proto nejprve využijte k ověření, zda daný úkol zvládne dostatečně dobře. Pokud se stejný postup začne pravidelně opakovat, zvažte jeho automatizaci prostřednictvím API. U složitějších procesů mohou pomoci AI agenti, kteří zvládnou několik navazujících kroků a člověku předají pouze případy vyžadující jeho kontrolu nebo rozhodnutí.

Pozornost věnujte také datům, se kterými AI pracuje. U citlivých firemních informací je důležité vědět, kde jsou zpracovávány, kdo k nim má přístup a k jakým účelům mohou být dále využívány. Pro provoz firemní AI s daty uloženými v České republice lze využít například AI/GPU server nebo LLM s API od ZonerCloudu.

Základní pravidlo je jednoduché. AI by měla přebírat rutinu, ne odpovědnost člověka. Ušetřený čas pak můžete věnovat práci, při které jsou skutečně potřeba zkušenosti, kreativita, komunikace nebo odborné rozhodování.