Největší problém nebývá technologie, ale nekonzistentní data. Pokud se název produktu v e-shopu liší od názvu ve skladu, párování selže. Totéž platí pro varianty, množstevní jednotky a skladové kódy. Před spuštěním automatizace je nutné sjednotit číselníky a odstranit duplicity. Tento krok zabere nejvíc času, ale bez něj bude každá další úprava jen hasit symptomy.<br>
<br>
<br>
<br>
Pozor na přetrénování. A9 se učí z toho, co děláte. Když budete ručně zasahovat do výsledků příliš často, přestane se rozvíjet a začne kopírovat vaše zásahy. Stejně tak platí, že systém potřebuje čas — první dva týdny jsou testovací, ne reprezentativní. Během nich se vyplatí sledovat pouze hrubé ukazatele, jako je poměr zobrazení k proklikům u doporučovaného obsahu, a neřešit jednotlivé výjimky.<br>
<br>
<br>
<br>
Základem je jasně definovaný účel. Nestačí říct „chceme AI na webu". Musíte vědět, jakou konkrétní úlohu má řešit: odpovídat na dotazy zákazníků, třídit poštu, generovat popisky produktů, nebo třeba odhalovat duplicitní obsah. Podle toho se volí nejen model, ale i způsob jeho nasazení. Pokud účel chybí, skončíte s drahým experimentem, který nikdo nepoužívá.<br>
<br>
<br>
<br>
Dalším vodítkem je, jak výrobek komunikuje s okolím. Opravdová inteligence v koženém zboží nebývá uzavřená sama do sebe. Umí předávat informace do telefonu, do jiných zařízení nebo do cloudu a tam je dále zpracovávat. Pokud vše končí na malém displeji a nikam se to neposílá, chybí jí zásadní část – schopnost porovnávat a zlepšovat se. Pozor ale na opačný extrém: výrobek, který posílá data kamkoli bez vysvětlení, je bezpečnostní riziko, ne inteligence.<br>
<br>
<br>
<br>
Nástroje pro tvorbu obrázků pomocí umělé inteligence vypadají jako kouzlo. Zadáte popis a za chvíli máte hotový vizuál. Jenže většina lidí skončí u prvního výsledku, který vypadá použitelně, a dál nezkouší. Přesně tam přicházejí o největší přínos těchto nástrojů. Rozdíl mezi průměrným a dobrým výstupem není v nástroji, ale ve způsobu psaní zadání.<br>
<br>
<br>
<br>
Druhým problémem je nevysvětlitelnost. Uchazeč má právo vědět, proč byl odmítnut, a personalista musí umět rozhodnutí obhájit. Pokud používáte složitý model, veďte záznam o tom, jaká kritéria vstoupila do hodnocení a s jakou váhou. Vyhněte se nástrojům, které odmítají sdělit logiku svého skórování. Černá skříňka se v náboru nevyplácí, protože jakýkoli spor o diskriminaci se řeší podle toho, co umíte doložit.<br>
<br>
<br>
<br>
Etický rámec nastavte písemně ještě před spuštěním pilotu. Uveďte v něm, jaká data se sbírají, jak dlouho se uchovávají, kdo k nim má přístup a jak se mažou. Souhlas uchazeče musí být konkrétní a oddělený od ostatních podmínek. Současně určete osobu, která za systém odpovídá, a postup pro případy, kdy AI doporučí něco zjevně nesmyslného. Bez toho se odpovědnost rozplyne mezi dodavatele a interní oddělení.<br>
<br>
<br>
<br>
Prvním krokem je oddělit data od logiky. Veškerý obsah, který má A9 zpracovávat, musí mít jasnou strukturu — typy, štítky, vztahy a časové značky. Bez toho systém nepozná, co je aktuální a co je pouze archiv. Typická chyba je import starých článků bez metadat; A9 je pak bere jako rovnocenné a začne je nabízet i tam, kde to nedává smysl. Strukturování není formalita, ale podmínka, aby výstup nebyl náhodný.<br>
<br>
<br>
<br>
Mezi nejčastější chyby patří nasazení A9 na celý web najednou bez testovací sekce. Lepší je vyčlenit jednu rubriku nebo jeden typ stránek a tam systém nechat běžet v ostrém provozu. Získáte srovnání a zároveň omezíte riziko, že se nesmysly objeví na homepage. Další chybou je ignorování latence — pokud A9 zpracovává data pomalu, web se může tvářit jako funkční, ale doporučení budou zastaralá. Testujte proto i dobu odezvy, ne jen správnost výstupu.<br>
<br>
<br>
<br>
Nakonec si dejte pozor na slova bez obsahu. „Chytrý", „inteligentní" a „pokročilý" nejsou chráněné termíny a může je použít kdokoli. Mnohem užitečnější je zeptat se, co přesně se zařízení naučilo za poslední měsíc a jak se to projevilo. Pokud nedostanete konkrétní odpověď, nebojí se to nazvat pravým jménem – jde o běžné zboží s přidanou elektronikou, ne o umělou inteligenci.<br>
<br>
<br>
<br>
<span style="font-weight: 600;">Praktický test zvládnete</span> sami během pár minut. Vezměte výrobek do ruky a zkuste změnit podmínky: jiná teplota, jiný tlak, jiný pohyb. Sledujte, zda se reakce mění plynule, nebo jen skáče mezi dvěma stavy. Inteligentní systém se přizpůsobuje postupně, zatímco hloupý přepínač dělá jen zapnuto–vypnuto. Pokud výrobek nereaguje na změnu vůbec, je to buď mrtvá automatika, nebo jen dekorace.<br>
<br>
<br>
<br>
Past, do které se chytá každý druhý Nejčastější chybou je zaměnit „automatické" za „inteligentní". Automatika funguje podle pevně daného scénáře: stisknete tlačítko, něco se zapne. Umělá inteligence naproti tomu mění své reakce podle situace a zkušenosti. Ptejte se proto, zda se zařízení dokáže učit z toho, co děláte vy. Pokud výrobce odpovídá jen obecně, že „to má algoritmus", ale neumí vysvětlit, co se vlastně učí, pravděpodobně jde o obyčejný senzor s hezkým názvem.
