Jakmile máte text rozdělený, přichází na řadu embedding, tedy převod textu na číselný vektor. Neberte první dostupný model, ale otestujte dva či tři na svých datech. Věnujte pozornost tomu, jak si model poradí s odbornou terminologií, kterou ve svých dokumentech máte. Vektorová databáze pak uchovává tyto vektory a umí v nich rychle hledat podobné. Pro začátek si vystačíte s lokálním řešením, ale pokud máte opravdu velký objem dat, počítejte s tím, že budete potřebovat dedikovaný server.<br>
<br>
<br>
<br>
Největší chybou, kterou začátečníci dělají, je posílat do modelu veškerý nalezený kontext bez ohledu na jeho relevanci. Pokud do promptu nacpete pět nesouvisejících odstavců, model se v nich ztratí a odpoví nesmysl. Nastavte si proto tvrdý limit na počet chunků, které se mají do promptu dostat – obvykle stačí dva až čtyři. Dále si dejte práci s instrukcí pro model. Jasně mu řekněte, že má odpovídat pouze na základě přiloženého textu, a pokud tam odpověď není, má to říct. Jinak si začne odpovědi vymýšlet.<br>
<br>
<br>
<br>
Začněte u dat – to je nejdůležitější a nejméně efektní část. Vaše dokumenty musí být ve formátu, ze kterého umíte čistě extrahovat text. U PDF dávejte pozor na dvousloupcové sazby, které se při běžné extrakci rozbijí, a na tabulky, jež se mění v nečitelný guláš. Každý dokument si rozdělte na menší části, typicky odstavce nebo půl stránky. Velikost chunku je klíčová: příliš dlouhý chunk obsahuje mnoho témat a model z něj nevybere to podstatné, příliš krátký zase ztratí kontext. Dobrý začátek je 300 až 500 slov s přesahem mezi jednotlivými částmi, aby se věta nerozsekla uprostřed myšlenky.<br>
<br>
<br>
<br>
Nezapomínejte ani na kontrolu chybovosti. Automatizace neznamená, že přestanete kontrolovat. Naopak – zaveďte si namátkové kontroly u vybraných objednávek, zejména u nových produktů. Častou chybou je, že se firmy spoléhají na to, že systém je bezchybný, a přestanou hlídat fyzický stav. Pokud zjistíte opakovanou chybu, hledejte příčinu v procesu, ne v systému. Může se jednat o špatně nastavené váhy v e-shopu nebo o chybný čárový kód na obalu.<br>
<br>
<br>
<br>
Na závěr: odpovědnost za automatizované systémy nejde outsourcovat ani přenést na technologii. Je to váš právní a etický závazek. Začněte tím, že si sepíšete jedno rozhodnutí, které váš systém reálně dělá, a projděte si celý proces – od sběru dat, přes algoritmus, až po informování dotčené osoby. Tento konkrétní postup vám ukáže slabá místa, na která se zaměřit. Až budete mít jeden případ zvládnutý, rozšiřte to na všechny systémy. Tím nejen splníte zákonné požadavky, ale také zvýšíte důvěru klientů a partnerů.<br>
<br>
<br>
<br>
Jádro problému: jak poskládat dotaz Když už máte databázi plnou vektorů, musíte vyřešit způsob, jak se jí ptát. Nejednodušší je vzít uživatelský dotaz, převést ho na vektor stejným embedding modelem a najít nejbližší sousedy v databázi. Toto naivní hledání ale selhává u synonym. Pokud se uživatel ptá na „vrácení zboží" a ve vašich dokumentech píšete o „reklamaci", hledání nemusí najít nic. V praxi se proto vyplatí zkombinovat vektorové hledání s klasickým fulltextem – takzvané hybridní vyhledávání, které zohlední i přesné shody klíčových slov.<br>
<br>
<br>
<br>
Typické chyby, kterým se vyhnout: za prvé, podcenění rizika algoritmické zaujatosti a diskriminace – pokud model trénujete na historických datech, může reprodukovat staré předsudky. Pravidelně proto kontrolujte, zda výsledky nejsou systematicky nepříznivé pro určité skupiny (např. podle věku, pohlaví, národnosti). Za druhé, nespoléhejte na to, že „software je pouze nástroj" a odpovědnost nese výrobce. I když používáte systém od dodavatele, vy jako provozovatel odpovídáte za to, jak ho používáte, a musíte zajistit, aby byl v souladu s právem. Za třetí, neopomíjejte povinnost provést posouzení vlivu na ochranu osobních údajů (DPIA) – to není jen administrativní úkon, ale nástroj, který vám pomůže identifikovat rizika dřív, než se projeví.<br>
<br>
<br>
<br>
Praktickým příkladem je vedení tréninkového deníku. Zaznamenejte si do aplikace s AI typ cvičení, délku, subjektivní pocity a naměřenou tepovou frekvenci. Po dvou týdnech vám umělá inteligence vyhodnotí, kdy je vaše tělo připravené na intenzivní zátěž a kdy naopak potřebuje regeneraci. Typická chyba je ignorovat tyto signály a řídit se jen kalendářem. AI vám neřekne, že nemáte cvičit, ale navrhne lehčí variantu, která podpoří zotavení.<br>
<br>
<br>
<br>
Jak správně reagovat na automatické zamítnutí Pokud systém vaši žádost zamítne, neznamená to konec. Většina e-shopů má povinnost posoudit reklamaci i lidským pracovníkem. V takovém případě si pečlivě projděte, co přesně AI napsala jako důvod. Často jde o nesoulad mezi vaším popisem a fotografiemi. Zkuste žádost přepracovat – doplňte chybějící informace a znovu odešlete. Vyhněte se ale kopírování původního textu, algoritmus může takové chování vyhodnotit jako spam.
