Bottleneck nejste vy. Tedy — vlastně jste. Cesta od reaktivní k proaktivní AI

Krásný den, vítejte u dalšího dílu podcastu Coffee Break s Filipem. Doufám, že pijete taky něco dobrého, já tady mám úplně tematicky kávu. A dneska mám takový trošku víc mindsetový a spíš takový jako přemýšlelecí téma o tom, jak pracovat s AI. A to konkrétně, že si myslím, že je extrémně důležitý pro tu úspěšnou a efektivní práci s AI, tak abychom se posouvali od té reaktivní AI, kdy já zadám úkol, čekám na výsledek, do té fáze, té proaktivní AI, to znamená, že AI agent nebo jakýkoliv AI systém přijde s návrhem řešení něčeho, co já jsem mu nutně nezadal jako úkol.

Vysvětlim tu svoji myšlenku. Já poslední dny, nebo spíš měsíce už, tak vlastně jako pozoruju, že často já jsem ten, kdo je ten tzv. bottleneck AI, to úzký hrdlo, že Já tady mám AI agenta, který mi běží tamhle na meku pod televizí, mám agenta v počítači, v klaudu, jako těch systémů, na který můžu delegovat tu svoji práci jako nespočet. A jasně jsou nějaký úkoly, který ta AI sama nezvládne, ale zvládne udělat třeba nějakou část nějakej pre-processing, zvládne mi předanalizovat nebo udělat jenom brainstorming k tomu tázku.

A Já, jak teďka vlastně jako funguju, tak to funguje tak, že já přijdu a mám nějaký nápad. Někdo mi řekne něco, co bych mohl udělat. Zkrátka mám nějaký tudučko, něco k udělání. Dám to buď to do to-do listu, do kalendáře, nebo do nějakýho vývojového kanbanu, zkrátka jako uchovám ten úkol někde, dokávať k němu já nebo někdo jinej, tak vlastně jako nepřijde, nevezme ten úkol a teďka buď toho zapracuje sám, a nebo ho zadá AI.

A tady vlastně jako přichází ta moje myšlenka, že Já jsem jako zvyklej pracovat tím, že mám nějaké úkoly, já jsem ten manažer těch úkolů a pak, když přijde ten den D, prostě konečně jsem si na to udělal čas, musel jsem vyvinout životu, mentální kapacitu, že vůbec ty úkoly dělat, jako jdu, tak vlastně jako vezmu ten úkol, zapřemýšlím nad ním a třeba ho celý hodím AI a jdu dělat něco jiného a pak se vrátím a dokončím ho. A tohle je za mě jako obrovský zápřáh, který vy musíte udělat, abyste jenom předali ten úkol AI. Protože, jasně, předání toho úkolu jako takovýho, tak je otázka někdy 20 vteřin. Je to strašně rychlej.

Ale ten mentální zápřáh, to, že vy musíte si udělat čas na to, že ten úkol vezmete, ten úkol zadáte, teď se tomu budete věnovat, tak to jako kognitivní zátěž tam jako je znatelně větší, než kdyby se jako vykonal sám. A to je vlastně celá ta myšlenka, o které chci dneska mluvit, že podle mě, my už jsme v bodu, kdy ta umělá inteligence je jako velice kvalitní na těch výstupech. Já neříkám, že jako vyřeší všechno, ale jak jsem říkal na začátku, buď to jako vyřeší celý ten úkol, nebo jeho část, nebo vám je schopná připravit nějaké jako rešerše, podklady u vývovy úkolů, tak to může být nějaká triáž, jako vyhodnocení, jestli tímhle směrem, tamtím směrem, jestli mám všechny data, zkrátka jako může udělat nějaký ten preprocesing. A já si opravdu myslím, že pro nás je teďka jako důležitý změnit ten přístup toho, nepřemýšlet, co pro mě může udělat ta AI, jako jaký úkol splnit, ale spíš jak ji nastavit tak, aby dokázala proaktivně za mě řešit ty věci.

Je to takový jako hodně obecný. Já se na konci dostanu k tomu, jak se to snažím řešit já, ale k tomu, aby tohle člověk přijmul, tak si myslím, že se musí stát takovým manažerem, a možná spíš než manažerem, tak lídrem, takovým těm CEO. Myslím to tak, že my, nebo aspoň teda já, jsem zvyklý do jisté míry jako hodně mikromanežovat AI. To znamená, mít jasně připravená zadání, jasně připravená workflows a dávat jenom ty malý dílčí úkoly a na každý té části té cestičky, tak já vlastně u toho jsem, kontroluji ty výstupy, upravuju je a vlastně jako jsem ten mikromanager.

Krásně se to dá jako převést na řízení týmů, když prostě vidím, že manažeři zřídí lidi tak, že jim nedají tu volnost, jako tady máš obecný úkol nějak se s tím poper pojďme to diskutovat, ale ty jsi ten owner, ty jsi ten majitel toho jako toho úkolu a máš tu flexibilitu, ale místo toho ty manažeři často dělají, že těm lidem zadávají malé, dílčí úkoly a pak vidíte přesně tu situaci, kdy ten manažer nestíhá, kdy ten manažer tak odbývá a musí se o ty lidi starat a říká, jo, já toho člověka musím pořád hlídat a musím mu dozadávat věci, je to náročný. A při tom, co mě aspoň jako nějaká moje praxe s vedení lidí naučila je, že je nejlepší těm lidem dát určitou jako volnost. A teď jako zabýváhám hodně od AI, ale já si myslím, že ta paralela tam je, protože přemýšlím nad tím tak, že abych já dokázal dávat volnost AI nebo lidem ve svým týmu, tak já potřebuju si nastavit trošku odlišnej mindset, než když ty věci dělám já. Protože když začnete zadávat nějaký úkoly, tak ten výsledek bude jako špatnej.

Dost pravděpodobně, když něco zadáte, výstup nebude zdaleka ideální. A vy se musíte naučit zadávat ty úkoly tak, aby to ten váš kolega nebo ta AI pochopilo správně. Každý kolega je jinej, každý AI systém je jinej, takže vy musíte na začátku investovat určitý čas a určitý úsilí do toho, abyste se naučili s tím správně pracovat a správně zadávat ty úkoly. v tuto fázi, tak vy musíte být vlastně jako v pohodě s tím, že ten úkol trvá mnohem díl, než kdybyste si ho udělali sami.

A ty výsledky jsou hrozný. Taková je moje zkušenost, ať už lidma, tak i s AI. A jak vy iterujete, dáváte zpětnou vazbu, hladíte ty promty, hladíte, jak k tomu vlastně jako správně přistupovat, tak tím se ten výsledek víc a víc vlastně jako zlepšuje. Vy musíte udělat nějakou investici po nějaký časový období a potom dojdete do bodu, kdy ten výsledek je z 80 nebo 90% to, co byste udělali vy.

Nebo aspoň to si myslíme, že ten výsledek není tak dobrý, ale je třeba z 80-90% dobrý. a správnej líder, správnej manažer se s tímhle tím výsledkem spokojí. Teď se nebavím o nějakých extrémních case, kde to potřebujete mít dokonalý a je potřeba to doladit do každého detailu, takže neotáčejme se na tadytstvom malém procentu úkolů, ale trofnost je to, že většina úkolů stačí, když je splněná z 80-90% a jde se dál. A tohle je vlastnost dobrýho manažera, že on ty lidi dá jim tu volnost, Nechá ty věci jako udělat a spokojí se s tím, že ten výsledek nebude nikdy tak dobrý, jak on si myslí, že by měl bejt.

A ono to často není o tom, že ten výsledek není tak dobrý, jak vy si myslíte, nebo já si myslím, ale spíš, že je trošku udělaný jinak. A to neznamená, že je udělaný hůř. Ale to bychom zacházeli hodně do soft skill. Nicméně, tady to si myslím, že pro spoustu lidí, který nejsou ve vedoucích pozicích, nebo jsou tam, ale jsou zvyklí spíš mikromanežovat, tak je jako extrémně náročnej mindset shift, ta změna toho myšlení.

A jakmile my se jako naučíme tohleto, tak si pak myslím, že my můžeme být víc v míru s tím, co ta umělá inteligence vlastně jako tvoří, protože Zadám nějaký úkol, musím to odladit, ta investice je prostě jako velká. Ale vy nejenom, že na tom úkolu musíte počítat, kdy se vám to jako vrátí, ale ono i ten skill toho, jak zadávat ty úkoly, ty AI, tak si myslím, že je jako hodně přenositelný. Takže bejt za začátku to pro nás bude jako pain, tak potom už to bude jako jednodušší a jednodušší. A dostaneme se do bodu, kdy ta AI nebo ten člověk dokáže ten úkol dělat autonomně.

To znamená, že já se o to nemusím úplně starat a v tuhle chvíli mě padá ta veškerá mentální zátěž a můžu se jít věnovat dalším věcem a tady vzniká ta hodnota, ta přidaná hodnota toho týmu nebo tý AI, prostě je ta efektivita, která roste. A my se s tímhletím musíme jako podle mě naučit pracovat. Já jsem s tím měl u AI jako velkej problém, než jsem jako vlastně přešel na to, že je to vlastně paralela práce s týmem. Takže, delší důvod, proč si myslím, že tohle je důležitý, tak je ten, že čím víc autonomie AI dáváme, tím víc tam může nastat chyb.

A zase je to stejné jako u lidí. Takže už jsme si zvládli ten mindset toho, že delegujeme práci, dostaneme 80%, fajn jsme tam, no a teďka já potřebuji dát větší autonomii, to znamená, že dávám větší celky, nebo dávám jako nějakou proaktivitu těm lidem nebo tomu AI a v tu chvíli se někdy může stát, že i ta AI i ten člověk jako zabočí špatným směrem, ale tím, že má tu autonomii, tak tím vlastně jako se dostane mnohem dál tím špatným směrem A my se jako musíme naučit korigovat ten směr správně, ale bejt v pohodě s tím, že někdy se to prostě stane, že to uhejbne, tak my to prostě jako zase srovnáme na tu cestu. Ale je to extrémně důležitý, protože ta zátěž, ta rozhodovací únava, nějaká perfekcionistická past bych řekl, tak je ten reálný botelnek, který nás vlastně brzdí. Každopádně, jakmile my si osvojíme to delegování těch větších úkolů, tak ten botelnek jako z nás padá a padá, jakože to je zase nějaká moje zkušenost s lidma, kdy já mám někdy pocit, že na ně nemůžu delegovat tak velký úkol, že ty lidi se v tom ztratí, že ty lidi se v tom utopí, ale pak vlastně jako zjistím, že to byl můj problém.

Já jsem jako na ně to nechtěl delegovat, ale oni ve výsledku se s tím popadou dobře. A dost podobně si myslím, že to v budoucnu bude i s AI. Neříkám teďka, jo, protože u víc abstraktních obecných úkolů, tak ty AI agentičně často nemusí být tak vyspělí, byť se dají řídit nějakýma pravidlema, tak ale v budoucnu si myslím, že budou lepší a lepší. A teďka z toho praktického lehlediska, jak k tomu já přistupuju.

Já mám samozřejmě klasický workflow, kdy mám kloud kóda, nebo mám klouda klasického chat GPT a zadávám ty jednotlivý úkoly. Tomu se člověk nevyhne, protože něco vám přijde, a vy to musíte jako zadat, nebo něco je slyšet, že to ještě musíte promyslet, než to zadáte, takže jako spousta tý práce je pořád jako reaktivní s tou AI. Já zadám úkol, ona zadá výsledek. Nicméně snažím se v poslední době nad tím přemýšlet tak, že mám OpenClou na svém Macu, kde já Ho nechávám třeba proaktivně hledat novinky na internetu, proaktivně hledat nový nápady na videa, proaktivně skenovat Twitter a posílat mi zajímavý věci.

A já už pak mám Discordu vlastně jako nepřečtené zprávy a přijdu. a reaktivně já si to přečtu a řeknu, dobře, přepošli tohle do community, dobře, tohle to zpracuj víc, nebo něco. Ale zkrátka já jsem ten reaktivní prvek, ne ta AI, vlastně se ty role prohodili, že AI je vlastně ten proaktivní člen, který ví, že já mám pravidelně tohle dělat, tak to budu dělat. Tohle je úplný basic, se kterým jsem si zatím hrál.

Druhá věc je víc v tom vývoji, kdy vlastně, když se tvoří software, tak v zásadě jako software každej má chyby. To znamená, že bude mít bugy takzvaný. A tyhle ty bugy vám chodí reportovaný, nahlašovaný do nějaký aplikace, kde vy prostě vidíte ty chyby a můžete se podívat na nějaký detaily a podle těch detailů je opravit. No a Tohle je typicky zase jako často řešený, takže vy přijdete jako člověk, přečtete tu chybu a vložíte ji do AI, ale zase my to teďka vlastně na různých projektech řešíme tak, že máme napojenýho AI agenta do tady těch systémů, on sám si bere ty chyby a sám proaktivně připravuje opravit, to znamená, on si to vezme, analyzuje, jestli ví, co s tím, udělá popisek, co se stalo, proč se stalo, jak to opravit a udělá rovnou návrh té opravy, na kterou udělá tzv.

PR, což je jako pull request. To je jako nějaké změrové požadavky. Představte si to tak, jako že někde v nějakém systému se objeví, hele, tady je pokus o opravu tady té chyby. A vy jako programátor pak přijdete a podíváte se vlastně jako do těch pokusů o opravu, jestli dávají smysl.

A tohle je opět ta proaktivita toho AI systému a já jsem ten reaktivní prvek, jako člověk, že já už nemusím vynaložit tu mentální kapacitu na to, fů, tyjo, tak já se jdu podívat na ty chyby, co přistály a zadám to AI a teď mám na to čas. Ale je to opačně. AI mě bombarduje tím, že hele, tady jsem ti opravil chybu, tady jsem ti opravil chybu a už pak jenom prostě přijdu a řeknu, aha, hele, tady jsou nějaké opravy, tak se jako rychle podívám. a zavřu to nebo případně to doupravím, záleží na té komplexitě.

Nicméně to je druhý příklad toho proaktivního přístupu. To jsou takový základy, které už se mi podařilo implementovat, se kterýma už pracuju. A chci to teď posouvat dál. Typicky můj výhled, kam bych chtěl s tím směřovat, tak je jedna, že můj AI agent bude skanovat můj kalendář, můj to-do list.

a pak na různých projektech různé kanbanboardy a bude se zamýšlet nad tím, jestli ty úkoly je schopný splnit, nebo mi třeba napovědět, jak je splnit. Případně, když tam bude nějaký due date, tak aby mi to dal do kalendáře. Zkrátka chtěl bych, abych já nemusel být zase ten, jako v uvozovkách, hloupej propojovatel, který chodí do kalendáře, to do listu, tady mám nějaký úkoly v jiném projektu, tady jiný úkoly v tom projektu a Vlastně musím je sbírat a zaplánovávat si svůj čas a ve výsledku stejně spoustu z těch věcí deleguji, aspoň částečně na AI. A já bych chtěl, aby AI vlastně jako tohle to řešila za mě a procházela ty věci a já už přišel vlastně k připraveným řešením, jo?

show nebo na YouTube, i u mě na profilu ho najdete. tak vlastně on projde celý ten kanban, co jsou nějaký tudůčka, který my tam máme, a řekne, hele, prosím tě, blíží se ti deadline toho, že Jindřich po tobě chtěl XYZ, já jsem ti to seskupil, připravil jsem ti k tomu nějaký podklady, byly tam nějaký změny na webu, takže jsem ti rovnou tady připravil návrh těch změn, byly tam vytvořeny nějaký šablon, to jako neumím, tak jsem ti jenom udělal nějaký brainstormingový návrh, jak by to asi mohlo vypadat, layout na ty shorty třeba, a tady chtěl nějakej jako research na něco, tak jsem ti rovnou ho připravil. A udělal jsem ti tady blok v kalendáři, že prostě od 8 do 10, tak se budeš věnovat tady tomu, mrkni na to. a vlastně jako zapracuj si to.

A je to pro mě mnohem menší, jako mentální zátěž, než to, že já bych musel říct, jo, tak, teď mám čas na deep link show, půjdu se podívat do úkolů, co tady mám, aha, web, tak to dám AI, aha, další. A já musím bejt ten manažer, který ale ve výsledku jenom dělá, aha, tohle sem, aha, tohle tam. A je to taky jako náročný. Tohle by byl pro mě ultimátní goal, kde já už bych jenom přišel.

A je to vlastně jako v tom týmu, kdy vám přijdou ty kolegové a řeknou, hele, tohle byl úkol, tady to nějak Provoz jako reportoval, tady prostě už jsme to zapracovali, tohle, tohle, jste s tím v pohodě? A řeknete, jo, jasně, nebo jo, pojďme doladit tohle, dejme si na to meeting, pojďme to jako doladit. A to bych stejný chtěl tý AI, že já prostě jako ráno přijdu, budu mít připravený ten kalendář, budu mít připravený ty to do listy a už jenom po Zní to jako utopie. Souhlasím, že to má jako obrovský množství v tuto chvíli jako ostrej hran, kde může dojít k nějakým chybám, nemusí to fungovat správně.

Nicméně to, že to třeba je velice složitý a krokolovný udělat dneska, tak neznamená, že v budoucnu tohle to nebude standard. A já si opravdu myslím, že tam míříme. A myslím si, že je jako dobrý si na Tady ten přístup a tady ten mindset zvykat co nejvíc, to je už teďka. Takže neříkám, že to musíte dělat tak, jak jsem teďka popsal, kam já směřuju, ale zamežlete se u nějakých úkolů, jestli nemůžete nechat ty systémy proaktivně vlastně jako ty věci řešit za vás a vás jenom doptávat na nějaké jako požehnání toho, je to správně, není správně, nějaký úpravy a tak dál.

Určitě dám pak vědět, jestli se mi podaří nějaký takovýhle věci nastavit. Zatím to mám v plánu asi s OpenCLO řešit. Je to takový trošku složitý, protože samozřejmě OpenCLO má, jak jsem říkal, spoustu ostatých hran, kde prostě může dojít k nějakým chybám, ale tohle si opravdu myslím, že je ta budoucnost. Prostě vymění ty role, že my nejsme proaktivní, ale vlastně naopak, ta AI je proaktivní.

Přináší to samozřejmě i to, že rozhodování a řešení těch věcí tak je vlastně jako mentálně poměrně náročný, nebo aspoň tak já to mám, že jako často rozhodovat o tom, co udělat nebo jak něco udělat, tak je pro mě jako složitější, než jako tu věc reálně někdy udělat, protože to zahrnou jako více nad tím zamyslet a taková ta únova z toho rozhodování je reálná věc, takže jako myslím si, že s tímhle tím budeme bojovat. Ale vlastně v té době, kdy AI bude mocnější a mocnější, tak tenhle skill za mě bude extrémně důležitý. A co je ale na tom extrémně pozitivní, když vynechám tu negativní únavu a náročnost, tak je to, že podle mě tenhle skill je skvěle přenositelný do života i do toho reálního, bez AI. protože vy se naučíte lidem jako zadávat věci, naučíte se bejt takovej ten jako líder, ten manažer a to si myslím, že v budoucnu bude jako extrémně cená vlastnost.

Takže já se na to vlastně těším, sám musím dělat tady tu transformaci od vlastně jako bývojáře, kdy jsem já byl ten, kdo dostával zadaný úkoly, tak až do té doby, kdy člověk je ten líder, jo, strašně k tomu pomáhají zkušenosti zvedení nějakých týmů, to fakt jako víc a víc vidím, že tohle je něco, co mi pomáhá při práci s AI a jak nad tím přemejšlet, ale ta transformace je podle mě extrémně náročná, aby si člověk zažil a bylo to pro něj přirozené, že deleguje ty větší věci a věří, že nějak dopadnou. Myslím si, že spousta jako pracovních pozic bude přesně nad tady tom, že jako kontrolovat ty výstupy, směřovat tu AI, kam jde, protože, jak jsem říkal, bude to extrémně mentálně náročné a ve chvíli, kdy máte jako firmu a potřebujete řídit, i když tam budete mělit se jako deset agentů, tak ale podle mě zase ten botlenek bude ten člověk, co tu firmu řídí a bude si najímat lidi, aby mu s tím vlastně jako pomáhali, protože já Tady hodně už jako filozofuju, hodně plavu na vodě, nemám... ten názor nějak jako vytesanej do kamene, že bych jako řekl, takhle jsem přesvědčený, že to bude, ale myslím si, že prostě zase ta naše kognitivní práce dostává trošku větší úroveň abstrakce a budeme spíš fakt všichni ti trošku víc jako manažeři, nebo ty architekty, ti vlastně, co udávají směr, ale ne ty uvozovkách, dělníci, kteří musí jako udělat ten kód, udělat tu grafiku, udělat tohle, udělat tam to, Byt jako na tom počízači, nemyslím teďka tu manuální práci. Tak, to bylo k tomuhle zamišlení všechno, díky moc, že jste se dívali.

Dejte mi prosím větě do komentáře, jak to vnímáte vy, jestli se taky snažíte jít tímhle tím směrem, anebo s tou AI pracujete vlastně jako úplně jinak. show. Já se jmenuji Filip Oborník z projektu AI s rozumem. Díky moc, že jste se dívali nebo poslouchali.

Záleží, kde na tenhle podcast se díváte. A já se na vás budu těšit u dalšího dílu. Mějte se krásně.