Přeskočit na hlavní obsah

AI automatizace, která zapisuje rovnou do vašich systémů

Navrhneme a postavíme automatizace, ve kterých AI přečte e-mail, fakturu nebo tabulku, vytáhne z nich podstatné údaje a zapíše výsledek do CRM, účetnictví nebo sdílené složky. U každého kroku předem určíme, kde výstup kontroluje člověk. Stejné postupy používáme ve vlastních AI produktech, které běží v ostrém provozu.

  • 4 vlastní AI produkty v ostrém provozu
  • Kód, scénáře i data předáváme vám
  • Model v cloudu, nebo na vašem serveru
  • Mluvíte přímo s vývojářem, který to staví
Probrat proces k automatizaciProhlédnout mapu automatizací

Co je AI automatizace od Webforte

AI automatizace od Webforte je návrh, vývoj a provoz automatizací, ve kterých jazykový model zpracuje text, dokument nebo tabulku a výsledek zapíše do systému, který firma už používá. Typické úlohy jsou třídění příchozích e-mailů a poptávek, vytěžování faktur a smluv, slovní komentáře k reportům z tabulek a vyhledávání ve firemních dokumentech s odkazem na zdroj (RAG). Automatizace zapisuje výsledek do Pohody, Money S3, ABRA Flexi, Fakturoidu, e-shopu nebo CRM přes jejich API nebo přes scénáře v n8n. Každá automatizace má předem určený kontrolní bod, kde výstup schvaluje člověk, pokud by chyba stála peníze nebo důvěru klienta. Model se volí podle úlohy: cloudové API (OpenAI, Anthropic Claude, Google), nebo open-source model na serveru klienta, když data nesmí opustit firmu. Aplikace vznikají v TypeScriptu a Next.js s databází PostgreSQL, běží v Dockeru na VPS nebo u klienta a kód, scénáře i data patří klientovi. Webforte Technologies s.r.o. (IČO 23364343, Praha) provozuje vlastní AI produkty Dotazio, Kurikula.ai, Chytrej článek, Chytrejbyt.cz a Chytrej dárek. Cena se stanoví kalkulací po konzultaci.

Mapa automatizací: co udělá AI a kde zůstává člověk

Pět typů procesů, na kterých AI automatizace ve firmě dává smysl nejdřív. U každého popisujeme, co vstupuje, co udělá model, co vyjde ven a kde výstup kontroluje člověk. Podle této mapy na úvodní konzultaci projdeme i vaše procesy.

Příchozí e-maily a poptávky

Do sdílené schránky chodí poptávky, reklamace, faktury i spam a někdo je každé ráno ručně třídí. Automatizace každou zprávu přečte, zařadí ji do kategorie, vytáhne jméno, firmu, požadavek a termín a založí záznam v CRM nebo v tabulce. K poptávce připraví koncept odpovědi podle vašich vzorových textů. Odesílá ale obchodník: koncept upraví a pošle. Zprávy, u kterých si model zařazením není jistý, jdou do samostatné složky k ruční kontrole, místo aby tiše skončily ve špatné kategorii.

  • Vstup: zprávy ze sdílené schránky a z formulářů na webu
  • AI: zařazení, výtah údajů, koncept odpovědi
  • Výstup: záznam v CRM a připravený koncept
  • Člověk: upravuje a odesílá odpověď

Vytěžování faktur a dokumentů

Faktury v PDF, dodací listy nebo smlouvy se dnes ručně přepisují do účetnictví nebo ERP. Vytěžování faktur tuhle práci převezme: automatizace dokument přečte (u skenů nejdřív převede obraz na text pomocí OCR), vytáhne dodavatele, IČO, částky, DPH, splatnost a položky a zkontroluje je proti pravidlům: sedí součet, je dodavatel v adresáři, odpovídá číslo objednávky. Když faktura přijde i ve formátu ISDOC (český standard elektronické faktury), přečteme data přímo a model není potřeba. Co projde, připraví k importu do Pohody, Money S3 nebo jiného účetního programu. Co neprojde, označí a ukáže konkrétní pole, které nesedí. Digitalizace účetnictví obvykle začíná právě tady, protože účetní pak řeší jen výjimky a nepřepisuje každý řádek.

  • Vstup: PDF, skeny, ISDOC a přílohy e-mailů
  • AI: čtení dokumentu a výtah polí do pevné struktury
  • Kontrola: součty a IČO ověřuje klasický kód, ne model
  • Člověk: řeší jen označené výjimky

Reporty z tabulek a exportů

Každý týden někdo stahuje exporty z e-shopu, účetnictví nebo reklamních účtů, skládá je v Excelu a píše shrnutí pro vedení. Výpočty necháváme na databázi a skriptu, protože ty počítají přesně, kdežto jazykový model se v číslech může splést. AI dostane hotová čísla a napíše k nim komentář: co se změnilo proti minulému období, které položky vybočují a na co se podívat. Report přijde e-mailem nebo do sdíleného dokumentu v pevný čas. Vedoucí čte hotový přehled a rozhoduje, co s odchylkami udělat.

  • Vstup: exporty CSV, Google Sheets, databáze
  • Výpočty: SQL a skript, ne jazykový model
  • AI: slovní shrnutí a upozornění na odchylky
  • Člověk: rozhoduje o dalších krocích

Vyhledávání ve firemních dokumentech

Směrnice, ceníky, technické listy a zápisy leží ve sdílených složkách a noví kolegové se ptají pořád na totéž. Postavíme interní vyhledávání, kterému se píše běžnou větou. Technicky jde o RAG: systém nejdřív najde v dokumentech pasáže, které se k dotazu vztahují, a teprve z nich model sestaví odpověď. Každá odpověď obsahuje odkaz na konkrétní dokument, takže ji lze ověřit. Když podklad chybí, systém řekne, že odpověď nezná. Na stejném principu stojí náš produkt Dotazio.

  • Vstup: PDF, Word, interní wiki, sdílené disky
  • AI: najde relevantní pasáže a odpoví jen z nich
  • Výstup: odpověď s odkazem na zdrojový dokument
  • Člověk: vlastník dokumentů udržuje podklady aktuální

Podklady a koncepty s kontrolou

Nabídky, popisy produktů, odpovědi do výběrových řízení nebo zápisy z porad mají opakující se strukturu. Automatizace připraví první verzi z vašich dat: z ceníku, z parametrů produktu, z poznámek z jednání. Model dostane pevnou osnovu a seznam faktů, ze kterých smí čerpat, a výstup se před uložením porovná se zdrojem. Takhle funguje i naše interní redakční pipeline pro blog, která před publikací ověřuje zdroje. Hotový text vždy schvaluje člověk, protože za obsah odpovídá firma, ne model.

  • Vstup: ceník, parametry, poznámky, šablona
  • AI: první verze podle pevné osnovy
  • Kontrola: porovnání výstupu se zdrojovými fakty
  • Člověk: upravuje a schvaluje finální text

Napojení na účetnictví a firemní systémy

Automatizace dává smysl, až když výsledek skončí v systému, ve kterém firma pracuje. Napojujeme se přes rozhraní (API), které výrobce systému oficiálně nabízí. Předem sepíšeme, co se synchronizuje, jestli jednosměrně, nebo obousměrně, a který systém je pro daný údaj hlavní. Když rozhraní vyžaduje rozšiřující modul nebo vyšší licenci, řekneme to před začátkem prací.

PohodaImport a export faktur, objednávek, adresáře a skladových zásob ve formátu XML. POHODA mServer přijímá XML požadavky přes HTTP, takže aplikace může do Pohody průběžně zapisovat i z ní číst. Obousměrně.
XML API a mServer
Money S3Když máte rozšiřující modul API, aplikace čte data z Money S3 v reálném čase a zapisuje do něj přes importní frontu. Bez modulu zbývá výměna XML souborů. Obousměrně.
API modul nebo XML
ABRA FlexiČtení i zápis dokladů, adresáře, skladu a objednávek ve formátu JSON nebo XML. Webhooky hlásí změny záznamů a testovací uložení (dry-run) ověří zápis dřív, než se provede naostro.
REST API
Helios iNuvioAgendové rozhraní pro vydané a přijaté faktury, e-shop a zakázky, popsané ve standardu OpenAPI. Na straně firmy musí běžet Inuvio Server.
REST API
iDoklad a FakturoidFaktury, kontakty a úhrady z online fakturace. Typicky: objednávka z e-shopu nebo uzavřený obchod v CRM vystaví fakturu sama a informace o zaplacení se vrátí do původního systému. Obě rozhraní používají přihlášení OAuth 2 a webhooky (u Fakturoidu jen v placených tarifech).
API v3
Shoptet a e-shopyObjednávky, produkty, zákazníci, sklad a doklady. Shoptet zpřístupňuje API doplňkům a e-shopům s tarifem Premium. WooCommerce a další platformy mají vlastní API nebo exporty.
REST API a webhooky
CRMPipedrive, HubSpot, Raynet nebo vlastní CRM: poptávky, kontakty a obchodní případy. U obousměrné synchronizace určíme, která strana má u každého pole poslední slovo, aby se změny navzájem nepřepisovaly.
REST API
Když zápis selžeKaždý požadavek má jedinečné ID, takže se při opakování doklad nezaloží dvakrát. Když cílový systém neodpoví nebo záznam odmítne, požadavek zůstane ve frontě a zkusí se znovu. Po opakovaném selhání přijde upozornění s konkrétní chybou, nic se tiše neztratí.
fronta a upozornění

n8n na vašem serveru, Make, Zapier, nebo vlastní kód

Na jednodušší napojení často stačí automatizační nástroj místo vlastní aplikace. Nástroj n8n umíme nasadit na váš server nebo na VPS v EU pronajatý na vaši firmu, tedy jako self-hosted instanci, kterou vlastníte vy a ne poskytovatel služby (Docker, databáze PostgreSQL, HTTPS, zálohy a aktualizace). Správu pak můžeme převzít, nebo ji předáme vašemu IT. Scénáře běží u vás a data neprocházejí cloudem dalšího poskytovatele automatizací. Nástroj vybíráme podle toho, kde smějí ležet data a jak složitá je logika.

Tabulku posunete prstem do strany.

n8n na vašem serveru, Make, Zapier, nebo vlastní kódMake nebo Zapiern8n na vašem serveruVlastní kód
Kde běžíV cloudu poskytovateleNa vašem serveru nebo na VPS v EU pronajatém na vaši firmuNa vašem serveru nebo hostingu
Kde leží dataProcházejí službou poskytovateleZůstávají na vaší infrastruktuřeZůstávají na vaší infrastruktuře
Hodí se naRychlé propojení běžných cloudových aplikacíOpakované toky mezi systémy s API, i s kroky AISložitou logiku, vlastní rozhraní, velké objemy
Úpravy scénářůVe vizuálním editoru, zvládne i netechnický správceVe vizuálním editoru, složitější kroky v JavaScriptuJen vývojář
Provozní nákladyMěsíční tarif podle počtu operacíCommunity edice je pro vnitřní potřebu firmy zdarma, platíte server a správuHosting a údržba, bez poplatků za běhy
SprávaAktualizace řeší poskytovatelAktualizace, zálohy a sledování provozu zajistíme my, nebo vaše ITÚdržbu kódu zajistíme my, nebo váš vývojář

RPA (robotická automatizace procesů) napodobuje klikání člověka v aplikaci podle pevného scénáře. Hodí se pro starší systémy bez API, ale při změně obrazovky se zastaví. AI automatizace přečte i e-mail nebo sken a data předává přes API, proto k RPA sáhneme až u systému, který nemá API ani export.

Jak odpovídá AI nad vašimi dokumenty (RAG)

RAG znamená, že systém před odpovědí nejdřív vyhledá v dokumentech. Model neodpovídá z paměti, ale z pasáží, které mu systém najde.

  1. 1

    Dotaz

    Uživatel napíše otázku běžnou větou, třeba „Jaká je lhůta pro reklamaci u firemních zákazníků?“

  2. 2

    Vyhledání

    Systém prohledá předem zpracované dokumenty a vybere několik pasáží, které se k otázce vztahují nejvíc.

  3. 3

    Odpověď z podkladů

    Model dostane otázku a nalezené pasáže s pokynem odpovídat jen z nich. Co v pasážích není, nedoplňuje.

  4. 4

    Odkaz na zdroj

    K odpovědi se připojí odkaz na dokument. Když systém nic relevantního nenajde, řekne to a nabídne předání kolegovi.

Výsledek: odpověď, kterou si ověříte v konkrétním dokumentu. Tak funguje Dotazio pro obce a firmy i interní vyhledávání, které stavíme klientům.

Jak držíme AI pod kontrolou

Jazykový model je užitečný nástroj s jednou vlastností, se kterou musí počítat každý návrh: umí se splést a znít přitom jistě. Proto řešíme čtyři věci ještě před prvním řádkem kódu.

Halucinace: proč vznikají a co s nimi

Halucinace je odpověď, která zní věrohodně, ale není pravdivá. Model skládá pravděpodobný text a nemá v sobě seznam ověřených faktů. Proto mu fakta dodáváme zvenku, z vašich dokumentů, databáze nebo ceníku, a v pokynu mu zakazujeme odpovídat mimo ně. Kde to jde, chceme po modelu odkaz na zdroj nebo kód, podle kterého se odpověď dohledá. Kurikula.ai takhle ke každému návrhu úpravy ŠVP přikládá kód z RVP. Výstup bez zdroje systém označí nebo zahodí.

  • Fakta dostává model z vašich dat, ne z paměti
  • Požadujeme odkaz na zdroj nebo dohledatelný kód
  • Bez podkladu odpověď „nevím“, ne odhad
  • Výstupy v pevné struktuře (JSON) ověřuje kód

Kontrolní bod člověka

Před vývojem u každé automatizace určíme, co se stane, když se AI splete. Když chyba znamená špatně zařazený e-mail, stačí namátková kontrola. Když znamená chybnou platbu, nabídku se špatnou cenou nebo odpověď klientovi v citlivé věci, automatizace výstup jen připraví a schvaluje ho člověk. Tahle hranice je v zadání napsaná předem, ne doplněná po první chybě. Každý krok se zapisuje do logu, takže se dá zpětně dohledat, co model dostal a co vrátil.

  • Míru kontroly určuje cena případné chyby
  • Platby, ceny a citlivá komunikace: vždy schválení
  • Nejisté výstupy jdou do fronty k ruční kontrole
  • Log vstupů a výstupů pro zpětné dohledání

Nasazení modelu: API, nebo vlastní server

Model lze používat dvěma způsoby. Přes API poskytovatele (OpenAI, Anthropic Claude, Google): dostupné jsou nejsilnější modely, platí se podle objemu zpracovaného textu a data se posílají poskytovateli ke zpracování. Nebo open-source model spuštěný na vašem serveru: data neopustí vaši infrastrukturu, ale je potřeba výkonný hardware a v náročných úlohách bývá model slabší. Často kombinujeme: citlivé dokumenty zpracuje lokální model, obecné texty cloudové API. Rozhodujeme podle typu dat a úlohy.

  • Cloudové API: nejvyšší kvalita, platba podle objemu
  • Lokální model: data zůstávají u vás
  • Kombinace podle citlivosti dat
  • Aplikaci stavíme tak, aby šel model vyměnit

GDPR a kde data leží

Před vývojem sepíšeme, jaké osobní údaje automatizace zpracovává, kdo je zpracovatel a kde fyzicky leží servery. U cloudových modelů volíme API a nastavení, u kterých poskytovatel podle svých smluvních podmínek data nepoužívá k trénování, a zpracování v EU tam, kde ho nabízí. Osobní údaje, které model k úloze nepotřebuje, se před odesláním odstraní. Aplikace, databáze a logy běží v Dockeru na VPS nebo na vašem hostingu, takže víte, kde co je. Popis zpracování dostanete jako podklad pro pověřence nebo právníka.

  • Seznam zpracovávaných osobních údajů před vývojem
  • Odstranění údajů, které model nepotřebuje
  • Zpracování v EU, kde ho poskytovatel nabízí
  • Dokumentace pro pověřence nebo právníka

Kde poběží model: srovnání možností

Neexistuje jedna správná volba. Rozhoduje citlivost dat, náročnost úlohy a objem.

Tabulku posunete prstem do strany.

Kde poběží model: srovnání možnostíCloudové APIModel na vašem serveruKombinace obou
Kvalita v náročných úloháchNejvyšší dostupnáNižší, záleží na modelu a hardwaruVysoká tam, kde je potřeba
Kde leží data při zpracováníU poskytovatele modeluNeopustí vaši infrastrukturuCitlivá u vás, ostatní přes API
Provozní nákladyPlatba podle objemu textuHardware a provoz serveruObojí v menším rozsahu
Hodí se proTexty bez citlivých údajů, první testyRegulované obory, interní dokumentyFirmy se smíšenými daty
Náročnost spuštěníNejnižšíVyžaduje přípravu serveruDvě části k nastavení

Konkrétní model vybereme po testu na vzorku vašich dat. Aplikaci stavíme tak, aby šel model později vyměnit bez přepisování celého řešení.

Jak probíhá zakázka

Každá fáze končí výstupem, o kterém rozhodujete vy. Do vývoje se jde až po testu na vašich datech.

  1. Konzultace a výběr procesu

    Projdeme vaše procesy podle mapy automatizací a vybereme jeden, kde je hodně opakované práce a chyba má zvládnutelné následky. Zjistíme, kolik případů měsíčně řešíte, kdo je dnes zpracovává a v jakých systémech data leží.

    Výstup: Vybraný proces a nezávazná kalkulace

  2. Návrh a pravidla

    Popíšeme vstupy, výstupy, napojené systémy, typ modelu a hlavně kontrolní bod člověka. Sepíšeme, jaké osobní údaje se zpracují a kde poběží.

    Výstup: Písemný návrh včetně hranic automatizace

  3. Test na reálných datech

    Na vzorku vašich skutečných e-mailů, faktur nebo dokumentů spustíme první verzi a výsledky projdeme spolu. Ukáže se, kde model chybuje a jestli se automatizace vyplatí. Když ne, řekneme to teď, ne po měsících vývoje.

    Výstup: Výsledky testu a rozhodnutí, zda pokračovat

  4. Vývoj a napojení

    Postavíme aplikaci v TypeScriptu a Next.js s databází PostgreSQL a napojíme ji na CRM, e-mail, účetnictví nebo e-shop přes API, případně přes scénáře v n8n nebo Make.com. Doplníme log, frontu k ruční kontrole a upozornění při chybě.

    Výstup: Funkční automatizace napojená na vaše systémy

  5. Nasazení a předání

    Nasadíme v Dockeru na VPS nebo na váš hosting, zaškolíme lidi, kteří budou výstupy kontrolovat, a předáme kód, scénáře, přístupy a dokumentaci.

    Výstup: Běžící provoz, dokumentace a přístupy u vás

  6. 30 dní sledování provozu

    První měsíc sledujeme log, chybovost a frontu výjimek, upravujeme pokyny a pravidla a s vámi vyhodnotíme, kolik ruční práce automatizace převzala.

    Výstup: Vyhodnocení provozu a doporučení dalšího kroku

Co dostanete

  • Popis procesu s vyznačeným kontrolním bodem člověka
  • Test na vzorku vašich dat před hlavním vývojem
  • Aplikaci nebo automatizační scénáře napojené na vaše systémy
  • Zdrojový kód v repozitáři, který vlastníte
  • Přístupy ke scénářům v n8n nebo Make.com, serverům a účtům u poskytovatelů AI
  • Log vstupů a výstupů a frontu výjimek k ruční kontrole
  • Popis zpracování osobních údajů a umístění dat
  • Zaškolení lidí, kteří budou automatizaci používat
  • 30 dní sledování provozu po spuštění

Vlastní AI produkty v provozu

AI nenasazujeme jen klientům. Vlastní produkty provozujeme sami, takže chyby modelů, provozní náklady i dotazy uživatelů řešíme na vlastních službách.

Kdy AI automatizaci doporučujeme a kdy ne

Dává smysl, když

  • Opakovaně zpracováváte e-maily, texty nebo dokumenty bez pevného formátu
  • Stejnou práci někdo dělá každý den nebo týden a chybu lze zachytit kontrolou
  • Data máte v systému s API, nebo je aspoň umíte exportovat
  • Chcete kód a automatizace vlastnit a případně je rozvíjet sami
  • Potřebujete, aby citlivá data zůstala na vašem serveru

Nedoporučujeme, když

  • Úloha je deterministická: přesun dat podle pevných pravidel zvládne klasický skript levněji a spolehlivěji, a ten vám pak napíšeme místo AI
  • Chyba by měla vážné následky a nikdo nemá kapacitu výstupy kontrolovat
  • Případů je pár měsíčně, takže se vývoj nevrátí
  • Podklady, ze kterých má AI čerpat, jsou zastaralé nebo si odporují
  • Hledáte prezentaci o trendech v AI, ne běžící automatizaci

Další projekty v této službě

Všechny projekty

Časté otázky

Cena závisí na počtu napojených systémů, na tom, jestli stačí automatizační scénář, nebo je potřeba vlastní aplikace, a na požadavcích na umístění dat. K jednorázovému vývoji se přičítají provozní náklady za volání modelu, které rostou s objemem zpracovaného textu, případně za server pro lokální model. Konkrétní částku dostanete v kalkulaci po úvodní konzultaci, která je zdarma.

Jednoduchá automatizace jednoho procesu, například třídění e-mailů nebo výtah údajů z faktur, bývá hotová za 1 až 2 týdny. Aplikace napojená na více systémů zabere zhruba 3 až 6 týdnů. Termín nejvíc ovlivňuje přístup k datům a systémům na vaší straně. Vždy začínáme testem na vzorku vašich skutečných dat, takže první výsledky vidíte před hlavním vývojem.

Modely vybíráme podle úlohy: cloudové API od OpenAI, Anthropic Claude a Google, nebo open-source modely spuštěné na vašem serveru. Aplikace stavíme v TypeScriptu a Next.js s databází PostgreSQL a Drizzle ORM, napojení řešíme přes API vašich systémů a kde se to hodí, přes scénáře v n8n nebo Make.com. Nasazujeme v Dockeru na VPS nebo na váš hosting a aplikaci stavíme tak, aby šel model později vyměnit.

Ano. Pohodu napojujeme přes její XML rozhraní: buď výměnou XML souborů, nebo přes POHODA mServer, kterému aplikace posílá požadavky přes HTTP a dostává odpovědi. Money S3 má pro čtení i zápis rozšiřující modul API, bez něj zbývá výměna XML. ABRA Flexi a Helios iNuvio mají REST API, Fakturoid a iDoklad API ve verzi 3. Před začátkem ověříme, jakou licenci a moduly máte, protože některá rozhraní vyžadují rozšíření na straně účetního programu.

Záleží na datech a složitosti. Make nebo Zapier stačí na rychlé propojení běžných cloudových aplikací, data ale procházejí službou poskytovatele. n8n nasadíme na váš server nebo na VPS v EU pronajatý na vaši firmu, takže scénáře i data zůstanou u vás, a Community edice je pro vnitřní potřebu firmy zdarma. Vlastní kód volíme u složité logiky, vlastního rozhraní nebo velkých objemů. Často kombinujeme: n8n řídí tok mezi systémy a náročnější kroky běží ve vlastní aplikaci.

Vytěžování faktur je automatické čtení údajů z přijatých faktur: dodavatel, IČO, částky, DPH, splatnost a položky. Z PDF nebo skenu je přečte OCR a jazykový model, z faktury ve formátu ISDOC přímo. Klasický kód pak zkontroluje součty a dodavatele v adresáři, správné doklady připraví k importu do účetnictví a sporné označí k ruční kontrole. Účetní tak neopisuje každý řádek, jen řeší výjimky.

Počítáme s tím od začátku. Model dostává fakta z vašich dat a má zakázáno odpovídat mimo ně, výstupy v pevné struktuře ověřuje klasický kód a nejisté případy jdou do fronty k ruční kontrole. Kde by chyba stála peníze nebo důvěru klienta, automatizace výstup jen připraví a schvaluje ho člověk. Vstupy a výstupy se logují, takže každou chybu dohledáme a opravíme v pravidlech.

RAG je postup, při kterém systém před odpovědí nejdřív vyhledá relevantní pasáže ve vašich dokumentech a model odpovídá jen z nich, s odkazem na zdroj. Hodí se, když se lidé opakovaně ptají na obsah směrnic, ceníků, manuálů nebo smluv. Nepotřebujete ho u úloh, kde se zpracovává jeden konkrétní dokument, třeba faktura, nebo kde odpověď spočítá databáze.

Aplikace, databáze a logy běží v Dockeru na VPS nebo na vašem hostingu. Do cloudového modelu se posílá jen text nutný pro úlohu a osobní údaje, které model nepotřebuje, předem odstraníme. Pokud data nesmí opustit firmu, použijeme open-source model na vašem serveru. Před vývojem dostanete popis, jaké osobní údaje se zpracovávají, kdo je zpracovatel a kde servery leží.

Vám. Zdrojový kód předáváme v repozitáři, ke kterému máte plný přístup, stejně jako ke scénářům v n8n nebo Make.com, serverům a účtům u poskytovatelů AI. Data zůstávají ve vaší databázi. Automatizaci tak může dál rozvíjet váš vývojář nebo jiná firma. Dokumentace popisuje, jak jednotlivé části fungují a kde se mění pravidla a pokyny pro model.

Ne úplně, ale na výsledku je to znát. Pro automatizaci stačí, když se k datům dostaneme přes API nebo export. U vyhledávání v dokumentech záleží na tom, jestli jsou podklady aktuální a neodporují si. Při testu na vzorku ukážeme, kde data drhnou, a někdy doporučíme nejdřív uklidit podklady a teprve potom investovat do automatizace.

Prvních 30 dní sledujeme provoz: log, chybovost a frontu výjimek, a upravujeme pokyny pro model. Potom se domluvíme na průběžné údržbě, nebo vše předáme vašemu týmu. Údržba se týká hlavně změn v napojených systémech, nových verzí modelů u poskytovatelů a úprav pravidel, když se změní váš proces. Mluvíte přímo s vývojářem, který automatizaci postavil.

Popište proces, který vás zdržuje

Stačí pár vět: co se dnes dělá ručně, jak často a v jakých systémech jsou data. Ozveme se s názorem, jestli se hodí AI, klasický skript, nebo ani jedno.

Nezávazná konzultace