Opakující se pracovní krok je dobrým podnětem k automatizaci. Která technologie jej smysluplně převezme, závisí na vstupech, rozhodnutích a důsledcích chyby. Pevný skript, řízené workflow a agent AI řeší různé úkoly. Nejlepší řešení často vzniká jejich kombinací.
První otázka proto zní: co má být nakonec spolehlivě hotovo? Teprve poté následují nástroj, model a způsob provozu. Tak lze posoudit i to, zda dodatečná složitost AI přináší rozpoznatelný užitek.
Tři možné cesty ve stejném prostředí procesů
Možný příklad: příchozí servisní požadavky
Požadavek obsahuje volný text a někdy přílohu. Klasický krok nejprve ověří povinné údaje a povolené formáty souborů. AI navrhne kategorii a shrne požadavek. Aplikace výsledek porovná s povolenými kategoriemi. O vyřízení rozhodne odpovědná osoba.
Pro tento postup často stačí jasné workflow. Agent je zajímavý teprve tehdy, když musí pro různé požadavky skutečně vybírat různé schválené zdroje nebo nástroje. Tento příklad popisuje možnou architekturu, nikoli tvrzený zákaznický projekt.
Stanovit hranici mezi návrhem a provedením
Textově přesvědčivá odpověď ještě není oprávněním ke změně systému. Aplikace musí sama ověřit, kdo jedná, kterého objektu se akce týká a co je povoleno. Výstupy modelu jsou považovány za návrhy; vlastní funkce validuje vstupy a vynucuje věcná pravidla.
U citlivých změn schválení ukazuje konkrétní cílový stav a plánovanou akci. Pokud je návrh následně změněn, dřívější souhlas už nemusí odpovídat. Kroky, které smějí proběhnout bez dalšího dotazu, se proto dohodnou pro každý případ použití.
Rozhraní MCP může zpřístupnit definované nástroje. Nenahrazuje jejich autorizaci. Oficiální bezpečnostní dokumentace MCP (externí odkaz) se mimo jiné zabývá oddělením rozsahů přístupu a ochranou před zneužitím nástrojů.
Co má následovat po chybě
Vypršení časového limitu automaticky neznamená, že cílová akce neproběhla. Před dalším pokusem o zápis musí být možné zjistit, zda byl první požadavek již proveden. Vhodné identifikátory operací, jednoznačné stavy a cílený dotaz na výsledek pomáhají zabránit duplicitním změnám.
U postupů podporovaných AI přibývají další podmínky ukončení: chybějící podklady, protichůdné informace, nepovolený nástroj nebo vyčerpaná doba běhu. Odpovědná osoba pak dostane dosavadní stav a konkrétní bod k vyjasnění. Dohledatelné předání je běžným výsledkem procesu.
Těmito případy lze ověřit pilot
- Běžný požadavek: Jsou výsledek a potřebné opravy věcně použitelné?
- Neúplný požadavek: Položí se cílená otázka místo doplnění něčeho, co nikdo nepotvrdil?
- Nepovolený přístup: Odmítne funkce přístup bez ohledu na formulaci požadavku?
- Opakovaný požadavek: Zůstane stav jednoznačný bez duplicitního zaúčtování nebo změny?
- Výpadek: Mohou lidé s dostupnými informacemi pokračovat v úkolu?
Neporovnávají se jen doba odezvy a náklady modelu. Důležité jsou také kontrola, integrace, řešení chyb a provoz na jeden smysluplně dokončený úkon. Z toho vyplyne, zda stačí skript, zda je vhodné rozšířit workflow, nebo zda omezený agent přináší prokazatelný přínos navíc.
Společně určit první zvládnutelný krok
DAXS zmapuje současný postup, vyjasní rozhraní a vyvine vhodnou implementaci. Patří k tomu testy, schvalování, dokumentace a dohodnutý provoz. Stávající aplikace a klasická automatizace přitom zůstávají stejně důležité jako nové nástroje AI.
Přehled AI a automatizace · Vývoj a integrace · Zavedení AI ve firmě
