Show Notes
Dokáže jeden tým v korporátu zavést umělou inteligenci rychleji než celá centrála? A co když je to dokonce efektivnější cesta? Jak dostat AI do velké firmy, když ještě nemátecentrální AI tým, jasný proces ani firemní roadmapu? V této epizodě podcastu AI v kostce si povídáme s OtakaremMrázem z T-Mobile, který popisuje velmi konkrétní zkušenost: jak se u nichAI nezačala zavádět shora, ale zespodu – přes malou skupinu lidí, kteřínechtěli čekat, až korporace všechno schválí a připraví. AI pro přípravu na schůzky s právníky, tvorbu prezentací,jazykové vzdělávání, ukládání úkolů přes hlas, analýzu logů v síťové části firmy nebo tvorbu interních aplikací během jednoho víkendu. Právě tahle částukazuje, že AI ve firmě nezačíná velkou strategií, ale často tím, že si lidé nejdřív sami ověří, kde jim opravdu šetří čas. Proč AI adopci ve firmách často nebrzdí technologie, alelidé, návyky a nejistota? A proč je mnohem účinnější, když AI kolegům ukazuje někdo z jejich vlastního týmu, než když o ní mluví externista zvenku? V této epizodě se dozvíte proč v T-Mobile začali jen s pár lidmi a dobrovolně jak fungovaly jejich pravidelné AI check-iny a co přinesly proč se AI ve firmě nejlépe šíří přes kolegy, ne přes direktivu jaké první use casy fungovaly v osobní efektivitě jak AI pomáhá s prezentacemi, schůzkami a přípravou argumentů jak si zaměstnanci staví vlastní malé aplikace díky AI jak AI pomáhá technikům analyzovat logy a hledat root cause problémů kde naráží korporace na limity kvůli datům a bezpečnosti Obsah: 00:00 - Úvod01:05 - Představení hosta Tomáše Mráze z T-Mobile02:14 - Jak začala AI iniciativa v T-Mobile03:53 - Inspirace z Tesly a focus na inovace07:00 - První kroky a překonávání korporátních bariér08:34 - Úvodní školení a adopce v týmu10:06 - Rychlé šíření po celé firmě12:15 - Osobní vs. pracovní využití AI14:22 - Konkrétní use-case: Tvorba prezentací18:01 - Jazykové bariéry a AI jako překladač20:07 - Notion AI a specialized asistenti22:00 - Troubleshooting - z dnů na minuty25:47 - Kreativní využití: Klinometr aplikace27:35 - Management a podpora experimentování29:29 - Čistota dat vs. expertní znalosti33:04 - Vztah s centrálním AI týmem36:25 - Decentralizovaný vs. centralizovaný přístup38:24 - Kultura sdílení a otevřenosti40:30 - Budoucnost práce za dva roky42:40 - Praktické rady pro začátečníky44:19 - Free vs. placené verze AI nástrojů
More from AI v kostce
Celý rozhovor najdete už teď na herohero.co/aivkostce
Co když vám AI připraví výstup tak dobře, že už na něm skoro nemáte co upravovat? Kde potom zůstává vaše odbornost, zkušenosti a hodnota, za kterou vám klient nebo zaměstnavatel platí?
Poslední měsíce patřily Claudu. Teď ale OpenAI přichází s odpovědí – a není to jen jeden nový model. ChatGPT se mění mnohem zásadněji.Anthropic s Claudem, Claude Code a Coworkem ukázal nový způsob práce s AI a na nějakou dobu získal obrovský náskok především mezi pokročilejšími uživateli. Teď ale OpenAI vrací úder. V nové epizodě AI v kostce rozebíráme, co přináší Astra, GPT Work, nový Codex, autonomní agenti i nový image model, proč OpenAI končí s asistenty a jak se mění samotný způsob práce s ChatGPT.Roman s Davidem porovnávají nové nástroje s Claudem na konkrétních příkladech – od práce s dokumenty a vývoje přes generování obrázků až po bezpečnostní audity. A dostanou se i k mnohem větší otázce: vývoj AI zrychluje natolik, že samotní šéfové AI firem začínají mluvit o potřebě zpomalit. Proč? A jde skutečně o bezpečnost, nebo za tím mohou být i peníze a očekávání investorů?📍 V TÉTO EPIZODĚ SE DOZVÍTE:• proč OpenAI po období dominance Anthropicu znovu nabírá tempo• v čem se nový model Astra liší od předchozích modelů a kde dává smysl ho používat• jak si stojí GPT Work ve srovnání s Claude Coworkem• proč OpenAI končí s GPT asistenty a kam se jejich využití posouvá• co přináší nový Codex a jak mění práci s AI při vývoji• kam se posouvají autonomní AI agenti a co už dokážou dělat samostatně• jak si nový image model OpenAI vede proti Nano Banana• jak lze Astru využít při bezpečnostních auditech a práci s rozsáhlým kontextem• proč se i uvnitř AI průmyslu stále častěji mluví o zpomalení vývoje• jestli je za debatou o zpomalení AI jen bezpečnost, nebo také ekonomika a tlak investorů• proč už souboj OpenAI a Anthropicu není jen o tom, kdo má nejlepší jazykový model• kam se může posunout způsob, jakým budeme s AI v nejbližší době pracovat🔗 https://konference-ai-ready.aivkostce.cz/🔗 https://aivkostce.cz/blog/imperium-vraci-uder-astra-nebo-fable
Co se mohou firmy naučit z toho, jak velké společnosti zavádějí AI? V nové epizodě AI v kostce se přes případ Mety díváme na problém, který se může týkat i mnohem menších firem: AI dokáže práci výrazně urychlit, ale bez kontroly výstupů, správných metrik a pochopení celého procesu může automatizace vytvořit nové problémy místo očekávané úspory. Řešíme proto, proč nestačí měřit množství AI výstupů, jak AI zavádět postupně, proč ověřovat první běhy automatizace a jak důležití jsou ve firmách lidé, kteří dokážou nejen používat nové AI nástroje, ale především pochopit a změnit celý pracovní proces. Na začátku epizody se Roman s Davidem vrací i k vašim komentářům a otázkám z předchozích dílů. Reagují na vaše zkušenosti s AI, doplňují vlastní pohled a rozebírají témata, která v diskuzi nejvíc rezonovala.
AI nám má šetřit čas. Jenže co když díky ní zvládnete tolik práce, že nakonec pracujete ještě víc než předtím?Claude Code, AI agenti a další nástroje dnes dokážou převzít velkou část práce a dramaticky zrychlit to, co zvládneme za jeden den. Jenže právě tím vzniká nový problém: další krok je najednou tak snadný, že je těžké říct „pro dnešek končím“. V nové epizodě AI v kostce řešíme AI, produktivitu, dopamin, práci do noci a dopady na zdraví, ale také druhou stranu stejného trendu – jak využít AI, Apple Watch, chytré prsteny a další zdravotní data k lepšímu pochopení vlastního těla, sledování dlouhodobých změn a budování zdravějších návyků. A kde končí užitečné vyhodnocování dat a začíná oblast, kterou bychom měli nechat lékařům.📍 V TÉTO EPIZODĚ SE DOZVÍTE:AI produktivita a práce do nociProč je s AI těžší přestat pracovatClaude Code a automatizace 80–90 % práceAI agenti a automatické zadávání úkolůKontext jako základ efektivní práce s AIDopamin, produktivita a riziko zahlceníApple Watch, Oura a zdravotní dataAI analýza spánku, pohybu a návykůChatGPT Health a osobní zdravotní dataKde AI pomáhá a kde potřebujete lékaře🔗 Konference AI Ready: https://konference-ai-ready.aivkostce.cz/🔗 Innovation week: https://www.innovationweek.ai/cs