Typické chyby: příliš mnoho schvalovatelů, nejasná pravidla pro souběh dovolených a chybějící zástupce. Další častou chybou je, že se automatizace zavede, ale nikdo ji nepoužívá, protože je složitější než starý e-mail. Proto začněte jedním jednoduchým procesem pro jednu skupinu lidí. Až se osvědčí, rozšiřte ho.
Než začnete psát jakýkoli kód, ověřte si, co vlastně chcete, aby AI na webu dělala. Není to jen „chat s uživatelem". Může jít o automatické shrnutí článku, návrh titulku, klasifikaci dotazů nebo překlad. Každý scénář má jiné požadavky na latenci, cenu a přesnost. Sepište si jednoduchý scénář: vstup, očekávaný výstup a co se stane, když model odpoví špatně. Teprve pak hledejte vhodné řešení.
Samotné zavedení má proběhnout postupně. Nejprve proveďte důkladnou inventuru a vložte do systému reálné stavy. Poté nastavte minimální a maximální hladiny zásob, aby vás systém upozornil včas. Na několik týdnů zaveďte souběžnou kontrolu: porovnávejte stav v systému se skutečností, dokud si nebudete jisti, že vše sedí. Teprve potom přejděte na plný provoz.
Jak nastavit kontrolu, která skutečně fungu
Typická chyba je spoléhat na AI u nestandardních dokladů: dobropisů, zálohových faktur nebo dokladů v cizí měně s jiným kurzem. Nástroj sice položky navrhne, ale kurz a zaokrouhlení je potřeba ověřit. Další častá chyba je zapomenout nastavit číselnou řadu a splatnost ještě před vystavením první faktury. Pokud to neuděláte, budete je přepisovat ručně u každého dokladu. Stejně tak se vyplatí nastavit šablonu s logem a kontaktními údaji jednou, ne u každé faktury znovu.
Na co si dát pozor při plánování běhu Automatizovaný report musí mít jasně daný okamžik spuštění a jasně daný zdroj dat. Pokud se data obnovují až po půlnoci, nemá smysl pouštět skript v sedm večer. Naplánujte běh až po uzávěrce zdroje a přidejte kontrolu, zda vstupní soubor existuje a není prázdný. Častou chybou je pevně zapsaná cesta k souboru, která po přesunu složky přestane fungovat. Používejte relativní cesty nebo konfigurační soubor, kde se cesty a názvy mění na jednom místě.
Na co se zapomíná: ošetření vstupů a výstupů Nejčastější technický problém není samotné volání AI, ale neošetřené vstupy. Uživatel může poslat prázdný dotaz, příliš dlouhý text nebo znaky, které rozbijí JSON. Před odesláním na API vždy zkontrolujte délku, omezte znaky a nastavte timeout. Na straně výstupu zase nevěřte tomu, že model vrátí přesně to, co jste chtěli. Pokud čekáte JSON, použijte validaci schématu a připravte fallback odpověď. Nikdy nezobrazujte surový výstup přímo do HTML bez escapování, jinak si koledujete o XSS.
Formát výstupu řešte až nakonec. Šablona s pevnými místy pro čísla a grafy udrží vzhled při každém běhu a odstraní ruční úpravy. Do šablony vkládejte hodnoty programově, ne přepisem buněk. Pokud report putuje více lidem, pojmenujte soubor tak, aby obsahoval období a datum vytvoření. Předejdete tak situaci, kdy někdo otevře starou verzi a rozhoduje se podle zastaralých dat.
Prvním krokem je oddělit přípravu dat od jejich prezentace. Data stahujte nebo načítejte do jednoho pracovního souboru, kde proběhne veškeré čištění, převody typů a dopočty. Teprve z tohoto mezivýstupu generujte výslednou tabulku, graf nebo dokument. Když se obě části smíchají, každá změna vstupu rozbije celý report a hledání chyby je zbytečně zdlouhavé. Mezivýstup zároveň slouží jako kontrolní bod – porovnáte počet řádků a součty před a po zpracování.
Pravidelné reporty z dat vznikají obvykle stejně: někdo otevře tabulku, zkopíruje nová data, přepočítá souhrny, převede výstup do pdf a pošle ho dál. Pokud se tenhle postup opakuje každý týden nebo měsíc, je jen otázkou času, kdy se stane chyba. Automatizace neznamená jen ušetřený čas, ale hlavně stejný postup při každém běhu. Začněte tím, že si sepíšete, odkud data přicházejí, v jakém formátu a co přesně má být na výstupu. Teprve pak má smysl cokoli skriptovat.
Automatizace se vyplatí zavádět postupně. Nejprve zautomatizujte jeden krok, ověřte výstup proti ručnímu výsledku a teprve pak přidejte další. Zcela bez kontroly se neobejdete – jednou za čas zkontrolujte, zda zdroj dat nezměnil strukturu a zda report stále odpovídá tomu, co má zobrazovat.
Na co se ptát před registrací a co hlídat po ní Zkontrolujte, zda bezplatný plán zahrnuje export do PDF a do formátu, který přijme váš účetní. Některé nástroje nechají fakturu vytvořit, ale stažení ve strukturovaném formátu už zpoplatní. Dále si ověřte, jak je to s uchováváním dat: kde jsou doklady uložené, zda je můžete smazat a zda nástroj nepracuje s vašimi daty pro vlastní trénink. U automatického rozpoznávání sledujte dvě věci – jak přesně čte částky a jak řeší daňové sazby. Právě tady vznikají chyby, které se pak opravují mnohem déle než ruční zápis.