[{"data":1,"prerenderedAt":710},["ShallowReactive",2],{"blog-ai-chatbot-nad-firemni-dokumentaci":3,"series-null":558,"blog-nav-articles":559},{"id":4,"title":5,"author":6,"body":7,"date":543,"description":544,"extension":545,"image":546,"meta":547,"navigation":548,"path":549,"published":548,"seo":550,"series":546,"stem":551,"tags":552,"__hash__":557},"blog\u002Fblog\u002Fai-chatbot-nad-firemni-dokumentaci.md","AI asistent nad firemními daty: jak jsme propojili Notion, Asanu a Google Drive do jednoho mozku","Jan Harsa",{"type":8,"value":9,"toc":503},"minimark",[10,14,17,20,23,26,29,34,37,40,57,60,63,67,70,75,78,99,102,105,109,112,115,118,138,142,145,148,152,155,159,162,176,179,183,186,197,201,205,208,211,215,218,221,225,228,231,235,238,241,245,335,338,342,345,351,357,363,369,372,376,411,415,418,444,447,451,454,480,483,487,490],[11,12,13],"p",{},"Prodejna s 10 zaměstnanci. Tři nástroje na řízení firmy – Notion na poznámky a interní wiki, Asana na úkoly a projekty, Google Drive na smlouvy, faktury a obecné dokumenty. Každý nástroj plní svůj účel. Problém? Nikdo neví, kde přesně hledat.",[11,15,16],{},"„Kde je ten postup pro reklamace?“ v Notionu? V Driven? Jako příloha úkolu v Asaně?",[11,18,19],{},"„Kdo má na starosti dodavatele X?“ někde v poznámkách, ale ve kterých?",[11,21,22],{},"„Jaké byly podmínky té poslední smlouvy?“ určitě v Drivu, ale ve které složce?",[11,24,25],{},"Zaměstnanci trávili v průměru hodinu denně hledáním informací, které ve firmě existovaly – jen nikdo nevěděl kde. Nováčci se orientovali týdny. Seniorní lidé fungovali jako živé encyklopedie a místo své práce odpovídali na otázky kolegů.",[11,27,28],{},"Postavili jsme AI asistenta, který propojil všechny tři nástroje do jednoho rozhraní. Zaměstnanec se zeptá česky, normální větou – a dostane odpověď s odkazem na zdroj. Žádné prohledávání složek, žádné otravování kolegů.",[30,31,33],"h2",{"id":32},"co-je-rag-a-proč-ne-obyčejné-chatgpt","Co je RAG a proč ne „obyčejné“ ChatGPT",[11,35,36],{},"Kdybychom zaměstnancům dali přístup ke ChatGPT, dostali by obecné odpovědi z internetu. Nic o jejich firmě, jejich procesech, jejich klientech.",[11,38,39],{},"RAG (Retrieval-Augmented Generation) funguje jinak. Místo toho, aby AI odpovídala „z hlavy,“ nejdřív prohledá firemní dokumenty a teprve z nich složí odpověď. Dva kroky:",[41,42,43,51],"ol",{},[44,45,46,50],"li",{},[47,48,49],"strong",{},"Retrieval"," – systém najde relevantní úseky z firemních dat",[44,52,53,56],{},[47,54,55],{},"Generation"," – jazykový model z nalezených dat sestaví srozumitelnou odpověď",[11,58,59],{},"Výsledek? AI, která zná vaši firmu. Odpovídá na základě vašich dat, ne obecných znalostí z internetu. A ke každé odpovědi přiloží odkaz na zdroj – takže si můžete ověřit, odkud informace pochází.",[11,61,62],{},"Když odpověď ve firemních datech není? Systém to řekne. Žádné vymýšlení, žádné halucinace.",[30,64,66],{"id":65},"jak-to-celé-funguje-pod-kapotou","Jak to celé funguje pod kapotou",[11,68,69],{},"Architektura systému má několik vrstev. Každá z nich řeší jiný kus problému.",[71,72,74],"h3",{"id":73},"_1-napojení-na-zdroje-dat","1. Napojení na zdroje dat",[11,76,77],{},"Prvním krokem bylo propojení se všemi třemi nástroji přes jejich API:",[79,80,81,87,93],"ul",{},[44,82,83,86],{},[47,84,85],{},"Notion API"," – stahuje stránky, databáze a jejich obsah včetně struktury (nadpisy, odrážky, tabulky)",[44,88,89,92],{},[47,90,91],{},"Asana API"," – čte úkoly, projekty, komentáře a přílohy",[44,94,95,98],{},[47,96,97],{},"Google Drive API"," – indexuje dokumenty, tabulky, prezentace i PDF soubory",[11,100,101],{},"Každý zdroj má svá specifika. Notion ukládá data v blocích, Asana má hierarchii projektů a úkolů, Google Drive obsahuje mix formátů. Pro každý nástroj jsme vytvořili konektor, který data normalizuje do jednotného formátu.",[11,103,104],{},"Synchronizace běží inkrementálně – systém neindexuje vše od nuly, ale sleduje změny. Když někdo upraví stránku v Notionu nebo přidá komentář v Asaně, změna se promítne do indexu do hodiny.",[71,106,108],{"id":107},"_2-chunking-rozřezání-dokumentů-na-kousky","2. Chunking – rozřezání dokumentů na kousky",[11,110,111],{},"Jazykové modely mají omezené kontextové okno. Nemůžeme poslat celou firemní dokumentaci najednou. Dokumenty se proto rozřežou na menší úseky – chunky.",[11,113,114],{},"Zní to jednoduše, ale chunking je jedno z nejdůležitějších rozhodnutí celého systému. Příliš malé kousky ztrácejí kontext. Příliš velké vnášejí šum a zhoršují přesnost vyhledávání.",[11,116,117],{},"Použili jsme kombinaci přístupů:",[79,119,120,126,132],{},[44,121,122,125],{},[47,123,124],{},"Rekurzivní dělení"," s velikostí 400–512 tokenů a 10–20 % přesahem mezi kousky, aby se neztratily souvislosti na hranicích",[44,127,128,131],{},[47,129,130],{},"Respektování struktury"," – chunky se neřežou uprostřed odstavce nebo tabulky",[44,133,134,137],{},[47,135,136],{},"Metadata"," – ke každému chunku přidáváme informaci o zdroji (Notion\u002FAsana\u002FDrive), autorovi, datu poslední úpravy a kategorii obsahu",[71,139,141],{"id":140},"_3-embeddingy-převod-textu-na-čísla","3. Embeddingy – převod textu na čísla",[11,143,144],{},"Každý chunk se převede na vektor – číselnou reprezentaci jeho významu. Dva texty, které mluví o podobném tématu, budou mít podobné vektory, i když používají úplně jiná slova.",[11,146,147],{},"Tohle je klíč k tomu, proč systém najde odpověď, i když se zeptáte jinak, než je to napsané v dokumentu. Hledáte „postup při stížnosti zákazníka“ a systém najde dokument nazvaný „Reklamační řád“ protože význam je podobný.",[71,149,151],{"id":150},"_4-vektorová-databáze","4. Vektorová databáze",[11,153,154],{},"Vektory se ukládají do specializované vektorové databáze (v našem případě Qdrant), která je optimalizovaná na rychlé vyhledávání podle podobnosti. Při dotazu systém najde 5–10 nejrelevantnějších chunků za milisekundy.",[71,156,158],{"id":157},"_5-hybridní-vyhledávání","5. Hybridní vyhledávání",[11,160,161],{},"Čistě sémantické vyhledávání má slabinu – špatně si poradí s přesnými názvy, kódy produktů nebo specifickými termíny. Proto kombinujeme dva přístupy:",[79,163,164,170],{},[44,165,166,169],{},[47,167,168],{},"Sémantické vyhledávání"," – hledá podle významu (ideální pro obecné dotazy)",[44,171,172,175],{},[47,173,174],{},"Klíčové vyhledávání (BM25)"," – hledá podle přesných slov (ideální pro konkrétní termíny)",[11,177,178],{},"Výsledky obou metod se sloučí a přeřadí pomocí re-rankeru – modelu, který detailně porovná relevanci každého výsledku k původnímu dotazu.",[71,180,182],{"id":181},"_6-generování-odpovědi","6. Generování odpovědi",[11,184,185],{},"Nalezené úseky se vloží jako kontext do promptu pro jazykový model. Ten dostane jasnou instrukci: odpovídej výhradně na základě poskytnutého kontextu. Pokud odpověď v kontextu není, řekni to.",[187,188,193],"pre",{"className":189,"code":191,"language":192},[190],"language-text","Uživatel: \"Jaký je postup při reklamaci?\"\n\n→ Systém najde 3 relevantní chunky z Notionu (reklamační řád)\n  a 2 úkoly z Asany (aktuální reklamační workflow)\n\n→ LLM sestaví odpověď + připojí odkazy na zdrojové dokumenty\n","text",[194,195,191],"code",{"__ignoreMap":196},"",[30,198,200],{"id":199},"co-jsme-řešili-a-co-nás-překvapilo","Co jsme řešili a co nás překvapilo",[71,202,204],{"id":203},"kvalita-dat-rozhoduje-o-všem","Kvalita dat rozhoduje o všem",[11,206,207],{},"Garbage in, garbage out. Než jsme spustili RAG, museli jsme s klientem projít existující dokumentaci. Část stránek v Notionu byla neaktuální, některé soubory v Drivu duplicitní, v Asaně chyběly popisy úkolů.",[11,209,210],{},"Investice do čištění dat se vyplatila víc než jakákoli optimalizace algoritmu. Sebelepší AI neodpoví správně, když čerpá ze zastaralých podkladů.",[71,212,214],{"id":213},"lidé-se-neumí-ptát-a-to-je-v-pořádku","Lidé se neumí ptát (a to je v pořádku)",[11,216,217],{},"„Jak to funguje?“ není otázka, na kterou AI dokáže odpovědět. Funguje co? Reklamace? Objednávky? Celá firma?",[11,219,220],{},"Přidali jsme vrstvu, která dotazy přeformuluje a upřesňuje. Systém se dovede doptat nebo nabídne možnosti: „Máte na mysli postup zpracování reklamací, nebo reklamační podmínky pro zákazníky?“",[71,222,224],{"id":223},"bezpečnost-a-přístupy","Bezpečnost a přístupy",[11,226,227],{},"Ne všichni zaměstnanci mají vidět všechno – mzdové dokumenty, smlouvy s dodavateli nebo interní hodnocení. Systém filtruje výsledky podle role uživatele. Prodavač dostane jiný rozsah odpovědí než vedoucí prodejny.",[11,229,230],{},"Metadata, která ke každému chunku přidáváme při indexaci, slouží právě k tomuto – systém ví, odkud chunk pochází a kdo k němu má přístup.",[71,232,234],{"id":233},"notion-asana-a-drive-mluví-jiným-jazykem","Notion, Asana a Drive mluví jiným jazykem",[11,236,237],{},"Každý nástroj strukturuje data jinak. Notion má bloky a databáze. Asana má projekty, úkoly a podúkoly. Google Drive má složky a soubory v desítkách formátů.",[11,239,240],{},"Jednou z výzev bylo propojení entit napříč nástroji – aby systém pochopil, že úkol „Aktualizovat ceník“ v Asaně souvisí se souborem „Ceník 2024.xlsx“ v Drivu a stránkou „Cenová politika“ v Notionu.",[30,242,244],{"id":243},"tech-stack","Tech stack",[246,247,248,261],"table",{},[249,250,251],"thead",{},[252,253,254,258],"tr",{},[255,256,257],"th",{},"Komponenta",[255,259,260],{},"Technologie",[262,263,264,275,285,295,305,315,325],"tbody",{},[252,265,266,272],{},[267,268,269],"td",{},[47,270,271],{},"LLM",[267,273,274],{},"GPT-4 Turbo (Azure OpenAI)",[252,276,277,282],{},[267,278,279],{},[47,280,281],{},"Embeddingy",[267,283,284],{},"text-embedding-3-small",[252,286,287,292],{},[267,288,289],{},[47,290,291],{},"Vektorová DB",[267,293,294],{},"Qdrant",[252,296,297,302],{},[267,298,299],{},[47,300,301],{},"Backend",[267,303,304],{},"Python + FastAPI",[252,306,307,312],{},[267,308,309],{},[47,310,311],{},"Frontend",[267,313,314],{},"React (chat rozhraní)",[252,316,317,322],{},[267,318,319],{},[47,320,321],{},"Konektory",[267,323,324],{},"Vlastní přes Notion API, Asana API, Google Drive API",[252,326,327,332],{},[267,328,329],{},[47,330,331],{},"Orchestrace",[267,333,334],{},"LlamaIndex",[11,336,337],{},"Azure OpenAI jsme zvolili kvůli GDPR – data zůstávají v evropském datacentru a neprocházejí přes americké servery.",[30,339,341],{"id":340},"jak-to-vypadá-v-praxi","Jak to vypadá v praxi",[11,343,344],{},"Pár reálných dotazů, které systém denně zpracovává:",[11,346,347,350],{},[47,348,349],{},"„Kdo je zodpovědný za objednávky u dodavatele Novák?“","\n→ Odpověď z Notionu (interní wiki) + odkaz na související úkoly v Asaně",[11,352,353,356],{},[47,354,355],{},"„Kde najdu aktuální ceník pro velkoobchodní partnery?“","\n→ Přímý odkaz na soubor v Google Drive + shrnutí klíčových podmínek z Notionu",[11,358,359,362],{},[47,360,361],{},"„Jaký je postup, když zákazník chce vrátit zboží po 14 dnech?“","\n→ Odpověď složená z reklamačního řádu (Notion) a aktuálního workflow (Asana)",[11,364,365,368],{},[47,366,367],{},"„Co jsme řešili s klientem ABC minulý měsíc?“","\n→ Souhrn z úkolů v Asaně + relevantní dokumenty z Drivu",[11,370,371],{},"Zaměstnanci systém používají přes jednoduché chatovací rozhraní – vypadá jako firemní ChatGPT, ale odpovídá na základě firemních dat.",[30,373,375],{"id":374},"výsledky-po-3-měsících","Výsledky po 3 měsících",[79,377,378,387,393,399,405],{},[44,379,380,383,384],{},[47,381,382],{},"Zhruba hodinu denně"," ušetří každý zaměstnanec na hledání informací – to je u 10 lidí ",[47,385,386],{},"50 hodin týdně",[44,388,389,392],{},[47,390,391],{},"Noví zaměstnanci se orientují za dny",", ne za týdny – asistent funguje jako neúnavný mentor, který odpoví na jakýkoli dotaz",[44,394,395,398],{},[47,396,397],{},"Seniorní lidé se vrátili ke své práci"," – místo odpovídání na opakující se otázky kolegů řeší to, co přináší hodnotu",[44,400,401,404],{},[47,402,403],{},"85 % dotazů"," systém zodpoví bez nutnosti eskalace na člověka",[44,406,407,410],{},[47,408,409],{},"Citace zdrojů"," budují důvěru – zaměstnanci si ověřují odpovědi a vědí, že AI „nevymýšlí“",[30,412,414],{"id":413},"kdy-rag-dává-smysl","Kdy RAG dává smysl",[11,416,417],{},"RAG není pro každého. Dává smysl, když:",[79,419,420,426,432,438],{},[44,421,422,425],{},[47,423,424],{},"Máte data roztříštěná ve více nástrojích"," – a lidé tráví čas hledáním místo prací",[44,427,428,431],{},[47,429,430],{},"Zaměstnanci opakovaně řeší stejné dotazy"," – a seniorní lidé fungují jako živé FAQ",[44,433,434,437],{},[47,435,436],{},"Onboarding nových lidí trvá dlouho"," – protože „vědění“ je v hlavách, ne v systému",[44,439,440,443],{},[47,441,442],{},"Vaše dokumentace existuje, ale nikdo v ní nehledá"," – protože je to zdlouhavé a nepřehledné",[11,445,446],{},"Nepotřebujete tisíce dokumentů. Stačí desítky, pokud jsou aktuální a dobře strukturované. Důležitý je přínos – kolik času váš tým ušetří, když odpověď přijde za 5 sekund místo za 20 minut hledání.",[30,448,450],{"id":449},"co-je-potřeba-k-rozjezdu","Co je potřeba k rozjezdu",[11,452,453],{},"Typický projekt tohoto typu zabere 3–5 týdnů:",[41,455,456,462,468,474],{},[44,457,458,461],{},[47,459,460],{},"Týden 1"," – Zmapování datových zdrojů, audit kvality dokumentace, nastavení přístupů",[44,463,464,467],{},[47,465,466],{},"Týden 2–3"," – Napojení konektorů, indexace dat, nastavení chunkingu a embeddingů",[44,469,470,473],{},[47,471,472],{},"Týden 3–4"," – Ladění vyhledávání, testování s reálnými dotazy, prompt engineering",[44,475,476,479],{},[47,477,478],{},"Týden 4–5"," – Nasazení, zaškolení týmu, sběr zpětné vazby a doladění",[11,481,482],{},"Nejdůležitější část? Ten první týden. Kvalita dat rozhoduje o úspěchu víc než volba konkrétní technologie.",[30,484,486],{"id":485},"chcete-podobného-asistenta","Chcete podobného asistenta?",[11,488,489],{},"Pokud vaši lidé tráví čas hledáním informací místo prací, pravděpodobně řešíte stejný problém. Nezáleží na tom, jestli používáte Notion, Confluence, SharePoint nebo Excel na sdíleném disku – princip je vždy stejný.",[11,491,492,497,498,502],{},[493,494,496],"a",{"href":495},"\u002Fkontakt","Ozvěte se nám"," – na krátkém hovoru zjistíme, jestli to pro vás dává smysl a jak by to mohlo vypadat. Víc o tom, jak stavíme RAG asistenty a další AI řešení, najdete na stránce ",[493,499,501],{"href":500},"\u002Fsluzby\u002Fai-automatizace","AI & Automatizace",".",{"title":196,"searchDepth":504,"depth":504,"links":505},2,[506,508,523,534,535,537,539,540,542],{"id":32,"depth":504,"text":507},"Co je RAG a proč ne „obyčejné\" ChatGPT",{"id":65,"depth":504,"text":66,"children":509},[510,513,515,517,519,521],{"id":73,"depth":511,"text":512},3,"1. Napojení na zdroje dat",{"id":107,"depth":511,"text":514},"2. Chunking – rozřezání dokumentů na kousky",{"id":140,"depth":511,"text":516},"3. Embeddingy – převod textu na čísla",{"id":150,"depth":511,"text":518},"4. Vektorová databáze",{"id":157,"depth":511,"text":520},"5. Hybridní vyhledávání",{"id":181,"depth":511,"text":522},"6. Generování odpovědi",{"id":199,"depth":504,"text":524,"children":525},"Co jsme řešili a co nás překvapilo",[526,528,530,532],{"id":203,"depth":511,"text":527},"Kvalita dat rozhoduje o všem",{"id":213,"depth":511,"text":529},"Lidé se neumí ptát (a to je v pořádku)",{"id":223,"depth":511,"text":531},"Bezpečnost a přístupy",{"id":233,"depth":511,"text":533},"Notion, Asana a Drive mluví jiným jazykem",{"id":243,"depth":504,"text":244},{"id":340,"depth":504,"text":536},"Jak to vypadá v praxi",{"id":374,"depth":504,"text":538},"Výsledky po 3 měsících",{"id":413,"depth":504,"text":414},{"id":449,"depth":504,"text":541},"Co je potřeba k rozjezdu",{"id":485,"depth":504,"text":486},"2024-10-15","Prodejna s 10 zaměstnanci měla znalosti roztříštěné ve třech nástrojích. Postavili jsme RAG systém, který je propojil do jednoho chytrého asistenta. Takhle to vypadalo.","md",null,{},true,"\u002Fblog\u002Fai-chatbot-nad-firemni-dokumentaci",{"title":5,"description":544},"blog\u002Fai-chatbot-nad-firemni-dokumentaci",[553,554,271,555,556],"AI","RAG","případová studie","automatizace","ecUc-PdLtOp_vHyFuejgR-9Q-WZvuUxi5teBTMp4iXQ",[],[560,567,569,577,586,595,602,609,619,626,634,643,651,658,665,674,683,693,700],{"path":561,"title":562,"description":563,"date":564,"tags":565,"image":546,"published":548},"\u002Fblog\u002Fautomaticke-zpracovani-faktur-ocr","Automatické zpracování faktur: OCR + AI v praxi","Jak jsme snížili čas na zpracování faktury z 5 minut na 30 sekund. Technické detaily OCR řešení.","2024-07-22",[566,553,556,555],"OCR",{"path":549,"title":5,"description":544,"date":543,"tags":568,"image":546,"published":548},[553,554,271,555,556],{"path":570,"title":571,"description":572,"date":573,"tags":574,"image":576,"published":548},"\u002Fblog\u002Fvitejte-na-blogu","Vítejte na blogu Haxo.cz","Spouštíme blog, kde budeme sdílet praktické zkušenosti z našich projektů, tipy pro automatizaci a novinky ze světa AI.","2025-01-16",[575,556,553],"novinky","\u002Fimages\u002Fblog\u002Fcervena-sit.webp",{"path":578,"title":579,"description":580,"date":581,"tags":582,"image":585,"published":548},"\u002Fblog\u002F5-veci-pred-automatizaci","5 věcí, které byste měli vědět, než začnete automatizovat","Automatizace není všelék. Na co si dát pozor, abyste neskončili s drahým systémem, který nikdo nepoužívá – a jak místo toho ušetřit reálné peníze.","2025-06-10",[556,583,584],"strategie","tipy","\u002Fimages\u002Fblog\u002F5-veci-pred-automatizaci.webp",{"path":587,"title":588,"description":589,"date":590,"tags":591,"image":546,"published":594},"\u002Fblog\u002Fjak-jsme-automatizovali-zpracovani-objednavek","Jak jsme automatizovali zpracování objednávek pro e-shop","Případová studie: Z 2 hodin denně na 5 minut. Propojení Shoptetu s ERP systémem pomocí n8n.","2025-11-28",[556,592,593,555],"n8n","e-commerce",false,{"path":596,"title":597,"description":598,"date":599,"tags":600,"image":546,"published":548},"\u002Fblog\u002Fautomatizace-v-praxi-mapovani-procesu","Automatizace v praxi: Kde začít a jak mapovat procesy","První díl seriálu o automatizaci. Než začnete automatizovat, potřebujete vědět co. Ukážeme, jak zmapovat firemní procesy a najít ty, které se vyplatí automatizovat jako první.","2026-02-15",[556,601,592],"procesy",{"path":603,"title":604,"description":605,"date":606,"tags":607,"image":546,"published":548},"\u002Fblog\u002Fautomatizace-v-praxi-vyber-nastroju","Automatizace v praxi: Výběr správného nástroje","Druhý díl seriálu. n8n, Make, Zapier nebo vlastní kód? Porovnáváme nástroje pro automatizaci a radíme, jak si vybrat podle velikosti firmy a typu procesů.","2026-03-01",[556,592,608],"nástroje",{"path":610,"title":611,"description":612,"date":613,"tags":614,"image":546,"published":548},"\u002Fblog\u002Fkdy-se-vyplati-zakazkovy-system","Kdy se vyplatí zakázkový systém a kdy stačí hotové řešení","Build vs. buy: tvrdá data o nákladech, skryté pasti SaaS i vlastního vývoje a praktický framework pro rozhodování.","2026-03-12",[615,583,616,617,618],"vývoj","rozhodování","SaaS","TCO",{"path":620,"title":621,"description":622,"date":623,"tags":624,"image":546,"published":548},"\u002Fblog\u002Fautomatizace-v-praxi-prvni-workflow","Automatizace v praxi: První workflow krok za krokem","Třetí díl seriálu. Praktický návod na vytvoření první automatizace v n8n – od instalace po fungující workflow, který propojí e-mail, tabulku a Slack.","2026-03-26",[556,592,625],"návod",{"path":627,"title":628,"description":629,"date":630,"tags":631,"image":546,"published":548},"\u002Fblog\u002Fsubagenti-v-claude-code","Subagenti v Claude Code: jak z AI asistenta udělat celý tým","Claude Code umí delegovat práci na subagenty – izolované instance, které pracují paralelně a nezahlcují kontext. Praktický průvodce s příklady, kdy je použít a kdy ne.","2026-04-10",[553,632,633,556,608,584],"Claude","Claude Code",{"path":635,"title":636,"description":637,"date":638,"tags":639,"image":546,"published":548},"\u002Fblog\u002Fjak-se-pripravit-na-ai-kyberutoky","Jak se bránit AI útokům a zůstat v bezpečí","AI zkracuje čas od objevení zranitelnosti k jejímu zneužití. Čísla v roce 2026 ukazují, že většina firem to ještě neřeší. Pět konkrétních kroků, které dávají smysl i pro menší organizace.","2026-04-17",[553,640,641,556,642],"bezpečnost","kyberbezpečnost","doporučení",{"path":644,"title":645,"description":646,"date":647,"tags":648,"image":546,"published":548},"\u002Fblog\u002Fclaude-mythos-model-ktery-anthropic-zamkl","Claude Mythos: Model tak silný, že ho Anthropic raději zamkl. Za dva týdny unikl přístup","Claude Mythos našel 271 zranitelností ve Firefoxu během jednoho průchodu. Pak z něj unikl přístup. Týden, který přepsal pravidla hry ve vulnerability managementu.","2026-04-24",[553,640,641,649,650],"Anthropic","vulnerability management",{"path":652,"title":653,"description":654,"date":655,"tags":656,"image":546,"published":548},"\u002Fblog\u002Fjak-bezpecne-dat-ai-agentovi-pristup","Než dáte AI agentovi přístup k e-mailu: 5 pravidel, která vás ochrání","AI agenti dnes umí číst poštu, kalendář i dokumenty a sami konat. Útočníci toho začali zneužívat skrz skryté instrukce na webu. Praktický návod, jak agentovi nastavit přístup, aby vám neuškodil.","2026-05-15",[553,640,657,556,625],"AI agenti",{"path":659,"title":660,"description":661,"date":662,"tags":663,"image":546,"published":548},"\u002Fblog\u002Fanthropic-preskocil-openai-opus-4-8","Anthropic přeskočil OpenAI. A nejlepší vlastnost nového Claude není rychlost","Za jediný týden Anthropic vydal Opus 4.8, pozvedl 65 miliard dolarů a stal se nejhodnotnější AI firmou světa. Co z toho je marketing a co skutečně mění práci s AI ve firmě.","2026-06-01",[553,632,649,664,556,575],"OpenAI",{"path":666,"title":667,"description":668,"date":669,"tags":670,"image":546,"published":548},"\u002Fblog\u002Fclaude-fable-5-zakaz-americke-vlady","Claude Fable 5: nejvýkonnější AI pro veřejnost vydržela tři dny. Pak ji zakázala americká vláda","Anthropic 9. června vydal Fable 5, svůj nejsilnější veřejný model. O tři dny později ho na příkaz americké vlády musel vypnout všem. Co se stalo a proč to dopadlo i na české firmy.","2026-06-15",[553,632,649,671,672,673,575],"regulace","export controls","Pentagon",{"path":675,"title":676,"description":677,"date":678,"tags":679,"image":546,"published":548},"\u002Fblog\u002Fkonec-zavislosti-na-jednom-ai-modelu","Microsoft se rozvádí s OpenAI. A je to varování i pro vaši firmu","V červnu Microsoft vydal vlastní modely, aby nepotřeboval OpenAI. Google chrlí novou generaci, SpaceX koupil Cursor za 60 miliard. Co mají tyhle zprávy společného a proč by vás měly zajímat, i když nejste Microsoft.","2026-06-25",[553,680,664,681,583,682,575],"Microsoft","Google","vendor lock-in",{"path":684,"title":685,"description":686,"date":687,"tags":688,"image":546,"published":548},"\u002Fblog\u002Fkdo-smi-cist-vas-web-cloudflare-ai-boti","Cizí AI čte váš web a odpovídá místo vás. Poprvé s tím můžete něco udělat","Cloudflare na začátku července rozdělil AI boty na tři druhy – vyhledávání, agenty a trénink – a dal majitelům webů vypínač ke každému zvlášť. Od 15. září navíc mění výchozí nastavení. Proč se nad tím zamyslet, i když nejste velké médium.","2026-07-08",[553,689,690,691,692,575],"Cloudflare","web","SEO","obsah",{"path":694,"title":695,"description":696,"date":697,"tags":698,"image":546,"published":548},"\u002Fblog\u002Fnovy-claude-ovlada-pocitac-sam","Nový Claude ovládá počítač sám – a za zlomek ceny. Brzdou automatizace už není technologie","Anthropic na konci června vydal Claude Sonnet 5 – model, který sám používá prohlížeč i terminál na úrovni blízké špičkovému Opusu, ale za zhruba dvě pětiny ceny. Vysvětlujeme, proč tím nejdražším na automatizaci přestává být AI.","2026-07-15",[553,632,649,556,699,575],"agenti",{"path":701,"title":702,"description":703,"date":704,"tags":705,"image":546,"published":548},"\u002Fblog\u002Fvas-chatbot-musi-priznat-ze-je-ai","Váš chatbot musí přiznat, že je AI. AI Act se odložil, tahle povinnost ne","Začátkem srpna měla platit nejpřísnější část AI Actu. Brusel ji týden předtím odsunul o šestnáct měsíců – ale pravidla transparentnosti z odkladu vypadla a platí od 2. srpna. Týkají se skoro každé firmy, která má na webu chatbota.","2026-08-28",[553,671,706,707,708,709,575],"AI Act","EU","chatboti","compliance",1787924858747]