Krásné páteční odpoledne,
když se tak koukám v posledních měsících kolem sebe, tak mám pocit, že spousta lidí dnes používá AI stylem “napíšu jednu větu, vezmu výsledek a mám hotovo”.
Jako… Chápu to. Je to rychlé, často to stačí a v porovnání s googlením je to někdy až podezřele pohodlné.
Jenže tím si podle mě necháváme na stole tu největší část hodnoty, kterou nám AI nástroje mohou poskytnout.
AI totiž není jen odpovídač. Je to parťák, kterému můžeš dát kontext, nechat ho doptat se, přinutit ho porovnat varianty, zkontrolovat slabá místa, převést výsledek do formátu, který opravdu použiješ. A hlavně ho můžeš nechat pracovat ve více krocích, ne v jednom výstřelu.
Právě to je ta myšlenka, která mě přivedla k tomu, že od ledna dělám návody pro předplatitele. Ne aby sis přečetl(a) další seznam promptů. Ale aby sis postupně postavil(a) vlastní “pracovní postupy” s AI. Takové, které ti reálně ušetří čas nebo zvednou kvalitu výstupu. Třeba když připravuješ podklady pro schůzku, píšeš nabídku, plánuješ projekt, shrnuješ feedback od zákazníků, nebo když chceš z chaosu udělat konkrétní kroky. V těchto situacích většinou nevyhraje ten, kdo napíše nejchytřejší prompt. Vyhraje ten, kdo umí AI vést.
A teď otázka na tebe, protože tohle je pro mě důležité. Jak používáš AI ty? Kde ti dnes nejvíc pomáhá a kde naopak cítíš, že by to mohlo být lepší, ale zatím nevíš jak? Je to psaní, analýza, rešerše, práce s dokumenty, komunikace v týmu, plánování, obchod, marketing, tvorba obsahu na sociální sítě (texty, obrázky nebo video?) nebo něco úplně jiného? A kdyby sis měl vybrat jeden typ návodu, který by ti opravdu zvedl produktivitu v práci, co by to bylo?
Napiš mi to prosím.
Klidně do komentářů na Substacku nebo v odpovědi na email (podle toho, kde 5 tipů od Petra čteš).
Čím konkrétnější, tím líp. Rád bych se odpověďmi čtenářů 5 tipů od Petra inspiroval, aby další obsah do sekce s návody, aby byl pro vás užitečný a říkali jste si u něj: “Jo, přesně tohle potřebuju vyřešit.”
Díky moc!
A teď už pojďme na novinky. Zase se totiž urodilo :-)
Chat GPT 5.4 alias “extrémní reasoning“ je venku
Nový model GPT 5.4 Thinking už je dostupný. OpenAI ho začal nasazovat 5. března 2026 do ChatGPT pro Plus, Team a Pro a v model pickeru tím nahrazuje GPT 5.2 Thinking. Starší 5.2 Thinking má ještě běžet v “Legacy Models“ do 5. června 2026.
No a co ChatGPT 5.4 přináší? Má režim “extreme reasoning“, tedy schopnost věnovat složitým úlohám víc výpočetního času a udržet si kontext i přes mnoho kroků. Pointa byla jednoduchá: delší práce bez toho, aby se model po cestě ztratil, zapomněl pravidla, nebo se utavil na detailech. Tomu nahrává i kontextové okno, které má v API rozsah až 1 milion tokenů.
OpenAI ho popisuje jako model pro těžkou, reálnou práci. Lepší práce s dokumenty a výzkumem, lepší tabulky, přesnější následování instrukcí a hlavně delší soustředění na úlohy, které nejsou hotové za dvě minuty.
Co je na něm zajímavé z pohledu produktivity a automatizací?
Jak jsem naznačil výše, umí si “pamatovat“ obří objem kontextu (až stovky stran textu nebo velké kusy kódu v jednom záběru), takže s ním zvládneš dlouhé projekty bez neustálého připomínání, “co jsme to vlastně řešili“.
u náročnějších úkolů raději pár sekund přemýšlí navíc, ale méně halucinuje a lépe plánuje kroky. Takže se dobře hodí na strategie, komplexní návody nebo návrhy workflow.
Je navržený “pro agenty“: v API umí sám používat nástroje a dokonce ovládat počítač (klikání v prohlížeči, vyplňování formulářů, práce v interním systému), takže se z něj dá postavit agent, který nejen odpovídá, ale třeba ti připraví reporty v Google Sheetu nebo nahraje obsah do CMS.
Jak z toho vytěžit maximum hned dnes? Zadávej práci víc “projektově“. Napiš cílový výstup, omezení a kontrolní body, třeba jak má vypadat finální tabulka, dokument, nebo plán. A pak ho nech průběžně shrnovat, co už udělal a co ještě zbývá. 5.4 Thinking je stavěný tak, aby si líp hlídal postup a nemusel ses k důležitým detailům pořád vracet.
Nový video návod: vibecoding a jednoduchá landing page
Tento týden jsem pro předplatitele vydal video návod, ve kterém ukazuju vibecoding v praxi. Je to trend posledních týdnů a v jádru jde o jednoduchou věc: místo toho, abys týdny studoval kód nebo platil vývojáře, naučíš se přesně popsat, co chceš postavit, a AI ti s tím pomůže (teda, systém na řízení letového provozu s tím takhle jednoduše nepostavíš, ale třeba přihlašovací stránku na webinář zvládneš úplně v klidu).
V návodu spolu vygenerujeme jednoduchou HTML stránku, klasickou landing page, která má představit službu nebo nabídku. Konkrétně je to ukázka pro propagaci vyhlídkových letů, takže to není žádná abstraktní teorie, ale něco, co si hned umíš představit a případně použít/upravit pro sebe.
Pokud máš vlastní službu, kurz, event, nebo jen potřebuješ rychle otestovat nápad, tohle je podle mého návod, který budeš moci prakticky hned využít. Já ho třeba vyzkoušel pro svůj online kurz/webinář Začněte tvořit AI videa.
Duvo - AI kolega, který maká
Duvo se snaží řešit docela obyčejný problém: ve firmách je pořád hromada práce, která se tváří digitálně, ale ve skutečnosti je to ruční přepisování mezi systémy, e maily, portály dodavatelů a tabulkami. Duvo to bere jako “AI workforce“: dáš mu úkol normálně lidsky a on ho pak provede napříč nástroji. Jako někdo, kdo opravdu udělá kroky, které by jinak dělal člověk.
Praktické využití má tento nástroj například v operativě v retailu a dodavatelských řetězcích, kde je spousta výjimek a malých rozhodnutí. Třeba dohledat, proč nesedí faktura, zkontrolovat změny v objednávkách, urgovat chybějící potvrzení od dodavatelů, vytáhnout data z jednoho systému a propsat je do druhého. Duvo zdůrazňuje, že jeho řešení má být nasaditelné rychle a s kontrolou, kdo co může udělat a co musí projít schválením - a to je přesně ten detail, na kterém podobné automatizace často padají.
Zajímavé je i to, kdo za tím stojí. Duvo nedávno oznámilo investici 15 milionů dolarů a ve spojení s projektem se objevuje i Tomáš Čupr, kterého asi většina z nás zná (nejen) z Rohlíku. To samo o sobě nic negarantuje, ale naznačuje to ambici postavit něco, co má šanci přežít první nadšení z AI a opravdu se bude používat v praxi.
Jestli si to chceš přeložit do “co s tím u nás“, vyber si jeden proces, který teď lidi nesnáší, protože je to pořád dokola a stejně to nejde dělat úplně bez přemýšlení. Ideálně něco, co se opakuje denně, má jasný výsledek a pár míst, kde musí být lidské schválení. Přesně na tomhle typu práce podobných AI “kolegů“ dávají největší smysl, protože ušetří rutinu, ale kontrolu ti nevezmou.
Jak poznat, že AI ve škole či ve studiu fakt pomáhá a ne jen zrychluje domácí úkoly
Využití/spolupráce/podvádění s AI ve vzdělávání řeší skoro každý, kdo v této oblasti působí.
Ve finále nejde o to, jestli student s AI napíše esej rychleji, ale jestli se díky tomu opravdu něco naučí a pamatuje si to (nebo to umí využít) i za měsíc nebo za půl roku.
V článku, který vyšel na webu OpenAI se popisuje, že dnešní výzkum často sleduje jen úzké signály typu testové skóre, a tím nám uniká to hlavní: jak se mění návyky, motivace a schopnost přemýšlet, když má člověk po ruce “nápovědu na zavolání“.
Jako odpověď OpenAI představuje Learning Outcomes Measurement Suite, rámec pro dlouhodobé měření dopadů AI na učení. V praxi má kombinovat pohled na chování modelu, reakce studenta a měřitelné kognitivní výsledky v čase. Tedy nejen co student odevzdal, ale jak probíhala práce, jestli si uměl říct o nápovědu, jestli opravoval chyby, jestli vydržel u těžkého problému a podobně. Součástí mají být i klasifikátory “learning moments“, hodnoticí stupně a standardizované nástroje na měření věcí jako kritické myšlení, kreativita nebo paměť.
V článku je zmíněna i randomizovanou studii s víc než 300 vysokoškoláky, kde porovnávali varianty “studijního módu“ proti skupině bez AI. Výsledky nebyly všude stejné, ale u mikroekonomie popisují zhruba 15 procentní zlepšení skóre u skupiny se “studijním módem” (tedy s využívání AI) oproti kontrolní skupině. A hlavně otevřeně říkají, že klíčová otázka je trvanlivost efektu, ne jednorázový výkon.
Co si z toho vzít do praxe, ať už jsi rodič, učitel nebo manažer ve firmě, co školí lidi? Přestaň hodnotit jen výsledek a začni se ptát na proces. Nech si od AI vygenerovat “správnou odpověď“ je snadné, ale lepší je nastavit si pravidlo: AI má klást kontrolní otázky, nutit tě vysvětlit postup vlastními slovy a na konci udělat krátké opakování bez nápovědy. Pokud se ti tohle daří, je slušná šance, že AI nepoužíváš jako berličku, ale jako trenažér.
Vidmuse: AI pomocník pro tvorbu hudebních videí
Služba Vidmuse se prezentuje jako AI music video agent, který vezme odkaz z nástroje Suno (generuje se v něm AI hudba) nebo MP3 a během chvilky z toho udělá video ve zvoleném stylu. Na webu tě rovnou navede, ať začneš krátkým klipem 30 až 60 sekund, vybereš formát (třeba 16:9) a rozlišení, a jdeš generovat.
Z pohledu schopností je Vidmuse spíš rozcestník a produkční asistent v jednom. V placených tarifech slibuje přístup k více modelům napříč textem, obrazem, videem i zvukem, a zmiňuje konkrétně třeba Kling, Veo, Sora, Midjourney nebo Suno. Free varianta je na rychlé osahání, má 720p s vodoznakem, Pro přidává 1080p a odstranění vodoznaku. Placené využívání běží klasicky na kreditovém systému.
Pokud chceš “one stop shop“ na rychlé hudební video, Vidmuse může být fajn právě tím, že kombinuje víc modelů pod jednou střechou a tlačí tě do jednoduchého workflow.
Na to je Vidmuse prima a ušetří ti to čas.
Když ale řešíš obecnou video tvorbu a postprodukci a potřebuješ větší kontrolu nad videem a konzistentní workflow, často dává větší smysl jít rovnou do AI generátorů typu Kling, Veo apod. Tak jako u klasické AI video produkce.
OpenAI si prý chystá vlastní GitHub, a není to jen ego trip
Podle The Information OpenAI pracuje na interní alternativě ke GitHubu. Spouštěčem měly být častější výpadky, kdy GitHub na minuty až hodiny znemožnil týmům dělat změny v kódu a spolupracovat. Projekt je zatím v rané fázi a s jeho dokončením se počítá spíš v řádu měsíců než týdnů
Podle článku se uvnitř OpenAI bavili i o možnosti nabídnout tuhle platformu později zákazníkům jako produkt. Což je celkem vtipné, protože pokud by se to opravdu stalo, OpenAI by tím začal přímo konkurovat Microsoftu, který GitHub vlastní a současně je jedním z klíčových investorů a partnerů OpenAI. Vznikla by tak zajímavá schizofrenie “občas partner a občas soupeř”.
Pro firmy a podnikatele z toho plyne další potvrzení celkem praktické věci: i když miluješ jednu platformu, je zdravé mít plán B pro hlavní nástroje vývoje (a neplatí to jen pro vývoj, ale pro většinou věcí ve firmě). Minimálně pravidelné zálohy, jasně popsaný postup pro práci offline (když služba spadne), a rozumně nastavené mirroring řešení pro kritické repozitáře. Není to sexy, ale ve chvíli, kdy se “něco” pokazí, se to zatraceně hodí. Kdo z nás už někdy v práci zbytečně “nestál”? :-)
Děkuji ti za přečtení tohoto vydání 5 tipů od Petra!
Pokud se ti novinky ze světa AI líbily, prosím, doporuč 5 tipů od Petra svým kamarádům přes toto tlačítko:
Aktuálně GEMINI pro osobní potřeby (loni touto dobou za tímto účelem ChatGPT) a CLAUDE pro pracovní (loni touto dobou COPILOT).
Každý však používám úplně jinak. GEMINI jako takovou "polonáhradu klasického googlování, jako "parťáka, co poradí, jak se co jmenuje, co mi porovná dva výrobky, jak co udělám, jak se kam dostanu". Naopak CLAUDA čistě profesně za IT účely (pomoc s dokumentací, výroba draftových funkčních ukázek, jednoduché scripty, Claude API apod.).
Asi nejvíc času trávím v Github Copilot CLI, kde přepínám mezi gpt-5-mini a sonnetem. Přes MCP a přímou manipulaci se soubory pracuju s Obsidianem, Figmou a Chromem – píšu, učím, designuju a vedu produkt, takže toho moc nepotřebuju.
Občas otevřu VS Code a něco „naprogramuju“. Ve VSC mám vedle GH Copilota i Gemini. V prohlížeči mám permanentně otevřený ChatGPT, Perplexity, Gemini, Claude a Grok pro rešerše a podporu uvažování.
Pro citlivější věci mi na počítači běží Ollama s lokálními modely. Hrál jsem si s OpenClaw na virtuálu, ale nebavil mě.
Teď se chystám věnovat víc agentům a automatizačnímu workflow s API. Tak kdybys k tomu něco měl, podíval bych se.