25 promptů zdarma

Měření přínosu a ekonomika

Kontrola vzorkem

Kontrola vzorkem je způsob ověřování výstupů AI, kdy místo kontroly všeho pravidelně projdete náhodně vybranou část. Hodí se pro opakované úlohy a agenty, které se už osvědčily.

Proč to manažera zajímá

Kontrolovat každý výstup je u stovek položek denně nereálné a lidé to po čase přestanou dělat pořádně. Nekontrolovat nic je riziko, protože výstup AI se mezi běhy může lišit. Kontrola vzorkem je střední cesta, kterou firmy znají z kontroly kvality ve výrobě: odhalí, když se kvalita začne zhoršovat, a stojí zlomek času.

Jak to vypadá v praxi

Nová naplánovaná úloha třídí reklamace podle důvodu. První dva až tři běhy čte vedoucí péče celé a ladí zadání. Pak přejde na vzorek: každý týden zkontroluje deset náhodně vybraných zařazení a zapíše, kolik bylo špatně. Když chybovost stoupne, vrátí se ke kontrole všeho a hledá příčinu. Stejně radí průvodce bezpečným delegováním: první týdny procházejte vše, pak vzorky. Víc v článku Naplánované úlohy v Claude.

Na co si dát pozor

  • Vzorek musí být náhodný. Kontrolovat jen první položky nebo ty, které „vypadají divně“, zkresluje.
  • Nevratné kroky vzorkem nekontrolujte. Tam patří člověk ve smyčce u každého případu.

Podrobně v článku

Související pojmy

  • Kontrolní bod

    Kontrolní bod je předem určené místo v postupu, kde AI agent zastaví a čeká, až člověk zkontroluje výsledek a schválí další krok. Určuje se už při zadání úlohy, ne až když se něco pokazí.

  • Člověk ve smyčce

    Člověk ve smyčce je princip, podle kterého AI práci připraví, ale nevratné nebo rizikové kroky, jako odeslání, platbu nebo smazání, potvrzuje člověk. Je základem bezpečného delegování na agenty.

  • Naplánované úlohy

    Naplánované úlohy jsou uložená zadání, která Claude spouští automaticky v pravidelném rytmu nebo na vyžádání, i když je počítač zavřený. Typicky ranní přehled, monitoring konkurence nebo týdenní report.

  • Spolehlivost agenta

    Spolehlivost agenta je podíl úloh, které AI agent dokončí správně bez zásahu člověka, měřený na vzorku skutečných výstupů spolu s typem chyb a náklady na jejich opravu.

  • Kvalita a chybovost výstupu

    Kvalita a chybovost výstupu je druhá metrika přínosu AI vedle času – podíl výstupů, které prošly bez opravy, a záznam, jaké typy chyb se v ostatních objevily.

  • Augmentace vs. automatizace

    Augmentace vs. automatizace jsou dva způsoby práce s AI. Augmentace rozšiřuje schopnosti člověka (AI připraví, člověk rozhodne), automatizace nahrazuje celou činnost, která pak běží bez zásahu člověka.

Kde to učíme

V kurzu Masterclass: Claude pro byznys na to navazuje modul 7: Agenti a workflow. Na reálných úlohách z vaší firmy, česky a bez technického zázemí.

Prohlédnout moduly kurzu