V posledních měsících se v AI komunitě začíná stále častěji objevovat nový pojem: loop engineering.
Možná to zní jako další technický buzzword. Ale ve skutečnosti popisuje něco, k čemu se postupně dostává každý, kdo s AI nechce jen chatovat, ale chce ji začít používat jako skutečného pracovního pomocníka.
Už nejde jen o to napsat lepší prompt.
Jde o to navrhnout smyčku, ve které AI agent dokáže opakovaně pracovat, kontrolovat výsledek, používat nástroje a pokračovat, dokud není úkol hotový.
A právě tohle je téma, které podle nás bude v následujících měsících hodně důležité i pro firmy, podnikatele a všechny, kdo chtějí s AI pracovat prakticky.
Od promptů ke smyčkám
Když většina lidí začínala s ChatGPT, řešila hlavně prompty.
- Jak se správně zeptat?
- Jak nastavit roli?
- Jak modelu vysvětlit kontext?
- Jak dostat výstup ve správném formátu?
To byla první fáze. A pořád je důležitá.
Jenže jakmile začnete AI používat pravidelně, rychle zjistíte, že samotný prompt nestačí.
- Nechcete se AI pořád ptát ručně na totéž.
- Nechcete každý den kopírovat stejná data.
- Nechcete znovu a znovu vysvětlovat stejný proces.
- Nechcete jen odpověď. Chcete hotovou práci, kontrolu nebo doporučení dalšího kroku.
A tady přichází loop engineering.
Co znamená loop engineering jednoduše
Loop engineering znamená navrhování pracovních smyček pro AI agenty.
Místo toho, abyste AI napsali jeden dotaz a čekali jednu odpověď, nastavíte proces:
- AI dostane vstup.
- Vyhodnotí situaci.
- Provede další krok.
- Zkontroluje výsledek.
- Rozhodne, jestli pokračovat, opravit výstup, nebo skončit.
To celé se opakuje, dokud není splněný cíl nebo dokud agent nenarazí na hranici, kterou jste mu nastavili.
Zjednodušeně: prompt je zadání. Smyčka je pracovní systém. A to je obrovský rozdíl.
Proč je to důležité právě teď
Doteď jsme se většinou učili, jak AI správně používat v jednotlivých úkolech. Napsat e-mail, shrnout dokument, připravit osnovu článku, vymyslet marketingovou kampaň, analyzovat tabulku, přeložit text, navrhnout odpověď zákazníkovi.
To všechno je užitečné.
Ale ve firmách je spousta práce, která se neopakuje jednou, ale pořád dokola.
- Každé ráno kontrolujete nové e-maily.
- Každý týden připravujete report.
- Každý měsíc vyhodnocujete kampaně.
- Průběžně sledujete poptávky.
- Opakovaně kontrolujete CRM.
- Pořád dokola shrnujete porady, úkoly, dokumenty nebo zpětnou vazbu od zákazníků.
A právě tyhle opakované činnosti jsou ideální kandidáti na AI smyčky.
Rozdíl mezi prompt, context a loop engineeringem
Tyto tři pojmy se navzájem neruší. Spíš na sebe navazují.
Prompt engineering je schopnost dobře zadat úkol. Například: „Napiš mi obchodní e-mail pro potenciálního zákazníka, který projevil zájem o školení AI pro firmu. Tón má být profesionální, ale neformální.“ Tady řešíme hlavně kvalitu instrukce.
Context engineering už neřeší jen samotné zadání, ale informace, které AI dostane k dispozici. Například: „Tady je profil zákazníka, historie komunikace, nabídka našich služeb, ceník a poznámky z posledního hovoru. Připrav návrh dalšího kroku.“ Tady řešíme, co všechno AI potřebuje vědět, aby mohla odpovědět dobře.
Loop engineering už nastavuje celý proces. Například: „Každé ráno projdi nové poptávky, rozděl je podle priority, připrav návrh odpovědi, označ rizikové případy a pošli obchodnímu týmu souhrn.“ Tady už AI nedává jen jednu odpověď. Tady pracuje v opakované smyčce.
Jak vypadá jednoduchá AI smyčka ve firmě
Představte si třeba obchodní tým.
Dnes může člověk každé ráno otevřít e-mail, CRM, formuláře z webu a tabulku s leady. Ručně projde nové poptávky, vyhodnotí, co je důležité, někomu odpoví, něco deleguje a něco si nechá na později.
AI smyčka by mohla vypadat takto:
- Každé ráno se spustí kontrola nových poptávek.
- AI projde nové záznamy.
- Rozdělí je podle priority.
- Připraví návrh dalšího kroku.
- Označí případy, kde chybí důležité informace.
- Vytvoří krátký souhrn pro obchodní tým.
- U citlivých nebo drahých poptávek požádá člověka o rozhodnutí.
Důležité je, že AI nemusí hned všechno automaticky posílat nebo měnit. Na začátku může jen připravovat podklady. To je bezpečný první krok.
Pět věcí, které musí mít dobrá AI smyčka
Pokud chcete postavit užitečnou smyčku, nestačí říct: „AI, dělej to za mě.“ Dobrá smyčka potřebuje několik jasných prvků.
1. Jasný cíl. Agent musí přesně vědět, čeho má dosáhnout. Ne „Zkontroluj mi marketing“, ale třeba „Každé pondělí projdi výsledky kampaní za minulý týden, najdi tři největší změny, upozorni na kampaně s poklesem výkonu a navrhni další kroky.“ Čím přesnější cíl, tím lepší výsledek.
2. Správné vstupy. AI potřebuje data, se kterými má pracovat. Může to být tabulka, CRM, e-maily, dokumenty, analytika, zápisy z porad, faktury, smlouvy nebo třeba zákaznické recenze. Bez správného kontextu bude agent hádat.
3. Nástroje. Agent musí vědět, co smí dělat. Může jen číst? Může upravovat tabulku? Může připravit návrh e-mailu? Může e-mail sám odeslat? Může zapisovat do CRM? Může spouštět automatizaci? Na začátku doporučujeme jednoduché pravidlo: nejdřív ať AI jen čte, shrnuje a navrhuje. Teprve později jí dávejte možnost něco měnit.
4. Stop podmínka. Každá smyčka musí vědět, kdy má skončit. Například po zpracování všech nových položek, po třech pokusech, po dosažení limitu nákladů, když chybí důležitá informace, když je potřeba lidské rozhodnutí, nebo když narazí na chybu. Bez stop podmínky se může agent zaseknout, opakovat stejný postup nebo dělat zbytečnou práci.
5. Ověření výsledku. Agent by neměl jen napsat: „Hotovo.“ Musíme vědět, podle čeho se pozná, že je výsledek opravdu dobrý. U obchodních poptávek to může být správné zařazení priority. U marketingového reportu soulad s daty. U zákaznické podpory odpověď podle pravidel firmy. U dokumentů kontrola chybějících údajů. U kódu testy. Bez ověření se AI může tvářit sebevědomě, i když výsledek není správně.
Kde mohou členové NaučímeAI klubu začít
Doporučujeme začít malou smyčkou, která nic nerozbije. Ideálně takovou, která jen sleduje, shrnuje nebo připravuje návrhy.
Ranní souhrn e-mailů. Každé ráno AI projde nové e-maily a připraví přehled: co je urgentní, co vyžaduje odpověď, co může počkat, kde chybí informace a jaký další krok doporučuje.
Týdenní marketingový report. AI jednou týdně projde výsledky kampaní, sociálních sítí nebo webu a připraví souhrn: co se zlepšilo, co se zhoršilo, co stojí za pozornost a jaké tři kroky doporučuje na další týden.
Monitoring konkurence. AI pravidelně sleduje weby, newslettery nebo veřejné výstupy konkurence a připravuje přehled novinek.
Kontrola CRM. AI projde nové obchodní příležitosti a upozorní na chybějící údaje, dlouho neřešené leady nebo případy, kde by měl obchodník udělat další krok.
Souhrn porad. Po každé poradě AI připraví zápis, úkoly, odpovědné osoby a termíny. Následně může po určité době zkontrolovat, co zůstalo otevřené.
Kontrola zákaznických dotazů. AI třídí zákaznické zprávy podle tématu, urgence a rizika nespokojenosti. Člověk pak řeší hlavně to, co opravdu vyžaduje pozornost.
Nejčastější chyby při tvorbě AI smyček
Když lidé začínají s agenty, často dělají několik chyb.
Chtějí automatizovat moc brzy. První smyčka by neměla hned posílat e-maily zákazníkům, mazat data nebo měnit CRM. Nejdřív ať AI jen připravuje návrhy. Až když vidíte, že výstupy dávají dlouhodobě smysl, můžete přidávat automatické akce.
Nedají agentovi jasný konec. Pokud agent neví, kdy má skončit, bude improvizovat. A improvizace je u automatizace problém.
Neověřují výstupy. AI může znít přesvědčivě i ve chvíli, kdy se plete. Proto potřebujete kontrolu. U jednoduchých úkolů stačí lidská kontrola. U složitějších procesů pomáhají pravidla, checklisty nebo druhý kontrolní krok.
Dají AI příliš široký přístup. Agent nepotřebuje přístup ke všemu. Potřebuje přístup jen k tomu, co je nutné pro konkrétní úkol. Menší oprávnění znamenají menší riziko.
Nerozumí tomu, co agent udělal. Každá smyčka by měla mít jednoduchý záznam kroků. Co agent kontroloval? Co změnil? Proč něco doporučil? Kde si nebyl jistý? Kdy požádal člověka o rozhodnutí? Bez toho se z automatizace stává černá skříňka.
Praktické cvičení pro členy klubu
Zkuste si tento týden najít jeden opakovaný úkol, který by šel převést do jednoduché AI smyčky. Nemusí to být nic složitého.
Vyberte si úkol, který splňuje alespoň tři z těchto bodů:
- opakuje se každý den nebo každý týden,
- bere vám víc než 20 minut,
- má jasný výstup,
- pracuje s textem, daty nebo dokumenty,
- nevyžaduje hned citlivé rozhodnutí,
- dnes ho děláte ručně,
- často ho odkládáte.
Potom si odpovězte na tyto otázky:
- Jaký je přesný cíl smyčky?
- Jaké vstupy AI potřebuje?
- Jaký výstup má dodat?
- Jak poznám, že je výstup správný?
- Kdy má smyčka skončit?
- Kdy má požádat mě o rozhodnutí?
- Co nesmí dělat automaticky?
- Jaký bude první bezpečný test?
Už tímto přemýšlením se posunete z náhodného používání AI k systematické práci s AI.
Příklad jednoduchého zadání pro první smyčku
Můžete začít třeba takto:
„Každé ráno projdi seznam nových úkolů z předchozího dne. Rozděl je na urgentní, důležité a odložitelné. U každého navrhni další krok. Pokud chybí informace nebo je potřeba moje rozhodnutí, označ to. Nic automaticky nemaž, neposílej ani neměň. Připrav pouze přehled ke kontrole.“
Tohle je dobrý začátek, protože AI zatím nic neriskuje. Jen vám pomáhá přemýšlet a organizovat práci.
Co je hlavní myšlenka loop engineeringu
Loop engineering není o tom, že prompty přestaly být důležité. Je o tom, že prompt už není celý systém.
Když chcete jednu odpověď, stačí dobrý prompt. Když chcete opakovanou práci, potřebujete smyčku. Když chcete bezpečnou automatizaci, potřebujete cíl, kontext, nástroje, kontrolu a limity.
To je posun, který bude v práci s AI čím dál důležitější. Firmy a jednotlivci, kteří se naučí navrhovat dobré smyčky, budou mít velkou výhodu. Ne proto, že budou používat nejnovější nástroje, ale proto, že budou umět AI zapojit do skutečné práce.
Výzva pro členy NaučímeAI klubu
Zkuste si navrhnout svoji první AI smyčku. Nemusíte ji hned automatizovat. Stačí ji popsat.
Napište si:
- jaký úkol chcete řešit,
- kdy se má smyčka spustit,
- s jakými daty má pracovat,
- co má dodat,
- jak poznáte, že výsledek je správně,
- kde musí rozhodnout člověk.
A pak se o ni podělte v komunitě - Připojte se k nám.
Autor: Jakub Baxa, spoluzakladatel NaučímeAI s.r.o.
