# 5 poznatků z intenzivní práce s AI

Po skončení programu Future AI Leader jsem si sepsal pět věcí, které během výuky vystoupily nejvíc. Patří mezi ně čas na experimenty, soustředěná práce, ochota opustit pohodlí a zvládnuté základy.

**Autor:** Filip Dřímalka  
**Publikováno:** 8. 8. 2025

---

---

## 1. Adopce začíná realistickým očekáváním

Při práci s AI lidé často čekají rychlý zázrak. Zkušenost z Future AI Leader byla jiná: posun potřebuje čas. Já sám jsem každý týden věnoval učení alespoň 10 hodin, často večer nebo o víkendu.

Nešlo o studium z učebnice. Většinu času tvořily pokusy, testování a hledání jiných cest, když první výsledek nefungoval. Právě pravidelná hra s nástroji postupně mění očekávání v praktickou zkušenost.

## 2. Soustředěná práce ukáže možnosti i limity

Rychlá práce s AI zkrátí jednotlivý proces nebo připraví první návrh. Při soustředěné práci se na několik hodin zavřete s jedním problémem, zkoušíte různé postupy a jdete dál než k první odpovědi. Tam nejlépe poznáte, co AI opravdu zvládne a kde potřebuje člověka.

## 3. Nepohodlí urychlí učení

Sám jsem si zaplatil konzultace k základům programování a vibe codingu. ChatGPT ani Claude tím nezmizeli; naopak jsem se jich mohl doptávat přesně ve chvíli, kdy jsem novou věc potřeboval. Tenhle způsob just-in-time učení mi dal větší jistotu, že se dokážu pustit i do neznámého úkolu.

## 4. Agenti nevyřeší chybějící základy

Pro práci s AI jsem vytvořil pětifázový model od manuální práce po agentní workflow. Firmy často mluví rovnou o agentech, zatímco část lidí ještě neumí zachytit vlastní know-how, napsat použitelné zadání nebo pracovat se základními asistenty.

GPTs v ChatGPT, Projekty v Claude, Gems v Gemini nebo Microsoft Agents dávají smysl teprve ve chvíli, kdy člověk rozumí úkolu, vstupům a podobě dobrého výsledku. Přeskočený základ se později vrátí jako slabý výstup.

## 5. Okolí a kvalita nástrojů mění tempo

Práce s lidmi, kteří se chtějí zlepšovat a investují do sebe, táhne člověka dopředu. Stejný rozdíl dělá kvalita nástrojů. Kdo pozná, co současné modely umějí, nechce se dobrovolně vracet ke starému způsobu práce.

## Výsledek se ukáže na vlastním projektu

Jeden účastník během 10 týdnů začal od nuly programovat a stavěl si vlastní automatizace. Jiný chtěl po druhém modulu skončit, nakonec zůstal a pokračoval naplno. Oba příběhy připomínají, že změnu neudělá počet zhlédnutých lekcí, ale práce mezi nimi.

- Vyhraďte si každý týden souvislý čas na jeden skutečný problém.
- Když narazíte na neznámou věc, učte se ji ve chvíli, kdy ji potřebujete.
- Nezačínejte agentem, pokud ještě neumíte dobře popsat postup a výsledek.
- Ukažte rozpracovanou práci lidem, kteří vám dají konkrétní zpětnou vazbu.

---

Původní článek: https://drimalka.com/inspirace-zdarma/5-zasadnich-poznatku