Čtyři lidi hlídají stát. Deset milionů smluv jim běží na vlastních grafikách

Deset milionů smluv. Přes dvě stě datových zdrojů. Několik terabajtů čistého textu na disku. Za takovými čísly čekáte oddělení o padesáti lidech. Hlídač státu je dělá ve čtyřech.

Michal Bláha se krátce před natáčením vrátil do čela Hlídače státu, neziskového projektu, kterému letos bude deset let. Hlídač propojuje data o smlouvách, dotacích, veřejných zakázkách, firmách a politicích, hledá v nich chyby a dává je k dispozici novinářům, opozičním zastupitelům i úředníkům. Bavili jsme se hodinu a půl a skoro celou dobu o jedné věci: co zvládne malý tým, který má propojená data a AI si provozuje po svém.

Čtyři lidi a deset milionů smluv

Tým jsou čtyři lidé a technici z nich jsou dva — Michal a Petr Suchý. Veronika má na starosti sociální sítě, marketing a PR, Lenka helpdesk, podporu velkých i státních organizací a zpracování a analytiku dat. Nad tím vším leží přes dvě stě datových zdrojů, se kterými se musí každý rok začít znovu.

Nejvíc práce nedá analýza, ale úklid. Čištění, spojování a odstraňování duplicit popisuje Michal jako práci, kterou dělá jeden a půl člověka dva až tři měsíce. AI v ní podle něj příliš nepomůže, protože velká část času padne na pochopení toho, co vlastně od koho přišlo za data a co ta data znamenají. Kraje navíc tahají čísla ze svých systémů ručně, takže to pokaždé přijde jinak — nebo přijde jen půlka, protože si mysleli, že to stačí.

Výsledkem je věc, kterou stát nemá. Hlídač je podle Michala jediné místo v Česku, kde se dá na jednom místě zjistit, jaké dotace byly vydané. Jinak se hledají na třiceti až padesáti různých místech, kde jsou data mezi sebou zduplikovaná a části chybí.

A pak už jde jen o to, co v propojených datech uvidíte. Michal dává příklad, který se dá najít během chvíle: firma vznikla v roce 2019, do roku 2022 neměla prakticky žádné zakázky a najednou získala od ministerstva zakázky za stovky milionů korun. Hlídače nejčastěji používají novináři a opoziční zastupitelé, se kterými se radnice nebaví a nechce jim dávat podklady. Třetina uživatelů jsou ale sami úředníci.

“

Ušetřili jsme řádově asi deset miliard korun státu jenom díky těm datům, co děláme, a všechno to děláme ve čtyřech lidech.

Proč to běží na vlastním hardwaru

Hlídač testuje open-source modely od chvíle, kdy se objevila první Llama. Ne z ideologie. Kvůli aritmetice.

Smluv je dnes kolem deseti milionů a běžně mají desítky až stovky stran. Jenom jako čistý text zaberou na disku několik terabajtů.

“

My jsme si spočítali, že kdybychom prohnali ty smlouvy, co máme, třeba jenom smlouvy, což je část těch dat, kdybychom prohnali komerčníma modelama, tak nás to bude stát dva, tři miliony dolarů. A na to nemáme.

Odpovědí jsou čtyři grafické karty a 96 GB VRAM. Není to špičkový hardware, Michal sám mluví o starších kartách. Na dávkové zpracování vlastních dat ale funguje velmi dobře. Tohle je podle mě nejpřenositelnější věc z celé epizody: jakmile máte archiv, který potřebujete prohnat celý a opakovaně, přestává rozhodovat, který model je nejchytřejší, a začíná rozhodovat, kolik stojí jeden průchod.

Podobně to platí i na kód. Když si Michal nechal spočítat velikost celého projektu Hlídače, vyšlo mu kolem 150 milionů tokenů kontextu. Celý projekt tedy modelu nedává. Pracuje po menších částech a výsecích, kterým dává poměrně přesné zadání.

Když se AI napojí přímo na data státu

Hlídač si postavil MCP server hned, jak koncept před rokem a kouskem vznikl. Napojíte na něj Claude nebo Cursor a ptáte se běžnou řečí.

Michal ukazuje dotaz na smluvní vztahy Agrofertu a jeho podřízených firem se státem. Během minuty z toho vypadne report, kde vidíte, kolik desítek miliard je to na dotacích a kolik miliard na smlouvách.

Podstatné není, že to zvládne model. Podstatné je, co dostane na vstupu. Samotná společnost Agrofert má se státem skoro žádný přímý vztah — vztahy má celá síť podřízených organizací. Hlídač je má propojené a předá je agentovi najednou, takže nemusí procházet stovky firem jednotlivě. Šetří to čas, tokeny i peníze a data jsou přesnější.

Většinu návštěvnosti dnes Hlídač dostává od AI robotů, kteří si jeho data stahují a dělají z nich analýzy. Michal to nebere jako problém, ale jako směr. S podporou Aliance pro moderní stát teď připravuje speciální AI funkce pro novináře, aby mohli dělat hlubší analýzy nejen nad daty Hlídače. Sám tomu říká MCP server na steroidech.

Druhá věc, kterou chystá, je K-index. Dřív se jmenoval index korupčního rizika, dnes index klíčových rizik. Podle deseti pevných kritérií známkuje tisíc největších úřadů a státních firem podobně, jako se štítkuje spotřeba lednice. Kritéria nejsou pro každého srozumitelná, takže ve druhé půlce roku chce Hlídač zkusit nechat výsledky okomentovat AI.

Watchdog analytics: jak data zastavila zakázku za 8 miliard

Nejsilnější část rozhovoru se týká věci, o které Hlídač skoro nemluví. Od roku 2018 tahá strojovým učením strukturovaná data přímo ze smluv. Jednou z těch veličin jsou jednotkové hodinové sazby v IT profesích — od projektového manažera přes security po vývojáře. Michal tomu říká watchdog analytics a podle jeho odhadu na tom stát ušetřil deset miliard korun.

Data se dostávají až k soudu. Někdo si je od Hlídače koupí a použije je jako důkaz o obvyklé ceně.

“

Třeba u VZP jsme díky těmhle datům zastavili tunel za 8 miliard korun, protože tamní dodavatel DXC si řekl, vlož sumu 29 000 za den za jakoukoliv pozici — třeba juniorní programátor nebo helpdesk — a říká, že to je normální cena.

Hlídač vytáhl srovnání z deseti milionů smluv a zjistil, že jde o nejdražší sazby na trhu. Dodavatel se opíral o znalecký posudek, který Michal označuje za falešný a který se jim podle jeho slov podařilo těmi daty rozdrtit. Zakázka nakonec zmizela. Stejným principem podle něj ušetřilo miliardu Generální finanční ředitelství. Zatím jsou tahle data z velké části za paywallem, Hlídač je chce publikovat víc veřejně.

Zajímavá je poznámka, kterou si Michal nedávno napsal do seznamu věcí ke sledování: za rok se podívat, jestli nástup vibe codingu ovlivnil hodinové sazby a hlavně objemy IT zakázek. Jeho odhad je spíš skeptický. Velcí dodavatelé podle něj nejsou motivovaní jít s cenou dolů, protože konkurence není dost velká, aby je tlačila. Úsporu si nechají jako ziskovost.

Pro firmy z toho plyne úplně stejná otázka. Pokud váš dodavatel začal používat AI, ale fakturuje stejně, zaplatili jste jeho marži, ne svoji úsporu.

Michal napsal v únoru článek s tímhle názvem. Sám ho označuje za provokativní a přiznává, že by dnes některé věci formuloval jinak — což ho po dvou měsících samotného překvapilo. Jádro ale platí.

Programátoři byli léta bráni jako geekové ve sklepě, kteří nerozumí okolnímu světu. S agentovým vývojem se nejžádanějšími lidmi stávají ti, kdo umí zadat práci běžnou lidskou řečí a zároveň mají technologickou znalost.

“

Jsem tam tak jako nadneseně, i když to moc velká nadsázka není, napsal, že se z těch seniorních ajťáků stanou všemi nenáviděné role projektových manažerů, kteří nebudou manéžovat lidi, ale budou manéžovat ty agenty.

To, co by do článku dnes přidal víc, je právě role technické znalosti. Kdo neumí programovat, udělá si krásný prototyp, ale při dalším rozvoji, údržbě a doplňování funkcí začne narážet na svoji neznalost. Je to pomalejší a dražší, protože stejné věci opravuje mnohokrát.

Hlídač si takhle postavil vlastní spisovku pro stošestky — správu datových schránek, nad kterou běží workflow s poměrně složitým rozhodovacím stromem podle zákona o svobodném přístupu k informacím. Vibe codovali ji třikrát. Napoprvé vznikl úplně nový program, napodruhé to bylo lepší, napotřetí to bylo, jak potřebovali. Michalův závěr: u jednoduchého nebo často opakovaného použití vibe coding funguje perfektně. Jakmile to potřebujete ohnout specifickým směrem, extrémně záleží na kvalitě zadání.

S tím souvisí i jeho teze o dokumentaci. Týmy analytiků, které dnes ve velkých software housech píšou přesná zadání pro programátory, podle něj zmizí — analytici částečně zůstanou, programátoři ne. Důležití budou lidé, kteří to zadání dokážou napsat. A to zadání je vlastně dokumentace; samostatná dokumentace přestane existovat.

V Hlídači to dnes vypadá tak, že Michal s Petrem dělají Claude Code druhé oči a projíždějí code review změn. První verze bývají v pořádku, ale jakmile do nich nateče reálné množství dat, návrhy dobré nejsou — projekt musí být hodně optimalizovaný na výkon. Ani zadání „udělej optimalizaci na performance“ nestačilo; u SQL a LINQ dotazů musel Michal poradit konkrétně, co má model udělat. Pak to zafungovalo perfektně. Bez té zkušenosti by ale nevěděl, že první řešení fungovat nebude.

Skeptický je i k agentovým swarmům. Když jsem zmínil programátory, o kterých mluvil Boris Černý z Anthropicu a kteří za den propálí v tokenech desítky až stovky tisíc dolarů, Michal odpověděl, že jeden člověk není schopný tak často měnit kontext. Když si agenti povídají spolu a navzájem se opravují, velká část tokenů shoří jen na tom, že jeden opravuje druhého.

Každý model má svou povahu

Michal používá skoro výhradně Anthropic. Předplatné OpenAI mu doběhlo a neobnovil ho — dokud mu nedají zpátky aspoň padesáti- až šedesátiprocentní slevu, počká. Na kódování mu Claude sedí podstatně víc než Codex a výstupy podle něj častěji vyjdou na první nebo druhou dobrou.

Zajímavější než preference je ale důvod, který uvádí. Není to benchmark, je to chování nástroje:

“

Codex se ptal na potvrzení každé operace, kterou chce dělat. Claude v tomhletom byl mnohem inteligentnější — dokázal zgrupovat některé typy dotazů pod jedno permission.

Já to lidem říkám takhle: pokud si model vybrat můžete, udělejte si vlastní výběrové řízení. Pusťte stejný úkol na několik modelů a vyberte si ten, se kterým se vám dobře spolupracuje. Jak s vámi model komunikuje a jak často vás vyrušuje, ovlivní vaši práci víc než pár bodů v testech.

Michal k tomu přidává provozní doporučení, o kterém se mluví málo. Claude Code se aktualizuje tak rychle, že jemu nevadí updatovat i dvakrát denně, ale ve firmě, která potřebuje stabilitu, to udržitelné není. Navrhuje držet dvě větve: jednu stabilnější, aktualizovanou jednou za čtrnáct dní až měsíc, a jednu, která jede rychle.

Cena AI poroste, ne klesne

“

Ta primární teze byla, že AI je teďka strašně levná a že podraží.

Stojí za tím dva důvody a oba jsou ekonomické. První: investice do AI infrastruktury jsou dnes desetkrát až stokrát větší než dřívější investice do cloudových technologií. Když se dřív začal stavět nový cloud, dala se do toho miliarda dolarů. Do AI infrastruktury létají během měsíců desítky miliard a ty peníze se budou muset vrátit.

Druhý důvod je prodejní. Když AI za čtyři tisíce měsíčně zastane práci člověka za sto tisíc, prodává ji provozovatel podle Michala strašně levně. I za dvacet tisíc by se to zákazníkovi pořád vyplatilo. Michalův odhad je, že v horizontu čtyř až pěti let bude cena vyšší — ne řádově, ale násobně.

Vidět je to už dnes. Milion tokenů na špičkových modelech stojí podle něj desetkrát tolik než u prvních modelů. Paušály typu Claude Code neříkají, kolik tokenů se v nich provaří, a obchodní podmínky se mění tak, aby se lidi přesouvali zpátky na platbu za tokeny. Je to zdražení, které se nedělá zvednutím ceny za token.

K tomu přidává riziko, které se v debatě o capexu přehlíží: velká část těch peněz nejde do budov a datacenter, ale do grafických karet. Ty jsou za dva roky staré, pomalé a moc žerou. Je to investice do zboží, které se dá za dva roky vyhodit.

Tohle je jedna z mála věcí, ve kterých jsem se spletl hodně. V knížce i ve svých předpovědích jsem psal, že cena inteligence spadne skoro na nulu. Dneska platím jak mourovatý. V březnu jsem poprvé dal za AI přes dva tisíce dolarů — akorát mi za to vznikl nový vzdělávací portál a spousta dalších věcí, které by u programátorů stály desetinásobek. Pro firmu s padesáti nebo dvěma sty lidmi je to ale rozpočtová položka, kterou bude potřeba řídit.

Michal celou úvahu ještě vyvažuje. Adopce nebude tak rychlá, jak nám mezi sebou připadá — my jsme těch deset procent populace, která jde po každé novince. Většina lidí se k AI dostane, až bude schovaná v softwaru, který používají.

Proč stát nemá motivaci se zlepšovat

Když jsem se ptal, co by bylo potřeba udělat, aby se dalo říct, že Česko funguje digitálně, začal Michal u motivace, ne u technologie. Soukromý sektor tlačí konkurence, trh a potřeba snížit náklady.

“

Stát tuto motivaci nemá, protože nemá konkurenci, nemá konkurenta, všichni ho musí používat, ten monopol je zřejmý.

Následek je podle něj třicet let kultury, ve které je hlavní cíl být safe, hrát to na jistotu a neudělat chybu. Jenže neudělat chybu je přesný opak inovace, protože inovace chyby přirozeně přináší. Proto ho baví, jak dnes ve státní správě všichni říkají, že nasadí AI. Stačilo by podle něj nasadit věci, které se nenasadily za posledních dvacet let. Stát přeskakuje dvě generace najednou a to nejde; některé věci si organizace musí prožít, aby je udělala správně.

Nejkonkrétnější příklad je obchodní rejstřík. Lidé ve statutárních orgánech a dozorčích radách jsou v něm identifikovaní jménem, příjmením a datem narození. Rodné číslo se kvůli GDPR použít nesmí a jiný jednoznačný identifikátor tam není. Shoda jména i data narození se v Česku podle Michala týká asi třiceti až čtyřiceti lidí, takže riziko záměny je nízké — ale nic nebrání tomu, aby tam unikátní identifikátor byl a kvalita všech analýz nad těmi daty šla nahoru. Stát to podle Michala neudělá a udělat nechce.

Stejné je to u dotací. Jedna dotace se běžně objeví v pěti nebo šesti zdrojích a v každém je označená jinak. Hlídač je páruje podle popisu, období a částky, a když jsou si hodnoty blízko, prohlásí je za stejnou dotaci a duplicity smaže. Jeden společný primární klíč napříč databázemi by tuhle práci odstranil. Důvod, proč nevznikne, se poslouchá špatně: většinu hráčů to nezajímá a někteří dokonce nechtějí, aby k propojování dat docházelo.

A pak je tu překážka, která nezmizí ani s lepšími modely. Zákony jsou napsané deterministicky, takže na stejný vstup musí padnout stejný výstup. Jazykové modely to nesplňují a ne vždycky se dá říct, proč z nich vypadl zrovna takový výsledek. Na podporu procesů se AI ve státní správě používat bude. Na popsání a vyřešení celého workflow to podle Michala ještě chvíli potrvá.

Část té chybějící kontroly se Hlídač rozhodl doplnit sám. Vedle něj běží Pastvina, video-investigativní projekt, který má nahradit klasickou investigativu vůči státu a jeho velkým dodavatelům. Rozpočet je kolem čtyř a půl milionu korun, tedy zhruba jako celý Hlídač, a dělají ho taky čtyři lidé — tři redaktoři a back office. Většina věcí je zatím za paywallem; cílem je pouštět je s odstupem ven, aby se o nich dozvědělo co nejvíc lidí.

Slovníček pojmů z epizody

• MCP: Model Context Protocol, otevřený způsob, jak propojit AI aplikaci s cizími daty a nástroji. Hlídač státu přes něj vydává svoje data agentům, takže se v Claudovi nebo Cursoru dá ptát přímo na smlouvy, dotace a vazby firem.
• Open-source model: Jazykový model s volně dostupnými vahami, který si můžete spustit na vlastním počítači nebo serveru. Hlídač je testuje od první Llamy, protože jinak by celý archiv nešlo zpracovat bez placení za každý token.
• VRAM: Paměť grafické karty. Určuje, jak velký model se na kartu vejde a jak rychle na ní běží. Hlídač má čtyři karty a dohromady 96 GB VRAM.
• Token a kontext: Token je kus slova, se kterým model počítá. Kontext je množství textu, které do modelu vejde najednou. U komerčních modelů se platí za obojí — proto by prohnání deseti milionů smluv stálo dva až tři miliony dolarů.
• Vibe coding: Stavění softwaru tak, že práci popisujete AI běžným jazykem místo psaní kódu. U jednoduchých a často opakovaných úloh funguje výborně; jakmile řešení potřebujete ohnout, rozhoduje kvalita zadání a technická znalost.
• Agentový swarm: Skupina AI agentů, kteří pracují na jednom problému, předávají si výsledky a navzájem se opravují. Michal na něj má opatrný názor: velká část tokenů se propálí právě na vzájemných opravách.
• Watchdog analytics: Strukturovaná data, která Hlídač od roku 2018 vytahuje strojovým učením přímo z textu smluv — třeba jednotkové hodinové sazby v IT profesích. Slouží jako srovnávací základna při sporech o ceny veřejných zakázek.
• Registr smluv: Veřejná evidence smluv uzavřených státem, obcemi a jejich organizacemi. Vychází z ní velká část práce Hlídače i opozičních zastupitelů, kteří srovnávají ceny ve svém okolí.
• Stošestka: Žádost o informace podle zákona o svobodném přístupu k informacím. Hlídač jich posílá tolik, že si nad datovými schránkami postavil vlastní spisovku s rozhodovacím stromem podle toho zákona.
• Open data: Data zveřejněná ve strojově čitelné podobě, ze které se dá dál automaticky číst. Kraje dotace většinou nezveřejňují vůbec; Hlídač jim zdarma radí, jak z ručních výtahů udělat open data.

Co bych ve firmě dělal už teď

• Spočítejte cenu průchodu, ne cenu nástroje. Než pustíte AI na celý archiv, spočítejte, kolik stojí jeden průchod všemi daty. U velkých objemů rozhoduje tahle částka, ne to, který model je nejchytřejší.
• Oddělte dávkové zpracování od každodenní práce. Na běžnou práci komerční model stačí. Na opakované prohánění vlastních dat může vyjít levněji vlastní hardware s open-source modelem.
• Udělejte pořádek v identifikátorech dřív než v AI. Většina špatných analýz nevzniká slabým modelem, ale tím, že se stejná firma nebo osoba jmenuje v každém systému jinak. Jeden společný klíč napříč databázemi pomůže víc než další nástroj.
• Vystavte data agentům, ne jen lidem. Když agent dostane propojený balík dat najednou, nemusí procházet stovky záznamů jednotlivě. Šetří to čas, tokeny i peníze a výsledek je přesnější.
• Nechte technického člověka dělat code review i u vibe codingu. První verze bývají v pořádku. Problémy přijdou, až do nich nateče reálné množství dat — a tam potřebujete někoho, kdo pozná, že řešení nebude fungovat.
• Neplánujte rozpočet na dnešních cenách AI. Počítejte s tím, že cena poroste. A u dodavatelů se ptejte, jestli se jejich úspora z AI promítla do vaší ceny, nebo jen do jejich marže.

Michal Bláha ukazuje něco, co se dá přenést do každé firmy. Propojená data a vlastní provoz AI dokážou nahradit rozpočet, který nemáte. A platí to i obráceně: rozpočet bez motivace nenahradí nic.

Celou epizodu si můžete pustit na YouTube, Spotify nebo Apple Podcasts.