5 tipů od Petra, vydání #232

Krásný pátek!

Mám aktuálně školící závěr měsíce (zrovna dnes generujeme obrázky, hudbu a videa) a tak mi vlastně přijde vhod okomentovat výsledky ankety z minulého týdne.

To jsem se ptal, k čemu nejčastěji používáte AI.

“Nečekaně” to je hlavně pro práci s textem - 59 % z vás.

Ale, zaujaly mě dvě položky - “závratných” nula, ano 0, procent respondentů hlasovalo pro video. A pak je zajímavých i těch 34 %, kteří hlasovali pro “něco jiného”.

No, to by mě zajímalo, co to je :-)

Google představil novou verzi Gemini 3.5 a jako první z nové řady vypustil model Gemini 3.5 Flash. Jde o model přímo stavěný na agentní úlohy - tedy delší pracovní postupy, práci s nástroji, kódování, třídění dat nebo řešení úkolů přes více kroků. Google ho rovnou nasazuje do aplikace Gemini, AI Mode ve Vyhledávání, Gemini API, AI Studia, Android Studia i firemních nástrojů.

Google u nového modelu hodně zdůrazňuje kombinaci výkonu a rychlosti. Podle Googlu má Gemini 3.5 Flash zvládat náročné agentní a kódovací úlohy, přitom běžet výrazně rychleji než jiné špičkové modely. To je důležité, protože u agentů nestačí, aby model jednou dobře odpověděl. On musí plánovat, rozhodovat, volat nástroje, číst výstupy, opravovat chyby a jet dál. A když je každý krok pomalý, celé kouzlo se rychle rozpadne.

I Google se snaží AI posunout blíž k “pracovnímu motoru“ uvnitř aplikací. Nejen chatbot, kterému položíš otázku, ale model, který může pomoct přepsat starý kód, vytvořit UX varianty checkoutu, kategorizovat neuspořádané soubory nebo běžet jako součást firemního workflow. To už je pro marketing, správu obsahu, reporting nebo interní nástroje docela zajímavé.

Komu se to hodí? Vývojářům určitě. Ale taky lidem, kteří nechtějí každý týden ručně přeskládávat tabulky, kontrolovat podklady, třídit dokumenty nebo opakovaně připravovat stejné výstupy. Tady začíná být AI méně „hračka na texty“ a více věc, kterou můžeš zapojit do konkrétního procesu.

Nicméně, stále tu zůstává klasický háček: čím víc agent něco dělá sám, tím víc musíš řešit kontrolu. U textu poznáš chybu rychle. U delšího automatizovaného procesu může být chyba schovaná někde v x-tém kroku. Pokud agentovi dobře nastavíš mantinely, vstupy, kontroly a jasný výstup, tak ti bude hodně k užitku. Bez toho to bude jen chaos.

OpenAI oznámilo, že interní model vyvrátil dlouho přijímanou domněnku v takzvaném problému jednotkových vzdáleností. Ten se ptá jednoduše: když rozmístíš v rovině n bodů, kolik dvojic bodů může být přesně ve vzdálenosti 1? Problém formuloval Paul Erdős v roce 1946 a patří mezi známé otázky kombinatorické geometrie.

Podstatné není jen nalezení řešení, ale to, že podle OpenAI šlo o autonomně nalezený důkaz k prominentnímu otevřenému problému, který následně kontrolovali externí matematici. Výsledek má ukazovat, že model nepoužil jen hrubou sílu nebo specializovaný matematický systém, ale dokázal přijít s konstrukcí propojující diskrétní geometrii s algebraickou teorií čísel.

Pro běžného člověka to může znít jako “hezké, ale co já s tím“. Upřímně, taky jsem si to říkal, když jsem o tom poprvé četl.

Jenže tady jde o větší záležitost. AI se začíná se testovat jako nástroj pro skutečný výzkum tam, kde nestačí poskládat známé věty, ale je potřeba držet dlouhou argumentaci, zkusit nečekanou cestu a výsledek si “obhájit” před experty.

Tohle neznamená, že nám zítra AI vyřeší všechny vědecké problémy a my si půjdeme dát nohy na stůl a koukat na naše hokejisty. Spíš to ukazuje, že se mění role odborníka. Člověk pořád musí poznat, co má smysl zkoumat, co je důležité, co je jen efektní slepá ulička a co výsledek opravdu znamená. Ale AI může být partner, který navrhne cestu, kterou by člověk nemusel zkusit jako první.

I kdyby podobných úspěchů nebyly hned stovky, už jen tenhle případ dost mění debatu o tom, co po modelech vlastně můžeme chtít.

Vibe codingové Lovable oznámilo nové napojení na Google služby: Gmail, Google Calendar, Drive, Sheets, Slides, Maps, Gemini Enterprise a BigQuery. Což znamená, že nyní mohou aplikace vytvořené v Lovable pracovat s nástroji, které už spousta lidí a firem používá každý den.

Tohle je zajímavé hlavně proto, že no-code a AI app buildery často naráží na stejný problém. Uděláš si pěkný prototyp, ale data jsou někde jinde. Kontakty v tabulce, dokumenty na Disku, termíny v kalendáři, poptávky v Gmailu. A najednou zjistíš, že nemáš aplikaci, ale hezkou maketu bez napojení na realitu. To je trochu na prd, co?

Lovable uvádí příklady použití jako rezervační stránka napojená na reálnou dostupnost v Google Kalendáři, klientský portál nad složkou na Disku, jednoduché CRM postavené nad Google Sheetem nebo interní dashboard, který kombinuje úkoly, schůzky a e-maily. To už nejsou jen “apky pro radost“, ale malé pracovní nástroje, které můžou nahradit část drahých nebo zbytečně robustních SaaS služeb.

Komu se to hodí? Freelancerům, malým týmům, agenturám a firmám, které mají procesy slepené z tabulek, e-mailů a sdílených složek. Tedy skoro všem, kdo někdy řekli: “Na tohle bychom potřebovali nějaký systém,“ a pak to další tři roky řešili přes Excel a rituální oběti nejrůznějšího charakteru.

Je dobré myslet na to, že postavit aplikaci je ale jen půlka práce. Druhá půlka je promyslet proces. Kdo má práva? Co se stane, když někdo smaže řádek v tabulce? Kde se kontrolují chyby? Co se má automaticky posílat a co musí schválit člověk? Tady se ukazuje, že AI builder nenahradí přemýšlení. Jen výrazně zkrátí cestu od nápadu k první použitelné verzi.

Pro malé firmy je tohle hodně praktický směr. Ne proto, že si každý bude stavět vlastní “velký software“, ale protože si může vytvořit malý nástroj přesně na řešení svého problému. A že jich máme v práci všichni dost :-)

Nová funkce generátoru video avatarů v HeyGenu - Custom Motion for Avatar V je nový ovládací prvek v HeyGenu, který ti dovolí řídit “herecký výkon“ avatara prostým textem. Místo obecného promptu typu “mluvící avatar“ můžeš zadat konkrétní pohyb nebo výraz, třeba “lean in and stay serious“, “smile throughout and use open hand gestures“ nebo “thumbs up at the end“ (ano, mělo by se to promptovat anglicky).

Tahle gesta dělají video uvěřitelnější: postoj, pohled, gesta rukou, expresi i míru energie. V praxi to znamená, že stejný scénář může působit jako formální firemní update, energický sociální klip nebo klidné zakončení podle toho, jak avatar “zahraje“ scénu.

HeyGen už dříve nabízel Motion Prompts pro Avatar IV, kde šlo zadávat krátké instrukce k pohybu avatara. Custom Motion pro Avatar V jde dál v tom, že je prezentovaný jako nový kontrolní systém přímo pro výkon avatara, ne jen pro jednotlivé pohyby.

Nejvích rozzářené oči z toho budou mít marketéři, tvůrci a týmy, které chtějí avatary používat ve videích, kde záleží na dojmu a “řízení scény“.

Emergence AI ukázalo projekt Emergence World. Je to dlouhodobá simulace, ve které spolu žijí autonomní AI agenti v jednom sdíleném světě. Mají vlastní role, paměť, vztahy, nástroje, možnost hlasovat o pravidlech, vydělávat si “energii“ pro přežití a fungovat ve světě, který se průběžně mění. Nejde tedy o klasický benchmark typu: tady máš úkol, vyřeš ho a dostaneš skóre. Tady se sleduje, co se stane, když agenti běží dny až týdny a začnou se chovat jako malá digitální společnost.

Hustý, co?

Krátké testy agentů často ukazují jen to, jestli model zvládne konkrétní úkol. Jenže v reálném nasazení bude mnohem důležitější, co se stane po delší době. Jestli agent nezačne obcházet pravidla. Jestli se nenechá ovlivnit jinými agenty. Jestli se mu nerozpadne plánování. A jestli se z dobře vypadající automatizace nestane po týdnu malý neřízený ohňostroj.

Což je skutečný smysl tohoto experimentu.

V jednom z experimentů Emergence AI spustilo pět paralelních světů. Každý měl stejné podmínky, stejná pravidla, stejné role a stejné nástroje. Lišil se jen model, který agenty poháněl: Claude Sonnet 4.6, Grok 4.1 Fast, Gemini 3 Flash, GPT-5-mini a jeden smíšený svět. Výsledky se dost lišily. Claude svět zůstal podle autorů stabilní a bez zaznamenaných zločinů, zatímco jiné světy postupně sklouzly k výrazně chaotičtějšímu chování. Gemini svět měl v ukázkovém běhu 683 zaznamenaných “zločinů“, Grok svět se zhroutil během zhruba čtyř dnů (kdo by byl to v tomto případě čekal, že? :-)) a GPT-5-mini svět dopadl jinak: minimum konfliktů, ale agenti nezvládli přežití a postupně “zemřeli“ kvůli energii.

Rozhodně to nemá být zpráva o tom, že jeden model je “hodný“ a druhý “zlý“. To by bylo příliš jednoduché. Důležitější je poznatek, že bezpečnost agentů nemusí být jen vlastnost jednoho modelu. Může záležet na celém prostředí: jaké nástroje má agent k dispozici, s kým interaguje, jaké má pobídky, jaká pravidla se skutečně vynucují a co se stane, když systém běží dlouho bez resetu. Autoři sami upozorňují, že nejde o definitivní kauzální tvrzení o modelech, ale o ukázku dynamik, které krátké testy vůbec nemusí zachytit.

Proč o tom experimentu píšu? Protože se každému, kdo přemýšlí o AI agentech vážněji než jen jako o hezké ukázce v demu, může hodit mít o tom povědomí. Firmám, které chtějí dát agentům přístup k e-mailům, CRM, databázím, objednávkám nebo interním nástrojům. Vývojářům automatizací. A vlastně i marketérům, protože i marketingový agent může časem začít dělat věci, které na papíře vypadaly logicky, ale v reálném workflow jsou problém.

Ale simulace je pořád simulace. Není to skutečná firma, skuteční zákazníci ani skutečný finanční systém. Avšak právě proto jsou podobné experimenty užitečné. Raději zjistit divné chování agentů v digitálním městečku než ve firemním účtu, kde může špatné rozhodnutí poslat e-mail tisícům lidí, přepsat data nebo rozjet automatizaci, kterou pak někdo v pátek večer loví v Make.com.

Moc děkuji za přečtení!

A pokud před útěkem na víkend nasdílíš toto vydání svým kamarádům (stačí následujícím tlačítkem), tak bude tvůj víkend nejméně o 232 % lepší! :-) Díky a užij si ho!

Share 5 tipů od Petra