AI deníček: 21.8 – 27.8.2026, Oponentura od konkurenčního modelu, ztráty při stěhování webu a rutina stažená na jeden snímek

Minulý týden jsem s AI zvládl korekturu odborného rozhovoru, výpočet ztracené návštěvnosti při migraci, taby s veganskou čokoládou a překlad katalogu do polštiny. Zajímají vás detaily? Tady jsou.

Když druhý model čte po prvním

Články na svoje weby vydávám přes vlastní publikační postupy, ve kterých text vzniká podle dokumentu s pravidly stylu. Zkusil jsem si, jestli by v nich místo Claudea mohl psát Gemini přes API. Zadal jsem oběma modelům stejnou práci, stejná pravidla stylu a nechal si výstupy vedle sebe. Trval jsem jen na jednom: oba se musí držet dokumentu, na kterém mi záleží.

Místo porovnávání kvality obou textů jsem se zabral do seznamu, který Gemini sepsalo nad výstupem od Claudea. Ukázalo na věty, kde na začátku stojí zpodstatnělý děj a zmizí z nich ten, kdo jedná. „Odhlášení z newsletterů přísun zastaví“ místo „Když se z nich odhlásíte, zastavíte přísun“. Gramaticky to čeština unese, ale čtenář se musí prokousat k tomu, kdo vlastně co dělá.

Nálezy jsem si prošel a ty, které obstály, zapsal do pravidel. Výstup jednoho běhu mi zmizí, jakmile zavřu okno. Zapsané pravidlo zůstane a od té chvíle ho hlídá strojová kontrola u každého dalšího textu, na všech webech, které stejný dokument sdílejí.

Podobnou práci jsem odvedl v jiném žánru. Jeden SaaS mi poslal odborný rozhovor o elektronických podpisech a já v něm hledal faktické nepřesnosti, kostrbaté věty a chyby v typografii. Dřív bych na to sháněl kolegu, který má zároveň čas a rozumí tématu. Teď jsem dostal seznam k odsouhlasení a rozhodoval jen o tom, co z něj přijmu.

Z otázky rubrika za dva dny

V pondělí jsem se zeptal, jestli existuje datový zdroj, ze kterého jde vyčíst, co přibylo do nabídky českého Netflixu. Chtěl jsem na svém tech blogu rozjet pravidelnou rubriku o novinkách v nabídce a o jejich kvalitě.

Druhý den běžely tři naplánované úlohy. První ukládá každý den snímek katalogu, druhá z nasbíraných snímků jednou týdně sestaví podklad pro článek a třetí hlídá dvě věci: vydání textu a díry ve sběru. Rubrika tedy není jeden text, ale malá linka, na jejímž konci stojí hotový podklad.

Zbytek týdne mi sebraly věci, které se sběrem nesouvisí. Musel jsem vyřešit, jak ověřit české názvy proti ČSFD podle roku vydání, protože u méně známých titulů si model překladem nebyl jistý. Obrázek k dílu jsem posunul pod nadpis s jeho jménem. Do atributů alt a title chodí vždycky název díla. Odkaz na zdroj dostane nofollow. A když si mám ověřit, co je na cizí stránce, otevřu si ji radši sám prohlížečem, než abych citoval něčí shrnutí.

Sběr dat byl hotový hned. Rozdíl mezi hromadou čísel a rubrikou, kterou někdo chce číst, dělají až ta ostatní rozhodnutí.

Rutina stažená na jeden snímek obrazovky

Každý měsíc řeším u jednoho obchodu tutéž věc. Provizní systém u části objednávek nezachytí hodnotu a zůstane v ní nula. Kolegové mi pošlou čísla objednávek a co v nich zákazník měl, já to pak dohledávám v ceníku, sčítám bez daně, přepisuji do tabulky a opravuji v systému.

Nejdřív jsem si postavil postup, který z podkladu spočítá částky sám a zapíše je do tabulky. Pak mě napadlo, že podklad stejně chodí chatem, takže ho nemusím přepisovat: stačí snímek obrazovky a přečtu ho z něj. Nakonec jsem zjistil, že když už známe číslo objednávky, můžu hodnotu opravit rovnou přes rozhraní provizního systému a v tabulce jen přepnout stav na hotovo. Na konci vypadne zpráva se seznamem opravených čísel, kterou rozešlu partnerům.

Z celého přepisování zbylo vložení snímku a jediné spuštění.

Stejným způsobem jsem si během týdne zjednodušil tři další věci. Nechal jsem si hromadně označit nepřečtené notifikace v poště. Měsíční sledování hledanosti značek jsem převedl na rutinu, která se spouští sama prvního dne v měsíci. A úkoly k revizi pravidel pro roboty jsem nadiktoval v jednom odstavci, ze kterého se rovnou založily v aplikaci, kde je sleduji.

Šest hypotéz a jeden koláčový graf

Jedno médium řešilo propad dosahu ve feedu a hledali jsme příčinu. Sepsal jsem šest vysvětlení a pustil na ně data.

Čtyři padla. Páté propad zesílilo, ale nezpůsobilo: redakce posunula skladbu témat a přidala právě v kategorii, které se dařilo nejhůř, zatímco ubrala v jediné, která si dosah držela. Rozsah toho posunu ale zdaleka nestačí na rozdíl, který jsme měřili. Zůstalo poslední vysvětlení, ke kterému máme nejblíž: změnil se přístup vyhledávače k určitému typu obsahu. Redakce psát hůř nezačala a klasické vyhledávání se přitom nehnulo.

Jeden den jsem musel z měření vyhodit úplně, protože ho provozovatel sám označil za chybu záznamu dat. Víc času než grafy mi ale sebralo škrtání. Průběžně jsem mazal formulace, které tvrdily víc, než čísla unesla. Větu „zbývá jediné vysvětlení“ jsem změnil na „k potvrzení je nejblíž tato hypotéza“ a doplnil doporučení ověřit totéž na jiném podobném webu. Audit, který skončí u jistoty, bych klientovi nedal. Tenhle skončil u seznamu toho, co jsme spolehlivě vyloučili.

Druhá datová práce byla o poznání skromnější a o to častější. Kolegové v jednom SaaS potřebovali vidět, kolik návštěvnosti přivádí jedna podsekce webu ve srovnání se zbytkem. Odfiltroval jsem dotazy na značku, sečetl zbytek a vyrobil jeden koláč. Dostali podklad, o kterém se dá na poradě mluvit.

Podobné škrtání jsem dělal i v pátek nad reportem pro jiného klienta. Po nasazení změn zmizely z výsledků filtrované kategorie a report to popisoval jako problém. Jenže s tím jsme dopředu počítali, byl to očekávaný výsledek. Přepsat proto nešla jen ta jedna věta: musely se projít všechny závěry, které na ní stály, protože jinak by report vyprávěl o poplachu, který se nekonal.

Co se ztratí při stěhování webu

U jednoho e-shopu běží nová verze webu vedle té ostré a já měl zjistit, co se mezi nimi změnilo. Porovnávali jsme metadata, obsah stránky, počty odkazů i popis kategorie nad výpisem zboží. Právě na něm stránce v hledání záleží nejvíc.

Pak jsme se dostali k otázce, na které visí peníze: kolik návštěvnosti zmizí, když se něco nepřesměruje. Vzali jsme adresy z celého webu, přepsali doménu na vývojovou, zjistili u všech stavový kód a spočítali, kolik kliků a relací visí na adresách bez dvoustovky a bez přesměrování. Dostal jsem číslo, které klientovi položím na stůl ještě před nasazením.

Podobnou kontrolu jsem dělal u jiného obchodu. Srovnávali jsme odkazy v hlavním menu podle toho, co vidí vyhledávací robot, a co dostane návštěvník v prohlížeči. Nástroj na to už existoval, jenže uměl jedinou značku. Rozšířili jsme ho tak, že si u neznámého webu sám najde kandidáty na správnou třídu v kódu a nabídne mi je k potvrzení. Z jednoúčelové věci se stal nástroj použitelný kdekoli.

Kategorie, taby a polština

Pro další z obchodů stavíme sérii vstupních stránek pro značky, které prodává. Každá značka dostane vlastní marketingovou stránku s jedním vypíchnutým kusem zboží, mřížkou dalších, recepty a příběhem značky. Marketing zadá požadavky, já z nich vyrobím několik variant jako klikací mockup, kolegové si vyberou písmeno a teprve pak se stránka nasazuje do administrace.

Teď přišel nápad přepínat hned pod hlavičkou dvě mřížky zboží: dosavadní nabídku a veganskou. Můj úkol byl zjistit, které zboží veganské je, a postavit druhou mřížku. Podmínku jsem přidal jednu: přepínač nesmí vyrobit ani jedinou novou adresu, jinak si web sám nadrobí duplicitní obsah.

Souběžně jsme skládali novou vrstvu kategorií. Nad existující podkolekce přibyla mezikolekce a stejnou úpravu dostaly další dvě sekce. Nejtěžší rozhodnutí jsem přitom neudělal nad kódem. Data z konzole ukazovala, že hledanost drží jiný výraz, jenže na té stránce lidé čekají slovo druhé. Šli jsme vědomě proti číslům, protože nám jde o člověka, který na stránku dorazí.

Jiný obchod potřeboval převést katalog do polštiny. U názvů kategorií jsme museli ověřit, jak dané zboží hledají Poláci, protože doslovný převod často míří vedle. Zadání obsahovalo i drobná pravidla, která zná jen člověk se souborem v ruce, třeba že se má zachovat psaní velkými písmeny tam, kde už je.

A ještě jednu věc nástroj sám nezvládne. Přebíral jsem vstupní stránku, na které mezitím kolegyně upravila texty přímo v administraci. Její verzi jsem musel zachovat a přitom opravit rozsypané styly. Někdo musí vědět, čí zásah má přednost.

Pravidlo, které přebilo jiné pravidlo

Jeden e-shop si drží pravidla pro vyhledávací roboty ve sdílené tabulce, zvlášť pro každou zemi, ve které prodává. Chtěl si ověřit, že v nich nejsou překlepy ani znaky, které do toho formátu nepatří.

Prošli jsme je řádek po řádku. Našly se uvozovky tam, kam nepatří, doslovné mezery v adresách místo zakódovaných a několik duplicit, kde tatáž adresa stála v tabulce dvakrát v různém tvaru. Nejzajímavější nález ale byl jiný: stránka, kterou měl robot procházet, mu zůstala zavřená. Povolení pro ni existovalo, jenže zákaz o pár řádků výš měl o osmnáct znaků navíc, a v takovém sporu vyhrává delší zápis. O přístupu k celé sekci webu tak rozhodla délka zápisu.

U jiného e-shopu jsem ve stejném souboru pravidel opravoval chybějící vyloučení adres, přes které si návštěvník vybírá variantu zboží.

Z té kontroly rovnou vznikl postup, který ji zvládne zopakovat. Umí navíc vzít testovací adresy z druhého listu a spočítat, jestli podle sepsaných pravidel opravdu vyjdou tak, jak si klient myslí.

Vlastní web: kam se dívám na fotce

Mám dva weby. Firemní je čistě brandový, tenhle nese postřehy a věci mimo hlavní byznys. Postavil jsem si child theme a pustil se do úprav. Roztáhl jsem fotku přes celou šířku, přidal lištu s odkazy na štítky, zúžil výpis článků a posunul náhledový obrázek doleva vedle data s kategorií a názvem. Na mobilu jsem pořadí obrátil na nadpis, datum, obrázek a tlačítko.

Většinu z toho navrhl model rychleji, než bych to popsal. Jednu věc si ale nevšiml. Na fotce se dívám doprava, takže text patří vlevo ode mě, aby můj pohled vedl čtenáře k němu. Mřížku mi vygeneroval sám, ale směr pohledu na vlastní fotce si musí ohlídat člověk, protože ten obrázek zná.

Při té příležitosti jsem prošel všechny štítky a kategorie a doplnil chybějící popisy.

Za týden jsem takhle opravoval odborný text, počítal ztráty před migrací, stavěl veganskou mřížku, hledal polské názvy zboží, spravoval provize a předělával vlastní homepage. U většiny z toho nemá klient kapacitu, a proto ty věci řeším za něj. Přepínám mezi nimi v rámci jednoho dne.

Na čtyřech místech jsem přitom jednorázovou práci proměnil v rutinu, kterou už nemusím dělat znovu. Ptám se na to u každé zakázky: co z téhle práce může převzít AI, aby mi ušetřila čas nebo dodala výsledek, na který sám nestačím.

Co přibylo do nástrojů

Vzniklo pět nových postupů a osm starších jsem upravil. Nový je ten, kterým vznikl tenhle článek. Dál přibyl výpočet chybějících provizí ze snímku obrazovky, opakovaný audit toho, jak si web vede ve feedu, který drží stav mezi běhy a počítá jen přírůstek, nástroj na porovnání dvou verzí jedné stránky a v pátek ta páteční revize zákazů a povolení pro roboty.

Nejvíc práce jsem dal do dvou publikačních postupů, kterým přibyla tvrdší kontrola stylu, a do rozšíření kontroly menu na libovolnou značku. Celkem jich mám třiašedesát a zhruba dvě třetiny nejsou vázané na konkrétního klienta. Co každý z nich řeší, jsem sepsal na samostatné stránce. Bez názvů, zato s popisem situace, ve které se hodí.

---

Poznámka: Deníček na základě týdenní práce generuje Claude, sám jej tu i publikuje. Tonalitu sdílí s mým tech blogem, kde se řídím týmž dokumentem. Klienti jsou popsaní obecně záměrně.