Proti intuici: růst neznamená víc lidí

Klasické řetězce mají železné pravidlo: zdvojnásobíš pobočky, back office naroste minimálně o třetinu. Někdo musí párovat účetnictví, někdo plánovat směny, někdo objíždět provozovny, někdo slučovat data. Majitel vydělá, ale polovinu spolkne režie.

Jeden případ tohle pravidlo rozbil. Praktik pomohl kamarádově firmě přestavět celý řídicí systém na AI. Výsledek: počet řízených poboček vzrostl 3×, back office nepřibral ani jednoho člověka. Číslo podle původního zdroje nebylo nezávisle ověřeno, ale metoda je replikovatelná. Jádro není žádná magie: přesunout „opakující se úsudky” z lidských hlav do agentů, kteří je vykonávají.

Tenhle článek nejede v mlhavých AI pojmech. Rozeberu tři věci: co přesně se v systému změnilo, jestli to dokážeš nasadit ve vlastním byznysu, a hlavně – jestli z toho uděláš zakázkový byznys pro další majitele.

Bolest: peníze malých firem umírají na „lidské přeposílání”

Nejdřív si ujasni, kudy peníze tečou ven. Řetězec s 10 pobočkami v gastru nebo kosmetice obvykle živí tyhle lidi: operativce, co slučuje denní hlášení; účetní, co páruje tržby; personalistu, co hlídá směny a dovolené; asistenta, co urguje úkoly.

Osmdesát procent jejich práce je jeden a ten samý pohyb: vzít data z bodu A, rozhodnout podle pevných pravidel, poslat výsledek do bodu B. Překročil denní report limit? Má se doplnit sklad? Která pobočka je dneska v efektivitě poslední? Všechno jsou to jasně dané úsudky. Člověk je dělá pomalu, draze, unaví se a chybuje. Operativní pracovník za 35 000 Kč měsíčně stojí ročně přes půl milionu a dělá práci, která je ve své podstatě if-else logika.

Majitelé vědí, že je to plýtvání. Jenže doteď neměli na výběr: ERP na míru stojí statisíce, SaaS nástroje jsou zase nepružné. AI agenti trefili přesně tuhle mezeru – jsou levní, flexibilní, rozumí přirozenému jazyku a cenu „řídicího systému na míru” srazili na zlomek.

Příležitost: řízení firem je nejtučnější kus AI zakázek

Proč tenhle byznys funguje právě teď? Sešly se tři podmínky.

Zaprvé, modely už to zvládnou. GPT a Claude bez problémů zvládnou „přečti report → najdi anomálii → napiš závěr”. Přesností převyšují nepozorného brigádníka. Zadruhé, toolchain dozrál. n8n, Make, Coze umožňují i neprogramátorovi postavit pipeline „data z firemního chatu → AI analýza → automatické odeslání výsledku”. Dodací lhůta se zkrátila z měsíců na týdny. Zatřetí, náklady na edukaci majitelů spadly na minimum. Od doby, kdy DeepSeek prolomil ledy, chce každý majitel „dělat něco s AI”. Stačí mu ukázat spočítané ROI.

Srovnej si ceny na trhu zakázek: AI plakát za 700 Kč, tvrdá konkurence, nulová marže. Firemní znalostní báze s chatbotem za 15 000 Kč. Ale přestavba klíčových procesů řetězce? Tam se cena pohybuje od 80 000 do 400 000 Kč, plus roční udržovací poplatek. Protože neprodáváš „AI funkci”, ale „ušetřím ti 800 000 Kč ročně na mzdách”. Tenhle výpočet majitel pochopí okamžitě. Uvedené ceny a úspory nebyly podle původního zdroje nezávisle ověřeny.

Cesta: tři kroky k „samoučící se organizaci”

Krok 1: Nakresli „mapu úsudků” firmy

První věc není psaní kódu, ale rozhovory. Projdi si majitele a každého člověka v back office a ptej se: jaké úsudky děláš denně opakovaně? Z jakých dat? Komu posíláš výsledek?

Výstupem je seznam: detekce anomálií denních tržeb, spouštěč doplnění skladu, reakce na negativní recenzi do 24 hodin, kontrola kolizí ve směnách, týdenní žebříček efektivity. Seřaď položky podle „frekvence × časová náročnost”. První v pořadí jsou první cíle pro agenty. Firma s 10 pobočkami obvykle vygeneruje 15 až 30 takových bodů. Prvních pět pokryje polovinu práce back office. Ten seznam je sám o sobě výstup – a zároveň podklad pro cenovou nabídku. Účtuj podle převzatého objemu práce, ne podle „vývojových hodin”. Rozdíl v marži je propastný.

Krok 2: Předej každý úsudek agentové pipeline

Každý bod se promění v automatizovanou pipeline: zdroj dat (firemní chat, export z pokladny) → spouštěč (časovač nebo událost) → AI rozhodovací uzel (prompt s pravidly a historickými příklady) → akce (push notifikace, vygenerovaný report, označení odpovědné osoby).

Stack může být extrémně lehký: n8n nebo Make na orchestraci, GPT nebo lokální model API na úsudky, tabulková databáze jako datový základ. Skládáš to jako kostky, žádný kód. Klíčové je napsat AI jasná „rozhodovací kritéria” – přesně tady se zúročí rozhovory z Kroku 1. Tiché know-how zkušených zaměstnanců se zhmotní do promptů. To nejcennější, co firma má, se přesune z hlav do systému.

Minimální příklad: detekce anomálií tržeb. n8n každé ráno stáhne data z předchozího dne (z tabulkové databáze nebo CSV exportu z pokladny). Prompt pro GPT může znít:

„Jsi expert na provoz restauračních řetězců. Tady jsou včerejší tržby jednotlivých poboček, srovnání se stejným dnem minulého týdne a průměrem za minulý měsíc. Najdi pobočky s poklesem tržeb nad 15 % nebo abnormálním výkyvem průměrné útraty. Vysvětli možnou příčinu ve třech větách a označ vedoucího pobočky. Data: …”

Výstup AI se automaticky pošle do firemního chatu. Pojistka proti chybám: nastav práh spolehlivosti, pod 80 % jde úsudek na manuální kontrolu. Každý týden ručně zkontroluj přesnost AI a chybné případy přidej do promptu jako negativní příklady. K citlivým datům přistupuj přes anonymizované názvy polí a firemní API smlouvy – syrové tržby nikdy neposílej ven.

Nejdřív rozjeď jednu pobočku, jeden scénář. Nech majitele na vlastní oči vidět: „Operativní pracovník tímhle trávil každé ráno dvě hodiny. Teď se to v osm hodin samo objeví ve skupině.” Pak teprve škáluj.

Krok 3: Zpětná smyčka – systém se učí z každého rozhodnutí

Jednorázová automatizace jen šetří lidi. Skutečná hodnota je ve třetím kroku: výsledek každého úsudku se vrací zpět a stává se podkladem pro příští rozhodnutí.

Postav centrální znalostní bázi. Každé vyřešení anomálie, každý nápravný záznam pobočky, každý týdenní přehled – všechno strukturovaně uloženo. AI pak každý týden generuje analytický report: „Pobočka X má třetí týden v řadě klesající efektivitu”, „Stížnosti typu Y se koncentrují v pobočkách Z”. To je podstata „samoučící se organizace” – každé správné rozhodnutí se zaznamená a replikuje na všechny pobočky. Nová provozovna první den zdědí veškerou zkušenost starých. Mezní náklady na expanzi se blíží nule. Pobočky 3× bez nových lidí stojí přesně na téhle vrstvě.

Vyčíslení: kam až tenhle byznys sahá

Hrubý odhad podle trhu (referenční rozmezí, ne garance výdělku).

Strana dodavatele: přestavba řetězce s 5–20 pobočkami, první zakázka 80 000–220 000 Kč za převzetí klíčových procesů, pak měsíční poplatek 5 000–15 000 Kč za údržbu a iterace. Pět klientů ročně = 500 000–1 100 000 Kč v prvním roce plus opakované příjmy. Zvládne to jeden člověk se sadou nástrojů.

Strana klienta: restaurace s 10 pobočkami, back office 3 lidé, mzda 35 000 Kč měsíčně, roční náklad 1,26 milionu Kč. Po přestavbě ušetří 2 lidi = 840 000 Kč ročně. Zaplatí ti 140 000 Kč, první rok ušetří 700 000 Kč čistého, každý další rok víc. To je v AI zakázkách vzácný případ, kdy si obě strany připadají jako vítězové. Retence a doporučení jsou přirozeně vysoké.

Ale počítej s náklady na akvizici: B2B prodej má rozhodovací cyklus, první zakázka za 3 měsíce je normální. Bezplatné POC (proof of concept) žere čas – nabízej ho jen vysoce motivovaným klientům, omezený na jeden scénář a dodaný do týdne. Kanály jsou jasné: krátká videa „před a po automatizaci provozu” na sociálních sítích cílí přesně na majitele řetězců. Místní podnikatelské spolky a oborové komunity (gastro, kosmetika) na offline prezentace. A spolupráce s dodavateli pokladních systémů a účetními firmami na provizi – ti mají v rukou desítky klientů, které režie dusí.

Studený start: jak začít bez kontaktů na řetězce

Pokud teď nemáš přístup k majitelům řetězců, nevzdávej to. Studený start vede přes malé lokální podniky.

Zajdi do bistra, kosmetického salonu nebo kavárny, kam chodíš. Řekni majiteli: „Udělám ti nástroj, co automaticky shrnuje denní tržby a upozorňuje na negativní recenze. Dva týdny zdarma na zkoušku.” Malý podnik = rychlé rozhodnutí, žádné schvalovací kolečko. Po dvou týdnech máš data před/po a jednu větu od majitele jako referenci. To je tvůj první případ k prezentaci. S ním jdeš za dalším, o něco větším podnikem. Důvěra se sbírá zakázku po zakázce, ne čekáním.

Co udělat hned teď

Skutečná bariéra téhle metody není v technologii, ale v hloubkové customizaci. SaaS hráči dělají univerzální řešení, jednotlivec dělá hloubkovou customizaci – znáš rozhodovací pravidla konkrétního oboru líp než korporát. To je tvůj příkop. Teď můžeš udělat dva kroky okamžitě.

Pokud máš vlastní byznys nebo přístup k něčímu: tenhle týden si udělej „inventuru úsudků”. Sepiš 10 rozhodnutí, která ty nebo tvoji lidé děláte denně opakovaně. Vyber to nejbolavější. Neumíš n8n? První týden dělej úsudky ručně v ChatGPT, výstupy si formátuj do pevné struktury. Až to poběží, nauč se automatizaci. Oficiální dokumentace n8n a tutoriály na YouTube ti na start stačí. Náklad pár stovek, ověřuješ celou metodologii.

Pokud z toho chceš zakázkový byznys: nejdřív zdarma nebo za symbolickou cenu přestav jeden scénář u známého. Získej reálná data před/po a referenci majitele. Na trhu AI zakázek jeden ověřitelný firemní případ vydá za sto sebeprezentací. Majitelům nechybí ochota za AI platit. Chybí jim dodavatel, který se nebojí ručit za výsledek. Ten člověk můžeš být ty.