AI už není chatbot. Co znamenají Cowork, Artifacts, Plugins, MCP a další pojmy?

Z chatovacího okna se postupně stává pracovní systém. A s ním přichází pojmy jako Cowork, Artifacts, Plugins, MCP, Agents, Connectors nebo Skills.

Zní to trochu jako nabídka technologického bistra. Ve skutečnosti ale většina těchto výrazů popisuje poměrně jednoduché věci.

AI už není jen model

Současnou AI si můžeme představit jako kancelář:

• model je mozek;
• chat je místo, kde zadáváme požadavky;
• artifact je pracovní plocha s výsledkem;
• skill je návod, jak má AI určitý úkol provést;
• connector ji propojí s konkrétní aplikací;
• MCP je standard, který taková propojení usnadňuje;
• agent nebo Cowork dostane cíl a pokusí se práci skutečně vykonat.

Chat tedy nezmizel. Jen už často představuje pouze vstupní dveře do mnohem většího systému.

Cowork: Méně povídání, více práce

Cowork označuje režim, ve kterém AI nezůstane u jedné odpovědi. Úkol si rozdělí na kroky, pracuje s dostupnými soubory a nástroji a postupně připraví výsledek.

Místo:

Napiš mi agendu na poradu.

můžete zadat:

Projdi poslední zápis, související e-maily a otevřené úkoly. Připrav agendu, shrnutí nevyřešených bodů a podklady pro účastníky. Nic neposílej bez mého schválení.

Běžný chatbot vám řekne, co byste mohli udělat. Cowork se pokusí jednotlivé části skutečně provést.

Stále je ale potřeba kontrola. AI je rychlá, výkonná a občas naprosto přesvědčená o něčem, co se nikdy nestalo.

Artifacts: Výstup mimo nekonečný chat

Artifact je samostatný výstup vytvořený pomocí AI. Může jít například o:

• dokument;
• tabulku;
• dashboard;
• diagram;
• webovou stránku;
• jednoduchou aplikaci.

Výsledek nezůstane ztracený mezi dvaceti zprávami v konverzaci, ale zobrazí se v samostatném pracovním prostoru, kde jej lze dál upravovat.

Nahrajete například tabulku s výsledky kampaně a AI z ní vytvoří přehledný dashboard. Vy následně upravíte metriky, názvy nebo filtry.

Artifact ale neznamená automaticky správný artifact. Hezký graf založený na chybném výpočtu je stále chybný výpočet. Jen má lepší typografii.

Plugins a Skills: nové schopnosti a pracovní postupy

Plugin rozšiřuje možnosti AI. Může jí zpřístupnit určitý nástroj, službu nebo celou sadu funkcí.

Skill je konkrétní návod, podle kterého má AI pracovat. Může obsahovat instrukce, šablony, pravidla nebo kontrolní kroky.

Skill může například popisovat:

• jak připravovat firemní report;
• jak psát texty podle tone of voice;
• jak kontrolovat smlouvy;
• jak vytvářet prezentace podle brand manuálu.

Prompt je jednorázové zadání. Skill říká:

Takhle tento typ práce děláme u nás. Použij tuto šablonu, dodrž tato pravidla a před odevzdáním vše zkontroluj.

Firma tak nemusí být závislá na tajném promptu, který má jeden člověk uložený v poznámkách pod názvem „DOBRÝ PROMPT – NEMAZAT“.

Connectors: Most k firemním datům

Connector neboli konektor propojí AI s konkrétní aplikací nebo zdrojem dat.

Může jít například o:

• SharePoint;
• Google Drive;
• CRM;
• kalendář;
• účetní systém;
• interní databázi.

Díky konektoru nemusí AI pracovat pouze s tím, co jí ručně vložíte do chatu. Může podle nastavených oprávnění vyhledat informace přímo ve firemním systému.

To výrazně zvyšuje její užitečnost. Zároveň je nutné hlídat, k jakým datům má přístup a co s nimi může dělat.

Tlačítko Povolit přístup není formalita. Přestože jej uživatelé často mačkají rychlostí, která naznačuje opak.

MCP: univerzální zásuvka pro AI

MCP znamená Model Context Protocol. Jde o otevřený standard, který usnadňuje propojení AI s externími daty a nástroji.

Často se přirovnává k USB-C pro AI. Místo vytváření zvláštní integrace pro každý model a každý systém může existovat společný způsob komunikace.

Jednoduše řečeno:

Connector je konkrétní most. MCP je standard, podle kterého může být postavený.

MCP samo o sobě AI nedává neomezený přístup do firmy. Oprávnění, zabezpečení a schvalování je stále potřeba řešit zvlášť.

Agent: AI dostane cíl a hledá cestu

Agent je systém, který dostane úkol, rozdělí jej na menší kroky, vybere vhodné nástroje a postupně se snaží dojít k výsledku.

Agent pro zpracování faktur by mohl:

1. načíst doklad;
2. vytáhnout potřebné údaje;
3. porovnat jej s objednávkou;
4. označit nesrovnalosti;
5. připravit záznam ke schválení.

Agent tedy není pouze chatbot s novou ikonkou. Může provádět skutečné akce.

Právě proto je důležité nastavit limity, oprávnění a kontrolní body. Čím více toho AI může udělat, tím méně je vhodné řídit se strategií „snad to nějak dopadne“.

Deep research: když nestačí rychlé hledání

Deep research neboli hloubkový výzkum slouží ke složitějším rešerším. AI postupně vyhledává zdroje, porovnává informace a připravuje strukturovaný výstup.

Hodí se například pro:

• analýzu trhu;
• porovnání dodavatelů;
• rešerši legislativních změn;
• přípravu podkladů pro rozhodování.

Ani zde neplatí, že delší dokument automaticky znamená lepší dokument. Výsledky je potřeba kontrolovat, ověřovat zdroje a zkoumat, zda závěry skutečně vycházejí z nalezených informací.

Dvacet stran nepřesností je pořád dvacet stran nepřesností. Jen se déle čtou.

Jak to může fungovat dohromady

Představte si, že potřebujete připravit čtvrtletní marketingový report.

Agent nebo Cowork naplánuje práci.
Skill mu vysvětlí, jak mají vaše reporty vypadat.
Connectors jej propojí s CRM, dokumenty a reklamními systémy.
MCP může zajistit standardizované propojení s nástroji.
Deep research doplní vývoj trhu.
Artifact zobrazí výsledný dashboard.

Nakonec systém připraví e-mail pro vedení a požádá vás o schválení.

Jedno zadání, několik propojených vrstev a méně přepínání mezi šestnácti záložkami, z nichž tři přehrávají zvuk a vy netušíte které.

Prompty už nestačí

Když dnes mluvíme o AI gramotnosti, nejde jen o schopnost položit správnou otázku.

Lidé potřebují rozumět také tomu:

• jaká data má AI k dispozici;
• s jakými aplikacemi je propojená;
• jaké akce může provést;
• jak kontrolovat její výstupy;
• kdy musí rozhodnutí zůstat na člověku.

Nové funkce navíc nevyřeší starý chaos.

Když je firemní úložiště plné neaktuálních dokumentů, různých verzí směrnic a souborů bez vlastníka, AI v nich nenajde automaticky pravdu. Jen je dokáže prohledávat mnohem rychleji.

A automatizovaný chaos je stále chaos. Pouze má lepší výkon.

Od experimentování ke skutečné změně práce

V Digiskills pomáháme firmám přejít od náhodného chatování k promyšlenému využití AI, Copilota, agentů, automatizace a dalších digitálních nástrojů.

Neřešíme pouze funkce a tlačítka. Zaměřujeme se na praktické pracovní scénáře, bezpečné používání, kontrolu výstupů a změnu každodenních návyků.

Na vzdělávání lze navíc za splnění stanovených podmínek využít podporu Úřadu práce. Projekt Vzdělávání pro firmy umožňuje zaměstnavatelům a OSVČ žádat o příspěvek na vzdělávání; u zaměstnanců může podpora zahrnovat také náhradu mzdy za dobu účasti.

JAK NA DOTACE S DIGISKILLS?

Minimální rozsah vzdělávání je 50 hodin a přiznání podpory závisí na splnění podmínek a schválení žádosti.

AI už není pouze chatbot, který upraví tón e-mailu. Stává se pracovní vrstvou propojující data, aplikace, procesy a lidi.

A čím víc toho zvládne, tím důležitější bude vědět nejen co umí, ale také jak ji řídit a kdy její práci zkontrolovat.