5 kroků, jak postavit chatbota a nespálit se

Základem je propojení evidence zakázek s fakturací. Většina účetních programů umí naimportovat data z CSV nebo se napojit přes API. Rozhodněte, který systém bude zdrojem pravdy. Pokud je to sklad, faktura vzniká až po vyskladnění. Pokud je to objednávka, hlídejte, aby se nefakturovalo zboží, které ještě není na cestě. Nastavte šablonu faktury s povinnými poli: odběratel, IČO, DIČ, datum vystavení, datum splatnosti a variabilní symbol. Variabilní symbol generujte automaticky z čísla zakázky, ne ručně. Ruční přepis je nejčastější zdroj duplicit a nespárovaných platností.

Druhý test je rychlost a formát výstupu. Některé nástroje vrací jen seznam odstavců, jiné celý report s odkazy na konkrétní místa ve smlouvě. Pro praxi je klíčové, aby výstupem byl odkaz na stránku a odstavec, ne jen obecné varování. Bez toho strávíte hodiny dohledáváním, co vlastně nástroj myslel.

Pro rozpoznávání textu z PDF použijte nástroje, které zvládnou české faktury včetně částek a variabilních symbolů. Vyplatí se testovat na vzorku alespoň dvaceti dokumentů, než pravidla nasadíte naostro. Častá chyba je, že lidé nastaví automatizaci a pak ji měsíc nekontrolují. Přitom stačí jeden špatně nastavený filtr a dokumenty mizí v nesprávné složce. Zaveďte proto pravidelnou týdenní kontrolu, ideálně v pátek, kdy je čas dohnat resty.

Nakonec myslete na hesla a dvoufázové ověření. Automatizace neznamená, že se hesla pošlou e-mailem v otevřeném textu. Používejte správce hesel a dvoufázové ověření tam, kde to služba umožňuje. Zapisujte si, kdo má přístup k čemu a proč. Tím se z ručního chaosu stane opakovatelný postup, který zvládne i malý tým bez IT oddělení.

Postavit chatbota dnes zvládne i člověk, který programuje jen občas. Rozhodující není jazyk, ale příprava. Než napíšeš první řádek kódu, napiš si na papír, co má bot dělat a co už ne. Většina začátečníků přeskočí tuhle nudnou část a skončí s modelem, který na polovinu dotazů odpovídá špatně. Cíl musí být úzký: třeba rezervace schůzek, odpovědi na pět častých dotazů, nebo načtení stavu objednávky.

Než začnete, spočítejte si, kolik času týdně trávíte hledáním a tříděním dokumentů. Pokud je to méně než hodina, možná vám stačí jen lepší pojmenování souborů. Pokud jde o celé dny, investice do automatizace se vrátí. Začněte malými kroky: jedno pravidlo pro příchozí faktury, jedno pro archivaci. Po měsíci vyhodnoťte, co funguje, a přidejte další. Vyhněte se tomu, abyste nasadili pět nástrojů najednou — vznikne vám neudržovatelný systém, kterému přestanete rozumět.

Technicky se vyhni ukládání citlivých údajů do logů. Pokud bot sbírá jména nebo kontakty, musíš vědět, kde končí a kdo se k nim dostane. Také si dej pozor na diakritiku a překlepy. Český uživatel píše bez háčků i s nimi, velkými písmeny i malými. Normalizace textu před porovnáváním je základ, jinak ti polovina dotazů propadne. Stejně tak ošetři prázdný vstup a příliš dlouhé zprávy.

Kde se to nejčastěji pokazí Typická chyba je snažit se pokrýt všechno. Bot, který umí všechno, neumí nic pořádně. Druhá chyba je ignorovat, co se stane, když bot nerozumí. Vždy musí existovat záložní odpověď a cesta k člověku. Třetí chyba je testování jen na vlastních dotazech. Sedni si k tomu s někým, kdo o projektu nic neví, a nech ho psát tak, jak mu zobák narostl. Uvidíš, jak rychle přestane fungovat to, co jsi považoval za hotové.

Typická chyba: nasadit nástroj na všechny smlouvy najednou a věřit výsledkům bez kontroly. AI má tendenci přehlédnout rizika, která nejsou v datech častá, a naopak označit běžné formulace jako problém. Nastavte proto pravidla: nástroj nejdřív projede smlouvy, označí kandidáty a právník je ověří. Teprve pak se výsledky použijí pro rozhodnutí.

Poslední věc: měř, jestli bot skutečně pomáhá. Počet zpráv není úspěch. Úspěch je, když uživatel najde odpověď a nemusí se ptát znovu. Pokud to nedělá, zjednoduš zadání a začni znovu od menšího cíle.

Na co se ptát před implementací Než podepíšete licenci, otestujte nástroj na vlastních datech. Vezměte 20 reálných smluv, ideálně v češtině, a nechte nástroj označit rizikové klauzule. Spočítejte, kolik jich našel a kolik jich označil falešně. U českých smluv narazíte na problém: většina modelů je trénovaná na angličtině a české právo nezná. Nástroj pak přehlédne například specifické formulace o úroku z prodlení nebo o výpovědních lhůtách.

Pak zvol přístup. Buď použiješ hotovou platformu s vizuálním editorem, nebo si napíšeš vlastní logiku. Vizuální editor je rychlý, ale narazíš na strop, jakmile budeš chtít něco nestandardního. Vlastní kód je pracnější, zato ti dá kontrolu. Pro první verzi stačí jednoduchý skript v Pythonu nebo JavaScriptu, který přijme text, prožene ho podmínkami a vrátí odpověď. Žádné velké modely ze začátku nepotřebuješ.