Podcast přináší konkrétní zkušenosti CEO Everbotu s implementací AI uvnitř firmy — od nahrazování interních SaaS nástrojů vlastnoručně vyvíjenými aplikacemi přes vibe coding až po automatizaci HR, obchodu a zákaznické péče. Roman popisuje, jak strukturovat zadání pro vývoj, jak budovat datový základ pro agentickou AI a jak si v době neustálých novinek udržet fokus. Hlavní poselství je jednoduché: začít, pravidelně tomu věnovat čas a nebát se chybovat.
Vibe coding pomocí Claude Code umožňuje Everbotu vyvinout interní aplikaci (CRM, HR systém, nábor) za dny místo měsíců — klíčem je velmi detailní zadání popsané tak, jako byste vysvětlovali kolegovi bez IT znalostí, ideálně doplněné videonahrávkou v Loom.
Roman věnuje každé ráno hodinu a půl iteraci s vývojářem — pravidelný čas vyhrazený rozvoji interních nástrojů není volitelný, ale strukturální podmínka toho, aby se posun vůbec děl.
Budování vlastního kontextového souboru (dokumenty popisující firmu, procesy, tone of voice) výrazně zlepšuje výstupy AI — kontext je cennější než precizní prompt; dobrá data s průměrným promptem porazí skvělý prompt bez kontextu.
Agenti jsou zatím spíše nástroj pro early adopters — Everbot doporučuje nejprve zvládnout generativní AI v každodenní práci a teprve pak budovat agentické vrstvy, protože nespolehlivost agentů a závislost na konkrétním modelu přináší provozní rizika.
AI filtr v náboru nebo obchodu (čtení životopisů, scoring leadů) šetří čas, ale nesmí nahradit lidský úsudek — intuice zkušeného HR nebo obchodníka zachytí signály, které model ignoruje nebo špatně váží.
FOMO z AI novinek se nejlépe zvládá výběrem malého počtu důvěryhodných zdrojů a pravidelným partnerským hovorem o směřování — nejde o to sledovat všechno, ale odfiltrovat šum a soustředit se na use cases relevantní pro vlastní byznys.
Historie chatu se neukládá. Po opuštění stránky bude smazána.
Roman Berglowiec, CEO Everbotu, přišel do podcastu Na vlně AI s jasnou tezí: AI není jen chatbot, ale motor pro výsledky. Everbot staví nad jazykovými, grafickými a video modely aplikační vrstvy, které uživateli dodají výsledek — ne jen odpověď na otázku. Součástí vize je i orchestrace modelů, kdy systém sám vybere nejlepší nástroj pro daný úkol, a mezivrstva zvyšující přesnost práce s dokumenty z průměrných 36 % na přibližně 99 %.
Interně firma s 85 lidmi přestala nakupovat hotové SaaS nástroje a začala si vlastní systémy vibovat. Výsledkem je jedno propojené prostředí — CRM napojené na databázi firem pro expanzi, automatické zakládání schůzek přes Google Workspace, real-time výpočet provizí obchodníků i kompletní HR modul od příchodu životopisu po vygenerování a podpis smlouvy. Celý tento modul, který by dříve trval rok vývoje, vzniká za dva týdny. Podmínkou je jedno: detailní zadání. Roman každou funkci popisuje na úrovni jednotlivých tlačítek, nahrává videonávod do Lomu a vývojář z transkriptu přímo promtuje Claude Code.
Klíčový procesní vzorec je jednoduchý — každé ráno od 6:30 hodina a půl s vývojářem: přezkoumat výstupy předchozího dne, upřesnit zadání, posunout se dál. Bez tohoto pravidelného bloku by se nic nestalo. Roman to přirovnává k tomu, že sport není o přemýšlení při hře, ale o tréninku v pozadí. Stejně funguje AI: čím víc ji každodenně používáte na reálné úkoly, tím přesnější výsledky dostáváte.
Zásadní praktická rada zní: vybudujte si kontextový základ. Složka s MD soubory popisujícími firmu, procesy, tone of voice a ideálního zákazníka — to je investice, která se vrací u každého dalšího projektu. Kontext předaný agentovi nebo vibe codingu je důležitější než sofistikovaný prompt. Dobrá data s jednoduchým zadáním porazí chytrý prompt bez kontextu.
K agentům Roman přistupuje střízlivě. Jsou to nástroje pro early adopters a jejich nespolehlivost, závislost na konkrétním modelu a sklon přistupovat ke složkám mimo definovaný scope představují reálné provozní riziko. Nejdřív zvládněte generativní AI jako standard denní práce, pak teprve stavějte agentické vrstvy.
FOMO z nepřehledného množství novinek řeší Roman selektivně: sleduje minimum zdrojů, filtruje šum přes pravidelný hovor se spoluzakladatelem a rozděluje roadmapu Everbotu na tři horizonty — kde je AI dnes na špičce, kam firma směřuje za tři až šest měsíců a kde je skutečné myšlení zákazníků. Ten třetí horizont bývá překvapivě pozadu za technologií a připomíná, že tempo adopce trhu je pomalejší než tempo vývoje modelů.
Závěrečné poselství je přímočaré: začněte to používat. Stejně jako ti, kteří jako první udělali web, zabrali nejlepší pozice ve vyhledávání, ti kteří začnou s AI dřív, budují náskok, který se nedá snadno dohnat.