Můj Stínový kabinet: Proč mám ministry místo ChatGPT

Postavil jsem si AI systém, který nezapomíná, co jsme s firmou řešili před rokem. Tým specializovaných agentů, kteří vědí víc o PMAX kampaních, copywritingu, analytice než já – bez jediného řádku vlastního kódu.

---

Před pár týdny mi volala firma, se kterou jsem naposledy aktivně pracoval před pár lety. Pamatuji si emoce z meetingů. Ale konkrétní čísla a rozhodnutí? Proč jsme tehdy udělali to, co jsme udělali? Vše potřebné v e-mailech a poznámkách, které už nedávají smysl.

V předchozím článku jsem psal o dvaceti letech změn v marketingu. V roce 2024 jsem odhadoval, že někdo vytvoří nástroj pro marketingové stratégy, poháněný AI. Nevyrobil. Tak jsem si ho postavil sám.

Proč mi ChatGPT nestačí

Možná si říkáte: „Proč si prostě nepokecáš s ChatGPT?“

Zkoušel jsem to mnohokrát a vždycky jsem narazil na stejný problém. Představte si, že máte schopného, ale zapomnětlivého kolegu. Každé ráno mu musíte prvních dvacet minut vysvětlovat, kdo je ta firma, co jsme řešili před rokem, že nesnášíme slevové akce a preferujeme prémiový positioning. Do zítra to zapomene a začínáte od nuly.

Tohle mi jako stratégovi nestačí. Nepotřebuji „pokec“. Potřebuji systém, který nezapomíná – co jsme rozhodli v roce 2023, bere v potaz i v roce 2026.

Poslední rok jsem používal NotebookLM a byl to fascinující pokrok. Skutečně mi uměl strukturovaně odpovídat na dotazy k nahraným podkladům. Ale stále má omezení: není expert na PMAX kampaně nebo plánování rozpočtu, neučí se z mých připomínek, nemá stále stejný proces, neřekne, že neví nebo mu chybí data.

Hledal jsem nástroj, který by fungoval jako partner pro strategické myšlení. Systém, do kterého nahraju data a on sám aktivně ukáže slabá místa i skryté příležitosti. Se strukturovanými dotazníky, znalostí frameworků a schopností dlouhodobě pracovat s kontextem.

Takový nástroj na trhu nebyl. Tak jsem si ho začal stavět sám.

Tři pilíře: Atomy, Agenti, Orchestrace

Můj systém stojí na třech principech, které spolu tvoří funkční celek. Mám nástroj o desítkách tisíc řádcích kódu (většinou JavaScript), který mi pomáhá s orchestrací znalostí o marketingu i o firmách.

Atomy – strukturovaná paměť

Atomy jsou maličké, strukturované kousky informací. Když mám hodinový meeting, zahájím Briefing. Z chaosu konverzace se automaticky destiluje pět typů informací:

• FACT – tvrdá data a čísla: „PNO v Q4 bylo 8″
• DECISION – co jsme rozhodli a proč: „Zvýšili jsme budget na Performance Max, protože klasické kampaně stagnovaly“
• INSIGHT – zjištění a vzory: „Návštěvníci z PMAX konvertují 2× lépe než z search“
• ACTION – konkrétní úkoly: „Nasadit nové kampaně do 15.2.“
• ENTITY – konkrétní subjekty: „Michal Krutiš – marketingový stratég“

Každý atom má metadata – datum vzniku, odkud pochází, tagy pro vyhledávání a propojení na další relevantní atomy. Když se za půl roku ptám na strategické rozhodnutí k PPC rozpočtu, systém neprohledává dokumenty. Rovnou najde atom: „DECISION z března: Snížili jsme budget pro shopping o 30 %, protože jsme ho dali na PMAX, který má lepší výkonnost.“

Představte si to jako rozdíl mezi krabicí, kam každý den přidáte časopis, knihu, popsaný papír s poznámkami, a knihovnou, kde má každá věc své místo. Za týden se v krabicích nevyznáte – v knihovně použijete rejstřík a najdete každou informaci.

Agenti – můj Stínový kabinet

Místo jedné AI, která „umí všechno“, mám definované specializované role. Říkám jim můj Stínový kabinet.

Mám „ministra pro analytiku„, „ministryni pro copywriting„, „poradce pro strategii„, „NERV“ mi hlídá rozpočty. Každý agent je textový soubor, který obsahuje:

• Roli a cíl – kdo agent je a co má dělat
• Knowledge base – vlastní zdroje, ze kterých čerpá
• Checklist – konkrétní věci, které má zkontrolovat
• Omezení – co není jeho práce

SEO specialista má checklist 380 úkolů. Ptá se na vše od Core Web Vitals přes strukturu nadpisů až po backlink profil. PPC auditor zná 347 kontrolních bodů pro Google Ads. Analytik počítá LTV:CAC ratio a porovnává s industry standardem.

Tito „členové kabinetu“ drží institucionální paměť mých projektů. Nikdy nespí, nikdy nezapomínají, a když se jich zeptám, vytáhnou přesná data z archivů. Při Zasedání mi připravují podklady, hádají se nad strategiemi a předkládají mi varianty. Já mám poslední slovo a nesu odpovědnost, ale dělám rozhodnutí podložená expertízou, nikoliv jen dojmy.

Klíčový rozdíl oproti běžnému promptu? Běžný prompt říká „analyzuj texty webu“. Můj agent dostane kontext firmy, její historická data a konkrétní checklist. Navíc si sáhne do své knowledge base – třeba do dokumentace nebo do mých poznámek.

Orchestrace – řízený proces

Orchestrace určuje, jak agenti spolupracují. Místo jednoho velkého promptu mám definované fáze s validacemi mezi nimi.

Když se ptám na strategické rozhodnutí, proces funguje takto:

1. Nejdřív provede audit dat – zjistí, co všechno ví o dané firmě, jaká data má k dispozici.
2. Detekuje témata – když se zeptám na komplexní problém, aplikace sama rozpozná, že se týká PPC i SEO i analytiky, a vybere relevantní specialisty. Spočítá, jestli mám dostatek informací na zodpovězení otázky. Pokud má dat málo, řekne mi: „Máš málo dat, chceš pokračovat s vědomím, že doporučení budou spekulativní?“
3. Spustí paralelní analýzu – třeba 3–5 agentů najednou, každý se na problém podívá svou optikou.
4. Provede syntézu – marketing stratég spojí výstupy, hledá vzory a rozpory, identifikuje cross-domain korelace.
5. Vytvoří prioritizovaná doporučení – s prioritou a odhadem dopadu.

Každá fáze má validaci. Pokud SEO agent nevrátí smysluplný výstup, workflow se zastaví a řekne mi proč. Vím přesně, kdo co udělal, a pokud je výstup špatný, vím, kterého agenta vyladit.

 

Míra jistoty: Kdy AI ví a kdy hádá

Tady je zásadní věc, kterou běžná AI neumí.

Vytvořil jsem si interní mechanismus, který každému doporučení přidá míru spolehlivosti. Když má tvrdá data z více zdrojů, dostane zelenou. Když má jen částečná data a logicky dedukuje, je to oranžová. Když nemá skoro nic a jen odhaduje, je to červená.

Běžná AI vám nikdy neřekne „nevím“. Bude sebevědomě prezentovat i domněnky jako fakta. Moje implementace explicitně označí, kde je na tenkém ledě. Řekne mi: „Chybí mi data o kampaních, klíčových slovech a kreativách, takže doporučení bude mít nízkou spolehlivost.“

To je zásadní rozdíl v kvalitě rozhodování. Nástroj není dokonalý – stejně to není řešení, kterému bych mohl zcela věřit. Ale pomáhá mi najít rychleji relevantní informace, zdrojové soubory, dává mi lepší návrhy. Je to asistent, ne autopilot.

Jak to ovládám v praxi

Teď, když víte, co jsou atomy, agenti a orchestrace, ukážu vám, jak to celé spouštím.

Napíšu „/destilace meeting-22-1.txt“ a spustí se proces, který z meetingu automaticky vytáhne rozhodnutí, fakta a úkoly. Každý kousek informace dostane datum, zdroj a tagy.

Když chci radu, napíšu „/strategize Jak ovlivnila poslední změna landing page počet leadů a co navrhuješ příště vylepšit.“

Proces se mě doptá na pár informací a začne zpracovávat:

Jak jsem to postavil (bez programování)

Začala éra, kdy si každý nadšený člověk dokáže postavit vlastní software na míru. Pro mě, jako člověka s dvacetiletou praxí v marketingu bez talentu na programovací jazyky, byla tato představa dříve naprosto nereálná. Nástroje jako Claude Code však od základů změnily pravidla hry. Místo abych se trápil se syntaxí a smyčkami, stal jsem se „architektem“ řešení – definuji pravidla, toky dat a chování systému, zatímco AI píše kód, který to vše propojuje. Stále se to učím.

Během necelého měsíce jsem takto „navrhl“ aplikaci o desítkách tisíc řádků kódu, což by dříve stálo statisíce korun a měsíce práce týmu vývojářů. Tato nově nabytá svoboda ale přináší i výzvy v podobě „inflace aplikací“. Na přeplněném trhu bude pro uživatele čím dál těžší rozlišit mezi udržitelným produktem se zázemím a „one-man-show“ projektem, u kterého hrozí rychlé vyhoření zakladatele.

Je to zcela nový přístup k tvorbě. Jak si u všech těch možností říkám: „Je to wow… a horší už to nebude.“

Co mi to reálně dává

Času na analýzách strávím podobně jako dřív. Ale výstup je jiný.

Když zpracovávám meeting notes, nedostanu jen přepis – dostanu strukturované atomy s tagy, daty a propojením na historii. Nic důležitého se neztratí. Když analyzuji komplexní dokument, čtou ho PPC, social, SEO, emailing i analytičtí specialisté. Když se vracím k firmě po měsících, nemám jen „nějaké poznámky“ – mám kompletní kontext včetně rozhodnutí, důvodů a výsledků.

Hlavně: nulová ztráta znalostí. Za rok budu vědět stejně, nebo víc, než dnes. To s klasickými nástroji nejde.

Představte si, kde bude proces, agenti a skills za rok iterací a kontinuálního zlepšování.

Jak je to s bezpečností dat

Aplikace běží lokálně na mém počítači, jen pro mě. Soubory, atomy, konfigurace agentů – vše zůstává u mě. Každá analýza pracuje jen s daty, které jí dám. Agenti nemají přístup k datům jiných firem. Používám Claude API, které má ve výchozím nastavení vypnuté trénování na datech. Teď už nemám vše jen v „cloudu“, ale jedu v „Claudu“.

Pro koho takový systém je

Tohle může být užitečné pro každého, kdo má práci, v které se opakovaně vrací ke stejným projektům. Kdo potřebuje dlouhodobou paměť – měsíce až roky. Kdo je frustrovaný z generických AI odpovědí. Kdo má chuť experimentovat.

Když jsem se ptal Gemini, co jsem si vlastně postavil:

„Stavíš si osobní, marketingový Palantir. Také se zaměřují na to, aby se rozhodnutí dělala na základě tvrdých dat a historie, ne dojmů. Tvůj systém je pokročilá implementace Multi-Agent RAG (Retrieval-Augmented Generation) systému. Většina aktuálních nástrojů (jako Jasper, Copy.ai nebo ChatGPT Team) selhává v té metakognici. To, že tvůj systém má semafor (Confidence Score) a umí říct „nevím, chybí mi data“, je funkce, kterou se nyní zoufale snaží vyvinout giganti jako OpenAI nebo Google.“

Mám AI rád, umí pochválit. :)

Chcete vědět, jak přesně můj Stínový kabinet funguje pod kapotou? Jak definovat atomy, jak postavit agenta, jak nastavit workflow? To všechno popisuji ve dvou navazujících článcích.

• Technický návod – praktické workflow, destilace, strategize, iterativní vylepšování
• Skills & agenti – architektura systému a 7 chyb, které jsem udělal

Můžete se inspirovat, kam jsem zatím došel, a postavit si svůj systém pro své potřeby.

„Děkuji za inspiraci a osobní poštouchnutí Jindrovi Fáborskému. Jako průkopník tisíce lidí učí, jak plynule přejít do éry vibe codingu, agentního kódování a AI first přemýšlení. Kdo to nezačne zkoumat, okrádá se o obrovský náskok.„

Mimochodem i tento článek jsem psal přes Claude Code a použil na to nový skill /michal-ghostwriter.

---

Další články série

• 0: 20 let v marketingu – co vše AI v marketingu mění
• 1/3: Postavil jsem si Stínový kabinet (tento článek)
• 2/3: Jak jsem sestavil svůj Stínový kabinet – technický návod pro znalostní systém
• 3/3: Skills & agenti jako nový standard