Talk & Grow: Data, AI a večer, co tě posune

Jen dva lidi, dva mikrofony a jedno velké téma na rozjezd. Na pódiu se potkají Marián Hurta, který přiváží ty nejčerstvější zkušenosti přímo ze Silicon Valley, a Zdeněk Huspenina, který propojuje pokročilý software s fyzickým světem robotiky. Čeká tě neřízená, ale o to upřímnější debata bez servítek a bez slidů. Místo teoretických definic tě kluci nakrmí reálnými postřehy z první linie. Jaká je realita dneška a co nás čeká zítra v oblasti umělé inteligence? Tenhle úvodní talk tě perfektně hodí do kontextu a naladí na všechny další přednášky celého večera.

Co všechno můžeš delegovat na AI ještě dřív, než začneš přemýšlet o vlastním AI startupu? Andrej Grajciar ti ukáže, jak v performance agentuře MAIRA reálně používají AI v každodenní práci – od vibe codingu interních nástrojů přes automatizaci rutinních úkolů až po efektivnější práci s daty a procesy. Žádná teorie, ale praktické workflow, konkrétní use-casy a inspirace, kterou můžeš využít i ve vlastní práci.

Firmy dnes produkují obrovské množství dat, dashboardů a reportů. Přesto často chybí odpověď na základní otázku: „Co máme udělat?“ Pavel Fryblík ukáže, proč samotný reporting často nestačí, proč různí lidé interpretují stejná data odlišně a jak nad daty přemýšlet tak, aby vedla k reálným rozhodnutím místo další prezentace. Přednáška bude postavená na praktických zkušenostech z práce s business daty, forecastingem a řízením výkonu ve firmách.

Generování kódu pomocí AI dnes zkouší skoro každý. Jenže bezhlavé kopírování vygenerovaných řádků tě z juniora na seniora neposune. Jak z těchto nástrojů vymáčknout maximum pro svůj kariérní i technický růst? Zapomeň na nudné prompty typu „oprav tenhle kód“. Na praktických ukázkách v Pythonu ti Matěj Karolyi vysvětlí, jak proměnit běžné LLM modely v přísného, ale skvělého seniorního mentora – pro interaktivní code review, lepší přemýšlení nad strukturou a bezpečností kódu i pochopení osvědčených vývojářských postupů. Zjistíš, jak díky správnému přístupu k AI růst každý den, ať už píšeš datové skripty nebo ladíš SQL dotazy.

Dá se za čtyři roky kompletně změnit kariéra, dostat se do Googlu a u toho postavit projekt s 15 000 návštěvníky měsíčně? Martina Weber ti ukáže, že tahle cesta není sci-fi, ale logický výsledek. Od učení a konzultací k datové analytice a automatizacím, které dnes tvoří páteř lifestylového magazínu Páté kafe. Žádná motivační klišé, ale upřímný pohled na to, jak se naučit cokoli a jak v redakci o dvou lidech postavit efektivní stack z automatizací, vlastních appek a napojení na AI modely, který oddře tu nejtěžší práci za tebe.

Musíš za AI vždycky platit? Robert Mondřík tě naučí, jak experimentovat s open-source modely a free tiery od Googlu nebo Nvidie tak, aby AI agenti běželi úplně zdarma – i bez výkonného hardwaru nebo drahých API. Zaplatíš maximálně za vývojářské nástroje typu Claude Code, samotný provoz agentů ale může běžet čistě na volně dostupných modelech. Dojde i na praktické ukázky z jeho vlastního AI dashboardu, který doporučuje podcasty, shrnuje zprávy nebo třeba pomáhá vybrat, kam zajít na oběd. Praktický pohled na to, jak využít aktuální možnosti open-source AI naplno – stavět vlastní workflow, testovat nové modely a hledat jejich reálné využití v každodenní práci i osobním životě.

Jakub Kopecký ti vysvětlí a ukáže, jak AI agenti dnes přistupují k datům díky Model Context Protocolu (MCP) – od klasických databází pro analýzu až po real-time webová data pro klíčová business rozhodnutí. Pracovně tomu říká Data 2.0. Dojde i na praktické use-casy, AI-driven datovou analýzu nebo využití nástrojů jako Apify. Pokud tě zajímá, kam se posouvá práce s daty a AI workflow, tohle je pohled do světa, kde AI už jen neodpovídá v chatu, ale skutečně pracuje s daty.

Každý, kdo staví s LLM, zná ten pocit: prompt vypadá dobře, model odpovídá rozumně a jde se na deploy. Jenže pak přijde edge case, který nikdo nečekal. Filip Holec ti ukáže, jak fungují evaly a proč jsou pro AI produkty tím, čím jsou automatizované testy pro klasický software. Nasdílí, jak evaly postavili v ENGETU a Nuomy přes Braintrust – včetně konkrétních chyb a věcí, které by dnes už udělali jinak.

Začalo to callem s HR týmem Kooperativy a jasnou vizí: „Chceme nástroj, který nám pomůže lépe pracovat s talenty.“ Záznam schůzky zpracoval AI agent v Microsoft Copilotu, vytáhl z něj zadání, úkoly, poznámky i další kroky a tento výstup se stal vstupem pro coding agenta.

O dva dny později už existovala stabilní interní HR aplikace pro hodnocení zaměstnanců v 16-box talent matici. Byla napojená na data ze SAP HXM, nabízela interaktivní matici, kalibraci, meziroční srovnání, pokročilé filtry, editaci i exporty. Původní prototyp vytvořený „nakódováním vize“ v Claudu sice fungoval, ale nebyl dlouhodobě udržitelný. Lukáš Chylík ti ukáže, jak se ho díky AI workflow podařilo proměnit v robustní řešení, které se dnes v Kooperativě reálně používá – a jak rychle se dá dobrý nápad proměnit v něco hmatatelného.

Bude upřesněno.