Diktování se mění v pracovní rozhraní. Lidé hlasem nejen zadávají prompty, ale také řídí firemní procesy, revidují dokumenty, rozdělují úkoly a obsluhují agenty.
Příkladem je Sara Maldon, specialistka na umělou inteligenci. Roky působí ve startupovém prostředí a její práce obnáší i časté cestování letadlem. Pokud byste ji zahlédli na letišti, dost možná by měla telefon u ucha. Možná by víc mluvila než poslouchala a tónem hlasu by dávala najevo, že po druhé straně něco chce. Maldon nedávno založila vlastní startup, takže zadávání práce přes telefon nezní nijak zvláštně. Jenže ona takhle telefonuje s AI agenty.
Když je hotovo, zavěsí. „A bot začne pracovat na daném úkolu, zatímco já nastavím letový režim a otevřu knížku,“ chválí si.
Tedy, možná zavěsí. Maldon mi nadšeně ukazuje své fungování s AI a příkladem je zrovna příprava tohoto článku. Svému agentovi přeposlala téma a oblasti, o kterých se spolu máme bavit, aby rozhovor vedl. Tak spolu telefonují, bot jí pokládá otázky a Maldon ho nechává poslouchat odpovědi, které má pak AI za úkol zpracovat, uhladit a roztřídit ke správným tématům. V závěru si s ní Maldon ujasňuje, jestli je všechno hotovo. „No a zrovna mi zavěsil. Už od toho normálně dostávám košem,“ směje se.
Maldon je ukázkou způsobu, jak lidé stále častěji ovládají umělou inteligenci. Namísto pokynů psaných přes klávesnici jí je podávají hlasem. Podle OpenAI teď více než 150 milionů lidí týdně používá v ChatGPT funkce Voice nebo Dictation. Firma zařadila Voice jako přímou součást ChatGPT a uživatel může mluvit, poslouchat odpověď, přerušovat ji, současně pracovat s textem, obrázky a webem.
Jeden z nejoblíbenějších nástrojů, který lidé mluvící na umělou inteligenci zmiňují a o kterém ještě bude řeč, je Wispr. Ten uvádí, že když lidé cvakají svá zadání přes klávesnici, dělají to obvykle rychlostí 45 slov za minutu. Pokud na stroj mluví hlasem, dotáhnou to na až 220 slov během minuty.
Mluvení je propojeno s možností přenášet i další formy komunikace obvyklé pro lidi na AI aktéry. Jedním z takových případů konkrétně u Maldon jsou zprávy. „Já to raději ukážu,“ říká Maldon. Otevírá okno v nástroji Grok bot připomínající komunikační platformy, kde je ona spolu s několika boty: jedním, co řeší spolupráce, jiným, který má znalosti produktu, dalším, který se zabývá eventy.„Líbí se mi, že funguje podobným stylem jako WhatsApp,“ říká Maldon. „S každým z těch botů mám nekonečnou konverzaci,“ vysvětluje a popisuje, že takový systém odráží velmi dobře způsob, jak lidé komunikují s lidmi. „A já jen čekám, až do toho přibude možnost interagovat s reálnými lidmi,“ nadhazuje.
Jde mi líp mluvit než psát
Maldon má všechny předpoklady s AI zacházet nadstandardně. Pracovala ve startupu Make, původně českém projektu, který používají stovky tisíc lidí, aby bez znalosti kódování automatizovali fungování ve firmě. Dva a půl roku v něm vedla AI transformaci a uvádí, že během čtyř měsíců posunula podle svých slov aktivaci AI napříč firmou z 8 na 96 %. Jen na okraj můžeme dodat, že jde o firmu, která měla už v roce 2020 hodnotu 2,5 miliardy Kč – za tolik ji tehdy koupila německá společnost Celonis. I její vlastní startup jménem Inflect se pohybuje na vlně AI, soustředí se na zjišťování toho, jak firmy skutečně těží z umělé inteligence, a chce jim zlepšit práci s touto technologií.
Ale na AI mluví řada lidí, kteří s technologiemi pracovně tak úzce propleteni nejsou. Své zkušenosti s těmito systémy má například Denisa Hrubešová, která spoluzaložila a vede platformu Forendors, kde můžou tvůrci monetizovat obsah. AI ji nadchla, stala se velkou popularizátorkou vibecodingu a ovládání hlasem si přitom velmi vychvaluje.
„Jde mi líp mluvit než psát. Můžu vysvětlovat svými slovy a třídím si u toho rovnou myšlenky. Přeskakuji ten dlouhý čas, kdy přemýšlím nad tím, jak něco napsat a co domyslet. Prostě to nadiktuji a řeknu ‚doptej se mě na vše, ať nezapomeneme něco domyslet’. Můj Claude má spoustu skills, které se spustí ve chvíli, kdy mu řeknu třeba ‚jdeme stavět nový projekt‘ nebo ‚píšeme newsletter‘, které jsem si sama vytvořila pro co nejsnadnější postup práce, abych na nic nezapomněla a abych měla jistotu, že ode mě chodí jednotné výstupy,“ vysvětluje Hrubešová.
Vibecoding nadchl i Michaelu Rakovou, která založila konzultační agenturu zaměřenou na firemní komunikaci a kreativní studio 52pages a šéfuje jim. A s vibecodingem ji nadchlo také diktování umělé inteligenci. „Pět minut psaní odpovídá minutě mluvení. A u toho se mohu dívat na výstup a rovnou ho komentovat, jako bych ho procházela s kolegou,“ nastiňuje.
Hluboce do AI je naopak ponořený Roman Berglowiec, zakladatel společnosti Everbot, která nad jednotlivými umělými inteligencemi staví uživatelské rozhraní a další služby pro ty, kteří chtějí pracovat s umělou inteligencí. „Já s AI vlastně víc mluvím, než píšu,“ říká. „AI tímto způsobem používám průběžně celý den a úspora podle mě nespočívá jen v rychlejším zadávání, ale v celém procesu od myšlenky k výsledku,“ rozvádí. Vysvětluje, že hlasem řeší prakticky vše. „Od e-mailů a zpráv kolegům přes produktová zadání pro vývoj až po firemní procesy, strategii nebo vlastní myšlenky,“ dodává.
Poslední zmíněný faktor zmiňuje v různých obměnách řada lidí. Uživatelé se totiž shodují na tom, že jim mluvení s AI umožňuje taky jinak přemýšlet.
„Největší výhoda pro mě není jen rychlost, ale množství kontextu, který dokážu předat. Často na začátku ani nemám hotovou myšlenku. Vím, jaký problém potřebuji vyřešit, a začnu ho AI vysvětlovat. Jak mluvím, napadají mě další souvislosti, AI navrhuje řešení a já na ně reaguji. Postupně si tak zároveň ujasňuji vlastní myšlenky a vzniká z nich konkrétní výstup,“ vysvětluje Berglowiec.
„Dost často nadiktuji svoje myšlenky a pak se zeptám bota, aby mi to pomohl zpracovat,“ říká také Maldon.
Pomoc zpracovat vlastní myšlenky zmiňují i další uživatelé na internetu. Jeden z nich například vysvětluje, že při práci v business developmentu často přemýšlí nahlas a užitečné myšlenky ho napadají v autě nebo po telefonátu. Nahraje hlasovou poznámku, později ji přenese do Claude a doufá, že ten z neuspořádaného přepisu pochopí, co chtěl říct. Další z komentujících vysvětluje, že má v Claude projektu vlastní instrukce, které zpracovávají jeho neuspořádané myšlenky (v diskusi je rad více, jedna z nich zní „preserve my actual phrasing, kill filler and tangents, surface action items separately“). A do třetice jiný uživatel hlasového přístupu chválí, protože „to funguje právě díky tomu proudu vědomí; psaní vás nutí předem strukturovat myšlenky, ale mluvení vám umožňuje prostě všechno vysypat a nechat Clauda, aby v tom našel smysl. Podceňovaný způsob práce,“ uvádí.
Mezi řečí a prací
Za poslední rok se dramaticky zvýšila kvalita přepisu a jeho integrace přímo do nástrojů, se kterými lidé pracují. Nástroj, který uživatelé v odpovědích zmiňují nejčastěji, je Wispr Flow. Umí vkládat přepis do textových polí napříč aplikacemi.
Na přepisy si lidé pochvalují další aplikace, mnohdy s podobnými jmény – Superwhisper, pro některé případy také Fireflies, Utter.to či Paarakeet, zajímavou variantou je i český projekt Uttero od Daniela Gamrota.
Nové nástroje se snaží odstranit mezikrok mezi mluvením a prací: uživatel podrží klávesovou zkratku, řekne, co potřebuje, a text se ideálně objeví rovnou v aplikaci, kterou právě používá. Některé nástroje jej navíc dokážou upravit podle kontextu, například jako e-mail, pracovní poznámku nebo zadání pro AI. V diskusích uživatelé řeší nejen přesnost přepisu, ale i prodlevu, množství následných oprav a to, jestli nástroj zvládne jejich vlastní jména či odborné výrazy.
Hrubešová používá vlastní setup: „Na přepisy audia mlx-whisper, který mi běží lokálně na grafice, takže nic neodchází pryč,“ vysvětluje. Raková zadání pro AI diktuje přes Wispr Flow. „Hlasem dělám například kontrolu dokumentů a prezentací: procházím slide po slidu a nahlas komentuji, co upravit, a AI to sama zapracuje. Druhou oblastí jsou schůzky. Nahráváme je na Plaud, malé zařízení na záznam rozhovorů, ze kterého nám běží celý systém poznámek a úkolů. Používá ho hlavně tým, který vede obchodní jednání nebo řídí projekty,“ přibližuje.
Maldon napsala svůj první nadšený příspěvek na sociální sítě o kombinaci Wispr Flow a Claude v září 2024. Dnes podle svých slov diktuje 60 až 70 % zadání. A kromě tohoto nástroje zmiňuje ještě nativní možnosti v konkrétních aplikacích, jako je zmíněný Grok Bot.
„Ta přesnost není zdaleka perfektní, řekla bych tak 70, možná 80 %. A v češtině to bude ještě horší. Ale ono to vlastně tolik nevadí,“ říká Maldon, která vzhledem ke svému zaměření mluví běžně s AI anglicky.
Hlasové ovládání totiž dává smysl především tam, kde už je AI prorostlá do struktury firmy. Když takto Maldon mluví, směřuje požadavky na své boty, z nichž každý má vlastní specializaci, znalosti, přístup k informacím a definovaný postup. A tak jejich tvůrkyně často například nepřemýšlí, komu přesně požadavek zadat, prostě ho „hodí“ do skupiny, přebere si ho její „pravá ruka“ – personální asistent, a roztřídí na konkrétní vhodné boty.
Hrubešová dnes celou firmu řídí přes Claude Code otevřený ve Warpu. „Nechodím do kalendáře, do Freela, nepíšu blog ani newslettery skrze oficiální platformy, vše řídím skrze Claude Code,“ říká. Když chce napsat newsletter, otevře projekt, nadiktuje záměr a Claude vytáhne první draft, který pak ovšem šéfka Forendors iteruje po svém.
A protože Claude má přes MCP (Model Context Protocol, který umožňuje AI napojit se na externí nástroje) přístup k jejímu Jira, Gmailu, Atlassianu, k vlastnímu nástroji Forendors a dalším službám, Hrubešová říká, že fakticky řídí firmu jedním rozhraním, a většinou právě hlasem. „Zrychlila jsem svojí práci tak o 300 %. Nebrzdím kolegy, zadávám Jira tasky podle pravidel, která máme, a nemusím se doptávat nikoho na věci, které se opakují – prostě se zeptám Claude, který je na pravidla napojený,“ vysvětluje.
Raková začíná pracovní den ranním přehledem, který jí připravila AI: mimo jiné zatřídila nové úkoly podle firemních priorit, sestavila přehled dlužných odpovědí i peněz, našla e-maily, na které naopak odpověď dluží ona a navrhla drafty odpovědí. Co se týče přepisů z Plauda, AI hned po schůzce vytvoří i shrnutí a uloží ho do složky klienta, později doplňuje informace do karty klienta a připravuje úkoly pro konkrétní lidi.
„Mně osobně to šetří dvě až tři hodiny denně na zápisech, přípravě dokumentů a administrativě,“ odhaduje Raková. I tak podle ní firma roste meziročně o vyšší desítky procent s prakticky stejnými náklady na lidi.
Když můžu mluvit, diktuji
Všechny reakce na možnost mluvit na AI spojuje určitý způsob používání, který působí jako jistá forma etiky. Maldon diktuje v kanceláři, v soukromí, případně na letišti, kde se to podle svých slov naučila, protože je v prostředí spousta jiných ruchů. „Já třeba běžně nepoužívám diktaci před svými přáteli a rodinou. Jsem člověk, který rád pracuje v uzavřeném, kontrolovaném, nerušeném prostředí. A tam diktuju bez omezení,“ říká. „Ve vlaku a tramvaji bych třeba do diktace nešla,“ vysvětluje.
„Pokud jsem v prostředí, kde můžu mluvit, což nejsou kavárny, letadla a podobná místa, vše diktuji,“ dodává Hrubešová. „Píšu většinou jen tehdy, když nemůžu mluvit nahlas,“ vyjadřuje se souhlasně Berglowiec.
A pro některé případy lidé schválně diktování vynechávají. Maldon výslovně říká, že diktaci nepoužívá jako náhradu psaní, spíš jako první vrstvu myšlenek, kterou pak doplňuje a strukturuje. Třeba Hrubešová nepoužívá hlas na e-maily a zprávy.
„Myslím, že právě tímto směrem se bude komunikace s AI vyvíjet. Je možné, že se jednou na klávesnici budeme dívat jako na archaický nástroj, kterým se kdysi komunikovalo s počítačem. Agentům jednoduše řekneme, čeho chceme dosáhnout, předáme jim myšlenky a kontext, a oni práci provedou,“ očekává Berglowiec.
- Chcete mít Lupu bez bannerů?
- Chcete dostávat speciální týdenní newsletter o zákulisí českého internetu?
- Chcete mít k dispozici strojové přepisy podcastů?
- Chcete získat slevu 1 000 Kč na jednu z našich konferencí?
Staňte se naším podporovatelem
ČLÁNKY DO MAILU