Než pustíte AI do práce: zadání na jednu stránku

„Udělej mi SEO“ je zadání, u kterého si užijete spoustu překvapení. S AI agentem ještě rychleji než s dodavatelem. Sepsat úkol je přitom jen začátek. Můj agent má přímé napojení na databázi aktuálních i historických objednávek, aktualizovanou každou minutu. Právě takové podklady posouvají výstupy o level výš. Bez nich můžeme velmi rychle vyrábět velmi přesvědčivé domněnky.

Agent se pustí do práce ochotně. Často i ve chvíli, kdy jsme mu nedali polovinu potřebných informací. Něco si domyslí, něco přeskočí a výsledek může na první pohled vypadat velmi schopně. Při převzetí pak zjišťujeme, že každý řešil trochu jiný problém.

1. Napište, co má být výsledkem

U SEO to jde ukázat poměrně snadno. Zadání „udělej SEO“ neříká, jestli potřebujeme technický audit, nové vstupní stránky, nebo content ke kategoriím. Agent si nějakou cestu vybere. Nemusí to ale být ta, za kterou byste chtěli zaplatit.

Použitelnější je například: „Navrhni strukturu kategorie, která zákazníkovi pomůže vybrat správnou velikost obuvi.“ Už víme, komu práce slouží, co řešíme a jaký výstup očekáváme. Tohle má smysl upřesnit ještě před spuštěním.

2. Dejte agentovi skutečná data, ne jen hezký brief

Produktové parametry, dokumentace, schválené texty, přístupy. Pokud něco z toho chybí, napište to rovnou. Zejména u contentu pro e-shop nechceme, aby agent vyplnil mezery vlastním odhadem. Dobře formulovaná nepravda je pořád nepravda.

Objednávky aktualizované po minutě. Tady začíná použitelný kontext

V mojí práci má agent přímé napojení na přesnou databázi aktuálních i historických objednávek. Aktualizace probíhá každou minutu. Pro rozhodování tak dostává konkrétní obchodní podklady. Nemusím mu popisovat, co se asi prodává, ani stavět zadání na tom, co si zrovna pamatuji z poslední porady.

Tohle je podstatný rozdíl i pro SEO. Hledanost výrazu je jedna informace. Skutečné objednávky a jejich vývoj jsou další. Když rozhodujeme, kterým kategoriím věnovat práci nebo jaký content má pro e-shop prioritu, potřebuji tyhle souvislosti vidět vedle sebe. Samotný objem hledání mi obchodní důležitost stránky nevysvětlí.

Historie dává kontext, aktuální objednávky zase čerstvý obraz provozu. Agent má o co opřít doporučení a já mám podle čeho výstup kontrolovat. Výsledky jsou pak o level výš právě díky podkladům, se kterými pracuje. Objednávky samy samozřejmě neurčí, který nákup způsobilo SEO; k takovému závěru potřebuji i odpovídající data o návštěvnosti a jejím zdroji.

SEO doporučení musí vycházet z reálných dat

Jestli si dnes objednáváte audit, analýzu klíčových slov nebo seznam doporučení pro implementaci, ptejte se, z jaké reality vašeho obchodu výstup vychází. Zná dodavatel skutečné objednávky, historii a cíle firmy? Umí vysvětlit, proč máte investovat čas právě do navržené úpravy?

Pokud má výstup určovat obchodní priority a nic z toho za ním není, jsou to za mě nesmysly zabalené do tabulky. Technickou chybu na webu samozřejmě odhalíte i bez databáze objednávek. Jakmile ale někdo doporučuje, co máte rozvíjet a kam dát peníze, pouhý export z nástroje a obecné poučky mi nestačí.

Stejně přistupuji k AI. Lepší model ani delší prompt nenahradí chybějící podklady. Kvalita zadání začíná už tím, k jakým ověřeným datům agenta pustíme a jestli víme, jak jsou aktuální.

A řekněte také, kam nesahat

Podobně nastavte rozsah. Má připravit návrh, upravit testovací verzi, nebo už zasahovat do provozu? Co smí přepsat a co potřebujete předem vidět? Pár konkrétních pravidel vám může ušetřit velmi nepříjemné odpoledne.

3. Domluvte si, podle čeho práci převezmete

Seznam upravených souborů ještě neříká, jestli stránka funguje. Zákazník potřebuje najít informaci, projít web na mobilu a dokončit svou práci. Podle toho má vypadat i kontrola.

U webové stránky proto zadávám vedle obsahu také ověření odkazů, mobilního zobrazení, ovládání klávesnicí a formulářů. Pokud se něco netestovalo, potřebuji to vědět. Zpráva „vše hotovo“ bez konkrétního ověření je docela slabé předání.

4. Co jste opravili, vraťte do dokumentace

Řešíte podruhé stejnou chybu? Pak má smysl doplnit pravidlo do podkladů projektu. Ideálně i s příkladem správného řešení. Jinak budete totéž vysvětlovat dalšímu kolegovi i dalšímu agentovi znovu.

Dokumentace nemusí být slohová práce na třicet stran. Musí být aktuální, dohledatelná a použitelná. Přesně tyhle vlastnosti rozhodují, jestli další úkol začneme rozumně, nebo opět od nuly.

Jednoduchá kostra zadání, kterou můžete použít

• Cíl: komu má výsledek pomoci a jaký problém řeší.
• Podklady: kde jsou ověřená data, jak často se aktualizují, jakou historii pokrývají a co v nich chybí. U obchodních doporučení také skutečné objednávky a cíle firmy.
• Rozsah: co se má upravit, kam se nesahá a co vyžaduje kontrolu před nasazením.
• Výstup: co přesně převezmu a kde to najdu.
• Kontrola: jak ověříme funkčnost, o která data se doporučení opírá a kdo za převzetí odpovídá.

Žádná velká věda. Poctivé zadání práce, které jsme potřebovali dávno před AI. Jen se nyní mnohem rychleji ukáže, když ho odflákneme.

Jak to souvisí s organizací týmu, vlastní infrastrukturou a cenou práce, rozebírám v článku Práce s AI agenty je jako s lidmi.