Případová studie
Odpovídá s citacemi konkrétních zákonů a paragrafů, čerpá z více než tisícovky odborných dokumentů a když ve znalostní bázi nenajde dostatečnou oporu, odpověď odmítne. Systém běží ve veřejném provozu jako KotulaBot.
„Spolupráci s panem Gottwaldem hodnotíme velmi pozitivně. Od samého počátku se ukázal jako mimořádně přínosný partner – oceňujeme především jeho preciznost, rychlost a profesionální přístup k řešení našich potřeb. Náš Kotulabot je zaměřený na realitní trh. Klíčové pro nás bylo, aby odpovídal výhradně na základě námi dodaných a prověřených dat, což pan Gottwald skvěle zrealizoval. Aplikace tak poskytuje garantovaně přesné odpovědi bez čerpání z celého internetu. Vyvinutá aplikace tak perfektně plní svůj účel a panu Gottwaldovi děkujeme za skvěle odvedenou práci. Určitě ho vřele doporučujeme!“
Aplikace je čerstvě spuštěná, průběžně ji plníme daty a testujeme. Vyzkoušet si ji můžete na kotulabot.cz.
Daniel Kotula, majitel realitní kanceláře, přišel s jasnou vizí. Jeho klienti řeší při prodeji a koupi nemovitosti pořád stejné právní a daňové otázky: co se daní při prodeji bytu, jak funguje vklad do katastru, co musí obsahovat rezervační smlouva. Odpovědi znají jeho lidé, ale odpovídat každému zvlášť nejde škálovat.
Zadáním proto nebyl interní nástroj, ale veřejná znalostní platforma: AI asistent na webu, kterého se může kdokoliv zeptat na daně a právo kolem nemovitostí a dostane odpověď podloženou konkrétním zákonem. Pro klienty služba zdarma, pro kancelář marketingový nástroj, který ukazuje odbornost a přivádí zájemce k jejím dalším službám. A tvrdá podmínka od začátku: v právní doméně nesmí asistent fabulovat.
Práh 90 % přesnosti není marketingové číslo, ale podmínka nasazení. Před každou změnou vyhledávání i po každém importu dat běží testovací sada desítek reálných dotazů od uživatelů, u kterých je známa správná odpověď z podkladů prověřených klientem. Odpovědi hodnotí LLM soudce proti znalostní bázi a měří se i to, jestli asistent správně odmítne otázku, na kterou báze odpověď nemá. Pod 90 % úspěšnosti se nenasazuje a negativní hodnocení od uživatelů se průběžně promítají do testů.
Zásadní rozdíl proti internímu nasazení: tohle je veřejný chatbot. Nestojí za firemní branou s přihlášenými uživateli, je otevřený komukoliv na internetu. Od začátku jsem proto kladl mnohem větší důraz na zabezpečení proti náhlým útokům a na zvládnutí nárazové zátěže, třeba po reklamní kampani. Že to nebyla zbytečná opatrnost, se ukázalo záhy: jeden útočník si na chatbotovi vyzkoušel, jak dobré zabezpečení má. Útoku odolal, a já pro jistotu posunul zabezpečení ještě o úroveň výš. Platforma prošla nezávislým penetračním testem, vlastním red team testem se 138 útočnými scénáři a CI pipeline blokuje nasazení při známé zranitelnosti v závislostech.
Tato čísla popisují rozsah realizace. Provozní výsledky, tedy počty uživatelů, dotazů a přivedených poptávek, doplníme po delším období veřejného provozu, aplikace je na trhu krátce a čísla nechceme nafukovat.
Začátek byl sám o sobě ukázkou síly AI doporučení: klient mě nenašel přes reklamu ani reference, doporučil mě AI asistent, kterého se zeptal, kdo v Česku staví AI systémy nad vlastními daty. Následoval telefonát, jedna schůzka a dohoda: fixní cena za vývoj platformy, poté měsíční spolupráce na plnění znalostní báze.
Vývoj platformy trval čtyři měsíce souběžně s plněním první domény, kterou byly daně. Po dokončení platformy jsme se domluvili pokračovat na měsíční bázi: klientovi především plním další oblasti znalostí, jako jsou daně, hypotéky nebo pojištění. Klient data kurátorsky připraví a já je následně zpracuji do vektorové databáze, aby chatbot tuto znalost měl a uměl z ní odpovídat. Součástí měsíčního retaineru je také pravidelná kontrola bezpečnosti, aktualizace modelů, systému RAG a všech knihoven, drobné opravy a vylepšení podle přání klienta v domluveném časovém rozsahu.
Náročnost na straně klienta je malá a předvídatelná: jednotky hodin měsíčně na kurátorský výběr podkladů a zpětnou vazbu na kvalitu odpovědí. Zpracování dat, vývoj, provoz, bezpečnost i aktualizace nesu já.
Otázka, kterou si u dodavatele o jednom člověku položí každá rozumná firma: co když vypadne? Odpověď je v architektuře spolupráce. Systém stojí na standardních otevřených technologiích, je dokumentovaný, monitorovaný a zálohovaný a může ho kdykoliv převzít interní tým nebo jiný dodavatel, žádný vendor lock-in. Jsem jeden odpovědný partner od návrhu po provoz, ne jediný člověk na světě, který systém dokáže udržet.
Znalostní báze postupně roste: po daních přibyly hypotéky, pojištění a právo v nemovitostech, na řadě jsou občanské právo, katastr a další oblasti. S každou novou oblastí se rozšiřují i testovací sady, které hlídají kvalitu odpovědí.
V plánu je mobilní aplikace pro Android a iOS, propojení odpovědí s kontaktem na odborníka kanceláře pro složitější případy, další právní domény a průběžné slaďování provozu s požadavky EU AI Act.
Pro realitní kanceláře už tuto službu nenabízím, náskok patří mému klientovi. Samotný model je ale přenositelný do každého oboru, kde se klienti opakovaně ptají na stejné odborné otázky: účetní a daňové kanceláře, pojišťovací a finanční poradenství, právní služby, stavebnictví nebo zdravotnictví. Znalostní báze se vymění, architektura, bezpečnost i kontrola kvality zůstávají.
Backend FastAPI v Pythonu, frontend React, agentní jádro na frameworku LangGraph, provoz na Google Cloud v evropském regionu. Znalostní bázi drží grafová databáze Neo4j v přístupu GraphRAG: dokumenty, kategorie, judikatura a jednotlivé zákony tvoří propojenou síť, takže odpověď o rezervační smlouvě umí přitáhnout i související paragrafy občanského zákoníku, na které se dokument odkazuje.
Proč právě tahle kombinace: právní doména stojí a padá s doložitelností. Vyhledávání je vícevrstvé hybridní (vektorová podobnost, fulltext, shoda titulů) s rerankingem laděným pro právní texty, a každá odpověď cituje konkrétní zdroj a zákon. Když odpověď ve znalostní bázi není, asistent to řekne, místo aby ji vymyslel. Systém kombinuje modely OpenAI, Anthropic a Google s možností přepnutí, takže není závislý na jednom poskytovateli.
Součástí platformy je zpracovatelská pipeline znalostní báze: z nahraného PDF sama vytáhne text, rozseká ho po celých větách, doplní embeddingy, zařadí dokument do kategorií a propojí ho se zákony a podobnými dokumenty. Plnění báze dělám v rámci měsíční spolupráce já, klient data kurátorsky připravuje.
Daniel Gottwald, AI architekt. Navrhuji a stavím AI systémy, které běží v produkci a pracují s citlivými daty. Ne prototypy, ne prezentace. Systémy, které denně používají stovky lidí ve finančním, právním a akademickém prostředí.
Projdeme opakující se dotazy vašich klientů, dostupná data, bezpečnostní omezení a očekávanou návratnost. Když řešení smysl dávat nebude, řeknu vám to rovnou. Orientační ceny najdete v ceníku.
Neváhejte mi napsat a domluvíme se konkrétně.