V IT je proxy prostředník, který přijme požadavek a předá jej dál. Výraz meat proxy proto s notnou dávkou nadsázky označuje člověka, jenž funguje jako biologický mezičlánek mezi AI a softwarem, ke kterému umělá inteligence nemá přímý přístup.
Typickým příkladem je například pracovník e-shopu, který kopíruje popisy produktů z tabulky do AI, nechává je překládat nebo upravovat a výsledky ručně vkládá zpět. Pokud výstupy pouze přenáší bez další kontroly či úprav, funguje jako prostředník mezi nástroji, které by bylo možné propojit automaticky.
Na tento problém upozorňuje například iniciativa No Meat Proxy. Výrazu se věnovala také média jako např. Business Insider. Nejde o oficiální pracovní pozici ani odborný technický termín. Je to především výstižné pojmenování špatně nastaveného pracovního procesu.
Definice pojmu „meat proxy“ Zdroj: https://x.com/abhiaiyer/status/2091593298712682945
Používání AI samo o sobě ještě neznamená vyšší produktivitu. Někdy pouze přesuneme rutinní práci z jednoho místa na jiné. Varovné signály přitom bývají snadno rozpoznatelné:
Kopírování informací samozřejmě není problém - může jít o nejrychlejší cestu, jak ověřit nápad nebo si jednorázově usnadnit práci. Pokud však stejnou operaci provádíte opakovaně, je čas zvážit vytvoření šablony nebo proces automatizovat.
Matyho TIP:
Meat proxy není každý, kdo používá AI a následně její práci kontroluje. Problém nastává až tehdy, když je vaším jediným úkolem mechanické „copy & paste“. AI je pomocník, nikoliv neomylný zdroj, proto její výstupy vždy kontrolujte přiměřeně jejich významu a možnému dopadu.
Ne každé zapojení člověka je zbytečné. U rozhodnutí s významným dopadem je lidská kontrola nezbytná. Rozhodující je, zda člověk pouze přenáší výstup mezi systémy, nebo přidává odborný úsudek, kontext a odpovědnost.
Pozn.: AI může připravit návrh smluvní klauzule, ale právník musí posoudit její důsledky. Může označit podezřelou transakci, ale odpovědný pracovník rozhodne, zda je nutné ji prověřit. Může napsat funkci, ale vývojář musí rozumět tomu, co kód provádí, zkontrolovat jeho bezpečnost a spustit testy.
V podobných případech člověk není pouhým prostředníkem – přidává znalosti, zkušenosti a odpovědnost, které jsou pro správné dokončení úkolu nezbytné.
Dobrým výchozím pravidlem je, že AI má smysl všude tam, kde pomůže dosáhnout stejně kvalitního nebo lepšího výsledku za kratší dobu či s menším úsilím. To ale vyžaduje správně rozdělit role mezi uživatele, umělou inteligenci a automatizaci.
Cílem tedy není nechat AI dělat úplně všechno. Smyslem je odstranit zbytečné ruční mezikroky a soustředit lidskou práci tam, kde má největší hodnotu.
Matyho TIP:
Neautomatizujte proces jen proto, že to technicky jde. Nejprve jej několikrát vyzkoušejte ručně, určete očekávaný formát a změřte chybovost. Teprve stabilní postup převeďte na API. Jinak pouze zrychlíte špatně navržený proces.
Chatovací rozhraní je vhodné pro jednorázové úkoly, hledání možností a ověření, zda AI dokáže připravit požadovaný výsledek. Jakmile se ale stejný postup pravidelně opakuje, dává větší smysl propojit model s firemními systémy přes API.
Příkladem může být třídění zákaznických zpráv. Nejprve pracovník vloží několik anonymizovaných e-mailů do chatu a ověří kvalitu navržených kategorií. Jakmile postup funguje spolehlivě, aplikace může nové zprávy automaticky odesílat modelu, převzít strukturovanou odpověď a předávat člověku pouze nejasné nebo rizikové případy.
Než proces automatizujete, jasně určete jeho cíl, potřebné vstupy, formát výstupu a situace, ve kterých musí rozhodnout člověk. Automatizujte až stabilní a ověřený postup - jinak pouze zrychlíte špatně navržený proces.
Pro podobné integrace můžete využít LLM s API od ZonerCloud. Model lze napojit například na firemní aplikaci, helpdesk, interního asistenta nebo vývojářské nástroje.
Jeden požadavek přes API stačí pro jednoduchý a předvídatelný úkol. Pokud ale proces zahrnuje několik navazujících kroků, zde pomůže AI agent. Ten může pracovat se soubory, databází nebo firemními aplikacemi, vyhledat potřebné podklady a připravit výsledek ke kontrole.
Vhodné jsou především opakované procesy s jasným cílem, předvídatelným výstupem a pravidly pro řešení výjimek. Agent může například:
Matyho TIP:
Pokud hledáte vhodný nástroj pro vlastní automatizaci, přečtěte si také naše srovnání AI agentů OpenClaw, Claude Code a Hermes . Jednotlivá řešení se liší způsobem ovládání, možnostmi automatizace i tím, pro jaké uživatele a úkoly jsou nejvhodnější.
Agent přitom nemusí automaticky rozhodovat o všem. Nejprve jej nechte pouze připravovat návrhy. Až po ověření kvality mu postupně umožněte číst data nebo provádět přesně vymezené změny. Čím větší dopad může mít chyba, tím důležitější je schválení člověkem.
AI přitom nemusí komunikovat se zákazníkem ani za pracovníka rozhodovat. Může fungovat jako interní asistent, který zaměstnanci dohledá podklady a urychlí přípravu odpovědi. Právě tímto způsobem AI využíváme v ZonerCloudu na vlastní AI/GPU infrastruktuře:
„S rostoucím počtem zákazníků přibývá také požadavků na naši zákaznickou podporu. Do ticketovacího systému jsme proto nasadili AI agenta napojeného na interní znalostní bázi. Kolegům pomáhá dohledávat informace a připravovat podklady zejména pro řešení často se opakujících dotazů. Jeho cílem ale není nahradit živé operátory. Na lidském přístupu si zakládáme a AI má našim lidem především uvolnit ruce od rutiny, aby měli více času na řešení technicky či časově náročnějších požadavků.“
AI agent může pracovat se soubory, spouštět příkazy nebo provádět změny ve firemních aplikacích. Zpřístupněte mu proto pouze data a nástroje, které skutečně potřebuje. První pokusy provádějte na kopii dat nebo v izolovaném prostředí, zachovejte možnost návratu a rizikové operace nechte schválit člověkem.
Stejně důležité je vědět, kde se firemní data zpracovávají, kdo k nim může přistupovat, jak dlouho se uchovávají a zda mohou být použita ke zlepšování nebo trénování modelů.
Pozor na citlivá firemní data
Zaměstnanci do AI stále častěji vkládají zákaznickou komunikaci, smlouvy, neveřejné ceníky, obchodní plány, interní dokumentaci, zdrojový kód nebo části firemních databází. Tyto podklady zpravidla obsahují osobní údaje, obchodní tajemství i firemní know-how.
Podmínky externích AI služeb se liší podle poskytovatele, tarifu i nastavení. Zadaný obsah může být ukládán, analyzován nebo za určitých podmínek používán ke zlepšování služby a trénování modelů. Nelze proto automaticky předpokládat, že placená verze znamená úplné soukromí.
Matyho TIP:
Do veřejné nebo neprověřené AI nevkládejte osobní ani přístupové údaje, zákaznickou komunikaci, neveřejné dokumenty, interní zdrojový kód nebo jiné citlivé informace. Pokud externí nástroj potřebujete použít, vstup nejprve anonymizujte.
Pro práci s interními podklady je vhodné prostředí, ve kterém znáte umístění infrastruktury a máte pod kontrolou přístupová práva, použitý model i systémy, se kterými může komunikovat. Jednou z možností je AI/GPU server nebo připravené LLM s API od ZonerCloudu.
Data v rámci těchto řešení zůstávají v České republice, podléhají českému právu a nejsou používána k trénování cizích modelů. Řešení současně splňují relevantní požadavky na ochranu a zabezpečení dat vyplývající z GDPR a NIS2 a pomáhají zákazníkům plnit jejich vlastní povinnosti.
Vyberte si jeden opakovaný proces, ve kterém již AI používáte. Namísto zdlouhavého sepisování si ho rovnou interaktivně vyklikejte a podívejte se, jak ho posunout na další úroveň:
Výsledkem nemusí být úplná automatizace. Často dává největší smysl kombinace, při které běžné a jednoznačné případy zpracuje AI automaticky, zatímco nejisté nebo rizikové úkoly předá odborníkovi spolu s potřebnými podklady. Člověk pak bezhlavě nekliká, ale řeší pouze výjimky, u kterých je jeho úsudek skutečně potřeba.
Meat proxy je člověk, který se v AI procesu změnil na prostředníka mezi dvěma nástroji. Tento pojem nemá nikoho zesměšňovat, pouze upozorňuje na to, že jste ve své firmě sice nasadili moderní technologii, ale nezměnili pracovní postup.
Začněte proto jednoduše. Využijte AI k získání nápadu, naučte se přesně definovat cíl a výsledek vždy přiměřeně zkontrolujte. Jakmile se úkol začne pravidelně opakovat, zvažte nahrazení ručního přenosu dat integrací přes API. U vícekrokových procesů mohou rutinní činnosti převzít AI agenti, kteří si sami vyhledají potřebné informace, připraví výsledek a nestandardní případy předají člověku.
Citlivé informace zpracovávejte pouze v důvěryhodném prostředí. Ověřujte, kde se data nacházejí, kdo k nim má přístup a zda nejsou používána k trénování cizích modelů. Pokud chcete firemní AI provozovat s daty uloženými v České republice, využijte AI/GPU server nebo připravené LLM s API.
Nejdůležitější pravidlo je prosté: AI může převzít rutinu, ale nikoliv vaši odpovědnost. Čas, který automatizací získáte, věnujte rozhodování, komunikaci, kreativitě a odborné práci. Tedy činnostem, u kterých člověk není pouhou proxy, ale skutečným přínosem.
Otestujte výkon NVIDIA RTX PRO 6000 Blackwell pro vLLM, firemní AI API i více uživatelů současně.
Bez investice do vlastního hardwaru si ověříte, kolik výkonu skutečně dostanete z jednoho GPU.
čeština 
slovenčina 
english 