Naučíme AI Podcast

V této epizodě Naučíme AI podcastu je hostem Martin Pártl, freelancer a tvůrce obsahu zaměřený na sociální sítě.

Bavíme se o tom, proč dnes tolik obsahu vytvořeného pomocí AI vypadá stejně a jak snadno může značka přijít o vlastní identitu, když celý kreativní proces přenechá jednomu promptu.

Martin ukazuje, že problém není samotná AI. Naopak ji každý den používá. Rozdíl je v tom, jestli vám pomáhá tvořit, nebo jestli tvoří kompletně za vás.

Popisuje svůj praktický workflow při přípravě carouselů: nahraje do ChatGPT brand manuál klienta, připraví strukturu a návrh vizuálu, převede ho do Canvy a následně ručně dopracuje text, fotografie, produkty i grafické prvky.

Řešíme také AI jako nástroj pro vzdělávání. Martin používá vlastního agenta, který mu podle jeho kalendáře plánuje pravidelné bloky studia střihu, vizuálu a marketingu.

Velkou část rozhovoru věnujeme také autenticitě na sociálních sítích. Martin vysvětluje, jak začal zveřejňovat osobní témata, proč právě jednoduchá videa často fungovala nejlépe a jak mu Instagram během několika let přinesl nové kontakty, klienty i vztah.

Pokud tvoříte obsah na sociální sítě, budujete osobní brand nebo chcete používat AI v marketingu bez toho, aby váš profil vypadal jako tisíce dalších, tahle epizoda je pro vás.

V prodloužené části v Naučíme AI Klubu pokračujeme praktickými tipy pro freelancery a tvůrce a dalšími způsoby, jak Martin zapojuje AI do své práce.

🎧 Přejeme příjemný poslech.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Jiří Korčák, pedagog na VŠE v Praze, AI konzultant a lektor Naučíme AI.

Bavíme se o tom, jak AI mění vzdělávání a vývoj aplikací. Jiří ukazuje konkrétní projekty vytvořené vibecodingem — od festivalové aplikace přes e-shop až po nástroje pro fantasy světy — a vysvětluje, proč lidé s technickými znalostmi dokážou pomocí AI pracovat násobně efektivněji.

Řešíme také Lovable a jeho využití při rychlém prototypování. Místo několika týdnů čekání může zákazník během hodin nebo dní dostat funkční návrh do ruky, vyzkoušet ho a teprve potom se pustit do plného vývoje.

Ve firemní části představujeme platformu Omnicrain a řešíme bezpečnost dat, privátní AI infrastrukturu a enterprise prostředí. Jiří upozorňuje, že největší problém často není nedostatek AI nástrojů, ale chybějící konkrétní use-case. Nestačí říct „chceme AI“ — firma musí přesně vědět, jaký problém chce vyřešit.

V bonusové části pro Naučíme AI Klub pokračujeme tématem AI Actu, ukládání dat a praktickou prací s AI. Členové navíc mohou získat přístup do aplikace Kartograf.

🎧 Přejeme příjemný poslech.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Štěpán Kulišťák, který firmám pomáhá se zaváděním umělé inteligence, vzděláváním zaměstnanců a tvorbou AI strategie.

Bavíme se o tom, proč je v mnoha firmách kolem AI stále chaos. Zaměstnanci používají různé nástroje, často bez společných pravidel, a vedení nemusí mít přehled o tom, jaká data do nich lidé vkládají. Štěpán upozorňuje zejména na riziko používání veřejných a neplacených AI nástrojů pro práci s interními firemními informacemi.

Řešíme také AI Act, interní směrnice, bezpečnost, výběr správného ekosystému a otázku, kdy dává smysl Microsoft Copilot, kdy ChatGPT, Claude nebo jiné nástroje.

Velká část epizody patří praktickému vzdělávání zaměstnanců. Jak postavit školení pro různá oddělení a rozdílné úrovně znalostí? Proč by zaměstnanec měl už během prvního dne vytvořit vlastní workflow nebo AI asistenta? A proč se skutečná změna nedá stihnout během jednoho krátkého workshopu?

Zazní také konkrétní příběh člověka, který na kurzu začínal prakticky od nuly a během roku díky AI a vibecodingu postavil vlastní funkční aplikaci.

V bonusové části pro Naučíme AI Klub dostanou členové také praktický návod na nastavení Claude Code od úplného začátku.

🎧 Přejeme příjemný poslech.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Martina Panošová Hucková z Jihočeského vědeckotechnického parku (JVTP). Bavíme se o tom, jak JVTP pomáhá startupům, začínajícím podnikatelům i zavedeným firmám dostat jejich nápady a inovace do praxe.

Martina vysvětluje, co všechno JVTP nabízí — od inkubace a mentoringu přes propojování s odborníky, firmami a výzkumnými organizacemi až po konkrétní programy podpory. Řešíme také nový program INOJIV, díky kterému mohou vybrané jihočeské firmy získat až 75% podporu na poradenské služby například v oblasti AI, digitalizace, automatizace, prototypování nebo ověření proof of concept.

Podíváme se i na vznikající AI Lab / DigiLab, kde má být možné testovat lokální AI modely, pracovat s 3D tiskem a zkoušet technologická řešení ještě před jejich větším nasazením.

Řeč přijde také na budoucnost jižních Čech: jak udržet mladé talenty v regionu, proč má smysl začít podnikat už při studiu a co musí region nabídnout, aby se lidé po zkušenostech z Prahy, Brna nebo zahraničí chtěli vracet.

V bonusové části v Naučíme AI Klubu pokračujeme oblíbenými AI nástroji pracovníků JVTP a tématem vibecodingu.

🎧 Přejeme příjemný poslech.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem David Fogl — technologický architekt, vývojář a expert na testování softwaru. Hned na začátku řešíme zásadní otázku: jak se testuje AI, která neodpovídá pokaždé stejně? David vysvětluje rozdíl mezi deterministickým a nedeterministickým testováním a ukazuje, proč v praxi často jedna AI kontroluje výstupy jiné AI.

Dostaneme se také k jeho projektu Artima, AI nástroji pro marketing a sociální sítě. Artima pomáhá malým a středním firmám tvořit příspěvky, plánovat obsah, držet jednotný tone of voice a pracovat s více AI modely najednou — od GPT přes Gemini a Claude až po Grok.

Velká část rozhovoru patří i vibecodingu, AI agentům a skillům. David vysvětluje, proč si dnes i laik dokáže vytvořit prototyp aplikace, ale zároveň upozorňuje, že produkční řešení potřebuje bezpečnost, zálohy a dobře nastavené procesy. Zazní i praktický use-case z výrobní firmy, kde se zkušenosti mistrů převáděly do skillů pro interního chatbota.

V rozšířené části pro Naučíme AI Klub pokračujeme tématy jako počítačové vidění, reklamní kampaně v Artimě a další praktické využití AI ve firmách.

🎧 Přejeme příjemný poslech.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Lukáš Doul, který se v dm věnuje zavádění umělé inteligence a digitální transformaci. Díl ukazuje, jak vypadá AI adopce ve velkém korporátu — od počátečního zákazu ChatGPT kvůli bezpečnosti dat až po vlastní interní nástroj dmGPT.

Lukáš popisuje, proč zákaz AI ve firmě dlouhodobě nefunguje, jak se řeší bezpečné prostředí pro práci s modely a proč je důležité nabídnout zaměstnancům nástroj, kterému mohou věřit. Dostaneme se k internímu chatbotu, Microsoft Copilotu, agentům, práci s kontextem, sdílení souborů i bezpečnostním nastavením, která mohou rozhodnout o tom, jestli AI firmě pomůže — nebo způsobí problém.

Velká část rozhovoru je velmi praktická: jak školit zaměstnance, jak měnit jejich mindset, proč teorie nestačí a proč nejlépe fungují konkrétní ukázky z každodenní práce. Zazní i příklad analýzy dodavatelských nabídek, kde AI ušetřila přibližně 8 hodin práce.

V rozšířené části pro Naučíme AI Klub se bavíme o vibecodingu, měření reálného dopadu AI ve firmě a o tom, kam může dm v oblasti AI směřovat dál.

🎧 Přejeme příjemný poslech.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě je hostem Petr Stanislav z Elin AI. Jejich projekt popisují jako „kognitivní antivirus pro generaci Z“ — nástroj, který má pomáhat tlumit negativní dopady sociálních sítí (doomscrolling, úzkost, přetížení) a vracet člověka z emoční spirály zpátky k racionálnímu přemýšlení.

Petr vysvětluje, jak Elin funguje v praxi: sbírá kontext toho, co uživatel na sítích vidí, pracuje s modely, které vyhodnocují dopad obsahu, a spouští intervence (pauza, změna perspektivy, zklidnění). Dostaneme se i „pod kapotu“: proč to není jen chatbot, jak přemýšlí o embeddingách, dimenzích emocí, iteracích a proč do toho musí vstupovat i psychologové.

Otevřeme i citlivé téma důvěry a soukromí: když má systém chránit, potřebuje vidět kontext — a přesně tohle je dnes jeden z největších bloků i pro firmy a školy.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Filip Kroutil – fotograf, kameraman a člověk, který u nás stojí za produkcí celého podcastu. Povídáme si o tom, kde už dnes AI reálně šetří čas v kreativní práci: od chytrých funkcí ve foťácích (AI ostření a rozpoznávání objektů), přes nástroje na úpravy fotek a videa, až po praktické workflow, které z rutiny udělá automat.

Filip sdílí konkrétní hack: postavil si GPT asistenta na náhledy, kterému dal svoje šablony a pravidla – a díky tomu zvládne návrh náhledu výrazně rychleji než dřív. Řešíme taky „realitu Adobe“ (proč je pořád tak silné) a kde dávají smysl alternativy a AI-first nástroje pro úpravy.

Díl je praktický, bez hype: co funguje, co je jen hračka a jak si nastavit workflow tak, aby AI pomáhala a nebrala kontrolu.

🎧 Přejeme příjemný poslech. Pokud se Vám epizoda líbí, zanechte prosím hodnocení a sledujte podcast, ať Vám neutečou další díly. Rozšířenou část a bonusy najdete na HeroHero.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Milan Pokorný – programátor a lektor umělé inteligence. Díl je víc freestyle a jde po tom, co dneska reálně pálí firmy i vývojáře: budeme AI používat v cloudu, nebo lokálně ve firmě / doma?

Milan vysvětluje, proč je cloud zatím default, ale proč zároveň roste tlak na to mít modely „u sebe“: data security je pro spoustu organizací deal breaker (typicky banky a velké korporáty). Z druhé strany je tu tvrdá ekonomika: provoz velkých modelů je drahý (elektřina, datacentra, hardware), a proto všichni tlačí na optimalizace, kompresi a zmenšování modelů.

Probíráme i technologické směry, které můžou změnit dostupnost AI v příštích letech: kompresní algoritmy (menší model při slušné kvalitě), pokusy rozběhat LLM i na CPU místo drahých GPU, a celkově tlak dělat „to stejné, ale levně“. A do toho přidáváme Milanovu velmi trefnou analogii k obavám studentů, že jim AI sebere práci – proč to zatím naráží na „zdi“ (validace, kontext, limity, infrastruktura) a proč je potřeba zůstat v klidu a adaptovat se podle reality.

V epizodě uslyšíte:

• cloud vs. lokální AI: proč to firmy řeší a kde je realita
• data security jako deal breaker (když cloud prostě nejde)
• proč se modely musí zmenšovat: náklady, elektřina, datacentra
• komprese modelů a snahy o běh LLM na CPU
• AI a programování: co je „kód pořád dokola“ a jak se mění role vývojáře
• proč u AI projektů roste význam distribuce a „boje o pozornost“
• bonus na HeroHero: návod, jak si napsat vlastního AI agenta

🎧 Přejeme příjemný poslech. Pokud se Vám epizoda líbí, zanechte prosím hodnocení a sledujte podcast, ať Vám neutečou další díly. Rozšířenou část a bonusy najdete na HeroHero.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026

V této epizodě Naučíme AI podcastu je hostem Jan Plojhar z rodinné firmy s tradicí od roku 1888. Povídáme si o tom, jak zavádět AI do výrobní firmy tak, aby to nebylo FOMO ani „nasazení shora“, ale postupné budování schopnosti lidí používat AI v každodenní práci.

Jan otevřeně říká, že u nich nejde primárně o to „nasadit AI nástroj do firmy“. Spíš se snaží naučit lidi AI používat: odbourat blokery, ukázat praktické use-casy a vychovat ve firmě „hrdiny“, kteří pak dokážou strhnout ostatní. Workshopy dělají dobrovolně, sdílí mezi sebou nástroje a reálné zkušenosti a řeší konkrétní problémy (někdy s AI, jindy je to jen o lepším procesu).

Silná pointa epizody: dnes už často nejde o „prompt engineering“, ale o kontext — dát AI správné informace a hlavně říct, jak přesně chcete výstup použít. Výsledky pak bývají výrazně lepší.

Zazní i praktické příklady z praxe:

• interní vzdělávání: AI jako „další okno vedle Outlooku“
• vibecoding automatizace: kontrola došlých faktur vs. ceník dodavatele
• frustrace z tradičních dodavatelů: drahý a pomalý reporting i u triviálních věcí
• komunita kolem BudeHubu: AI snídaně, workshopy a sdílení toho, co kdo používá

🎧 Přejeme příjemný poslech. Pokud se Vám epizoda líbí, zanechte prosím hodnocení a sledujte podcast, ať Vám neutečou další díly. Rozšířenou část a bonusy najdete na HeroHero.

Naučíme AI Klub: https://naucime-ai-klub.circle.so/checkout/zakladni-clenstvi-nai-klub-2026