Agentic Leadership #4: Proč nejdřív zvládnout jeden nástroj perfektně — a pak teprve přecházet

Nejdřív zvládni jeden AI nástroj perfektně, teprve pak přidávej další. Tool hopping - skákání od nástroje k nástroji - je nejrychlejší způsob, jak nezvládnout ani jeden. Hluboká znalost jednoho nástroje tě posune dál než povrchní znalost pěti, protože rychlost, spolehlivost a lepší výsledky leží v hloubce, ne v šířce arzenálu.

Tohle je čtvrtý díl série Agentic Leadership. V předchozích jsme řešili, kdy sáhnout po jakém nástroji a jak orchestrovat víc AI. Dneska jde o disciplínu, která tomu předchází: soustředit se, než začneš rozšiřovat.

Co je tool hopping a proč je to problém?

Tool hopping je zvyk zkoušet každý nový AI nástroj a přeskakovat na další dřív, než starý pořádně zvládneš. Vypadá to produktivně - pořád se něco učíš - ale ve skutečnosti se pohybuješ jen po povrchu.

Sleduješ AI novinky? Každý týden vychází nový nástroj. Každý měsíc tu máme nový "ChatGPT killer". Komunita se přesouvá jako hejno ptáků - tento týden všichni mluví o Claude, příští týden o Gemini, pak o Cursoru, pak o Antigravity od Googlu.

Výsledek? Za půl roku máš nainstalovaných 15 AI nástrojů, platíš předplatné za 6 z nich, ale pořádně neovládáš ani jeden. Tool hopping je moderní prokrastinace v obleku produktivity.

A není to jen anekdota. Gartner předpovídá, že organizace v roce 2026 opustí 60 % AI projektů, které nemají za sebou připravená data a jasný workflow. Většina firem má "hodně demo a hodně nástrojů, ale žádný workflow, který se měřitelně změnil od začátku do konce". To je tool hopping na firemní úrovni.

Kolik reálně stojí přeskakování mezi nástroji?

Přepínání kontextu má tvrdou cenu, kterou ti data ukážou černé na bílém. Studie z University of California, Irvine zjistila, že po přerušení trvá v průměru 23 minut a 15 sekund, než se plně vrátíš do soustředění. Každý skok mezi nástroji tě stojí přesně tuhle daň.

Knowledge workeři přepínají mezi aplikacemi a weby 1200krát denně. Přepínání kontextu snižuje produktivitu až o 40 % a zaměstnanci ztratí zhruba 9 % roční pracovní doby (asi pět pracovních týdnů) jen tím, že se pořád reorientují v nových nástrojích. Když k tomu přidáš AI nástroje, které se každý ovládá jinak, ta daň jen roste.

Pointa: každý nový nástroj, který zkusíš a zahodíš, není zadarmo. Platíš časem na učení, časem na přepínání a rozmělněnou pozorností. Hloubka je levnější.

Amatér vs. profík - kde je skutečný rozdíl?

Amatér má 10 nástrojů a ovládá každý na 20 %. Profík má 2-3 nástroje, které ovládá na 90 % a víc. A paradoxně profík s menším arzenálem podá lepší výkon. Proč?

• Ví přesně, co jeho nástroj umí a hlavně co neumí.
• Zná hranice, kde nástroj přestává fungovat spolehlivě.
• Má workflow optimalizované na rychlost a konzistenci.
• Při problémech ví, jak věci debugovat, ne jen znovu promptovat.

V AI světě je to stejné. A výzkum o dovednostech to podpírá: k základní kompetenci u nové dovednosti stačí podle Josha Kaufmana zhruba 20 hodin cílené praxe, k solidní úrovni (7 z 10) kolem 1000 hodin. Rozptyl je ale obrovský - studie šachistů ukázala, že cesta k mistrovské úrovni trvala někomu 728 hodin, jinému 16 120 hodin. To je 22násobný rozdíl. Když ale ty hodiny rozmělníš mezi 15 nástrojů, nikdy hloubky nedosáhneš.

Co znamená zvládnout AI nástroj perfektně?

Zvládnout nástroj perfektně znamená znát jeho hranice, mít vyladěný systém a vědět, kdy ho nepoužít. Tady je konkrétní rozbor na příkladu Claude Code (AI coding asistent od Anthropicu za 20 $ měsíčně na tarifu Pro), ale principy platí pro jakýkoliv nástroj.

Po 1 týdnu: Umíš základní příkazy. Víš, jak požádat o úpravy v souboru. Výsledky jsou slušné, ale občas se objeví nepochopitelné chyby.

Po 1 měsíci: Píšeš efektivní instrukce. Umíš vytvořit soubor CLAUDE.md pro projektový kontext. Začínáš vnímat, kdy proces přerušit a přesměrovat.

Po 3 měsících intenzivního používání: Máš vybudovaný systém, šablony CLAUDE.md pro různé typy projektů, prompty jsou stručné a přesné. Využíváš hooks, subagenty a MCP integrace. Víš přesně, kdy Claude Code použít a kdy sáhnout po jiném nástroji.

Ten rozdíl mezi 1 týdnem a 3 měsíci je obrovský. A na úroveň 3 měsíců se nedostaneš tool hoppingem - jen soustavnou praxí s jedním nástrojem.

Přenášejí se dovednosti mezi nástroji?

Ano - a to je skrytý bonus hloubky. Když jsem šel do hloubky s Claude Code, naučil jsem se principy, které se přenášejí i jinam. Jak AI modely obecně uvažují. Co funguje v instrukcích a co ne. Proč je důležité, jak rámuješ zadání a jak spravuješ kontext.

A pak, když přejdeš třeba z Claude Code (20/100/200 $) na Cursor (Pro za 20 $), je přechod mnohem hladší. Netvoříš znalost od nuly, přenášíš existující porozumění do nového prostředí. Naopak když tool hopuješ, absorbuješ jen povrchní věci - jak kliknout, jak se přihlásit - a nikdy se nedostaneš k tomu, jak s nástrojem přemýšlet.

Proč jsem zůstal u Claude, i když vyšla konkurence?

Upřímně: byl jsem v pokušení přejít. Vyšel GPT-5 s Codexem, který dělá 74,5 % na SWE-bench. Gemini měl skvělé benchmarky. Google spustil vlastní agentické IDE Antigravity. Všichni psali, že je konec Claude.

Přesto jsem zůstal. Měl jsem investováno 6+ měsíců hluboké práce, systém CLAUDE.md vyladěný pro své projekty, věděl jsem, kdy Claude tlačit a kdy mu dát prostor. Navíc Opus 4.5 mezitím udělal 80,9 % na SWE-bench (první model přes 80 %), takže "srovnatelná konkurence" ani neplatila. Přechod by znamenal ztrátu všeho kontextu. Znalost nástroje je aktivum. Přecházej, když máš dobrý důvod, ne kvůli FOMO.

Kdy je čas přejít na jiný nástroj?

Přejdi, když tvůj nástroj systematicky (ne občas) neumí to, co potřebuješ. Tady jsou signály, které nejsou FOMO:

• Nástroj systematicky nezvládá tvé úkoly - třeba chceš multi-agentní orchestraci a on to prostě neumí dobře.
• Cena přestala dávat smysl - workflow roste a náklady se vymkly. Rozdíl mezi Pro (20 $) a Max (200 $) je 10násobný, tak to má smysl řešit.
• Nástroj se zásadně zhoršil - ne benchmark horší o 2 %, ale reálná degradace pro tvůj případ užití.
• Tým potřebuje něco jiného - ty zvládáš terminál, kolegové ne.

FOMO signály naopak jsou: prý je lepší, má lepší marketing, benchmarky jsou o kousek vyšší, všichni přecházejí. To nejsou důvody.

Kdy hloubka NEfunguje - limity tohoto přístupu

Nechci prodávat dogma. "Drž se jednoho nástroje" má taky své hranice a slepě to nefunguje vždy:

• Když teprve hledáš, co ti sedí. Prvních pár týdnů je v pořádku vyzkoušet 3-4 nástroje a jeden si vybrat. Hloubka přijde až po volbě.
• V rychle se měnícím poli. AI se hýbe extrémně rychle - lpět na nástroji, který je rok pozadu, je stejná chyba jako tool hopping. Jde o rovnováhu, ne o zamrznutí.
• Různé úkoly, různé nástroje. Profík má 2-3 nástroje z důvodu - jeden na kód, jeden na výzkum. To není tool hopping, to je specializace.

90denní výzva - framework, jak jít do hloubky

Chceš si osahat rozdíl mezi povrchní a hlubokou znalostí? Tady je konkrétní výzva:

1. Vyber jeden nástroj. Claude Code, Cursor, ChatGPT, Gemini - jeden.
2. Zaváž se na 90 dní. Každý pracovní den ho použij na alespoň jeden reálný úkol. Nenahrazuj ho, i když by to bylo pohodlnější.
3. Dokumentuj, co funguje. Zapisuj prompty, které daly skvělý výsledek, i situace, kde nástroj selhal. Buduješ osobní playbook.
4. Jdi hlouběji každý týden. 1. týden základy, 2. týden pokročilý prompting, 3. týden integrace do workflow, 4. týden okrajové případy a limity.

90 dní po jednom reálném úkolu denně je zhruba 60-90 hodin cílené praxe - podle výzkumu tě to dostane přes základní kompetenci a odliší od 95 % uživatelů, kteří skončili u povrchního osahání.

Závěr: hloubka je konkurenční výhoda

V době, kdy každý zkouší každý nový nástroj a nikdo ho pořádně nezná, je hluboká znalost jednoho nástroje skutečnou konkurenční výhodou. Jsi rychlejší, spolehlivější a dostaneš lepší výsledky - a neplatíš 40% daň za přepínání kontextu.

Ze základny solidní znalosti pak můžeš fluidně rozšiřovat. Přidat druhý nástroj, pak třetí. Ale vždy s jasným záměrem, ne ze zvědavosti. V pátém a závěrečném dílu série se podíváme na to, jak vypadá reálná orchestrace AI agentů v praxi - konkrétní workflow, které šetří desítky hodin měsíčně.