Agentic Leadership #5: Orchestrace AI agentů v praxi — reálné workflows

Teorie skončila. Tady je praxe.

Čtyři díly jsme mluvili o tom, co Agentic Leadership je, jak vybírat nástroje, jaké jsou možnosti agentního programování a proč je důležité jít do hloubky. Dnes je čas na konkrétní ukázku: jak tohle všechno vypadá v reálném životě.

Ukážu čtyři reálné workflow, které používám nebo o kterých vím, že fungují. Každý je jiný svou strukturou, ale všechny sdílejí společný princip: ty jsi dirigent, AI jsou muzikanti.

Co je orchestrace a proč na ní záleží

Symfonický orchestr má desítky muzikantů. Každý je expert na svůj nástroj, ale bez dirigenta by hrál každý to své – výsledkem by byl chaos. Dirigent neurčuje, jak přesně má houslista zahrát notu; určuje tempo, strukturu, kdy kdo nastoupí a jak na sebe jednotlivé části navazují.

Agentic Leader je dirigent. Neurčuje každý krok AI, ale určuje záměr, strukturu, sekvenci a kontrolní body. AI exekuuje – ty řídíš celkový výsledek.

Právě tohle odlišuje Agentic Leadera od běžného uživatele AI. Běžný uživatel má jedno okno chatu a jednoho AI asistenta. Agentic Leader má systém, kde více nástrojů pracuje koordinovaně a výstupy jednoho jsou vstupy druhého.

Workflow #1: Content pipeline

Tento postup používám pro tvorbu obsahu – článků, jako je tento, příspěvků na LinkedIn nebo videí.

Krok 1 – Research (Perplexity): Začínám v Perplexity. Zadám téma a chci zjistit, co se o něm aktuálně píše, jaké jsou hlavní perspektivy a na co se lidé ptají. Perplexity za 2–3 minuty vrátí syntetizovaný přehled s citacemi. Tenhle rešeršní úkol by mi jinak zabral 30–45 minut.

Krok 2 – Psaní a hloubka (Claude): Výstupy z Perplexity vložím do Claude s instrukcí: „Zde jsou zdroje a přehled tématu, napiš článek podle těchto požadavků." Claude má velké kontextové okno, takže zpracuje celý materiál najednou. Výstupem je první verze textu.

Krok 3 – Vizuály (Gemini / DALL-E): Pro obrázky k článku nebo náhledy pro YouTube použiji generativní nástroje, jako je Gemini Imagen nebo GPT-4o s DALL-E.

Krok 4 – Distribuce: Publikace na blog, úprava verze pro LinkedIn a příprava podkladů pro scénář videa.

Výsledek: Článek, který by mi bez AI trval 3–4 hodiny, zvládnu za 45–60 minut. Kvalita přitom neklesla – naopak, rešerše je důkladnější, než kdybych ji dělal sám.

Workflow #2: Klientský projekt od briefu po realizaci

Toto je postup pro technické projekty – analýzu, architekturu a implementaci.

Krok 1 – Analýza briefu (Claude): Klient pošle zadání nebo poznámky ze schůzky. Vložím je do Claude s žádostí o analýzu: jaké jsou požadavky, co chybí, jaká jsou klíčová technická rozhodnutí a co doporučuješ. Claude vytvoří strukturovaný přehled, čímž mi ušetří hodinu čtení a analýzy.

Krok 2 – Architektura (Claude Code): Na základě analýzy přejdu do Claude Code, kde navrhneme architekturu projektu. Soubor CLAUDE.md obsahuje kontext projektu, technické požadavky a konvence pojmenování.

Krok 3 – Implementace (Cursor nebo Claude Code): Samotná implementace probíhá podle navržené architektury. Pro iterativní vývoj funkcí preferuji Cursor – inline editace je rychlá a pohodlná. Pro komplexnější části nebo refaktorování kódu se vracím ke Claude Code.

Krok 4 – Revize a dokumentace (Claude): Hotový kód pošlu do Claude na revizi: „Zkontroluj potenciální problémy, edge cases a bezpečnostní rizika." Následně Claude napíše technickou dokumentaci na základě kódu – to je úkol, který vývojáři nesnáší, ale AI ho dělá spolehlivě.

Výsledek: Projekt, který by týmu trval dva týdny, zvládneme za 4–5 dní. Dokumentace je kompletní od prvního dne, ne napsaná narychlo na konci.

Workflow #3: Ranní přehled a priority

Tento workflow ti pomůže začít den s čistou hlavou a správnými prioritami.

Krok 1 – Agregace: Ranní přehled mejlů, zpráv a kalendáře. Claude s přístupem k mejlu a kalendáři vytvoří souhrn: co přišlo, co čeká na odpověď a co je dnes v kalendáři. Místo 20 minut procházení schránky mám 5 minut čtení.

Krok 2 – Hloubkové zpracování (Claude): Pokud přišel důležitý mejl nebo dokument, zpracuji ho s Claude. Máš smlouvu k podpisu? Claude ji projde a upozorní na důležité klauzule. Nabídka od potenciálního klienta? Claude navrhne strategii odpovědi.

Krok 3 – Doplnění kontextu (Perplexity): Pokud potřebuji aktuální informace pro rozhodnutí – třeba ceny konkurence, novou regulaci nebo aktuální trend – použiji rychlý dotaz v Perplexity.

Výsledek: Ráno začínám s jasným přehledem, nejsem zahlcený schránkou a priority jsou jasné. Reaguji na důležité věci, nejen na ty urgentní.

Workflow #4: Automatizace opakujících se úkolů

Tento postup je o tom, jak „vytáhnout" AI z přímé interakce do procesů na pozadí.

Existují úkoly, které dělám každý týden nebo každý den v podstatě stejně, jen s jinými daty. Jsou to ideální kandidáti na automatizaci.

Příklady z praxe:

• Týdenní souhrn aktivit pro klienta – n8n workflow sbírá data z různých systémů, Claude je zpracuje do přehledné zprávy a workflow ji pošle mejlem
• Monitoring konkurence – vyhledávání na webu každé pondělí, výstup je uložen a srovnán s předchozím týdnem
• Analýza schránky – jednou týdně shrnutí mejlů, které vyžadují akci
• Reportování na sociálních sítích – agregace metrik, Claude napíše interpretaci toho, co fungovalo a co ne

Technicky: Kombinace n8n a Claude API je mocná pro agenty běžící na pozadí. n8n řeší triggery, datové toky a integrace. Claude API zajišťuje zpracování a generování textu. Výsledek běží autonomně – dostaneš hotový výstup, aniž bys musel cokoliv dělat.

Klíčové principy orchestrace

Prošel jsem čtyři workflow, ale za každým stojí stejné principy.

1. Každý agent má jasný rozsah (scope). Nedávej jednomu AI agentovi příliš mnoho úkolů. Příkaz „udělej vše" není instrukce. Čím přesnější je rozsah, tím lepší bude výsledek.

2. Výstupy jsou vstupy. Výstup z prvního kroku se stává vstupem pro druhý. To je základ orchestrace – řetězení. Neplýtvej výsledky, předávej je dál.

3. Human-in-the-loop pro klíčová rozhodnutí. AI dělá velkou část práce, ale zásadní rozhodnutí jsou na tobě. Architektura systému? Ty schválíš. Strategická nabídka klientovi? Ty reviduješ. Automatizace rutiny? Budiž. Finální posouzení? Zůstává u tebe.

4. Dokumentuj, co funguje. Soubory CLAUDE.md, systémové prompty uložené v dokumentaci, diagramy workflow. Institucionální paměť je klíčová – to, co funguje dnes, by mělo fungovat i za tři měsíce, aniž bys to musel vymýšlet znovu.

Jak začít, pokud ještě nemáš žádný agentní workflow

Tady je nejjednodušší vstupní bod:

1. Identifikuj jeden opakující se úkol, který děláš každý týden a trvá ti 30+ minut
2. Zkus ho rozložit na kroky: co je rešerše, co je analýza, co je psaní nebo výstup
3. Přiřaď AI nástroj ke každému kroku podle frameworku z druhého dílu série
4. Proveď to ručně 2–3x a sleduj, kde jsou úzká hrdla a kde AI přidává největší hodnotu
5. Teprve poté přemýšlej o automatizaci – až si budeš jistý, že workflow funguje manuálně

Co nefunguje: časté chyby při orchestraci

Přílišná automatizace. Snaha automatizovat vše od prvního dne. Nejdřív pochop proces, až pak automatizuj.

Příliš dlouhé řetězce bez kontroly. Pokud máš 5 agentů za sebou bez zapojení člověka, chyba z druhého kroku se bude propagovat a zesilovat až do pátého. Kontrolní body jsou nutné.

Nejasné instrukce. „Napiš mi o tom článek" je špatná instrukce. „Napiš článek o 1000 slovech pro B2B manažery, kteří začínají s AI, v konverzačním tónu a s konkrétními příklady" je dobrá instrukce.

Zapomínání na kontext. AI nemá paměť napříč konverzacemi, pokud jí ji explicitně neposkytneš. Každý nový workflow musí dostat relevantní kontext – to je právě úloha souborů CLAUDE.md nebo systémových promptů.

Závěr série: co si odnést

Tímto dílem uzavírám sérii o Agentic Leadership. Pojďme si shrnout, co jsme pokryli:

• Díl #1: Co je Agentic Leadership a proč je to klíčová kompetence
• Díl #2: Jak vybrat správný nástroj – Perplexity, Claude, Gemini, ChatGPT
• Díl #3: Agentic coding nástroje – Cursor, Claude Code, Codex CLI, Antigravity
• Díl #4: Proč nejdřív hloubka, pak šířka
• Díl #5 (tento): Reálné orchestrační workflow v praxi

Klíčové sdělení celé série: Agentic Leadership není o tom mít nejvíc nástrojů. Je to o tom vědět, jak je propojit do systému, který pracuje za tebe.

Ty jsi dirigent. AI jsou muzikanti. Tvůj úkol je naučit se dirigovat – ne hrát na každý nástroj sám.

Výzva pro čtenáře: Jaký workflow chceš automatizovat jako první? Napiš mi – rád se podívám na konkrétní situaci a pomůžu ti navrhnout postup.