AI ta Krajta

AItaKrajta #71-2

Ve druhé části 71. dílu jdeme s Marianem Kamenišťákem rovnou k praxi a reálným číslům. Jak proměnit noční AI validaci ve fungující byznys a proč to Marian netahá jako one-man show, ale rozdává operativním partnerům podíly na zisku? Marian otevírá svůj konkrétní stack (Notion, Attio, PostHog, Cloudflare, Composio) a popisuje reálné projekty, které vydělávají – od migrací z Wixu do Astra a AI SEO až po talentový program F1144. Dojde i na debatu o tom, proč je strach z „kradení nápadů velkými LLM modely“ lichý, jak se vyhýbat regulatorním pastem a proč vývojáři bez pochopení byznysové hodnoty brzy narazí na zeď. Zdroje: - podobné Jevovi, ale zaměřeno na extrakci obsahu ze stránek - Petrův experiment s Jevem pro rychlejší navigaci skrz web a rozhodování o dalších akcích - Odkaz na komunitu - ClawLabs: Building Open Source Together | DevDay 2026

U mikrofonu: Marian Kamenistak, Petr Glaser, Pavol Hejný

AItaKrajta Speciální #70 díl

V dnešním speciálním 70. dílu Aj ta Krajta se podíváme na to, jak AI mění hackathony a co může přinést do zdravotnictví. Naším hostem je PhDr. Ivan Duškov, MSc., ředitel VZP ČR. VZP je hlavním partnerem Rakathonu 2026, který propojuje medicínu, technologie a umělou inteligenci. Do akce přináší tři konkrétní výzvy českého zdravotnictví: mamografický screening, cestu onkologického pacienta systémem a kvalitu péče na konci životaRakathon proběhne od 16. do 18. října v Praze, Brně a Ostravě. Více o Rakathonu: Petr Glaser: Pavol Hejný:

U mikrofonu: Petr Glaser, Pavol Hejný

AItaKrajta speciál

Ve speciálním 60. díle (druhé části) pokračujeme s Romanem Baranovičem v diskuzi o významu AI v českém školství. Je umělá inteligence ve škole pomocník, tutor, nebo kognitivní protéza? Ve druhé části speciálního dílu Aj ta krajta se s Romanem bavíme o tom, jak AI mění základní a střední školy. Učitelé ji používají při přípravě hodin, studenti při domácích úkolech. Hranice mezi pomocí a nahrazením vlastního myšlení se ale rychle posouvá. V dílu řešíme:- proč učitelé používají LLM modely- co se stane, když AI vypracuje úkol místo studenta- rozdíl mezi výsledkem a procesem učení- kognitivní offloading, kalkulačku, Google i AI- jak by mohl vypadat AI tutor pro studenty- proč je důležitý pedagogický grounding- personalizované a gradované úlohy- budoucnost vibe codingu a výuky programováníJak má podle vás vypadat vzdělávání v době ChatGPT a dalších AI nástrojů? Napište nám do komentářů. : Jiří Jahn: Pavol Hejný: Roman Baranovič

U mikrofonu: Jiří Jahn, Pavol Hejný, Roman Baranovič

AItaKrajta #69

AI agenti už nejsou jen chatovací okno. Dostávají vlastní virtuální počítač, prohlížeč a možnost jednat za člověka. V novém 69. dílu podcastu AI ta Krajta řešíme: cloudové AI agenty a virtuální počítače tokenově efektivní modely skryté incentivy agentů ochranu hesel, session tokenů a osobních dat Grokbot a budoucnost osobních AI asistentů útěky agentů ze sandboxů emergentní chování rojů agentů alignment, bezpečnost a regulaci AI token maxing a vývoj softwaru pomocí agentů Co když agent nesleduje stejné cíle jako člověk, kterého zastupuje? A co když náš úkol splní až příliš urputně, jen trochu jiným způsobem, než jsme očekávali?

AItaKrajta #68 (plný díl)

Je Jev nový krok směrem k AGI, nebo jen velmi rychlý specializovaný klasifikátor? V tomto zkráceném díle (první části) AI ta Krajta rozebíráme, k čemu může být takový model skutečně užitečný. Může rozhodovat, který model použít, klasifikovat tickety, vybírat další akci v automatizaci nebo pomáhat s routingem AI agentů. Bavíme se také o práci s confidence score, strukturovaným JSON výstupem, limitech 32 000 tokenů, absenci reasoningu, kvalitě trénovacích dat a o tom, proč Jev nezvládne úkoly, pro které není určený. Nechybí ani experiment se šachem a otázka, zda by šlo podobný model využít jako klasický jazykový model. Kačka navíc přináší novinku o měření tempa vývoje AI u společnosti Anthropic. Pokračujeme ve druhé části videa. Od experimentu s Jevem a otázky, jestli lze klasifikační model přinutit fungovat jako jazykový model, se dostáváme k širšímu tématu: kde vznikne další velký posun v AI? V samotných modelech, nebo v harnessech, které je propojují s nástroji a pracovním prostředím? Bavíme se o coding harnessech, tool callingu, MCP, oddělení CLI a serveru, standardech typu RPC a ACP i o tom, jestli se z harnessu stane nová aplikační nebo operační vrstva pro AI. Je harness spíš aplikace, operační systém, nebo něco mezi tím? A kde podle vás vznikne další zásadní inovace? Zdroje: - tohle odstartovalo obří boom klasifikátorů a vlastně o tom je téměř celý díl - sdíleno v průběhu diskuze - benchmarky srovnávající různé modely podobné architektury - Šimonovo testování Jeva

U mikrofonu: Petr Glaser, Katka Fajmanová, Pavol Hejný

agentů řeší matematiku? Astra, DeepSeek a coding agents

V 67. díle AI ta Krajta řešíme, jak dnes stavět software s coding agenty a jak nastavit workflow tak, aby člověk nemusel každý krok babysitovat. Pavol sdílí zkušenosti s Astrou při přípravě remasteru staré hry a porovnává její přístup s Fablem. Probereme také tvrzení OpenAI o řešení matematického problému proudění tekutin pomocí tisíců agentů a nový DeepSeek Flash. Hlavním tématem jsou coding agents, harnessy, routing modelů a optimalizace lidského času. Dostaneme se k HumanLayeru, product a technical designu, hackathonovému efektu, Agent Browseru, rozdílu mezi MCP, CLI a API, tokenové efektivitě, traceům i orchestraci desítek až stovek agentů. Kdy se vyplatí rychlost a kdy je lepší poslat úkol do fronty? Proč může být CLI praktičtější než MCP? A proč není vždy rozumné optimalizovat tokeny na úkor vlastního času?

U mikrofonu: Petr Glaser, Katka Fajmanová, Pavol Hejný

Nový Fable, AI benchmarky, subscription limity a vlastní hardware

V 66. dílu Ajta Krajta probíráme nejnovější AI modely, benchmarky, rychlost i limity předplatného. Nový Fable výrazně zaujal výsledky v Terminal Bench Science. Bavíme se o tom, jak modely řeší složité vědecké úlohy, proč často nedokážou ověřit vlastní výstup a jakou roli hraje správný harness a workflow. Dále řešíme Gemini Flash, ultra-fast režimy, rychlost generování, cenu tokenů, MuseSpark 1.3, open-weight modely a subscription OpenCode Go. Hlavním tématem je rozhodování mezi API, předplatným, pronájmem AI infrastruktury a provozem vlastního hardwaru. Probíráme také soukromí, enterprise limity a budoucnost UI, ve kterém nebude AI jen chatbotem, ale plnohodnotnou součástí aplikace.

U mikrofonu: Petr Glaser, Katka Fajmanová, Pavol Hejný

AI zrychlí vývoj 10x. Celý proces ale ne | Qwen 3.8 Flash a testování Huawei čipů

AI dokáže výrazně zrychlit psaní kódu. Pokud ale nemáte vyřešené testování, code quality a spolupráci v týmu, může stejně rychle vzniknout chaos v celé codebase. V 65. dílu AI ta Krajta probíráme nový Qwen 3.8 Flash s Engram Layers, záhadný Ox Alpha, který za několik dní protočil biliony tokenů, testování Huawei čipů, OpenCode Go, Operation CheapSeek, nové Mac Studio M5 Ultra a další AI novinky. Hlavním tématem je ale práce s AI agenty v celém vývojovém procesu. Co se stane, když každý vývojář může díky agentům zasahovat do libovolné části codebase? Jak nastavit rychlý feedback loop, automatizované quality checky a testovací pipeline tak, aby agenti kód nejen psali, ale také ho dokázali průběžně ověřovat? Bavíme se o Playwrightu, Gherkin scénářích, product triu, LeSS, automatizovaném testování v prohlížeči, fuzz testingu, property-based testingu, paralelních testech i o tom, jak aplikaci rozbít jedním vstupem 1e5.

U mikrofonu: Petr Glaser, Katka Fajmanová, Pavol Hejný

Čtyři AI lídři opouštějí Google. Co chystá Discovery Loop?

Další díl AI ta Krajta! V 64. epizodě řešíme, co se stane, když AI agent dostane skutečnou autonomii. Od personalizovaných e-mailů a webu pro workshop až po agenta, který sám vytvořil a propagoval mapu vražd. Začínáme odchodem čtyř klíčových lidí z Googlu a vznikem startupu Discovery Loop, který chce pomocí AI automatizovat vědecký výzkum a tisíce experimentů. Probíráme také otázku, jestli OpenAI skutečně zpomaluje vývoj, a proč je Qwen3.8 tak zajímavý pro lokální provoz. Dostaneme se k rozdílu mezi cloudem a vlastním hardwarem, NVIDIA DGX Spark, modelům Daybreak Blue a Red a bezpečnostní hranici mezi opravou softwaru a útokem. Řešíme i „obliterated“ modely, kterým byly odstraněny bezpečnostní zábrany. Hlavní část dílu patří agentům s dlouhým během: jak moc jim dát volnost, proč firmy často nedokážou pustit kontrolu z rukou, jak funguje feedback loop a proč agent bez kontroly začne driftovat. V závěru otevíráme koncept Dark Factory, která sama hledá témata, vyrábí produkty, nasazuje je a propaguje. Malá ochutnávka z našeho workshopu: zdroje: Discovery Loop: Qwen3.8-27B: OpenAI Daybreak: NVIDIA DGX Spark: OBLITERATUS: Petr Glaser: Pavol Hejný: Jiří Jahn:

U mikrofonu: Petr Glaser, Pavol Hejný, Jiří Jahn

Google přesouvá šéfa AI. Co to znamená pro Gemini?

Vítáme vás u 63. dílu AI ta Krajta! Google přesouvá Demise Hassabise z každodenního vedení AI vývoje do role zaměřené na výzkum a AGI. Znamená to, že Google mění kurz? A proč Gemini v Gmailu a Google Drivu často nezvládá ani základní úkoly? V novém díle rozebíráme, co může změna v Googlu znamenat pro Gemini, jeho konkurenci vůči OpenAI a Anthropicu i pro budoucnost Google Search. Bavíme se o tom, proč Google možná postupuje opatrně, aby nekanibalizoval vlastní vyhledávání a reklamní byznys. Dostaneme se k AI souhrnům ve vyhledávání, Redditu a publisherům, kterým ubývá návštěvnost. Co se stane s webem, když lidé přestanou klikat na zdroje a pozornost začnou místo nich routovat AI agenti? A může být AI infrastruktura podobná železnici: revoluční technologie, ale ne vždy dobrá investice? V další části probíráme novinky z xAI, pokus modelu z Anthropicu posunout výzkum Riemannovy hypotézy a otázku, co AI skutečně znamená pro matematiky a programátory. Riemannovu hypotézu AI nevyřešila, ale přinesla zajímavý dílčí matematický výsledek, který musí projít odborným ověřením. Věnujeme se také datacentrům, spotřebě energie, politice a společenským dopadům AI. Nakonec řešíme stateless MCP, budoucnost lokálních modelů a AI ve školách: zákaz, nebo příprava na svět, ve kterém bude umělá inteligence součástí téměř každé profese? Jak by podle vás měla škola nastavit pravidla pro používání AI? Napište nám do komentářů. workshop zdarma: Už máte plány na 20. srpna? Srdečně vás zveme na náš workshop. Registrujte se a zjistěte více na tomto odkazu: Roman Baranovič: Pavol Hejný: Jiří Jahn: kde nás můžete sledovat: LinkedIn: Spotify: Apple Podcasts:

U mikrofonu: Roman Baranovič, Pavol Hejný, Jiří Jahn

AI modely na ESP32, AI Act a praktický vibecoding

Jak poznat, kdy je obsah vytvořený umělou inteligencí? A co se stane, když jazykový model místo cloudu běží přímo na ESP32? V 62. díle podcastu Aj ta krajta se věnujeme označování AI obsahu a tomu, proč nemusí být hranice mezi AI a non-AI tak jednoznačná. Mluvíme také o malých lokálních modelech, jejich využití přímo v zařízení a o tom, kdy dává větší smysl lokální provoz a kdy cloud. Dostaneme se i k vibecodingu u a AI agentům. Ty dnes dokážou rychle implementovat nové funkce, ale často vytvářejí duplicity, zanedbávají abstrakce a vyžadují důkladnou kontrolu kódu. Probíráme také interpretabilitu jazykových modelů, orchestrace a spolupráci více modelů v jednom systému. Nejde pouze o to, který model je nejsilnější. Stále důležitější je konkrétní use case, způsob zapojení modelu do systému a rozhodnutí, co má běžet lokálně a co v cloudu.

U mikrofonu: Pavol Hejný, Jiří Jahn, Katka Fajmanová

AI Agent zdivočel a napadl konkurenci! Průlom k AGI, nebo konec světa?

Vítáme vás u 61. dílu podcastu AI ta Krajta! Tento týden se ponoříme hluboko do nejžhavějšího a nejdiskutovanějšího tématu současnosti: bezpečnostní incident OpenAI, kdy jejich autonomní agent omylem (nebo snad záměrně?) zaútočil na servery Hugging Face. Znamená to, že jsme právě udělali obří skok k AGI (Umělé Obecné Inteligenci), nebo jsme jen o krok blíž ke katastrofě, před kterou varují přední experti i sci-fi vizionáři? Společně s Romanem, Pavlem a Jirkou rozebereme:Hacking v přímém přenosu: Jak je možné, že agent pověřený nevinným úkolem dokáže provést sofistikovaný kyberútok? Problém se Zlatou střední cestou: Proč nás jazykové modely klamou a zdánlivě "chápou" kontext, který jim ve skutečnosti uniká? Trestní zákoník pro AI: Můžeme se spolehnout na technické "ohrádky" (guardrails), nebo potřebujeme novou globální ústavu pro AI? Nové GPT-5-6 modely: Jak si vedou modely Luna, Tera a Sol a proč menší model Luna stačí na 80 % programátorských úkolů? Návrat k Asimovovi: Jsou tři zákony robotiky od Isaaca Asimova z roku 1942 relevantní i dnes, nebo jde o naivní přežitek? Tato epizoda je must-see pro každého, kdo chce pochopit realitu za mediálním humbukem. Připravte se na pořádnou dávku critical thinking a nenechte si ujít diskuzi o tom, co Harari nazývá "mimozemskými entitami, které jsme si sami vytvořili."Materiály a zdroje: Roman v úvodu mluví o newsletteru od Townie Meanse, který se vrací ke starší studii MIT Media Lab. Tato studie zkoumala, jak používání ChatGPT při psaní esejí mění vzorce mozkové aktivity (EEG) a jak ovlivňuje paměť na vlastní text. Odkaz ke studii: Jirka mluví o populární studii "AI 2027", která se snažila předvídat vývoj AI, a upozorňuje, že autoři vydali pokračování s názvem "AI 2040". V závěru podcastu se shodují, že tyto studie vyzývají ke zpomalení vývoje, což v nich vyvolává pocit déjà vu. Odkaz ke zdroji: sponzorům: Promptbook: AI supervize:

U mikrofonu: Roman Baranovič, Pavol Hejný, Jiří Jahn