Jak ve Story TLRS pracujeme s Claudem: AI infrastruktura kreativní agentury zevnitř

Celá agentura sdílí jeden AI systém

Když AI používá jednotlivec, může si postupně vytvořit vlastní způsob práce – vysvětlit jí svoji roli, nástroje, které používá, i pravidla, podle kterých má postupovat. Ve firmě ale nedává smysl, aby si desítky lidí stavěly desítky různých verzí stejného systému.

Ve Story TLRS proto používáme Claude napojený na jeden sdílený repozitář, ve kterém máme popsané společné procesy, pravidla a způsob, jakým v agentuře pracujeme. Stejný základ používají accounti, kreativci, performance i influencer tým – od správy sociálních sítí po výkonnostní kampaně. Když se v systému něco změní nebo přidá, změna se po kontrole dostane ke všem a při další práci už každý vychází z aktuální verze.

Každý člen týmu tak v praxi pracuje s vlastním custom Claudem nastaveným pro svou roli – firemní kontext ani společné postupy si ale nikdo nemusí stavět sám. Nemusí si ani sám vytvářet firemní kontext, instalovat společné postupy nebo AI znovu vysvětlovat, jak fungujeme. Tahle vrstva je pro všechny stejná.

Systém je sepsaný způsob, jak pracujeme

Sdílený repozitář v praxi obsahuje velkou část know-how, které by jinak musel každý zaměstnanec nosit v hlavě. První vrstva popisuje, jak fungujeme jako firma: jak řídíme projekty, plánujeme kapacity, zadáváme práci specialistům, pracujeme s rozpočty nebo používáme jednotlivé interní nástroje.

Nejde přitom jen o návody k nástrojům, ale o pravidla kolem nich. Claude tak například neví jen, kde zakládá úkol, ale i co má obsahovat, komu ho přiřadit nebo co je potřeba před jeho zadáním zkontrolovat. Stejný princip funguje u plánování workloadu nebo podkladů pro fakturaci – Claude ví, ve kterém interním systému hledat částku a kde najít příslušnou objednávku. Člověk pak výsledek kontroluje a předává dál.

Stejným způsobem máme popsané i postupy jednotlivých týmů. Account potřebuje jiný typ podpory než kreativec nebo člověk z media týmu, ale všichni vycházejí ze stejného základu. V systému proto máme zachycené postupy od projektového řízení až po naše standardy pro tvorbu obsahu, copywriting, práci s vlastním PR nebo kontrolu SEO. Místo toho, aby člověk při každém úkolu znovu vysvětloval, jak ve Story TLRS danou věc děláme, Claude už tenhle způsob práce zná.

Druhou vrstvu tvoří klientský kontext. U zhruba třiceti klientů by nedávalo smysl pokaždé ručně přikládat strategii, výsledky poslední kampaně, zápisy ze statusů nebo historii spolupráce. Systém proto ví, kde jsou tyhle informace uložené a jak je propojit s konkrétním klientem. Jeho navigační mapa se automaticky aktualizuje každou noc, takže před odpovědí dokáže dohledat relevantní strategický kontext, rozsah spolupráce, předchozí reporty nebo další podklady podle toho, co zrovna člověk řeší.

Fungovat to může jen proto, že dokumentace pod systémem má konzistentní strukturu a pojmenování. AI pracuje s firemním kontextem jen tak dobře, jak dobře jsou uspořádaná data, ze kterých ho skládá.

Zároveň ne každý potřebuje totéž: AI v kreativním procesu pracuje s jiným kontextem než AI při kontrole reportu. Když s Claudem pracuje kreativec, systém mu přednostně zpřístupní například positioning značky, obsahovou strategii, důležité watchouty, strategii pro sociální sítě nebo výsledky předchozích kampaní. Při kontrole reportu naopak potřebuje minulá období, relevantní benchmarky a kontext toho, jak se výsledky vyvíjely. Kontext se tedy nenačítá jako jeden velký balík informací, ale podle konkrétního úkolu a role člověka, který ho řeší.

Nad tím vším máme ještě společný rámec kvality. Ten popisuje standardy, podle kterých práci ve Story TLRS hodnotíme, ale nikdy nefunguje izolovaně od klientského kontextu. Když například říkáme, že doporučení musí vycházet z dat, systém zároveň potřebuje vědět, která data jsou pro konkrétního klienta relevantní a s jakým obdobím je má porovnávat.

Výsledkem tedy není AI, která „zná odpovědi“. Je to systém, který ví, podle jakých pravidel pracujeme, kde má pro konkrétní úkol hledat a jaký kontext při tom použít.

Tohle všechno tvoří společné jádro. Systém přitom není uzavřená věc, kterou jednou postavíme a dál na ni nesaháme. Pokud někdo v týmu narazí na opakující se proces, který by dávalo smysl zahrnout, může navrhnout jeho řešení. Než se ale změna dostane do společného repozitáře, projde lidskou kontrolou. Systém se tak průběžně rozvíjí s tím, jak se mění naše práce, ale nikdy se sám nepřepisuje.

Klientská specifika mají vlastní pluginy

Vedle společného jádra existují procesy, které jsou příliš specifické na to, aby dávalo smysl zpřístupňovat je celé agentuře. Týkají se například jednoho klientského týmu, opakují se několikrát do měsíce a často spočívají v tom, že člověk musí projít několik zdrojů, propojit informace a podle přesně daných pravidel připravit další krok. Pro takové případy vytváříme samostatné pluginy, ke kterým mají přístup jen lidé, kteří je při své práci skutečně potřebují.

U jednoho týmu jsme tak odstranili pravidelnou administrativní práci, při které bylo potřeba dohledávat aktuální údaje v několika podkladech, spojovat je s konkrétními výstupy a předávat správné informace dál specialistům. Systém dnes ví, kde jednotlivé podklady hledat, jak je mezi sebou propojit a co z nich má pro daný úkol vytáhnout. Člověk výsledek kontroluje místo toho, aby celý proces ručně skládal od začátku.

Jinde není problémem množství kroků, ale množství specifického know-how. Některé klientské výstupy se musí řídit rozsáhlou produktovou dokumentací, technickými parametry a přesnými pravidly toho, co lze a nelze komunikovat. Plugin proto před odesláním kontroluje výstup proti relevantním podkladům a upozorní na nesrovnalosti, které by jinak musel specialista ručně ověřovat napříč dokumentací.

Podobně oddělujeme i úzce specializované interní workflow, které používá jen několik lidí. Není důvod, aby stejnou funkcionalitu dostával automaticky každý account nebo stratég.

Princip je pořád stejný: společné know-how patří do jádra, specifický opakující se proces dostane vlastní vrstvu. Nešetříme tím kreativní hodiny. Mažeme práci, kterou by člověk vůbec neměl dělat ručně.

Celý systém stojí na datech

Důležitější než konkrétní AI nástroj je pro nás vrstva pod ním. Tou nejsou prompty ani konkrétní model, ale naše data, kontext a způsob, jakým jsou informace strukturované. Všechno důležité má své místo, konzistentní pojmenování a vztah k dalším informacím, které systém potřebuje znát.

I proto pro nás není zásadní, že dnes používáme právě Claude. Firemní know-how ani klientský kontext nejsou uložené uvnitř jednoho AI nástroje, ale v infrastruktuře, kterou vlastníme a spravujeme my. Pokud se technologie změní a pro naši práci bude časem dávat větší smysl jiný model, můžeme nad stejnou kontextovou vrstvou postavit jiné rozhraní.

Právě v tom vidíme hlavní roli AI v agentuře. Nedělá za nás strategii, nevymýšlí za nás koncepty a nenahrazuje specialistu, který rozumí klientovi. Funguje jako velmi schopný asistent, který má ve správný moment přístup ke správným informacím a pomáhá člověku dělat jeho práci rychleji, konzistentněji a s lepším kontextem.

Stejný princip přenášíme i směrem ke klientům, o které se staráme. Právě proto jsme postavili vlastní reportingovou platformu, ve které děláme s klientskými marketingovými daty v zásadě totéž, co interně s naším firemním know-how a kontextem. Na jednom místě propojuje strategii, výsledky kampaní, influencer marketing i data o konkurenci, takže s nimi lze pracovat jako nad jedním celkem a dělat rychlejší a lépe podložená rozhodnutí. Platformu nabízíme exkluzivně klientům kreativní agentury Story TLRS a přizpůsobujeme ji tomu, jaká data a rozhodnutí jsou důležitá právě pro jejich business. Není to SaaS produkt a ani jím být nemá. Více o tom, jak platforma vznikala, popisuje náš CEO Petr Němec na svém Substacku.

V obou případech je AI až samotná špička ledovce. Hodnota vzniká v datech pod ní.

Pokud chcete vidět svoje marketingová data podobným způsobem pohromadě, ozvěte se nám.

‍