AI pre projektantov: prečo nestačí pár viet v chate?

„Stačí jej poslať tlačivo?“

Pri rozhovoroch o AI s projektantmi a ďalšími odborníkmi sa opakujú podobné otázky: „Dá sa AI naučiť vyplniť naše žiadosti?“, „Stačí jej poslať tlačivo a ona ho vyplní?“, „Prečo to kolegovi funguje a mne nie?“ Za nimi je pochopiteľné očakávanie, že niekoľko viet v chate stačí na to, aby AI prevzala celý pracovný postup.

Z vlastnej práce s AI aj z riešení na mieru vieme, že jednorazovú úlohu, napríklad zhrnutie stanoviska alebo návrh e-mailu, zvládne aj začiatočník po krátkom zaškolení. Opakovaný proces, ktorý má pri každej stavbe priniesť rovnako spoľahlivý výsledok, je však iná úloha. Ak ho firma nastaví len niekoľkými vetami, výsledky môžu byť nerovnomerné a vedenie sa po prvom sklamaní vráti k pôvodným postupom.

V tomto článku ukazujeme na príklade projekčnej kancelárie, ako sme pripravili automatizáciu administratívy inžinieringu, teda vybavovania povolení podľa nového stavebného zákona. Opisujeme, koľko práce stojí za nastavením, ktoré u klienta trvalo približne hodinu, a čo z toho plynie pre firmy, ktoré zvažujú podobný krok. Prax dopĺňame výskumami, ktoré vysvetľujú, prečo sa výsledky AI líšia podľa typu úlohy.

Prípad z praxe: administratíva inžinieringu

Náš klient je autorizovaný projektant s 20-ročnou praxou. Jeho kancelária projektuje rodinné domy a väčšie stavby a pre stavebníkov vybavuje aj povolenia. Inžiniering sa riadi zákonom č. 25/2025 Z. z. (stavebný zákon) a vyhláškou č. 60/2025 Z. z., podania idú predovšetkým elektronicky cez Portál výstavby a interný kontrolný zoznam kancelárie ho rozdeľuje na 16 krokov.

Väčšina z nich nevyžaduje odborné rozhodnutie projektanta. Ide o vypĺňanie tlačív a príloh, o pomenovanie súborov dokumentácie, o evidenciu desiatok stanovísk dotknutých orgánov s ich lehotami a o prepis podmienok do správy o prerokovaní stavebného zámeru. Rovnaké údaje o stavbe sa pritom prepisujú opakovane do rôznych dokumentov, čo zvyšuje riziko preklepov a nesúladu medzi nimi. Na blížiace sa lehoty stanovísk ju podľa jej skúsenosti portál sám neupozorňuje, preto ich kancelária sleduje ručne.

Cieľom kancelárie je ponechať na človeku 4 až 5 zo 16 krokov. Či sa to podarí a koľko času to ušetrí, ukáže až meranie na prvých stavbách.

Otázka 1: Prečo nestačí AI napísať, čo má robiť?

Na prvý pohľad sa zdá, že stačí do chatu vložiť tlačivo a súhrnnú technickú správu a napísať „vyplň žiadosť“. AI často vráti výsledok, ktorý vyzerá presvedčivo. Pri takomto zadaní však môže časť polí doplniť odhadom, tlačivo zložiť nanovo namiesto použitia originálu alebo citovať paragraf bez overenia v aktuálnom znení predpisu. Pri jednorazovej úlohe sa takéto chyby dajú opraviť ručne. V procese, ktorý sa opakuje pri každej stavbe, však podkopávajú dôveru projektanta vo výstupy.

Výskumy ukazujú, prečo sú výsledky AI nerovnomerné:

• Schopnosti AI majú nepravidelnú hranicu. Dell’Acqua a kol. (2026) v predregistrovanom experimente so 758 konzultantmi Boston Consulting Group zistili, že pri úlohe v rámci schopností vtedajšej AI (GPT-4) účastníci s AI dokončili v priemere o 12,2 % viac z 18 podúloh, prvých 17 podúloh zvládli približne o štvrtinu rýchlejšie a kvalitu ich výstupov hodnotitelia ohodnotili v priemere o 32 % vyššie. Pri úlohe mimo týchto schopností však mali o 19 percentuálnych bodov nižšiu pravdepodobnosť správneho riešenia ako kontrolná skupina bez AI. Pôvodná pracovná verzia z roku 2023 uvádzala pri kvalite viac ako 40 %; uvádzame čísla z recenzovanej verzie.
• AI zapojená priamo do práce firmy priniesla merateľný prínos. Brynjolfsson, Li a Raymond (2025) pri 5 172 operátoroch zákazníckej podpory jednej softvérovej firmy odhadli, že po sprístupnení AI asistenta sa počet vyriešených prípadov za hodinu zvýšil v priemere o 15 %. Asistent bol dotrénovaný na veľkom súbore konverzácií zákazníckej podpory, pričom vyššiu váhu dostávali rozhovory najlepších operátorov, a ponúkal odkazy na internú technickú dokumentáciu.
• Úspory z bežného používania chatbotov sú zatiaľ mierne. V dánskom prieskume Humluma a Vestergaardovej (2025, revidované 2026) medzi 25 000 zamestnancami zo 7 000 pracovísk v 11 profesiách, ktorých sa AI chatboty najviac týkajú, uvádzali používatelia chatbotov v priemere úsporu približne 3 % pracovného času.

Mimo schopností AI klesol podiel správnych riešení.

• Bez AI (kontrolná skupina)84 %
• S GPT-471 %
• S GPT-4 a úvodom do zadávania úloh60 %

Výsledok AI teda okrem nástroja ovplyvňuje aj typ úlohy, používateľ a podmienky nasadenia. Pre prax z toho vyvodzujeme, že firma by mala na vlastných úlohách otestovať, kde AI pomáha a kde potrebuje odbornú kontrolu. Zapísanie know-how odborníka do skillov je náš spôsob, ako to urobiť. Majiteľ firmy zvyčajne nemá čas tieto hranice testovať sám, preto v ďalšej časti opisujeme, ako takéto nastavenie vyzerá.

Otázka 2: Čo obnáša nastavenie automatizovaného procesu?

Nastavenie u klienta trvalo približne hodinu. Predchádzala mu však príprava, ktorú klient nevidí a ktorá tvorí väčšinu práce. Najprv sme proces rozložili na kroky a pri každom určili, odkiaľ pochádzajú údaje, aký predpis krok upravuje a aký výstup má vzniknúť. Potom sme pre jednotlivé časti vytvorili 8 skillov. Skill je zapísaný postup pre AI asistenta Claude: obsahuje pokyny, pravidlá, originálne šablóny a pri niektorých krokoch aj krátky skript, aby sa úloha pri každej stavbe vykonala rovnako. Claude sme zvolili podľa toho, čo kancelária používa a čo táto úloha potrebuje; podobný postup sa dá zapísať aj v iných nástrojoch.

Tabuľku môžete posunúť do strany →

Kľúčovým princípom je, že údaje o stavbe sa zadajú raz a všetky výstupy z nich čerpajú. Ďalšie pravidlá sme zapísali priamo do nastavenia:

• tlačivá sa vypĺňajú iba do originálnych šablón,
• chýbajúci údaj ostane prázdny a AI ho nedomýšľa,
• každé právne tvrdenie má uvedený paragraf alebo prílohu predpisu,
• všetky výstupy sú návrhom, ktorý kontroluje a podpisuje projektant.

Testovanie na reálnej stavbe

Každý skill sme otestovali na dokumentácii stavby, ktorú kancelária predtým spracovala ručne, a výsledok porovnali s ručnou verziou. V jednom teste, pri ktorom sme zadanie zakladali iba zo súhrnnej technickej správy, sa v 47 poliach zhodoval výsledok s ručne pripraveným zadaním a v 14 riadkoch sa líšil. Pri rozdieloch sme zistili, že ručná verzia čerpala aj zo stanovísk, ktoré test nemal k dispozícii.

Testy zároveň odhalili chyby, ktoré by pri bežnom používaní znížili dôveru vo výstupy:

• AI sa pred vyplnením pýtala na údaje, pre ktoré existuje jasné pravidlo, a zbytočne zdržiavala prácu.
• Tabuľka so zadaním sa uložila bez prepočítaných vzorcov, preto bol jeden hárok prázdny.
• Pri chýbajúcom dátume sa v tlačive zobrazoval dátum 30. 12. 1899.
• Prázdna šablóna obsahovala poznámky z testovacej stavby, ktoré by sa preniesli do ďalších stavieb.

Každú chybu sme opravili v skille a test zopakovali. Kontrola pred podaním pritom našla aj chyby v pôvodnej dokumentácii, napríklad dva rôzne názvy tej istej stavby a nesúlad v počte bytov.

Hodina u klienta

Až po testoch nasleduje inštalácia v kancelárii: nahranie skillov do účtu, zapnutie spúšťania kódu, pripojenie úložiska dokumentov, vytvorenie projektu s inštrukciami a podkladmi (predpisy, tlačivá, kontrolný zoznam) a skúšobné spustenie na jednej stavbe. Táto hodina je krátka práve preto, že všetko podstatné bolo pripravené a otestované vopred.

Otázka 3: Čo zostáva na projektantovi?

Automatizácia preberá prepisovanie, evidenciu a kontrolu úplnosti. Odborné rozhodnutia a zodpovednosť zostávajú na projektantovi. Správu o prerokovaní stavebného zámeru, v ktorej sa vyhodnocujú stanoviská a pripomienky, vypracuje podľa § 23 ods. 1 stavebného zákona stavebník alebo ním poverený projektant. V kancelárii, s ktorou sme pracovali, žiadosti aj správu o prerokovaní stavebného zámeru pred podaním kontroluje a podpisuje zodpovedný projektant, preto každý výstup prechádza jeho kontrolou. Na človeku zostáva aj komunikácia s úradmi, reakcia na nesúhlasné stanovisko a posúdenie, či je podmienka dotknutého orgánu v projekte splnená.

V tomto projekte sme videli, že pre projektanta je dôležité vidieť pri každom údaji, odkiaľ pochádza, a mať chýbajúce údaje jasne označené. Takýto výstup vie skontrolovať rýchlo. Ak by výstupy vyzerali hotové, no obsahovali domyslené údaje, musel by ich kontrolovať od začiatku a prínos automatizácie by sa stratil.

Ako postupujeme pri podobných projektoch

1. 01

   Rozložíme proces na kroky

   Pri každom určíme, či ho zvládne AI, človek, alebo AI s kontrolou človeka.

2. 02

   Zapíšeme know-how odborníka

   Do skillov dáme pravidlá, originálne šablóny a odkazy na predpisy.

3. 03

   Testujeme na hotovom prípade

   Použijeme prípad, ktorý firma už spracovala ručne, a výsledky porovnáme.

4. 04

   Opravujeme a testujeme znova

   Kým výstup nie je spoľahlivý.

5. 05

   Nastavíme prostredie u klienta

   Prvý ostrý prípad spustíme spolu s tímom.

6. 06

   Meriame

   Čas a počet opráv na prvých prípadoch, aby firma videla reálny prínos.

Záver

Pri jednorazových úlohách môže AI pomôcť každému projektantovi už po krátkom zaškolení. Automatizácia opakovaného procesu, akým je inžiniering, si však vyžaduje prípravu: rozloženie procesu, zapísanie know-how do skillov, testovanie na reálnych prípadoch a opravy. V našom prípade vzniklo 8 skillov a samotné nastavenie u klienta trvalo približne hodinu, pričom podstatná časť práce prebehla pred ním. O úspechu rozhoduje, či sú hranice AI v danom procese otestované a výstupy nastavené tak, aby ich odborník vedel rýchlo skontrolovať.

Ak už vo firme s AI pracujete a chcete opakované postupy nastaviť na vlastných úlohách, napíšte nám na info@myslite.ai.

Časté otázky

Môže projektant používať AI na vypĺňanie žiadostí o povolenie stavby?

Áno, AI môže z údajov o stavbe pripraviť návrh vyplnených žiadostí. Spoľahlivý výsledok si však vyžaduje nastavenie, ktoré zabezpečí použitie originálnych tlačív a zákaz domýšľania chýbajúcich údajov. Výstup je vždy návrhom, ktorý pred podaním kontroluje projektant.

Stačí AI napísať pár viet a proces si nastaví sama?

Pri jednorazovej úlohe často áno. Pri opakovanom procese sme v praxi videli, že bez zapísaných pravidiel a testovania sú výsledky nerovnomerné. V experimente s konzultantmi BCG mali účastníci s AI pri úlohe mimo jej schopností o 19 percentuálnych bodov nižšiu pravdepodobnosť správneho riešenia ako skupina bez AI (Dell’Acqua a kol., 2026).

Čo je skill v AI asistentovi Claude?

Skill je zapísaný postup s pokynmi, pravidlami, šablónami a prípadne skriptom pre konkrétnu úlohu. AI ho použije vždy, keď sa úloha opakuje, takže postup je pri každom použití rovnaký. Výsledok aj tak kontroluje človek.

Ako dlho trvá nastavenie automatizácie inžinieringu?

Samotné nastavenie u klienta trvalo približne hodinu. Predchádzala mu príprava a testovanie skillov na reálnej stavbe, ktoré tvoria väčšinu práce. Rozsah prípravy závisí od počtu krokov procesu a dostupnosti vzorových dokumentov.

Zdroje

• Brynjolfsson, E., Li, D., Raymond, L. (2025): Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942.
• Dell’Acqua, F. a kol. (2026): Navigating the Jagged Technological Frontier. Organization Science. Pracovná verzia: Harvard Business School Working Paper 24-013 (2023).
• Humlum, A., Vestergaard, E. (2025, revidované 2026): Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777.
• Vyhláška č. 60/2025 Z. z. Úradu pre územné plánovanie a výstavbu SR o štruktúre a prevádzke informačného systému územného plánovania a výstavby, o obsahu podaní a obsahu a rozsahu dokumentácie stavby.
• Zákon č. 25/2025 Z. z. Stavebný zákon, znenie účinné od 1. 11. 2025; od 1. 1. 2027 ho mení zákon č. 243/2026 Z. z.