Sedm lekcí, co nás Plantory naučila o AI v produkci

Plantory.ai, vlastní AI-native SaaS DX Heroes, provozujeme dost dlouho na to, aby ukázky přestaly být zajímavé. Produkce nám ukázala sedm lekcí.

Plný kontext: případová studie Plantory, vyprávění zakladatele a architektonický playbook.

Každý moment, kdy model v Plantory působil chytře, se dá vystopovat k lepšímu ukotvení, ne k lepšímu promptu.

Gemini zahradní poradce nepůsobí užitečně kvůli prompt engineeringu. Působí užitečně proto, že každé volání dostane aktuální stav plátna, klimatické pásmo, typ půdy, osvit a inventář rostlin. Vezměte mu ten kontext a stejný model vrátí generické odpovědi z fóra.

Praktické pravidlo: než doladíte prompt, zkontrolujte strukturovaný kontext, který model dostává. V devíti z deseti případů je zlepšení právě tam.

Na Meta Ads a Google Ads nasazujeme programově. AI píše kreativu, generuje varianty a nastavuje cílení. To reálně šetří čas při produkci.

Co není autonomní, je rozhodnutí o rozpočtu. Škálování kampaně, přerozdělení útraty mezi kampaněmi a vypnutí slabé kampaně má pořád člověka ve smyčce. Ne proto, že by to AI technicky neuměla, ale protože náklad na špatnou volbu je vysoký a náklad na lidskou kontrolu nízký.

Pravidlo: automatizujte výrobu; lidi držte na alokaci kapitálu.

Je lákavé routovat všechno přes ten největší a nejchytřejší model. Taky je to nejrychlejší cesta, jak rozbít jednotkovou ekonomiku.

V Plantory:

Vzorec: začínejte levně, eskalujte jen tehdy, když to kvalita výstupu vyžaduje, a routing projděte čtvrtletně.

První měsíce jsme se spoléhali na „cítíme, že je to OK". Fungovalo to do doby, než aktualizace modelu potichu posunula chování, týden si toho nikdo nevšiml a uživatelé si toho všimli první.

Teď má každý AI endpoint malou evaluační sadu: 20 až 50 vstupů s očekávaným tvarem výstupu. Běží na každé nasazení. Nejsou nijak složité. Chytají pitomosti rychle.

Malé evaluace první den porazí perfektní evaluační systém, který postavíte devadesátý den.

Naše pipeline Satori + Resvg + Gemini tvoří každý příspěvek na sítě, každý SEO hero a každou obálku článku napříč osmi jazyky. Na začátku to vypadalo jako drobné zlepšení. Teď je to rozdíl mezi jedním marketingovým podkladem na jazykovou verzi týdně a desítkami výstupů.

Ale tady je upřímná část: automatizace vám ukáže dluh v pracovním postupu. Jakmile můžete vyrábět podklady levně, okamžitě potřebujete obsahový kalendář, kontrolní bránu a publikační pipeline. Jinak produkujete objem bez návaznosti.

Postavte lidský pracovní postup před tím, než navýšíte generování. Ne potom.

Největší průlom na build straně nebyl chytrý prompt. Bylo to postavení vlastního marketplace pluginů pro Claude Code.

Plugin plantory má 20+ skillů: /plantory:spec-plan, /plantory:board-work, /plantory:blog-article, /plantory:paid-performance-review, /plantory:social-media-posting a další. Každý zabaluje postup, který jsme dřív dělali ad-hoc.

Proč to funguje? Protože prompty jsou nestabilní. Drobné změny znění produkují jiné výstupy, lidé zapomenou tvar a noví členové týmu nedokážou reprodukovat, co dělali ti před nimi. Skilly dělají postup kontrolovatelným, verzovaným a sdílitelným. Ze stejného důvodu píšeme funkce místo toho, abychom stejný kód kopírovali na pět míst.

Pokud provozujete AI kódování ve velkém měřítku, přestaňte leštit prompty. Začněte dodávat skilly.

Nejtěžší a nejnudnější lekce.

Interní ukázky, testovací účty a spřátelení beta uživatelé vám dovolí namluvit si, že produkt funguje. Reální Stripe zákazníci napříč osmi zeměmi, v různých jazycích, s různými očekáváními a na různých zařízeních vám to nedovolí.

Každá tvrdá pravda na tomhle seznamu přišla z produkčního kontaktu s platícími uživateli. Reklamní pipeline krásně fungovala, dokud nefungovala. Poradce byl „skvělý", dokud se německý uživatel nezeptal na rostlinu, pro kterou jsme neměli lokalizovaná doporučení. Evaluační sada vypadala dobře, dokud tichý posun modelu nezačal degradovat rozpoznávání rostlin.

Jediný AI systém, který je reálný, je ten s platícími uživateli. Všechno ostatní je zkouška.

Plantory.ai není klientský projekt. Je to náš vlastní AI testbed, živý v produkci, který schytává rány za nás. Díky tomu klientům předáváme playbook otestovaný v praxi, ne jen teorii.

Pokud chcete příběh, proč jsme to postavili: Proč jsme postavili Plantory. Pokud chcete architekturu: Playbook pro AI-native SaaS. Pokud chcete uhlazenou případovou studii: Plantory.ai — případová studie.

Pokud chcete tým, který to už udělal a chce pomoct udělat to i vám: pojďte si promluvit.