Mám známého, který provozuje malou autodopravu. Žádná obrovská logistická firma. Řádově deset aut, podobný počet řidičů, běžný provoz, ve kterém se lidé střídají, odcházejí, přicházejí a firma musí každý týden držet pohromadě hromadu papírů.
Trápila ho jedna dost konkrétní věc: ruční párování faktur, CMR dokladů a čekacích listů.
Na první poslech to nezní jako téma pro článek o AI a software delivery. Jenže právě na takových obyčejných provozních problémech je dnes nejlíp vidět, co se ve vývoji softwaru změnilo. Ne na dalším demu chatbotu, ale na malé interní aplikaci, která člověku vezme z ruky desítky hodin měsíčně.
Kde mizel čas
U dopravce si zákazníci objednávají přepravu z místa A do místa B. Těch přeprav jsou týden co týden desítky. Když řidič odjede zakázku, zůstane po ní CMR doklad. V dopravě se tomu pracovně říká i camrák. Je to papír, který dokládá, odkud kam se jelo, pro koho, co se převáželo a že přeprava skutečně proběhla.
Jenže řidič často nejede jen samotnou trasu. Čeká na nakládce, vykládce, proclení nebo na dalších místech, kde se v reálném provozu prostě čeká. K tomu vznikají další papíry, typicky čekací listy.
Na konci týdne tyhle doklady končí u majitele firmy. Ten je musí vzít, projít, najít správná čísla, spárovat je s fakturami, ověřit, že se jízda opravdu uskutečnila, že k ní existuje odpovídající doklad a že se podle ní má správně zaplatit řidič. Na konci měsíce z toho počítá mzdy: kdo kolik odjel, kdo kolik čekal, co komu patří.
Je to přesně ten typ práce, která nevypadá jako velký problém, dokud ji nemusíte dělat pořád dokola. Jeden doklad není nic. Desítky dokladů každý týden už jsou provozní brzda.
A pro malou firmu to má ještě jednu nepříjemnou vlastnost. Není dost velká na to, aby si nechala postavit velký interní systém za stovky tisíc. Zároveň ale není dost jednoduchá na to, aby si vystačila s tabulkou a dobrou vůlí.
Proč to dřív nedávalo smysl
Kdyby za mnou tenhle člověk přišel před pár lety, odpověď by byla nepříjemná. Ano, šlo by to udělat. Ale pravděpodobně by se to ekonomicky nevyplatilo.
Musel by se navrhnout systém, vyřešit příjem faktur, datový model, přístup pro řidiče, nahrávání dokladů, ruční kontrola, párování, mzdy, přehled aut a řidičů. Do toho fyzické papíry, které někdo musí převést do dat. To není jeden formulář. To je malý provozní systém.
Na trhu samozřejmě existují velké SaaS aplikace pro dopravce. Jenže to není vždy odpověď. Malá firma často nepotřebuje kompletní enterprise management dopravy. Nepotřebuje všechno. Potřebuje několik úzkých funkcí přesně podle svého provozu. Potřebuje, aby řidič dokázal nahrát doklad z telefonu, majitel viděl, co k čemu patří, a na konci měsíce nemusel ručně skládat mzdy z papírů.
Tohle je zrádná kategorie softwaru. Pro velkou zakázku je to malé. Pro malou firmu je to velké. A v tom prostoru se dřív hodně věcí prostě nedělalo, protože cena vývoje byla vyšší než hodnota problému.
AI na tom mění ekonomiku.
Ne tím, že by najednou zmizelo přemýšlení. Ne tím, že by se aplikace sama navrhla. Ale tím, že zkušený člověk dokáže velmi rychle poskládat malý interní systém, použít běžný kód tam, kde běžný kód stačí, a AI zapojit jen v těch místech, kde dává opravdu smysl.
Ne všechno má dělat AI
Sedli jsme si na kafe a nechal jsem si popsat, jak ten provoz reálně funguje. Jak chodí faktury, co vozí řidiči, co se páruje, co se ztrácí, kde jsou krajní případy a kde se člověk nesmí tvářit, že svět je čistá databáze.
Tohle je důležité. Když se řekne AI aplikace, spousta lidí si představí, že se všechno pošle do modelu a model to nějak vyřeší. Jenže dobrý AI systém většinou nevypadá tak, že AI dělá všechno. Vypadá tak, že normální software dělá normální věci a AI řeší jen tu část, jejíž automatizace byla dřív příliš drahá nebo kterou kvůli proměnlivým vstupům nešlo spolehlivě popsat pevnými pravidly.
Faktury od objednavatelů přepravy chodí jako klasická PDF příloha e-mailem. Tam AI nepotřebuji. Aplikace se napojí na e-mailovou schránku, pozná relevantní e-mail, stáhne PDF, vytěží z něj položky, částky a identifikátory a uloží je do databáze. Ten skript mi může AI pomoct napsat, ale při provozu samotném nemusím za každou fakturu platit inferenci modelu. Je to strukturovaný dokument a má se zpracovat normálně.
Jiná situace jsou CMR a čekací listy. To jsou fyzické papíry. Řidič je má v autě, někdy jsou vyplněné rukou, někdy vyfocené hůř, někdy je na nich něco špatně čitelné. Tady AI smysl dává.
Proto má řidič jednoduchou mobilní webovou aplikaci. V principu dvě hlavní tlačítka: vyfotit CMR, vyfotit čekací list. Vyfotí papír, aplikace ho nahraje na server a server pošle obrázek do AI zpracování. V téhle verzi používáme přímo OpenAI API.
AI se z fotky pokusí vytěžit potřebná data. Nepoužitelnou fotku systém vrátí k přefocení. Nejisté doklady nebo doklady s chybějícími údaji pošle majiteli ke kontrole; ten je může potvrdit, opravit nebo vrátit řidiči s konkrétním důvodem. Když jsou data použitelná, uloží se do databáze.
Tohle je podle mě správné použití AI. Ne jako magická autorita, ale jako levný a rychlý převodník špinavého vstupu do strukturovaných dat, s jasným místem pro lidskou kontrolu.
Co z toho vzniklo
První funkční verzi malé interní aplikace jsem mu mimo hlavní práci postavil v řádu dvou dnů.
Faktury přicházejí e-mailem, aplikace je sama načte, vytěží a uloží. Řidiči při práci fotí CMR a čekací listy. Doklady se zpracují, označí, spárují s fakturami a skončí v jednom systému. U každé položky z faktury je vidět, jaký k ní existuje doklad, kdo to jel, kdy to jel a v jakém stavu je kontrola.
Majitel tak najednou nepracuje s hromadou papírů, ale s přehledem. Vidí doklady, řidiče, auta, čekání, spárované faktury a problematická místa. Systém umí počítat mzdy podle odjeté práce a čekání. Zároveň vznikla evidence aut a řidičů, mzdové podklady a měsíční přehled výnosu jednotlivých aut podle spárovaných fakturačních položek.
Přístup pro řidiče je také záměrně jednoduchý. Nechtěl jsem z toho dělat další systém s e-maily, hesly a podporou zapomenutého přihlášení. Každý řidič dostane unikátní kód. Přes něj se dostane ke své části aplikace, nahrává doklady a vidí svoje nahrané věci. Pro tenhle use case to stačí. A hlavně to odpovídá realitě lidí, kteří mají v ruce telefon na cestě, ne chuť spravovat další firemní účet.
Tohle celé je dnes ve zkušebním provozu. Dolaďují se drobnosti v rozhraní a user experience, protože až skutečný provoz ukáže, co řidičům sedí a co je otravuje. Ale podstata už funguje: příjem faktur, nahrávání dokladů, AI vytěžení, validace, manuální kontrola, párování a přehled pro majitele.
V dalších iteracích přibyl automatický e-mailový import, přehled aut a doladění provozních detailů. Neříkám to proto, aby to znělo jako kouzelnický trik. Říkám to proto, že právě tohle je změna. Aplikace, která by v běžném režimu vývoje snadno spadla do zakázky za desítky tisíc a pro malou firmu by byla těžko obhajitelná, se dá dnes postavit řádově rychleji.
Provozní náklady ještě nechci vydávat za tvrdou statistiku, protože systém běží krátce. Ale z dosavadního provozu to vypadá spíš na stovky korun měsíčně, nejvýš nízké tisíce, podle objemu dokladů. Jedno zpracování fyzického dokladu vychází zhruba na jednu korunu. Vůči lidskému času, který by jinak padl na přepisování a kontrolu, je to velmi zajímavý poměr.
Nový trh pro malé interní systémy
Na téhle zkušenosti mě nejvíc nezajímá samotná autodoprava. Zajímá mě kategorie.
Myslím si, že právě tady vzniká nový trh ve vývoji softwaru. Malé jednorázové custom aplikace pro firmy, které mají konkrétní provozní problém, ale nikdy pro ně nedávalo smysl objednat si klasický vývoj na míru.
Ne každý problém chce další SaaS. SaaS je výborný, když problém vypadá podobně u tisíců firem. Jenže realita malých firem bývá lokální, konkrétní a nečistá. Mají pár aut. Pár lidí. Nějaký vlastní způsob práce. Nějaké papíry. Nějaké výjimky. Nepotřebují obří systém, který umí sto věcí. Potřebují interní nástroj, který umí osm věcí přesně tak, jak je potřebují.
Ještě zajímavější je vlastnictví. Když se taková aplikace udělá rozumně, firma má k dispozici zdrojový kód, databázi a systém, který může růst s ní. Není to jen konfigurace v cizí platformě. Není to slepá závislost na někom, kdo jí pronajímá příliš velký nástroj. Je to její malý software.
Samozřejmě to neznamená, že teď má každá malá firma vlastní vývojový tým. Neznamená to ani, že si to dnes každý neprogramátor nakliká sám v ChatGPT.
I to jsme zkusili. Řekl jsem mu, ať si zkusí sám popsat problém ChatGPT a aplikaci postavit. Narazil. Není vývojář, nemá zkušenost s provozem softwaru a v jednu chvíli se prostě neposune dál. Věřím, že se to časem bude měnit. Nástroje budou lepší a lidé bez technické znalosti zvládnou udělat víc než dnes.
Ale ještě tam nejsme.
Dnes je velká páka jinde. Když vezmete člověka, který celý život staví software, rozumí architektuře, datům, bezpečnosti, provozu a ví, na co se soustředit, AI mu dá do ruky obrovské zrychlení. Takový člověk dokáže v řádu hodin nebo dnů postavit aplikaci v kvalitě, která malou firmu reálně posune. Ne proto, že AI všechno ví, ale protože zkušený člověk ví, co po ní chtít, co si zkontrolovat a kde ji vůbec nepoužít.
To je rozdíl mezi „AI mi napsala nějaký kód“ a „vznikl malý produkční systém, který šetří čas“.
Custom software na počkání
Tohle mi na současné době přijde nejzajímavější. Začíná dávat smysl software, který by dřív nevznikl.
Ne velký startup produkt. Ne enterprise transformace. Ne další univerzální platforma. Prostě malý interní systém pro firmu, která má bolestivý kus práce a potřebuje ho odstranit.
Když se to udělá dobře, takový software neobsahuje hromadu funkcí, které firma nepotřebuje. Nesnaží se být vším pro všechny. Je úzký, praktický a postavený kolem reálného provozu. Řidič vyfotí papír. Majitel vidí přehled. Nejasný doklad jde na kontrolu. Mzdy se počítají z dat, ne z páteční hromady papírů.
To je pro mě custom software na počkání. Ne ve smyslu levného bastlu, který se za víkend nějak splácá a pak se ho všichni bojí dotknout. Ve smyslu malé, dobře ohraničené aplikace, která vznikne rychle, protože zkušený člověk řídí práci AI nástrojů a zároveň drží tvar systému.
V tomhle je podle mě budoucnost části vývoje softwaru. Bude vznikat mnohem víc drobných interních aplikací, které by ještě nedávno nikdo nestavěl. Ne proto, že by nebyly užitečné. Byly užitečné vždycky. Jen byly příliš drahé na vznik.
AI nezrušila potřebu dobrého vývojáře. Spíš z něj v těchhle případech udělala někoho, kdo může být malému podnikání dostupný úplně jinak než dřív.
A to je mnohem zajímavější než další ukázka toho, že model umí napsat endpoint.
