Proč používat AI skills? Protože dobrý prompt nestačí
V posledních letech jsme se učili psát stále lepší prompty (zadání pro umělou inteligenci, AI): jak správně formulovat úkol, jak AI vysvětlit kontext, jak určit její roli nebo požadovaný formát odpovědi. To všechno má stále smysl. Jenže při každodenním používání AI narážíme na hranice tohoto přístupu. Proč bych měl při každém zpracování faktur znovu vysvětlovat stejná pravidla? Proč pořád dokola popisovat strukturu reportu? A proč by si měl každý zaměstnanec vytvářet vlastní verzi firemního postupu? Právě tady přicházejí ke slovu AI skills.
Ve zkratce
- Skill je balíček instrukcí, který učí AI dělat určitý typ úkolu podle připraveného postupu; kromě pokynů může obsahovat šablony, podklady, kontrolní seznamy a skripty.
- AI zná nejdřív jen krátký popis skillu a podrobné pokyny načte, až když je potřebuje, takže metodika nezabírá místo v každé konverzaci.
- Skill může předepsat kontrolu výsledku před odevzdáním a přesné výpočty svěřit skriptu, například párování faktur s bankovním výpisem v Pythonu.
- Skill je tvořený soubory, takže se dá verzovat, testovat na připravených vstupech a sdílet v týmu jako firemní know-how.
- Otevřený standard Agent Skills používá přes 70 platforem včetně ChatGPT a Claude; přenos usnadňuje, ale skill závislý na konkrétních nástrojích nebo oprávněních může jinde vyžadovat úpravy.
- Skill sám o sobě není bezpečnostní mechanismus a pro jednorázové otázky stačí obyčejný prompt; skill se vyplatí u opakovaných, vícekrokových a sdílených úkolů.
Co je vlastně skill?
Skill je balíček instrukcí, který učí AI vykonávat určitý typ úkolu podle připraveného postupu. Může obsahovat nejen samotné pokyny, ale také šablony dokumentů, referenční materiály, kontrolní seznamy nebo spustitelné skripty.
Představme si účetní firmu, která pravidelně porovnává seznamy vystavených faktur s bankovními výpisy. Místo toho, aby účetní při každém zpracování znovu vysvětlovala pravidla párování plateb, použije skill, který už obsahuje:
- pravidla pro načtení a kontrolu vstupních souborů,
- postup párování plateb a faktur,
- řešení rozdílných částek, duplicit a chybějících plateb,
- přesné výpočty prováděné skriptem,
- kontrolní mechanismy,
- předepsanou podobu závěrečného reportu.
Uživatel pak jednoduše zadá: „Porovnej tyto faktury s bankovním výpisem.“ A AI ví, jakým postupem má pracovat. Skill tak není pouze uložený prompt. Může představovat celý malý pracovní systém.
1. Nemusíme opakovaně vymýšlet stejná zadání
Skill uchovává pokyny k opakovanému úkolu, takže je nemusíte psát znovu. To je jeho nejviditelnější výhoda.
Každý, kdo AI používá pravidelně, se vrací ke stejným úkolům: připravuje nabídky, analyzuje dokumenty, vytváří prezentace nebo kontroluje tabulky. Bez skills často znovu vysvětlujeme, co chceme, jak má výstup vypadat a na co si má AI dát pozor. Navíc se se skillem nemusíme spoléhat na to, zda si AI vybaví některou z našich předchozích konverzací.
2. Šetříme místo v kontextovém okně
Skill zabírá v kontextovém okně jen krátký popis, dokud ho AI nepotřebuje. Kontextové okno je množství informací, se kterými AI v daném okamžiku pracuje.
Když do každé konverzace vložíme desetistránkovou metodiku, zabíráme tím prostor, který bychom mohli využít pro samotná data a řešení úkolu. Skills umožňují takzvané postupné načítání (progressive disclosure): AI nejprve zná pouze stručný popis dostupného skillu a podrobné instrukce a další soubory načte až ve chvíli, kdy je skutečně potřebuje.
Příklad: skill na zpracování dokumentů může obsahovat různé postupy pro Word, PDF a Excel. Při práci s Wordem není nutné načítat všechny podrobnosti o Excelu.
Výsledek: méně zbytečných instrukcí v kontextu a lepší využití dostupné kapacity.
Neznamená to ovšem, že používání skillu vždy automaticky sníží spotřebu tokenů (jednotek, ve kterých AI počítá text). Záleží na konkrétním způsobu jeho implementace.
3. Výsledky jsou konzistentnější
Dobrý skill přesně definuje, jak má výsledek vypadat, takže výstupy mají pokaždé stejnou strukturu. Například každý audit webu může obsahovat nalezený problém, závažnost, důkaz, doporučené řešení a způsob ověření opravy.
To je důležité především ve firmách, kde s AI pracuje více lidí. Pokud každý zaměstnanec napíše vlastní prompt, výsledky mohou být velmi rozdílné. Se společným skillem lze zavést jednotnou metodiku.
Neznamená to, že AI pokaždé vygeneruje identický text. Znamená to, že může dodržovat společná pravidla a standardy.
4. Skills mohou kontrolovat kvalitu vlastní práce
Skill může kromě zadání definovat i to, jak má AI výsledek zkontrolovat před odevzdáním. Tohle považuji za jednu z nejdůležitějších výhod, protože běžný prompt obvykle popisuje jen to, co má AI vytvořit.
Při přípravě dokumentu může skill vyžadovat kontrolu úplnosti kapitol, správnosti formátování a přítomnosti povinných údajů. Při práci s tabulkami může požadovat kontrolu vzorců, součtů a chybějících hodnot. Ještě lepší je, když kontrolu provádí samostatný skript, který výsledek skutečně ověří. AI tak nedostává jen pracovní pokyny, ale také měřitelná kritéria úspěchu.
Kontrola provedená stejným jazykovým modelem samozřejmě není zárukou správnosti. Proto dává smysl kombinovat instrukce s nezávislými programovými kontrolami.
5. Spojují schopnosti AI s přesností klasického programu
Skill může přesné operace svěřit programu, místo aby je jazykový model odhadoval. Jazykové modely výborně rozumějí přirozenému jazyku, analyzují texty a navrhují řešení, ale nejsou ideálním nástrojem pro každou operaci.
Pokud potřebujeme porovnat deset tisíc finančních transakcí, nechceme, aby AI pouze odhadovala, které částky k sobě patří. Skill může obsahovat program, například v Pythonu, který provede přesné porovnání. AI potom vysvětlí nalezené rozdíly, roztřídí problémy a připraví srozumitelný report.
Tady se dostáváme k velmi užitečnému rozdělení práce:
Jazykový model rozhoduje, jak úkol zpracovat. Klasický program provádí operace, kde potřebujeme přesnost a opakovatelnost.
6. Firemní znalosti nezůstávají schované v hlavách jednotlivců
Skill umí zachytit firemní postup tak, aby ho mohli používat i ostatní. Každá firma má vlastní postupy: jak zpracovává objednávky, připravuje nabídky, kontroluje smlouvy nebo vytváří zákaznické reporty. Často je dokonale znají jen konkrétní zaměstnanci.
Skills umožňují část těchto znalostí převést do použitelných instrukcí, příkladů a podpůrných souborů. Zkušený zaměstnanec připraví postup, který pak využívají jeho kolegové. Skill se tak stává jedním ze způsobů, jak uchovávat a předávat firemní know-how, a současně zjednodušuje zaučení nových zaměstnanců.
7. Skills můžeme verzovat, testovat a postupně vylepšovat
Skill je tvořený soubory, a proto s ním můžeme zacházet podobně jako se softwarem. U klasických promptů často vzniká nenápadný problém: máme pět různých verzí stejného zadání, každou trochu jinou, a už nevíme, která funguje nejlépe.
U skillu můžeme sledovat historii změn, porovnávat jednotlivé verze a podle potřeby se vrátit k předchozí. Také si můžeme připravit testovací příklady. Pro skill na párování faktur si vytvoříme sadu transakcí s duplicitami, částečnými platbami nebo nesprávnými variabilními symboly. Po každé změně skillu ověříme, jestli stále správně rozpozná všechny očekávané situace.
Tím se posouváme od intuitivního ladění promptů k systematickému vývoji a testování pracovních postupů.
8. Jeden skill může fungovat v různých AI nástrojích
Skill napsaný podle otevřeného standardu Agent Skills (skills pro agenty) jde použít ve více nástrojích. Specifikace představuje otevřený způsob, jak definovat opakovaně použitelné schopnosti AI agentů. Anthropic, který standard vytvořil, ho v říjnu 2026 předal nadaci Agentic AI Foundation pod Linux Foundation a podle jeho oznámení ho používá přes 70 platforem, například ChatGPT, Claude, GitHub Copilot, Microsoft 365 Copilot nebo vývojové nástroje. Jak to vypadá v Copilotu, popisuje článek Skills v Copilotu.
Je ale důležité rozlišovat mezi přenositelností samotných instrukcí a přenositelností celého řešení. Skill, který obsahuje pouze pravidla pro psaní dokumentů, bude snadno použitelný v různých prostředích. Skill závislý na konkrétních nástrojích, oprávněních nebo systémových funkcích může vyžadovat úpravy. Otevřený formát tedy přenositelnost usnadňuje, ale nezaručuje automatickou kompatibilitu všeho.
9. Můžeme kombinovat více specializovaných skills
Místo jednoho obrovského skillu, který řeší všechno, je lepší rozdělit práci na menší skills. Představme si zpracování měsíčního finančního reportu: jeden skill se stará o načtení dat, druhý o jejich validaci, třetí o výpočty a čtvrtý o vytvoření výsledného dokumentu.
Každou část můžeme samostatně upravovat a testovat. Takové rozdělení navíc usnadňuje znovupoužití jednotlivých částí v dalších pracovních postupech.
10. Skills mohou pomáhat prosazovat firemní pravidla
Skill může předepsat firemní pravidla, která má AI při práci dodržet. Firemní skill pro obchodní nabídky může definovat povinné právní formulace, cenová pravidla, strukturu dokumentu nebo schvalovací postup. Skill pro práci s citlivými daty může požadovat jejich anonymizaci nebo zastavení zpracování, když nejsou splněné podmínky.
To je užitečné, ale má to jednu důležitou hranici:
Skill sám o sobě není bezpečnostní mechanismus, který dokáže technicky vynutit všechna pravidla.
Skutečná ochrana musí být zajištěna také oprávněními, konfigurací nástrojů, kontrolou přístupu a případně nezávislými schvalovacími mechanismy.
Je tedy skill vždy lepší než prompt?
Ne. Pokud potřebujeme jednorázově vysvětlit nějaký pojem, upravit krátký text nebo položit jednoduchou otázku, běžný prompt naprosto stačí.
Skill má smysl zejména tehdy, když se úkol opakuje, má jasná pravidla, vyžaduje několik kroků nebo ho má používat víc lidí. A také tam, kde chceme postup dlouhodobě udržovat, ověřovat a postupně zdokonalovat. Ne každý úkol potřebuje vlastní skill. Vytvářet je úplně na všechno by znamenalo jen další zbytečnou složitost.
Od promptování k návrhu pracovních postupů
Skills posouvají pozornost od toho, jak AI něco správně říct, k tomu, jak má být práce organizována, provedena a zkontrolována. Podle mě je právě tohle nejzajímavější změna, kterou přinášejí.
Prompt zůstává důležitý, ale nemusí pokaždé obsahovat celou metodiku. Můžeme vytvářet malé, opakovaně použitelné pracovní postupy, doplňovat je nástroji, testovat jejich správnost a sdílet je s ostatními. A právě tady vidím jejich největší přínos.
Neposouváme se pouze k lepším promptům. Posouváme se k lépe navrženým způsobům práce s AI.
Časté otázky
Co je AI skill?
Skill je balíček instrukcí, který učí AI vykonávat určitý typ úkolu podle připraveného postupu. Kromě pokynů může obsahovat šablony dokumentů, referenční materiály, kontrolní seznamy nebo spustitelné skripty.
Jaký je rozdíl mezi skillem a promptem?
Prompt říká AI, co má udělat teď, a s koncem konverzace zmizí. Skill zůstává uložený a AI navíc může dát pracovní postup, firemní znalosti, skripty a pravidla, podle kterých má výsledek ověřit.
Šetří skills tokeny?
Často ano, protože AI zná nejdřív jen krátký popis skillu a podrobné pokyny načte, až když je potřebuje. Automaticky to ale neplatí vždy, záleží na tom, jak je skill a nástroj, který ho používá, postavený.
Funguje stejný skill v ChatGPT i v Claude?
Obvykle ano, protože oba nástroje podporují otevřený standard Agent Skills, který podle Anthropicu používá přes 70 platforem. Skill, který spoléhá na konkrétní nástroje, oprávnění nebo spouštění skriptů, může ale v jiné aplikaci vyžadovat úpravy.
Zabrání skill halucinacím AI?
Ne úplně. Skill může přikázat ověřování zdrojů, zakázat domýšlení chybějících údajů a přesné výpočty svěřit skriptu, což chyby výrazně omezí, ale bezchybnost nezaručí.
Kdy se vyplatí vytvořit vlastní skill?
Když se úkol opakuje, má jasná pravidla, vyžaduje několik kroků nebo ho má používat víc lidí. Na jednorázovou otázku nebo krátkou úpravu textu stačí obyčejný prompt.