sunrise
Automatizácie bez kódu
Pre koho: Absolventi K1. K1; bezplatný účet Make; AI kroky voliteľne s API kľúčom (centy)
Lekcia 1: Čo je automatizácia a kedy sa oplatí
Cieľ: Rozpoznať úlohy, ktoré má zmysel automatizovať, a ktoré nie.
Automatizácia je postupnosť krokov, ktorá sa spustí sama pri udalosti (príde email, nový riadok v tabuľke, piatok o 17:00) a vykoná prácu za teba. Nie je to AI. Klasická automatizácia sú pevné pravidlá: KEĎ sa stane X, SPRAV Y. AI do nej patrí až ako jeden z krokov, napríklad zhrnutie textu.
Automatizovať sa oplatí úloha, ktorá spĺňa tri podmienky naraz: opakuje sa (aspoň párkrát mesačne), má jasné pravidlá (viete ju opísať ako postupnosť krokov bez úsudku) a je digitálna (deje sa v aplikáciách, ktoré majú prepojenie alebo API). Typický príklad: prijatie objednávky z formulára, zapísanie do tabuľky a odoslanie potvrdzovacieho emailu.
Neoplatí sa automatizovať úloha, ktorá sa deje zriedka, mení sa zakaždým, alebo vyžaduje ľudský úsudok v každom kroku. Automatizácia zle navrhnutého procesu robí len rýchlejšie zlé výsledky.
Kandidát A: "Každý piatok skopírujem čísla z faktúr do tabuľky." Opakuje sa, pravidlá sú stabilné, vstup je štruktúrovaný. Výborný kandidát: úspora cca 30 minút týždenne, chyba je lacno odhaliteľná kontrolou súčtov.
Kandidát B: "Odpovedanie na sťažnosti zákazníkov." Opakuje sa, ale každá sťažnosť je iná a zlá odpoveď stojí zákazníka. Nie na plnú automatizáciu; vhodný je len polautomat (AI pripraví návrh, človek skontroluje a pošle, teda human-in-the-loop z K3).
Kandidát C: "Raz za štvrťrok zálohovať fotky." Zriedkavé a jednoduché ručne. Automatizácia sa oplatí, až keď je rutina stabilná; inak zaplatíš viac času nastavením, než ušetríš.
Rozhodovací filter na záver: opakuje sa aspoň týždenne? Pravidlá sa nemenia? Vstup je strojovo čitateľný? Chyba je odhaliteľná a lacná? Štyrikrát áno = automatizuj.
Automatizuješ proces, ktorý sám ešte neovládaš ručne. Náprava: týždeň ho rob ručne a zapisuj kroky; až z zapísaných krokov stavaj scenár.
Scenár ušetrí 10 minút týždenne, ale jeho opravy stoja hodinu mesačne. Náprava: po mesiaci prevádzky spočítaj celkový zisk; ak je záporný, scenár vypni alebo zjednoduš.
Najprv pravidlá, potom automat. Ak nevieš úlohu opísať ako postupnosť krokov, nevieš ju automatizovať.
Cvičenie
Napíš si tri úlohy, ktoré robíš opakovane v mobile alebo počítači. Ku každej značkuj: ako často, či má pevné pravidlá, či je digitálna.
Vyber jednu, ktorá spĺňa všetky tri podmienky, a opíš ju vetou: KEĎ ..., TAK ...
Riešenie
Úloha bez pevných pravidiel (napr. "odpisuj zákazníkom podľa situácie") sa priamo automatizovať nedá. Dá sa automatizovať len jej mechanická časť (doručenie správy do správnej schránky s pripraveným návrhom odpovede).
Ak ti KEĎ-TAK veta nejde napísať, úloha ešte nie je pripravená. Rozdeľ ju na menšie časti.
Lekcia 2: Ako automatizačné platformy fungujú
Cieľ: Pochopiť stavebné bloky: spúšťač, akcie, dáta a mapovanie.
Make aj n8n (a Zapier a desiatky ďalších) fungujú na rovnakom princípe. Postavíš scenár (Make) alebo workflow (n8n) z dielikov:
- Spúšťač (trigger): udalosť, ktorá všetko rozbehne. Buď platforma čaká na zavolanie (webhook), alebo sama pravidelne kontroluje novinky (polling, napr. každých 15 minút pozrie schránku).
- Akcie: kroky, ktoré sa vykonajú. Každá akcia je modul (Make) alebo node (n8n) napojený na aplikáciu: prečítaj riadok, vytvor dokument, pošli správu.
- Dáta a mapovanie: výstup jedného kroku je vstup ďalšieho. Pri stavbe hovoríš "do poľa Predmet vlož hodnotu Názov z kroku 1". Tomu sa hovorí mapovanie a je to srdce celej práce.
- Logika: filtre (pokračuj len ak...), vetvenie (router v Make, IF/Switch v n8n), cykly (spracuj každý riadok zvlášť) a ošetrovanie chýb (čo sa má stať, keď krok zlyhá).
Dôležité pre hlavu: platforma nepozná význam tvojich dát. Vie len preniesť hodnotu z poľa A do poľa B. Keď namapuješ zlé pole, automatizácia "funguje", ale robí hlúposti. Preto sa testuje na reálnych, nie vymyslených dátach.
Syntetická situácia: webhook prinesie objednávku s poľami meno, email, suma. Ty mapuješ do tabuľky stĺpec "Zákazník". Správne mapovanie: pole meno.
Typická chyba: namapuješ pole email (lebo v zozname polí bolo prvé). Automatizácia beží bez chyby, tabuľka sa plní emailmi v stĺpci Zákazník a zistíš to, až keď niekto listuje dátami.
Preto testovací beh rob vždy s jedným reálnym záznamom a skontroluj cieľ očami: sedí každý stĺpec s obsahom? Minúta kontroly očí odhalí väčšinu zlých mapovaní skôr, než vznikne škoda.
Po zmene vstupného formulára sa premenuje pole a scenár ticho zapisuje prázdne hodnoty. Náprava: do scenára pridaj kontrolu, že kľúčové pole nie je prázdne, a vetvu s upozornením (lekcia 4).
Cvičenie
Nakresli na papier (alebo do poznámok) svoju KEĎ-TAK úlohu z lekcie 1 ako reťazec: spúšťač, kroky, aké pole ide z ktorého kroku kam.
Riešenie
Správny návrh má presne jeden spúšťač, kroky v poradí a pri každom kroku napísané, ktoré polia z predchádzajúcich krokov používa. Ak pri niektorom kroku nevieš napísať, odkiaľ vezme dáta, tam bude pri stavbe problém.
Lekcia 3: Prvá automatizácia v Make, krok za krokom
Cieľ: Postaviť a spustiť prvý fungujúci scenár na bezplatnom pláne.
Budujeme: nový riadok v Google Sheets spustí zhrnutie textu AI a výsledok príde emailom. To je reálny mini-systém, aký firmy používajú na triedenie podnetov.
Postup v Make (bezplatný účet, 1000 kreditov mesačne; väčšina akcií modulu = 1 kredit, niektoré pokročilé funkcie, napr. AI moduly Make, môžu spotrebovať viac):
- 1. Vytvor scenár (scenario) a ako spúšťač zvoľ Google Sheets > Watch Rows napojený na tvoju tabuľku. Pri prvom pripojení ťa Make vedie cez prihlásenie Google účtu a povolenie prístupu.
- 2. Pridaj AI krok: modul OpenAI (alebo Anthropic) s promptom "Zhrň text v stĺpci B do jednej vety po slovensky". Sem sa vkladá API kľúč; pozor, AI krok sa platí zvlášť podľa spotreby tokenov (viac v lekcii 5).
- 3. Pridaj Gmail (alebo Email) > Send an Email. Do predmetu a tela namapuj výstup z kroku 2 a názov z kroku 1.
- 4. Klikni "Run once", vlož do tabuľky testovací riadok a sleduj, ako sa každý modul rozsvieti. Make ti pri každom kroku ukáže presne, aké dáta doň vošli a vyšli. Toto je najdôležitejší nástroj ladenia.
- 5. Až keď test prejde, zapni plánovanie (scheduling), napr. každých 15 minút, a scenár ulož.
Presné názvy tlačidiel sa v čase menia. Neuspávaj sa na návode: hľadaj vždy spúšťač aplikácie, akciu aplikácie a mapovanie polí, to sú koncepty, ktoré ostanú, aj keď sa rozhranie prekreslí.
Testovací riadok, ktorý vložíš do tabuľky (stĺpce Meno, Email, Text): Meno = Jana Nováková, Email = jana.novakova@example.com, Text = "Dobrý deň, chcela by som sa opýtať, či robíte torty na objednávku aj bez lepku a koľko približne stojí torta pre 20 ľudí. Ďakujem."
Očakávaný výstup AI kroku (prompt "Zhrň text v stĺpci Text do jednej vety po slovensky"): "Zákazníčka sa pýta na bezlepkové torty na objednávku a orientačnú cenu torty pre 20 ľudí." Veta sa môže mierne líšiť, ale musí obsahovať tri veci: bez lepku, torta na objednávku, cena pre 20 ľudí. Ak obsahuje niečo navyše (napr. vymyslenú cenu), pridaj do promptu "nevymýšľaj žiadne čísla ani fakty navyše".
Očakávaný email z kroku 3: Predmet "Nový podnet: Jana Nováková", telo "Od: jana.novakova@example.com, Zhrnutie: Zákazníčka sa pýta na bezlepkové torty na objednávku a orientačnú cenu torty pre 20 ľudí."
Overenie po "Run once": v detaile každého modulu vidíš presný vstup a výstup. Watch Rows musí ukázať tri polia Meno, Email, Text s hodnotami vyššie. Ak namiesto názvov stĺpcov ukazuje "Column A/B/C", tabuľke chýba hlavička v prvom riadku.
Email príde s prázdnym zhrnutím alebo "undefined": zle namapovaný stĺpec. Náprava: otvor detail modulu po Run once, pozri presný názov poľa (Make pomenúva polia podľa hlavičky tabuľky) a namapuj znova. Názov poľa nikdy nehadaj, vždy ho vyber z ponuky mapovania.
Modul zčervená s chybou 401 alebo 403: vypršalo povolenie účtu. Náprava: v sekcii Connections pripojenie obnov (re-authorize) a scenár spusti znova; dáta sa nestratia.
Riadok sa spracuje dvakrát: scenár beží každých 15 minút a Watch Rows vidí riadok stále ako nový. Náprava: po spracovaní zapíš do stĺpca Spracované hodnotu "áno" a na spúšťači pridaj filter, ktorý pustí len riadky bez nej.
Cvičenie
Postav scenár podľa návodu vyššie s vlastnou tabuľkou. Ak nemáš API kľúč, nahraď krok 2 jednoduchým modulom "Text parser" alebo "Set variable", ktorý len prekopíruje text, a AI pridaj neskôr v lekcii 5.
Riešenie
Najčastejšie zlyhania: zle namapovaný stĺpec (skontroluj v detailnom náhľade dát po "Run once"), nepovolený prístup k účtu (zopakuj pripojenie), a tabuľka s hlavičkou, ktorú Make číta ako dáta (prvý riadok musia byť názvy stĺpcov).
Lekcia 4: Vetvenie, filtre a zvládanie chýb
Cieľ: Aby automatizácia nespadla pri prvej výnimke.
Reálne dáta sú špinavé: chýba email, text je prázdny, API je dole. Automatizácia bez ošetrenia sa zastaví a ty sa o probléme dozvieš, keď je neskoro.
Filter: podmienka medzi krokmi. "Pokračuj len ak stĺpec Email nie je prázdny." V Make sa filter kladie na spoj medzi modulmi, v n8n použiješ IF node. Filter nezastavuje celý beh s chybou, len vetvu preskočí. To je rozdiel, ktorý začiatočníci často miešajú.
Vetvenie (router v Make, Switch v n8n): podľa obsahu pošli záznam do rôznych vetiev. Objednávka nad 100 eur ide na manažéra, ostatné rovno do spracovania.
Ošetrovanie chýb: v Make pridáš na krok error handler (Ignore, Break, Resume; v n8n vetva on error alebo Error Trigger workflow). Praktické minimum pre každú automatizáciu: vetva, ktorá pri chybe pošle tebe upozornenie s názvom scenára a vstupnými dátami. Bez toho hľadáš chybu naslepo.
Toto nie je dokumentačný postup, ale skutočne spustený lokálny test. Workflow: Manual Trigger, Code (4 syntetické objednávky: A1 za 25, A2 za 0, duplicita A1, A3 za 40), Remove Duplicates podľa order_id, vetva If (suma > 0) a na každej vetve Set (OK vetva nastaví status schvalene a vypočíta pole cena_s_prirazkou ako suma x 1,2; karanténna vetva nastaví status karantena s dôvodom).
Skutočné výsledky spustenia: deduplikácia 4 vstupy na 3 (duplicita A1 odstránená); OK vetva dostala A1 a A3 s priraďkou 30 a 48; karanténa dostala A2 s dôvodom suma<=0. Očakávanie sedelo 1:1. Priraďka 20 % je syntetický učebný predpoklad na ukážku výpočtu, nie daňový údaj.
Čo z toho odniesť: vetvenie a deduplikáciu si viete overiť lokálne na syntetickej fixture predtým, než scenár napojíte na reálne dáta. Návod a importovateľný JSON workflow tvoria reprodukovateľný balíček (n8n príkazmi import a execute).
Filter je nastavený na nesprávnu stranu podmienky a všetko ide do karantény. Náprava: otestuj vetvy dvoma vstupmi (jeden má prejsť, jeden nie) a skontroluj počty v každej vetve, nie len "že to prebehlo".
Duplicita prejde, lebo sa líši formátovaním (medzera, veľkosť písmen). Náprava: pred porovnaním znormalizuj kľúč (malé písmená, orezané medzery) v Code alebo Set kroku.
Automatizácia je hotová, keď prežije zlé dáta, nie keď prejde ideálny test.
Cvičenie
Do svojho scenára pridaj filter: preskoč riadky, kde je text prázdny. Potom vlož zámerne zlý riadok a sleduj, čo sa stane.
Pridaj vetvu, ktorá ti pri chybe AI kroku pošle email "scenár X zlyhal pri riadku Y".
Riešenie
Kontrola: scenár pri zlom riadku neskončí červeným stavom, ale čistou vetvou (preskočený alebo odchytený s upozornením).
Typická chyba: filter nastavený opačne (spracováva prázdne a preskakuje plné). Testuj oboma hodnotami.
Lekcia 5: AI krok v automatizácii: prompty, štruktúra a náklady
Cieľ: Použiť AI tam, kde prináša hodnotu, a zaplatiť len za to, čo treba.
AI krok je v automatizácii jediný, ktorý nie je deterministický: ten istý vstup môže dať trochu iný výstup. Preto do automatizácie patrí na úlohy, kde sa drobná odchýlka ospravedlní (zhrnutie, návrh textu, zaradenie do kategórie), nie na úlohy, kde musí byť výstup presný (čísla faktúr, právne znenia).
Prompt v kroku 3 je systémový prompt z kurzu K1: rola, úloha, formát, obmedzenia. Navyše jedno pravidlo navrch: žiadaj štruktúrovaný výstup. Keď má ďalší krok čítať výsledok, nechaj si vrátiť JSON, napr. {"kategoria": "...", "priorita": "...", "navrh_odpovede": "..."}, a v ďalšom kroku čítaš jednotlivé polia namiesto hľadania v súvislom texte.
Náklady. Modul platformy (Make, n8n) zvyčajne len prenáša dáta, ale samotná AI odpoveď sa platí podľa tokenov cez API kľúč. Rádové zoradenie: lacné modely (Claude Haiku 5.5, GPT-6 Luna) stoja okolo 0,10 USD za milión vstupných tokenov, stredná trieda (Sonnet 5.5, GPT-6 Sol) 2 USD vstup / 10 USD výstup. Jeden kratučký AI krok v automatizácii je typicky v ráde zlomkov centa. Stovka spustení denne s krátkym textom vychádza na jednotky dolárov mesačne; dlhé dokumenty to dokážu zdvihnúť rádovo. Pred spustením si vždy spočítaj cenu na svojich reálnych dátach (kurz K4, lekcia o nákladoch, ukazuje presný výpočet).
Praktická úspora: najlacnejší model, ktorý úlohu zvládne. Skús najprv najlacnejší, pozri kvalitu na 20 reálnych vstupoch, a len keď nestačí, choď vyššie.
Syntetický scenár: z formulára chodia podnety a AI krok ich má zaradiť. Prompt v kroku: "Si triéder podnetov. Zarad text do jednej kategórie (objednávka, otázka, sťažnosť, iné), urči prioritu (nízka, stredná, vysoká) a zhrň ho do jednej vety. Odpovedz výhradne platným JSON s poľami kategoria, priorita, zhrnutie."
Vstup: "Dobrý deň, torta pre 20 ľudí prišla rozborená, chcem reklamovať." Očakávaný JSON: {"kategoria": "sťažnosť", "priorita": "vysoká", "zhrnutie": "Zákazník reklamuje poškodenú tortu pre 20 ľudí."} Akýkoľvek text navyše (úvodná veta, markdown obal) poláme ďalší krok - riešenie je v bloku zlyhaní.
Cena na reálnych číslach (presný výpočet podľa kalkulačky z K4, lekcia 2): 50 podnetov denne, vstup ~500 tokenov, výstup ~60 tokenov, lacný model (0,10/0,50 USD za milión) = 3000 spustení mesačne za približne 0,24 USD. Stredná trieda (2/10 USD) by stála ~4,80 USD mesačne za rovnakú úlohu, ktorú lacný model zvládne - preto sa začína najlacnejším.
Príznak: krok za AI padne s chybou parsovania, lebo odpoveď vyzerá takto: "Samozrejme, tu je JSON: ```json {"kategoria": ...} ```". Náprava: do promptu pridaj vetu "Odpovedz výhradne platným JSON bez komentára a bez markdown obalu." Ako poistku vlož medzi AI a ďalší krok modul Parse JSON a pri jeho chybe pošli surový text sebe emailom namiesto pádu celého scenára.
Príznak: faktúra za API je rádovo vyššia, než si čakal. Typická príčina: dlhé vstupy (celé dokumenty namiesto úryvkov) alebo spustenia navyše (testovanie so zapnutým plánovaním). Náprava: kratšie vstupy, lacnejší model, a v konzole poskytovateľa API si nastav ochranu výdavkov - Anthropic má mesačný strop na stránke Billing, OpenAI mesačný limit s vynútením v nastaveniach organizácie/projektu; žiadny z nich nezastaví okamžite na cent presne, preto spotrebu pravidelne kontroluj.
Cvičenie
Prepíš prompt z lekcie 3 tak, aby AI vracala JSON s poľami kategoria a zhrnutie. V ďalšom kroku namapuj len pole zhrnutie do emailu.
Spočítaj si: koľko spustení denne čakáš, aký dlhý je typický vstup v znakoch, a aká by bola mesačná cena pri modeli za 0,10 USD/milión vstupných tokenov (1 token zhruba 4 znaky, k cene vstupu pripočítaj výstup podľa cenníka modelu).
Riešenie
Ak AI nevracia čistý JSON, pridaj do promptu vetu "Odpovedz výhradne platným JSON bez komentára a bez markdown obalu."
Príklad výpočtu (presne spočítané kalkulačkou z K4, lekcia 2): 100 spustení denne x 30 dní = 3000 spustení. Vstup 2000 znakov = ~500 tokenov, výstup 100 tokenov. Pri 0,10/0,50 USD za milión je to 0,15 USD za vstup + 0,15 USD za výstup = 0,30 USD mesačne. Pri strednej triede (2/10 USD) to je 6,00 USD mesačne.
Lekcia 6: n8n, self-hosting a ako si vybrať platformu
Cieľ: Rozoznať, kedy Make, kedy n8n a kedy vlastný server.
Make je plne cloudový: nič neinštaluješ, platíš za kredity (bezplatne 1000 mesačne; platený plán Core začína na 10 000 kreditoch mesačne, aktuálnu cenu over na make.com/pricing). n8n má dva svety: cloud (Starter 20 EUR mesačne pri ročnej platbe, platí sa za spustenia workflow, nie za kroky) a Community Edition, ktorú si spustíš na vlastnom serveri zadarmo a bez limitu spustení.
Pre začiatočníka je Make rýchlejší štart: prehľadné rozhranie, veľa šablón, nič neinštaluješ. n8n sa oplatí, keď: (a) automatizácia beží často a počet krokov by v Make žral kredity, lebo n8n cloud účtuje za spustenie, nie za krok; (b) chceš dáta držať na vlastnom serveri (súkromie, firemné pravidlá); (c) staviaš AI agentov priamo vo workflow: n8n má vstavaný AI Agent node a podporu MCP (štandard na pripájanie nástrojov k modelom, detail v K3 a K4).
Self-hosting nie je zadarmo v zmysle "bez námahy": server treba niekde bežať (vlastný stroj alebo VPS za pár eur mesačne), aktualizovať a zálohovať. Pre kurz odporúčam začať v cloude a na self-host prejsť, až keď máš dôvod.
Situácia A: žiak chce prvú automatizáciu cez víkend, bez servera a bez kódu. Voľba: Make cloud (bezplatný plán) alebo n8n cloud skúšobná verzia. Dôvod: nulová údržba.
Situácia B: freelancer s citlivými dátami klientov, ktoré nesmú opustiť jeho infraštruktúru. Voľba: n8n self-host na vlastnom VPS. Dôvod: dáta zostávajú u neho; cena je jeho čas na aktualizácie a zálohy plus pár eur za server.
Situácia C: vývojár, ktorý chce agentov s MCP a ľudským schvaľovaním vo workflow. Voľba: n8n (v našej kontrole dostupnosti uzlov z 10. 11. 2026 verzia 2.35.7 obsahovala AI Agent, MCP Client/Trigger aj Wait s formulárovým schválením). Dôvod: tieto stavebné bloky má priamo v editore.
Self-host n8n beží mesiace bez aktualizácie a záloh a raz sa databáza pokazí. Náprava: zálohuj priečinok s dátami n8n pravidelne a aktualizácie plánuj, nie rieš náhodou.
Cvičenie
Pre svoju automatizáciu z lekcie 3 spočítaj, koľko kreditov by žrala v Make za mesiac (spustenia x akcie), a porovnaj s cenou n8n cloudu a self-hostu. Ktorá cesta vychádza najlepšie pre tvoj prípad?
Riešenie
Orientačné pravidlo: málo spustení, jednoduché scenáre, žiadny server = Make free. Veľa krokov na spustenie alebo citlivé dáta = n8n. Rozdiel je vždy v tvojich číslach, nie v reklame platformy.
Lekcia 7: Webhooky a spúšťanie z reálneho sveta
Cieľ: Napojiť automatizáciu na formuláre, emaily a plánovaný čas.
Tri najpoužívanejšie spúšťače v praxi:
- Webhook: platforma ti vygeneruje URL adresu. Keď na ňu niečo príde (formulár na webe, platobná brána, iná aplikácia), scenár beží okamžite. Je to najrýchlejší spúšťač, ale adresa je verejná: ktokoľvek ju pozná, môže scenár spustiť. Preto webhookovú adresu nezdieľaj a tam, kde platforma umožňuje overenie (tajný kľúč, podpis), použi ho.
- Plánovaný spúšťač (schedule): scenár beží v nastavených časoch, napr. každý pracovný deň o 7:00. Ideálny na reporty a pravidelné kontroly.
- Sledovanie aplikácie (polling): platforma sama pravidelne kontroluje novinky v schránke, tabuľke alebo kalendári. Jednoduché, ale oneskorené o interval kontroly a každá kontrola môže spotrebovať kredit aj bez novinky.
Výber spúšťača mení náklady. Webhook spotrebuje kredity len pri reálnej udalosti; polling minie kredity aj na prázdne kontroly. Pri bezplatnom limite 1000 kreditov je 15-minútový polling ~96 kontrol denne len na "pozretie".
Syntetická úloha: reagovať na novú objednávku. Denne prídu priemerne 3 objednávky.
Polling každých 15 minút: 96 kontrol denne, z toho 93 prázdnych. Pri tarife účtujúcej za kontrolu minieš mesačne takmer 3 000 kontrol na 90 reálnych udalostí.
Webhook: platforma zavolá tvoju adresu len pri udalosti, teda 3 spustenia denne. Spotreba kreditov zodpovedá realite a reakcia je okamžitá, nie do 15 minút.
Kedy polling napriek tomu: keď služba webhook neponúka. Vtedy ho nastav na najdlhší prijateľný interval a doplň vetvu "nič nové = ukonči lacno".
Webhook prestane chodiť po zmene hesla alebo domény a ty sa to dozvieš až od zákazníkov. Náprava: raz týždenne pošli testovací webhook (v editore je na to tlačidlo) a sleduj, či dorazil; do scenára pridaj tichý monitoring z lekcie 8.
Cvičenie
Pre svoju automatizáciu vyber spúšťač a zdôvodni vo vete, prečo práve ten (rýchlosť, náklady, jednoduchosť).
Riešenie
Webový formulár = webhook. Ranný report = schedule. Nástroj bez webhook podpory = polling s čo najdlhším prijateľným intervalom.
Lekcia 8: Prevádzka: limity, monitoring a bezpečnosť
Cieľ: Udržať automatizácie živé týždne bez starostí a bez úniku údajov.
Monitoring: obe platformy majú históriu behov (execution log). Raz týždenne skontroluj zlyhané behy. Nastav si upozornenie na chyby (Make vie poslať email pri zlyhaní scenára, n8n má Error Workflow). Automatizácia, ktorá zlyhá potichu, je horšia než žiadna.
Limity: bezplatné plány a API kľúče majú stropy (kredity, počet spustení, rýchlosť volaní). Keď scenár začne padať na limitoch, je to signál, že úloha rastie, a čas prejsť na platený plán alebo optimalizovať (menej pollingu, dávkové spracovanie, kratšie prompty).
Bezpečnosť: platforma drží tvoje pripojenia k účtom. Dávaj minimálne potrebné oprávnenia, API kľúče majú vlastný rozpočet a limity, a do promptov nevkladaj osobné údaje zákazníkov, ak nemáš právny základ (rovnaké pravidlá ako v K1, lekcia 8). Automatizácia beží aj keď spíš, takže jej chyba alebo únik sa deje bez teba.
Syntetický týždeň malej firmy s tromi scenármi. Pondelková kontrola: (1) otvor históriu behov a pozri počet chýb za týždeň (norma: 0-2, všetky vysvetlené); (2) skontroluj spotrebu kreditov voči limitu (napr. 412 z 1000); (3) prejdi 3 náhodné úspešné behy, či zapisujú to, čo majú.
Nález: jeden scenár mal 5 chýb v štvrtok, všetky "timeout pri čítaní tabuľky". Rozbor: tabuľka narástla a čítanie trvá dlhšie. Riešenie: pridať stránkovanie alebo filtrovať len nové riadky; chyba zmizla a spotreba kreditov klesla.
Poučenie: limity a chyby sa riešia v malom, kým sú lacné. Desať minút týždenne stačí, ak máš rituál a nie paniku.
Scenár mesiac ticho zlyhával, lebo upozornenia chodili do starého emailu. Náprava: po každej zmene kontaktu pošli testovacie upozornenie; do kritickej automatizácie daj dva nezávislé kanály (email + chat).
Kredity sa minuli 20. dňa v mesiaci. Náprava: z histórie zisti, ktorý scenár žerie najviac (často polling z lekcie 7), pred ďalším navýšením plánu optimalizuj ten.
Cvičenie
Zapni upozornenie na zlyhanie pre svoju automatizáciu a otestuj ho schválnou chybou.
Napíš si na jeden riadok: čo všetko vidí tvoja automatizácia (ktoré účty, aké dáta) a či sú tam osobné údaje.
Riešenie
Ak upozornenie neprišlo, chyba je v tom, že scenár zlyhal "čisto" (filter ho preskočil). Skontroluj, či upozornenie kryje aj tiché zastavenia.
Inventúra dát: typicky tabuľka s menami, emailmi a textami podnetov, teda osobné údaje, plus pripojené účty Google a Gmail. Častý záver: scenár vidí viac, než čakáš; oprávnenia a logy drž na minime potrebnom pre úlohu.
Záverečný projekt: týždenný AI report
Postavíš kompletnú automatizáciu, ktorá raz týždenne zozbiera dáta, zhrnie ich AI a pošle ti prehľad emailom. Funguje na bezplatnom pláne Make (alebo n8n cloude v skúšobnej verzii).
- Zvoľ zdroj: tabuľka s úlohami, schránka s určitým štítkom alebo poznámky. Vytvor v ňom týždeň testovacích dát.
- Postav scenár s plánovaným spúšťačom (piatok 17:00), ktorý zdroj prečíta.
- Pridaj AI krok s JSON výstupom: hlavne_temy (zoznam), co_sa_podarilo, co_brzdi, navrh_na_dalsi_tyzden. Prompt napíš podľa K1.
- Poskladaj z JSON prehľadný email a pošli si ho.
- Pridaj filter na prázdne dáta a error vetvu, ktorá ti pošle upozornenie pri zlyhaní.
- Spočítaj mesačné náklady: kredity platformy + tokeny AI kroku. Zapíš do poznámky k scenáru.
- Nechaj scenár bežať dva týždne a zaznamenaj, čo zlyhalo a čo si upravil.
Výstup: fungujúci scenár (screenshot nastavenia + ukážkový email), odhad mesačných nákladov a poznámka, čo zlyhalo počas dvoch týždňov a ako si to opravil.
- Scenár: 1 = funguje len pri ideálnom vstupe; 2 = prežije prázdny riadok aj chýbajúci email; 3 = má chybovú vetvu s upozornením a ochranu pred dvojitým spracovaním.
- Náklady: 1 = nevieš odhadnúť; 2 = odhad spočítaný na vlastných reálnych dátach; 3 = odhad plus porovnanie dvoch modelov alebo platforiem s číslami.
- Prevádzka: 1 = spustené a zabudnuté; 2 = týždeň chodu s kontrolou; 3 = dva týždne chodu, zapísané zlyhania a ich opravy.