Každý pátek odpoledne (nebo horší variantou v neděli večer) sedí někdo ve firmě a tahá čísla. Z Pohody obrat a pohledávky. Z CRM počet otevřených obchodů a konverzní poměr. Ze Shoptetu počet objednávek a průměrnou hodnotu košíku. Pak to celé vkládá do tabulky, srovnává s předchozím týdnem a formátuje do přijatelného reportu. Pondělní porada začíná v devět.
Práce, kterou nikdo nechce dělat
Problém není v tom, že by ta čísla nebyla dostupná. Jsou. Každý systém je má. Problém je, že jsou roztroušená na pěti různých místech a žádné z těch míst spolu nemluví. Každý týden se celý cyklus opakuje: přihlásit se, vyexportovat, zkopírovat, zaformátovat, zkontrolovat, odeslat.
Odhaduje se, že manažeři v malých a středních firmách věnují sběru a přípravě dat pro interní reporty tři až pět hodin týdně. To jsou hodiny, které mohli strávit tím, co čísla říkají, ne tím, jak je dostat dohromady.
Každý pondělní report byl trochu jinak naformátovaný, podle toho, kdo ho dělal minulý týden. Nikdy jsme nevěděli, jestli srovnáváme jablka s jablky.
— Obchodní ředitel, výrobní firma, 45 zaměstnanců, ilustrativní scéna
Co „napsat se sám" skutečně znamená
Claude nepřistupuje k datům jako ke sdílenému skladu. Přistupuje k nim jako vy, s vaší identitou a vašimi oprávněními. Každý MCP server je malý, cílený most mezi Claudem a jedním konkrétním systémem: jeden most pro Pohodu, jeden pro CRM, jeden pro Shoptet. Claude přes ně čte přesně to, co by viděl přihlášený člověk s danou rolí, nic navíc.
Výsledkem je, že v pondělí ráno dostane manažer zprávu sestavenou přímo ze živých dat. Stejná struktura každý týden, vždy aktuální čísla, vždy konzistentní formát. Nikdo nic nekopíroval.
Konkrétně: Pohoda, Shoptet, CRM
Typická česká firma s e-shopem má data o obratu v Pohodě, data o objednávkách v Shoptetu a data o obchodní pipeline v CRM, třeba HubSpotu nebo Pipedrive. Tři systémy, tři přihlašovací údaje, tři různé exportní formáty. S MCP serverem pro každý z nich Claude sestaví týdenní přehled sám: vezme obrat z Pohody za posledních 7 dní, srovná ho s předchozím týdnem, přidá počet objednávek a průměrnou hodnotu košíku ze Shoptetu a doplní počet nových leadů a uzavřených obchodů z CRM.
- Načte aktuální obrat a pohledávky z Pohody, bez ručního exportu.
- Porovná počty objednávek a průměrnou hodnotu košíku ze Shoptetu s předchozím obdobím.
- Shrne stav obchodní pipeline z CRM: nové leady, obchody v jednání, uzavřené smlouvy.
- Sestaví přehled ve formátu, který management skutečně čte: krátký, strukturovaný, se zvýrazněnými odchylkami.
- Odešle report na Slack nebo e-mail každé pondělí v 7:30, bez zásahu člověka.
Menší firma, kde obchodní a finanční reporting dělal jeden člověk každý pátek (typicky controller nebo asistentka ředitele) může tímto způsobem ušetřit ilustrativně tři až čtyři hodiny týdně. Ty hodiny lze věnovat analýze toho, co čísla říkají, místo jejich sbírání.
Co AI reporting neudělá a proč je to správně
Claude nerozhoduje. Sestaví přehled: co se prodalo, co se nezaplatilo, kde pipeline stagnuje. Závěr z toho, co čísla znamenají pro příští týden, nese vždy člověk. Proč tržby klesly? Zda se má spustit akce? Koho zavolat? To jsou rozhodnutí, která vyžadují kontext, vztahy a zodpovědnost. Žádný automatický report je nenahradí.
A to je přesně důvod, proč tomuto přístupu lze věřit. Hranice je jasná a neposouvá se. Report je podklad, ne závěr.
Co by to obnášelo
Pro každý systém, který chcete do reportu zahrnout, vznikne jeden MCP server. Běží na vaší infrastruktuře, přistupuje k datům s přihlašovacími údaji konkrétního uživatele a nepředává nic ven. Žádná data neopustí vaše prostředí. Nastavení trvá dny, ne měsíce. A šablona reportu se nastaví jednou, pak se jen doplňují čísla.
Co zbývá
Model není překážka. Claude umí číst, třídit a formátovat. Překážka je mezera mezi Claudem a daty, která vaše firma už dnes má: v Pohodě, v CRM, v e-shopu. Tuto mezeru uzavíráme.
Napište nám. Krátký hovor stačí k tomu, abychom zmapovali, která data teď někdo kopíruje ručně a kde má smysl začít. Každý pondělní report může být hotový dřív, než dorazíte do kanceláře.