Gemini 3.5 Flash: Jak postavit agentic workflow, který šetří hodiny denně

Každý týden přijde nový AI model. Většina z nich je rychlejší nebo chytřejší než ta předchozí, ale jen málokterý je od základu stavěný tak, aby sám něco udělal. Gemini 3.5 Flash, který Google vydal 19. května 2026, patří do druhé skupiny. Je optimalizovaný pro agentic workflow — tedy scénáře, kde AI nejen odpovídá na dotazy, ale spouští nástroje, iteruje a dokončuje vícekrokové úkoly.

V tomto článku ti ukážu, jak z něj vytěžit maximum. Nebudu opakovat marketingové slajdy. Místo toho rozeberu tři konkrétní workflow, která můžeš nasadit v týmu ještě tento týden.

01Proč Gemini 3.5 Flash není jen „další rychlejší model"

Gemini 3.5 Flash má tři vlastnosti, které z něj dělají zajímavý nástroj pro business:

• 4× vyšší rychlost generování tokenů oproti konkurenčním frontier modelům — to znamená rychlejší odezvu v interaktivních workflow.
• 1 milion tokenů kontextu — dokáže najednou zpracovat celé reporty, smlouvy nebo kódové báze.
• Nativní podpora pro nástroje a function calling — model je od začátku trénovaný na spouštění externích nástrojů, ne jen na psaní textu.

Klíčové je poslední bod. Agentic workflow totiž nefunguje tak, že model něco vypíše a ty to pak ručně zkopíruješ do jiného systému. Funguje to tak, že model sám volá API, čte výsledky, rozhoduje se a pokračuje, dokud úkol nedokončí.

02Workflow 1: Automatizace analýzy dokumentů

Každá firma denně produkuje nebo přijímá desítky dokumentů — faktury, smlouvy, reporty, nabídky. Ruční kontrola zabírá čas a často končí chybami.

Co Gemini 3.5 Flash dokáže:

1. Načte PDF nebo scanovaný obrázek faktury přímo přes multimodální vstup.
2. Extrahuje klíčová data: částku, IČO, datum splatnosti, variabilní symbol.
3. Porovná hodnoty s objednávkou v interním systému přes API.
4. Označí nesrovnalosti a pošle shrnutí účetnímu.

Jak to sestavit:

• Vstup: email s přílohou nebo upload do Google Drive.
• Trigger: n8n, Make nebo vlastní webhook.
• Zpracování: Gemini 3.5 Flash s instrukcí: „Extrahuj údaje z faktury a vrať je jako JSON. Pokud se částka liší od objednávky {order_id}, vypiš rozdíl.“
• Výstup: strukturovaný JSON nebo záznam do účetního systému.

Výhoda oproti starším OCR řešením? Model rozumí kontextu. Pokud je faktura v češtině, angličtině i němčině, poradí si. Pokud je scan zkreslený, pořád extrahuje správné údaje lépe než tradiční OCR bez kontextu.

03Workflow 2: Multi-agent orchestrace pro zákaznický servis

Zákaznický servis je klasický kandidát na agentic workflow. Problém ale není odpovědět na jednoduchý dotaz. Problém je vyřešit složitý případ, který zahrnuje objednávku, reklamaci, dopravce a interní sklad.

Architektura, která funguje:

• Agent pro extrakci — z emailu nebo chatu vytáhne číslo objednávky, problém a deadline.
• Agent pro ověření — dotáhne data z e-shopu, dopravce a skladu.
• Agent pro rozhodnutí — na základě pravidel navrhne řešení: vrácení peněz, výměna zboží, omluvný kredit.
• Agent pro komunikaci — sepíše odpověď zákazníkovi v odpovídajícím tónu.

Gemini 3.5 Flash se hodí pro každý z těchto kroků, protože je rychlý a levný při vysokém objemu. Navíc díky velkému kontextu dokáže udržet přehled o celé konverzaci i historii objednávky.

Tip Nespoléhej se na jednoho „superagenta“, který má vyřešit vše. Lepší výsledek dává pipelina specializovaných agentů, kde každý má jednu úlohu a jasně definovaný výstup.

04Workflow 3: Kódování a údržba interních nástrojů

Gemini 3.5 Flash překvapivě dobře funguje i pro menší vývojářské úkoly. Ne že by nahradil seniora, ale dokáže odstranit spoustu repetitivní práce.

Příklady, které stojí za vyzkoušení:

• Generování skriptů pro data — například Python skript, který vyčistí CSV z externího systému a nahraje ho do databáze.
• Refaktoring legacy kódu — vezme starý SQL dotaz nebo skript v Bash a přepíše ho do čitelnější podoby s komentáři.
• Dokumentace API — z OpenAPI specifikace nebo přímo z kódu vygeneruje aktuální dokumentaci.
• Automatické PR review — projde pull request, zkontroluje bezpečnostní rizika a navrhne zlepšení.

Pro tento use case se vyplatí použít Gemini přes API nebo v nástrojích jako je Claude Code, Cursor nebo přímo v Google AI Studio. Díky nízké ceně a rychlé odezvě se hodí i pro iterativní tasky, kde posíláš modelu několik požadavků za sebou.

05Kdy zvolit Gemini 3.5 Flash a kdy jiný model

Nemusíš používat jen jeden model. V praxi se často kombinují:

• Gemini 3.5 Flash — vysoký objem, rychlá odezva, agentic workflow, nízká cena. Ideální pro produkční automatizace.
• Claude Opus 4.8 — složité architektonické rozhodnutí, hluboká analýza, bezpečnostně citlivý kód. Pomalejší, ale přesnější.
• GPT-5.5 — obecné frontier úkoly, brainstorming, komplexní multimodální reasoning.

Pravidlo je jednoduché: pokud workflow generuje stovky nebo tisíce požadavků měsíčně a nepotřebuješ u každého maximální kvalitu reasoningu, Gemini 3.5 Flash je často nejlepší volba. Pokud potřebuješ u jednoho požadavku absolutně nejlepší výsledek, sáhni po Opus nebo GPT-5.5.

06Jak začít: minimální setup

Chceš-li Gemini 3.5 Flash vyzkoušet, nepotřebuješ velkou infrastrukturu:

1. Založ si projekt v Google AI Studio — získáš API klíč a můžeš testovat přímo v prohlížeči.
2. Vyber si orchestrátor — pro rychlé testy stačí n8n nebo Make. Pro produkční workflow je lepší vlastní backend nebo platforma jako Antigravity.
3. Definuj nástroje — rozhodni se, která API model může volat. Začni s jedním nebo dvěma, postupně přidávej.
4. Napiš přesný system prompt — agent potřebuje jasná pravidla: co smí, co nesmí, v jakém formátu má vracet výstup.
5. Loguj a iteruj — agentic workflow nikdy nefunguje napoprvé. Ukládej průběh a upravuj prompt podle reálných chyb.

Příklad jednoduchého system promptu pro analýzu faktur:

Jsi asistent pro zpracování příchozích faktur. Tvým úkolem je extrahovat částku, IČO, datum splatnosti a variabilní symbol. Vždycky vrať výsledek jako JSON. Pokud nějaký údaj chybí nebo není čitelný, nastav hodnotu na null a popiš problém v poli notes.

Cena orientačně Při běžném business workflow s tisíci požadavky měsíčně se dostaneš na jednotky dolarů. To je zlomek ceny lidské práce na stejném objemu.

07Co sledovat po nasazení

Jakmile workflow běží, nezapomeň měřit dopad. Sleduj alespoň tyto metriky:

• Úspora času — kolik minut denně agent ušetří oproti manuálnímu zpracování.
• Chybovost — kolik případů musí člověk ještě ručně zkontrolovat nebo opravit.
• Náklady — kolik stojí API volání v poměru k úspoře času.
• Spokojenost týmu — jestli lidé agentovi důvěřují a používají ho, nebo ho obcházejí.

Nečekej, že první verze bude dokonalá. Cílem není nahradit lidi, ale odstranit nudnou práci. Často stačí, když agent zvládne 80 % rutiny a člověk se postará o zbytek.

08Na co si dát pozor

Agentic workflow nejsou magie. Měj na paměti tři rizika:

• Halucinace při volání nástrojů — model může zavolat API se špatnými parametry. Vždycky validuj výstup před zápisem do produkční databáze.
• Bezpečnostní oprávnění — dej agentovi jen ty práva, které opravdu potřebuje. Nikdy mu nedávej plný přístup bez dohledu.
• Překomplikované workflow — začni s jednoduchým use casem. Složitá multi-agent orchestrace se vyplatí až tehdy, když máš ověřené jednotlivé kroky.

09Shrnutí

Gemini 3.5 Flash je praktický model pro firmy, které chtějí přesunout AI z chatovacího okna do reálných workflow. Nejvíc ho využiješ tam, kde je potřeba rychlá odezva, velký kontext a práce s nástroji:

• Analýza a zpracování dokumentů.
• Zákaznický servis přes specializované agenty.
• Vývojářské a údržbářské tasky.

Nejlepší na tom je, že většinu z toho můžeš vyzkoušet zdarma nebo za pár dolarů. Takže nečekej na „dokonalý“ use case. Vyber jeden opakující se úkol, postav kolem něj agenta a měř, kolik času ušetří.

Co zkusíš jako první?