08 — AI vrstva a MCP server

Stav: návrh na diskusiu, 31. 10. 2026. Požiadavka: AI využiť naplno — pri plnení katalógu, vyhľadávaní, predaji aj riadení firmy. Celý systém bude ovládateľný cez MCP server: plnenie a úpravy produktov, stav skladu, tržby, pohyby, výkazy a manažérske zhrnutia.

1. Tri pravidlá

1. AI navrhuje a vysvetľuje, databáza rozhoduje a počíta. Čísla v reportoch, zásoby, ceny a výsledky vyhľadávania pochádzajú vždy z dotazu do databázy, AI ich len prečíta, porovná a opíše.
2. Človek schvaľuje všetko, čo sa nedá vziať späť alebo ide von — zmena ceny, zverejnenie produktu, správa zákazníkovi, objednávka u dodávateľa.
3. Každý krok AI je zapísaný — kto, cez akého klienta, čo chcel, aké dáta videl a čo zmenil.

2. Kde všade AI pomôže

Trasy rozvozu a predikcia zásob sú najmä výpočet (optimalizácia, štatistika), AI k nim pridáva vysvetlenie a návrh — nie odhad „od oka“.

3. MCP server nad celým systémom

MCP (Model Context Protocol) je štandard, cez ktorý AI asistent — Claude v počítači, v mobile alebo v Claude Code — bezpečne pracuje s naším systémom. Majiteľ sa opýta vlastnými slovami, AI zavolá presne určené nástroje systému a odpovie z reálnych dát.

flowchart LR
  subgraph KLIENTI["Kto sa pýta"]
    CL["Claude<br/>počítač, mobil"]
    CC["Claude Code<br/>správa, hromadné úpravy"]
    BO["AI asistent<br/>v back-office"]
    AG["Plánované úlohy<br/>ranné zhrnutie"]
  end
  subgraph JADRO["Jadro — Vercel"]
    MCP["MCP server<br/>/api/mcp, OAuth, role"]
    TOOLS["Nástroje<br/>katalóg, sklad, predaj,<br/>výkazy, CRM"]
    CS["Návrhy zmien<br/>na schválenie"]
    AUD["Audit log"]
    RV[("Reportovacie pohľady<br/>len na čítanie")]
    DB[("MongoDB Atlas")]
  end
  CL & CC & BO & AG --> MCP
  MCP --> TOOLS
  TOOLS -->|"čítanie"| RV
  TOOLS -->|"zápis"| CS
  CS -->|"po schválení"| DB
  RV --- DB
  MCP --> AUD

3.1 Nástroje (návrh)

Okrem nástrojov MCP ponúka zdroje (číselníky, schémy druhov, denná uzávierka ako dokument) a pripravené pokyny (Ranné zhrnutie, Týždenný report, Nový produkt z EAN, Mesačná inventúra).

3.2 Príklady použitia

• „Aké boli včera tržby a čo sa predalo najviac?“ → tržby podľa kanálov, top 10, porovnanie s minulým týždňom.
• „Ktoré chladničky ležia na sklade viac ako 90 dní?“ → zoznam s hodnotou zásob a návrhom akcie.
• „Pridaj tieto tri práčky, EAN …, cena podľa cenníka v prílohe.“ → tri návrhy produktov s parametrami z EPREL a Icecat, chýbajúce údaje označené, čaká na schválenie.
• „Zníž cenu všetkých umývačiek Beko o 5 %, ale nie pod nákup + 12 %.“ → tabuľka starých a nových cien, upozornenie na položky, ktoré by porušili maržu, schválenie jedným potvrdením.
• „Prečo včera nesedí hotovosť?“ → doklady, vklady a výbery dňa, rozdiel a podozrivé položky.

3.3 Bezpečnosť

• Prihlásenie OAuth (štandard MCP) cez účty systému; každý nástroj overuje rolu — predavač nevidí marže, vodič len svoje rozvozy.
• Zápis nikdy priamo: nástroj vytvorí návrh zmien s rozdielom (pred / po). Schváliť ho môže oprávnená osoba v back-office alebo výslovným potvrdením v rozhovore; ceny, mazanie a hromadné zmeny vždy v back-office.
• Žiadne mazanie cez MCP; vrátenie zmeny je nový návrh.
• Reporty čítajú pohľady určené na reporting cez databázového používateľa len na čítanie, s limitom času a počtu riadkov.
• Audit log každého volania a limity počtu volaní.
• Osobné údaje zákazníkov len tam, kde sú nutné (B2B odberateľ áno, zoznam súkromných osôb nie); posúdenie podľa GDPR (overiť s poradcom).

4. Manažérske zhrnutia

Každé ráno o 7:00 (Vercel Cron) systém pripraví zhrnutie a pošle ho e-mailom, prípadne do mobilu:

Čísla počítajú agregačné dotazy MongoDB nad reportovacími pohľadmi; AI z nich napíše krátky text a pri každom čísle je odkaz do back-office. Rovnaký mechanizmus pripraví týždenný a mesačný report a odpovie na doplňujúce otázky cez MCP.

5. Navrhovaný AI stack

5.1 RAG — z čoho AI odpovedá

Na pozadí sa priebežne indexuje:

• produktové karty (parametre + popis) — po každej zmene produktu;
• manuály a montážne návody výrobcov (PDF rozdelené na časti, s číslom strany);
• naše texty: doprava, vynáška, záruky, reklamácie, nákupní poradcovia;
• časté otázky z komunikácie so zákazníkmi (anonymizované).

Odpoveď poradcu vždy uvádza zdroj (parameter alebo strana manuálu). Ak odpoveď v zdrojoch nie je, povie to a ponúkne kontakt na predajňu.

5.2 Testovanie AI

• Sada 100 reálnych otázok (napr. „úzka práčka do 400 €“, „chladnička do niky 178 cm“) so správnymi výsledkami — spúšťa sa pri každej zmene modelu alebo promptu.
• Kontrola extrakcie: náhodná vzorka produktov porovnaná so zdrojom.
• Sledovanie otázok bez výsledku, odmietnutých návrhov AI a nákladov za deň.

6. Etapy AI

1. Základ — Claude API, audit, MCP len na čítanie: tržby, sklad, pohyby, ranné zhrnutie.
2. Katalóg s AI — založenie produktu z EAN / PDF, extrakcia, popisy, fronta schválení, zápis cez MCP ako návrh.
3. Vyhľadávanie a poradca — otázky vetou, RAG z manuálov, asistent v pokladnici.
4. Prevádzka — príjemky z PDF, návrhy doobjednávok a akcií, B2B ponuky, zákaznícka komunikácia.

Neskôr: verejný katalóg pre AI nákupných asistentov zákazníkov (rovnaké dáta ako feedy, len cez MCP / štruktúrované dáta) (sledovať vývoj).