AI, AI, AI. Slyšíme to teď ze všech stran. AI v obchodech, v autech, v telefonech… ale co takhle GIS a AI?
Musím říct, že za těch 13 let, co se pohybuji ve světě GIS, se náš obor zásadně proměnil. Tedy alespoň z mého pohledu a v oblastech, kde se aktivně pohybuji. V začátcích jsme spoléhali hlavně na ArcMap a QGIS, postupně jsme na škole přidávali další nástroje pro analýzy, jako bylo RStudio nebo program STATISTICA. Poctivě jsme chodili na cvičení, louskali dokumentace a sledovali tutoriály. Nicméně ta doba už je chtě nechtě pryč.
AI totiž výrazně urychlila demokratizaci GISu pro všechny. Dnes už málokdo hodiny studuje dokumentace nebo hledá řešení na Stack Overflow a jiných fórech. Prostě svůj dotaz zadáte do AI – ať už používáte Gemini, Copilot, nebo jakýkoliv jiný model – a ten vám rovnou vyhodí výsledek. Je to dobře? Nevím. Je to pohodlné? Rozhodně. Pryč je doba složitého lepení různých kusů kódů posbíraných po internetových fórech. Dnes vám stačí dobře formulovaný prompt a AI vám na počkání vyplivne – lepší či horší – hotový kód.
Zvyšování produktivity a nová role v oboru
Produktivita práce raketově roste a s ní i šíře věcí, které člověk sám obsáhne. Najednou zvládnete pokročilé grafy nebo statistické analýzy sami: popíšete AI problém a už si mezi sebou jen „pinkáte“ kusy Python kódu. Stejně tak je to při práci v samotném GISu. Když nevíte, jakou funkci nebo workflow použít, otočíte se na AI a ta vám okamžitě naservíruje celou řadu možností.
Tím trochu odpadá ta stará známá éra, kdy jsme si volali s kamarády či kolegy a společně hodiny hloubali nad jedním zádrhelem. Přiznám se, že mě osobně už se tohle týká jen minimálně – mým největším parťákem při řešení problémů je dnes právě AI.
Samozřejmě je stále naprosto klíčové vědět, co chci a k čemu chci dojít. Odborné vzdělání a celkový přehled v oboru jsou proto nesmírně důležité. Mám ale pocit, že se člověk z pozice onoho pověstného „pěšáka a dělníka kódu“ mění spíše v architekta celého řešení. Najednou totiž sami zvládnete vše od tvorby kódu přes psaní textů až po grafický návrh.
K čemu ale AI používám já?
Aktuálně je to především generování kódu v rámci různých webových řešení a mapových aplikací. Cena za napsání jednoho řádku kódu díky tomu nesmírně klesla. Upřímně, nikdy jsem nebyl kovaný programátor, a to, co bychom dříve lepili celé týdny, dnes zvládnu s AI poskládat za víkend – a troufám si říct, že často i v lepší kvalitě.
O to důležitější je však myslet na bezpečnost celé aplikace, ošetření potenciálních chyb a validaci vstupů. Zatímco dříve jsme si ty bezpečnostní díry v kódu dělali nevědomky sami, dnes nám je tam klidně vygeneruje AI, pokud si její výstupy nepohlídáme. Na druhou stranu, když AI použijeme správně i ke kontrole, mohou být aplikace paradoxně bezpečnější. Je to ale dvousečná zbraň – s rychlostí, jakou kód produkujeme, roste i množství potenciálních chyb, které musíme revidovat.
Propojení aplikací s API modelů
Další věc, kterou postupně zapojuji do svého workflow, je přímé napojování webových aplikací na API velkých jazykových modelů.
Představte si to na příkladu analytické aplikace pro dopravní nehody: uživatel si v mapě vyfiltruje určité statistiky nebo sumáře nehod za konkrétní období a území. Místo toho, aby jen koukal do tabulek, mu AI automaticky vygeneruje textový report, který dá vyfiltrovaná data do jasného kontextu. To, na co by dříve potřeboval živého analytika, aby mu okomentoval širší souvislosti v datech, zvládne při dobře nastaveném workflow okomentovat AI sama a okamžitě.
To je prozatím z prvního dílu tohoto seriálu vše. Příště se podíváme na konkrétní praktické ukázky!