Prvním krokem je audit vašich současných AI volání. Exportujte logy z API (OpenAI, Anthropic, Google) za poslední měsíc a rozdělte úkoly do tří kategorií: jednoduché (extrakce, překlad, formátování), středně složité (shrnutí, klasifikace s kontextem, drafty e-mailů) a komplexní (právní analýza, technická architektura, kreativní strategie). Nástroj jako ChatGPT nebo Claude vám pomůže rychle kategorizovat stovky záznamů – stačí mu dát vzorový seznam a popsat pravidla klasifikace.

Ve druhém kroku vytvořte v Elys Automate routing workflow. Postup je následující:

• Vstupní uzel přijme úkol a jeho metadata (délka promptu, typ obsahu, priorita).
• Klasifikační uzel – nejlépe malý a levný model jako Claude Haiku – ohodnotí složitost od 1 do 3.
• Switch uzel přesměruje volání: skóre 1 = Gemini Flash nebo lokální Qwen, skóre 2 = GPT-4o Mini nebo Claude Sonnet, skóre 3 = GPT-5 nebo Claude Opus.
• Výstupní uzel vrátí výsledek do vaší aplikace, CRM nebo Elys Notes – bez jakéhokoli ručního zásahu.

Třetím krokem je ladění a monitoring. Elys Automate umí logovat každé volání včetně použitého modelu a skutečné ceny za tokeny – napojte výstupy do Elys Analytics a máte živý dashboard nákladů. Po prvním týdnu provozu porovnejte kvalitu výstupů u každé kategorie: pokud se ukáže, že Haiku dělá chyby při určitém typu úkolů, jednoduše posuňte hranici klasifikátoru. Perplexity se hodí jako rychlý zdroj pro aktuální technické informace při ladění pravidel routeru – například pro zjištění, které modely právě nabízejí nejlepší poměr cena/výkon na trhu.

Největší past je nastavit routing jen podle délky promptu. Krátký dotaz může být extrémně komplexní ('Navrhni microservices architekturu pro e-commerce s 1M uživateli') a naopak dlouhý prompt klidně triviální (kopie textu k přeformátování). Správný klasifikátor musí hodnotit sémantiku, ne jen počet tokenů – proto jako klasifikační model použijte skutečný LLM s připraveným systémovým promptem, nikoli jednoduché keyword matching pravidlo. Claude nebo ChatGPT vám připraví klasifikační prompt za méně než 10 minut.

Druhá chyba je zapomenout na fallback logiku. Pokud levný model vrátí odpověď s nízkou jistotou nebo prázdný výstup, workflow musí automaticky eskalovat na silnější model – jinak vaše automatizace tiše selhává a vy to zjistíte až ze stížností zákazníků. V Elys Automate nastavte podmíněnou větev: pokud délka odpovědi < 50 tokenů nebo confidence score < 0,7 (pokud model tuto hodnotu vrací), volání automaticky přesměrujte na model o úroveň výš. 😎 Tato jednoduchá záchranná síť vám ušetří hodiny ruční opravy chyb.

Implementace AI model routingu není raketová věda, ale vyžaduje správné workflow a zkušenosti s napojením modelů na firemní procesy. Tým Elys vám celé řešení nastaví na míru – od auditu vašich současných API volání přes konfiguraci routeru v Elys Automate až po živý dashboard v Elys Analytics. Začněte tím, že nás kontaktujete tým Elys a domluvíte si bezplatnou konzultaci, nebo si rovnou spočítejte orientační cenu přes naši online kalkulačku. Firmy, které u nás model routing nasadily, hlásí průměrnou úsporu 65 % nákladů na AI tokeny a zároveň vyšší rychlost odpovědí díky tomu, že jednoduché úkoly zpracovávají lehčí modely s nižší latencí.