Češi vtrhli do ChatGPT: OpenAI přidalo Deepnote mezi nástroje svého AI agenta. Excel se klátí
Většina lidí si pod ChatGPT představí psaní e-mailů nebo generování obrázků. Málokdo tuší, že v zákulisí běží tichá válka o to, které nástroje si AI agent může připojit. OpenAI na podzim otevřelo agentovi v ChatGPT adresář oficiálních konektorů a mezi vybranými jmény svítí jedno, které u nás zná jen hrstka datových analytiků: Deepnote. Startup z Prahy, který vznikl na Matfyzu, teď mluví přímo s ChatGPT. Zní to jako detail. Není. Je to signál, že cesta od "chatování s AI" k "AI, která pracuje s vašimi daty" se právě uzavřela. A že česká technologie v ní stojí u kapitoly.
Co se vlastně stalo: Deepnote dostal v ChatGPT trvalé místo
OpenAI dlouho drželo ChatGPT jako uzavřenou zahrádku. Pak přišel agent, který umí samostatně provádět vícekrokové úlohy — hledat, počítat, spouštět kód, proklikávat weby. A aby tenhle agent dělal něco víc než ukazovaly triky na YouTube, potřeboval se napojit na reálné nástroje, ve kterých lidé pracují. Tím se otevřela brána pro integrace třetích stran.
Deepnote se do výběru dostalo díky svému MCP serveru. MCP, neboli Model Context Protocol, je otevřený standard, který umožňuje AI modelům komunikovat s externími aplikacemi. Deepnote přišel s vlastní implementací už dřív a dnes patří mezi nejcitovanější příklady, jak má MCP vypadat. Když pak OpenAI hledalo nástroje pro svého agenta, český startup byl logickou volbou.
V praxi to znamená jednoduchou věc: ChatGPT si může otevřít váš projekt v Deepnote, projít data, napsat a spustit SQL dotaz, udělat graf, shrnout výsledky a navrhnout další krok. Analytik už nepřepisuje zadání do SQL konzole, ale popovídá si s agentem. Přeneseme-li to do běžného jazyka — dosud jste AI popisovali, co vidíte na obrazovce. Teď se AI podívá na obrazovku sama.
Co je Deepnote a proč jste o něm pravděpodobně neslyšeli
Deepnote založil v roce 2019 Jakub Jurovský s týmem kolem Matematicko-fyzikální fakulty Univerzity Karlovy. Jurovský učil na Matfyzu vizualizaci dat a viděl, jak datoví analytici trápí nástroje, které vypadají, jako by je nikdo neaktualizoval od roku 2010. Jupyter notebook je skvělý na výpočty, ale na spolupráci hrozný. Sdílení výsledku znamená poslat PDF nebo screenshot. Klasika.
Deepnote vzal koncept notebooku a přerostl ho do moderní kolaborativní platformy. Představte si Google Docs, ale pro datovou analýzu: více lidí upravuje stejný projekt, komentuje buňky s kódem, spouští SQL přímo v prohlížeči a výsledkem je sdílená interaktivní aplikace, ne mrtvý dokument. Za technologií stojí investoři první ligy, vedení braných stovek milionů korun nabral startup ze San Franciska i Evropy. Uživatelů hlásí více než sto tisíc, mezi zákazníky jsou i firmy z žebříčků Fortune 500.
Zajímavé je, že česká veřejnost o tomhle úspěchu skoro neslyší. Rozumíme tomu — data wrangling není fotbal. Ale pořadí je jasné: Productboard, Rossum, Make a teď Deepnote. Praha si buduje v globálním AI stacku místo, o které se tu nikdo zvlášť netrumfálně nepíše. Více podobných příběhů pravidelně mapuje ElectricShare.cz, který sleduje průnik inovací a technologií.
Chcete ušetřit na energiích?
Zjistěte, kolik můžete ušetřit sdílením elektřiny z FVE nebo optimalizací bateriového úložiště.
Spočítat úsporu →Jak to funguje v praxi: SQL, Python a grafy na jednu větu
Zkusme konkrétní scénář. Máte databázi s prodejem, vyčíslenými objednávkami a reklamacemi. Doteď jste psali: kolego, potřebuju čtvrtletní rozpad podle regionů, prosím. Teď napíšete do ChatGPT: "Připoj se k projektu v Deepnote a udělej čtvrtletní rozpad tržeb podle krajů, porovnej s předloňskem a zvýrazni odchylky nad deset procent."
Agent pomocí MCP projde strukturu projektu, pochopí schéma databáze, napíše dotazy, spustí je v notebooku a vrátí grafy s komentářem. Když najde anomálii, může ji prozkoumat hlouběji bez vašeho zásahu. Výsledky zůstávají v Deepnote jako zkontrolovatelný kód — ne jako tajemná odpověď v chatu, které nikdo nerozumí a nikdo ji nemůže ověřit.
Tohle je zásadní rozdíl proti pouhému vložení CSV do ChatGPT. Tam se ztrácí kontext, limity tokenů zabíjejí větší soubory a nic se neprovede napodruhé stejně. Deepnote dává agentovi trvalé prostředí se správou verzí, plánovaným spouštěním a dokumentací. Z chatu se stává rozhraní k plnohodnotnému analytickému týmu jedné osoby.
Proč na tom záleží energetice: spotové ceny, FVE a hory dat
Teď důležitá otázka pro čtenáře tohohle webu: kdo má v Česku nejvíc dat, se kterými neví co dělat? Energetika. Denní kurzy spotové elektřiny, telemetrie z fotovoltaik, data z baterií, měření spotřeby v budovách, doklady o dotacích. A o to tu jde — třeba analytika, kdo na kolik reálně čerpal z Nové zelené úsporám, jež má podle ministra Valdmana peníze až do roku 2029. Nebo kdo si při dnešních cenách plynu vyplatí baterii a kdo ne.
A přesně na tohle se Deepnote s ChatGPT hodí jako ulitý. Den na trhu sledují kurzy v denním přehledu spotových cen elektřiny — stejná data můžete stáhnout z OTE a nechat agenta najít levné hodiny pro nabíjení baterie nebo ohřev vody. Výroba a spotřeba ze monitoringu FVE přes IoT se dá spojit do jednoho projektu a agent nad tím postaví predikci. Regulaci a tarify zase zapracujete podle Erú.
Firmy, které obchodují s flexibilitou, řeší teď analytiku jako personální problém: datových inženýrů je málo a drahé. AI agent s Deepnote ten kompromis mění. Podrobněji k praktickému nasazení AI v provozu sítě píšeme na SmartEnergyShare.info v sekci o chytrých sítích a AI.
MCP: standard, který bude stát za všechno
Vraťme se chvíli k technologii, protože tu je jádro celé zvěsti. Model Context Protocol vydalo Anthropic koncem roku 2024 jako otevřený protokol pro propojení AI modelů s nástroji a daty. Logika je prostá: každý prodejce AI dřív psal vlastní integrace, to je borděl. MCP definuje jednotný "USB port" — jednou implementujete server a připojíte se kamkoli.
V roce 2025 to potvrdilo OpenAI přijetím MCP do svých produktů a pak i Google. Ze standardu jednoho výrobce se během měsíců stala průmyslová páteř. A tady je výuka pro české firmy: Deepnote nevyhrálo tím, že by OpenAI kupovalo. Vyhrálo tím, že si dřív než konkurence postavil kvalitní implementaci otevřeného standardu a dal jí volně k dispozici. Když pak přišla poptávka, byl už jen jediným rozumným nápadem v kategorii "analytika dat".
Zní to naivně, ale je to ověřená hra. Kdo nechává svá data zamčená v propietárním API, tak v éře agentů jen prodražuje vstupenku. Kdo je otevře přes MCP, ocitne se v adresáři, kam se dívají miliony uživatelů ChatGPT. Rozdíl mezi " být vidět" a "nebýt vidět" se zúžil na jedno dobré rozhodnutí architekta.
Stínové stránky: data, soukromí a agent, který se splete
Než spustíte oslavu, jedna poctivá kapitola. Připojení AI agenta k firemní databázi není hrací záležitost. První otázka zní: kam data putují a kdo je vidí? Deepnote nabízí nasazení v rámci podnikových pravidel, šifrování a jemné řízení přístupů, ale konečnou odpovědnost nese ta firma, která integraci povolí. IT bezpečnostní oddělení si s tím ještě pár let pohrají.
Druhý problém je méně očividný a víc zákeřný: agent se může zmýlit sebejistě. Vytvoří dotaz, který filtruje špatně, škáluje graf zavádějícím způsobem nebo si vymyslí sloupec, který v databázi neexistuje. Klasická halucinace, jen teď s přístupem k reálným číslům. Výstup proto vždy kontrolujte — Deepnote je v tomhle silné, protože veškerý kód zůstává viditelný a spustitelný znovu, ale disciplína "důvěřuj, ověřuj" zůstává.
A pořád tu je lidský faktor. Přístup k notebooku s provozními daty nemá mít každý stážista. Při rozhodování, co agentovi povolíte — čtení, psaní, spouštění — se řiďte stejnou přísností jako u přístupu pro nového zaměstnance. Nástroj je jen nástroj; vynález ghosts v přístupových právech zvládne lidský mozek i bez AI.
Co to znamená pro český startup ekosystém
Připomeňme si velikost místa, o které jde. ChatGPT má v týdnu stovky milionů aktivních uživatelů. Když se Deepnote objeví v adresáři nástrojů agenta, dostává distribuci, o které většina startupů může jen snít. Marketing, který by jinak stál miliony dolarů, tady přijde zadarmo — a navíc cíleně na publikum, které reálně data analyzuje.
Pro český ekosystém je to signál s dvojitým dnem. Jednak potvrzuje, že odsud umí vznikat produkty světové třídy, i když vznikají v tichosti a bez bilboardů na Strahově. Za druhé ale ukazuje, kde je budoucnost: ne v budování další aplikace na burzu, ale v stavění infrastruktury pro AI. Nástroje, do kterých se agenti připojují, budou v hodnotovém řetězci mnohem výš než aplikace, které agenti nahradí.
České firmy tohle stále podceňují. Zatímco v Americe řeší CTO, jaké MCP servery nabídnout, tady se vede debata, jestli AI nepoužívat vubec. Rozdíl v tempu bude za tři roky bolet. Analýzy dopadu AI na trhy práce a energetiku sleduje i oEnergetice.cz, doporučuji pro kontext.
Jak začít: návod pro zvědavé v pěti krocích
Chcete si to vyzkoušet? Nic složitého to není. Jedna: založte si účet v Deepnote — bezplatný plán stačí na hraní. Dva: vytvořte projekt a připojte data, ať už jde o CSV s výrobnou FVE, databázi, nebo veřejné kurzy z OTE. Tři: zapněte MCP server v nastavení workspace a získejte adresu a přístupový token.
Čtyři: v ChatGPT přidejte konektor Deepnote a autorizujte přístup. Pět: napište první zadání. Nezačínejte krizi — vyzkoušejte něco neškodného, třeba "sestav měsíční přehled výroby a spočítej kapacitní faktor". Až uvidíte, jak agent čte vaše schéma a píše SQL, pochopíte, o čem ten celý článek je.
Zapojit se dá i šířeji. Obce a firmy, které řeší energetiku, můžou kombinovat agentní analytiku s praktickými nástroji — od poradenství v energetice po sdílení elektronymeie v komunitě, což rozebíráme na SdileniElektriny.com. Nebo začněte přehledně přes blog Smart Energy Share, kde tyhle vrstvy postupně skládáme dohromady. Kompletní platforma pro sdílení a obchodování s energií se jmenuje Smart Energy Share.
Věřím v to, nebo ne: predikce na závěr
Tady je kontroverzní sázka: do tří let nebude pozice "datový analytik" existovat v podobě, jak ji známe dnes. Nebude to proto, že analytici zmizí, ale protože se z nich stanou manažeři agentů. Kdo dnes umí napsat dobrý SQL dotaz, bude za chvíli umět napsat dobré zadání pro AI a zkontrolovat její práci. Kdo to umět
Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →
Další články na toto téma najdete na:
