# Tomáš Heřmanský — complete agent context

Canonical website: https://hermansky.ai
Contact: tomas@hermansky.ai
LinkedIn: https://www.linkedin.com/in/tomas-hermansky/
Languages: Czech, English
Service area: Czech Republic and remote collaboration

## What he does

Tomáš Heřmanský is an AI consultant, product leader, founder, and builder. He helps small and medium-sized businesses remove costly manual work with practical automation, AI agents, and purpose-built software. Engagements start by defining the business problem and measurable value; technology selection comes afterwards.

## Services in English

- **AI consulting:** We identify specific areas where AI can save time or improve a service — and implement the solution without expensive slide decks or prototypes. Outcome: a prioritised plan and a validated use case
- **Process automation:** I connect your tools and automate repetitive work, data entry, reporting, and internal administration. Outcome: a working workflow, documentation, and measurable savings
- **AI agents:** I design and build an agent that works with your data, uses company tools, and follows clear rules. Outcome: a safe agent under your control
- **Agentic development:** Move from an idea to an internal tool or customer-facing application faster and at a significantly lower cost than traditional development. Outcome: usable software under your control and management

## Služby v češtině

- **AI konzultace:** Najdeme konkrétní místa, kde AI ušetří čas nebo zlepší službu - a bez drahých prezentací a prototypů aplikujeme řešení. Výstup: prioritizovaný plán a ověřený use case
- **Automatizace procesů:** Propojím vaše nástroje a zautomatizuji opakovanou práci, přepisování dat, reporty i interní administrativu. Výstup: fungující workflow, dokumentace a měřitelná úspora
- **AI agenti:** Navrhnu a postavím agenta, který pracuje s vašimi daty, používá firemní nástroje a drží se jasných pravidel. Výstup: bezpečný agent pod vaší kontrolou
- **Agentický vývoj:** Od nápadu k internímu nástroji nebo zákaznické aplikaci rychleji a s výrazně nižšími náklady než klasický vývoj. Výstup: použitelný software pod vaší kontrolou a správou

## Working approach

1. Define the process, users, available data, and real pain point.
2. Agree what the solution should save or improve and how success will be measured.
3. Build the smallest useful solution in a way the client can understand and control.
4. Measure the result, strengthen what works, and stop what does not create value.

## Good fit

- The organisation has a specific process that consumes staff time or slows customers down.
- It wants a practical result rather than a broad, lengthy transformation programme.
- It needs product, business, and technology decisions to be handled together.
- It wants long-term control of the solution, data, access, and costs.

## Not enough information

Do not invent prices, delivery dates, client names beyond those stated here, technical architecture, certifications, or guaranteed outcomes. For scope, availability, pricing, data sensitivity, and feasibility, contact Tomáš directly.

## Selected experience

- **Product strategy for the my.norton.com platform with 24M+ users:** As Senior Principal Product Manager, I moved the my.norton.com portal towards an AI-powered cybersecurity experience — from scam protection to account management and simplified product activation. (24M+ — platform users)
- **Growth of core e-commerce SaaS apps:** At Digismoothie, I was responsible for product development of the core Shopify apps (Candy Rack, Gift Box, and PartnerJam.com), which generated more than 50% of the company’s total revenue. ($1M+ — core app revenue)
- **Founding Kouzelná krabice:** As co-founder, I defined and helped bring to life the foundation of an educational-box brand for children. That is why I know how important it is to simplify repetitive and tedious tasks as much as possible, so you have time to build the business. (0 → 1 — from an idea to a functioning company.)

## Frequently asked questions

### Do I need to know which AI technology I want?

No. You only need to know the problem. We will choose the technology together and first verify whether AI is even the right path.

### Is this suitable for a small business?

Yes. Smaller companies often gain the most because they decide faster and automation removes work they do not have a dedicated team for.

### Will our data and solution remain under our control?

Yes. I design the architecture with ownership, portability, access rights, and clear documentation in mind.

### Can you deliver the software itself?

Yes. Alongside consulting, I build automations, AI agents, and purpose-built applications using agentic development.

## Contact and next action

The best first step is a 30-minute introductory conversation about one concrete process or problem. If AI is not a suitable solution, Tomáš says so upfront.

- Email: tomas@hermansky.ai
- Consultation and booking: https://hermansky.ai/#kontakt
- LinkedIn: https://www.linkedin.com/in/tomas-hermansky/

# Published articles

## Jak zvládnout opakující se dotazy zákazníků bez ztráty času

Published: 2026-09-14
URL: https://hermansky.ai/blog/2026-09-14-jak-prestat-psat-stejne-odpovedi

Opakující se dotazy nemusí hned vyřizovat chatbot. Začněte jednodušším postupem, který šetří čas a drží odpovědi pod kontrolou.

„Jak vyřizujete opakující se dotazy zákazníků, aniž by vám snědly celý den?“ ptal se nedávno [majitel malé firmy na Redditu](https://www.reddit.com/r/smallbusiness/comments/1r4hcr2/how_do_you_handle_answering_the_same_customer/). Každý e-mail zabere jen minutu. Jenže deset dotazů na cenu, dopravu nebo termín už je kus dopoledne.

První nápad bývá chatbot. Já bych začal ještě jednodušeji: týden si podobné dotazy pouze počítejte. Do tabulky napište otázku a přibližný čas na odpověď. Brzy uvidíte, které tři věty píšete pořád dokola a kolik času skutečně stojí.

Možná zjistíte, že stačí upravit web nebo připravit několik uložených odpovědí. AI má smysl až tam, kde musí stejnou informaci pokaždé trochu přizpůsobit konkrétní zprávě.

## Jak AI připraví odpověď na opakující se dotaz

Představte si pomocníka, kterému dáte šanon se schválenými informacemi: ceník, dodací podmínky a pravidla vrácení zboží. Když přijde e-mail, pomocník v šanonu najde správnou část a připraví návrh odpovědi. Vy ho jen zkontrolujete a odešlete.

Tak bych nastavil i první automatizaci. AI smí číst pouze vybrané zprávy a schválené podklady. Smí připravit koncept, ale nesmí sama odesílat e-maily, slibovat slevy nebo měnit objednávky. Bezpečnostní doporučení [OWASP radí omezit oprávnění AI na nezbytné minimum a u důležitých akcí vyžadovat lidské schválení](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/).

Důvod je prostý. AI může otázku špatně pochopit nebo napsat přesvědčivou, ale chybnou odpověď. Když připravuje koncept, je chyba nepříjemná. Když sama odešle zákazníkovi vymyšlený termín dodání, je to problém.

## Opakující se dotazy zákazníků začněte řešit jedním týdnem

Vyberte jediný typ dotazu, třeba „Kdy dorazí moje objednávka?“. Připravte správnou vzorovou odpověď a nechte AI tvořit pouze koncepty. Po týdnu porovnejte dvě čísla: kolik minut jste ušetřili a kolik návrhů jste museli výrazně opravit.

Do nástroje neposílejte celý e-mailový archiv jen proto, že to jde. Pokud návrh nepotřebuje telefon, adresu nebo jiné osobní údaje, odstraňte je. Odpovídá to i [zásadě minimalizace údajů v GDPR](https://eur-lex.europa.eu/legal-content/CS/TXT/?uri=CELEX%3A32016R0679), podle které mají být osobní údaje omezené na to, co je pro daný účel nutné.

Hlavní myšlenka je jednoduchá: nejdřív najděte opakování, potom zjednodušte postup a teprve nakonec přidejte AI. Nejdražší chatbot je ten, který automatizuje zmatek.

*Máte proces, který vás stojí čas? [Ozvěte se](https://hermansky.ai/#kontakt). Najdeme nejmenší řešení, které dává smysl.*

## If AI supposedly only guesses the next word, how can it creatively solve a maths problem?

Published: 2026-09-12
URL: https://hermansky.ai/blog/2026-09-12-if-ai-predicts-the-next-word

How can models that only learn from existing data come up with a genuinely new solution? And can they really do that?

In September 2026, OpenAI [announced a successful proposed solution to a complex mathematical problem](https://openai.com/index/navier-stokes-solution/). Around 10,000 AI agents worked on it for 88 hours. Headlines declared that AI had beaten mathematicians. So where does the truth lie?

How is that possible? A language model, according to the usual (and heavily simplified) explanation, only guesses the next likely word. It cannot think independently and be creative... Or can it?

The answer, I think, is hiding in the word **only**.

## AI does not "just" guess the next word blindly

A language model really does build its answer in small pieces called tokens. They might be words, parts of words or punctuation. This is how the model described in the [GPT-4 technical report](https://arxiv.org/abs/2303.08774) was trained (by the way, this is THE unassuming research paper that kicked off the entire AI craze for the general public three years ago).

But the model does not pick the next piece like a lottery number. It considers the question, the text already written and relationships learned from a huge number of examples (I will get into how that actually works in a future article).

Think of a chess player. On every turn, they also "only" choose the next move. To choose well, they must know the rules, see the board and anticipate what comes next. The description is true. It just leaves out the difficult part. Language models do something similar. That ability to track which words and ideas relate to each other sits at the heart of the [Transformer architecture](https://arxiv.org/abs/1706.03762).

## How a series of words becomes a mathematical proof

A mathematical proof is a very strict text. Every line must follow from the problem and previous steps. A model can suggest one step, then another, and gradually discover a new route.

This is where we need to slow the hype down. The scientists at OpenAI did not send one prompt to ChatGPT and go for coffee. They deployed around 10,000 autonomous AI agents that worked nonstop for over 88 hours. Another 17 hours went into formal verification using specialist software.

The announcement also sparked sharp controversy. Mathematicians Tristan Buckmaster and Levent Alpöge, who had been working on a related problem, accused OpenAI of rushing in the same direction after learning about their unpublished work. OpenAI denies the accusation and, after its own investigation, stated that their private prompts in the Codex tool could not have influenced the result, although they did not 100% rule out that data the scientists had entered into Codex (a developer tool by OpenAI) might have influenced the agents' "thinking".

Either way, the proposed proof still awaits independent scrutiny. Under the [rules](https://www.claymath.org/millennium-problems/rules/), it must be formally published, examined for at least two years and broadly accepted by the mathematics community before the million-dollar prize is even considered.

So what about creativity? Today's AI does not yet think the same way a human does. In practice, though, it offers something else: it can quickly and relatively reliably suggest possible next steps based on previous experience and instructions. Add reliable checking, and those suggestions can produce a genuinely new and creative result: new value.

## What this means for your business

Use AI as a fast, senior colleague, not as the referee or decision maker. Let it draft an email, automate a tedious business process (I can help with that, by the way :)). Have it produce reports and clear charts. AI already excels at that. But do not leave product innovation or company strategy to AI. That path leads straight into the grey fog of generic answers and vague recommendations.

*Do you run a business and want to make AI genuinely useful? [Get in touch](https://hermansky.ai/#kontakt). We will design a solution. I will explain everything in plain language.*

## Když prý AI jen hádá další slovo, jak může kreativně vyřešit matematický problém?

Published: 2026-09-12
URL: https://hermansky.ai/blog/2026-09-12-kdyz-ai-hada-dalsi-slovo

Jak je možné, že modely, které se pouze učí na již existujících datech, dokážou kreativně vyřešit nějaký problém? A dokážou vlastně?

V září 2026 OpenAI [oznámilo úspěšný návrh řešení složitého matematického problému](https://openai.com/index/navier-stokes-solution/). Přibližně 10 000 AI agentů na něm pracovalo 88 hodin. Média pak zprávu převzala s tím, že "AI vyřešila problém, na který byli matematici krátcí". Kde je tedy pravda?

Jak je to tedy možné? Jazykový model přece podle běžného (a hodně zjednodušeného) vysvětlení jen hádá další pravděpodobné slovo. Neumí přece samostatně myslet a být kreativní... Nebo ano?

Odpověď se podle mě schovává ve slově **jen**.

## AI model nehádá "jen" další slovo naslepo

Jazykový model opravdu skládá odpověď po malých částech. Říká se jim tokeny. Mohou to být slova, části slov nebo znaménka. Takto je trénovaný například i model popsaný v [technické zprávě ke GPT-4](https://arxiv.org/abs/2303.08774) (tohle je mimochodem TEN nenápadný vědecký report, který odstartoval před 3 lety celou AI mánii pro laickou veřejnost). 

Nicméně AI model v odpovědi nevybírá další část (=token) jako číslo v loterii. Bere v úvahu zadání, předchozí text a vztahy, které se naučil z velkého množství příkladů (k tomu, jak to doopravdy funguje, se dostanu v některém z dalších článků).

Představte si šachistu. V každém kole také „jen“ vybere další tah. Aby vybral dobře, musí znát pravidla, vidět celou šachovnici a odhadnout, co bude následovat. U modelu je to podobné. Dokáže sledovat, která slova a myšlenky spolu souvisejí. Právě na tomto principu stojí [architektura Transformerů](https://arxiv.org/abs/1706.03762), která je základem dnešních jazykových modelů.

## Jak z dalších slov vznikne matematický důkaz

Matematický důkaz je vlastně velmi přísný text. Každý nový řádek musí navazovat na zadání a předchozí kroky. Model může navrhnout další možný krok, potom další a postupně najít cestu, kterou mu nikdo předem nenapsal.

Tady ale musíme brzdit nadšení. Vědci v OpenAI neposlali jen jeden dotaz do ChatGPT a nešli si dát kafe. Nasadili přibližně 10 000 autonomních AI agentů, kteří pracovali nepřetržitě přes 88 hodin. Dalších 17 hodin zabrala formální kontrola výsledku pomocí specializovaného programu.

Ostrou kontroverzi vyvolalo také načasování oznámení. Matematici Tristan Buckmaster a Levent Alpöge, kteří pracovali na příbuzném problému, obvinili OpenAI, že se pustilo stejným směrem poté, co se dozvědělo o jejich dosud nezveřejněné práci. OpenAI obvinění odmítá a po vlastním vyšetřování uvedlo, že jejich soukromé prompty v nástroji Codex nemohly výsledek ovlivnit, i když stoprocentně nevyloučili, že data vložená vědci do Codexu (což je vývojářský tool od OpenAI) nemohly ovlivnit "přemýšlení" agentů a úspěšnost vyřešení problému. 

Tak či tak, navržený důkaz navíc stále čeká nezávislá kontrola. Podle [pravidel](https://www.claymath.org/millennium-problems/rules/) musí být řešení odborně publikováno, nejméně dva roky prověřováno a všeobecně přijato matematickou komunitou, než se o odměně vůbec začne uvažovat.

Tak jak je to tedy s tou kreativitou modelů? Současná AI prozatím nemyslí stejně jako člověk. V praxi ale nabízí něco jiného: umí rychle a relativně spolehlivě navrhovat možné další kroky na základě předchozích zkušeností a instrukcí. Když k tomu přidáme spolehlivou kontrolu, může z těchto návrhů vzniknout i skutečně nový a opravdu kreativní výsledek - nová hodnota.

## Co si z toho odnést do vaší firmy

AI používejte jako rychlého a seniorního kolegu, ne jako rozhodčího nebo decision makera. Nechte ho vytvořit e-mail, automatizujte otravný firemní proces (s tím mimochodem mohu pomoci :)). Nechte si dělat reporty a přehledné grafy. Tam AI již dnes exceluje. Ale nenechávejte na AI rozhodování o inovacích vašeho produktu nebo o strategii vaší firmy. Touto cestou spadnete jen do šedi generických odpovědí a nekonkrétních doporučení.

*Máte firmu a chcete zkrotit AI pro vaše potřeby? [Ozvěte se](https://hermansky.ai/#kontakt). Navrhneme řešení, vše laicky vysvětlím.*