Efektivní nápověda v aplikaci nevzniká tak, že se k systému připojí obecný chat. Aby AI asistent skutečně pomáhal, musí rozumět konkrétní stránce, na které se uživatel právě nachází, použitým komponentám, roli uživatele, aktuálnímu dokumentu, historii jeho kroků i dokumentaci systému. Právě kombinace strukturovaných dat, dokumentace komponent a kontextu konkrétní stránky vytváří základ pro nápovědu, která není obecná, ale přesná, užitečná a použitelná i pro následnou podporu.

Nápověda nemá být oddělená od aplikace

V mnoha systémech je nápověda řešena jako samostatný manuál, znalostní báze nebo obecné FAQ. Uživatel však obvykle nehledá obecnou odpověď. Potřebuje poradit v konkrétní situaci. Nachází se na určité stránce. Má otevřený konkrétní záznam. Vidí konkrétní formulář, tabulku, přehled, akci nebo procesní krok. Někdy má rozpracovaný návrh, jindy data načtená z databáze. Něco už předtím kliknul, někam se proklikal, něco změnil a něčemu nerozumí právě teď. Skutečně účinná nápověda proto musí vycházet z kontextu. 

Neptá se pouze: 

Ptá se spíše: 

Na takové otázky nestačí obecná dokumentace. Je potřeba propojit dokumentaci aplikace s aktuální situací uživatele.

Dokumentace komponent jako základ

První vrstvu tvoří dokumentace samotných komponent aplikace. Patří sem zejména dokumentace datových struktur XDS/FDT, složek a rozhraní, přehledů, akcí a procesů. Každá z těchto částí popisuje jiný aspekt aplikace. XDS/FDT dokumentace vysvětluje, jaké datové typy v aplikaci existují, jaké mají vlastnosti a co tyto vlastnosti znamenají. Dokumentace UI a složek popisuje, kde a proč jsou jednotlivé části systému uživateli zpřístupněny. Dokumentace přehledů vysvětluje, jaké záznamy se zobrazují, podle jakých podmínek, filtrů, sloupců, řazení nebo seskupení. Dokumentace akcí popisuje jejich účel, role, spouštěče, vstupy, výstupy a návaznosti. Dokumentace procesů pak ukazuje, jak se jednotlivé tabulky, přehledy a akce zapojují do širší automatizace. Tato vrstva říká, co aplikace umí a proč jsou jednotlivé části navrženy právě takto.

Dokumentace konkrétní stránky

Druhou vrstvu tvoří dokumentace konkrétní stránky aplikace. Stránka není jen obrazovka. Je to konkrétní místo v aplikaci, které se nachází v určitém aplikačním kontextu. Má určitou URL, určité parametry, vazbu na konkrétní dokument nebo datový typ, přístupová práva a konkrétní sadu použitých komponent. Na jedné stránce může být například formulář FDT, tabulka, graf, karta, diagram, kostka, mapa nebo jiná forma zobrazení dat. Mohou na ní být dostupné nástroje, akce, procesní tlačítka nebo odkazy do dalších částí systému. Dokumentace stránky proto popisuje nejen to, že stránka existuje, ale také: k čemu slouží, v jakém kontextu se používá, jaké role k ní mají přístup, jaké komponenty obsahuje, jaké akce jsou zde dostupné, jaké procesy se zde spouštějí nebo kontrolují a jaký typ rozhodnutí nebo práce má stránka uživateli umožnit. Tím vzniká důležitý most mezi obecnou dokumentací komponent a konkrétním okamžikem práce uživatele.

URL jako kotva kontextu

Konkrétní URL je pro AI asistenta zásadní. URL neurčuje jen adresu stránky. V dobře navrženém systému může nést nebo odkazovat na kontext, ve kterém se uživatel nachází. Může být spojena s konkrétní aplikací, modulem, stránkou, přehledem, dokumentem, stavem dokumentu nebo rozpracovanou akcí. Díky tomu může asistent vědět, zda uživatel pracuje s novým draftem, uloženým záznamem z databáze, konkrétním FDT dokumentem, přehledem nad více záznamy nebo procesním krokem. To je podstatný rozdíl proti obecnému chatbotu. Obecný chatbot zná otázku. Kontextový AI asistent zná otázku, stránku, roli, stav, data, historii a dokumentaci.

Historie úkonů uživatele

Další vrstvou je historie aktuálních úkonů uživatele. Pro pochopení problému často nestačí vědět, kde uživatel právě je. Důležité je také vědět, kudy se tam dostal. Na co kliknul. Jaký filtr použil. Jaký záznam otevřel. Co změnil. Co má aktuálně ve focusu. Zda spouštěl akci, pokoušel se uložit formulář, přepnul záložku nebo otevřel návazný přehled. Tato historie umožňuje AI asistentovi lépe pochopit skutečnou situaci. Uživatel například napíše: „Proč to nejde uložit?“ Bez kontextu je to téměř neřešitelná otázka. S kontextem může asistent vědět, že uživatel je na konkrétní stránce, upravuje konkrétní FDT dokument, má rozpracovaný draft, změnil určité pole, systém vyhodnotil validační podmínku a dostupná akce je omezená stavem dokumentu nebo rolí. Odpověď pak může být konkrétní, nikoli obecná.

Aktuální focus a stav dokumentu

Důležitým detailem je také aktuální focus uživatele. Něco jiného znamená otázka položená na úrovni celé stránky, něco jiného u konkrétního pole formuláře, sloupce v tabulce, tlačítka akce nebo procesního stavu. Pokud asistent ví, na co se uživatel právě dívá nebo kde má kurzor, může odpovídat mnohem přesněji. Stejně důležitý je stav dokumentu. Rozpracovaný návrh, uložený záznam, výstup z databáze, uzamčený stav, archivní záznam nebo procesně blokovaný dokument mohou mít odlišná pravidla. To, co je možné v jednom stavu, nemusí být možné v jiném. Kontextová nápověda proto musí pracovat nejen se stránkou, ale i se stavem konkrétního objektu.

AI asistent jako první vrstva podpory

Takto připravený AI asistent se může stát první přirozenou vrstvou podpory. Uživatel se neobrací rovnou na support, ale nejprve položí dotaz přímo v aplikaci. Asistent má k dispozici dokumentaci stránky, dokumentaci komponent, aktuální URL, stav dokumentu, historii kroků, roli uživatele a případně další provozní informace. Může odpovědět okamžitě. Vysvětlit význam pole. Popsat účel akce. Upozornit na chybějící podmínku. Vysvětlit, proč uživatel něco nevidí. Navést ho na další krok. Nebo potvrdit, že situace opravdu vypadá jako problém, který má být předán supportu. Tím se zvyšuje samostatnost uživatelů a zároveň se snižuje množství jednoduchých dotazů na podporu.

Předání na support s plným kontextem

Ne každý dotaz však může nebo má vyřešit AI asistent. Některé situace vyžadují zásah supportu, implementátora nebo správce aplikace. V takovém případě je zásadní, aby se na support neposlala jen stručná zpráva typu „něco mi nefunguje“. Support má dostat komplexní informaci o situaci. Součástí tiketu nebo online požadavku může být konkrétní URL, login uživatele, počet otevřených session, role uživatele, aktuální stránka, stav dokumentu, historie posledních úkonů, aktuální focus, auditní stopa, dotaz uživatele, odpověď asistenta a případné hodnocení odpovědi. Support tak nezačíná od nuly. Nemusí se zdlouhavě doptávat, kde uživatel byl, co otevřel, na co kliknul nebo co přesně viděl. Velká část kontextu je předána automaticky. To zrychluje řešení, snižuje frustraci uživatelů a zvyšuje kvalitu podpory.

Historie dotazů a odpovědí

Důležitou součástí celého systému je také historie dotazů a odpovědí. Každý dotaz uživatele může být uložen spolu s kontextem, ve kterém vznikl. To umožňuje zpětně vyhodnocovat, na co se uživatelé ptají, kde dokumentace nestačí, které stránky jsou nejasné, jaké akce vyvolávají nejistotu a v jakých situacích asistent pomáhá nebo naopak selhává. Tato historie je cenná nejen pro support, ale i pro implementaci a další rozvoj aplikace. Pokud se uživatelé opakovaně ptají na stejný sloupec, akci nebo stav, může to znamenat, že dokumentace není dostatečná, popisek v UI je nejasný nebo samotný proces potřebuje upravit. Nápověda se tak stává zdrojem zpětné vazby pro zlepšování aplikace.

Hodnocení odpovědí

Součástí asistenta může být jednoduché hodnocení odpovědí, například formou like / unlike. Na první pohled jde o drobnost, ale ve skutečnosti je to důležitý signál. Umožňuje sledovat, zda odpovědi uživatelům skutečně pomáhají. Pokud uživatel odpověď označí jako neužitečnou, může být takový dotaz předán k revizi, doplnění dokumentace nebo úpravě chování asistenta. Hodnocení také pomáhá rozlišit, které části dokumentace fungují dobře a které je potřeba zlepšit. V kombinaci s historií dotazů a kontextem stránky vzniká praktický mechanismus pro postupné zvyšování kvality nápovědy.

Role implementátora

Implementátor v tomto modelu neřeší pouze jednorázové nastavení aplikace. Je také jedním z těch, kdo pomáhá udržovat souvislost mezi reálným provozem, dokumentací a chováním systému. Pokud support opakovaně řeší dotazy z určité stránky, implementátor může upravit dokumentaci stránky, doplnit popis komponent, zpřesnit vysvětlení akce, změnit formulaci nápovědy nebo navrhnout úpravu samotného rozhraní. Tím se celý systém učí z provozu. Nejde pouze o podporu uživatele v daném okamžiku. Jde také o průběžné zlepšování aplikace, dokumentace a uživatelské zkušenosti.

Od nápovědy k živé znalostní vrstvě aplikace

Spojením strukturovaných dat, dokumentace komponent, dokumentace stránky, URL kontextu, historie uživatele, auditní stopy a AI asistenta vzniká živá znalostní vrstva aplikace. Tato vrstva není oddělená od systému. Je součástí jeho každodenního provozu. Pomáhá uživatelům při práci. Pomáhá supportu rychleji řešit problémy. Pomáhá implementátorům pochopit, kde systém potřebuje doplnit nebo upravit. Pomáhá firmě udržovat znalost o tom, jak aplikace funguje a proč je navržena právě takto. To je zásadní rozdíl proti klasické dokumentaci. Klasická dokumentace popisuje systém zvenku. Kontextová znalostní vrstva pomáhá systému vysvětlovat sám sebe zevnitř.

Praktický příklad

Uživatel je v aplikaci na stránce obchodního případu. Vidí formulář, přehled aktivit, několik dostupných akcí a procesní stav případu. Má roli obchodníka. Otevřený dokument je ve stavu draft a uživatel se pokusil spustit akci, která je dostupná až po doplnění povinných údajů. Uživatel se zeptá: „Proč nemohu případ posunout dál?“ AI asistent nemusí odpovídat obecně. Může pracovat s tím, že zná URL stránky, typ dokumentu, stav draftu, roli uživatele, aktuální focus, dostupné akce, procesní pravidla a poslední kroky uživatele. Odpověď může znít například: „Případ zatím nelze posunout do další fáze, protože v aktuálním draftu chybí povinné údaje pro předání. Doplňte odhad hodnoty zakázky a plánovaný další krok. Poté bude akce pro předání do další fáze dostupná.“ Pokud problém přetrvá, může uživatel jedním kliknutím předat situaci supportu. Support následně nedostane jen text otázky, ale i celkový kontext: stránku, dokument, stav, roli, historii kliknutí, odpověď asistenta a případné hodnocení.

Shrnutí

Účinná AI nápověda v aplikaci nevzniká pouhým přidáním chatovacího okénka. Vzniká propojením asistenta s konkrétním kontextem aplikace. Základem jsou strukturovaná data, dokumentace komponent a dokumentace konkrétní stránky. K tomu se přidává URL, role uživatele, použitá komponenta, aktuální stav dokumentu, historie úkonů, focus, auditní stopa a historie dotazů a odpovědí. Díky tomu může asistent odpovídat přesněji, support dostává kvalitnější podklady a aplikace se může průběžně zlepšovat podle skutečných potřeb uživatelů. Cílem není nahradit support. Cílem je dát uživateli okamžitou kontextovou pomoc a supportu předat tak kvalitní informaci, aby mohl řešit skutečný problém, nikoli teprve zjišťovat, co se vlastně stalo.