Automatizace pro malé firmy: n8n, Make a 5 příkladů, které se vrátí za týden

Když se řekne „automatizace procesů", většina majitelů malých firem si představí drahý ERP systém a půlroční implementaci. Realita roku 2026 je úplně jiná. Díky kombinaci nástrojů jako n8n a Make, custom skriptů a AI modelů zvládnete za pár dní to, na co byl před 5 lety potřeba programátorský tým. A ROI se počítá v týdnech, ne v letech.

U každé poptávky si nejdřív klademe jednu otázku: n8n, Make, nebo úplně custom řešení? A pokud sem patří AI, na jakém místě. Tady je rozhodovací rámec a 5 reálných příkladů automatizace procesů, které pro slovenské firmy nasazujeme nejčastěji.

Automatizace procesů: tři cesty (n8n, Make, vlastní kód)

Neexistuje „jedno správné řešení". Vybírá se podle složitosti, objemu a citlivosti dat:

1. Make (dříve Integromat)

Cloudové SaaS s vizuálním editorem. Nejrychlejší start bez technického člověka. Hodí se na první scénáře, dokud si ověřujete, co má pro vás smysl automatizovat. Mínus: platíte za operace, při vyšším objemu se to rychle projeví. Citlivá data tečou přes cloud - u GDPR-přísných projektů to často nevyhovuje.

2. n8n (self-hosted)

Open-source obdoba Make, která běží na vašem vlastním VPS. Dražší vstup (je potřeba ho nasadit a udržovat), ale nesrovnatelně levnější při růstu a citlivá data nikam neutíkají. To je naše nejčastější volba pro malé a střední firmy, které chtějí s automatizacemi žít dlouhodobě.

3. Custom řešení (Node.js, Python, PHP)

Když logika nezapadne do žádného vizuálního nástroje - komplexní podmínky, specifická integrace, vysoký výkon, nezbytná stabilita - píšeme to jako vlastní službu. Běží na stejném VPS jako n8n, nebo úplně samostatně. Dražší jednou, levnější navždy - žádná závislost na cizím nástroji, nulová měsíční režie za platformu.

4. Hybrid (nejčastěji v praxi)

Realita: většina projektů je kombinace. n8n dělá orchestraci mezi službami, custom skript v Node.js dělá něco, co n8n nezvládá elegantně, a AI model na pozadí doplňuje to, co by člověk dělal pět minut (klasifikuje, sumarizuje, přepisuje, vyhledává).

AI jako tichý spolupracovník v automatizacích

Dnes do automatizací skoro vždy přidáváme AI vrstvu - ne jako gimmick, ale jako konkrétní modul, který nahradí 5minutovou ruční práci při každém proběhnutí. Několik příkladů:

• Klasifikace leadů - GPT-4o-mini nebo Claude Haiku si přečte zprávu z formuláře a označí ji jako „komerční poptávka / podpora / spam / spolupráce". n8n ji pak pošle správnému člověku.
• Sumarizace a extrakce - z dlouhého e-mailu klienta vytáhneme termín, adresu, částku a do CRM je uložíme jako strukturovaná pole.
• Generování odpovědí - návrh prvotní odpovědi pro obchodníka. Člověk ji ještě přečte a pošle, ale ušetří 80 % psaní.
• OCR a parsing faktur - z PDF faktury vytáhneme IČO, DIČ, částku, datum splatnosti a hodíme do účetnictví.
• Přepis hlasových zpráv - Whisper přepíše hlasovku z WhatsApp na text, AI z něj udělá akční bod v Notionu.

Při menším objemu nás to stojí pár centů za operaci u OpenAI / Anthropic / Google API, při větším objemu někdy nasadíme i vlastní open-source model (Llama, Qwen) na tentýž VPS - zero per-call cost.

5 reálných automatizací, které se vracejí nejrychleji

1. Nový lead z webu → CRM + AI triage + Slack notifikace

Před: Formulář na vašem webu pošle e-mail na info@. Někdo ho přeposílá obchodníkovi. Obchodník ho ručně přepíše do CRM. Spam jde do koše až po přečtení.

Po: n8n chytí lead, AI ho klasifikuje (komerční / podpora / spam / jiný), uloží do CRM (Pipedrive, HubSpot, nebo i jen Google Sheets), pošle klientovi personalizovanou odpověď do 1 minuty a obchodník dostane Slack zprávu s AI souhrnem toho nejpodstatnějšího.

Šetří: ~3 minuty na lead × 30 leadů měsíčně = ~1,5 hodiny měsíčně. Hlavní benefit není čas - je to, že žádný lead se neztratí a reakční čas klesne z hodin na sekundy. Lead, který dostane odpověď do 5 minut, má několikanásobně vyšší šanci konvertovat.

2. Objednávka z e-shopu → faktura + účetnictví + e-mail klientovi

Před: Účetní jednou denně otevře WooCommerce, vyklikne každou objednávku v SuperFaktúře, stáhne PDF a pošle e-mailem.

Po: n8n sleduje status objednávky ve WooCommerce. Když se změní na „Vyřízená", vytvoří fakturu v SuperFaktúře, přidá ji do účetnictví v Pohodě a pošle klientovi PDF s vlastním branding e-mailem. U B2B ještě AI vygeneruje i krátkou personalizovanou zprávu („díky za objednávku, naši zákazníci se nejčastěji ptají na X - tady je odpověď").

Šetří: ~2 minuty na fakturu × 100 faktur měsíčně = ~3 hodiny měsíčně. Při 200+ fakturách za měsíc se to počítá ve dnech.

3. Týdenní report z více zdrojů → 1 e-mail v pondělí ráno

Před: Marketingový manažer v pondělí ráno otevře 5 záložek (GA4, Google Search Console, Meta Ads, Google Ads, e-shop), sestaví report v Google Docs, pošle řediteli.

Po: n8n stáhne data ze všech zdrojů v neděli večer, AI udělá krátký komentář („tento týden výrazně narostl organický traffic na článek X, vyplatí se do něj dotlačit reklamu") a v pondělí v 7:00 leží v inboxu. Se zelenými a červenými šipkami oproti předchozímu týdnu.

Šetří: ~45 minut týdně. A co je důležitější, ředitel ten report opravdu čte - protože přijde sám, krátký, s konkrétním komentářem a ve stejný čas.

4. Sledování cen konkurence / dostupnosti zboží

Před: Někdo jednou za 2 týdny otevře 10 stránek konkurence a do excelu si zaznačí, kde mění ceny.

Po: Custom Node.js skript (n8n nemá na webscraping dost výkonu při větším objemu) jednou denně stáhne ceny vybraných produktů u konkurence, porovná s předchozím dnem, a pokud se změní o více než dohodnuté %, pošle do Slacku zprávu. AI ke změně přidá kontext („tento produkt zlevnili poprvé za 3 měsíce").

Šetří: 1-2 hodiny týdně + reakční výhoda nad konkurencí v sekundách. U většího e-shopu s 50+ klíčovými SKU se to často přímo promítá do tržeb.

5. Onboarding nového klienta / zaměstnance

Před: HR nebo office manager u každého nového člověka ručně vytváří účty v Google Workspace, Slacku, Notionu, projektoví manažeři ho přidávají do projektů, připravují welcome balíček.

Po: Manažer vyplní 1 formulář (jméno, pozice, datum nástupu). n8n vytvoří účty, pošle přístupové údaje, přidá do správných Slack kanálů, vytvoří jeho stránku v Notionu s onboardingovým checklistem a pošle mu mail. AI mu navíc připraví první 7denní plán na základě pozice.

Šetří: ~2 hodiny na zaměstnance. U firmy, kde nastoupí 1 člověk měsíčně, to není závratné. U agentury s růstem 3 - 5 lidí měsíčně se to počítá ve dnech.

Orientační ceny - jen pro představu

Abyste měli rámcovou představu, o jakých částkách se u automatizací typicky bavíme (čísla jsou jen orientační, konkrétní cena vždy závisí na složitosti, počtu napojených systémů a tom, zda je součástí AI vrstva):

• Jednoduchá automatizace bez AI (1 trigger → 2-4 akce, typu „lead → CRM + e-mail"): orientačně 200 - 450 €, hotová do týdne.
• Středně složitá s AI vrstvou (klasifikace, sumarizace, integrace 3+ systémů): řádově 500 - 1 500 €, hotová do 2 - 3 týdnů.
• Custom řešení (vlastní skript, vlastní AI model, specifická logika): typicky od 1 500 € výše, podle rozsahu.
• Hosting n8n + dohled + drobné úpravy: paušál orientačně od 39 €/měsíc.

Pro srovnání: typický plný účet v Make stojí kolem 25 - 50 €/měsíc jen za samotný nástroj (bez tvorby scénářů). n8n self-hosted je zlomek té ceny při stejné nebo vyšší flexibilitě - ale potřebuje technického partnera.

Přesnější číslo pro váš konkrétní případ vám řekneme po krátké konzultaci - jen tak se dá poctivě posoudit, zda se daný proces vyplatí automatizovat a kterou cestou jít. Ruční verze může být někdy ekonomicky správnější a řekneme to upřímně.

Kdy automatizace nedává smysl

Buďme upřímní - ne všechno se vyplatí automatizovat:

• Proces, který děláte 3× ročně. Ručně to bude rychlejší.
• Proces, který se každé 2 měsíce mění. Údržba sežere ROI.
• Proces, který ještě nemáte zdokumentovaný. Nejdřív ho napište na papír - automatizace chaosu je jen rychlejší chaos.
• Proces, kde AI udělá 80 % chybně. Střízlivě otestujte vzorek, než ho nasadíte naostro.

Závěr

Automatizace nejsou „pro velké firmy s IT oddělením". Jsou přesně naopak - největší multiplikátor pro malou firmu, kde každá ušetřená hodina jde přímo do toho, co děláte nejlépe. Klíč je v tom vybrat správný nástroj na správný problém: někde stačí Make, jinde se vyplatí n8n, někde je jediná cesta vlastní kód, a AI vrstva se hodí překvapivě často.

Máte proces, který vás ručně stojí spoustu času? Napište nám - podíváme se na něj a řekneme, která cesta dává největší smysl a jaký je odhad. Konzultace je nezávazná, odpovíme do 24 hodin.

FAQ

Časté otázky.

Jaký je rozdíl mezi n8n, Make a custom automatizací?

Make je cloudové SaaS, jednoduché na start, ale platíte za operace. n8n je open-source, hostujete si ho sami, levnější při růstu a citlivá data nikam necestují. Custom řešení (Node.js, Python, PHP) zvolíme, když logika nezapadne do vizuálních nástrojů nebo potřebujete maximální výkon a nulovou měsíční režii.

Jak se využívá AI v automatizacích?

Nejčastěji jako tichá vrstva, která nahrazuje krátkou ruční práci - klasifikace leadů, sumarizace e-mailů, extrakce údajů z faktur, generování návrhů odpovědí, OCR nebo přepis hlasovek. Vybíráme mezi cloudovými API (OpenAI, Anthropic, Google) a vlastním open-source modelem podle objemu a citlivosti dat.

Kolik stojí postavení jedné automatizace?

Orientačně se jednoduché scénáře bez AI pohybují kolem 200 - 450 €, středně složité s AI vrstvou řádově 500 - 1 500 €, custom řešení od 1 500 € výše. Jde jen o rámcová čísla pro představu - konkrétní částku umíme upřesnit po krátké konzultaci a podle zadání, vždy jako fixní cenu předem.

S jakými systémy se to umí propojit?

S téměř vším, co má API - Gmail, Slack, Notion, Google Sheets, WooCommerce, Shopify, SuperFaktúra, Pohoda, Stripe, HubSpot, Pipedrive, Meta a Google Ads, ChatGPT, Claude. A když něco nemá nativní integraci, doděláme to přes generický HTTP request nebo vlastní konektor.

Jsou moje data v automatizaci bezpečná?

U self-hostovaného n8n nebo custom řešení data nikam necestují mimo váš vlastní server - to je hlavní důvod, proč tuto cestu u citlivých údajů a GDPR-přísných projektů doporučujeme. U AI vrstvy umíme nasadit i vlastní open-source model lokálně, pokud je požadavek, aby data neopouštěla infrastrukturu.