Plaud MCP: když se zápis ze schůzky stane vstupem pro agenta

AI ve firmě často končí na stejném problému: nejdůležitější informace nejsou ve znalostní bázi, ale v hovoru. Obchodník něco slíbil na schůzce, konzultant slyšel výjimku v procesu, support řešil složitý případ po telefonu a zakladatel si odnesl rozhodnutí z callu. Pokud se to nepřepíše do systému, agent s tím neumí pracovat.

Video od Filipa Oborníka z AI s rozumem z 13. července 2026 ukázalo Plaud Note Pro hlavně prakticky: záznamník, přepis, šablony, Ask Plaud, AutoFlow a napojení do agentů. Důležitější než samotné zařízení je ale oficiální Plaud MCP a CLI. Plaud v dokumentaci uvádí, že přes MCP jde připojit nahrávky k Claude, Cursoru, ChatGPT, Codexu a dalším MCP kompatibilním klientům. CLI zase dává přístup k nahrávkám, přepisům, audiosouborům a AI souhrnům z terminálu.

Tohle z Plaudu dělá něco zajímavějšího než chytrý diktafon. Je to most mezi fyzickou schůzkou a automatizací.

Co se reálně mění

Klasické meeting workflow vypadá takhle: nahrát, přepsat, ručně najít akční body, přepsat je do CRM, poslat follow-up a doufat, že někdo nezapomene důležitý detail.

S MCP vrstvou se z toho dá udělat jiný proces. Agent se může zeptat na poslední obchodní schůzky, najít konkrétní nahrávku, přečíst přepis, vytáhnout závazky, připravit follow-up e-mail, vytvořit úkoly a doplnit CRM. Ne proto, že Plaud „má AI“, ale proto, že se z nahrávky stává strukturovaný zdroj, ke kterému má agent kontrolovaný přístup.

Oficiální dokumentace Plaud MCP popisuje auto-konfiguraci pro Claude Desktop, Claude Code, Codex Desktop a editory typu Cursor, Windsurf, VS Code nebo Zed. Webové varianty Claude a ChatGPT mají interaktivní guide. Instalace běží přes npx balíček @plaud-ai/mcp a vyžaduje Node.js 20 nebo novější a Plaud účet. Changelog uvádí, že Plaud MCP a CLI jsou od 12. května 2026 obecně dostupné.

Kde to dává smysl nasadit

První dobrý scénář je obchod. Po meetingu nechci jen hezký souhrn. Chci vědět, co zákazník slíbil, co slíbil obchodník, jaké námitky padly, jaký je další krok, kdo je decision maker a co se má propsat do CRM. Agent může z přepisu připravit návrh poznámky, ale finální zápis do CRM bych pořád nechal přes kontrolovanou akci nebo lidské schválení.

Druhý scénář je konzultace a interní změnové řízení. U workshopů, procesních auditů nebo discovery callů bývá cenné, že lidé řeknou konkrétní výjimky: „tohle obcházíme e-mailem“, „faktury kontroluje ještě Jana“, „data v CRM nejsou spolehlivá“. Přes MCP může agent tyhle fragmenty najít napříč nahrávkami a převést je do backlogu nebo procesního dokumentu.

Třetí scénář je support a success. Z hovoru se zákazníkem může vzniknout klasifikace problému, návrh odpovědi, interní incident note a seznam chybějících článků ve znalostní bázi. Tady je důležité neautomatizovat slepě. Agent může připravit výstup, ale u citlivých zákaznických údajů nebo obchodních závazků má být review povinný.

Čtvrtý scénář jsou osobní agenti pro lidi, kteří hodně mluví: zakladatelé, account manažeři, architekti, konzultanti, právníci nebo lékaři. Ne kvůli tomu, že by každý potřeboval další aplikaci. Kvůli tomu, že hlas je často nejrychlejší způsob, jak dostat realitu do systému.

Jak bych to zapojil do workflow

Praktický pilot bych nepostavil jako „nahrávejme všechno.“ Začal bych úzkým use casem.

Například obchodní follow-up:

1. Nahrávka schůzky v Plaudu. 2. Přepis a základní souhrn v Plaud aplikaci. 3. Agent přes Plaud MCP najde konkrétní nahrávku a vytáhne závazky, rizika a další kroky. 4. Druhý krok připraví e-mail, CRM poznámku a checklist. 5. Člověk schválí, co se odešle a co se zapíše do CRM. 6. Workflow uloží auditní stopu: nahrávka, přepis, prompt, výstup, schválení.

V n8n nebo Make bych Plaud bral jako zdroj dat, ne jako místo, kde má skončit celý proces. Agent vyrobí strukturovaný JSON: lidé, firma, témata, závazky, termíny, rizika, follow-up. Automatizace pak rozhodne, co jde do CRM, co do Notionu, co do Linear/Jiry a co musí člověk potvrdit.

Na co si dát pozor

První riziko je souhlas a citlivost dat. Nahrávka schůzky není obyčejný dokument. Obsahuje osobní údaje, obchodní informace, někdy zdravotní nebo právní kontext. Než z toho uděláte agentní vstup, potřebujete jasné pravidlo, co se smí nahrávat, kdo k tomu má přístup, jak dlouho se data drží a kdy se mažou.

Druhé riziko je přehnaná důvěra v souhrn. Přepis a AI notes nejsou pravda sama o sobě. U rozhodnutí, peněz, smluv nebo závazků bych vždycky ukládal odkaz na konkrétní nahrávku nebo pasáž přepisu. Agent má dát návrh a důkaz, ne jen sebevědomý závěr.

Třetí riziko je práce přes webové klienty. Plaud u HTTP klientů jako Claude Web a ChatGPT Web uvádí, že data procházejí přes Plaud MCP server hostovaný v USA a po dokončení requestu se neukládají. To je užitečné tvrzení, ale pro firemní použití pořád potřebujete vlastní posouzení podle privacy policy, smluv a interních pravidel.

Co si z toho vzít

Plaud MCP není revoluce kvůli hardwaru. Důležité je, že fyzické rozhovory začínají být dostupné agentům jako normální pracovní zdroj. To je velký rozdíl proti ručním zápisům a zapomenutým poznámkám.

Dobré nasazení nebude „agent čte všechny moje hovory.“ Dobré nasazení bude úzký proces, jasné souhlasy, zdrojová politika, audit, lidské schválení a měření, jestli se opravdu zlepšuje follow-up, CRM kvalita nebo znalostní báze.

Pokud už ve firmě řešíte agenty, Plaud je dobrý připomínač jedné věci: agent není silný jen podle modelu. Je silný podle toho, k jakým správným datům má kontrolovaný přístup.

Zdroje: YouTube signál AI s rozumem Recenze Plaud Note Pro po měsíci, Plaud produktová stránka Plaud Note Pro, Plaud docs Developer Platform overview, Plaud docs Plaud MCP, Plaud docs Plaud CLI a Plaud MCP & CLI changelog.