Vývoj a vyhodnotenie softvérového prototypu na automatizáciu marketingového obsahu a plánovania pomocou LLM

Tato diplomová práce se zabývá návrhem, implementací a experimentálním vyhodnocením softwarového prototypu pro částečnou automatizaci marketingového pracovního postupu malých podniků s využitím velkých jazykových modelů. Hlavními cíli práce bylo navrhnout a implementovat ohraničený workflow prototyp v prostředí Node.js, ověřit jeho praktickou realizovatelnost ve vybraných krocích marketingového pracovního postupu a porovnat vybrané modely ve vrstvách onboardingu, plánování a generování finálního obsahu. Teoretická část práce se věnovala marketingovému kontextu malých podniků, možnostem a limitům generativní umělé inteligence a velkých jazykových modelů a přístupům k evaluaci AI výstupů. Praktická část práce se zabývá návrhem architektury prototypu, jeho implementací a vícevrstvým experimentálním ověřením, které kombinovalo benchmarkové hodnocení mezivýstupů a procesního chování s doplňkovým respondentským hodnocením finálních marketingových příspěvků. Výsledky práce naznačují, že navržený pracovní postup je technicky realizovatelný a že velké jazykové modely mohou podpořit vybrané části marketingového plánování a tvorby obsahu, avšak jejich praktická použitelnost závisí na charakteru konkrétní vrstvy pracovního postupu, na kontrole nad výstupy a na zachování lidského dohledu. Práce zároveň ukazuje, že u tohoto typu řešení není rozhodující pouze kvalita finálního textu, ale také stabilita a disciplína modelu v rámci celého pracovního postupu.

This diploma thesis addresses the design, implementation, and experimental evaluation of a software prototype for the partial automation of a marketing workflow for small businesses using large language models. The main objectives of the thesis were to design and implement a bounded workflow prototype in Node.js, verify its practical feasibility in selected steps of the marketing workflow, and compare selected models in the onboarding, planning, and final content generation layers. The theoretical part of the thesis examined the marketing context of small businesses, the possibilities and limitations of generative artificial intelligence and large language models, and approaches to the evaluation of AI outputs. The practical part of the thesis focuses on the design of the prototype architecture, its implementation, and a multi-layer experimental evaluation combining benchmark-based assessment of intermediate outputs and process behavior with supplementary respondent evaluation of final marketing posts. The results suggest that the proposed workflow is technically feasible and that large language models can support selected parts of marketing planning and content creation, however, their practical usefulness depends on the character of the given workflow layer, on control over outputs, and on the preservation of human oversight. The thesis also highlights that, in this type of solution, not only the quality of the final text matters, but also the stability and discipline of the model within the workflow as a whole.