Ve firmách dnes málokdy chybí chuť AI vyzkoušet. Vedení o ní mluví, zaměstnanci už používají ChatGPT, Claude, Gemini nebo Copilot a někde vznikají první automatizace. Problém bývá jinde: není jasné, kde vlastně začít.
Když se pak podíváme pod pokličku, často zjistíme, že před nasazením AI je potřeba vyřešit mnohem základnější věci. Data jsou rozesetá v několika systémech a Excelech. Procesy existují hlavně v hlavách zaměstnanců. Dokumenty putují jako přílohy e-mailem. Nikdo přesně neví, kdo má za zavádění AI odpovídat.
V takové situaci nepomůže nakoupit další AI nástroj. Nejdřív je potřeba zjistit, co ve firmě skutečně dává smysl změnit.
1. Začněte problémem, ne AI
„Chceme zavést AI“ není zadání. Lepší otázky jsou například:
- Kde lidé tráví nejvíc času rutinní prací?
- Kde se informace přepisují mezi systémy?
- Kde se opakovaně hledají stejné informace?
- Kde vznikají chyby kvůli ruční práci?
- Který proces omezuje růst firmy?
- Kde má management data pozdě nebo v nedostatečné kvalitě?
Výsledkem nemusí být AI. Někdy stačí propojit dva systémy přes API. Jindy přesunout proces z Excelu do jednoduché cloudové aplikace. Některé úlohy zvládne klasická automatizace spolehlivěji a levněji než AI.
AI má největší hodnotu tam, kde přináší schopnost, kterou běžný software neumí dobře: například rozumět nestrukturovanému textu, pracovat s dokumenty, hledat v rozsáhlém firemním know-how nebo rozhodovat o dalším kroku podle kontextu.
2. Udělejte si pořádek v datech
AI může být chytrá jen do té míry, do jaké se dokáže dostat ke správným informacím. V praxi často vidíme firmy, kde:
- zákaznická data žijí částečně v CRM a částečně v Excelu,
- dokumentace je na SharePointu, discích a v e-mailech,
- různé systémy používají jiná označení stejných věcí,
- důležité informace existují pouze v hlavách konkrétních lidí,
- není jasné, která verze dat je správná.
To je problém už dnes, AI ho pouze zvýrazní. Neznamená to ale, že před prvním AI projektem musíte několik let budovat perfektní datový sklad. Je potřeba vědět, jaká data konkrétní use case potřebuje, kde jsou, kdo za ně odpovídá a jestli jim lze věřit. Často právě první AI projekt vytvoří tlak na to, aby firma začala svoje informace konečně strukturovat.
3. Podívejte se na procesy, které AI zdědí
Podobné je to s procesy. Ve firmě může roky fungovat postup, kdy někdo stáhne přílohu z e-mailu, něco z ní přepíše do Excelu, tabulku pošle kolegovi a ten údaje znovu zadá do ERP.
Automatizovat takový proces krok po kroku není vždy výhra. Nejdřív je dobré položit nepříjemnější otázku:
Proč ten proces vůbec vypadá právě takhle?
Některé firemní postupy vznikly před deseti nebo patnácti lety kvůli tehdejším technologickým omezením. Ta už dávno neexistují, ale proces přežil.
AI automatizující špatný proces může pouze vytvořit rychlejší špatný proces. Proto má smysl před automatizací proces krátce zmapovat, odstranit zbytečné kroky a až potom rozhodnout, kde použít klasický software, integraci nebo AI.
4. Vyberte první use case podle dopadu a proveditelnosti
Nejlepší první AI projekt obvykle není nejambicióznější. Hledejte úlohu, která:
- se děje často,
- zabírá měřitelný čas,
- má relativně jasný vstup a výstup,
- pracuje s dostupnými daty,
- má omezené riziko při chybě,
- dokáže během krátké doby ukázat přínos.
Typicky to může být například zpracování příchozích poptávek, práce s dokumenty, interní vyhledávání, příprava podkladů pro zaměstnance nebo automatizace části backoffice.
Naopak bychom jako první projekt málokdy doporučili autonomního agenta s přístupem do poloviny firemních systémů a pravomocí samostatně rozhodovat. První úspěch má firmě dodat zkušenost a vytvořit infrastrukturu pro další projekty.
5. Určete, kdo za AI ve firmě odpovídá
Technologie je často jednodušší část problému. Horší situace nastává, když CEO řekne „měli bychom něco dělat s AI“ a tím je řízení projektu dokončeno.
Někdo musí mít mandát:
- hledat vhodné use cases,
- koordinovat business a IT,
- rozhodovat o prioritách,
- řešit bezpečnost a práci s daty,
- vyhodnocovat výsledky,
- nastavovat pravidla pro zaměstnance.
Nemusí kvůli tomu vzniknout nové AI oddělení. U menší nebo střední firmy často funguje kombinace konkrétního člověka z managementu, lidí znalých daného procesu a technologického partnera, který dokáže posoudit proveditelnost a řešení skutečně postavit.
Klíčové je, aby odpovědnost nezůstala rozpuštěná mezi vedením, IT a několika nadšenci, kteří si po večerech experimentují s nástroji.
6. Vyhraďte na projekt kapacitu vlastních lidí
AI projekt potřebuje přístup k lidem, kteří rozumějí firmě. Pokud má automatizovat práci obchodního oddělení, musí se někdo z obchodu podílet na návrhu. Pokud má pracovat nad interní dokumentací, někdo musí určit, které informace jsou správné a kdo k nim smí přistupovat.
To bývá ve vytížených firmách překvapivě velká překážka. Technologický tým dnes může připravit prototyp velmi rychle. Bez dostupnosti lidí, kteří znají reálný proces, ale vznikne elegantní řešení špatného problému.
AI roadmapa nemusí začínat velkou AI strategií
Pro většinu firem je praktičtější začít několika konkrétními otázkami:
- Které procesy firmu dnes nejvíc brzdí?
- Kde vzniká nejvíc manuální práce?
- Jaká data a systémy tyto procesy používají?
- Co lze vyřešit jednodušší automatizací nebo integrací?
- Kde má AI skutečnou výhodu?
- Který use case lze bezpečně ověřit jako první?
- Kdo za jeho zavedení a výsledek odpovídá?
Z prvního projektu se pak velmi rychle ukáže, co firma potřebuje dál: lepší integrace, pořádek v datech, interní pravidla pro AI, vlastní knowledge base nebo třeba agentní automatizaci složitějšího workflow. To je už mnohem lepší základ pro AI strategii než seznam nástrojů, které jsou právě populární.
Nejčastější otázky
Musíme mít před zavedením AI dokonale připravená data?
Ne. Perfektní datový sklad není podmínkou prvního projektu. Stačí vědět, jaká data konkrétní use case potřebuje, kde jsou, kdo za ně odpovídá a jestli jim lze věřit. Tlak na pořádek ve zbytku dat často vytvoří až první projekt sám.
Kdy je lepší klasická automatizace než AI?
Když má úloha jasně daná pravidla a strukturovaná data — třeba přenos údajů mezi dvěma systémy. Tam bývá integrace nebo klasická automatizace spolehlivější a levnější. AI dává smysl u nestrukturovaného textu, dokumentů, vyhledávání ve firemním know-how nebo rozhodování podle kontextu.
Kdo má za zavádění AI ve firmě odpovídat?
U menších a středních firem se osvědčuje kombinace člověka z managementu s jasným mandátem, lidí znalých daného procesu a technologického partnera, který posoudí proveditelnost a řešení postaví. Důležité je, aby odpovědnost neležela současně na všech, a tedy na nikom.
Jak poznáme, že se první AI projekt povedl?
Kritérium si určete předem: ušetřený čas, méně chyb, rychlejší odbavení poptávek. Proto se jako první use case hodí úloha, která se děje často a zabírá měřitelný čas — přínos pak jde ověřit srovnáním před a po během několika týdnů provozu.
Kde začít?
Pokud dnes ve firmě řešíte AI, ale není jasné, jestli potřebujete AI agenta, automatizaci nebo integraci systémů, nebo nejdřív udělat pořádek v datech a procesech, začněte právě tímto rozhodnutím.
V COexu podobné situace řešíme kombinací business analýzy, softwarového engineeringu a praktických AI zkušeností. Nejdřív hledáme skutečné úzké místo. Teprve potom technologii, která ho nejlépe odstraní.
