AI musí vytvářet měřitelnou hodnotu

Digitalizace / Průmyslový Summit 2026

Firmy zavádějí umělou inteligenci, ale její přínos často nedokážou vyčíslit. Aleš Fukal, ředitel divize Digital Information Management Solutions CZ, SK, ze společnosti Konica Minolta IT Solutions Czech na Průmyslovém Summitu 2026 ukázal, proč musí nasazení AI předcházet pořádek v procesech, datech a odpovědnosti. Na projektu obnovy smluv vysvětlil, že největší část práce může být hotová dříve, než vznikne samotný agent.

Umělá inteligence se dostává do stále více firemních činností. Podle Aleše Fukala však mezi jejím používáním a prokazatelným přínosem zůstává mezera. Projekty někdy vznikají proto, že je technologie dostupná a firma nechce zaostat. Ještě před jejich spuštěním ale chybí odpověď na otázku, jaký konkrétní problém mají vyřešit a jak se výsledek projeví v provozu nebo hospodaření společnosti.

Aleš Fukal ve svém vystoupení upozornil, že část AI iniciativ se sice rozběhne, ale dál se neposune. Samotné nasazení technologie není úspěchem, pokud firma nezná výchozí náklady, nedokáže změřit změnu a neví, zda se jí nový způsob práce vyplatí.

AI zesílí dobrý proces i jeho chyby

Základ přístupu vystihuje věta z prezentace: „AI je zesilovač.“ Dobře nastavený proces může zrychlit a zkvalitnit. Pokud však týmy pracují různě, data si odporují nebo firma sleduje nevhodnou metriku, technologie tyto nedostatky sama nenapraví. Může je naopak přenést do většího počtu rozhodnutí.

Před výběrem modelu proto musí firma popsat proces, který chce změnit. Potřebuje také čistá a strukturovaná data a reporting, z něhož všichni vycházejí. Samozřejmě na tuto přípravu lze již AI samotnou efektivně využít. Nicméně teprve na tomto základu může stavět predikci a kroky, které AI sama provede nebo doporučí člověku. Pravidla řízení a bezpečnost přitom provázejí celý postup, protože modely mohou pracovat i s citlivými provozními či obchodními informacemi.

Důvěra znamená jasné hranice

Aleš Fukal popsal tři předpoklady fungující AI: důvěru, pravdu a předvídavost. První z nich není pouhým pocitem, že systém pracuje správně. Firma musí určit, co smí agent dělat, kdo ověřuje jeho výstup a kdo jej může změnit nebo zastavit.

Míra samostatnosti se může v jednom procesu lišit. Opakovaný úkon s nízkým rizikem lze automatizovat. Jinde AI připraví analýzu a doporučení, ale rozhodnutí schválí člověk. U činností s významným dopadem na lidi, finance nebo bezpečnost zůstává pouze podpůrným nástrojem. Hranice mezi těmito režimy si firma musí stanovit dříve, než systém začne používat.

Druhý předpoklad nazývá pravdou. Obchodníci, management i AI musejí vycházet ze stejných dat a stejně chápat ukazatele úspěchu. Pokud každý tým počítá výkon jinak, nelze systému jednoznačně zadat, co má zlepšovat. Nejdříve je proto potřeba určit vlastníka procesu, sjednotit metriky a zajistit spolehlivý reporting.

Předvídavost pak znamená proměnit včas zachycený signál v konkrétní reakci. Může jít o údaj z výroby nebo blížící se konec smlouvy. AI signál vyhodnotí, doporučí další krok a podle stanovených pravidel jej provede, případně požádá člověka o rozhodnutí. Přínos vzniká až tehdy, když firma dokáže posoudit také rychlost a výsledek této reakce.

Obnova smluv ukázala skutečný rozsah projektu

Tyto principy Aleš Fukal představil na projektu agenta pro obnovu smluv k multifunkčním zařízením. Počet obnov je podle něj značný a stávající tým narážel na své kapacitní možnosti. Agent měl pomáhat s posouzením informací o zákazníkovi a zařízení a s přípravou dalšího postupu.

Při přípravě se ale ukázalo, že obchodní týmy nepracují jednotně. Obnova smluv probíhala v různých regionech odlišně, a existující písemný popis nestačil jako návod pro automatizaci. Informace o zařízeních a jejich konfiguracích pocházely z více zdrojů. Jednotlivé týmy navíc používaly různé metriky, takže nebylo možné jednoduše doložit společně měřený výsledek.

Firma proto nejprve sjednocovala postup, konsolidovala data a nastavovala pravidla pro hodnocení obnovy. Určila také člověka odpovědného za celý proces a za hranice, v nichž smí agent jednat samostatně. Až poté následovala příprava pilotu.

Procesní a datová část zabrala většinu projektu. Jeho prezentace zároveň uvádí, že příprava dat představovala větší rozpočtovou položku než cena modelu. Příběh obnovy smluv tak ukazuje, proč mohou firmy při plánování AI podcenit rozsah práce, kterou na první pohled nevidí.

Vyplatí se jedno správné rozhodnutí?

Před schválením projektu doporučuje Aleš Fukal zodpovědět čtyři otázky:

U obnovy smluv to znamená porovnat náklady a čas současného postupu s tím, co bude stát práce s agentem. Do výpočtu patří příprava dat, propojení systémů, kontrola výstupů i řešení výjimek. Některá rozhodnutí může systém zvládnout automaticky, jiná připraví ke schválení a další zůstanou na člověku. Každý způsob má jiné náklady.

Aleš Fukal proto radí začít měřením: Jak dlouho dnes trvá jedno rozhodnutí v konkrétním procesu? Bez znalosti výchozího stavu nelze po nasazení AI věrohodně říci, zda firma něco ušetřila nebo zlepšila.

Nejtěžší je získat důvěru lidí

V diskusi po přednášce zazněl dotaz, který ze tří pilířů bývá nejobtížnější. Označil důvěru. Problém podle něj začíná už ve chvíli, kdy se zástupci týmů sejdou, mají popsat společný postup a určit, kdo za něj ponese odpovědnost. Pokud sami nevěří datům nebo zvolené cestě, budou obtížně důvěřovat i autonomnímu systému.

Na otázku po dalším využití AI v Konica Minolta zmínil evropský IT vývoj řízený z České republiky. Vývojový tým podle něj využívá Copilot při tvorbě kódu. S tím se proměňuje i práce programátorů: větší význam získává porozumění zadání a schopnost převést potřeby firmy do řešení, zatímco s částí samotného kódování pomáhá technologie.

Vystoupení Aleše Fukala tak ukázalo dvě stránky stejné změny. AI může převzít část práce a urychlit reakci firmy. Aby však její přínos obstál i při pohledu na náklady, musí být předem jasné, jaký proces mění, kdo jej řídí a jak se pozná, že nové rozhodování přináší měřitelnou hodnotu.