Po období intenzivních investic do umělé inteligence začínají firmy stále častěji vyhodnocovat, jaké skutečné přínosy jim tyto projekty přinesly. Podle dat společnosti
McKinsey & Company dosáhne plánované návratnosti investic méně než třetina AI projektů v podnikovém prostředí. Řada iniciativ tak končí bez výraznějších výsledků, často bez veřejného přiznání neúspěchu.
Zkušenosti z praxe ukazují, že problém většinou neleží v samotné technologii. Modely jsou dostupné, nástroje stabilní a náklady na jejich provoz postupně klesají. Slabé místo se zpravidla nachází uvnitř organizace, zejména v nepřipravenosti procesů, nejasném rozdělení odpovědností a nedostatečné komunikaci mezi jednotlivými odděleními.
„Vidíme to opakovaně. Management přijde nadšený z konference, kde viděl demo, a chce totéž za šest týdnů. Nikdo se nezeptá, jestli máme kvalitní data, zda jsou procesy vůbec popsané nebo kdo bude řešení v praxi používat,“ popisuje situaci David Strejc, zakladatel společnosti Apertia Tech, která se zaměřuje na implementaci AI řešení pro české a slovenské firmy.
Při analýzách neúspěšných projektů se opakují podobné scénáře. Vedení firem často očekává rychlou a výraznou návratnost, přestože zavádění AI vyžaduje postupné ladění, dohled a průběžné vyhodnocování. Pokud projekt nemá jasně určeného interního vlastníka, odpovědnost se přesouvá mezi IT a byznysem, což vede ke zpomalení rozhodování a ztrátě priority. Významnou roli hraje také zapojení zaměstnanců. Systémy navržené bez účasti lidí, kteří s danými procesy pracují každý den, bývají v praxi odmítány nebo obcházeny.
Velmi častým problémem jsou také data. „Nejčastěji slyšíme, že data jsou v Excelu, v e-mailech a v hlavách lidí, kteří už ve firmě nepracují. Pak se nelze divit, že AI neposkytuje smysluplné výstupy,“ dodává Strejc.
Pokud navíc chybí předem stanovené a měřitelné cíle, nelze objektivně posoudit, zda projekt přináší očekávaný přínos. Bez konkrétních parametrů, jako je úspora času, snížení chybovosti nebo zkrácení reakční doby, je řízení projektu velmi obtížné.
Zkušenosti z digitálních transformací potvrzují, že největší riziko nesouvisí s technologií, ale s lidmi. Podle společnosti Gartner selhalo až 80 % neúspěšných digitálních transformací především z důvodů na straně zaměstnanců, nikoliv kvůli technickým omezením. Obavy ze ztráty práce, z nepochopení nového nástroje nebo z pocitu selhání vedou k pasivnímu odporu, který může projekt zcela paralyzovat. Pokud firma tyto obavy neřeší otevřeně a nevysvětlí, jak má AI práci zjednodušit, nikoli nahradit, zavádění končí tichým bojem zevnitř organizace.
Úspěšnější přístup obvykle spočívá v tom, že firmy nezačínají plošnou transformací, ale soustředí se na jeden jasně vymezený proces. Pilotní projekt umožňuje ověřit přínos, nastavit realistická očekávání a získat podporu uvnitř firmy. Velký význam má také identifikace zaměstnanců, kteří mají k technologiím pozitivní vztah a jsou ochotni své zkušenosti sdílet s kolegy. Praktická ukázka fungujícího řešení má často větší dopad než formální rozhodnutí vedení.
Podle dostupných dat se české firmy pohybují v oblasti adopce umělé inteligence zhruba na evropském průměru. Experimentální projekty jsou běžné, plně produkční nasazení zatím méně časté. Očekávání však rostou. Podle odhadů Evropská komise by do roku 2026 měla více než dvě pětiny středních a velkých firem v Evropské unii využívat AI alespoň v jednom podnikovém procesu.
„Firmy, které se poučily z prvních neúspěchů a dnes k AI přistupují systematicky, získají konkurenční výhodu, kterou bude v příštích letech obtížné dohnat. Umělá inteligence nepočká na organizace, které na změnu nejsou připravené,“ uzavírá David Strejc.
