Článek
Umělá inteligence měla být zkratka k vyšší produktivitě. Měla zrychlit práci, snížit náklady, nahradit rutinu a otevřít firmám úplně novou úroveň efektivity.
Jenže po prvním nadšení přichází mnohem méně pohodlná otázka: kde přesně se ta revoluce ve firmách projevila? Ne v prezentacích, ne v pilotních ukázkách, ale v reálném provozu, výsledovkách a každodenní práci lidí.
Nedávný report MIT k firemnímu využití generativní AI ukázal nepříjemný rozdíl mezi očekáváním a realitou. Podle něj většina firemních AI iniciativ zatím nepřináší měřitelný dopad do výsledků firmy a jen malá část projektů dokáže z pilotu vyrůst do řešení, které skutečně šetří peníze, zvyšuje tržby nebo mění produktivitu.
To neznamená, že AI nefunguje. Znamená to něco jiného: AI často funguje dobře v ukázce, dobře v prezentaci a dobře v izolovaném úkolu, ale jakmile se má stát součástí reálného provozu, narazí na úplně obyčejné věci.
Špatně popsaný proces. Nekvalitní data. Chybějící odpovědnost. Nejasné výstupy. Nulové měření výsledku. A právě tady se celý problém láme, protože tohle už nejsou limity samotného modelu, ale limity firemního řízení.
Demo není provoz
Ve firemním prostředí je snadné vytvořit působivou ukázku. Nahrajeme dokument a AI ho shrne, pošleme e-mail a AI navrhne odpověď, vložíme data a AI vytvoří návrh reportu.
Na první pohled to vypadá jako jasný důkaz, že technologie je připravená. Jenže demo není provoz a jednorázově dobrý výsledek ještě neznamená, že řešení vydrží každodenní tlak firmy.
V provozu nestačí, že AI jednou odpoví dobře. Musí odpovídat spolehlivě, v kontextu, nad správnými daty, s jasnými pravidly, s možností kontroly a s odpovědností za to, co se stane dál.
Pokud AI navrhne odpověď zákazníkovi, někdo musí vědět, kdo ji schvaluje. Pokud špatně vyhodnotí požadavek, musí být jasné, kam se chyba zapíše a kdo ji řeší. Pokud vytáhne údaj z interní dokumentace, firma musí vědět, že dokumentace není zastaralá.
A pokud zautomatizuje část procesu, nestačí říct, že „to funguje“. Někdo musí sledovat, jestli se proces opravdu zrychlil, jestli se nesnížila kvalita a jestli náklady na provoz nového řešení nepřevýšily jeho přínos.
Firmy často automatizují chaos
Hodně AI projektů začíná špatnou otázkou. Neptají se, kde dnes vzniká zdržení, chyba nebo zbytečná práce, ale kam by šlo rychle nasadit AI.
To je zásadní rozdíl. Když firma začíná nástrojem, velmi snadno vytvoří řešení, které vypadá moderně, ale neřeší hlavní bolest.
Vznikne chatbot, který nikdo nepoužívá. Interní asistent, který nemá přístup ke správným datům. Automatizace, která sice ušetří pár minut, ale přidá další kontrolní krok. Nebo pilot, který nadchne vedení, ale nikdy se nedostane do běžné práce lidí.
AI pak není zrychlovač produktivity. Je to další vrstva nad už tak nepřehledným provozem a někdy jen elegantnější způsob, jak schovat problém, který tam byl dávno před ní.
Pokud firma nemá jasno v tom, co je vstup, co je výstup, kdo rozhoduje a podle čeho pozná úspěch, AI to za ni nevymyslí. Maximálně tento nepořádek zrychlí a udělá ho hůř kontrolovatelným.
Produktivita jednotlivce není totéž co produktivita firmy
Tady je potřeba být fér. Existují výzkumy, které ukazují, že generativní AI dokáže zvýšit produktivitu konkrétních lidí u konkrétních úkolů.
Například u zákaznické podpory může AI pomoci méně zkušeným pracovníkům rychleji řešit požadavky, lépe formulovat odpovědi a učit se ze vzorů zkušenějších kolegů. To je reálný přínos a byla by chyba ho shazovat jen proto, že celkový dopad AI ve firmách zatím není tak velký, jak se čekalo.
Jenže mezi lepším výkonem jednotlivce a lepší ekonomikou celé firmy je ještě dlouhá cesta. Pokud pracovník vyřeší více požadavků za hodinu, ale firma zároveň přidá nové kontrolní procesy, drahé licence, složitější správu dat a další interní koordinaci, čistý přínos může být mnohem menší, než ukazuje první experiment.
Produktivita se ve firmě neztrácí jen u jednotlivce. Ztrácí se mezi odděleními, v předávkách, v nejasných pravidlech, v chybách, v duplicitní práci a v tom, že nikdo přesně neví, kdo má rozhodnout.
AI může pomoci. Ale jen tehdy, když je zasazená do procesu, který dává smysl, má vlastníka a má měřitelný výsledek.
Proč některé projekty uspějí
Úspěšné firemní AI projekty mají obvykle společné jedno: nejsou obecné. Nezačínají větou „nasadíme AI do firmy“, ale mnohem konkrétnějším zadáním.
Například: zkrátíme čas zpracování příchozích e-mailů o třicet procent. Pomůžeme operátorům rychleji najít správnou odpověď v interní znalostní bázi. Zautomatizujeme první třídění faktur a výjimek, aby se člověk věnoval jen případům, které opravdu potřebují rozhodnutí.
Takový projekt má jasný vstup, jasný výstup a jasnou metriku. Dá se změřit, jestli šetří čas, dá se poznat, kdy selhal, a dá se určit, kdo ho vlastní.
Dá se také vylepšovat podle reálných chyb, ne podle pocitu z prezentace. A hlavně: AI v něm není hlavní hvězda, ale součást workflow.
To je méně efektní než velká strategie o transformaci celé firmy. Z praktického hlediska je to ale mnohem užitečnější, protože to nutí firmu řešit konkrétní problém místo obecného nadšení z nové technologie.
Revoluce možná přijde pomaleji
Zklamání z firemní AI neznamená, že technologie nemá hodnotu. Spíš ukazuje, že přínos nepřichází automaticky a že samotné pořízení nástroje ještě není změna práce.
Podobné to bylo i u jiných technologií. Nestačilo koupit počítače, protože firmy musely změnit způsob práce. Nestačilo zavést internet, protože bylo nutné upravit obchod, komunikaci, logistiku i zákaznickou péči.
Nestačilo koupit CRM. Firma musela vědět, jak obchodní proces skutečně vede, kdo s daty pracuje a co se má podle nich rozhodovat.
U AI je to podobné. Model sám o sobě není strategie, chatbot není transformace, prompt není proces a automatizace není úspora, pokud jen zrychlí špatně nastavenou práci.
Skutečná hodnota AI se ukáže až tam, kde se propojí technologie, data, odpovědnost a provozní disciplína. To není tak atraktivní jako titulky o revoluci, ale pro firmy je to mnohem důležitější.
Co z toho plyne
Největší chyba firem dnes nemusí být v tom, že používají málo AI. Možná ji naopak používají příliš brzy, příliš obecně a bez dostatečného pochopení vlastních procesů.
Správná otázka proto nezní, jaký AI nástroj by si firma měla koupit. Mnohem důležitější je zjistit, kde dnes mizí čas, peníze nebo kvalita — a jestli se ten problém dá vůbec přesně popsat.
Teprve potom má smysl řešit konkrétní model, nástroj, automatizaci nebo agenta. Bez tohoto kroku se z AI snadno stane jen další drahá vrstva nad procesem, který už předtím nefungoval dobře.
AI pravděpodobně firmy změní. Jen možná ne tak, jak se čekalo v prvním nadšení. Ne jako kouzelná vrstva, která se položí na chaos a udělá z něj efektivní provoz, ale jako silný nástroj pro firmy, které už vědí, co chtějí zlepšit.
Revoluce se tedy možná nezastavila na technologii. Zastavila se na tom, že mnoho firem si spletlo nasazení AI se skutečnou změnou práce.
