Váš tím už AI používa. Niekto píše e-maily cez ChatGPT, niekto iný sumarizuje poznámky zo stretnutí a manažér videl ukážku „AI agenta“, ktorý sľubuje riadiť polovicu prevádzky. Čo vám však pravdepodobne chýba, je AI, ktorá spoľahlivo uberá prácu z procesu, od ktorého firma závisí.
Tento rozdiel je bežný. A práve v jeho prekonaní je najväčší prínos.
Stručná odpoveď: Ak chcete zaviesť AI do firmy, začnite jedným opakujúcim sa pracovným postupom, ktorý má jasného vlastníka a merateľné náklady. Zmapujte ho od začiatku do konca, použite jednoduché pravidlá všade, kde stačia, a AI iba tam, kde treba interpretovať vstupy. Pripravte potrebné dáta, otestujte riešenie s človekom, ktorý kontroluje výstup, a pred rozšírením merajte dokončenú prácu.
V tomto sprievodcovi vysvetľujeme každý krok, výskumy, o ktoré sa opiera, aj otázky, ktoré si treba položiť pred investíciou.
Prečo väčšina AI projektov neprináša výsledky?
Hlavné čísla nie sú povzbudivé. Správa RAND založená na rozhovoroch so 65 skúsenými dátovými vedcami a inžiniermi uvádza odhady, podľa ktorých zlyhá viac ako 80 % AI projektov, čo je dvojnásobok oproti IT projektom bez AI. Gartner predpovedal, že do konca roka 2025 bude po overení konceptu ukončených aspoň 30 % projektov generatívnej AI pre nekvalitné dáta, nedostatočné riadenie rizík, rastúce náklady a nejasný prínos pre biznis.
Dôvody sú dôležitejšie ako percentá. Podľa RAND bola hlavnou príčinou neúspechu situácia, keď vedenie nesprávne pochopilo alebo vysvetlilo problém, ktorý mala AI vyriešiť. Na druhom mieste boli nekvalitné alebo chýbajúce dáta. Ďalšími príčinami boli naháňanie sa za najnovšou technológiou namiesto riešenia problému používateľa a nasadzovanie AI na úlohy, ktoré zatiaľ nedokáže zvládnuť.
Nič z toho nie je problém samotného modelu. Sú to rozhodnutia firmy. Spoločnosť s 20 až 500 ľuďmi má dobré predpoklady urobiť ich správne: je dosť veľká na to, aby mala opakujúce sa procesy, ktoré sa oplatí zlepšiť, a dosť malá na to, aby si človek zodpovedný za proces mohol sadnúť k jednému stolu s ľuďmi, ktorí riešenie budujú.
Ako sú na tom s využívaním AI firmy s 50 až 500 zamestnancami?
Sú niekde uprostred a rozdiely sa zväčšujú. Prieskum Eurostatu za rok 2025 zistil, že aspoň jednu AI technológiu používalo 30,36 % stredne veľkých podnikov v EÚ s 50 až 249 zamestnancami, oproti 55,03 % veľkých podnikov a 17 % malých. Eurostat naznačuje, že rozdiel môže súvisieť so zložitosťou zavádzania, úsporami z rozsahu a nákladmi.
Používanie AI vo firmách predbieha oficiálne rozhodnutia. Microsoft v správe Work Trend Index 2024 zistil, že 78 % používateľov AI si do práce prináša vlastné AI nástroje; v malých a stredných firmách je to až 80 %. Globálny prieskum McKinsey za rok 2025 uvádza, že 88 % organizácií používa AI aspoň v jednej oblasti, no iba približne tretina ju začala zavádzať vo väčšom rozsahu a len 39 % uvádza nejaký vplyv na zisk pred úrokmi a zdanením (EBIT).
Prístup k AI už teda nie je hlavnou prekážkou. Tou je pretaviť ju do fungujúceho procesu.
Ako zaviesť AI do firmy: 7 krokov
| Krok | O čom rozhodujete | Výstup | Kto zodpovedá |
|---|---|---|---|
| 1. Vyberte problém vo firme | Ktorá opakujúca sa práca zaberá najviac času alebo prináša najviac chýb | Jeden postup, jeden výsledok, zmeraný východiskový stav | Vlastník procesu a zástupca vedenia |
| 2. Zmapujte a upravte pracovný postup | Ktoré kroky zrušíte, zmeníte alebo ponecháte | Mapa procesu pred zmenou a po nej | Vlastník procesu a ľudia, ktorí prácu vykonávajú |
| 3. Pri každom kroku zvoľte pravidlo alebo AI | Kde stačí jednoduché pravidlo a kde treba interpretovať vstup | Zoznam krokov so zvoleným prístupom | Realizačný tím, s kontrolou vlastníka procesu |
| 4. Pripravte dáta pre tento postup | Ktorý zdroj má prednosť a čo znamená chýbajúci údaj | Potrebné polia, dôveryhodné zdroje a zodpovední ľudia | Zodpovedná osoba pre každý údaj |
| 5. Vyvíjať, kúpiť alebo prizvať partnera | Kto riešenie dodá a kto ho bude udržiavať | Plán dodania a odhad prevádzkových nákladov | Vedenie |
| 6. Spustite pilot s ľudskou kontrolou | Čo sa kontroluje, čo sa pozastaví a kto rieši výnimky | Pilot s pravidlami kontroly a náhradným postupom | Vlastník procesu |
| 7. Merajte a rozširujte | Či pôvodný postup naozaj prestal byť potrebný | Rozhodnutie: pokračovať, upraviť alebo zastaviť | Zástupca vedenia a vlastník procesu |
Krok 1: Začnite problémom vo firme, nie AI nástrojom
„Potrebujeme AI stratégiu“ nie je konkrétny východiskový bod. „Náš tím každé pondelkové ráno spája tri exporty do zoznamu klientov na ďalší kontakt“ už áno.
Vyberte prácu, ktorú viete pozorovať. Vhodní prví kandidáti majú štyri spoločné vlastnosti: opakujú sa často, zodpovedá za ne konkrétny človek, vstupy sú dostupné a nesprávny výsledok viete rozpoznať a opraviť. Ako tieto možnosti porovnať, vysvetľujeme v článku Ktorý pracovný postup automatizovať ako prvý?
Pred vývojom si zmerajte východiskový stav: ako dlho úloha trvá, koľko času čaká medzi jednotlivými ľuďmi a ako často ju musí niekto opravovať.
Krok 2: Zmapujte celý pracovný postup a potom ho upravte
Sadnite si s ľuďmi, ktorí prácu vykonávajú, a prejdite jeden skutočný prípad od začiatku do konca. Všímajte si, kde čakajú, prepisujú údaje, kontrolujú cudziu prácu alebo sa vracajú k tabuľke.
Potom si položte otázku, ktoré kroky sú vôbec potrebné. V skoršej analýze McKinsey z roku 2025 mala zmena pracovných postupov najväčší vplyv z 25 skúmaných faktorov na to, či organizácie zaznamenali prínos generatívnej AI pre EBIT. Napriek tomu iba 21 % respondentov využívajúcich generatívnu AI uviedlo, že ich organizácie zásadne prepracovali aspoň niektoré pracovné postupy.
Pridať AI do nefunkčného procesu znamená získať rýchlejší nefunkčný proces. Odstrániť zbytočný krok je často najlacnejšia forma automatizácie.
Krok 3: Pri každom kroku rozhodnite, či stačí pravidlo alebo treba AI
Práve tu sa často zbytočne míňa rozpočet. Veľa užitočných automatizácií funguje jednoducho: keď sa niečo stane, podľa jasného pravidla urob ďalší krok. K nespornej faktúre po splatnosti odíde pripomienka. Požiadavka nad stanovenú sumu ide riaditeľovi. Nič z toho nepotrebuje AI model.
AI má zmysel tam, kde vstup treba interpretovať:
- Neštruktúrovaný text. Zaradenie voľne napísaného e-mailu od zákazníka a získanie čísla objednávky.
- Dlhé dokumenty. Zhrnutie zmluvy alebo vyhľadanie dôležitých podmienok v PDF od dodávateľov.
- Rozptýlené znalosti. Odpoveď na otázku, ktorej podklady sú vo viacerých interných zdrojoch.
- Podpora rozhodovania. Návrh priority alebo hodnotenia, ktoré následne potvrdí človek.
Dobre funguje tento princíp: AI interpretuje, bežný softvér vykonáva kroky. V realitnej platforme, ktorú sme vytvorili, AI hodnotenie naznačuje, či nehnuteľnosť vyzerá ako výhodná príležitosť. Je dostupné vedľa finančných výpočtov, podľa ktorých sa tím rozhoduje. Rozhodnutie zostáva na ľuďoch.
Viac sa dočítate v článku Nekupujte AI na problémy, ktoré vyrieši jednoduché pravidlo.
Krok 4: Pripravte dáta pre tento jeden pracovný postup
Druhou najčastejšou príčinou neúspechu podľa RAND boli dáta. Na ich nápravu nepotrebujete celofiremný dátový projekt. Potrebujete spoľahlivé dáta pre jeden pracovný postup:
- Dohodnite sa, ktorý zdroj má prednosť pri každom dôležitom poli, a určite zodpovednú osobu.
- Spárujte rovnakého zákazníka naprieč systémami a neisté zhody pošlite na kontrolu.
- Zachovajte dôležitú históriu, aby nový import nezmazal kontext včerajších rozhodnutí.
- Definujte, čo znamená chýbajúci údaj: „neznáme“, „netýka sa“ a „ešte neprišlo“ by mali viesť k odlišným krokom.
Podrobnejšie to rozoberáme v článku Skôr než pridáte AI, dajte do poriadku dáta, z ktorých bude čerpať.
Krok 5: Rozhodnite sa, či vyvíjať, kúpiť alebo prizvať partnera
Máte tri realistické možnosti:
- Kúpiť hotový nástroj alebo zapnúť funkciu v softvéri, ktorý už používate. Je to najrýchlejšia cesta, ak zodpovedá vášmu pracovnému postupu.
- Vyvíjať interne. Získate plnú kontrolu, ale potrebujete ľudí, ktorí riešenie vytvoria, prepoja so systémami a budú ho udržiavať.
- Spolupracovať s partnerom, ktorý spozná proces a vytvorí alebo prispôsobí riešenie.
Aj k tomuto rozhodnutiu existujú dáta, no treba ich čítať s rezervou. Správa MIT NANDA State of AI in Business 2025 vychádzajúca z rozhovorov v 52 organizáciách a z prieskumov zistila, že nástroje prispôsobené s externým partnerom sa dostali do prevádzky približne v 67 % prípadov, oproti približne 33 % pri internom vývoji. Autori upozorňujú, že ide o údaje od samotných respondentov a rozdiel môže odrážať schopnosti organizácií, nie samotný prístup. Ich širšie zistenie je užitočné: úspešní zákazníci požadovali prispôsobenie, zapájali ľudí z praxe a hodnotili dodávateľov podľa merateľných výsledkov pre firmu.
Nech si vyberiete čokoľvek, pýtajte sa, kto má kontrolu nad účtami, dátami, kódom a dokumentáciou a čo by obnášalo odovzdanie riešenia.
Krok 6: Spustite pilot s ľudskou kontrolou a pripravte sa na výnimky
Ukážka predvádza ideálny priebeh. Pilot musí ukázať, čo sa stane, keď chýba vstup, príde duplicita alebo pripojený systém nefunguje. Vopred rozhodnite, čo sa pozastaví, čo sa bezpečne zopakuje a kto dostane upozornenie. Náš článok o postupe pri chýbajúcich dátach to rozoberá podrobne.
Za všetko, čo AI povie zákazníkom, nech zodpovedá človek. V prípade Moffatt v. Air Canada z roku 2024 kanadský tribunál uznal zodpovednosť leteckej spoločnosti za nesprávnu radu o vrátení peňazí, ktorú poskytol chatbot na jej webe. Odmietol argument, že za vlastné slová zodpovedal chatbot.
Klarna pripomína, že zvyčajne ide o hľadanie rovnováhy. V roku 2024 uviedla, že jej AI asistent zvládol prácu približne 700 pracovníkov zákazníckej podpory. V roku 2025 jej CEO povedal agentúre Bloomberg, že náklady boli príliš dominantným faktorom a výsledkom bola „nižšia kvalita“. Firma začala opäť prijímať ľudí do zákazníckej podpory, pričom AI naďalej využívala na bežné otázky.
Krok 7: Merajte dokončenú prácu a rozširujte to, čo funguje
Počet prihlásení ani počet zadaní pre AI nie sú výsledky. Merajte tie isté veci ako na začiatku:
- Prípady dokončené v novom postupe bez prepínania medzi nástrojmi.
- Čas spracovania vrátane kontroly výstupov AI. Čas presunutý do nového kontrolného kroku je stále čas strávený prácou.
- Opravy a výnimky a čas, ktorý čakajú na vyriešenie.
Prínosy môžu byť reálne. V štúdii s viac ako 5 000 pracovníkmi zákazníckej podpory Brynjolfsson, Li a Raymond zistili, že AI asistent zvýšil produktivitu v priemere o 14 % a u nováčikov a pracovníkov s nižšou úrovňou zručností o 34 %. Najskúsenejším pomohol len málo. Počítajte s rozdielnymi výsledkami a merajte ich po jednotlivých tímoch.
Používanie nového systému je súčasťou návratnosti. Ak sa ľudia vrátia k starej tabuľke, platíte za oboje. Pozrite si článok Nový systém sa oplatí iba vtedy, keď ho ľudia používajú.
Kontrolný zoznam: je vaša firma pripravená na AI pilot?
Prejdite si ho skôr, než čokoľvek podpíšete:
Ak viete zaškrtnúť menej než polovicu bodov, začnite tým, čo chýba. Aj to je posun vo vašom AI projekte.
Aké sú najčastejšie problémy pri zavádzaní AI?
- Riešenie nesprávneho problému. Technicky pôsobivý nástroj, ktorý neuberá opakujúcu sa prácu.
- Roztrieštené dáta. Záznamy, ktoré si odporujú v CRM, finančných nástrojoch a exportoch od partnerov.
- Neschválené používanie AI. Zamestnanci vkladajú firemné údaje do osobných nástrojov, pretože nemajú schválenú alternatívu.
- Skrytá práca navyše pri kontrole. Ušetrený čas sa nenápadne vráti v podobe preverovania a opravovania.
- Chýbajúca zodpovednosť po spustení. Z malých prekážok sa stanú trvalé obchádzky.
- Nekonečné pilotovanie. Ukážky, ktoré sa nikdy nedostanú do prevádzky, pretože nikto neurčil, ako má vyzerať úspech.
Koľko stojí zavedenie AI do firmy?
Jedno poctivé číslo neexistuje. Závisí od pracovného postupu, systémov, ktoré treba prepojiť, a rozsahu vývoja na mieru. Môžete však porovnať celkové náklady jednotlivých možností:
- Príprava a realizácia: analýza, návrh, integrácia a testovanie.
- Prevádzka: licencie, poplatky za používanie modelov a hosting.
- Ľudia: čas venovaný kontrole výstupov a riešeniu výnimiek.
- Údržba: úpravy pri zmenách procesov, produktov alebo systémov.
Potom ich porovnajte s časom skutočne ušetreným na jednom prípade, vynásobeným počtom takýchto prípadov. Úsporu času odlišujte od finančnej úspory, pokiaľ zmena naozaj neznižuje výdavky.
Ako vyzerá dobré zavedenie AI v praxi?
V OVB, spoločnosti pôsobiacej vo finančných službách, nebolo zadaním „použiť AI“. Poradcovia museli pripravovať samostatný protokol pre každý produkt, ktorý klient zvažoval, a to v pomalej a nestabilnej aplikácii. Vytvorili sme Multiprotokol, ktorý spája produkty do jedného riadeného postupu, využíva klientské údaje z existujúcich systémov a prípady vyžadujúce právne schválenie posúva správnym ľuďom. OVB uviedlo 50 % skrátenie času na prípravu protokolu pri viac ako 11 000 protokoloch mesačne.
Veľká časť tohto výsledku vznikla úpravou pracovného postupu, prepojením dát a jasnými pravidlami, nie použitím modelu. O to ide: AI je jeden z nástrojov, ktoré pomáhajú zlepšiť fungovanie procesu.
Váš ďalší krok
Vyberte tri opakujúce sa pracovné postupy a prejdite ich na krátkom stretnutí s ľuďmi, ktorí za ne zodpovedajú. Pri každom si zapíšte, ako často sa opakuje, ako dlho trvá a ktoré kroky potrebujú interpretáciu. Odíďte s jedným vybraným postupom, zmeraným východiskovým stavom a konkrétnym človekom zodpovedným za pilot.
Ak hľadáte tím, ktorý spozná vaše procesy a vytvorí softvér na ich zlepšenie bez toho, aby ste budovali vlastné oddelenie, presne to robíme v Outloud. Povedzte nám, ktorá opakujúca sa práca váš tím najviac zaťažuje.
Zdroje
- RAND Corporation (2024), The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed
- Tlačová správa Gartner (29. júla 2024): 30 % projektov generatívnej AI bude do konca roka 2025 ukončených po overení konceptu
- Eurostat (december 2025), Use of artificial intelligence in enterprises
- Microsoft a LinkedIn (2024), Work Trend Index: AI at Work Is Here. Now Comes the Hard Part
- McKinsey (2025), The State of AI: Global Survey 2025
- McKinsey (marec 2025), The state of AI: How organizations are rewiring to capture value
- MIT NANDA (2025), The GenAI Divide: State of AI in Business 2025 (prostredníctvom článku vo Fortune)
- Moffatt v. Air Canada, 2024 BCCRT 149
- Fortune (9. mája 2025): Klarna plánuje opäť prijímať ľudí
- Brynjolfsson, Li a Raymond, Generative AI at Work (NBER w31161; QJE 2025)
- Prípadová štúdia Outloud, OVB Multiprotokol
