Volám si s jednateli, kteří chtějí AI. Většina rozhovoru pak vypadá stejně: velká očekávání, vágní zadání, systémy co spolu nekomunikují. A já musím říct věc, kterou nikdo nechce slyšet — ještě ne.
Ne proto, že AI nefunguje. Ale protože AI je násobič. Násobí to, co už máte. Pokud máte chaos, AI váš chaos zrychlí a prodraží. Pokud máte pořádek, AI vám ho pronásobí.
Tento článek je checklist. Projděte si ho před tím, než se rozhodnete pro prvního dodavatele nebo prvního chatbota. Ušetříte si měsíce zklamání a statisíce korun.
Kde vaše firma teď stojí?
Podle zkušeností z desítek poradenských projektů jsou firmy v jednom ze tří stavů.
Fáze 1 — Základy chybí. Procesy jsou v hlavách lidí a Excelu. CRM neexistuje nebo ho nikdo nepoužívá. Data jsou roztříštěná. AI teď nedává smysl — nejdřív je potřeba digitalizovat základy.
Fáze 2 — Systémy nefungují dohromady. CRM, ERP, maily a účetnictví žijí každý svým životem. Data existují, ale nikdo neví která jsou správná. AI by tady řešila špatný problém.
Fáze 3 — Systémy fungují, data jsou čistá. Teď je čas na AI vrstvu. Procesy jsou stabilní, data jsou k dispozici, firma je připravená na automatizaci a augmentaci.
Pokud jste ve Fázi 3, můžete rovnou na AI Operating System Design. Pokud ve Fázi 1 nebo 2 — čtěte dál.
Pět předpokladů pro úspěšné zavedení AI
1. Data existují, jsou strukturovaná a srozumitelná
Toto je nejčastější bloker. Firmy, které přicházejí s tím, že "data máme", zpravidla myslí e-maily, tabulky a složky na serveru. To není datová základna pro AI — to je archiv.
AI potřebuje data, která jsou:
Úplná. Záznamy bez klíčových polí AI matou víc než pomáhají. Pokud máte v CRM 3 000 kontaktů a u 60 % chybí obor podnikání nebo velikost firmy, AI s tím nedokáže smysluplně pracovat. Prázdná pole nejsou neutrální — jsou šum.
Konzistentní. Stejná věc se musí jmenovat stejně všude. Zákazník / klient / odběratel v jednom systému je problém. Praha / Prague / PRG taky. Před zavedením AI je potřeba projít klíčové datasety a sjednotit terminologii.
Ve formátu srozumitelném pro člověka i stroj. Žádné merged buňky v Excelu, žádné zkratky bez vysvětlení, žádné hodnoty jako "viz příloha" v poli které má obsahovat číslo. Pokud nedokážete novému zaměstnanci za hodinu vysvětlit, co každé pole v CRM znamená, AI to také nepochopí.
Aktuální. Data stará 3 roky bez aktualizace jsou pro AI spíš šum než signál. Knowledge base pro AI potřebuje proces průběžné údržby, ne jen jednorázový import.
Tři kategorie dat, které musíte mít v pořádku jako první:
- Zákaznická data — kdo je zákazník, co u vás kupuje, jaká je jeho hodnota, kdy naposledy kontaktoval support.
- Provozní data — jak procesy probíhají, kdo co dělá, kde jsou bottlenecky. Pokud je to jen v e-mailech a poradách, není to data.
- Produktová nebo servisní data — co prodáváte, jak se to liší, jaké jsou varianty, ceníky, podmínky. Knowledge base pro AI musí mít zdroj pravdy, ze kterého čerpá.
2. Základní systémy jsou zavedeny a skutečně se používají
AI se napojuje na existující systémy. Pokud systémy nejsou nebo se nepoužívají, není na co napojit. Klíčové slovo je skutečně se používají — systém, ve kterém nikdo nepracuje, je horší než žádný systém.
Základní kategorie systémů se liší podle segmentu:
B2B služby (poradenství, agentury, IT firmy): CRM pro správu obchodních příležitostí (Pipedrive, HubSpot), project management, fakturace propojená s účetnictvím.
E-commerce: E-shop platforma (Shoptet, Shopify), ERP pro objednávky a sklad, skladový systém s reálnými stavy, automatizace plateb, marketingová automatizace. Bez propojení těchto vrstev bude AI pracovat s neúplnými informacemi o zákazníkovi.
Výroba: ERP jako základ (POHODA, Money S4, SAP), plánování výroby, správa skladu surovin i hotových produktů. AI v průmyslu typicky pracuje s daty ze strojů a senzorů — to vyžaduje integrační vrstvu navíc.
SaaS a softwarové firmy: CRM pro sales pipeline, helpdesk pro zákaznickou podporu (Intercom, Zendesk), produktová analytika, billing systém.
Retailová síť: POS systém s centrálním přehledem, centrální skladová evidence, věrnostní program jako datový zdroj o zákaznickém chování.
Začněte od systémů, které generují nebo spravují nejvíce dat o zákaznících a procesech. Ty jsou první na řadě.
3. Procesy jsou zdokumentované a stabilní
AI se učí z toho, jak věci fungují. Pokud proces existuje jen v hlavě jednoho člověka nebo se mění každý měsíc, AI to nezvládne.
Zdokumentovaný proces neznamená 50stránkový manuál. Stačí odpovědi na pět otázek pro každý klíčový proces: Kdo to dělá? Kdy a proč? Jaké jsou vstupy? Jaké jsou výstupy? Co se stane, když to selže?
Doporučuji validovat procesy s firmou specializovanou na procesní optimalizaci ještě předtím, než začnete přemýšlet o AI. Procesní konzultant vidí neefektivity, které interní tým přehlíží, protože si na ně zvykl. AI zavedená na špatný proces ho neoptimalizuje — zautomatizuje chybu. Na konci článku vás s takovou firmou mohu propojit.
4. Ve firmě je člověk, který AI rozumí a táhne to
AI projekty, které pushuje jeden člověk ve volném čase, umírají. Potřebujete interního AI championa s mandátem od vedení, časem a schopností nadchnout ostatní — ne jen přesvědčit.
Zavádění AI mění práci ostatních. Lidé mají přirozený odpor ke změně, zejména pokud ji vnímají jako hrozbu pro svou pozici. Firmy, které AI komunikují jako nástroj, který lidem ulehčí práci, mají dramaticky vyšší adoption rate než ty, které změnu prostě oznámí. Zapojte do pilotu lidi z různých oddělení od začátku.
Co přesně by měl interní AI champion znát a umět — to je téma na samostatný článek: Co potřebuje vědět váš interní AI champion →
5. Vedení to aktivně podporuje a má realistická očekávání
Bez sponzorství na úrovni vedení se AI projekty zastaví při prvním problému. A problémy přijdou — vždy.
Realistická očekávání jsou klíčová. Prvních 6 měsíců je investice — do nastavení, integrace, trénování, iterace. Vedení, které čeká okamžitý ROI, projekt předčasně ukončí ve chvíli, kdy se teprve rozjíždí.
Dobrý test: zeptejte se vedení, jak bude vypadat úspěch za rok. Pokud odpověď je konkrétní (ušetřit 20 hodin týdně na supportu, zkrátit onboarding zákazníka z týdne na dva dny), projekt má šanci. Pokud je odpověď "budeme AI firma" — nejdřív ujasnit cíle.
Jak začít: jeden pilot, ne celá firma
AI nelze zavést instantně na všechno. Každé zavedení by mělo začít jedním konkrétním use-casem — pilotem. Ten ověří přístup, ukáže reálné výsledky a naučí tým pracovat s AI dřív, než vsadíte velký rozpočet.
Jak vybrat správný pilot a proč je tahle fáze důležitá i pro nové procesy a aplikace rozebírám v samostatném článku: Proč každý AI projekt začít pilotem? →
Co si z toho odnést
Checklist na závěr:
✓ Data jsou úplná, konzistentní a ve strukturovaném formátu
✓ Základní systémy odpovídající segmentu firmy jsou zavedeny a používány
✓ Klíčové procesy jsou zdokumentovány
✓ Máte interního AI championa s mandátem a časem
✓ Vedení aktivně podporuje projekt a má realistická očekávání
✓ Máte vybraný jeden konkrétní pilot
Pokud máte všechna pole zaškrtnutá, jste připraveni. Pokud ne — víte co dělat dál.
Pokud si nejste jistí, kde vaše firma stojí, nebo chcete nezávislý pohled na to, co zavedení AI reálně obnáší, rád vám to pomůžu zmapovat. A pokud vaše procesy potřebují práci ještě před AI — mohu vás propojit s partnerem specializovaným na procesní optimalizaci.
/ Pojmy v článku /
