Jaká rozhodnutí vás obvykle čekají při zavedení AI

Přichází ke mně jednatel s tím, že chce zavést AI. Mluvíme chvíli o jejich firmě, procesech, datech. A pak se ho zeptám: „Kdo u vás bude tato rozhodnutí dělat?"

Ticho.

Většina firem přistupuje k AI jako k nákupu softwaru — vybereme dodavatele, podepíšeme smlouvu, nasadíme. Ale zavedení AI je série rozhodnutí, která zásadně ovlivní jak firma funguje. A tato rozhodnutí nelze delegovat na dodavatele ani na IT. Patří vedení.

Build, Buy nebo Integrate?

Toto je první strategické rozcestí a zároveň nejčastější zdroj zbytečně utracených peněz.

Buy znamená koupit hotové SaaS řešení — konverzační AI platformu, AI helpdesk, nástroj pro automatizaci marketingové komunikace. Rychlé nasazení, nižší počáteční investice, ale omezená přizpůsobitelnost a průběžné náklady na licenci.

Build znamená vyvinout vlastní řešení — vlastní AI agent, vlastní knowledge base, vlastní integrace. Plná kontrola, ale vyšší počáteční investice a delší čas do výsledku.

Integrate znamená vzít existující AI nástroje a propojit je s vašimi stávajícími systémy přes automatizační vrstvu. Nejflexibilnější přístup — rychlejší než build, přizpůsobitelnější než buy.

V praxi většina projektů kombinuje všechny tři. Klíčová otázka není „co chceme", ale: co musí být naše, co si můžeme koupit a co stačí propojit?

A nejde vždy jen jedním směrem. U jednoho projektu jsme začali s hotovou platformou pro hlasovou komunikaci (buy) — zprovoznili jsme voicebot za dva týdny, odladili prompt a data v reálném provozu. Teprve pak jsme řešili automatizaci návazných kroků a nakonec integraci do vlastního SaaS produktu (build). Postup buy → integrate → build je v praxi mnohem bezpečnější než rovnou stavět od nuly.

Volba nástrojů — specializace nad generalizmem

ChatGPT je výborný pro osobní produktivitu. Gemini se hodí pro práci s Google Workspace dokumenty. Pro automatizované firemní procesy ale nestačí ani jeden — potřebujete specializované nástroje propojené do funkčního celku.

Místo jednoho generického modelu zvažte sadu specializovaných nástrojů:

• Hlasová komunikace — speech-to-text pro transkripci, text-to-speech pro syntézu, oddělený jazykový model pro zpracování. Každá vrstva lze optimalizovat samostatně.
• Knowledge base a firemní data — RAG architektura kde AI čerpá z vašich vlastních dat, ne z obecného tréninku. Výsledky jsou přesnější a auditovatelné.
• Orchestrace a automatizace — nástroje jako n8n propojí AI komponenty s vašimi existujícími systémy (CRM, ERP, e-mail) bez nutnosti custom kódu pro každou integraci.
• Monitoring a logování — samostatná vrstva pro sledování co AI dělá, jak odpovídá a kde selhává.

Praktický příklad: Chtěli jsme automaticky auditovat konverzace zákaznické podpory — identifikovat opakující se problémy, měřit kvalitu odpovědí, flagovat výjimky. Místo jednoho komplexního řešení jsme propojili tři specializované komponenty: transkripci, analytický model a reporting do dashboardu. Každá část mohla být vyměněna bez dopadu na ostatní.

Architektura která umožňuje výměnu jedné komponenty bez přepisu celku je investice která se vrátí — AI nástroje se vyvíjejí rychle.

Kde zapojit člověka a kde nechat AI rozhodovat?

Většina firem při prvním setkání s AI chce automatizovat vše. To je chyba — ne proto, že AI nestačí, ale proto, že nula lidského dohledu vytváří nekontrolovaná rizika.

Kde lidský dohled smysl dává:

• Komunikace se zákazníkem v citlivých situacích — reklamace, stížnosti, komplexní dotazy
• Finanční a právní dokumenty kde chyba má měřitelné důsledky
• Rozhodnutí o zákaznících kde hrozí regulatorní risk (AI Act EU 2024 explicitně definuje kategorie kde je lidský dohled povinný ze zákona)

Kde naopak zpomaluje bez přidané hodnoty:

• Odpovědi na opakující se dotazy s jasnou správnou odpovědí
• Klasifikace a routing kde chyba má minimální dopad
• Interní drafty a shrnutí jako pracovní materiál

Praktický test: co se stane když AI odpoví špatně? Pokud je oprava snadná — dohled pravděpodobně nepotřebujete. Pokud vzniká právní nebo reputační problém — dohled je nutný.

Governance — kdo to řídí?

Toto rozhodnutí firmy nejčastěji odkládají. A pak za to zaplatí.

AI projekty fungují dobře prvních 6 měsíců — dokud vše řídí zapálený champion. Pak champion dostane jiné priority, knowledge base zastará, nikdo neví kdo může co schválit. Projekt tiše umírá.

Minimální governance framework:

1. AI owner — konkrétní jméno, konkrétní odpovědnost. Ne „IT", ne „všichni".
2. Review cadence — jak často se vyhodnocují výstupy a metriky. Alespoň měsíčně v prvním roce.
3. Data policy — co smí do externích modelů, co ne. Stačí jedna stránka.
4. Incident process — kdo řeší chybu AI a jak.
5. Update process — kdo aktualizuje knowledge base a kdy.

Tato rozhodnutí patří vedení

Dodavatel může navrhnout architekturu. IT může implementovat. Ale rozhodnutí kde zapojit člověka do procesu, co smí jít do externího modelu, kdo nese odpovědnost za AI výstupy — to jsou byznys rozhodnutí se zásadním dopadem.

Firmy, které je dělají vědomě a předem, mají výrazně vyšší šanci na úspěch. Firmy, které je odkládají nebo delegují, obvykle přicházejí zpátky s projektem, který technicky funguje, ale byznysově nepomáhá.

Pokud chcete tato rozhodnutí projít s někým, kdo vidí jak dopadají v různých firmách — rád se na to podívám s vámi.

Domluvit konzultaci →