Komentář: Chtějí AI, ale nevědí proč. Firmy v inovacích tápou, chybí jim vize i konkrétní využití

| Petr Kameník
Komentář: Chtějí AI, ale nevědí proč. Firmy v inovacích tápou, chybí jim vize i konkrétní využití

Umělá inteligence dobývá české firmy. Zatímco zaměstnanci už běžně k práci používají nástroje jako ChatGPT, Stable Diffusion a jiné, vedení přemýšlí, jak s pomocí AI práci zrychlit a zjednodušit. Jenže ne každý nápad skončí pozitivním výsledkem. Přestože firmy utrácejí statisíce nebo dokonce miliony korun ročně za nejnovější technologie, často končí bez jasného výsledku a praktického přínosu. Proč české firmy v honbě za AI pálí zbytečný čas a peníze? A jak správně s umělou inteligencí pracovat, aby se ekonomicky vyplatila?

Narážíme na to dnes a denně – přijdeme do firmy, ve které se AI s nadsázkou skloňuje v každé druhé větě. Management nadšeně mluví o nejnovějších technologiích, má načtené články, naposlouchané podcasty. V AI vidí klíč k vyšší efektivitě a na její nasazení má připravený zajímavý rozpočet. Když se však zeptáme, jaký konkrétní byznysový problém s pomocí umělé inteligence chtějí řešit, nastává často ticho.


Slepý hon za AI

Mnoho firem se totiž žene za trendem „dělají to tak všichni, udělejme totéž, jinak nám ujede vlak“. Tyto firmy často nemají jasnou IT strategii a nevědí, jak jim má AI pomáhat. A přestože si na zavedení umělé inteligence vyhradí budget, na trénování vlastního modelu nemají ani prostředky, ani data. Například nahradit obchodníka s dvacetiletou zkušeností umělou inteligencí zkrátka není úplně jednoduché a řekl bych, že pro mnoho českých firem je to přímo nereálné. Tehdy se firma musí podívat po jiných možnostech, jak si s pomocí AI práci a byznys usnadnit.


Když chce firma nasadit umělou inteligenci, existují v zásadě tři cesty, kterými se může vydat. První variantou je trénovat vlastní model. To je, jak jsem již řekl, poměrně komplikované až nereálné. Trénování totiž vyžaduje obrovské množství kvalitních dat a výrazně vyšší investici. Pro většinu společností je proto takový scénář bohužel finančně i technologicky nedosažitelný. Druhou možností je přizpůsobit již existující model konkrétním požadavkům firmy, tedy jakýsi „fine-tuning“. Existují kvalitní open-source modely, které je ale stále potřeba nasytit daty. Proto je i tento přístup stále poměrně nákladný – už jenom samotný hardware a infrastruktura vyjdou minimálně na milion korun – a vyžaduje zkušený tým, který model nadále trénuje. 


Třetí a nejjednodušší cesta je augmentace, tedy využití hotového nástroje s vestavěnou AI. Na tomto principu stojí naprostá většina „AI produktů“, což jsou většinou známé augmentované modely obalené do hezkého UI. Takový nástroj už dovede vykonávat určité úkoly a firmy ho pouze „nasměrují“ podle svých potřeb. Pod tím si můžete představit třeba hlasového robota na zákaznické podpoře, který dovede odbavit jednodušší požadavky. Na tomto principu stojí naprostá většina AI produktů, včetně našeho systému Balzaq, který jsme vycvičili pro svoje e-commerce klienty, kteří potřebují vygenerovat a přeložit veškerou textaci u nabízených produktů do cizích jazyků. Pro e-shop, který nabízí čtyři varianty produktů v šesti různých jazycích, to znamená přeložit statisíce popisků. AI to zvládne automaticky a šetří tak firmě třeba 80 % nákladů. Přestože je potřeba, aby texty následně zkontroloval zkušený editor, stále AI dovede ušetřit drtivou většinu peněz, které by jinak stála armáda copywriterů a překladatelů.


Chybí use casy i schopnost popsat problém

Firmy si také nedovedou představit, jaké mají od AI očekávat výsledky. Důvodem je, že pro svůj byznys nemají hypotézy ani know-how. Limituje je to, že nedokážou identifikovat vhodný use case ani technologii, kterou na něj použít. Stačí přitom jít po malých krůčcích. My jsme při vývoji Balzaq například potřebovali zjistit, jaká je úspěšnost modelu při překladu textů do němčiny. Bavíme se o procentuálních rozdílech, které ale znamenají desítky hodin ušetřené práce. Bohužel situace je o to složitější, že neexistuje srovnání modelů na základě use casů pro byznys. Máme k dispozici pouze technická data, co jaký model udělá, ale není srovnání třeba pro čtení dokumentů, nebo dlouhodobá stabilita, abychom za pár měsíců stále dostávali konzistentní výstupy ve všech jazycích.


Ve finále záleží pouze tom, nakolik je činnost složitá a jakou kvalitu výsledku firma očekává. Experta s 20 lety zkušeností sice nenahradíme, ale umíme mu dát asistenta. Rád proto přirovnávám AI ke cvičené opičce, která nikdy nebude virtuosem, ale pokud jí dáme flašinet (tedy nástroj, který rozšíří její schopnosti), může z toho být pěkné vystoupení. Navíc lidé, kteří umějí někoho vést, umějí většinou dobře pracovat i s umělou inteligencí. Aby s ní firma dokázala pracovat, využíváme proto proof of concept (PoC). Zákazník chce například pomocí umělé inteligence ulehčit HR pro sumarizaci životopisů a jejich třídění. Potřebuje tím vším provést, protože se nedokáže orientovat v množství produktů a řešení. Na výběr má třeba ze tří čtyř možností a nedokáže vybrat tu, která povede k nejlepšímu výsledku. PoC nám řekne, jestli bude klient schopen řešení efektivně používat a zda jej dokážeme vytrénovat tak, aby dával požadované výsledky.


K AI přistupujte jako k novému softwaru

Osobně si myslím, že by si firma měla hned na začátku nastavit správný mindset. Klíč k tomu, aby jí AI přineslo úsporu nebo zisk, totiž nespočívá v samotné technologii. Je potřeba se spojit s někým, kdo rozumí jak možnostem AI, tak byznysu. Má smysl do této technologie investovat? Jaký problém mi AI vyřeší? A jaké úspory nebo zisk mi potenciálně přinese? Nad zavedením umělé inteligence je zkrátka potřeba přemýšlet stejně, jako když nasazujete nový software. Stejně tak je potřeba pracovat i s týmem – srozumitelně mu vysvětlit, proč se technologie zavádí, a ukázat její praktické přínosy. A především ho zbavit obav, že by je v jejich práci zastoupila.


Přesně takový přístup volíme i my. Když nás osloví klient, využíváme proof of concept. Klient potřebuje někoho, kdo ho provede velkým množstvím řešení a ukáže mu to, které mu v jeho situaci nejlépe pomůže. Porovnat jednotlivé modely, otestovat je a rozseknout dilema, na které by jinak byla firma sama. Co z toho plyne? Že neexistuje ucelené srovnání jednotlivých modelů na základě use casů pro daný byznys. Je proto třeba začít u jádra firmy, vyjít z jejích interních procesů, otestovat možné varianty a teprve tehdy zkusit první implementaci. A když jedna z variant splní svůj účel, správně ji adaptovat napříč firmou.


Klíčové je chápat AI jako nástroj pro budování byznysu, nikoli jako cool technologickou hračku. Budoucnost v tomto směru podle mého patří těm, kteří dovedou umělou inteligenci využít strategicky a smysluplně. Nikoli těm, kteří jen slepě následují módní trendy.



Tento článek zveřejňujeme se souhlasem autora Petra Kameníka (COO PUXdesign) a redakce portálu AICrunch, kde byl původně publikován dne 30. 3. 2025. Originální verzi najdete zde

Buďte v obraze ve světě webů a e-shopů
Přihlaste se k odběru našeho newsletteru

Každé 3 měsíce vám pošleme oběžník s horkými informacemi ze světa vývoje a webdesignu, novinkami v e-commerce sféře i akčními nabídkami pro ještě lepší web.
Přihlášením k newsletteru souhlasíte s našimi zásadami zpracování osobních údajů.

Umíme vše, co je pro váš projekt potřeba

Nebo vás nejprve zajímá, jak to u nás vypadá?

Zákulisní informace i to, na čem zrovna pracujeme, sdílíme na sociálních sítích. Sledujte nás.