Podrobný pohled na fáze adopce AI, které stojí za úspěchem podnikového AI

Každý podnik prochází stejnými fázemi adopce AI, ať už je plánuje, nebo ne. Cesta vede od roztříštěného používání nástrojů přes první piloty až po živou produkci a nakonec ke sdíleným systémům, na které se celé podnikání spoléhá. Každý posun probíhá postupně, takže společnosti obvykle dosáhnou nové fáze ještě dříve, než si ji někdo všimne.

To, co odděluje jednu společnost od druhé, je, jak daleko po této cestě se dostala, a mezera na trhu je velká. McKinseyho globální průzkum 2025 zjistil, že 88 % organizací nyní používá AI alespoň v jedné obchodní funkci, přibližně třetina ji začala rozšiřovat a 7 % tvrdí, že AI je plně rozšířena. To znamená, že téměř každá firma zahájila implementaci AI, ale jen velmi málo z nich v ní uspělo.

V posledních několika letech jsem spolupracoval s vedoucími týmy téměř ve všech bodech této cesty a jeden vzorec se opakoval. Fáze, ve které se společnost nachází, vám řekne víc o tom, co její AI program přinese, než model, který si vybrala, nebo dodavatel, se kterým podepsala smlouvu. Každá z fází adopce AI vyžaduje jiný typ změny v organizaci a právě tato změna předpovídá výsledek. Projděme si je tedy po jedné, včetně místa, kde se firmy často zaseknou při přechodu na další.

Pět fází adopce AI a rozhodnutí, která posouvají společnost vpřed

U společností, se kterými spolupracujeme, se těchto pět fází téměř vždy objevuje ve stejném pořadí. Obvykle to začíná několika lidmi, kteří sami používají AI nástroje, a vedení o tom často neví až později. Některé firmy tuto fázi nikdy nepřekonají. Ty, které to dokážou, nakonec dosáhnou bodu, kdy je samotné podnikání postaveno kolem toho, co technologie dokáže. Důležité je pochopit, že každá fáze vyžaduje od organizace něco jiného. Rozhodnutí, které firmu provedlo pilotní fází, je často stejné rozhodnutí, které ji rok poté brzdí, a právě zde se mnoho AI programů tiše rozpadá.

1. Roztříštěné používání bez vlastníka

První fáze vypadá často jen jako zvědavost. V tomto okamžiku zaměstnanci používají AI nástroje bez centrální politiky, nákupní oddělení o tom nemá přehled a nikdo neměří, co tato práce přináší. V tomto nepořádku leží cenné informace, protože zvědavost na okrajích firmy ukazuje, kde skutečně existuje tření, a tento signál téměř nikdy nedorazí až k vrcholovému managementu formální cestou.

Chyba, kterou zde vedoucí udělají, je příliš brzké formalizování, což promění opravdové experimentování v řízení ještě před tím, než si někdo ujasní, co skutečně stojí za řízení.

Co rozhodnout v této fázi: Správný instinkt je sledovat, co se děje, místo aby se to hned regulovalo, takže zaveďte lehkou politiku používání, která pokrývá zacházení s daty, a zbytek nechte zatím být. Hledáte opakování, protože když se stejný obcházející postup objeví ve třech různých týmech bez koordinace, máte případ užití, který zasluhuje řádné financování.

2. Financované piloty se slabými kritérii úspěchu

Pilot má rozpočet, jmenovaného vlastníka a demo, které se předvede před představenstvem, a pak práce tiše končí. Výzkum iniciativy MIT NANDA zjistil, že drtivá většina podnikových generativních AI pilotů nepřináší měřitelný dopad na zisk a ztrátu.

Tři faktory vysvětlují téměř vše: první je, že kritéria úspěchu jsou postavena kolem přesnosti modelu místo čísla, na kterém podnik skutečně záleží. Druhé je, že pod demem neexistuje žádná reálná datová pipeline. Třetí je, že po ukončení spuštění nikdo neodpovídá za výsledek. Co tuto fázi z vnitřku těžko odhalí, je to, že vypadá jako pokrok – demoa se zlepšují, dodavatelé soutěží o další fázi a výbory se stále scházejí, ale nic z toho se nepřemění na číslo, které by finance mohly kvantifikovat.

Výzva: Neschvalujte pilot bez obchodního ukazatele a vlastníka, který bude za tento ukazatel odpovídat i za rok, a zrušte ty, kde nikdo nedokáže ani jedno pojmenovat. Čtyři piloty řízené tímto způsobem vás posunou dál než dvanáct, které všichni obdivují.

3. Integrace do produkce

Ze všech fází adopce AI je tato ta, která ukončuje největší počet programů. Zaměstnanci i zákazníci nyní denně spoléhají na systém a objevují se požadavky, které žádný pilot nikdy nemusel splnit – od monitorování a lidských eskalačních cest po verzování promptů a modelů, reakci na incidenty a datovou linii, která obstojí při auditu. Rámec pro řízení rizik AI od NIST podrobně popisuje tyto kontroly a stojí za přečtení před stanovením data spuštění.

Problém zde není technický, ale organizační, protože tato fáze odměňuje inženýrskou disciplínu nad dalším experimentováním a tým, který fungoval jako výzkumná skupina, s tím bude mít potíže, zatímco vedení bude hledat technologické vysvětlení. Ekonomika se také mění. Náklady na pilot jsou jednorázové a snadno schvalovatelné, zatímco produkce vytváří trvalou provozní linii a firmy, které na to neplánovaly rozpočet, často považují první žádost o obnovu za důkaz, že investice selhala.

Co je třeba změnit před spuštěním: Přesuňte vlastnictví před spuštění místo po něm, dejte dodání do rukou lidí, kteří už mají zkušenosti s provozem, a financujte provozní náklady na tři roky dopředu. Pak určete osobu, která dostane upozornění, když model degraduje, protože právě toto jméno odděluje fungující systém od demoa.

4. Sdílená schopnost a opětovné využití

V tomto okamžiku se AI promění v infrastrukturu, kterou využívá několik obchodních jednotek. Tým platformy udržuje znovupoužitelné komponenty, standardní způsob hodnocení a cestu nasazení, takže náklady na každý nový případ užití klesají, protože nikdo nebuduje základ od nuly pokaždé.

Nejjasnějším signálem, že firma tuto fázi dosáhla, nemá vůbec nic společného s technologií. Rozpočet přechází z inovativního týmu na vlastníky řádků podnikání a když ředitel divize financuje AI práci z provozního rozpočtu a zahrnuje výnos do svých vlastních čísel, organizace skutečně překročila hranici. Viděli jsme, že tento posun má větší dopad na kvalitu případů užití než jakékoli technické rozhodnutí učiněné ve stejném roce.

Kde by měl být rozpočet: Financujte tým platformy jako infrastrukturu místo jako projekt a měřte jej podle opětovného využití, nikoli podle počtu spuštěných věcí. Pak přesuňte rozpočet AI z inovací do divizí, protože v okamžiku, kdy za něj platí obchodní vlastník, se případy užití zpřesňují bez nutnosti zásahu.

5. AI součástí provozního modelu

Společnosti v této fázi navrhují produkty, procesy a rozhodnutí kolem schopností AI od samého začátku a nic není později dodatečně přizpůsobováno. Nové nabídky předpokládají, že schopnost už existuje, role se mění tak, aby odrážely, co systémy zpracovávají, a plánovací cykly se zkracují, protože nápad lze během několika dnů otestovat na reálných datech.

Velmi málo organizací se sem skutečně dostane a počet, který tuto pozici tvrdí, je podstatně vyšší než počet, který ji splňuje. Test je dost jednoduchý na to, aby se provedl během jednoho setkání: zeptáte se, co by firma přestala dělat, kdyby modely zítra zmizely. Upřímná odpověď je nepříjemná, protože pojmenovává příjem místo pohodlí. Každýkrát, když jsme tuto otázku položili vedení, upřímná odpověď je umístila o jednu či dvě fáze pod to, co prezentace strategického plánu tvrdila.

Otázka na úrovni představenstva: Považujte schopnost AI za strategické aktivum a aplikujte stejnou kontrolu jako na jakékoli jiné. Přezkoumejte koncentraci dodavatelů, závislost na modelech a vlastnictví dat na úrovni představenstva, pak se zeptejte, jaký je záložní plán pro každý proces, který už nefunguje bez modelu, a financujte tento záložní plán dříve, než ho někdo bude potřebovat.

Co se stane, když firma přeskočí fázi: reálný příklad

Viděli jsme dostatek firem a posloupnost je téměř vždy stejná: pilot dopadne dobře, představenstvo ho ocení, všichni chtějí ukázat pokrok a firma přejde od demoa k úplnému nasazení, aniž by se zastavila na integraci do produkce. Nikdo nechce utrácet čtvrtletí za monitorování a vlastnictví, když demo už funguje, takže tuto fázi přeskočí. Jeden z našich klientů tak učinil a stálo ho to více, než očekával.

Co šlo špatně

Klient byl poskytovatelem služeb, který provozoval podpůrnou zátěž, a model zvládal první odpovědi, které dříve řešil jejich tým. Po úspěšném pilotu byl nasazen napříč celou operací a čtyři měsíce vypadalo vše v pořádku. Když jsme přišli a podívali se, co skutečně běží, zjistili jsme, že model není monitorován, takže ho nikdo neinformoval, pokud by odpovědi začaly selhávat. Nebyla zde žádná eskalační cesta pro případy, které by měl člověk zkontrolovat. Tým, který jej vytvořil, přešel na další projekt a vlastnictví nikomu nepřiřadil, a protože pilot byl jednorázový náklad, nikdo nepostavil provozní rozpočet pro něco, co nyní běží každý den.

Co to stálo

Odpovědi skutečně začaly selhávat a kdokoli, kdo by sledoval, by to zachytil brzy, ale nikdo nesledoval, takže to nejprve zjistil zákazník. Oprava modelu byla snadná a trvala asi dva týdny. Získat zpět lidi, kteří na výstupu spolehli, zabralo zbytek čtvrtletí a vedení strávilo většinu toho období hádkami o tom, zda investice do AI byla chyba, přičemž chyba spočívala v tom, jak byl projekt spuštěn.

Co se z toho lze naučit

Monitorování a vlastnictví vypadají jako režijní náklady, dokud je nemáte, a jejich vynechání dělá spuštění levnějším, než ve skutečnosti je. Náklady nezmizí, jen se projeví později jako ztráta důvěry místo jako číslo v rozpočtu.

Jak identifikovat aktuální fázi adopce AI ve vaší firmě

• Dokážete pojmenovat obchodní ukazatel, který každý nasazený model posouvá?
•  Kdo dostane upozornění, když jeden z nich degradují?
• Jak dlouho trvá nový případ užití od požadavku po produkci?
•  Jak velká část vaší AI práce znovu využívá to, co jste již vybudovali?

Jasné odpovědi potvrzují, v jaké fázi se firma nachází. Nejisté odpovědi ukazují přímo na vrstvu, která stojí za další financování, což je stejně cenné mít.

Firmy, které se dostanou dopředu, nejsou nutně ty s nejlepšími modely, ale ty, které upřímně čtou svou pozici a investují do toho, co je posune do další fáze. To je těžší, než se zdá, protože každý tým hlásí svůj vlastní pokrok a nikdo nechce být tím, kdo přizná, že jeho část zaostává. Lídři, kteří to zvládnou, kladou otázky přímo a ověřují odpovědi proti tomu, co skutečně běží.

Každá organizace již patří do jedné z těchto fází, ať už ji někdo pojmenoval, nebo ne. Výhoda patří týmům vedení, které vědí, ve které jsou, a které záměrně financují další krok.