Obchodní analytik v éře AI agentů

AI dokáže během méně než minuty vytvořit osnovu případu užití, během hodiny proměnit jednoduchý nápad v základní prototyp a vyprodukovat dokumentaci požadavků během zlomku času, který dříve trvala. Tento posun je již patrný v každodenní obchodní analýze, kde odborníci používají AI k přípravě sezení na získávání požadavků, tvorbě návrhů požadavků a identifikaci mezer před validací. Pokud se zaměříte jen na tyto výstupy, závěr je zřejmý: obchodní analytik mizí.

S tímto závěrem nesouhlasím. Pracuji v oblasti obchodní a IT analýzy, návrhu řešení a digitální transformace již roky a sleduji neustálé změny a různé fáze adaptace. To, co mizí, není role. To, co mizí, je její periférie. A to je naprosto jiná věc.

Co analytik dělá

Když se zákazníka zeptáte, co potřebuje, řekne vám, co chce. To nejsou vždy stejné věci. Ne proto, že nerozumí vlastní práci – prostě ne vždy dokážou své potřeby dostatečně vyjádřit. Rutinní činnosti často zůstávají neříkány, protože je zákazníci provádějí automaticky každý den. Okrajové případy se snadno přehlédnou, protože si je lidé pamatují jen tehdy, když nastanou.

Připojení mezi odděleními jsou vnímána z osobního úhlu pohledu, ne nutně z perspektivy celku. A když se zákazník rozhodne najednou měnit více systémů, často nevidí, že změna jednoho systému téměř vždy ovlivní i proces.

Úkolem analytika není jen zaznamenat, co zákazník řekl. Úkolem je zjistit, co zákazník neřekl, a neustále klást otázky, dokud se vše neodhalí. Analytik mapuje propojení, závislosti a důsledky napříč systémy, daty a obchodními procesy.

Jedná se o diagnostickou schopnost, nikoli o administrativní činnost.

Tři směry pro obchodní analytiky

Hranice obchodní analýzy nikdy nebyly pevně dané. Analytici se již dlouho přesouvají do oblastí produktového vlastnictví, projektového řízení a technických rolí. AI tuto změnu jen urychluje tím, že snižuje čas potřebný na rutinní výstupy.

Nedávná průzkum Gartneru zjistil, že více než polovina organizací přepracovala nebo redefinovala role kvůli AI, zatímco 78 % vedoucích HR souhlasilo, že pracovní postupy a role budou muset realizovat hodnotu jejich investic do AI.

Z mých pozorování a přímých zkušeností se formují tři hlavní trajektorie.

1. Směřování k produktu a podnikání

Analytici, kteří rádi formují produkty, mohou přejít do širších rolí zahrnujících produktové vlastnictví, obchodní analýzu a koordinaci dodávek. Takové kombinace již existují, zejména v menších týmech. Jak AI snižuje čas strávený tvorbou rutinních artefaktů, hranice mezi těmito odpovědnostmi se pravděpodobně stanou plynulejšími.

To by nemělo znamenat svěřit jedné osobě čtyři role jen proto, že AI umí psát dokumenty. Příležitost spočívá v propojení odpovědností, které již vyžadují stejné pochopení potřeb zákazníka, priorit produktu a obchodních výsledků.

Tento směr také vyžaduje silnější porozumění datům. Analytická práce se často soustředila na procesy, funkčnost a požadavky, zatímco datová vrstva zůstávala v pozadí. AI systémy tuto separaci stále více ztěžují.

Analytik, který rozumí jak obchodnímu kontextu, tak datům, dokáže rozpoznat, kdy model správně odpovídá na špatnou otázku. K tomu může dojít, protože dostupná data situaci nepřesně reprezentují, obchodní definice metriky se změnila nebo původní otázka byla špatně formulována.

AI může téměř komukoli pomoci vytvořit dashboard nebo zprávu. Interpretace toho, co výsledek znamená pro konkrétní podnik v konkrétním okamžiku, stále vyžaduje kontext a úsudek. Forrester popisuje podobnou změnu napříč softwarovými rolemi, kdy AI přesouvá čas od opakované tvorby artefaktů k činnostem jako validace, orchestraci a kontrolu.

2. Směřování k technickému prototypování

Analytici s výraznou afinitou k vývoji mohou být schopni komunikovat se zákazníkem a následně vytvořit funkční prototyp – nejen maketu, ale něco, co zákazník může testovat a ověřovat.

To mění validaci požadavků: zákazníci mohou interagovat s nápadem místo toho, aby se ho snažili interpretovat z dokumentu. Nedorozumění se mohou objevit dříve, zatímco změny jsou stále relativně levné.

Ale prototyp není produkční systém.

Bezpečnost, integrace, škálovatelnost a výkon pod zátěží nejsou vyřešeny heslem „AI mi pomáhá kódovat“. Vytváření podnikového softwaru pro produkci vyžaduje jinou úroveň inženýrských dovedností. Někteří analytici mohou tyto schopnosti postupně rozvíjet a přiblížit se vývoji na úrovni produkce. Je to podstatně náročnější cesta, než naznačuje rychlé prototypování, ale je realistická.

3. Směřování k řízení projektů a dodávek

Analytici již koordinují diskuse se zákazníky, přispívají k odhadům a řeší otázky související s rozsahem, požadavky a změnami. To vytváří přirozený překryv s projektovým řízením.

U menších projektů může jedna osoba kombinovat analytické a koordinační povinnosti, protože obě závisí na pochopení rozsahu, zúčastněných stran a závislostí. To může zkrátit komunikační cesty a usnadnit propojení každodenních rozhodnutí o dodávkách s původní obchodní potřebou.

To neznamená, že projektový manažer je nadbytečný. U větších projektů, kde je koordinace lidí, rizik a závislostí skutečně složitá, zůstává projektové řízení specializovanou disciplínou. Smíšený přístup má smysl jen tam, kde to rozsah umožňuje.

Rozlišení je podstatné. AI může snížit úsilí potřebné k vytvoření plánů, souhrnů schůzek nebo stavových zpráv, ale tvorba těchto artefaktů nikdy nebyla plnou hodnotou projektového řízení.

Co odlišuje ty, kteří v tom vynikají

Všechny tři směry vyžadují, aby analytici překročili známé hranice rolí. Zvídavost jim dává ochotu zkoušet nové nástroje a přístupy. Průběžné učení zabraňuje tomu, co nazývám dluh znalostí: postupnému hromadění zastaralých předpokladů a dovedností, podobně jako technický dluh v legacy systému.

Možná nejdůležitější je však schopnost ověřovat. Analytici jsou zvyklí se ptát „Je to skutečně správně?“ ještě před otázkou „Je to hotovo?“ V prostředí plném plynulých, profesionálně prezentovaných výstupů AI se tato návyk stává cennější.

AI může produkovat nesprávné odpovědi sebejistě a přesvědčivě – vzor, který zdůraznili výzkumníci MIT Sloan jako jeden z hlavních důvodů, proč je lidský dohled stále nezbytný. Její výstupy mohou být strukturované, plynulé a vyladěné.

Selhání nenastává v okamžiku použití AI. Začíná, když se přijme pravděpodobný výstup bez ověření.

Otázka není, zda analytici zmizí

Mnoho článků o budoucnosti role analytika je psáno jako předpovědi. Toto není předpověď. Je to pozorování: role se mění, jak vždy. Tentokrát je rozdílem rychlost – a fakt, že její periférie se stává přístupnou téměř komukoli.

Vývojář může použít AI k provádění analýzy požadavků. Manažer ji může použít k generování uživatelských příběhů. Nemusí to dělat nijak dobře, ale analytik, jehož hodnota spočívá výhradně v tvorbě výstupů, bude mít obtížné období.

To, co zůstává v centru role, je schopnost odhalovat nevyřčené potřeby, propojit obchodní a technické kontexty, ověřovat výstupy a vidět souvislosti, které zákazník nevidí. Podle Zprávy IIBA o globálním stavu obchodní analýzy 2025 uvádí 74 % odborníků, že AI pozitivně ovlivňuje jejich kariéru, zatímco lidské dovednosti jako komunikace, strategické myšlení a přizpůsobivost se stávají důležitějšími.

Otázkou není, zda obchodní analýza zmizí. Otázkou je, co zůstane, když se její periférie stane dostupnou všem.

Odpovědí je úsudek, který se vyvíjí během let praxe, různorodých projektů a zkušeností s neúspěchy. Je to schopnost rozpoznat, že zdokumentovaný požadavek je neúplný, funkční prototyp řeší špatný problém, nebo že vyladěná odpověď spočívá na chybném předpokladu.

To je část obchodní analýzy, kterou nelze rychle získat.