Když AI jedná, IT stále vlastní důsledky

Výkonní manažeři odpovědní za technologii čelí nepříjemné realitě. Strategie řízení IT, které dříve zajišťovaly kontrolu, odpovědnost a odolnost, již nejsou vhodné pro budoucnost. Nejedná se o selhání vedení nebo disciplíny, ani o izolované chyby. Odráží strukturální změnu v tom, jak technologie funguje a jak jsou učiněna rozhodnutí v moderních podnicích.

V centru této změny je umělá inteligence, která mění nejen nástroje, které organizace používají, ale i samotné mechanismy řízení. AI ne pouze rozšiřuje stávající systémy; mění tempo, rozsah a autonomii, s jakou tyto systémy fungují, a nutí přehodnotit, jak je kontrola stanovena a udržována.

Výzvou již není, jak kontrolovat každou akci. Je to, jak navrhnout zábrany, které umožňují autonomním systémům pohybovat se rychle bez vytváření nepřijatelných úrovní rizika, nákladů nebo neočekávaných důsledků.

Když řízení ztrácí své okno

Po desetiletí spočívalo řízení IT na fundamentálním předpokladu, že systémy fungují v tempu, které umožňuje lidskou kontrolu. Zásady mohly být přezkoumány, rozpočty vyhodnoceny, dodržování předpisů zkontrolováno a výjimky eskalovány, protože vždy existoval čas pro zásah předtím, než se výsledky staly materiálními. I když se organizace rozšiřovaly prostřednictvím vln inovací mobilních, cloudových a Big Data, tento předpoklad většinou platil. Existovalo vždy řízení okno, bod mezi záměrem a provedením, kde mohla být aplikována lidská úsudek, aby tvarovala, zastavila nebo rozšiřovala výsledky.

Tento předpoklad již neplatí. EY’s březen 2026 Technology Pulse Poll zjistil, že 85% technologických lídrů nyní upřednostňuje rychlost na trh pro AI před řízením, signál, že rovnováha mezi kontrolou a rychlostí již začala naklonovat ve prospěch provedení.

A víme proč. AI zavádí autonomní rozhodovací smyčky, které jsou komplexní, propojené a stále více nezávislé na tradičních omezeních, jako je rozpočtování, dodržování předpisů a bezpečnostní dohled. Tyto systémy se nezastavují pro kontrolu nebo čekají na schválení. Jsou navrženy tak, aby neúnavně jednaly, přizpůsobovaly se a dokončovaly cíle, často v reálném čase a v rozsahu, který překračuje lidské chápání, i když mluví s fasádou lidské zdvořilosti. Výsledkem je komprese rozhodovacích cyklů do bodu, kde již není možná smysluplná lidská intervence.

AI mění ekonomiku provedení

V téže době se tato transformace sbližuje s další strukturální změnou, která mění podnikovou technologii. Spotřeba se přesunula od fixních investic k modelům založeným na použití a výsledcích, kde náklady škálují dynamicky s provedením. Menlo Ventures’ prosinec 2025 report, The State of Generative AI in the Enterprise, ilustruje rozsah této změny, uvádějící, že společnosti utratily 37 miliard dolarů za generativní AI v roce 2025, což je 3,2násobné zvýšení oproti předchozímu roku.

V tomto novém prostředí jsou systémy AI optimalizovány pro dosažení výsledků, nikoli pro dodržování předem stanovených omezení. Pursuejí cíle prostřednictvím vzorců spotřeby zdrojů, které jsou intrinsicky obtížné předpovídat. Jedna žádost může spustit kaskádu akcí přes API, interní služby a třetí strany, s finančními a provozními důsledky, které se často stávají viditelnými až po provedení. Co se zdá jednoduché v bodě iniciace, může expandovat do komplexního řetězce interakcí, který již tidak sedí do tradičních rámců rozpočtování nebo řízení.

Kolaps tradičních modelů kontroly

Dopady pro řízení jsou hluboké. Tradiční modely řízení IT spoléhají na známou sekvenci: definovat zásady, předem schválit rozhodnutí, spravovat výjimky a audity výsledků. Každý krok je postaven na předpokladu, že existuje jasná separace mezi záměrem a dopadem. Ale v prostředí řízeném AI, mezera mezi záměrem a dopadem prakticky zmizela.

Zásady nemohou přizpůsobit dostatečně rychle, aby řídily dynamické, reálné provedení. Před schválení se stává nepraktické, když rozhodnutí se rozvíjejí v milisekundách. Výjimky vznikají pouze po tom, co výsledek již propagoval přes systémy. Audity zůstávají možné, ale mohou pouze rekonstruovat události po skutečnosti, často dlouho po tom, co důsledky již materializovaly.

Důkaz tohoto rozpadu je již viditelný. IBM’s Cost of a Data Breach Report zjistil, že 97% organizací, které zažily významné AI související porušení, postrádaly odpovídající kontrolu přístupu pro tyto systémy. Přestože tyto rizika existují, adopce pokračuje ve zrychlení, poháněná vnímanou strategickou hodnotou AI. Historie naznačuje, že tato nerovnováha nebude trvat dlouho. Technologie nikdy nefungovala bez řízení po dlouhou dobu a v průběhu času AI bude vyžadovat nové formy struktury, disciplíny a vynutitelné kontroly, které musí být definovány velmi odlišně od dnešních předpokladů.

Odpovědnost je stále lidská

Toto vytváří rostoucí napětí mezi schopností a odpovědností. AI funguje na strojové rychlosti, zatímco odpovědnost zůstává pevně lidská, omezená tempem, s jakým lidé mohou interpretovat, rozumět a reagovat na výsledky. Představenstvo, regulátoři a akcionáři nebudou akceptovat, že autonomní systémy jednoduše jednaly podle designu jako dostatečné vysvětlení pro selhání. Odpovědnost se nemění s automatizací; zůstává s podnikem a s výkonnými manažery, kteří jsou odpovědní za jeho dohled.

Výsledkem je rozšiřující se propast mezi akcí a odpovědností. Rozhodnutí jsou prováděna rychleji, než mohou být řízena, a často způsobem, který je obtížné stopovat v reálném čase. Současně se zvyšuje závazek vysvětlit, kontrolovat a ospravedlnit tato rozhodnutí, jakmile se jejich objem a dopad zvyšují. Tato propast definuje centrální výzvu, s níž se moderní IT vedení potýká: řízení prostředí, ve kterém nelze předpokládat zásah, náklady jsou inherentně proměnlivé a kontrola nemůže být plně rekonstruována po skutečnosti.

Nová kategorie podnikového rizika

Rychlost a autonomie AI řízených rozhodnutí vytvářejí materiálně odlišný profil rizika. Tyto systémy ne pouze rozšiřují expozici přes známé kategorie, jako je finanční, provozní, právní nebo reputační riziko; mění, jak tato rizika vznikají, škálují a materializují. Finanční expozice může rychle růst, jak spotřeba řízená aktivitou se sčítá v reálném čase. Provozní poruchy mohou propagovat přes propojené systémy, než jsou detekovány. Právní a regulační porušení mohou nastat bez jasného úmyslu nebo stopovatelnosti. Reputační poškození může rozvinout se rychleji, než organizace může reagovat.

Tato rizika již nejsou teoretická. Jedinec může nyní nasadit AI agenty schopné závazků, modifikace systémů a iniciování akcí v tempu, které překračuje schopnost právních, IT nebo finančních funkcí definovat limity, monitorovat chování nebo vynucovat kontroly. Odpovědnost se stává stále obtížnější, jak tradiční mechanismy řízení selhávají při udržení tempa s rychlostí provedení, a rozpočtování se stává méně srozumitelným, jak malé, inkrementální akce se sčítají do materiálních finančních výsledků.

V tomto prostředí budou systémy AI konzistentně sledovat nejefektivnější cestu k dosažení svých cílů. Bez jasně definovaných omezení se tato cesta často odchýlí od očekávání organizace.

Od řízení infrastruktury k návrhu zábran

Tyto skutečnosti mění roli IT vedení. Technologičtí lídři již nejsou pouze správci systémů; spravují autonomní chování v rozsahu. Role IT se posouvá z přímé kontroly infrastruktury k návrhu a vynucení zábran, které definují přijatelné úrovně záměru, rizika a nákladů. Kde IT dříve soustředilo pozornost na zajišťování úložiště, výpočetní kapacity a konektivity, musí se nyní soustředit na tvarování, jak systémy jednají v rámci definovaných hranic, protože budoucnost IT závisí na účinnosti těchto zábran.

Organizace, které selžou při adaptaci, budou mít potíže s provozem na rychlosti požadované zákazníky a trhy. Ty, které uspějí, získají udržitelnou konkurenční výhodu kombinací rychlosti a kontroly. Tento okamžik představuje zlomový bod pro podniky, který určí, jak účinně mohou využít AI k rozšíření produkce, zlepšení výkonu a konkurenci v stále více dynamickém prostředí.

Nakonec zůstává odpovědnost lidská. Organizace, které uspějí, budou ty, které uznají tuto realitu a jsou připraveny v ní fungovat.

Co by měli budoucí CIO dělat dál

Tyto posuny vytvářejí jasnou sadu priorit pro budoucí CIO.

CIO musí zřídit silné finanční a provozní řízení nad AI aktivitou, založené na reálných kontrolách, které spravují náklady, spouštěcí mechanismy a agenticí chování. Tyto kontroly musí zahrnovat vynutitelné mechanismy, jako jsou prahové hodnoty nákladů, stropy využití, a automatizované odstávky, které zabraňují nekontrolované spotřebě, než vytváří materiální finanční dopad.

Současně musí organizace definovat a spravovat základní ekonomiku AI. To vyžaduje sledování základních hnacích sil, jako jsou podněty, modelové volání, agenti a vzorce přístupu, zatímco zajišťuje, že tyto míry jsou přímo vázané na obchodní výsledky, jako je poptávka zákazníků, dodávka služeb, produktivita provozu a růst příjmů.

Řízení musí také zahrnovat kontinuální, reálnou viditelnost do AI aktivity. Stopovatelnost a auditorské schopnosti již nemohou spoléhat na post-event analýzu; musí poskytovat neustálé pochopení, jak systémy fungují, odkud činnost pochází, které modely a agenti jsou zapojeni, a jak jsou zdroje spotřebovány. Tato viditelnost umožňuje organizacím pozorovat chování, jak se rozvíjí, a zasahovat, když je to nutné.

Provedení AI musí být chápáno ne jako jediná událost, ale jako řetězec interakcí a předání, které musí být kontextuálně a kontinuálně sledovány. Jedna žádost může spustit downstream aktivitu přes interní systémy, externí služby a koordinované agenty, zvyšující jak náklady, tak provozní dopad. Účinné řízení proto vyžaduje viditelnost do těchto závislostních řetězců a definic, aby plně pochopilo rozsah provedení.

Jasná vlastnictví a odpovědnost musí být základem všech těchto úsilí. Organizace musí definovat, kdo je odpovědný za budování a nasazování AI systémů, kdo vlastní výstupy, které generují, a kdo je odpovědný za finanční, provozní a dodržování předpisů. Bez explicitního vlastnictví nemůže řízení uspět.

Nakonec musí CIO standardizovat soubor výkonných metrik, které překládají technickou aktivitu do smysluplného obchodního vhledu. Tyto zahrnují náklady na použití modelu, náklady na AI řízený výsledek, celkové AI výdaje pod správou a portfolio-level viditelnost přes modely a agenty. Společně tyto míry poskytují jasný pohled na rozsah a efektivitu AI použití, umožňující informovaná rozhodnutí na nejvyšších úrovních podniku.