Nejtěžší na podnikové AI je určování priorit, nikoli inovace

Většina organizací má spoustu nápadů, jak využít AI. Jak ale tyto nápady úspěšně proměnit v řešení, která skutečně přinášejí návratnost investic?

Pro vedoucí pracovníky v oblasti obchodu a technologií zní tato otázka jednoduše, její řešení je však překvapivě obtížné: identifikovat, vyhodnotit a správně stanovit priority AI příležitostí, které skutečně vytvoří hodnotu, vyžaduje mnoho práce.

Technologie je sice připravena a nechybí ani kreativita, většina iniciativ v oblasti AI však zpravidla selže ještě před samotnou realizací. Rozdíl mezi experimentováním a zaváděním do praxe je zřejmý: S&P Global zjistila, že organizace v průměru opustily 46 % svých projektů ověření konceptu AI ještě před jejich uvedením do produkčního provozu. Příčinou je, že organizace hodnotí nápady na využití AI dříve, než si plně vymezí problém, který se snaží vyřešit.

Mnohé organizace už mají za sebou fázi experimentování, kdy zkoumají, do kterých oblastí AI investovat a v jakém pořadí. Zavádění AI však nemusí nutně znamenat přínos pro podnikání: průzkum McKinsey o stavu AI v roce 2026 zjistil, že zatímco 44 % organizací nyní uvádí, že AI rozšiřuje napříč celým podnikem, pouze 37 % hlásí jakýkoli měřitelný dopad AI na provozní zisk. Tyto organizace potřebují opakovatelný systém rozhodování, který ještě před přidělením zdrojů rozliší rychle dosažitelné výsledky, strategické příležitosti, nezbytné předpoklady a problémy, které s AI nesouvisejí.

Problém začíná tím, jak přicházejí nápady

Vedení organizací obvykle nedostává nápady na AI jako přehledně vymezené jednotlivé příležitosti. Často přicházejí v balíčcích – jako obsáhlá, neuspořádaná a ambiciózní prohlášení typu: „Potřebujeme AI na pomoc s komunikací, tvorbou reportů, poradami, předáváním znalostí, řízením výkonnosti a možná dokonce i AI agenty, kteří budou řídit naše projekty.“

Takový problém nevyžaduje jeden nápad, ale nejméně šest; každý z nich se zásadně liší rozsahem, složitostí, požadavky na správu i očekávanou hodnotou.

Za jediným prohlášením typu „potřebujeme AI na tvorbu reportů“ se může skrývat:

• Opakující se úkol, který lze automatizovat během několika týdnů
• Proces, který je třeba přepracovat, než s ním AI může pomoci
• Zcela nová schopnost, kterou AI umožňuje vůbec poprvé
• Problém s daty nebo systémy, který samotná AI nedokáže vyřešit

Pokud se ke všem těmto případům přistupuje stejně – se stejnými kritérii hodnocení, časovým plánem a metodou výpočtu návratnosti investic –, vede to ke špatnému určování priorit a plýtvání úsilím. Rychle dosažitelné výsledky zapadnou pod pravidly řízení navrženými pro rozsáhlé iniciativy. Revoluční nápady nikdy nezískají potřebnou podporu vedení. A případy, které s AI vůbec nesouvisejí, spotřebovávají kapacity, jež by měly být využity jinde.

Rámec pro určování priorit AI příležitostí

Organizace potřebují standardizovaný soubor zásad, který jim pomůže určit, které příležitosti jsou vhodné pro řešení založená na AI. Navrhuji následující:

1. Než začnete určovat priority, rozdělte nápady na jednotlivé příležitosti. Kvalita rozhodnutí o AI zcela závisí na kvalitě nápadů, které vstupují do rozhodovacího procesu. Nejdůležitějším krokem je rozdělit obecně formulované požadavky na jednotlivé příležitosti, z nichž každá má jasně stanovený výsledek, jediného odpovědného vlastníka a realistický rozsah. Když se obecné nápady posuzují tímto způsobem, lze z několika úvodních prohlášení vytvořit řadu konkrétních příležitostí, které lze ohodnotit. Některé lze ihned pilotně ověřit. U jiných bude možná nejprve třeba splnit nezbytné předpoklady. Některé se AI vůbec nemusí týkat.
2. Typ určuje způsob řízení. Skóre určuje pořadí. Typ potřebného řešení AI, které má pomoci vyřešit obchodní problém, a jeho skóre (neboli potenciál vytvářet hodnotu) jsou dvě zcela odlišné otázky, které většina procesů určování priorit nesprávně slučuje. O jaký typ příležitosti jde? O automatizaci úkolu, přepracování procesu, zcela novou schopnost AI, nebo něco jiného? Odpověď určuje, jak se má příležitost řídit: jaký bude schvalovací proces a časový plán a jak se bude měřit její přínos. Její srovnání s ostatními příležitostmi pak určuje, kdy se jí věnovat. Rychlá automatizace i taktická schopnost AI mohou být přínosné. Nikdy by však neměly podléhat stejnému způsobu řízení.
3. Než vyberete technologii, definujte problém. Jednou z nejčastějších pastí při zavádění AI je příliš rychlý přechod k otázkám týkajícím se modelů, platforem nebo dodavatelů. Lepší je začít pochopením samotného problému: koho se týká, co způsobuje potíže a jaký výsledek je třeba zlepšit? Na tomto rozlišení záleží, protože organizace mohou své strategii v oblasti AI důvěřovat, a přesto postrádat základní schopnosti potřebné k jejímu uskutečnění: průzkum společnosti UST z roku 2026 zjistil, že 44 % vedoucích pracovníků podniků označilo kvalitu dat za překážku zavádění AI. Pokud se o technologiích začne diskutovat dříve, než se dosáhne shody v těchto základních otázkách, bývá na to obvykle příliš brzy. Když se úvodní rozhovory zaměří na problém, následná rozhodnutí o technologiích mohou být mnohem jasnější.
4. Výslovně uvádějte překážky stejně jako příležitosti. Vysoké skóre samo o sobě nestačí. Nápad s velkým potenciálem a podporou vedení, kterému však brání zásadní překážka proveditelnosti, například chybějící data, nevyřešená závislost na jiném systému nebo omezení vyplývající z předpisů, by měl být v roadmapě viditelně označen, ale nemělo by se podle něj začít jednat, dokud překážka nebude odstraněna. Řízení a dodržování předpisů už patří k nejvýznamnějším překážkám rozšiřování využití AI: průzkum společnosti Moody’s z roku 2025 zjistil, že 33 % respondentů označilo nejistotu v oblasti regulace nebo riziko nedodržení předpisů za problém při zavádění AI v širším měřítku, zatímco 30 % uvedlo jako problém obtížnou integraci AI se zastaralými systémy. Příležitost může například dosahovat vysokého skóre ve všech dimenzích kromě proveditelnosti, protože její uskutečnění závisí na tom, zda jiný tým vyřeší nedostatek dat. Taková položka může zůstat v roadmapě jasně označená a připravená k dalšímu postupu, jakmile se závislost vyřeší.
5. Udržujte roadmapu přizpůsobivou. Technologické možnosti se vyvíjejí, obchodní priority se mění a v čase se proměňují i závislosti. Kvalitní portfolio by mělo umožňovat snadné přehodnocení jednotlivých příležitostí podle toho, jak se mění okolnosti, aniž by bylo nutné celý plán vytvářet znovu. Roční plánovací cykly bývají pro oblast, která se vyvíjí tak rychle, příliš nepružné.

Jak to uvést do praxe

Pozoruhodné je, že samotná AI může pomoci tento rámec uvést do praxe. Organizace mohou využít například specializované dovednosti AI a nenáročné aplikace pro správu roadmap, které vedoucí pracovníky provedou sběrem návrhů příležitostí, jejich rozložením na jednotlivé části, klasifikací, bodovým hodnocením a stanovováním priorit. Místo toho, aby se organizace spoléhaly výhradně na workshopy a ruční moderování, může AI procházet nestrukturované nápady, identifikovat jednotlivé příležitosti, navrhovat upřesňující otázky, zpochybňovat předpoklady a připravovat strukturovaná hodnocení příležitostí k posouzení.

Tato hodnocení pak lze převést do centralizované roadmapy, kde se napříč organizací jednotně spravují příležitosti, závislosti, překážky a priority. Vedoucí pracovníci získají přehled o tom, jaké příležitosti existují, které jsou připravené k dalšímu postupu a u kterých je třeba nejprve splnit určité podmínky nebo provést další posouzení. Tím se debata mění z otázky „Jaké máme nápady?“ na otázku „Čemu bychom se měli věnovat nejdřív?“

Díky tomu mohou být schůzky zaměřené na stanovování priorit mnohem produktivnější. Vedoucí pracovníci na ně přicházejí poté, co už si promysleli základní otázky, takže se diskuse může soustředit na sladění priorit a rozhodování, místo aby se začínalo od nuly.

Místo správy nápadů na využití AI prostřednictvím nesourodých tabulek a schůzek mohou organizace vytvořit opakovatelný systém rozhodování, který průběžně vyhodnocuje příležitosti a určuje jejich priority podle toho, jak se vyvíjejí obchodní potřeby a technologické možnosti.

Co to znamená pro podnikovou AI

Organizace, které budou díky AI vytvářet dlouhodobou hodnotu, nemusí být nutně ty, které mají nejvýkonnější modely nebo největší rozpočty. Jsou to ty, které si vybudují schopnost důsledně vyhodnocovat příležitosti spojené s AI ještě předtím, než na ně vyčlení zdroje. Stále více jde o disciplinované investování: výzkum společnosti Deloitte z roku 2025 o návratnosti investic do AI zjistil, že většina organizací uvedla, že u typického případu využití AI dosáhla uspokojivé návratnosti investic během dvou až čtyř let, zatímco u technologických investic se očekává doba návratnosti sedm až 12 měsíců.

To znamená pomáhat vedoucím pracovníkům rozdělit obecné nápady na jasně definované příležitosti ještě předtím, než se začne jednat, a zároveň technickým týmům ponechat prostor k ověřování předpokladů a včasnému odhalování možných problémů. Znamená to také udržovat roadmapu, která zohledňuje překážky, závislosti i příležitosti, jejichž využití může dávat větší smysl později.

V konečném důsledku závisí vytváření hodnoty prostřednictvím podnikové AI na více než jen na modelech či agentech, které organizace zavádí. Rozhodující je uvážlivě volit, kde, kdy a proč je používat.