Scott Ernst, generální ředitel společnosti Vyond – série rozhovorů

Technologické společnosti jste opakovaně provázel zásadními změnami – od pomoci s růstem Compete, od startupu v počáteční fázi až po akvizici, přes uvedení Macromill na burzu až po pozdější přesměrování Driftu k umělé inteligenci před jeho akvizicí společností Salesloft. Když se nyní ujímáte vedení Vyond v době další zásadní technologické změny, jaké poznatky z těchto zkušeností ovlivňují váš přístup k éře umělé inteligence?

U každé z těchto změn jsem pozoroval stejný vzorec: technologická změna bývá jen zřídkakdy tou nejtěžší částí. Nejtěžší je přimět organizaci, aby se po zřejmém nástupu změny vydala společným směrem. V Compete jsem se naučil, jak důležitá je disciplína: vybudovat z malé základny lídra v dané kategorii vyžaduje neúnavné soustředění na několik věcí, které skutečně posouvají podnikání, nikoli snahu využít každou příležitost. V Macromill mě zkušenost s globálním růstem a uvedením společnosti na burzu naučila, že růst bez důsledného řízení se dříve či později zhroutí… K růstu stejným tempem jako podnikání potřebujete reporting, prognózování a správu a řízení společnosti.

Zkušenost z Driftu se nejvíce vztahuje k tomu, co se děje právě teď. Když byl spuštěn ChatGPT, měli jsme už vlastní proprietární produkt založený na umělé inteligenci a naším prvním instinktem bylo chránit ho. Místo toho jsme se rozhodli pro náročnější krok: otevřít se a přesměrovat celou společnost na generativní umělou inteligenci, protože jsme věřili, že se trh vyvíjí rychleji, než dokážeme svou konkurenční výhodu ubránit. Nebylo to produktové rozhodnutí, ale rozhodnutí vedení, které vyžadovalo přesvědčení a správné načasování.

Do Vyond jsem si přenesl poznatek, že při skutečné změně platformy vítězí ani ne nejopatrnější, ani nejbezhlavější společnosti. Vítězí ty, které dokážou rychle sjednotit celou organizaci kolem jasného názoru a poté jednat s opravdovou naléhavostí. Přesně tak nyní postupujeme: zjišťujeme, co dnes skutečně platí, utváříme si pevné přesvědčení o tom, kam trh směřuje, a přivádíme celou společnost ke společnému cíli, než se tato příležitost uzavře.

Generativní umělá inteligence výrazně usnadnila podnikům tvorbu obsahu, vy ale tvrdíte, že větší výzvou je nyní uvádění znalostí do praxe. Co to v praxi znamená a proč se domníváte, že samotné generování obsahu řeší jen malou část problému?

Generativní umělá inteligence odstranila největší historickou překážku při tvorbě obsahu: dříve bylo potřeba odborníka, produkční proces a značný časový předstih. Dnes může téměř kdokoli v organizaci během několika minut něco vytvořit. To je skutečný průlom, zároveň to ale znamená, že každé oddělení – od marketingu, personalistiky, prodeje a IT až po vzdělávání a rozvoj zaměstnanců (L&D) – nyní vytváří obsah samostatně, často o týchž základních znalostech, pomocí různých nástrojů a bez společného systému, který by sloužil jako jediný zdroj pravdy.

Uvádění znalostí do praxe se netýká ani tak tvorby dalšího obsahu, jako spíše toho, aby lidé dokázali najít a použít správné informace: věděli, kde se nachází jejich důvěryhodná a aktuální verze, kdo za ni odpovídá, zda je schválená a jak se dostane do pracovních postupů, v nichž ji lidé skutečně potřebují – do systému LMS, CRM, seznamu úkolů při zaškolování a nástroje pro sledování souladu s předpisy. Bez této vrstvy nastává to, čemu říkám komunikační chaos: obsah se duplikuje, standardy značky se rozcházejí, týmy znovu vytvářejí materiály, které už existují, a nikdo nedokáže s jistotou říct, která verze je ta správná. Velká část tohoto chaosu přitom začíná ještě dříve, než si lidé uvědomují – ještě před vytvořením jediného materiálu, když nikdo skutečně neověřil, kdo je jeho cílovou skupinou, jaký je jeho cíl nebo z jakých zdrojových materiálů měl požadavek vycházet.

Generování obsahu odpovídá na otázku: „Dokážeme to rychle vytvořit?“ Jde o skutečný problém, který umělá inteligence z velké části vyřešila. Uvádění znalostí do praxe odpovídá na otázku: „Dokáže správný člověk ve chvíli, kdy to potřebuje, najít správnou a důvěryhodnou verzi v nástroji, který už používá?“ Tento druhý problém je větší, má hlubší systémovou povahu a v celém odvětví zdaleka není vyřešen. Právě v tom spočívá skutečná příležitost, která před námi leží.

Podniky hromadí obrovské množství dokumentů, dat, souhrnů vytvořených pomocí AI a institucionálních znalostí. Kde podle vás dochází k největšímu selhání mezi přístupem k těmto informacím a jejich skutečným předáváním způsobem, kterému zaměstnanci rozumějí a podle kterého mohou jednat?

Problém není v přístupu… většina podniků už má více informací, než dokáže kterýkoli jednotlivec zpracovat. Jde o transformaci a důvěru. Znalosti jsou uloženy v rozsáhlých, statických formátech, jako jsou soubory PDF, prezentace, wiki a interní dokumenty se zásadami; ty jsou vytvořeny pro ukládání a vyhledávání, nikoli pro rychlé pochopení. Převést je do podoby, kterou člověk skutečně dokáže vstřebat a využít, vyžaduje transformační krok, do něhož většina organizací systematicky neinvestuje.

Jasně jsem si to uvědomil při rozhovoru s viceprezidentem pro podnikovou marketingovou technologii u zákazníka, technologické společnosti z žebříčku Fortune 100. Jeho problémem nebyl nedostatek informací, ale to, že různé části velmi rozsáhlé organizace řešily stejné komunikační problémy izolovaně a nekonzistentně. Znalosti, které někde ve firmě existovaly, se tak nikdy spolehlivě nedostaly k lidem, kteří je potřebovali, a to v podobě, kterou mohli využít. Jak to vyjádřil, v tak velké společnosti spolu pravá a levá ruka zkrátka nekomunikují.

Právě v tom spočívá skutečná mezera: podniky mají spoustu dat, ale příliš málo poznatků. Řešením není více obsahu ani větší úložiště, ale důsledný přístup a stále častěji také systém, který převádí surové institucionální znalosti do srozumitelné, vizuální a důvěryhodné komunikace a směruje ji do pracovních postupů, v nichž se skutečně přijímají rozhodnutí.

Jakmile budou agenti AI schopni samostatně převádět znalosti o firmě do podoby školení, podpory prodeje, obsahu pro oblast dodržování předpisů nebo interní komunikace, co by mělo zůstat pod lidskou kontrolou a kde mohou podniky bezpečně povolit agentům samostatnou činnost?

Obecně platí, že práci by měli vykonávat agenti a úsudek by měl zůstat na lidech, zejména tam, kde může mít chyba závažné důsledky. U méně rizikových, rozsáhlých a opakujících se úkolů, jako je příprava prvních návrhů, převedení znalostí do nového formátu, přizpůsobení již schváleného obsahu pro nový jazyk nebo region či aktualizace školicího modulu po změně zdrojového dokumentu, mohou a měli by agenti pracovat s velkou mírou samostatnosti. Právě taková práce dnes zabírá obrovské množství času, přestože má jen velmi malou strategickou hodnotu.

Lidská kontrola musí zůstat pevně zachována všude tam, kde obsah představuje právní, regulační, bezpečnostní nebo reputační riziko pro značku. V takových případech musí člověk provést závěrečnou kontrolu před zveřejněním čehokoli a původní podkladové materiály musí být plně dohledatelné.

Sami jsme to přímo zažili u zákazníka z obranného sektoru. Jeho bezpečnostní tým zpočátku vůbec nechtěl povolit používání AI v pracovních postupech vzhledem k citlivé povaze jeho činnosti. Řešením nebylo dát agentovi větší samostatnost, ale nastavit správné pojistky: uzavřít zvláštní dohodu, která zaručovala, že jejich data nebudou nikdy použita k trénování externích modelů, a stanovit jasné kontrolní body, v nichž si jejich vlastní týmy ponechaly schvalovací pravomoc. Takový přístup bych zobecnil: míra samostatnosti agenta by měla růst úměrně tomu, nakolik je úkol vratný a málo rizikový, zatímco míra lidské kontroly by měla odpovídat závažnosti případných důsledků pro důvěru, dodržování předpisů nebo značku.

Správa značky se výrazně komplikuje, když lze automaticky vytvářet tisíce obsahových materiálů. Jaká technická a organizační opatření budou podniky potřebovat, aby komunikace vytvářená pomocí AI zůstala přesná, jednotná a v souladu s firemními zásadami?

Z technického hlediska jsou nejdůležitější taková opatření, která zajistí, aby výstupy vytvořené pomocí AI vycházely z vlastních schválených podkladů a systému značky dané společnosti, místo aby se generovaly bez omezení. Platforma musí sama vynucovat dodržování pokynů pro styl, prvků značky a nastavených omezení, nikoli spoléhat na to, že si je jednotliví uživatelé zapamatují. Schválené logo, barvy, šablony a referenční záběry proto musí být přímo v platformě, aby každý vytvořený materiál vycházel ze stejného zdroje, a ne z verze, která zrovna leží někomu na počítači. Stejně důležité jsou správa verzí a auditní záznamy: pokud je obsah vytvořen, upraven nebo schválen, musí podnik být schopen dohledat, kdo o něj požádal, z jakého zdroje vycházel a kdo ho schválil. Recenzenti a další zainteresované osoby, nejen člověk obsluhující nástroj, musí mít také možnost přidávat komentáře a schvalovat obsah přímo v rámci stejného pracovního postupu. Schvalování pak neprobíhá v odděleném e-mailovém vlákně, které narušuje právě tu auditní stopu, již se snažíte vytvořit.

Z organizačního hlediska je klíčovým opatřením jasné určení odpovědnosti. Podniky, se kterými spolupracujeme a které tuto oblast dobře řídí, upustily od přístupu, kdy si každý tým samostatně zavádí vlastní nástroje a postupy. Místo toho ke své komunikační platformě přistupují jako k systému evidence: přístup se uděluje uvážlivě, využívání se sleduje souhrnně a malý tým pověřený správou stanovuje standardy, podle nichž postupují všichni. Viděli jsme, že velké organizace výslovně posuzují, zda se platforma může stát jejich standardním celopodnikovým systémem, a to právě z tohoto důvodu: jen tak lze dosáhnout jednotnosti ve velkém měřítku, namísto tisíců samostatných obsahových materiálů, které jsou každý sám o sobě „dost dobré“, ale ve skutečnosti si navzájem odporují.

Základní princip je stejný jako vždy při řízení značky, jen se nyní uplatňuje v mnohem větším měřítku a rychlejším tempu, což znamená, že ochranná opatření musí být součástí systému, nikoli se vymáhat až dodatečně.

Halucinace jsou u chatbotů znepokojivé, ale jejich důsledky mohou být mnohem závažnější, pokud se nesprávné informace promítnou do školícího videa nebo videa o dodržování předpisů, které působí autoritativně. Jak by měly podniky přistupovat k opírání obsahu o zdroje, jeho ověřování a dohledatelnosti původu v době, kdy se komunikace vytvářená pomocí AI stále více automatizuje?

Máte pravdu, sázky jsou v tomto případě jiné. Odpověď s halucinovanými informacemi v okně chatu lidé hned zpochybní. Halucinovaný fakt zasazený do propracovaného, profesionálně vytvořeného videa o dodržování předpisů působí natolik autoritativně, že je méně pravděpodobné, že ho lidé zpochybní, což je přesný opak toho, jak by to mělo být, protože právě zde by kontrola měla být nejpřísnější.

Prvním principem musí být opírání obsahu o zdroje: komunikace vytvářená pomocí AI by se měla omezovat na materiály, které podnik skutečně poskytne… na vlastní dokumenty, vlastní zásady a vlastní schválená data, nikoli na obecné znalosti modelu.

Druhým principem je dohledatelnost původu: u každého vytvořeného obsahu by mělo být možné zjistit, z jakého konkrétního zdroje vychází, aby bylo v případě chyby možné přesně určit, odkud se informace vzala, a opravit ji přímo u zdroje, nikoli pouze záplatovat výsledný obsah.

Třetím principem je ověřování: kontrolní body musí být součástí samotného pracovního postupu, nikoli se do něj přidávat dodatečně. Člověk provádějící kontrolu by měl vidět i průběžné kroky, nejen hotové, propracované video, protože právě propracovanost ztěžuje odhalování chyb. V praxi to znamená projít kompletní osnovu nebo pracovní střih scénu po scéně ještě před vytvořením finálního, nákladnějšího výstupu, aby bylo možné chybné údaje nebo tvrzení neodpovídající značce zachytit v době, kdy je jejich oprava ještě snadná a levná. V této oblasti je namístě opatrnost podniků. Proto si jejich důvěru nezískají platformy, které jsou nejrychlejší, ale ty, které opírání o zdroje, dohledatelnost a kontrolu začlení do samotné struktury fungování systému, místo aby je nabízely jako volitelné nastavení

Čtvrtou vrstvou je průběžné vyhodnocování, nikoli jen závěrečná kontrola. U agentního systému nestačí zkontrolovat hotové video. Chceme mít přehled o tom, jak k němu agent dospěl. Průběžně sledujeme jeho výstupy i rozhodnutí, která během práce činí, a ověřujeme, zda zůstávají v souladu se zdrojovými dokumenty a znalostní bází zákazníka i s původním záměrem. Díky tomu můžeme zachytit odchylky nebo pokles kvality výstupu už během tvorby videa, místo abychom na problém přišli až po jeho dokončení.

Systémy AI se stále častěji přímo propojují s podnikovými znalostními bázemi a pracovními postupy. Očekáváte, že se příští generace komunikačních platforem stane rozhraním mezi podnikovými daty, agenty AI a zaměstnanci, namísto pouhých nástrojů pro tvorbu obsahu?

Ano, myslím, že tato změna už probíhá. Tvorba obsahu byla prvním a nejzřejmějším problémem, který měla AI vyřešit, protože představovala nejviditelnější úzké hrdlo. Jakmile však tvorba přestane být překážkou, cennější pozicí bude rozhraní mezi podnikovými znalostmi… CRM, LMS, systémy pro správu zásad, interními wiki a lidmi, kteří potřebují tyto znalosti převést do podoby, kterou mohou skutečně využít.

To je podstatně odlišná role než role nástroje pro tvorbu. Nástroj pro tvorbu čeká, až mu někdo zadá požadavek. Rozhraní je součástí pracovních postupů, v nichž už znalosti existují, rozumí tomu, co se změnilo, a pomáhá předat správnou komunikaci správné osobě, aniž by ji někdo musel pokaždé iniciovat.

Už nyní vidíme první známky toho, že podniky přesně o tohle stojí. Velcí zákazníci se nás stále častěji neptají, zda pro ně můžeme být nástrojem pro tvorbu videí pro jeden tým, ale zda se můžeme stát standardním systémem pro celou jejich organizaci. Převod institucionálních znalostí do podoby srozumitelné komunikace by umožnil zapojit i zaměstnance mimo hlavní tvůrčí tým — například z právního oddělení, oddělení pro dodržování předpisů, regionálních týmů a řadových vedoucích — aniž by potřebovali plnou licenci nebo museli absolvovat náročné školení.

Tuto změnu urychlují také vznikající otevřené protokoly, jako jsou MCP a A2A. MCP poskytuje agentům AI standardizovaný způsob, jak získávat důvěryhodný kontext z vlastních nástrojů a systémů záznamů podniku, zatímco A2A umožňuje spolupráci specializovaných agentů z různých platforem. V praxi to znamená, že platforma, jako je ta naše, nemusí vlastnit každý pracovní postup ani veškerá podniková data, aby byla užitečná. Může se napojit na systémy, kterým už společnost důvěřuje, spolupracovat s dalšími agenty tam, kde to dává smysl, a soustředit se na to, co umíme nejlépe: převádět tento kontext do komunikace, které lidé skutečně rozumějí a podle níž mohou jednat. To je posun od tvorby obsahu ke komunikační infrastruktuře a očekávám, že tímto směrem se bude vyvíjet celé odvětví.

Vyond už působí v organizacích v oblastech vzdělávání a rozvoje zaměstnanců, personalistiky, podpory prodeje, dodržování předpisů a interní komunikace. Kterou z těchto oblastí podle vás agentní AI promění nejvýrazněji a jak by mohly pracovní postupy vypadat, až budou agenti schopnější?

Za oblasti s největším prostorem pro změnu bych označil compliance a vzdělávání a rozvoj, právě proto, že dnes nejvíce trpí zastaráváním. Školení v oblasti compliance se obvykle připraví jednou a aktualizuje se jen pomalu, v ročním nebo dvouletém cyklu, přestože se zásady, předpisy a rizika průběžně mění. Jakmile budou agenti schopni spolehlivě sledovat zdrojový dokument se zásadami a rozpoznat, co se změnilo, může se tvorba obsahu pro oblast compliance změnit z pravidelného projektu na něco, co se průběžně udržuje aktuální. Pro podnik to znamená skutečné snížení rizik, nejen zvýšení efektivity. Stále častěji to také znamená, že samotný obsah musí nést jasný a auditovatelný záznam o tom, že vznikl s pomocí AI, protože regulační orgány i firemní zákazníci začínají očekávat, že takové zveřejnění bude běžnou praxí, nikoli dodatečným opatřením.

Vzdělávání a rozvoj mají podobnou dynamiku, příležitost však spočívá spíše v personalizaci než jen v aktuálnosti: místo jednoho školicího modulu vytvořeného pro průměrného účastníka mohou agenti pomoci přizpůsobit tempo, příklady, a dokonce i formát konkrétní pracovní roli a jednotlivci, a přitom vycházet ze stejných schválených zdrojových materiálů a standardů pro tvorbu výukových materiálů. V globálních organizacích to stále častěji zahrnuje také jazyk a hlas, takže se stejné školení dostane k pracovníkům ve výrobním závodě v Brazílii nebo k prodejnímu týmu v Japonsku v podobě, která působí skutečně místně, a ne jen jako opatřená titulky.

Změní se také podpora prodeje a interní komunikace, ale tuto změnu bych popsal spíše jako zvýšení rychlosti a relevance než jako strukturální proměnu… správné sdělení se rychleji dostane ke správnému obchodnímu zástupci nebo týmu, a to ve formátu odpovídajícím tomu, jak skutečně přijímají informace. Všechny tyto oblasti spojuje totéž: agentní AI je nejen zrychlí, ale umožní jim také zůstat aktuální způsobem, který při dnešních ručních výrobních cyklech jednoduše není reálný.

Když se podíváme dál do budoucnosti, jak by se mohl změnit způsob, jakým organizace školí lidi, sdílejí odborné znalosti a nakonec fungují, pokud budou podniky schopny průběžně převádět interní znalosti do personalizované, aktuální komunikace pro každého zaměstnance?

Pokud se to stane skutečností, a věřím, že ano, změní to provozní rytmus firmy, nejen její vzdělávací funkci. Většina organizací dnes komunikuje v dávkách: každoroční cyklus školení v oblasti compliance, čtvrtletní celofiremní schůzka nebo balíček pro nástup nových zaměstnanců, který se jednou připraví a pak se roky používá znovu. Je to důsledek toho, jak nákladná a pomalá byla tvorba komunikace, nikoli odraz toho, jak rychle se podnikání ve skutečnosti mění.

Ve světě, kde se znalosti průběžně převádějí do personalizované a aktuální komunikace pro každého zaměstnance, přestane být školení jednorázovou událostí a stane se nepřetržitým, adaptivním proudem… každý dostane aktualizaci ve formátu a podrobnosti odpovídajících jeho pracovní roli, právě ve chvíli, kdy je relevantní, a ne až o několik měsíců později v další dávce. Odborné znalosti už nebudou uzavřené v hlavách těch, kteří je náhodou mají, ale organizace je bude moci systematicky šířit a průběžně aktualizovat.

Výsledkem, ke kterému se stále vracím, je čas. Každá minuta, kterou dnes organizace stráví hledáním správných informací, opětovným vytvářením něčeho, co už existuje, nebo opravováním sdělení, které bylo zastaralé či nekonzistentní, je minutou, kterou nevěnuje realizaci. Pokud podniky dokážou tento rozdíl mezi znalostmi a porozuměním skutečně průběžně a ve velkém měřítku překonat, organizace, kterým se to podaří jako prvním, nebudou jen lépe komunikovat, ale jednoduše se budou pohybovat rychleji než ty, které stále fungují v dávkách.

Děkujeme za skvělý rozhovor. Čtenáři, kteří se chtějí dozvědět více, mohou navštívit Vyond.