Proč loni tolik firem opustilo svůj AI projekt — a co dělají ty, kterým se to povedlo
Podíl firem, které v posledním roce zrušily rozjetý AI projekt, meziročně výrazně vzrostl. V datech i u vlastních klientů se ale ukazuje jasný vzorec v tom, čím se úspěšné nasazení liší od toho, které skončí v šuplíku.
Poslední přehledy trendů v americkém byznysu popisují vystřízlivění po vlně, kdy firmy zkoušely nasadit AI prakticky kamkoliv, kde to teoreticky šlo — a to i u firem, které zároveň agresivně investují do robotiky a další automatizace. Nejde o to, že by AI přestala fungovat. Jde o to, že se ukazuje, které projekty od začátku neměly jasně definované, co se má stát a jak se pozná, že to funguje.
Podobný vzorec vidíme i u menších a středních firem v Česku, se kterými pracujeme. Podíl firem, které v posledním roce opustily rozjetý AI projekt, meziročně výrazně vzrostl.
Co mají společné projekty, které přežijí
Ze zkušenosti s klienty i z toho, co se objevuje v datech o AI adopci, se dá vysledovat pár opakujících se znaků.
Nejde o brzdu ve schopnostech modelu. Firmy, které projekt opustí, si obvykle nestěžují na to, že AI „neuměla" to, co měla. Problém bývá jinde — tým neuměl proces kolem AI nastavit, chyběla jasná odpovědnost za výsledek, nebo se pilotu po prvním týdnu nadšení už nikdo pravidelně nevěnoval.
Mají jeden konkrétní proces, ne vizi „AI všude". Projekty, které se v pilotu neosvědčí, často začínaly ambiciózně — nasadit AI napříč celým provozem najednou. Firmy, kterým se to povedlo, obvykle začaly jedním procesem s jasně měřitelným dopadem a rozšiřovaly až po ověření.
Mají od začátku definované, jak vypadá úspěch. Bez výchozího čísla — kolik hodin proces dnes zabírá, jaká je chybovost, jak dlouho trvá odezva — nejde po třech měsících poznat, jestli pilot skutečně fungoval, nebo jen vypadal zajímavě na demu.
Rozdíl mezi demem a provozem
Hodně firem se dnes posouvá od zkoušení AI nástroje k reálné náhradě konkrétního pracovního postupu — a přesně tady se ukáže, jestli projekt přežije. Demo vypadá dobře skoro vždycky. Provoz je jiná disciplína: potřebuje integraci na reálná data, jasně definovaný okamžik, kdy rozhoduje člověk, a způsob, jak měřit, že se něco skutečně zlepšilo.
Firmy, které tuhle fázi zvládnou, mají typicky jedno společné: nemapují proces jednou a pak nechají AI běžet samospádem. Mají nastavený rytmus, jak výsledky pravidelně vyhodnocovat a upravovat.
Co z toho plyne pro menší firmy
Menší firma nemá kapacitu zkoušet pět AI projektů souběžně a tři z nich za rok tiše pohřbít. O to důležitější je vybrat si na začátek jeden proces s jasnou návratností, místo aby se snažila dohnat konkurenci plošným nasazením najednou.
Přesně to je důvod, proč u nás AI Opportunity Sprint nezačíná návrhem řešení, ale auditem — najít proces, kde má AI nejjasnější a nejrychleji měřitelný dopad, a na něm ukázat hodnotu dřív, než se firma zaváže k něčemu většímu.