Namiesto honby za perfekcionizmom začnite malými krokmi
Manažment veľkých spoločností sa často ocitá v situácii, ktorú dobre poznajú aj najlepšie riadené spoločnosti z programu Best Managed Companies. Na jednej strane cítia obrovský tlak investovať nemalé finančné prostriedky do umelej inteligencie, na tej druhej však čakajú na pozitívne príklady z praxe, ktoré by ich presvedčili o správnosti tohto rozhodnutia. A tak často stredne veľké spoločnosti a mikrospoločnosti prekonávajú veľké korporácie v zavádzaní AI. Nedávny prieskum spoločnosti Salesforce, na ktorom sa zúčastnilo vyše 3-tisíc lídrov malých a stredných spoločností, odhalil, že vyše 90 % respondentov uvádza, že im vďaka umelej inteligencii vzrástli priame predaje.
„Vidíme to každý deň. Manažment hľadá dokonalý vzor, ktorý by mohol nasledovať, namiesto toho, aby začínal s tým, čo má k dispozícii. Paradoxom je, že práve menšie firmy, ktoré sa neboja experimentovať s obmedzenými zdrojmi, potom omnoho skôr dosahujú rýchlejšie a merateľnejšie výsledky,“ hovorí Jan Hejtmánek, expert na AI, Deloitte Česká republika.
Podľa štúdie Deloitte plánuje 78 % organizácií v budúcom roku zvýšiť investície do umelej inteligencie. Prieskum Massachusettskej technickej univerzity (MIT) však zároveň ukazuje, že len 5 % firemných AI nástrojov budú môcť nakoniec ľudia reálne využívať. Spoločnosti teda investujú viac, ale implementujú menej. Financial Times upozorňuje na ďalší paradox: Americké spoločnosti z indexu S&P 500 vo svojich výročných správach síce neustále spomínajú AI, ale zameriavajú sa viac na jej riziká než prínosy. A zatiaľ čo mnoho veľkých spoločností s využívaním umelej inteligencie vyčkáva, malé a stredné podniky ich vďaka svojej ambicióznosti a agilite predbiehajú.
Štyri mýty, ktoré pre firmy predstavujú zbytočné prekážky
Mýtus číslo 1: Bez vlastných dát to nejde
Mnohí manažéri sa domnievajú, že bez zhromažďovania a čistenia obrovského množstva údajov im AI nemôže priniesť skutočnú hodnotu. Podľa štúdie MIT však až takmer tri štvrtiny (70 %) úspešných pilotných projektov využíva existujúce interné zdroje – e-maily, záznamy CRM alebo smernice.
Mýtus číslo 2: Potrebujeme tím 20 dátových vedcov
Prvé projekty týkajúce sa AI zvládne aj malý produktový tím. Moderné generatívne nástroje sú navrhnuté tak, aby ich vedeli využiť aj bežní používatelia v rámci spoločnosti, nielen dátové laboratóriá. Dôkazom je logistická firma, ktorej na dosiahnutie 25 % úspory nákladov stačili dvaja ľudia – dátový inžinier a interný expert na procesy.
Mýtus číslo 3: Nezaobídeme sa bez veľkej platformy
Podľa Financial Times malé a stredné podniky zo strednej a východnej Európy často preceňujú potrebu vlastného „data lake“ a robustných cloudových riešení. „V skutočnosti všetko, čo firma potrebuje, je priestor v rámci IT infraštruktúry, kde môže bezpečne a efektívne testovať svoje nápady, pričom má jasne definované pravidlá pre prístup k aplikáciám. Napríklad v Deloitte v Čechách a na Slovensku naše malé právnické tímy využívajú na kontrolu zmlúv veľký verejný jazykový model, a tým pádom nepotrebujú vytvoriť vlastný AI model,“ vysvetľuje Hejtmánek.
Mýtus číslo 4: AI so sebou prináša veľké riziká
Riadené nasadenie používania umelej inteligencie s jasne definovanými metrikami minimalizuje riziká efektívnejšie ako experimentovanie zamestnancov s rôznymi AI nástrojmi. Podľa štúdie Deloitte správne navrhnutý pilotný projekt vedie k zníženiu incidentov spojených s únikom alebo zneužitím citlivých dát o 40 %. Naopak, nekontrolované používanie generatívnych chatbotov často končí nekonzistentnou kvalitou výstupov, duplicitou úloh a zbytočnými výdavkami.
Domáce úspechy dokazujú, že to ide
Štúdia Českej asociácie umelej inteligencie ukázala, že polovica firiem považuje AI za strategickú prioritu, pričom 35 % z nich už dosahuje prvé merateľné úspory nákladov. Podľa prieskumu Salesforce medzi malými a strednými podnikmi v Európe viac ako polovica (57 %) respondentov zaznamenala zlepšenie procesov do šiestich mesiacov od nasadenia prvého pilotného projektu AI.
Napriek tomu, že neexistujú žiadne podrobné prípadové štúdie tuzemských firiem, v Česku aj na Slovensku sa úspešne zrealizovali mnohé projekty, ktoré dokázali rýchlu návratnosť investícií do umelej inteligencie a zároveň poskytli pevný základ pre jej ďalšie rozširovanie.
- Slovenská mediálna spoločnosť predstavila AI asistenta slúžiaceho na monitoring médií, ktorý skrátil čas potrebný na prípravu reportov zo štyroch hodín na tridsať minút.
- Česká IT spoločnosť integrovala generatívne AI nástroje na podporu vývoja kódu, čím v tíme piatich vývojárov zvýšila produktivitu o 60 %.
- Moravská strojárska spoločnosť nasadila AI na kontrolu kvality, vďaka čomu sa znížila chybovosť výrobkov o 30 %.
- Česká výrobná spoločnosť skrátila čas na tvorbu ponúk z ôsmich hodín na dve vďaka AI asistentovi, ktorý analyzuje históriu požiadaviek zákazníkov.
„Namiesto čakania na dokonalé riešenie alebo dokonalý vzor je najlepšie jednoducho začať s tým, čo máte. Identifikujte konkrétne miesta vo svojich procesoch, kde by pre vás mohla byť umelá inteligencia najužitočnejšia. Následne vyberte ten najvhodnejší AI nástroj a môžete spustiť pilotný projekt. Nemusíte čakať na revolúciu, ale sami si postupnými krokmi môžete budovať konkurenčnú výhodu a vďaka konzistentnosti a systematickému prístupu k inováciám postupne dosiahnuť veľké zmeny,“ odporúča Ivana Lorencovičová, Managing Partner, Deloitte Czech & Slovak Republic.
Ako správne vybrať prvý AI model krok za krokom
Namiesto náhodného skúšania jednotlivých AI nástrojov postupujte systematicky. Použite napríklad jednoduchý rámec so štyrmi kritériami a každú položku ohodnoťte 1 až 5 bodmi. Nižšie bodové hodnotenie predstavuje vyššie náklady, slabšiu dostupnosť údajov, väčšie riziká aj vyššiu zložitosť projektu.
- Vplyv na zisk spoločnosti: Dosiahnete zníženie nákladov, prípadne zvýšenie predaja alebo marže?
- Dostupnosť dát: Máte prístup k relevantným interným dátam (CRM, e-maily)?
- Riziko: Môžete v prípade pochybností projekt zastaviť a vrátiť sa do stavu pred jeho spustením? Je projekt v súlade s internými smernicami?
- Zložitosť: Viete pilotný projekt spustiť do 90 dní s minimálnymi investíciami?
Projekty s celkovým súčtom bodov vyšším ako 15 majú optimálny pomer prínosov a rizík pre prvú vlnu testovania AI vo firme. Generatívne nástroje, ako sú ChatGPT, Claude alebo Gemini, sú natoľko rozvinuté, že pri správnej konfigurácii dokážu plne nahradiť zložité manuálne úlohy bez toho, aby museli rozumieť vnútornému fungovaniu veľkých jazykových modelov.
„Je to podobné, ako keď si človek kupuje auto. Tiež hľadí hlavne na objem nákladného priestoru, spotrebu a dostupnosť servisu a až tak veľmi nerieši detaily motora. Aj pri zavádzaní umelej inteligencie je dôležité zamerať sa viac na prevádzkové podmienky a prínosy pre firmu než na konkrétnu technológiu. Tento prístup spoločnostiam uľahčí rozhodovanie a umožní rýchlejšie nasadenie osvedčených AI riešení bez toho, aby strácali čas s každou jednou inováciou v oblasti umelej inteligencie,“ uzatvára Hejtmánek.