Na firmy se ze všech stran valí informace, jak umělá inteligence rychle a zásadně změní trh práce či samotné fungování podniků. „Je ale fér říct, že u generativní AI nelze vždy očekávat okamžitý efekt. Část hodnoty vzniká postupně, v rychlosti, kvalitě nebo lepším rozhodování,“ vysvětluje Julie Slavík, expertka na technologické inovace a manažerka týmu Strategy v Deloitte
Text: Jan Stuchlík
Foto: Archiv Deloitte
Nasazování nástrojů generativní umělé inteligence už řeší poměrně hodně firem. Některé se do jejich používání pustily až živelně. V čem dělají zatím největší chyby?
Největší chybou, kterou dnes firmy dělají, je, že nejprve začnou technologií. Vyberou si nástroj, a pak teprve hledají, kde ho použít. V praxi se mnohem víc osvědčuje opačný postup, tedy začít u byznysu. Říci si, kde nám dnes utíkají peníze, čas nebo příležitosti. Typicky to bývají repetitivní agendy, práce s obsahem, zákaznická komunikace nebo rozhodování nad velkým objemem dat. A teprve na to je vhodné navázat konkrétní AI use case.
Je lepší si generativní AI nejdřív osahat na menších projektech?
Ano, důležité je nezačínat hned velkou transformací firmy, ale spíš malým pilotním projektem. Otestovat jeden konkrétní scénář, změřit jeho dopad a následně teprve věci, které fungují, postupně škálovat.
Z vašeho nedávného průzkumu vyplynulo, že jednou z bariér nasazování AI ve firmách je nedůvěra či nedostatečné dovednosti zaměstnanců. Jak to firmy mohou změnit?
Práce s lidmi je velmi zásadní a často podceňovaná. U generativní AI nejde jen o automatizaci, ale o změnu způsobu práce. Bez zapojení zaměstnanců, školení a průběžné komunikace se její hodnota prostě neprojeví. Stejně tak je potřeba od začátku řešit bezpečnost, práci s daty a governance, protože právě na těchto oblastech se firmy často zaseknou ve chvíli, kdy chtějí umělou inteligenci škálovat.
Liší se zavádění AI od klasické automatizace procesů ve firmě?
Rozdíl AI oproti klasické automatizaci je opravdu zásadní. Klasická automatizace funguje na pevných pravidlech a předvídatelných výstupech, generativní AI nikoli. Ta naopak pracuje s kontextem, interpretuje nestrukturované vstupy a vytváří nové výstupy. Zjednodušeně řečeno: automatizace nahrazuje jednotlivé kroky v procesu, zatímco generativní AI mění samotný způsob, jak práce vzniká. A právě proto nejde jen o technologii, ale o mnohem širší změnu fungování firmy.
V průzkumu jste zjistili, že firmy zatím nedokážou příliš vyčíslit přínosy generativní AI. Co by měly měřit, aby dokázaly vyhodnotit, jestli umělá inteligence opravdu přispívá k rozvoji firmy?
Základem je nejprve si definovat cíl, zda chceme snížit náklady, zrychlit procesy, zvýšit tržby nebo třeba zlepšit zákaznickou zkušenost, a podle toho nastavit, co budeme měřit. Častou chybou firem bývá, že sledují jen úsporu nákladů a přehlížejí širší dopad, který AI má.
Jak se tedy dá na dopady AI dívat?
První je byznysový dopad, tedy jestli se reálně zlepšují tržby, konverze nebo retence. Druhý je produktivita, tedy úspora času, zrychlení procesů nebo snížení chybovosti, kde efekt bývá často vidět nejrychleji. A třetí je pak pohled na pracovníky. Jestli AI ve firmě skutečně používají, zda jim dává smysl a ulehčuje práci. Ideálně by jim měla uvolňovat ruce od rutiny a dávat více prostoru na smysluplnější a kreativnější činnosti.
Pak se dá zjistit, jestli vůbec dává nasazení AI byznysový smysl?
Ještě je potřeba nezapomínat také na druhou stranu rovnice, tedy na náklady. Kolik stojí licence, implementace, provoz nebo čas lidí, kteří se práci s AI věnují. Teprve ve chvíli, kdy dokážeme porovnat přínosy s náklady, dává debata o návratnosti skutečný smysl.