Příklady podle oborů

Na konferencích a v newsletterech o AI se příklady použití rozdávají plnými hrstmi: „firma X ušetřila 40 % času“, „banka Y automatizovala celou podporu“. Když si je ale chceš přenést do vlastní firmy, rychle zjistíš, že polovina z nich je prezentace dodavatele, čtvrtina je pilot, o kterém už nikdo neslyšel, a jen zbytek je něco, co opravdu funguje a dá se změřit.

Tahle lekce prochází obory a firemní oddělení jedno po druhém. U každého najdeš, co se tam s AI typicky dělá, do které ze tří kategorií z předchozí lekce to patří (asistent, automatizace, produkt) a jak silné jsou důkazy, že to funguje. Na konci se podíváme, co si z toho realisticky může vzít malá česká firma.

Než začneš číst příklady: jak silný je důkaz

Ne každý „případ použití“ má stejnou váhu. Užitečné je rozlišovat čtyři úrovně:

1. Případová studie dodavatele. Výrobce AI nástroje popisuje spokojeného zákazníka. Je to marketing: vybírá nejlepší čísla, neříká, kolik zákazníků podobný výsledek nemělo, a nemá s čím srovnávat. Neznamená to, že je to lež, jen to není důkaz.
2. Tvrzení samotné firmy. Tisková zpráva nebo vystoupení ředitele. O něco lepší (firma ví, co nasadila), ale pořád PR. Příklad Klarny z předchozí lekce ukazuje, jak se takové tvrzení může za rok změnit.
3. Nezávislá reportáž nebo hodnocení. Novináři, auditoři, státní instituce, které nástroj hodnotí bez obchodního zájmu.
4. Studie s kontrolní skupinou. Část lidí pracuje s AI, část bez ní, a výsledky se porovnají. Nejsilnější důkaz, ale i ten platí jen pro konkrétní úlohu a konkrétní dobu.

Zákaznický servis

Tady jsou důkazy zatím nejsilnější a zároveň tady vznikají nejznámější průšvihy.

• Koncepty odpovědí pro pracovníky podpory (automatizace, střed škály). AI navrhne odpověď z historie a znalostní báze, člověk ji upraví a odešle. Studie Brynjolfssona a kolegů s více než 5 000 pracovníky podpory, kterou znáš z předchozí lekce, ukázala průměrný nárůst vyřešených požadavků zhruba o 14 % a u nováčků o 34 %. Zajímavé je, že AI vlastně předávala nováčkům know-how zkušených kolegů.
• Třídění a směrování požadavků (automatizace). Rozpoznat, jestli jde o reklamaci, dotaz na fakturu nebo stížnost, a poslat to správnému týmu. Jazykové modely to zvládají dobře, a když se spletou, požadavek jen přijde jinému člověku.
• Chatbot, který odpovídá zákazníkům sám (produkt, autopilot). Funguje u jednoduchých a opakovaných dotazů (stav objednávky, otevírací doba), pokud odpovídá z ověřených firemních podkladů (o tom kurz Jak se staví AI aplikace). Riskantní je všude, kde chatbot slibuje: ceny, slevy, podmínky, nároky. Případ Air Canada (lekce Jak výstupy ověřovat) ukazuje, že slib chatbota je slib firmy.

Doložené: pomoc lidem v podpoře, třídění. Spíš sliby: „nahradíme celou zákaznickou linku“.

Obchod a marketing

Podle Eurostatu je marketing a prodej v době psaní nejčastější oblast, kde evropské firmy, které AI používají, ji nasazují. Není divu: hodně té práce je psaní.

• Texty: popisy produktů, varianty reklam, newslettery, příspěvky na sociální sítě (asistent, u velkých e-shopů automatizace). Funguje, pokud fakta o produktu dodáš ty a výsledek někdo čte. Postup popisuje lekce Psaní a úprava textů.
• Příprava na schůzku a zápis do CRM (asistent). Shrnout, co víš o klientovi, připravit otázky, po schůzce z poznámek vytvořit zápis a další kroky.
• Personalizace nabídek (automatizace). Nabídka upravená podle oboru a historie klienta. Užitečné, ale pozor na osobní údaje a na to, aby „personalizace“ nesklouzla k vymyšleným detailům o klientovi.
• Doporučování produktů v e-shopu (produkt). Tohle je typicky úloha pro klasické strojové učení, ne pro jazykový model, a funguje roky.

Doložené: rychlejší první verze textů. Spíš sliby: „AI sama najde a získá zákazníky“. Hromadně generované oslovení bez lidského vstupu většinou skončí jako spam.

Finance a účetnictví

Účetnictví je plné opakované práce s dokumenty, a proto je to jedno z nejvděčnějších míst pro automatizaci. Zároveň je to místo, kde jsou chyby v číslech nejdražší.

• Vytěžování faktur a účtenek (automatizace). Z naskenovaného nebo PDF dokladu vytáhnout dodavatele, IČO, částky, DPH a splatnost. Vytěžování dokladů existovalo dávno před jazykovými modely (rozpoznávání textu a šablony), generativní modely ho zlepšily hlavně u nestandardních dokladů. Faktura ve strojově čitelném formátu ISDOC žádnou AI nepotřebuje (viz předchozí lekce).
• Párování plateb (automatizace s pravidly). Pravidla vyřeší většinu, AI navrhne páry u nejasných plateb a člověk potvrdí.
• Kategorizace nákladů, kontrola cestovních náhrad (automatizace). AI upozorní na podezřelé položky, rozhoduje člověk.
• Analýza a komentáře k výsledkům (asistent). Pozor: čísla má počítat tabulka nebo kód, ne model „z hlavy“ (Analýza dat a dokumentů).

Doložené: vytěžování dokladů je zralá technologie, kterou nabízí řada účetních a dokladových systémů. Pozor na: autopilot v zaúčtování. Kontrolní součty (sedí položky na celkovou částku? existuje dodavatel v adresáři?) jsou povinná výbava.

HR a personalistika

• Inzeráty a popisy pozic (asistent). Rychlá první verze, kterou upraví člověk, který pozici zná.
• Odpovědi na otázky zaměstnanců (automatizace nebo interní produkt). „Kolik mám dní dovolené?“, „Jak si zažádám o stravenky?“, onboarding nováčků. Funguje dobře, pokud AI odpovídá z aktuálních interních směrnic a u nejasností odkáže na člověka.
• Třídění životopisů, hodnocení kandidátů a zaměstnanců (automatizace). Tady zbystři.

Právo a smlouvy

• První průchod smlouvou (asistent). Shrnout hlavní povinnosti, termíny, sankce, výpovědní podmínky, porovnat se vzorovou smlouvou firmy a označit odchylky. Šetří čas právníkovi i manažerovi, který potřebuje vědět, co podepisuje.
• Hledání v předpisech a judikatuře (asistent). Tady je opatrnost na místě. Případ newyorských právníků se smyšlenými rozsudky znáš z lekce Halucinace.

Důležitý nezávislý výsledek: výzkumníci ze Stanfordu v roce 2024 testovali specializované právní AI nástroje velkých vydavatelů, které se prezentovaly jako „bez halucinací“. Halucinovaly sice méně než obecný chatbot, ale podle studie zhruba v 17–33 % odpovědí. I specializovaný a drahý nástroj je tedy kopilot, ne autopilot.

Doložené: zrychlení čtení a porovnání dokumentů. Pozor na: citace předpisů a rozsudků bez kontroly v originále.

IT a vývoj softwaru

Programování je obor, kde AI asistenty používá velká část profesionálů, a přesto jsou výsledky studií rozporné. To je samo o sobě poučné.

• V experimentu z roku 2023 (autoři z GitHubu a Microsoftu, tedy výrobce nástroje) dokončili programátoři s nástrojem GitHub Copilot jednoduchou zadanou úlohu, naprogramovat malý webový server, o 55,8 % rychleji než skupina bez něj.
• Organizace METR v roce 2025 provedla studii s kontrolní skupinou na 16 zkušených vývojářích, kteří pracovali na 246 skutečných úlohách ve velkých projektech, které dobře znali. S AI nástroji jim práce trvala v průměru o 19 % déle. Sami přitom odhadovali, že jim AI asi o 20 % pomohla.

Obě studie mohou platit zároveň. AI hodně pomáhá u nových, jasně ohraničených úloh a u lidí, kteří kód neznají. U zkušených lidí v rozsáhlém a známém kódu může přidávat práci (čtení a opravování návrhů). A druhá studie ukazuje ještě jednu věc: pocit úspory není měření.

Mimo programování IT oddělení využívá AI na odpovědi na časté dotazy uživatelů, psaní dokumentace a skriptů a shrnování incidentů.

Výroba a logistika

Tady je generativní AI mladší a veřejně doložených výsledků je méně. Nejsmysluplnější použití jsou většinou kolem znalostí, ne kolem strojů:

• Hledání v technické dokumentaci (interní produkt). Technik se zeptá „jaký je utahovací moment u téhle příruby“ a dostane odpověď s odkazem na stránku manuálu. Klíčový je odkaz na zdroj, aby šlo odpověď ověřit.
• Zachycení know-how (asistent). Ze zkušeného údržbáře, který za dva roky odchází do důchodu, „vytáhnout“ postupy: nahrát rozhovory, nechat je přepsat a strukturovat do návodů, které pak zkontroluje.
• Zápisy ze směn, hlášení závad, překlady návodů (asistent nebo automatizace).
• Prediktivní údržba, plánování výroby, odhad poptávky. Tohle jsou úlohy pro klasické strojové učení z dat senzorů a historie, ne pro chatbot. Pokud ti někdo prodává „generativní AI na předpověď poruch“, zeptej se, co přesně model dělá.

Zdravotnictví a veřejná správa: opatrně

V obou oblastech jde o lidi, jejich zdraví a práva, a chyby se tu těžko vracejí. Proto se tu nejlépe osvědčuje AI, která pomáhá s papírováním, a ne AI, která rozhoduje.

Zdravotnictví. Asi nejlépe zdokumentované nasazení jsou „AI zapisovatelé“: nástroj se souhlasem pacienta poslouchá rozhovor s lékařem a připraví návrh zprávy, kterou lékař zkontroluje a upraví. Kaiser Permanente (velký americký poskytovatel péče) zveřejnil v časopise NEJM Catalyst vyhodnocení prvního roku: přes 7 000 lékařů, přes 2,5 milionu návštěv a odhadem téměř 16 000 ušetřených hodin dokumentace, s malým počtem halucinací ve zkontrolovaném vzorku. Je to vlastní hodnocení poskytovatele, ne nezávislá studie, ale je podrobnější než většina případových studií. Podstatné je, jak je to postavené: nástroj nedává doporučení k léčbě a za text odpovídá lékař. Systémy, které by do diagnostiky či léčby zasahovaly, podléhají regulaci zdravotnických prostředků a patří úplně do jiné kategorie.

Veřejná správa. Varovný příklad je chatbot MyCity města New York, postavený na službách Microsoft Azure, který měl podnikatelům radit s předpisy. Redakce The Markup v roce 2024 zjistila, že radil v rozporu se zákonem: třeba že zaměstnavatel si smí brát část spropitného zaměstnanců nebo že pronajímatel nemusí přijímat nájemníky s příspěvkem na bydlení. Město ho dlouho drželo jako „pilot“ s upozorněním na možné chyby, nakonec ho podle The Markup na začátku roku 2026 nová radnice zrušila. Poučení pro kohokoli: AI, která sama vykládá lidem jejich práva a povinnosti, je produkt s velmi vysokým rizikem. Interní použití (shrnutí spisů, koncepty odpovědí pro úředníky, kteří je zkontrolují) je mnohem bezpečnější start.

Co je doložené a co je reklama

Oblast	Doložená hodnota	Spíš sliby nebo vysoké riziko
Zákaznický servis	Koncepty odpovědí, třídění požadavků	Plné nahrazení lidí, chatbot, který slibuje podmínky
Obchod a marketing	Rychlejší první verze textů, příprava schůzek	„AI sama získá zákazníky“
Finance	Vytěžování dokladů, návrhy párování	Zaúčtování bez kontroly, čísla počítaná modelem
HR	Inzeráty, odpovědi na interní dotazy	Automatické hodnocení kandidátů a zaměstnanců
Právo	První průchod smlouvou, porovnání se vzorem	Citace předpisů a rozsudků bez ověření
IT	Pomoc u nových a ohraničených úloh	Paušální „vývojáři budou dvakrát rychlejší“
Výroba	Hledání v dokumentaci, zachycení know-how	Generativní AI na předpovědi z dat senzorů
Zdravotnictví, úřady	Pomoc s dokumentací, kterou člověk zkontroluje	AI, která sama radí nebo rozhoduje o lidech

Pohled malé firmy: co reálně zvládne firma s dvaceti lidmi

Podle Českého statistického úřadu používalo v roce 2025 aspoň jednu AI technologii 18 % českých firem s deseti a více zaměstnanci, proti 20 % v průměru EU. Podle Eurostatu je propast podle velikosti velká: v EU AI používá zhruba 17 % malých firem a 55 % velkých. Mezi firmami, které o AI uvažovaly a nepoužívají ji, je nejčastějším důvodem nedostatek odborných znalostí. Malá firma nemá datového analytika ani vývojový tým, a to je v pořádku. Nemusí je mít.

Realistický plán pro dvacetičlennou firmu:

1. Firemní tarif AI asistenta pro všechny, kdo pracují s textem, plus jednostránkové pravidlo a jedno školení. Firemní tarif kvůli datům (proč, viz Kam putují tvoje data), pravidlo kvůli ověřování. To je typ „asistent“ a dá se spustit za týden.
2. Jedna automatizace v největší ruční bolesti. Nejčastěji vytěžování dokladů, třídění e-mailů nebo koncepty odpovědí. Nejdřív zkontroluj, jestli to už neumí software, který máš (účetní program, helpdesk, CRM). Hotová funkce v existujícím nástroji je pro malou firmu skoro vždycky lepší než vlastní vývoj (Koupit, nebo postavit).
3. Interní „poradna“ nad vlastními dokumenty, pokud máte směrnice, ceníky nebo technickou dokumentaci, ve které se lidé ztrácejí. Řada AI asistentů dnes umí pracovat se sdílenými soubory nebo projekty (Když nestačí chat).

Co malá firma na začátku dělat nemusí a spíš nemá: stavět vlastní chatbot pro zákazníky, trénovat vlastní model, kupovat „AI platformu“ bez jasného případu použití. Dvacet lidí, kteří umějí s asistentem dobře pracovat, a dvě tři dobře nastavené automatizace přinesou víc než jeden velký projekt.

Tenhle příklad je vymyšlený, aby ukázal postup, ne výsledek.

• Asistent: projektanti s ním píšou technické zprávy a odpovědi na připomínky úřadů. Pravidlo: čísla a odkazy na normy se vždycky kontrolují v originále.
• Automatizace: přijaté faktury od subdodavatelů se vytěžují funkcí, kterou už má jejich dokladový systém. Účetní kontroluje jen ty, kde nesedí částka s objednávkou.
• Interní poradna: projekt v AI asistentovi s vnitřními směrnicemi a vzory dokumentů, aby se nováčci nemuseli pořád ptát kolegů.
• Co nedělají: chatbot na webu. Klienti chtějí mluvit s projektantem, a chyba v odpovědi o termínech nebo cenách by byla drahá.

Jak z podobných nápadů vybrat ty, které stojí za to, a jak je spočítat, je téma dalšího modulu: Jak hledat případy použití a Náklady, přínosy a rizika.

Co si odnést

• U každého příběhu o AI se ptej, kdo ho tvrdí, s čím se srovnávalo a jestli se měří výsledek, nebo jen pocit. Případové studie dodavatelů a tiskové zprávy jsou marketing.
• Nejsilněji doložená hodnota je dnes tam, kde AI pomáhá lidem s textem a dokumenty a člověk výsledek kontroluje: podpora, psaní, vytěžování dokladů, první průchod smlouvou.
• I specializované nástroje halucinují a pocit úspory času se může s měřením rozcházet (studie METR). Kopilot je pořád bezpečnější výchozí bod než autopilot.
• Nábor a hodnocení lidí jsou podle AI Act vysoce rizikové. Zdravotnictví a veřejná správa začínají nejbezpečněji u papírování, ne u rozhodování.
• Malá firma nepotřebuje vývojový tým: firemní asistent s pravidlem, jedna automatizace v největší ruční bolesti (ideálně funkce v nástroji, který už má) a interní poradna nad vlastními dokumenty.

Zdroje a další čtení

• Magesh a kol.: Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools (arXiv, 2024) – nezávislý test právních AI nástrojů, které slibovaly odpovědi bez halucinací.
• Becker a kol.: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity (METR, arXiv, 2025) – studie s kontrolní skupinou, kde AI zkušené vývojáře zpomalila.
• Kaiser Permanente: AI-assisted notetaking gains steady support from physicians – shrnutí prvního roku „AI zapisovatelů“ u lékařů.
• The Markup: NYC's AI Chatbot Tells Businesses to Break the Law (2024) – reportáž o městském chatbotu, který radil v rozporu se zákonem.
• ČSÚ: V používání AI dohání podniky v Česku průměr EU – kolik českých firem AI používá a k čemu.