Od cílů firmy k případům použití

Představ si poradu vedení, na které generální ředitel řekne: „Konkurence už má AI, potřebujeme AI strategii. Do měsíce.“ Úkol dostaneš ty. Nejsnazší cesta je sepsat, které nástroje koupit, komu dát licence a jaký chatbot dát na web. Za půl roku pak licence leží ladem, chatbot odpovídá na pár dotazů týdně a nikdo neumí říct, co to firmě přineslo.

Tímhle kurzem končí celá cesta. Už víš, jak modely fungují, jak s nimi pracovat, jak najít a ocenit případy použití, jak se AI aplikace staví, měří a zabezpečují a jaká pravidla platí. Teď to všechno spojíš do jedné role: člověka, který zavádění AI ve firmě vede. Tahle lekce řeší první krok, tedy jak z cílů firmy dojít k tomu, co budete dělat. Následující lekce Roadmapa a priority pak řeší kdy a v jakém pořadí.

Proč strategie od nástrojů selhává

Když strategie začíná větou „zavedeme nástroj X“, má v sobě skrytou chybu: odpovídá na otázku, kterou nikdo nepoložil. Nástroj je prostředek. Bez cíle nevíš, jestli funguje, protože nemáš s čím porovnat. A bez měřítka nevíš, kdy přidat, kdy přestat a kdy to celé zastavit.

Strategie od nástrojů má několik typických příznaků:

• Úspěch se měří počtem licencí nebo „aktivních uživatelů“. To říká, kolik lidí nástroj otevřelo, ne jestli se něco zlepšilo.
• Každé oddělení si zkouší vlastní věc. Vznikne deset malých pokusů, žádný se nedotáhne a nikdo je nesrovná.
• Rozhoduje demo, ne problém. Dodavatel ukáže působivou ukázku a firma hledá, kam ji napasovat.
• Rizika se řeší, až když se něco stane. Nikdo předem neřekl, jaká data do nástrojů smějí a kdo za výstupy odpovídá.

Opačný přístup zní nudněji, ale funguje: začni u toho, čeho chce firma dosáhnout, a AI ber jako jeden z možných způsobů, jak toho dosáhnout. Někdy vyjde, že nejlepší řešení je úprava procesu, šablona nebo obyčejná automatizace bez jazykového modelu. I to je dobrý výsledek strategie.

Ukotvi AI ve dvou až třech cílech firmy

Většina firem má cíle, ke kterým se AI dá přiložit, i když je tak nikdo nenazývá. Pro strategii se hodí rozdělit je do pěti oblastí:

Oblast	Typická otázka vedení	Jak to může vypadat s AI
Náklady	Jak zvládnout víc práce bez nabírání?	Zrychlení zpracování dokumentů, odpovědí na dotazy, příprav podkladů
Růst	Jak prodat víc nebo rychleji?	Rychlejší nabídky, lepší příprava obchodníků, nové služby
Kvalita	Jak dělat méně chyb a být konzistentní?	Kontrola dokumentů proti pravidlům, jednotné odpovědi zákazníkům
Riziko	Jak se vyhnout průšvihům a pokutám?	Hlídání smluvních lhůt, kontrola úplnosti, ale i řízení rizik AI samotné
Zkušenost zaměstnanců	Jak udržet lidi a ušetřit je rutiny?	Méně opisování a hledání, rychlejší zaučení nováčků

Pro strategii si vyber dvě až tři z nich, ne všech pět. Důvod je praktický: každý cíl potřebuje svého garanta ve vedení, svá měřítka a své případy použití. Pět cílů naráz znamená, že žádný nemá dost pozornosti. Cíle si nevymýšlej sám. Vezmi je z toho, co už firma má: obchodní plán, cíle na rok, opakované stížnosti zákazníků, úzká hrdla, o kterých se mluví na každé poradě.

Dobrý cíl je formulovaný tak, aby šel změřit i bez AI. „Zkrátit dobu od poptávky k nabídce z pěti dnů na dva“ je dobrý cíl. „Využívat AI v obchodě“ není cíl, ale prostředek převlečený za cíl.

Od cílů ke kandidátům na případy použití

Teprve teď přichází na řadu otázka „kde by mohla pomoct AI“. Pro každý cíl projdi procesy, které ho nejvíc ovlivňují, a hledej v nich práci, která je opakovaná, textová nebo dokumentová, časově náročná a kde chyba nemá katastrofální následky. Jak takové kandidáty systematicky najít, ohodnotit a seřadit, jsme podrobně prošli v lekci Jak najít nejcennější případy. Tady tu metodu jen použijeme.

Důležitá změna oproti hledání „od nástroje“: každý kandidát má u sebe napsáno, ke kterému cíli přispívá a jakým měřítkem. Pokud kandidát nepřispívá k žádnému z vybraných cílů, nezahazuj ho, ale odlož ho do zásobníku. Může se hodit, až se cíle změní.

Ke každému kandidátovi si poznač i tři věci z dalších lekcí:

• Typ řešení: stačí asistent pro jednotlivce, je to automatizace procesu, nebo nová funkce produktu? (viz Asistent, automatizace, nebo produkt)
• Připravenost: jsou k dispozici data, je proces popsaný a jsou lidé ochotní? (viz Data, procesy a lidé)
• Rizikovou třídu: nespadá použití do vysoce rizikové kategorie podle AI Actu, nepracuje s citlivými osobními údaji? (viz Kategorie rizika a Osobní údaje v AI nástrojích)

Portfolio: rychlé výhry a několik strategických sázek

Seznam ohodnocených kandidátů ještě není strategie. Strategie je výběr, a ten je nejlepší dělat jako portfolio, podobně jako investor nedává všechny peníze do jedné akcie.

Portfolio případů použití(use-case portfolio)

Záměrně namíchaná sada projektů s různým poměrem rizika, nákladů a přínosu. Část má přinést rychlé a jisté výsledky, část větší, ale nejistý přínos. Celek se řídí jako jedna věc, s pravidelným přehodnocováním.

V praxi se osvědčuje dělit portfolio do dvou košů:

Rychlé výhry (quick wins) jsou malé, levné a málo rizikové případy, často postavené na hotovém asistentovi: shrnutí porad, návrhy odpovědí na e-maily, příprava podkladů. Jejich hlavní přínos nebývá v ušetřených hodinách, ale v tom, že se firma učí. Lidé získají zkušenost, ty uvidíš, kde vázne bezpečnost nebo data, a vedení dostane první důkaz, že to k něčemu je.

Strategické sázky jsou dva nebo tři větší projekty napojené přímo na hlavní cíle: AI v jádrovém procesu, napojení na firemní data, automatizace s měřitelným dopadem na náklady nebo tržby. Stojí víc, trvají déle, a některé nevyjdou. Proto jich nemá být moc a každá musí mít jasný bod, kdy se rozhodne, jestli pokračovat (o tom podrobně lekce Jak připravit pilot).

Častá chyba je portfolio složené jen z rychlých výher. Vypadá to bezpečně, ale firma pak po roce zjistí, že má hodně drobných zlepšení a žádné, které by vedení poznalo ve výsledovce. Opačná chyba, jen velké sázky bez rychlých výher, vede k tomu, že první výsledky přijdou za rok a do té doby ztratí trpělivost všichni včetně sponzora.

Kdo musí sedět u stolu

Zavádění AI není IT projekt. Zasahuje do práce lidí, do dat, do smluv i do právních povinností. Proto potřebuješ tři vrstvy lidí.

Sponzor ve vedení

Sponzor je člen vedení, ideálně ten, kterému patří hlavní cíl (třeba obchodní nebo provozní ředitel). Neřídí projekt den po dni. Jeho úkol je obhájit rozpočet, rozhodovat spory mezi odděleními, veřejně ukazovat, že na tom záleží, a sám AI používat. Pokud lidé vidí, že vedení o AI mluví, ale samo ji nepoužívá, berou to jako módní vlnu, která přejde.

Bez sponzora strategie většinou uvízne ve chvíli, kdy je potřeba něco změnit napříč odděleními: upravit proces, uvolnit lidi na pilot, sáhnout do rozpočtu jiného útvaru.

Vlastník AI (AI lead)

Jeden člověk, který za program zavádění AI odpovídá a má na to čas. V menší firmě to může být polovina úvazku, ve větší samostatná role. Často je to člověk z byznysu s technickým přehledem, ne nutně programátor. Pravděpodobně jsi to ty. Vlastník drží portfolio, svolává řídicí schůzky, hlídá pravidla a je první adresa pro otázku „smím tohle do AI dát?“.

Mezioborový tým

Kolem vlastníka stojí malý tým, který se schází pravidelně, ne jen „když je potřeba“:

Role	Proč tam je
Byznys (vedoucí dotčených oddělení)	Zná procesy a měří přínos. Bez něj vznikají řešení, která nikdo nepotřebuje.
IT	Identity a přístupy, integrace, provoz, výběr a správa nástrojů.
Bezpečnost	Rizika úniku dat, prompt injection, oprávnění agentů a nástrojů.
Právo a pověřenec pro ochranu osobních údajů (DPO)	AI Act, GDPR, smlouvy s dodavateli, posouzení vlivu.
HR	Školení a AI gramotnost, dopad na pracovní náplň, komunikace se zaměstnanci.

Tým nemusí být velký. Ve firmě se stovkami lidí to bývá pět až osm lidí, z nichž většina tomu věnuje pár hodin měsíčně. Důležité je, aby byli u stolu od začátku. Právník, který poprvé uvidí projekt týden před spuštěním, ho skoro jistě zdrží.

Jednostránková AI strategie: šablona

Strategie, kterou nikdo nepřečte, nepomůže. Proto doporučuju vejít se na jednu stranu. Delší podklady (ohodnocení kandidátů, rozpočet, analýza rizik) můžou být v přílohách, ale jádro musí jít přečíst za pět minut. Šablona má osm částí:

1. Vize – jedna až dvě věty, k čemu firmě AI má sloužit. Ne „být lídrem v AI“, ale jak má vypadat práce nebo služba za dva až tři roky.
2. Cíle – dva až tři, z oblastí výše, každý s měřítkem a výchozí hodnotou.
3. Principy – tři až pět pravidel, podle kterých se rozhoduje (třeba „člověk odpovídá za každý výstup, který jde ven“, „nejdřív koupit, stavět jen kde je to naše konkurenční výhoda“).
4. Prioritní případy použití – portfolio: rychlé výhry a strategické sázky, ke každému cíl, kterému slouží.
5. Mantinely – co se nesmí: zakázané druhy dat, zakázaná použití, schválené nástroje, povinná kontrola výstupů.
6. Měřítka – jak poznáte úspěch programu jako celku (ne jen jednotlivých projektů).
7. Rozpočet – řádově, na rok, rozdělený na licence, vývoj, školení a lidi.
8. Vlastníci – sponzor, vlastník AI, garant každého cíle a každé strategické sázky.

Kartonia je smyšlený výrobce obalů z kartonu s 300 zaměstnanci, dvěma závody na Moravě a zákazníky z potravinářství a e-commerce. Čísla jsou ilustrační, slouží jen k ukázce, jak má vyplněná strategie vypadat.

Vize: Do roku 2028 chceme, aby obchodníci a technologové trávili čas se zákazníky a výrobou, ne přepisováním poptávek a hledáním v dokumentaci. AI je u nás pomocník, za výsledek vždy odpovídá člověk.

Cíle (2027):

Cíl	Měřítko	Dnes	Cíl
Rychlejší nabídky (růst)	Medián doby od poptávky k nabídce	4 pracovní dny	2 dny
Méně reklamací z chyb v zadání (kvalita)	Podíl reklamací kvůli špatně převzatému zadání	[doplnit z dat]	−30 %
Rychlejší zaučení (zkušenost zaměstnanců)	Týdny do samostatné práce nového obchodníka	12	8

Principy: Člověk odpovídá za vše, co jde k zákazníkovi. Data zákazníků jen do schválených nástrojů s firemním účtem. Nejdřív hotové nástroje, vlastní vývoj jen u nabídkového procesu. Každý projekt má měřítko před startem, ne po něm.

Prioritní případy použití:

• Rychlé výhry: firemní AI asistent pro všechny kancelářské pozice (shrnutí, e-maily, překlady); asistent nad technickou dokumentací pro nové obchodníky.
• Strategická sázka 1: automatické převzetí poptávky (e-mail, PDF, výkres) do strukturovaného formuláře pro kalkulaci, s kontrolou obchodníkem.
• Strategická sázka 2: kontrola zadání zakázky proti technickým pravidlům před předáním do výroby.

Mantinely: Schválený je jen firemní asistent a nástroje na seznamu IT. Zakázáno: osobní údaje zaměstnanců, ceníky a smlouvy do nástrojů mimo seznam; rozhodování o lidech pomocí AI. Výstup jdoucí k zákazníkovi vždy kontroluje člověk (pravidlo ověřování).

Měřítka programu: podíl kancelářských zaměstnanců, kteří asistenta používají aspoň jednou týdně; ověřená úspora času u strategických sázek; počet bezpečnostních incidentů; plnění tří cílů výše.

Rozpočet 2027 (řádově): licence asistenta [doplnit podle nabídek], vývoj a integrace dvou sázek [doplnit], školení [doplnit], půl úvazku vlastníka AI.

Vlastníci: sponzor obchodní ředitel; vlastník AI vedoucí obchodní podpory (0,5 úvazku); garant sázky 1 vedoucí kalkulací, sázky 2 vedoucí technologie; tým: IT, bezpečnost (externí), právník a DPO, HR.

Všimni si dvou věcí. Zaprvé, místo vymyšlených čísel jsou tam závorky „doplnit“. Je lepší strategii předložit s poctivě prázdným políčkem než s číslem, které nikdo nezměřil. Zadruhé, strategie výslovně říká, co se dělat nebude. Vlastní vývoj jen u jednoho procesu, AI nerozhoduje o lidech. Tyhle hranice ušetří desítky debat.

Do hloubkyJak strategii propojit s rámci řízení rizik+

Pokud firma už pracuje s nějakým systémem řízení (kvalita podle ISO 9001, bezpečnost informací podle ISO/IEC 27001), je rozumné AI strategii navázat na něj, místo stavět paralelní byrokracii. Pro AI existují dva rámce, které se v praxi zmiňují nejčastěji.

NIST AI Risk Management Framework je dobrovolný rámec amerického institutu NIST z ledna 2023. Dělí řízení rizik AI do čtyř funkcí: Govern (řídit), Map (zmapovat), Measure (měřit) a Manage (zvládat). K němu v červenci 2024 vyšel profil pro generativní AI. Je zdarma a dá se použít jako kontrolní seznam, na co v mantinelech nezapomenout.

ISO/IEC 42001 je mezinárodní norma pro systém řízení AI (AI management system), tedy obdoba ISO 27001 pro AI. Hodí se firmám, které chtějí nebo musí řízení AI doložit certifikací, typicky když jsou dodavatelem pro větší zákazníky.

Pro jednostránkovou strategii nemusíš znát detaily ani jednoho. Stačí vědět, že tvoje „mantinely“ a „vlastníci“ jsou v jejich řeči „governance“, a že až budeš program škálovat (viz Škálování a governance), můžeš z nich čerpat.

Co je na tom opravdu těžké

Šablona vypadá jednoduše. V praxi narazíš hlavně na tři věci.

Vedení chce slyšet o AI, ne o procesech. Když přineseš strategii, kde je víc o době zpracování nabídky než o modelech, může to působit málo ambiciózně. Pomáhá ukázat, že právě vazba na cíle je to, co odlišuje projekty, které přežijí rozpočtové kolo, od těch, které ne.

Výchozí hodnoty neexistují. Firma často neví, jak dlouho dnes nabídka trvá nebo kolik reklamací vzniká z chyb v zadání. Změřit to je první úkol, i kdyby to mělo strategii zdržet o měsíc. Bez výchozí hodnoty nikdy neprokážeš přínos (víc v lekci Náklady, přínosy a rizika).

Říct „ne“ je politicky drahé. Každé oddělení má svůj nápad a portfolio jich může vzít jen pár. Proto mají být kritéria výběru zveřejněná předem a výběr má potvrdit sponzor, ne vlastník AI sám. Odmítnutý nápad jde do zásobníku s vysvětlením, ne do koše.

Co si odnést

• Strategie, která začíná u nástrojů, nemá podle čeho poznat úspěch. Začni u dvou až tří cílů firmy, které jdou změřit i bez AI.
• Kandidáty na případy použití odvozuj z cílů a u každého si poznač, ke kterému cíli přispívá, jaký je to typ řešení, jak je firma připravená a jaké nese riziko.
• Výběr dělej jako portfolio: rychlé výhry pro učení a důvěru, dvě až tři strategické sázky napojené na hlavní cíle, každá s bodem rozhodnutí.
• Potřebuješ sponzora ve vedení, jednoho vlastníka AI s časem a mezioborový tým (byznys, IT, bezpečnost, právo a DPO, HR) od prvního dne.
• Jádro strategie se vejde na jednu stranu: vize, cíle, principy, případy použití, mantinely, měřítka, rozpočet, vlastníci. Neznámé hodnoty nech poctivě prázdné.

Zdroje a další čtení

• BCG: AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value – průzkum mezi 1 000 manažery, včetně poměru 70/20/10 mezi lidmi a procesy, technologií a algoritmy.
• Microsoft a LinkedIn: 2024 Work Trend Index – průzkum o tom, jak lidé AI v práci používají, včetně vlastních nástrojů.
• NIST: AI Risk Management Framework – dobrovolný rámec pro řízení rizik AI a profil pro generativní AI.