Roadmapa a priority

V předchozí lekci Od cílů firmy k případům použití jsi sepsal jednostránkovou strategii: cíle, portfolio případů použití, mantinely, vlastníky. Teď přijde otázka, kterou ti položí každý ředitel hned po přečtení: „Dobře, a co přesně budeme dělat v lednu?“

Roadmapa je odpověď na tuhle otázku. Neříká jen co, ale v jakém pořadí a proč v tomhle. U AI je pořadí důležitější než jinde, protože spousta věcí na sobě závisí a přitom se technologie mění rychleji, než trvá jeden projekt. Proto se v téhle lekci naučíš dvě věci zároveň: jak plán postavit a jak ho pravidelně měnit, aniž by se rozpadl.

Čtyři fáze zavádění

Zavádění AI ve firmě má v praxi čtyři fáze. Nejsou to přísně oddělené etapy, spíš těžiště práce, které se postupně posouvá. Další fáze může začít, než ta předchozí skončí, ale nemá smysl ji začít bez jejích základů.

1. Základy

Bez základů každý další krok narazí. Patří sem:

• Pravidla používání AI. Krátký dokument: jaké nástroje jsou schválené, jaká data do nich smějí a nesmějí, kdo odpovídá za výstupy. Inspiraci najdeš v lekci Jak výstupy ověřovat a v Odpovědném používání AI.
• AI gramotnost. Základní školení pro všechny, kdo s AI pracují. AI Act v článku 4 ukládá firmám, které AI systémy používají, přijímat opatření na podporu AI gramotnosti svých lidí (od 2. února 2025; od novely Digital Omnibus v červenci 2026 v mírnějším znění, které nevyžaduje zaručit konkrétní úroveň). Co přesně to znamená a jaký je aktuální stav, rozebírá lekce Povinnost AI gramotnosti.
• Bezpečné nástroje. Firemní účty s podmínkami, které vylučují trénink na vašich datech, správa uživatelů přes firemní identitu (jednotné přihlášení), nastavená práva. Lidé musí mít lepší možnost, než je jejich soukromý účet, jinak zůstanou u něj.
• Inventura stínové AI. Zjisti, co lidé už používají. Neber to jako hon na viníky, ale jako průzkum potřeb: když deset lidí v obchodě používá nějaký nástroj na přepis hovorů, je to silný signál, kde je poptávka.

Stínová AI(shadow AI)

Používání AI nástrojů ve firmě bez vědomí nebo schválení IT a vedení, typicky přes soukromé účty. Hlavní riziko je, že firemní data odcházejí do služeb, jejichž podmínky nikdo neposoudil. Zároveň je to cenný ukazatel, kde lidé AI opravdu potřebují.

2. Piloty

Ve druhé fázi vybereš z portfolia první případy a vyzkoušíš je v malém, na skutečné práci a se skutečnými lidmi, s měřítkem domluveným předem. Rychlé výhry obvykle běží souběžně se základy (firemní asistent je zároveň „bezpečný nástroj“ i první pilot). Strategické sázky začínají, až jsou základy hotové. Jak pilot připravit a jak ho vyhodnotit, mají vlastní lekce: Jak připravit pilot a Jak ho vyhodnotit.

3. Škálování

Úspěšný pilot se rozšíří na další týmy, pobočky nebo procesy. Tady se mění povaha práce: místo „funguje to?“ řešíš „funguje to pro dvě stě lidí, každý den, s podporou, monitoringem a rozpočtem?“. Na tuhle fázi se nejčastěji zapomíná v plánu i v rozpočtu. Podrobnosti v lekci Škálování a governance.

4. Optimalizace

Co běží, zlepšuj a zlevňuj: lepší prompty a testovací sady, levnější model tam, kde stačí, vypnutí věcí, které se neosvědčily. Technické nástroje k tomu máš z kurzu o kvalitě: Monitoring a logování a Náklady, rychlost a volba modelu.

Roadmapa na 12 měsíců: příklad

Takhle může vypadat první rok vymyšlené firmy Kartonia z předchozí lekce (výrobce obalů, 300 lidí). Ber to jako vzor struktury, ne jako normu: tvoje firma může být rychlejší nebo pomalejší podle toho, jak dobře má data a procesy.

	Q1: základy	Q2: první piloty	Q3: škálování výher, pilot sázek	Q4: rozhodnutí a optimalizace
Lidé	Sponzor a vlastník AI jmenováni, tým sestaven; základní školení pro kancelář	Školení „AI ve vaší práci“ pro pilotní týmy; síť ambasadorů	Školení pro další oddělení; sdílení příkladů z pilotů	Pokročilé školení pro klíčové role; vyhodnocení školení
Pravidla a governance	Pravidla používání AI; seznam schválených nástrojů; inventura stínové AI	Měsíční řídicí schůzka běží; postup hlášení incidentů	Posouzení rizik pro strategické sázky (DPIA, AI Act)	Revize pravidel podle incidentů a zkušeností
Technologie	Firemní asistent s jednotným přihlášením; smlouva s dodavatelem	Přístup k dokumentaci pro asistenta; příprava dat pro sázku 1	Integrace pilotu sázky 1 do e-mailu a kalkulace	Monitoring, náklady, výběr levnějšího modelu kde stačí
Případy použití	Rychlá výhra 1: asistent pro kancelář (pilot 30 lidí)	Rychlá výhra 2: asistent nad dokumentací; příprava pilotu sázky 1	Výhra 1 pro všechny; pilot sázky 1 (jeden tým kalkulací)	Rozhodnutí o sázce 1: škálovat / upravit / zastavit; příprava sázky 2
Měřítka	Výchozí hodnoty cílů změřeny	Týdenní používání v pilotu; první ověřené úspory	Doba nabídky v pilotním týmu proti výchozí hodnotě	Plnění cílů roku; náklady na případ použití

Všimni si tří věcí. První čtvrtletí neobsahuje žádnou velkou „AI aplikaci“, jen základy a jednu rychlou výhru. Měření výchozích hodnot je v prvním čtvrtletí, ne na konci. A čtvrté čtvrtletí končí rozhodnutím, ne „spuštěním“: zastavit sázku, která nefunguje, je legitimní výsledek.

Závislosti: co musí být hotové dřív

Většina zpoždění AI projektů nevzniká v samotné AI, ale v čekání na něco jiného. Proto si u každé položky roadmapy napiš, na čem závisí, a ty nejpomalější věci rozjeď jako první.

• Přístup k datům. Asistent nad dokumentací potřebuje dokumentaci na jednom místě, aktuální a s rozumnými právy. Často zjistíš, že data jsou v pěti systémech a nikdo neví, která verze platí. Viz Data, procesy a lidé.
• Identita a oprávnění. Než AI napojíš na firemní systémy, musí být jasné, kdo smí co vidět. Asistent nesmí ukázat obchodníkovi mzdy jen proto, že mzdová tabulka leží na stejném disku. Víc v lekci Oprávnění a lidská kontrola.
• Právní posouzení. Posouzení vlivu na ochranu osobních údajů (DPIA), zařazení podle AI Actu, informování zaměstnanců. Právník potřebuje týdny, ne dny. Viz Osobní údaje v AI nástrojích a Povinnosti a termíny.
• Smlouvy s dodavateli. Zpracovatelská smlouva, kde jsou data uložená, zda se na nich trénuje, co se stane při ukončení. Nákup a právní oddělení mívají vlastní frontu. Podrobně v lekci Smlouvy s dodavateli.
• Lidé na pilot. Pilotní tým potřebuje čas na zkoušení a zpětnou vazbu. Pokud mu vedoucí neuleví od běžné práce, pilot se odehraje „vedle“ a výsledky budou zkreslené.

Rozpočet a lidé

Rozpočet na AI program má čtyři části a firmy obvykle podceňují ty dvě poslední:

1. Licence a služby – předplatné asistentů, platby za volání modelů přes API, hostování. Ceny se mění často, proto do rozpočtu dávej rozsah a rezervu, ne jedno číslo z dnešního ceníku.
2. Vývoj a integrace – interní lidé nebo dodavatel pro strategické sázky. Jestli stavět, nebo koupit, rozebírá lekce Koupit, nebo postavit.
3. Školení a podpora – nejen kurz, ale i čas lidí na učení, ambasadoři, interní příručky. Viz Školení a podpora.
4. Provoz a řízení – úvazek vlastníka AI, čas týmu na řídicí schůzky, monitoring, revize, právní konzultace.

Když BCG ve svém průzkumu odhaduje, že většina potíží se zaváděním AI pochází z lidí a procesů, mělo by se to odrazit i v rozpočtu. Firma, která dá skoro všechno do licencí a vývoje a na školení a změnu procesů jí nezbude, si podle téhle logiky koupí nástroj, který bude ležet ladem.

Měřítka pro každou fázi

Každá fáze potřebuje jiná měřítka. Chyba je měřit všechno od začátku ušetřenými penězi (na to je v základech brzy) nebo naopak měřit i ve třetí fázi jen počet přihlášení (to už nestačí).

Fáze	Co měřit	Na co si dát pozor
Základy	Podíl lidí se školením; počet schválených nástrojů; výsledky inventury; výchozí hodnoty cílů	Školení „odkliknuté“ neznamená, že lidé umí AI použít
Piloty	Pravidelné používání (týdně, ne „aspoň jednou“); ověřená úspora času; kvalita výstupů	Úsporu odhadovanou samotnými uživateli ověř měřením nebo vzorkem
Škálování	Používání napříč odděleními; vliv na cíle strategie; incidenty	Průměr zakrývá rozdíly; sleduj i týmy, kde to nefunguje
Optimalizace	Náklady na případ použití; kvalita v čase; spokojenost uživatelů	Levnější model může tiše zhoršit kvalitu; měř testovací sadou

Dvě měřítka sleduj ve všech fázích: incidenty (únik dat, chybný výstup, který odešel ven, porušení pravidel) a ověřenou úsporu času. Slovo „ověřenou“ je důležité. Lidé svou úsporu díky AI obvykle odhadují podle pocitu a ten může být vyšší i nižší než skutečnost. Proto aspoň u pilotů porovnávej čas na úlohu s AI a bez ní, nebo kontroluj vzorek. Jak na to, popisuje lekce Jak ho vyhodnotit.

Do hloubkyProč „aktivní uživatelé“ nestačí+

Dodavatelé AI nástrojů ve svých přehledech nejčastěji ukazují počet aktivních uživatelů. Je to pochopitelné: dá se to měřit automaticky a číslo rychle roste. Pro vedení firmy ale říká málo.

Zaprvé, „aktivní“ obvykle znamená „aspoň jednou za období něco udělal“. Člověk, který si jednou za měsíc nechá přeložit e-mail, je aktivní stejně jako člověk, který s AI připravuje všechny nabídky. Lepší je sledovat pravidelnost (kolik lidí používá nástroj aspoň v několika dnech týdně) a hlavně k čemu ho používají.

Zadruhé, používání je vstup, ne výsledek. Firma neplatí za to, že lidé AI otevírají, ale za kratší nabídky, méně reklamací nebo rychlejší zaučení. Proto se strategie ptá na cíle a roadmapa na měřítka, která k nim vedou.

Zatřetí, vysoké používání může skrývat problém: lidé můžou výstupy přestat kontrolovat. Proto patří vedle používání vždy i měřítko kvality nebo incidentů.

Pravidelné řízení: měsíční řídicí schůzka

Roadmapa bez pravidelného řízení zastará za dva měsíce. Osvědčuje se jednoduchý rytmus:

• Měsíčně řídicí schůzka (60 minut): sponzor, vlastník AI, mezioborový tým. Stav portfolia, měřítka, incidenty, rozhodnutí. Na konci vždy seznam rozhodnutí s vlastníky, ne jen „informovali jsme se“.
• Čtvrtletně revize roadmapy: co přesunout, co přidat, co zastavit. Tady se mění priority.
• Ročně revize strategie: platí ještě cíle? Změnila se firma, trh, zákony?

1. Měřítka (10 min) – jeden list: používání, ověřené úspory, kvalita, incidenty. Jen změny oproti minulému měsíci.
2. Incidenty a rizika (10 min) – co se stalo, co jsme změnili, potřebujeme upravit pravidla?
3. Portfolio (20 min) – stav každého pilotu a sázky: zelená, žlutá, červená. U žlutých a červených: co potřebujete od vedení?
4. Rozhodnutí (15 min) – nové kandidáty ze zásobníku přijmout, odložit, nebo odmítnout; pilot pokračuje, upraví se, nebo končí.
5. Shrnutí (5 min) – seznam rozhodnutí, kdo co do kdy. Rozeslat ještě ten den.

Jak měnit priority, když se technologie mění

U AI se během jednoho roku může stát, že nová verze modelu umí to, kvůli čemu jste plánovali měsíce vývoje, nebo že dodavatel přidá funkci, kterou jste chtěli stavět sami. Roadmapa s tím musí počítat od začátku.

• Plánuj podrobně jen na čtvrtletí dopředu. Další čtvrtletí měj na úrovni záměrů, druhé pololetí jen jako směr. Pevné jsou cíle, ne konkrétní technické řešení.
• Rozděluj sázky na malé kroky s bodem rozhodnutí. Šestiměsíční vývoj bez mezivýsledku je u AI riskantní, protože za šest měsíců může být řešení na trhu hotové.
• U každého projektu si napiš, co by ho udělalo zbytečným. „Pokud firemní asistent začne umět spolehlivě číst výkresy, sázku 1 přehodnotíme.“ Pak víš, na které novinky reagovat.
• Odděluj vrstvy. Cíle, data, procesy a měřítka zůstávají, model a nástroj se mohou vyměnit. Kdo si postaví testovací sadu a jasné měřítko, vymění model za odpoledne. Kdo ne, začíná pokaždé od nuly.
• Neměň priority po každé novince. Novinka jde na řídicí schůzku jako kandidát, prochází stejným hodnocením jako ostatní. Jinak tým skáče od jednoho dema k druhému.

Jak zavádění typicky selže

Možná jsi viděl titulky typu „většina AI pilotů selhává“ s konkrétním, hodně vysokým procentem. Než takové číslo použiješ v prezentaci pro vedení, otevři originální zprávu a podívej se, kolik firem a jak se ptali, co přesně počítali za „selhání“ a kdo zprávu zaplatil. Často se ukáže, že jde o malý vzorek, úzkou definici úspěchu nebo průzkum dělaný firmou, která prodává řešení. To neznamená, že problém neexistuje, jen že přesné číslo bývá méně spolehlivé, než titulek naznačuje. Užitečnější než procenta jsou opakující se vzorce, které uvidíš i bez statistiky:

1. Pilotní očistec. Firma má deset pilotů a žádný v provozu. Piloty nemají předem domluvené měřítko ani rozhodnutí, co bude po nich, takže „běží dál“. Lék: každý pilot má datum rozhodnutí a tři možné výsledky (škálovat, upravit, zastavit).
2. Technologie bez změny procesu. Nástroj se nasadí, ale práce zůstane stejná, jen s jedním krokem navíc. Přínos se nedostaví, protože ho nikdo nepromítl do toho, jak se práce dělá.
3. Chybí sponzor. Projekt vede nadšenec bez pravomoci. Ve chvíli, kdy je potřeba sáhnout do jiného oddělení nebo rozpočtu, se zastaví.
4. Rizika až na konci. Právník nebo bezpečnost se o projektu dozví před spuštěním a zablokují ho. Měsíce práce jsou ztracené nebo se musí předělat.
5. Zákaz místo alternativy. Firma zakáže AI, ale nenabídne bezpečný nástroj. Lidé ji používají dál, jen potají a na soukromých účtech.
6. Měření až po faktu. Nikdo nezměřil, jak to bylo předtím. Po roce nejde přínos doložit, a tak rozpočet na další rok dostane někdo jiný.

Za povšimnutí stojí, že žádný z těch vzorců není technický. To odpovídá i odhadu z průzkumu BCG, který jsme zmínili výše: hlavní potíže leží v lidech a procesech.

Co si odnést

• Zavádění má čtyři fáze: základy (pravidla, AI gramotnost, bezpečné nástroje, inventura stínové AI), piloty, škálování a optimalizace. Bez základů každý další krok narazí.
• Roadmapa na rok se vejde do jedné tabulky po čtvrtletích. První čtvrtletí patří základům a měření výchozích hodnot, poslední končí rozhodnutím, ne spuštěním.
• Nejvíc zdržují závislosti mimo AI: data, oprávnění, právní posouzení a smlouvy s dodavateli. Rozjížděj je jako první.
• Každá fáze má svá měřítka. Ve všech sleduj incidenty a ověřenou (ne odhadnutou) úsporu času.
• Měsíční řídicí schůzka končí rozhodnutími, čtvrtletně se mění priority. Pevné jsou cíle, model a nástroj se můžou vyměnit.
• Zavádění selhává hlavně na lidech a procesech, ne na technologii. S citováním procent o selhávání buď opatrný a vždy si otevři originál.

Zdroje a další čtení

• Evropská komise: AI Literacy – Questions & Answers – odpovědi Komise k povinnosti AI gramotnosti podle článku 4 AI Actu.
• BCG: AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value – průzkum mezi 1 000 manažery o tom, kde zavádění AI drhne.
• Microsoft a LinkedIn: 2024 Work Trend Index – průzkum o používání vlastních AI nástrojů v práci a o obavách, že vedení chybí plán.
• NIST: AI Risk Management Framework – dobrovolný rámec, ze kterého se dá čerpat při nastavování řízení a měřítek.