IT Systems 4/2026 AI a Business Intelligence Dnes 9:00

Proč implementace AI v podnikových systémech často selhává

Jak to vypadá, když česká firma investuje do AI? Obvykle tak, že podepíše smlouvu, absolvuje onboarding, zaplatí implementaci. Půl roku nato ovšem AI reálně nikdo moc nepoužívá, data jsou stejně v Excelu a vedení tiše přestane o projektu mluvit. To není výjimka, ale vzorec, který se opakuje napříč odvětvími a velikostmi firem. A přitom AI v podnikových systémech fungovat může, ale ne tak, jak si většina firem představuje.

Problém není v technologii, ale v očekáváních

Firmy do AI projektů vstupují s představou velkého třesku: nasadíme systém, který za nás bude myslet, rozhodovat a automatizovat vše od skladu po HR. Do konce kvartálu.

Výsledkem je přetížený projekt, který nic nedělá pořádně, protože se snaží dělat příliš mnoho věcí najednou. A když první výsledky nepřijdou rychle, entuziasmus opadne a projekt se tiše zastaví.

Firmy, které s AI uspějí, přistupují k věci jinak. Nezačínají transformací – začínají jedním konkrétním problémem, který je skutečně bolí. Automatizují příjem objednávek z e-mailů. Nebo přepis porad do úkolů. Nebo třídění životopisů. Jeden agent, jeden problém, měřitelný výsledek. Teprve pak přidají další.

Druhý zabiják projektů: špinavá data

AI se učí ze vzorů. Pokud jsou v systému duplicitní záznamy, chybné historické faktury nebo neaktuální skladové karty, a v každém systému po pár letech jsou, AI se tyto chyby naučí a začne je replikovat.

Predikce nedávají smysl. Doporučení jsou nesmyslná. Management přestane výsledkům věřit. A projekt je de facto mrtvý, i když technicky běží.

Úspěšné implementace proto vždy začínají analýzou a pročištěním dat ještě předtím, než se AI vůbec spustí. Není to sexy část projektu. Ale je to ta nejdůležitější.

Třetí problém: systém, který si nedá říct

Aby AI agenti skutečně fungovali, potřebují číst data ze systému, zapisovat výsledky a reagovat na změny v reálném čase. K tomu potřebují otevřenou architekturu a informační systém, který se chová jako živý nástroj, ne jako databáze z roku 2010.

Mnohá podniková řešení tady naráží na svůj limit. Změna procesu, přidání kroku do workflow nebo napojení externího agenta znamená programátorský zásah, ticket a týdny čekání. AI se s takovým systémem propojuje velmi obtížně.

Část českých firem proto přechází k modernějším platformám, které jsou na tuto spolupráci připraveny od základu.

Co konkrétně už dnes AI v podnikových systémech umí

Tam, kde jsou data v pořádku, systém připravený a očekávání realistická, AI přináší výsledky, které jsou měřitelné v hodinách ušetřených každý týden. Typické případy z praxe: automatické vytěžování faktur a objednávek z e-mailů a PDF bez ručního přepisování, inteligentní vyhledávání v interní dokumentaci místo zdlouhavého procházení složek, automatický zápis z porad přímo do úkolů v systému nebo průběžný monitoring konkurenčních cen bez potřeby živého analytika.

Jak to dělat dobře

Recept na úspěšnou implementaci AI v podniku není tajný. Začněte s čistými daty. Vyberte jeden problém, který vás skutečně bolí. Nasaďte na něj fokusovaného agenta. Změřte výsledek. A teprve pak přidejte další.

Firmy, které tímto způsobem postupují, dnes šetří stovky hodin ročně a mají systémy, které se jim přizpůsobují. Ostatní mají hezky pojmenovaný projekt v PowerPointu – a Excel na stole.

David Strejc
Autor článku je jednatelem společnosti Apertia Tech a architektem AutoERP. Od roku 2004 aktivně působil v oblasti firemního IT. Dříve byl spolumajitelem společnosti Easy Software a má i korporátní zkušenosti. Působil i jako infrastructure architekt v O2 nebo system & solution designer v T-Mobile. Je velkým propagátorem AI.