Industrial Data Economy

Od dat k penězům: proč 95 % AI projektů skončí zklamáním a co s tím udělat jinak

Autor: Petar P. Stanchev, Ph.D., LL.D., jednatel, Aplis Solutions s.r.o., zakladatel, ekosystém AssIQ.ai

Na dubnové Roadshow digitalizace MSP v CEITEC VUT v Brně zazněla věta, která by měla viset zarámovaná v každé kanceláři výrobního ředitele: účelem digitalizace není zdigitalizovat. Účelem podnikání je vydělat peníze. Když zdigitalizujete špatný proces, máte stále jen špatný proces. Zní to jako samozřejmost. A přesto právě tady leží jádro problému, který trápí většinu AI iniciativ v českém průmyslu.

Studie MIT Media Lab uvádí, že 95 % pilotů generativní AI v podnikové praxi skončilo neúspěchem. Financial Times popisují současný stav implementace AI jako chaotický: obrovské investice, minimální návratnost, pouhých 10 % firem se skutečnou integrací do procesů. Podle průzkumu 79 % manažerů nevěří svým dodavatelům AI technologií. A pouhé jedno procento ředitelů má plně formulovanou AI strategii.

Kde je chyba? Ne v technologii. Technologie funguje. Chyba je v tom, že jsme při zavádění AI zapomněli na tři věci, bez kterých žádná technologie nikdy nepromění čísla na konci účetního výkazu.

Pilíř první: lidé, kteří s tím budou žít

Každý dodavatel technologií vám ukáže graf, jak AI sníží náklady o 30 %. Málokdo vám řekne, co se stane, když váš mistr ve výrobě, plánovač nebo operátor tomu systému nevěří, nerozumí mu a má pocit, že ho má nahradit. Odpověď: nepoužívá ho. A vy jste právě vyhodili statisíce korun.

Na brněnské Roadshow se toto téma opakovalo v každém příspěvku. Největší překážkou zavádění AI není absence dat ani cena softwaru. Největší překážkou je člověk. Respektive to, že se na něj zapomnělo. Lidé potřebují vidět, co jim nová technologie přinese. Potřebují rozumět podstatě toho, co se implementuje, i když nemusí chápat každý algoritmus. Potřebují být vyslyšeni a zapojeni do procesu od samého začátku. A naprosto kritické je udržet jejich zapojení i během implementace a ladění, kdy systém ještě není dokonalý a frustrace roste nejrychleji.

Roční dítě je násobně inteligentnější než kterýkoli AI model. Učí se chodit, mluvit, chápat mluvené slovo. Ale dělá to intuitivně, metodou pokus a omyl, s podporou okolí. Přesně tak je třeba přistupovat k vašim zaměstnancům při zavádění AI: ne jako k překážce, kterou je třeba překonat, ale jako k partnerovi, kterého je třeba získat.

Pilíř druhý: byznysová logika, ne technologické nadšení

Když vám někdo nabízí AI řešení, položte mu jednoduchou otázku: jak se to projeví v mém cash flow? Pokud nedokáže odpovědět, pošlete ho domů. Zní to tvrdě, ale v praxi je to jediný funkční filtr.

Vašeho zákazníka zajímají tři věci: co váš výrobek umí, kolik stojí a kdy ho může mít. Vůbec ho nezajímá, jestli používáte umělou inteligenci. Zajímá ho užitná hodnota, cena a termín. Každý AI projekt, který neprokáže pozitivní dopad na některý z těchto tří parametrů, je akademické cvičení, ne podnikatelské rozhodnutí.

V praxi to znamená vrátit se k základním nástrojům, které každý dobrý finanční ředitel zná: business planning, scénářová analýza, investiční hodnocení, finanční modelování a posouzení NPV dopadu implementace. Zní to jako přednáška z finančního řízení? Právě proto, že tyto nástroje nikdo na AI projekty neaplikuje, končí většina z nich jako drahý experiment bez měřitelného výsledku.

Představte si, že zvažujete nasazení AI vizuální kontroly kvality. Náklady jsou v řádech stovek tisíc korun: jedna lepší kamera, slušný počítač, matematický model. Výrobci na brněnské Roadshow potvrdili, že takové řešení dokáže dramaticky snížit zmetkovitost a zvýšit spokojenost zákazníků. Navíc počítač se neunaví, netrpí pondělní kocovinou ani pátečním těšením se na víkend. Ale kolik přesně ušetříte? A za jak dlouho se investice vrátí? Bez finančního modelu to nevíte. A bez toho nevíte, jestli je to rozhodnutí správné.

Pilíř třetí: strategická kotva

73 % malých a středních podniků tvrdí, že mají více dat, než dokážou využít. Ale méně než 10 % českých MSP aktivně využívá AI ve výrobě. Propast mezi daty a jejich využitím není technologická. Je strategická.

Každá AI implementace musí vycházet z jasně definovaných strategických cílů podniku. Ne z toho, co je technologicky možné, ale z toho, co podnik potřebuje: snížit průběžnou dobu výroby? Zvýšit využití kapacit? Zkvalitnit predikci poptávky? Zlepšit alokaci lidí na směnách? Každá z těchto otázek vede k jinému use case, jiné technologii a jinému finančnímu dopadu.

Nepřetahujte vůz před koně. Nejdříve definujte, který z parametrů kvality, ceny a termínu chcete zlepšit. Pak teprve hledejte nástroj. Ať už je to MES, ERP, AI vizuální inspekce nebo prediktivní údržba, vždy se ptejte: jak to udělá moji firmu lepší pro mého zákazníka a silnější vůči konkurenci?

Od slibů k penězům: praktické první kroky

V rámci ekosystému AssIQ.ai, který sdružuje přes třicet technologických firem, akademických pracovišť a konzultantů, vidíme v praxi stále tentýž vzorec: firmy, které přistoupí k AI jako k investičnímu rozhodnutí (s finančním modelem, jasně definovaným use case a zapojenými lidmi), dosahují měřitelných výsledků. Firmy, které k AI přistoupí jako k technologickému experimentu, končí s drahým pilotem, který se nikdy nedostal do produkce.

Co s tím prakticky? Za prvé: začněte auditem dat a procesů, ne výběrem dodavatele. Za druhé: ke každému AI use case sestavte finanční model, investiční náklady, očekávané úspory, návratnost. Za třetí: zapojte lidi, kteří budou se systémem žít, od samého začátku, ne až když je systém hotový. Za čtvrté: nastavte governance framework, pravidla pro etiku, bezpečnost a odpovědnost AI rozhodování od prvního dne. A za páté: pravidelně měřte, vyhodnocujte a buďte připraveni projekt zastavit, pokud čísla říkají ne.

Profitabilita je cíl, ale hotovost je králem. Toto pravidlo platí v bankovnictví, v consultingu i ve výrobě. A platí i pro AI. Žádná technologie, jakkoli sofistikovaná, nenahradí zdravý rozum, finanční disciplínu a schopnost naslouchat lidem, kteří stojí u strojů. Teprve když tyto tři pilíře stojí, může AI doručit to, co slíbila: spokojenost, konkurenceschopnost a reálné peníze.