Hlavní strana -> Časopis IT Systems -> Rok 2025 -> IT Systems 5/2025 -> AI ve financích: Finanční prognózy moderně a smysluplně
IT SYSTEMS 5/2025 , AI a Business Intelligence

AI ve financích: Finanční prognózy moderně a smysluplně

Martin Křemeček

AI AnalyzaZa dvacet let kariéry ve financích jsem byl přímým svědkem toho, jak technologie postupně proměnily celý obor. Začínali jsme s Excelem, přešli na robustní ERP systémy a nyní vstupujeme do éry, kterou definuje umělá inteligence. Zatímco mediální pozornost získávají hlavně jazykové modely typu ChatGPT a generativní AI, stejně významný potenciál se skrývá v analýze tabulkových dat – tedy strukturovaných číselných záznamů, které tvoří základ každého finančního systému. Zde začíná skutečná transformace pravidelných činností šéfů finančních oddělení, odborníků na controlling nebo risk manažerů.


Jednu z takových činností představuje odhadování budoucího vývoje, které je zejména v retailovém sektoru mimořádně aktuální. Maloobchod čelí rychlým změnám spotřebitelských preferencí, sezonním výkyvům a silné konkurenci, proto je schopnost přesně předpovídat poptávku, optimalizovat zásoby a řídit cash flow klíčem k udržení konkurenceschopnosti a ziskovosti. Realita však bývá často jiná – manuální práce, nejisté odhady a izolované modely patří ve financích stále k běžné praxi.
Přitom analýza číselných dat je oblastí, kde AI exceluje. Moderní nástroje s umělou inteligencí si dokážou rychle poradit se složitými datovými strukturami, efektivně pracují s chybějícími údaji a zachytí i komplexní vzorce, které tradiční metody nezvládnou.
Tyto nástroje se už dlouho nenachází ve fázi experimentů nebo beta testování. Můžete je bezpečně používat na anonymizovaných datech už dnes. 

Předvídat dřív, než se změní počasí

Klasické modely využívající lineární regrese nebo ARIMA (AutoRegressive Integrated Moving Average) jsou dnes příliš pomalé a rigidní. Nezvládají rychle reagovat na současné tržní změny. Navíc mají omezený rozsah a nedokážou zachytit složité souvislosti nebo nelineární vzorce, které se v moderních datech běžně vyskytují. A právě v tom má AI navrch.
AI přináší rychlou analýzu a výsledky, ale jejich interpretace zůstává v rukou člověka.
 
Modely typu TFT (Temporal Fusion Transformers) dokážou díky AI v reálném čase rozeznat sezonní výkyvy, mimořádné události nebo neočekávané vlivy trhu. Příkladem může být příprava hobbymarketů na začátek jarní sezony. Tradiční modely vycházející z historických dat nezohlední aktuální výkyv počasí – například neobvykle teplý březen, který vyžene zákazníky do obchodů o měsíc dřív. AI model okamžitě zareaguje: vezme v úvahu předpověď počasí i změnu v chování zákazníků zaznamenanou v e-shopu i kamenných prodejnách a navrhne navýšení skladových zásob zahradního sortimentu právě včas. Namísto prázdných regálů nebo ztracených tržeb tak firma zvládne situaci prediktivně s menším rizikem a vyšší efektivitou. 
AI přináší rychlou analýzu a kvantitativní výsledky, ale skutečný kontext a interpretace výsledků zůstávají v rukou člověka. Finanční analytici totiž znají politické, regulatorní i strategické souvislosti, které žádný model sám o sobě rozpoznat neumí. Jinými slovy – AI odhalí, „co se děje“, ale „proč se to děje“, dokáže určit pouze člověk.
AI odhalí, „co se děje“, ale „proč se to děje“, dokáže určit pouze člověk.

Data bez smyslu ztrácí důvěru

Zajímavou paralelou je oblast marketingu. Podle zprávy SAP Emarsys Global Consumer Products Engagement Report 2025 se řada firem potýká s tzv. temnými daty, tedy údaji, které sbírá, ale nijak efektivně nevyužívá. Více než polovina expertů na marketing spotřebního zboží přiznala, že jejich organizace trpí právě tímto neduhem. Toho si všímají zákazníci – téměř polovina z nich tvrdí, že jejich data jsou sbírána bez smysluplného využití. Co je ještě důležitější, celých 73 % lidí odrazuje, pokud od nich firmy žádají osobní informace bez vysvětlení, proč je potřebují.
Řada firem se potýká s tzv. temnými daty, které sbírá, ale nijak efektivně nevyužívá.
 
Problém temných dat tedy nepředstavuje jen technické selhání – je to strategická chyba. Z toho plyne jasné ponaučení: sběr dat bez konkrétního záměru podkopává důvěru. A v oblasti finančních prognóz to platí jakbysmet. AI musí být využívána s jasným záměrem, dohledem a především smysluplně.
S příchodem generace Z musí nejen marketéři zohlednit jejich často výrazně odlišné nároky na komunikaci i rozhodování. Loajalita ke značce pro ně zdaleka není tak důležitá jako konkrétní přínos. 63 % z nich říká, že pokud produkt splní jejich potřeby, značka je nezajímá. Nechtějí marketing pro marketing – chtějí vidět relevanci, hodnotu. A totéž očekávají i uvnitř firem – neláká je pracovat proto, aby si odškrtli povinné políčko ve výkazu aktivit, ale aby jejich práce měla smysluplný a hmatatelný dopad na společnost. 
Stejná očekávání mají investoři a vedení firem. AI ve financích musí přinášet konkrétní přidanou hodnotu, nikoliv jen hezkou prezentaci pro top management.
AI musí přinášet konkrétní přidanou hodnotu, nikoliv jen hezkou prezentaci.
AI analyzuje

Využíváme, ale nedůvěřujeme

I přes popularitu umělé inteligence jí spotřebitelé zatím nedůvěřují. Zatímco 76 % marketérů v oblasti spotřebního zboží považuje AI za zásadní pro komunikaci se zákazníky, jen 10 % zákazníků by ocenilo větší personalizaci na základě výstupů umělé inteligence. To ale není odmítnutí technologie jako takové – je to skepse k tomu, jak ji firmy využívají.
Vzkaz obchodnímu oddělení je jasný: AI si musí své místo zasloužit tím, že přinese skutečnou přidanou hodnotu zákazníkům, nikoli pouze prodejcům.
To samé platí i ve financích. Vedoucí pracovníci, investoři i zaměstnanci nechtějí být zahlceni prognózami – očekávají takové podklady, které jim pomohou lépe se rozhodovat. Umělá inteligence má v tomto směru obrovský potenciál, ale bez transparentnosti a přínosu zákazníkům bude jen dalším nástrojem, který se míjí s potřebami byznysu.
To, co skutečně funguje, není slepé spoléhání na AI, ale její chytré propojení s lidským úsudkem. Softwarové nástroje zvládnou velmi dobře vytvořit první, technicky přesné predikce. Ale to nejdůležitější přichází až potom – když člověk přebere otěže, zasadí výstupy do kontextu a rozhodne, co se s nimi skutečně udělá. Zohlední reálné scénáře, dopady mimo model, připraví varianty a alternativy. Jinými slovy: AI pomáhá orientovat se v terénu, ale směr určuje člověk.
AI může být užitečný pomocník, ale jen v rukou lidí, kteří vědí, co chtějí říct – a hlavně proč.

Co přijde a nečeká na vás

Tohle není jen další malý krok kupředu. Je to zásadní změna v přemýšlení o tom, jak se ve financích pracuje s daty. Mění se tím celé nastavení práce finančních týmů. Od papírování a zpětného pohledu k aktivnímu plánování. Od mechanické kontroly dat k jejich interpretaci. AI může být užitečný pomocník, ale jen v rukou lidí, kteří vědí, co chtějí říct – a hlavně proč.
Role umělé inteligence ve finančním prognózování není v tom, aby nahradila lidské myšlení, ale aby ho rozšířila. Zvládne zpracovat víc dat, rychleji. Odhalí vzory, kterých bychom si sami nemuseli všimnout. A pomůže vytvářet předpovědi, které nejsou jen přesné, ale dokážou se i přizpůsobit na základě situace, která je právě teď.
Pro každý finanční tým, který se chce posunout dál, z toho plyne jednoduché doporučení: nečekejte, až ten vlak odjede. Nástroje existují. Modely jsou k dispozici. A nečekají na vás.
Pokud přijmeme tuto hybridní budoucnost – data necháme na AI, ale rozhodování na lidech – nebudeme jen lépe predikovat. Budeme stavět firmy, které jsou odolnější, flexibilnější a připravené na to, co přijde.
 
Martin Křemeček Martin Křemeček
Autor článku vede tým finančního plánování a analýz v SAP Emarsys.
Chcete získat časopis IT Systems s tímto a mnoha dalšími články z oblasti informačních systémů a řízení podnikové informatiky? Objednejte si předplatné nebo konkrétní vydání časopisu IT Systems z našeho archivu.

Inzerce

AI má pracovat s vámi, ne místo vás

Jak začít s robotizací kanceláře?

Kolik peněz vaši firmu každý měsíc stojí ruční přepisování dat? Ceny, PDFka, tabulky, faktury, data v různých formátech – rutina bez přidané hodnoty, často vnímaná jako nutné zlo, která spolyká desítky hodin lidského času a vytváří dvojí náklad: přímé mzdové výdaje i ztrátu prostoru pro práci s vyšší přidanou hodnotou. Možná už víte, že tato opakující se zátěž brzdí výkon, snižuje motivaci a omezuje růst. A možná také tušíte, že díky rozvoji AI ji lze efektivně automatizovat. Otázka tak často není „zda“, ale „jak a kde začít“, aby se řešení skutečně vyplatilo.