Aktuality -> Analýzy - 3. 7. 2026 - Jan Zvoník

Pro úspěšné nasazení AI v podniku

není rozhodující volba modelu, ale struktura a kvalita a datového prostředí

Zavádění umělé inteligence v organizacích se často redukuje na výběr konkrétního modelu nebo AI asistenta. Diskuze se točí kolem jejich schopností, výkonu a dostupnosti. Z pohledu podnikové praxe je to ale vedlejší téma. Skutečná otázka totiž nezní, jakou AI organizace používá. Správná otázka je: Jaká data má AI k dispozici? V praxi se ukazuje, že rozhodujícím faktorem není volba modelu, ale kvalita a struktura datového prostředí, do kterého je AI integrována. Právě to rozhoduje o úspěchu nebo neúspěchu většiny AI projektů.



 
  

- PR -

Recept na úspěšné řízení výrobního podniku

Zářijové vydání IT Systems je už tradičně zaměřeno především na digitalizaci výrobních podniků, které čelí rostoucím nárokům na efektivitu, flexibilitu a rychlost dodávek. V prostředí neustálých změn zákaznických požadavků, výkyvů v dodavatelských řetězcích a tlaku na snižování nákladů je stále důležitější schopnost optimálně plánovat a řídit výrobu, efektivně využívat dostupné kapacity a rychle reagovat na nečekané situace. Moderní technologie k tomu nabízejí řadu možností ať už jde o vyspělé ERP systémy, pokročilé APS nebo operativní MES. Prakticky všichni autoři, kteří se podíleli na aktuálním vydání, se ale shodují na tom, že samotné technologie nestačí. Rozhodující je jejich smysluplné využití, kvalitní data a správně nastavené procesy.

  

- PR -

Digitalizace potřebuje pevný základ, jinak jen násobí chaos

Excel, e-mail, několik specializovaných aplikací a k tomu informační systém, ve kterém je jen část důležitých údajů. V mnoha firmách jde dlouho o funkční kombinaci. S růstem společnosti se ale může změnit v prostředí, kde jednotlivá oddělení pracují s rozdílnými informacemi a nikdo si není jistý, která data jsou skutečně aktuální.
Právě roztříštěnost informací bývá jedním ze signálů, že nastal čas uvažovat o ERP systému. Obchod nezná aktuální stav zakázky, výroba obtížně plánuje kapacity, sklad čeká na správné podklady a management získává čísla až po ručním zpracování několika tabulek.