Mezi pět častých chyb, které firmy dělají při zavádění AI, patří:

„Jednou z nejčastějších chyb je nasazování umělé inteligence jen proto, že ji mají i ostatní. Ve firmách vznikají projekty s neurčitým zadáním typu „musíme mít AI“, aniž by bylo jasné, jaký konkrétní problém má technologie řešit,“ říká Michal Černý ze společnosti Audiopro.

Podle analýz společnosti McKinsey & Company přináší očekávanou hodnotu jen asi 20 až 30 procent projektů využívajících umělou inteligenci. Hlavním důvodem selhání je právě absence konkrétního byznysového cíle – například úspory nákladů, zvýšení produktivity nebo růstu tržeb.

„Mnoho organizací dnes experimentuje s chatboty, asistenty nebo copiloty, ale často chybí měření jejich skutečného dopadu. Bez jasných metrik pak firmy jen obtížně nebo jen pocitem poznají, zda technologie skutečně přináší hodnotu,“ dodává Michal Černý.

Dalším problémem je představa, že stačí zaměstnancům dát nový nástroj a produktivita automaticky vzroste. Ve skutečnosti se ale bez změny pracovních procesů přínosy často nedostaví.

Podle Boston Consulting Group výrazně roste produktivita jen tam, kde firmy zároveň přeorganizují práci. Pokud zaměstnanci používají umělou inteligenci jen „navíc“ k původním úkolům, její dopad zůstává omezený.

„Typickým příkladem jsou kancelářské nástroje nebo generativní asistenti. Zaměstnanci je sice používají, ale workflow zůstává stejné. Výsledkem je vysoká míra používání technologie, ale relativně malý reálný efekt,“ říká Jan Dvořák, výkonný ředitel Počítačové školy GOPAS.

Mnoho organizací také podceňuje školení zaměstnanců. Často panuje představa, že lidé si nové nástroje sami osvojí a postupně přijdou na jejich možnosti.

„Praxe ale ukazuje opak. Až o 40 procent potenciálních přínosů umělé inteligence firmy přicházejí kvůli nedostatku dovedností. Zaměstnanci pak technologii využívají jen pro jednoduché úkoly, například přepis textů nebo základní shrnutí,“ dodává Jan Dvořák z Počítačové školy GOPAS.

Pokročilejší využití – například analýzu dat, podporu rozhodování nebo tvorbu komplexních výstupů – přitom mnoho pracovníků vůbec nevyužívá. Rozdíl mezi základním a pokročilým používáním přitom může znamenat zásadní rozdíl v produktivitě.

S rychlým rozšířením generativních nástrojů se ve firmách objevuje také fenomén takzvané shadow AI. Zaměstnanci začnou používat veřejné nástroje bez vědomí IT oddělení nebo managementu.

„V řadě organizací významná část pracovníků umělou inteligenci používá neoficiálně. To může přinášet bezpečnostní rizika, například při sdílení citlivých dat s externími službami. Firmy tak často řeší dilema: technologie je pro zaměstnance užitečná, ale bez jasných pravidel může ohrozit bezpečnost či compliance,“ říká Michal Španěl, datový analytik a manažer JenPráce.cz. „AI modely stále poměrně často fabulují, pokud zaměstnanci nedělají poctivou verifikaci všech tvrzení, mohou neúmyslně pouštět do oběhu „odborné fake news” a ohrozit tak reputaci své firmy,“ dodává.

Technologickou bariérou číslo jedna zůstávají data. Mnoho firem chce využívat umělou inteligenci, aniž by měly připravenou datovou infrastrukturu nebo kvalitně spravované informace. Právě kvalita a dostupnost dat jsou hlavním důvodem, proč se projekty často zastaví ve fázi pilotu a nepřejdou do běžného provozu. Firmy podceňují zejména integraci dat do systémů nebo správu interních znalostí.

Podobný problém se objevuje i na úrovni řízení projektů. Organizace spouštějí desítky experimentů, ale jen málokterý z nich se podaří rozšířit napříč firmou. Studie Boston Consulting Group uvádí, že plošně dokáže umělou inteligenci škálovat jen zhruba 30 procent organizací.

„Zkušenosti z praxe tak ukazují, že zavádění umělé inteligence není primárně technologický projekt. Úspěch závisí především na tom, zda firmy dokážou změnit způsob práce, připravit data, vyškolit zaměstnance a nastavit jasné cíle. Bez těchto kroků zůstane i ta nejmodernější technologie jen zajímavým experimentem,“ uzavírá Michal Španěl.