- Přehledy IS
- APS (20)
- BPM - procesní řízení (23)
- Cloud computing (IaaS) (10)
- Cloud computing (SaaS) (32)
- CRM (51)
- DMS/ECM - správa dokumentů (20)
- EAM (17)
- Ekonomické systémy (68)
- ERP (77)
- HRM (28)
- ITSM (6)
- MES (32)
- Řízení výroby (36)
- WMS (29)
- Dodavatelé IT služeb a řešení
- Datová centra (25)
- Dodavatelé CAD/CAM/PLM/BIM... (38)
- Dodavatelé CRM (33)
- Dodavatelé DW-BI (50)
- Dodavatelé ERP (70)
- Informační bezpečnost (50)
- IT řešení pro logistiku (45)
- IT řešení pro stavebnictví (26)
- Řešení pro veřejný a státní sektor (27)
Tematické sekce
ERP systémy
CRM systémy
Plánování a řízení výroby
AI a Business Intelligence
DMS/ECM - Správa dokumentů
HRM/HCM - Řízení lidských zdrojů
EAM/CMMS - Správa majetku a údržby
Účetní a ekonomické systémy
ITSM (ITIL) - Řízení IT
Cloud a virtualizace IT
IT Security
Logistika, řízení skladů, WMS
IT právo
GIS - geografické informační systémy
Projektové řízení
Trendy ICT
E-commerce B2B/B2C
CAD/CAM/CAE/PLM/3D tiskBranžové sekce
![]() | Přihlaste se k odběru zpravodaje SystemNEWS na LinkedIn, který každý týden přináší výběr článků z oblasti podnikové informatiky | |
| ||
Partneři webu
Podniková AI v roce 2026
Na cestě od experimentálního divadla k vážné produkci
S příchodem roku 2026 se podniky přesouvají od experimentování s umělou inteligencí k plnění náročných požadavků na dosahování reálné hodnoty v produkčním měřítku.

Nedávný průzkum společnosti Red Hat ukazuje, že 76 % organizací se zatím nedostalo dál než k prozkoumávání možností využití AI, ale v příštím roce plánují investovat do AI v průměru o 32 % více svých prostředků. Navzdory významným investicím nepřinesla většina pilotních projektů generativní AI měřitelné výnosy, což vytváří tlak na prokázání návratnosti investic prostřednictvím provozního nasazení.
Klíčovým posunem, který pozorujeme, je přechod k autonomním systémům agentní AI, které mohou plánovat a provádět vícestupňové pracovní postupy s podnikovými aplikacemi. Začleňování rámců pro specializované agenty, jako je MCP (Model Context Protocol), výrazně urychluje zavádění v této oblasti. Přináší to však i výzvu: podle prvních údajů společnosti Gartner mnoho těchto agentních projektů selže kvůli nedostatečnému řízení a nejasné obchodní hodnotě. Úspěch bude vyžadovat, aby byli AI agenti vnímáni jako digitální kolegové s jasnými hranicemi a odpovědností, nikoli za magická řešení špatně definovaných problémů.
Přesun AI blíže k datům
Ekonomika AI nutí firmy k zásadnímu přehodnocení způsobu implementace. Spouštění každého příkazu prostřednictvím prémiových modelů je jako pronájem soukromých letadel pro místní dojíždění – technicky možné, ale ekonomicky neudržitelné. Vidíme proto, jak inovativní organizace implementují multimodelové strategie, kdy jednoduché úkoly směrují do efektivních modelů s menším počtem parametrů a nákladné pokročilé modely si vyhrazují pro komplexní uvažování.
Dochází přitom také k hlubší architektonické změně - namísto přesunu podnikových dat do centralizovaných GPU klastrů přibližujeme inferenci AI blíže k místu, kde se data nacházejí. To zahrnuje RAG postupy přímo u zdroje dat, edge inferenci pro výrobní haly a distribuované nasazení modelů v regionálních datových centrech. Tento přístup zabraňuje nákladnému přesunu dat a zároveň řeší požadavky na suverenitu a latenci. Kombinace inteligentního směrování modelů s distribuovaným zpracováním může dramaticky snížit náklady na inferenci i režii přenosu dat a zároveň zlepšit kvalitu odezvy.
Klíčové prvky AI provozu
Platformní a provozní výzvy roku 2026 spojené s nasazením AI se budou soustředit na orchestraci a pozorovatelnost. Agentní AI vyžaduje sofistikované schopnosti MLOps (Machine Learning Operations), monitorování interakcí agentů v distribuovaných systémech, správu trvalého kontextu a paměti napříč relacemi a implementaci ochranných opatření, která dokážou zasáhnout ve chvíli, kdy autonomní systémy překročí své hranice.
Podniky potřebují platformy, které zvládnou celý životní cyklus AI, od verzování modelů a A/B testování až po sledování souladu s předpisy a přiřazování nákladů. Úspěšné organizace budou stavět na jednotných platformách, které zacházejí s úlohami AI jako s rovnocennými komponentami vedle tradičních aplikací, což umožní hladkou integraci se stávajícími podnikovými systémy a zároveň zachová flexibilitu pro přijetí nových modelů a rámců.
Realizace hodnoty AI
Trh odměňuje pragmatismus více než sliby – skutečnou hodnotu AI přinášejí štíhlá portfolia modelů optimalizovaných pro konkrétní úkoly, rozhodnutí o infrastruktuře založená na potřebách uživatelů, spíše než na preferencích dodavatelů, a kontrolní rámce, které propojují výstupy AI s obchodními výsledky.
Otázkou není, zda AI transformuje podniky, protože už podle prvních důkazů je zřejmé, že ano, ale otázkou zůstává, zda a kdy budou podniky schopny dosáhnout takové zralosti, aby mohly realizovat hodnotu AI ve velkém měřítku.
![]() |
Robbie Jerrom Autor článku je vedoucí technolog AI ve společnosti Red Hat. |
| Po | Út | St | Čt | Pá | So | Ne |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 | 1 | 2 | 3 | 4 |
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
IT Systems podporuje
Formulář pro přidání akce











