Potřebují firmy opravdu víc AI nástrojů?

Většina firem dnes netrpí nedostatkem AI nástrojů. Trpí spíš nedostatkem dobře nastavených systémů.

Ten rozdíl je podle mě důležitější, než se na první pohled zdá. Nástroj dokáže zrychlit jeden konkrétní úkol. Systém mění způsob, jakým práce prochází celou firmou. ChatGPT může člověku pomoct napsat odpověď na poptávku. Dobře nastavený obchodní systém ale zajistí, že se každá poptávka zachytí, správně přiřadí, někdo na ni včas odpoví, další komunikace se eviduje a nakonec dokážeme vyhodnotit, kolik z těchto poptávek skutečně přineslo peníze.

Podobné je to s meetingy. AI může během několika sekund vytvořit jejich shrnutí. Pokud ale výstup skončí v dalším dokumentu, který už nikdo neotevře, moc jsme si nepomohli. Dobře postavený systém ze schůzky dostane rozhodnutí, úkoly, odpovědnosti a termíny a doručí je tam, kde se s nimi dál pracuje.

Právě tady podle mě řada firem při zavádění AI chybuje. Přidávají další nástroje, ale nemění způsob, jakým práce skutečně funguje. Výsledkem je další předplatné, další záložka v prohlížeči a další software vedle CRM, projektového řízení, e-mailu, analytiky, účetnictví, tabulek a Slacku.

Firma je potom technologicky vybavenější. Ne nutně efektivnější.

Koupit nástroj je jednoduché. Změnit proces už méně.

AI nástroje se prodávají snadno, protože jejich přínos vypadá okamžitě. Ušetří nám čas. Zvýší produktivitu. Zautomatizují rutinu. Udělají pořádek v chaosu.

A někdy to skutečně udělají.

Problém nastává ve chvíli, kdy nástroj přidáme na existující proces, který už předtím nefungoval dobře. Informace jsou rozházené na několika místech, není jasné, kdo je za co odpovědný, lidé dělají stejnou věc pokaždé trochu jinak a nikdo přesně neví, podle čeho se má výsledek hodnotit.

AI takový proces sama od sebe neopraví. Často ho jen zrychlí.

To je podle mě jedna z největších pastí současné AI v byznysu: zaměňujeme adopci softwaru za provozní zlepšení.

Nasadit další aplikaci je jednoduché. Přemýšlet nad tím, proč proces nefunguje, překreslit ho, určit odpovědnosti, propojit data a změnit způsob práce je výrazně méně atraktivní.

Jenže právě tam většinou leží skutečná hodnota.

Nástroj není systém

Nejjednodušší rozdíl je podle mě tenhle:

Nástroj vykonává určitou funkci. Systém opakovaně vytváří určitý výsledek.

AI copywriter je nástroj. Systém pro tvorbu obsahu zahrnuje výběr témat, rešerši, znalost zákazníka, positioning, zadání, samotnou tvorbu, editaci, schválení, publikaci, distribuci, vyhodnocení a zpětnou vazbu pro další obsah.

Chatbot je nástroj. Zákaznická podpora je systém, ve kterém musí fungovat znalostní báze, historie zákazníka, kategorizace požadavků, eskalace složitějších případů, aktualizace CRM, měření kvality a hlavně jasná odpovědnost za to, co se stane, když automatizace nestačí.

Stejně tak dashboard ještě není reporting. Reportingový systém musí definovat, která čísla jsou důležitá, odkud se berou, jestli jim můžeme věřit, kdy je vyhodnocujeme a co se na základě nich skutečně rozhoduje.

Samotný nástroj je pouze jedna součást. Hodnotu vytváří logika kolem něj.

Nejdřív bych nehledal AI. Hledal bych bottleneck.

Když se firma rozhodne „zavést AI“, první otázka často zní:

Jaký AI nástroj bychom měli používat?

Podle mě je lepší začít úplně jinde:

Který důležitý proces ve firmě potřebujeme udělat rychlejší, spolehlivější nebo jednodušší?

Najednou se dostaneme k mnohem konkrétnějším problémům. Trvá příliš dlouho odpovědět novému leadu? Skládáme každý měsíc report ručně z pěti různých systémů? Zákaznické požadavky čekají, protože je nikdo správně netřídí? Projekty se zpožďují, protože po schůzkách není jasné, co se vlastně změnilo? Neví marketing, které kampaně vydělávají, protože je špatně nastavené měření?

Teprve když známe problém, začíná být zajímavé řešit AI.

Ta potom může požadavek klasifikovat, informace shrnout, doplnit kontext, připravit odpověď, navrhnout další krok nebo něco automaticky předat dál. Dostane ale konkrétní práci uvnitř konkrétního workflow. Není to další chytrý nástroj přilepený zvenku na firmu.

A tenhle princip není jen moje zkušenost. McKinsey ve svém State of AI průzkumu z roku 2025 zjistil, že ze sledovaných organizačních faktorů mělo právě přepracování workflow nejsilnější vztah k tomu, zda firmy z generativní AI vykazovaly dopad na EBIT. Přitom jen 21 % respondentů používajících generativní AI uvedlo, že jejich organizace zásadně přepracovala alespoň některé procesy.

Dobré AI projekty často začínají nudnými otázkami

Největší potenciál podle mě nebývá ukrytý v otázce, který model je momentálně nejlepší. Mnohem užitečnější je sednout si nad konkrétní proces a ptát se:

Co přesně se stane, když přijde nový lead? Kde se uloží? Kdo za něj odpovídá? Jak poznáme, že je kvalitní? Co se stane, když se mu nikdo dva dny neozve? Kdo hlídá další krok? Kde se proces nejčastěji zasekne? A víme vůbec, kolik takových leadů se nakonec promění v zákazníky?

To nejsou moc atraktivní otázky. Pro firmu ale často mají větší hodnotu než další působivé AI demo.

Firma podle mě nepotřebuje abstraktní „AI strategii“, která říká, že by měla více využívat umělou inteligenci. Potřebuje dobře fungující obchod, podporu, delivery, marketing, reporting a interní provoz. AI by měla být součástí těchto systémů tam, kde dává ekonomický nebo provozní smysl.

Ne se nad nimi vznášet jako samostatná iniciativa.

Jak může takový systém vypadat v praxi

Vezměme si jednoduchou poptávku z webu.

V nejhorším případě přijde někomu e-mail. Člověk si ho všimne, nebo taky ne. Možná odpoví hned, možná zítra. Informace si ručně zkopíruje do tabulky nebo někam do CRM. Za pár dní si možná vzpomene na follow-up. Když zákazník odpoví jinému kolegovi, část kontextu zůstane v jeho inboxu. A o dva měsíce později už firma prakticky netuší, odkud zákazník přišel nebo kolik podobných poptávek ztratila.

Dobře nastavený systém může fungovat jinak. Nová poptávka se automaticky uloží do CRM, spojí se se zdrojem návštěvy, podle obsahu se kategorizuje, doplní se relevantní informace, vyhodnotí se její priorita a přiřadí správnému člověku. Ten dostane upozornění a potřebný kontext pro odpověď. Systém hlídá follow-up, zaznamenává další komunikaci a posouvá obchodní případ pipeline až do chvíle, kdy z něj vznikne zakázka nebo je uzavřen jako neúspěšný.

AI může několik částí výrazně zlepšit. Může rozpoznat, o jakou službu má zákazník zájem, shrnout dlouhý požadavek, připravit návrh odpovědi, odhadnout prioritu nebo doporučit další krok.

Jenže hodnotu nevytváří samotný prompt.

Vytváří ji fakt, že jednotlivé části navazují a celý proces vede k výsledku.

Stejný princip platí prakticky všude. AI může odpovídat zákazníkům, ale bez kvalitní znalostní báze a eskalace složitějších případů bude podpora pořád špatná. Může vytvářet marketingový obsah, ale bez positioningu, distribuce a měření budeme jen rychleji produkovat věci, o kterých nevíme, jestli fungují. Může komentovat výsledky firmy, ale pokud jsou vstupní data špatná, dostaneme jen velmi přesvědčivé shrnutí špatných čísel.

Rozdíl mezi používáním AI a skutečnou integrací AI

Výzkum firemního využívání AI ukazuje, že samotná adopce už dnes není ten hlavní problém. Stanford AI Index uvádí, že v roce 2024 používalo AI alespoň v nějaké formě 78 % dotazovaných organizací, oproti 55 % o rok dříve.

Deloitte ve své zprávě State of AI in the Enterprise 2026 zároveň ukazuje něco zajímavějšího. Dvě třetiny organizací uvádějí přínos AI pro produktivitu a efektivitu, ale pouze 34 % ji používá k hlubšímu přetváření byznysu. Dalších 30 % kolem AI přepracovává klíčové procesy a 37 % ji používá spíš povrchově, bez významnější změny stávajícího fungování.

To podle mě dobře vystihuje rozdíl mezi používáním AI a jejím skutečným zapojením do fungování firmy.

V prvním případě dáme zaměstnancům přístup k několika nástrojům a každý si s nimi nějak poradí.

Ve druhém případě přemýšlíme, kde v procesu vzniká hodnota, které části může AI převzít, kde má člověku pouze asistovat, jaká data potřebuje, co se stane při chybě a podle čeho poznáme, že se celý systém opravdu zlepšil.

Menší firmy tady mají jednu velkou výhodu

Velká firma může mít větší rozpočet, vlastní AI tým a mnohem víc dat. Má ale také procesy, které procházejí přes několik oddělení, starší systémy, interní politiku, compliance a dlouhé schvalování.

Menší firma často nic z toho řešit nemusí.

Pokud její vedení zjistí, že obchodní proces nedává smysl, může ho během několika dní překopat. Může automatizovat reporting, změnit onboarding, propojit web s CRM, přestat ručně přepisovat data nebo vytvořit interní znalostní systém, aniž by půl roku čekala na schválení několika oddělení.

To je podle mě obrovská výhoda.

Jen je potřeba odolat pokušení nahrazovat skutečné zlepšování procesů neustálým hledáním nových AI nástrojů. Cílem není dostat AI úplně všude. Cílem je odstranit tření z míst, která jsou pro fungování firmy nejdůležitější.

Co bych udělal před nákupem dalšího AI nástroje

Když chceme AI nebo automatizaci ve firmě skutečně využít, podle mě dává smysl projít poměrně jednoduchým postupem.

1. Vyberte jeden konkrétní proces

Nezačínejte technologií. Vyberte činnost, která je důležitá, opakuje se a současný způsob jejího provádění vás stojí čas, peníze nebo zákazníky.

Může jít o zpracování leadů, přípravu nabídek, zákaznickou podporu, reporting, onboarding nového klienta, fakturaci nebo třeba interní vyhledávání informací.

2. Nakreslete si, jak proces funguje dnes

Od začátku až do konce.

Odkud přicházejí informace? Kdo s nimi pracuje? Mezi kterými aplikacemi se přesouvají? Co lidé ručně kopírují? Kde se čeká? Co se pravidelně zapomíná? A co se stane, když konkrétní člověk není zrovna k dispozici?

Už samotné zmapování procesu často ukáže problémy, které nemají s AI vůbec nic společného.

3. Najděte skutečný bottleneck

Nemá cenu automatizovat všechno stejně.

Možná je celý problém v pomalé reakci. Možná lidé tráví dvě hodiny denně ručním přepisováním dat. Možná jsou informace neúplné, není jasná odpovědnost nebo výsledek pokaždé závisí na tom, kdo má úkol zrovna na starosti.

AI dává největší smysl ve chvíli, kdy víme, na který konkrétní problém ji používáme.

4. Rozhodněte, co automatizovat a kde má zůstat člověk

Ne všechno by mělo fungovat bez lidského zásahu.

Některé úkoly lze automatizovat kompletně. U jiných může AI pouze připravit podklady nebo návrh a člověk udělá finální rozhodnutí. A existují věci, kde je lidský úsudek natolik důležitý, že jejich automatizace nedává smysl.

Dobře navržený systém tyhle tři kategorie umí rozlišit.

5. Změřte, jestli se něco skutečně zlepšilo

Pokud měl nový systém přinést hodnotu, měli bychom ji být schopni nějak pozorovat.

Může to být kratší reakční doba, vyšší konverzní poměr, méně ruční práce, nižší chybovost, rychlejší průchod obchodní pipeline nebo přesnější reporting.

Bez nějakého měřitelného výsledku se z AI velmi snadno stane drahé technologické divadlo.

Lepší systém porazí lepší prompt

Na kvalitě promptů samozřejmě záleží. Jen si nemyslím, že je to hlavní konkurenční výhoda, jak se někdy prezentuje.

Perfektně napsaný prompt uvnitř špatného procesu bude pořád vytvářet nekonzistentní výsledky. Naopak relativně jednoduchý prompt, který má správná data, jasně definovaný úkol a navazuje na zbytek dobře postaveného workflow, může firmě vytvářet reálnou hodnotu každý den.

AI bych proto nevnímal jako sbírku nástrojů, které firma používá. Mnohem zajímavější je přemýšlet o ní jako o další vrstvě jejího operačního systému.

Skutečná příležitost není v tom, že jeden izolovaný úkol zvládneme o třicet sekund rychleji.

Je v tom, že se celá firma začne jednodušeji řídit.

AI se změní. Potřeba dobrých systémů ne.

Modely budou rychlejší, levnější a schopnější. Každý týden vzniknou další nástroje a některé věci, které dnes složitě skládáme z několika služeb, bude za rok pravděpodobně umět jeden produkt.

Základní problémy firem se tím ale nezmění.

Pořád budou potřebovat kvalitní data, jasné odpovědnosti, spolehlivé procesy a způsob práce, který se nerozpadne jen proto, že je jeden člověk nemocný, nestíhá nebo odejde z firmy.

AI může všechny tyhle věci výrazně podpořit. Nenahradí ale potřebu přemýšlet nad tím, jak firma skutečně funguje.

Proto bych místo otázky:

„Jaký AI nástroj bychom ještě měli zavést?“

mnohem častěji začínal otázkou:

„Jaký systém potřebujeme postavit lépe?“

Zdroje

• McKinsey & Company — The State of AI: How Organizations Are Rewiring to Capture Value
• Deloitte — The State of AI in the Enterprise 2026
• Stanford Institute for Human-Centered AI — AI Index Report 2025