Blog
AI není primárně o technologiích. Je o rozhodnutích. CEO Adastra CZ vysvětluje, proč firmy s AI narážejí
11 prosince, 2025
Většina firem dnes přemýšlí, jak využít umělou inteligenci. Podle Štěpána Kopřivy, CEO Adastra Czech, ale nejde primárně o volbu modelu, platformy nebo konkrétní technologie.
Z praxe opakovaně vyplývá, že AI projekty narážejí spíš na rozhodovací a organizační limity než na technické možnosti samotné technologie. Typicky jde o práci s nejistotou, stav dat, schopnost propojit AI s reálnými procesy a očekávání, která firmy na AI kladou.
V podcastu Restart Systému Štěpán Kopřiva sdílí zkušenosti z raných AI projektů i z práce pro startupy a velké mezinárodní firmy – a ukazuje, kde se v praxi nejčastěji láme úspěch nebo neúspěch AI iniciativ.
Co se v praxi ukazuje jako klíčové
Z rozhovoru vyplývá několik opakujících se principů, které se objevují napříč projekty i typy organizací:
AI bez konkrétních dat nelze seriózně hodnotit.
Bez práce s historickými a reálnými daty není možné spolehlivě odhadnout přínos ani návratnost AI řešení.
Nejistota je přirozenou součástí AI – a je potřeba s ní počítat.
Na rozdíl od klasického softwaru není možné mít všechny odpovědi předem. Rozhodnutí často přichází dřív než jistota.
Use casů je obvykle dost. Skutečný problém je jinde.
Nejde o to, že by AI neměla kde pomoci, ale o to, jak ji integrovat do existujícího prostředí, napojit na data a přetavit do smysluplného business case.
Technologie sama o sobě hodnotu nepřinese.
Rozhodující je jasně pojmenovaný problém a schopnost ho propojit s daty, infrastrukturou a reálným fungováním firmy.
Pokud tyto předpoklady chybí, vznikají spíš izolované experimenty než dlouhodobě udržitelné změny.
Zhlédněte videorozhovor:
Co musí dnes CEO a board u AI skutečně řešit
Rozhovor se opakovaně vrací k tomu, že úspěch AI není technické téma, ale manažerské rozhodnutí. Konkrétně:
Kdy dává smysl AI řešit – a kdy ještě ne.
Bez dat a připravené infrastruktury se AI nedá realisticky posoudit.
Kdo má AI ve firmě vlastnit.
Nejasné rozdělení odpovědností mezi byznysem a IT je častým zdrojem problémů.
Jak pracovat s kvalitou dat v čase.
Data se mění – a s nimi i chování AI modelů. To není jednorázový projekt, ale průběžná disciplína.
Proč jsou menší, ověřitelné kroky často efektivnější než velké transformace.
Praktická zkušenost ukazuje, že nejnižší riziko mají postupné experimenty založené na konkrétních datech.
Proč je propojení dat, AI a engineeringu zásadní
Štěpán Kopřiva v rozhovoru popisuje i širší kontext spojení Blindspot Solutions s Adastrou. Nejde o technologii samotnou, ale o schopnost propojit AI s datovým základem, engineeringem a byznysovou realitou firem.
Právě tahle kombinace podle něj rozhoduje o tom, zda AI zůstane laboratorním experimentem, nebo se stane součástí reálného fungování organizace – napříč odvětvími, jako je výroba, logistika, telco nebo finance.
Co dalšího se v podcastu dozvíte?
- Proč firmy často chtějí přesný business case u AI dřív, než mají data – a proč to nefunguje.
- Jak vypadala realita dat u firem v době prvních AI projektů – v Česku i v zahraničí.
- Proč není hlavní problém v nápadech, ale v jejich prosazení do praxe.
- Jak se liší technická kvalita týmů a schopnost řešení skutečně prodat.
- Jak se mění role CEO v době AI a proč zůstává klíčový přímý kontakt se zákazníky.
- Co znamená vstup investora Carlyle pro další rozvoj Adastry.
