Firmy dnes nepotřebují další AI pilot. Potřebují provozní vrstvu pro AI

10 června, 2026

Většina firem dnes začíná s AI podobně – několik pilotních projektů, první chatbot, interní asistent, automatizace jednotlivých úloh. Jenže právě tady podle našich zkušeností z Česka i ze zahraničí vzniká největší riziko. AI se začne šířit rychleji než schopnost firmy ji řídit.

„Největší chyba není začít pozdě. Největší chyba je začít chaoticky,“ říká Petr Zelenka, Chief AI Officer, Adastra Group.

Právě bankovní sektor dnes ukazuje, jak bude pravděpodobně vypadat AI adopce i v dalších odvětvích. Méně experimentů, více governance. Méně izolovaných nástrojů, více systémového přístupu. A hlavně AI už není téma pouze pro IT.

AI se přesouvá z nástroje do provozní vrstvy firmy

Ještě před dvěma lety většina organizací vnímala generativní AI jako nový typ softwarového nástroje. Dnes se pohled mění.

Podle Petra Zelenky AI postupně přestává být „asistentem“ a stává se provozní vrstvou organizace. Podobně jako se kdysi staly neviditelnou infrastrukturou cloud nebo datové platformy. „AI se posouvá z nástroje k něčemu, přes co bude postupně protékat většina práce, rozhodování a sdílení znalostí,“ říká.

Právě to je důvod, proč AI adopce přestává být technologickým projektem. Jakmile se AI začne dotýkat rozhodování, komunikace se zákazníky, interních procesů, práce s citlivými daty, přestává být technologickým projektem a stává se strategickým tématem pro vedení firmy. Ukazuje se totiž, že samotná technologie je paradoxně ta jednodušší část.

Proč většina AI projektů narazí na stejný problém

Firmy dnes často začínají rychlými experimenty. Jeden tým nasadí copilota, jiný si vytvoří vlastního AI asistenta, další používá externí modely bez větší koordinace. Krátkodobě to funguje. Dlouhodobě vznikají tři problémy:

1. Duplicitní práce – každý tým řeší stejné věci znovu, např. přístup k datům, bezpečnost, monitoring, správu modelů, compliance
2. Shadow AI – zaměstnanci používají AI nástroje, nad nimiž firmy a organizace nemají kontrolu, často s firemními nebo zákaznickými daty
3. Nekontrolovatelná architektura – každý nový use-case přidává další technologickou vrstvu, která se obtížně spravuje a škáluje

Právě proto začínají velké organizace místo izolovaných use-casů budovat společný základ – AI platformu.

NLB: proč banka nezačala chatbotem, ale platformou

Když s námi NLB Group, největší bankovní skupina ve Slovinsku, lídr v retailovém, korporátním i investičním bankovnictví v regionu jihovýchodní Evropy, začala řešit AI strategii, měla podle vlastních slov seznam zhruba 500 potenciálních use-casů.

Místo snahy rychle realizovat co nejvíce z nich zvolila jinou cestu – nejprve vytvořit architekturu, na které půjde AI dlouhodobě a bezpečně provozovat.

To znamenalo investovat do oblastí, které na první pohled nepřinášejí okamžitý byznysový efekt jako governance, bezpečnost, observabilita, řízení přístupu, integrace na core systémy, kontrola práce s daty.

„Hodnota prvních use-casů pro nás nebyla jen v ROI. Každý z nich totiž vytvořil komponenty, které lze znovu použít,“ popsal CIO skupiny Dejan Pust.

Právě to je rozdíl mezi AI experimentem a AI transformací.

AI adopce dnes není sprint za prvním use-casem

Velká část trhu stále hledá „killer use-case“. Jenže zkušenosti z enterprise prostředí ukazují, že důležitější než první use-case je schopnost AI řídit, bezpečně škálovat a opakovaně nasazovat.

V regulovaných odvětvích je to ještě výraznější.

„Jako banka si nemůžeme dovolit experimentovat způsobem ‚zkusíme a uvidíme‘. Naše značka stojí na důvěře,“ zdůrazňuje Dejan Pust.

To ale neznamená pomalost. NLB dokázala během pěti měsíců vytvořit první funkční AI platformu a nasadit úvodní use-casy. Klíčové bylo nevyvíjet vše od nuly, využít existující cloudový ekosystém, vybrat správné partnery a postupovat systematicky.

AI odhalí problémy, které už ve firmě existují

AI sama o sobě většinou není největší problém. AI velmi rychle odhalí nekvalitní data, chybějící integrace, nejasné procesy, slabý governance model atd.

„Často jsme během vývoje zjistili, že nejdřív musíme opravit datovou pipelinu nebo kvalitu dat,“ popsal Dejan Pust.

To je důležitá zpráva i pro CIO a top management. AI projekty nejsou oddělené od stávající IT reality firmy. Naopak ji velmi rychle obnaží.

Governance přestává být brzda, je podmínkou škálování

Ještě donedávna byla governance vnímána jako něco, co inovace zpomaluje. U AI se situace obrací. Bez jasných pravidel dnes organizace velmi rychle ztratí kontrolu nad náklady, přehled o datech, schopnost auditovat rozhodnutí či regulatorní jistotu.

Proto NLB omezuje práci s citlivými daty, používá pouze schválené modely, drží data v EU a ponechává člověka v rozhodovací smyčce.

„AI agent pouze navrhuje akci. Finální rozhodnutí a změnu stále potvrzuje člověk,“ vysvětluje Dejan Pust.

Skutečný přínos platformy přichází až později

První rok AI platformy bývá z pohledu financí obtížně měřitelný. Organizace investuje do základů, které nejsou přímo vidět. Teprve další fáze ukáže hlavní efekt:

• rychlejší nasazování nových use-casů
• nižší náklady na vývoj
• menší duplicitu
• jednodušší compliance

„Nové use-casy budou vznikat přibližně desetkrát rychleji než první implementace,“ říká Aleš Gorišek, AI architekt, NLB Group

A právě tady začíná skutečná ekonomika AI platforem.

AI strategie není otázka „jestli“, ale „jak“

Stále existují firmy, které čekají, „jak se AI vyvine“. Dnes je to čím dál riskantnější strategie. Ne kvůli samotné technologii, ale kvůli zkušenosti.

„Rok, který firma ztratí tím, že s AI nezačne, už později nákupem technologie nedožene,“ říká Petr Zelenka.

Organizace se totiž neučí pouze pracovat s modely, vytvářet use casy nebo vybírat nástroje. Učí se měnit procesy, nastavovat governance, pracovat s novou rolí zaměstnanců a integrovat AI do každodenního fungování firmy.

A právě tato zkušenost bude podle všeho jedním z hlavních rozdílů mezi společnostmi, které AI skutečně využijí, a těmi, které zůstanou u izolovaných experimentů.

Článek byl publikován v CIOtrends.