20 ledna, 2026
Průzkum mezi 80 seniorními manažery z velkých českých společností, který v listopadu realizovala Adastra, ukazuje, že největší překážkou rozvoje AI jsou nepřipravená data. Respondenti z financí, telekomunikací, retailu, pojišťoven, výroby a automotive, energetiky, utilit i státní správy zároveň potvrzují, že kvalitní data jsou zásadní pro rychlejší byznysový růst prostřednictvím AI.
Vedle nepřipravených dat blokuje AI iniciativy nedostatek interních kapacit a kompetencí
Podle 56 % respondentů je hlavním limitem to, že jejich data nejsou v takovém stavu, aby mohly vznikat spolehlivé AI služby. Druhou nejčastěji uváděnou překážkou je nedostatek interních kapacit a kompetencí (46 %). Firmy zároveň často řeší nejasné „vlastnictví“ AI témat v byznysu (40 %) a potřebu najít skutečně silný use-case (36 %). Nedůvěra lidí v AI jako bariéra se objevuje pouze u 14 % odpovědí.
„Průzkum potvrzuje, že české firmy mají chuť i důvěru AI využívat. Klíčem k růstu je nyní zajistit kvalitní a důvěryhodná data – teprve na nich lze stavět AI služby, které se dají bezpečně a efektivně škálovat,“ říká David Kaláb, viceprezident pro data management, Adastra Czech.
Co vám brání ve větším využití AI ve firmě?
Co vám brání ve větším využití AI ve firmě?
Firmy chtějí zrychlit byznysový dopad a adopci AI
Motivací investovat do AI-ready dat je nejčastěji přímý růst byznysu díky AI (48 %). Pro třetinu firem je prioritou urychlení celkové adopce AI (35 %) a také řízení rizik a kontrola chování AI agentů (shodně 29 %).
Co vás motivuje řešit AI-ready data?
Co vás motivuje řešit AI-ready data?
Polovina firem už řeší první praktické kroky, ale škálovat AI napříč firmou umí jen minimum
Ačkoli 51 % organizací už aktivně pracuje na prvních AI-ready use-casech, pouze 4 % uvádějí, že jejich data umožňují škálovat AI/rolovat AI projekty napříč firmou. Třetina firem je ve fázi úvah (33 %) a 12 % o tématu zatím vůbec nediskutovalo. Nedostatek produkčních use-casů přiznává 18 % respondentů.
„Průzkum jen potvrzuje naši zkušenost z praxe: pokud firma nemá kvalitní data a jasnou datovou strategii, AI projekty se nedokážou posunout za hranici pilotu,“ shrnuje David Kaláb. „Ty organizace, které už pracují na prvních reálných use-casech, dnes ale vidí konkrétní dopady – vyšší efektivitu při obsluze klientů i rychlejší rozhodování v core procesech.“
