Nečekejte na perfektní data. Začněte s AI projekty a kvalitu zlepšujte za běhu, Sam Wong, Mark Anthony Group

15 prosince, 2025

AI není o nástrojích ani o honbě za „dokonalými“ daty. Je o tom, jak rychle se dokáže organizace učit, jak dokáže propojit byznys s technologiemi a jak z experimentů vytvoří skutečnou hodnotu.

Sam Wong popisuje, jak v Mark Anthony Group, mezinárodním výrobci nápojů, vybudovali AI inkubační program zaměřený na byznysové výsledky, nikoli na technologie samotné. Vysvětluje, proč nemá smysl čekat na perfektní data, jak AI projekty často fungují jako katalyzátor témat data managementu a proč je důležité začínat problémy, ne platformami.

Rozhovor se věnuje konkrétním otázkám, které dnes řeší většina organizací pracujících s AI:

• Co je potřeba k vybudování AI inkubátoru, který se dokáže rychle učit a zároveň doručuje reálnou byznysovou hodnotu?
• Kdy jsou data „dostatečně dobrá“ — a jak mohou AI projekty odhalit slabá místa v datech a pomoci je systematicky zlepšovat?
• Jaký operační model a jak governance zapojit už v průběhu inkubace?

Sledujte celý rozhovor v angličtině:

Přečtěte si podcast jako rozhovor

(Rozhovor byl zkrácen a upraven pomocí ChatGPT) 

Mark Kohout: Ve studiu v Torontu dnes vítám Sama Wonga, Senior Director of Data and AI ve společnosti Mark Anthony Group (MAG). Společně budeme hovořit o inkubaci AI ve společnosti, o tom, čeho jste chtěli dosáhnout a jakým způsobem jste k tomu přistoupili.

Sam Wong: Díky, Marku. Když mluvíme o datech a umělé inteligenci, nesoustředíme se jen na technologie, nástroje nebo platformy. Zásadní je, jaký problém se snažíme řešit, jaké byznysové výsledky chceme dosáhnout a jakou hodnotu tím přinášíme lidem v organizaci. Inovace není o technologiích pro technologie samotné, jde o to, jak nám technologie pomáhají zlepšovat fungování Mark Anthony.

Mark Kohout: Kde se vlastně vzal nápad na inkubátor a jak ho podpořilo vedení firmy?

Sam Wong: Začalo to rozhovory s naším CEO a CIO o tom, jak rychle AI vstupuje do popředí. Navrhl jsem vytvořit inkubátor, bezpečný prostor, kde můžeme zkoumat technologie a jejich přínos pro byznys, aniž bychom si hned nastavovali pevné termíny nebo deadliny. To nám umožnilo experimentovat, ale zároveň se soustředit na strategické přínosy, jako je růst tržeb, vyšší produktivita nebo lepší zákaznická zkušenost. Slibné nápady jsme tak mohli posouvat do fáze testování a pilotního ověřování.

Mark Kohout: Ty říkáš „učit se rychle“, ne „rychle selhávat“. Co bylo potřeba k tomu, aby se program skutečně rozběhl?

Sam Wong: Postupně jsme si vytvořili pět klíčových částí:

• nastavení programu a jeho poslání,
• příjem a vyhodnocování nápadů,
• samotný vývoj a realizaci,
• vyhodnocování získaných poznatků a jejich zapracování,
• a nakonec prezentaci a sdílení výsledků.

Ukazovat, co jsme vytvořili, není o egu. Jde o to inspirovat ostatní a ukázat, co je možné — a tím přirozeně nastartovat další nápady.

Mark Kohout: Co podle tebe dělá AI inkubátor úspěšným a co lídři často podceňují?

Sam Wong: Základem je jasně definované poslání, proč inkubátor existuje a čeho má dosáhnout. Stejně důležité je mít podporu vedení a silného byznysového sponsora, který dohlédne na to, že práce skutečně povede k reálné hodnotě a pomůže ji přetavit do praxe. Nejúspěšnější iniciativy měly silnou spolupráci a dostatek prostoru měnit směr na základě experimentování, iterací a zpětné vazby. Když se objevily překážky, upravili jsme přístup a nechali řešení přirozeně dozrát do podoby vhodné pro nasazení.

Mark Kohout: Zapojovali jste do toho i dodavatele nebo partnery?

Sam Wong: Ano. Firmy střední velikosti musí být pragmatické. My máme silný partnerský ekosystém a naše značka nám pomohla získat podporu, přístup ke zdrojům a někdy i k technologiím ještě před jejich oficiálním uvedením. Když s dodavateli jednáte jako s partnery, získáte mnohem víc: více know-how, více kapacity a možnost učit se od těch, kteří jsou dál než vy, a zároveň své zkušenosti sdílet s ostatními.

Mark Kohout: Jak jste přistupovali k prioritizaci AI backlogu?

Sam Wong: Používali jsme jednoduchou matici byznysové hodnoty a náročnosti. Ideální jsou případy s vysokým přínosem a nízkou náročností. Zároveň ale musíte vyvažovat hodnotu, rychlost uvedení na trh a kapacitu byznysového sponsora. Flexibilita je klíčová, pokud si nastavíte tvrdé deadliny, často vás to nutí dělat kompromisy jen proto, abyste něco „doručili“. Když necháte věci růst přirozeně, bývají úspěšnější.

Mark Kohout: Museli jste se detailně zabývat i kvalitou a připraveností dat?

Sam Wong: Rozhodně. Ano, „garbage in, garbage out“ platí, ale nemyslím si, že má smysl čekat na dokonalost. Pořád tu zůstává lidský úsudek a práce s kontextem. AI projekty navíc často fungují jako katalyzátor, nastartují témata jako kvalita dat, governance nebo master data a pomohou získat podporu pro to, aby si lidé za svá data převzali odpovědnost. Data a AI je potřeba vnímat jako dlouhodobou cestu a program, ne jako jednorázový projekt. Umožnit postupný růst, iterace a zlepšování, a přistupovat k tomu jako k produktu, který se vyvíjí spolu s use casy.

Mark Kohout: Jak se vám dařilo přecházet od experimentů k produkčnímu nasazení? A co konkrétně pomohlo piloty „dotlačit“ až do realizace?

Sam Wong: Upřímně, naše úspěšnost byla vysoká. Ne proto, že bychom byli výjimeční, ale díky spolupráci a ochotě měnit směr. Jedna iniciativa často navazovala na jinou. Něco, co začalo jako experiment, otevřelo dveře dalšímu use casu, který už měl jasný produkční potenciál.

Zároveň jsme si byli velmi dobře vědomi toho, že nechceme vytvářet technický dluh ve stylu „něco postavíme a pak to budeme řešit“. Od začátku jsme mysleli na ochranu soukromí, enterprise architekturu i infrastrukturu. Tyto týmy jsme průběžně zapojovali a nastavovali základní mantinely.

Klíčovou roli sehrály piloty. Vidět řešení v reálném provozu, byť na menší skupině uživatelů, získat zpětnou vazbu, zjistit, co funguje a co ne a zároveň kolem toho vybudovat zájem a energii. Pokud dokážete odložit ego a připustit, že dobré nápady mohou přijít odkudkoliv, výrazně tím zvýšíte adopci i šanci na úspěch.

Mark Kohout: Zní to, že governance byla součástí už samotného návrhu díky multidisciplinárnímu týmu.

Sam Wong: Ano, hodně pomohlo, že jsem měl přehled napříč několika datovými oblastmi: AI, data engineeringem i data managementem. Díky tomu jsme se vyhnuli izolovaným řešením nebo technologiím, které by později narazily na governance požadavky.

Když vidíte souvislosti, můžete zlepšit jednu oblast tak, aby to usnadnilo jinou. Je to trochu jako šachy, musíte přemýšlet několik tahů dopředu a dívat se dál než jen na samotný inkubátor nebo konkrétní experiment.

Mark Kohout: Jak jste celý program personálně a finančně zvládli bez dedikovaného R&D týmu na plný úvazek?

Sam Wong: Používali jsme kombinaci federovaného a centralizovaného modelu. Záleželo na konkrétním use casu a na tom, co jsme zrovna stavěli. Některé aktivity byly technologicky méně náročné a vyžadovaly spíš úzkou spolupráci s byznysem a koncovými uživateli.

Proto máme lidi, kteří jsou blízko stakeholderům, rozumí jejich byznysu i datům. A vedle toho centralizované „factory“ týmy: AI/ML engineering, data engineering, analytický engineering a data management. Tyto kapacity dokážeme podle potřeby škálovat nahoru nebo dolů.

Používám k tomu přirovnání ke stavbě domu. Nepotřebujete mít instalatéra nebo elektrikáře neustále „na lavičce“. Ale potřebujete architekta a stavbyvedoucího, kteří koordinují práci specialistů ve chvíli, kdy jsou potřeba. Přesně tak funguje náš datový a AI tým: kombinace flexibility a pevné struktury.

Mark Kohout: Takže byznys přináší doménovou znalost, význam dat a očekávané výsledky a technické týmy to pomáhají realizovat.

Sam Wong: Přesně tak. Byznys definuje problém a očekávaný přínos, technologie pak slouží jako prostředek k jeho řešení.

Mark Kohout: Na závěr, kdybys měl dát jednu radu lídrům, kteří s generativní AI teprve začínají, co bys řekl svému „mladšímu já“?

Sam Wong: Řešte obavy ze ztráty práce hned na začátku. Jakmile se GenAI začala masivně prosazovat, objevila se přirozená obava: „AI mě nahradí.“ Lidé pak logicky nemají chuť se zapojovat do něčeho, co vnímají jako hrozbu.

My jsme od začátku jasně říkali, že cílem není nikoho nahradit, ale posílit schopnosti týmů a dát jim nové nástroje a možnosti. Říkám tomu rozšířená inteligence: spolupráce lidí a AI. Z pohledu change managementu je zásadní toto sdělení komunikovat včas a autenticky. Když lidé pochopí, že AI je nástroj podpory, ne ohrožení, zapojení i výsledky jsou úplně jinde.

Mark Kohout: A jak přesvědčit skeptiky, kteří v AI zatím nevidí jasnou hodnotu?

Sam Wong: Trávit s nimi čas. Pracovat s nimi formou workshopů. A hlavně nezačínat technologií ani daty. Začněte tím, co je trápí, jejich problémy a příležitosti. Rozložte si společně problém, ukažte, jak mohou datové a AI schopnosti pomoci, a pojmenujte návratnost.

Jakmile se shodnete na tom, co má smysl řešit, samotné hledání řešení už bývá relativně snadné. Nejtěžší část není technologie, ale je to shoda na prioritách.

Mark Kohout: Same, byl to opravdu podnětný rozhovor.