Rehan Shah z AWS: Jak přejít od AI pilotů k enterprise řešením

26 února, 2026

Rehan Shah, General Manager a Head of Channel and Partner Sales pro US Greenfield ve společnosti AWS, vysvětluje, jak správná kombinace AI nástrojů, důvěryhodných dat a silného governance rámce dokáže proměnit první experimenty s AI v reálné business výsledky.

Ukazuje, jak AWS poskytuje přístup k nejlepším modelům na trhu, přináší lepší price-performance, podporuje principy responsible AI a umožňuje bezpečně propojit AI se stávajícími firemními systémy.

Příklady z praxe zahrnují okamžité insighty z výrobních dat nebo migraci stovek serverů společnosti Breakthru Beverage. Mezi další případy patří rychle nasaditelní AI asistenti, například Sales Coach nebo Legal Assistant. Rehan také vysvětluje, jak udržet náklady pod kontrolou a jak nastavit firemní AI program s jasnými rozpočty a odpovědností.

• Co je potřeba k tomu, aby se organizace posunula od rychlých winů s Amazon Q k vlastním AI agentům na platformě Bedrock, které lze škálovat napříč enterprise prostředím?
• Kdy jsou data „dostatečně dobrá“, aby bylo možné začít – a jak mohou AI asistenti postupně pomáhat odhalovat datové mezery a zároveň zlepšovat kvalitu dat?
• Jaký operating model a risk-based governance pomáhají leadershipu řídit náklady, zajistit compliance a zároveň urychlit adopci AI?

Zhlédněte videorozhovor (v angličtině)

Přečtěte si podcast jako rozhovor

(Rozhovor byl zkrácen a upraven pomocí ChatGPT)

Mark Kohout: Jsme v Las Vegas na konferenci AWS re:Invent 2025 a mým hostem je Rehan Shah, General Manager a Head of Channel and Partner Sales pro US Greenfield ve společnosti AWS. Rehan má více než 20 let zkušeností s modernizací organizací Global 2000 pomocí cloudu a AI, budováním silných partnerských ekosystémů a vedením inkluzivních, vysoce výkonných týmů. Rehane, děkuji, že jste přišel.

Rehan Shah: Děkuji. Rád jsem přišel.

Mark Kohout: Začněme vaším profesním zázemím. Co vás přivedlo k datům a AI?

Rehan Shah: Celou svou kariéru jsem strávil na průsečíku růstu, změny a technologií, v rolích ve společnostech AT&T, Lumen, NTT, Windstream a nyní AWS. Soustředil jsem se na budování silných týmů, zlepšování obchodního výkonu a spolupráci s C-suite napříč sektory financí, zdravotnictví, výroby a technologií. Hlavní lekce jsou soustředit se na business outcomes, obklopit zákazníky silným partnerským ekosystémem a škálovat prostřednictvím rozvoje leadershipu. V AWS pomáhám zákazníkům a partnerům přijmout GenAI-first přístup, nastavit důvěryhodná data a governance a využívat AI asistenty k automatizaci workflow, zlepšení rozhodování a rychlejším insightům.

Mark Kohout: Jak byste popsal pozici AWS v této oblasti?

Rehan Shah: Náš cíl je jednoduchý. AWS je nejlepší místo pro vývoj a provoz AI asistentů v reálném provozu. Inovujeme rychle a zároveň se soustředíme na to, co enterprise zákazníci považují za nejdůležitější – bezpečnost, spolehlivost a operational excellence. Jsme hrdí na to, že jsme prvním velkým cloudovým providerem certifikovaným podle ISO 42001 pro responsible AI. Setkáváme zákazníky tam, kde právě jsou, ať už jde o připravené asistenty, jako je Amazon QuickSight, nebo o vývoj a škálování vlastních asistentů na platformě Amazon Bedrock a Agent Core. Prostřednictvím Bedrocku jsme model-agnostic a poskytujeme přístup k předním modelům, jako jsou Amazon Titan, Anthropic, Meta, Mistral a Cohere, takže si zákazníci mohou vybrat nejlepší model pro konkrétní use case.

Rehan Shah: Dva nedávné projekty s Adastrou stojí za zmínku. Prvním je Torn Attack, výrobní společnost podporující frontline operace, která potřebovala rychlejší a méně rizikový způsob získávání odpovědí z ERP a dokumentových repozitářů. Týmy čekaly hodiny na běžné datové výstupy, byly zatíženy ad-hoc reportingem a znalosti byly roztříštěné napříč systémy. Adastra společně s AWS vedla discovery, governance a change management a vytvořila bezpečného read-only asistenta na Bedrocku, který převádí dotazy v přirozeném jazyce na okamžité ERP insighty napříč oblastmi inventory, work orders, fakturace, výroby a cenotvorby. Odpovědi, které dříve trvaly hodiny, jsou nyní dostupné během sekund, workload se snížil, reakční časy se zlepšily a řešení vytvořilo základ pro retrieval-augmented intelligence nad 20 lety dat o prodeji a servisu.

Rehan Shah: Druhým příkladem je Breakthru Beverage Group, která potřebovala opustit legacy datová centra, která omezovala škálování, zvyšovala náklady a komplikovala disaster recovery a compliance. Adastra a AWS migrovaly více než 600 serverů do bezpečného a škálovatelného prostředí AWS a modernizovaly mission-critical aplikace, čímž zlepšily bezpečnost i compliance. BBG zároveň nasazuje AI sales coach a legal assistant s očekávanými ročními úsporami 100 000 dolarů a 56 000 dolarů, přibližně 190 hodinami ušetřeného času a 80% snížením manuální replikace smluv.

Mark Kohout: Co podle vás AWS odlišuje?

Rehan Shah: Nabízíme kompletní stack pro AI agenty – od infrastruktury a dat až po modely a aplikace – a podporujeme otevřené standardy, jako jsou MCP a HOA, aby nástroje spolupracovaly při zachování silné bezpečnosti. Naše purpose-built infrastruktura zahrnuje vlastní čipy, například Trainium, které poskytují až o 30 % lepší price-performance ve srovnání s GPU alternativami. Kombinujeme špičkovou technologii s prověřenou bezpečností, governance, škálovatelností a spolehlivostí a poskytujeme oborová řešení pro zdravotnictví, retail, výrobu a další sektory. Pro vzdálené a mission-critical operace Amazon rozšiřuje konektivitu prostřednictvím low-Earth-orbit satelitů v rámci Amazon LEO, aby zůstaly lokality spolehlivě připojené ke cloudu.

Mark Kohout: Co podle vás právě teď nejvíce motivuje zákazníky investovat do dat a AI?

Rehan Shah: Produktivita, automatizace workflow a inovace. Uvnitř Amazonu například agenti, kteří řeší upgrady Java kódu, ušetřili přibližně 4 500 vývojářských let práce a 260 milionů dolarů ročně, což ukazuje rozsah dopadu. Zákazníci, kteří integrují agenty do klíčových procesů, zaznamenali o 40 % rychlejší řešení dotazů a o 65 % lepší personalizaci. Inteligentní troubleshooting agenti mohou zkrátit čas řešení problémů o 86 %. Když k tomu přidáme projekci Gartneru, že do roku 2028 bude alespoň 15 % pracovních rozhodnutí přijímáno autonomními AI agenty, je jasné, proč se lídři zaměřují na opakovatelné workflow s vysokou hodnotou a měřitelným ROI.

Mark Kohout: Jaké jsou největší výzvy při nasazování AI?

Rehan Shah: Fragmentovaná data napříč systémy, nekonzistentní kvalita dat a slabá governance vytvářejí křehká řešení a zvyšují riziko. Leadership musí vyvažovat inovace s bezpečností, spolehlivostí a operational excellence a zajistit, že agenti fungují v rámci bezpečnostních, etických a regulatorních rámců. Zásadní je také jasná hodnota. Gartner předpovídá, že více než 40 % AI projektů bude do roku 2027 zrušeno kvůli nejasné hodnotě. Řešením je začít s důvěryhodným datovým základem, sladit governance od prvního dne, vybrat use cases s jasnými a měřitelnými výsledky a řídit adopci a change management — včetně alignmentu na úrovni vedení, vlastnictví, guardrails, komunikace a školení. Správný partner pomáhá proměnit pilotní projekty v produkční programy, takže hodnota se v čase kumuluje.

Mark Kohout: Náklady jsou vždy téma. Jak mohou enterprise organizace řídit náklady a zároveň inovovat s AI?

Rehan Shah: Používejte cost-efficient compute, například Trainium 2, s až o 30 % lepší price-performance. Snižte náklady na storage pomocí Amazon S3 Vector, s až 90% úsporami pro trénování a retrieval. Využívejte autoscaling, včetně scale-to-zero, a stavte na jednotném a řízeném datovém základu pro předvídatelné náklady a rychlejší time-to-value. Na úrovni operating modelu poskytuje federated AI Center of Excellence guardrails, token budgets pro jednotlivé týmy, standardizovanou prioritizaci use cases, praktický change management a transparentní tracking využití a chargeback. Současně je nutné sladění s principy responsible AI a enterprise risk frameworky, aby inovace probíhala bez kompromisů v oblasti bezpečnosti, soukromí a compliance.

Mark Kohout: Na závěr – agentic AI se posouvá od demo ukázek ke skutečným výsledkům, například AI sales coach a legal assistant ve společnosti BBG přinášejí měřitelné úspory a samoobslužné odpovědi z ERP ve společnosti Torn Attack zkrátily dobu z hodin na sekundy. Postup je jasný: začít s důvěryhodnými daty a governance, ukázat rychlé výsledky s Amazon Q, rozšířit řešení pomocí Bedrocku o vlastní agenty, udržet náklady pod kontrolou díky správným technologickým stavebním blokům a FinOps a spolupracovat s partnery, jako je Adastra, kteří dokážou technologické možnosti převést do business hodnoty.

Rehane, děkuji vám a děkujeme i našemu publiku. Pokud chcete začít s nízkým rizikem, obraťte se na Adastru a nezapomeňte odebírat náš podcast. Pro dnešek se loučíme.