Jak vybrat první proces pro zavedení AI ve firmě

První AI projekt nemá začínat nástrojem

Když firma začne řešit AI, často nejdřív vybírá nástroj. ChatGPT, Copilot, agenti, licence, školení pro celý tým. To je pochopitelné, ale obrácené pořadí. Nejdřív potřebujete vybrat práci, která má smysl změnit. Teprve potom má smysl řešit nástroj a nastavení.

Když připravuji praktické AI školení, nezačínám seznamem funkcí. Hledám opakovanou práci, která lidem bere čas, má čitelné vstupy a jejíž výsledek umí zkušený člověk zkontrolovat. V takovém místě se rychle ukáže, zda AI opravdu pomáhá, nebo jen vytvořila další okno, do kterého je potřeba něco psát.

První proces nemusí být největší problém celé firmy. Naopak. Má být dost malý na to, aby se dal během několika týdnů vyzkoušet v reálné práci, a dost důležitý na to, aby ušetřený čas nebo lepší podklad někomu skutečně pomohl rozhodnout.

Hledejte práci, která se opakuje a brzdí důležitější činnost

Dobrým kandidátem nebývá jednorázový kreativní úkol. Častěji jde o rutinu, kterou někdo dělá pořád dokola: přepisuje informace z dokumentu do nabídky, třídí poptávky, dohledává odpověď v několika interních souborech, připravuje první verzi podkladu nebo hlídá, co zůstalo rozdělané. Výzkum MIT popisuje podobné situace jako překážky, které lidem zabírají kapacitu místo práce s vyšší hodnotou.

Položte si jednoduchou otázku: Kdyby tato činnost zmizela nebo zabrala polovinu času, co by zkušený člověk mohl udělat lépe? Pokud je odpověď jen „stihne více stejné administrativy“, je potřeba se podívat dál. Pokud odpověď zní „rychleji připraví nabídku, zkontroluje výjimku, zavolá zákazníkovi nebo vyřeší problém“, už máte obchodní důvod pilot postavit.

Proces musí mít jasný vstup, výstup a možnost kontroly

AI se lépe testuje tam, kde je jasné, co do procesu vstupuje a co z něj má vyjít. Může to být technický dokument a strukturovaný seznam položek, e-mailová poptávka a návrh odpovědi, soubor s daty a první přehled odchylek. Neznamená to, že výstup musí být hotový bez zásahu člověka. Znamená to, že tým umí rozpoznat, zda je výstup použitelný, chybný nebo neúplný.

Tady se vyplatí být přísný. Pokud nikdo neumí popsat správný výsledek, nemá kdo AI opravit ani vyhodnotit. Pokud vstup obsahuje citlivé údaje, musíte před pilotem rozhodnout, co je možné do vybraného prostředí posílat a kdo za to odpovídá. Rámec NIST pro řízení rizik AI staví právě na zmapování kontextu, měření a průběžném řízení rizik; není to zbytečná administrativa, ale ochrana před tím, aby se chyba stala součástí běžného provozu.

Pilotujte skutečnou práci, ne ukázku na poradě

Ukázka na jednom připraveném zadání bývá přesvědčivá. Skutečná práce je lepší test. V ní se objeví neúplné podklady, výjimky, špatně pojmenované soubory, nejasné zadání zákazníka i situace, kdy se výstup nesmí použít bez další kontroly. Proto první AI proces nepředávejte rovnou celé firmě. Vyberte několik reálných případů, člověka, který danou práci dobře zná, a krátké období, během kterého postup opravdu používá.

V pilotu nezkoumejte, zda AI umí něco hezkého vytvořit. Zajímejte se, kde se práce zrychlila, kde se naopak přidala kontrola navíc a jaké zadání vedlo k použitelnému výsledku. Thomson Reuters ve svém reportu o zavádění AI upozorňuje na stejný rozdíl: samotný přístup k nástroji nezmění každodenní práci, pokud firma neupraví postup, odpovědnosti a kontrolu kvality.

AI připravuje podklad. Člověk drží úsudek a odpovědnost

První proces vybírejte tam, kde může AI připravit návrh, zrychlit orientaci nebo upozornit na souvislost. Konečné rozhodnutí ale zůstává u člověka, pokud jde o nabídku zákazníkovi, cenu, závazek firmy, citlivá data nebo výjimku, které systém nerozumí. Čím vyšší dopad má chyba, tím jasnější musí být lidská kontrola.

To není nedůvěra k technologii. Je to správné rozdělení práce. Výzkum MIT ukazuje, že při nasazování generativní AI se role lidí často posouvá od samotného vykonání úkolu ke kontrole, vysvětlení a vyhodnocení výstupu. Pilot proto potřebuje nejen návod pro AI, ale i dohodu: kdo výstup ověřuje, podle čeho pozná chybu a kdy proces zastaví.

Přínos změřte dřív, než AI pustíte do provozu

Nejhorší metrika je počet vytvořených promptů nebo počet lidí s licencí. Před spuštěním si napište, co se má změnit v práci. U nabídky to může být čas od poptávky k prvnímu návrhu a počet nutných oprav. U práce s dokumenty čas potřebný k nalezení správné informace. U zákaznické podpory podíl dotazů, které tým předá s dostatečným kontextem. Jedna nebo dvě jednoduché míry jsou pro první pilot lepší než dashboard plný čísel.

Vedle rychlosti sledujte také kvalitu a vedlejší dopady. Pokud se první návrh připraví rychleji, ale zkušený člověk pak stráví dvojnásobek času hledáním chyb, žádný přínos nevznikl. Pokud AI uvolní čas pro obchodníka, ale tým neví, na co má uvolněný čas použít, firma jen urychlila administrativu. Přínos vzniká až ve chvíli, kdy se změní další krok v procesu.

Kdy první proces raději nevybírat

Nezačínejte tam, kde jsou vstupy chaotické, výsledek nikdo neumí posoudit a chyba by měla okamžitý velký dopad. Stejně tak nevybírejte proces jen proto, že je na něm vidět technologie. Pokud tým nemá vyjasněné základní role, data nebo schvalování, může být lepší nejdřív opravit tento základ. AI pak nebude nahrazovat chybějící proces, ale pomůže už fungující práci zrychlit a zpřesnit.

Dobré první zavedení AI není velký projekt. Je to poctivě vybraná zkouška, ze které firma získá důkaz pro další rozhodnutí. Když funguje, rozšíříte ji. Když nefunguje, víte proč a neztratíte měsíce tím, že budete obhajovat nástroj místo výsledku.

Časté otázky k prvnímu AI procesu ve firmě

• Kde má firma s AI začít?

  Začněte jedním opakovaným úkolem, který brzdí zkušené lidi, má čitelné vstupy a výsledek jde ověřit. Nejlepší první proces není nejviditelnější; je to ten, u něhož rychle poznáte přínos i chybu.

• Musíme nejdřív koupit firemní AI nástroj pro celý tým?

  Ne. Nejdřív popište proces, rizika, vstupy a požadovaný výstup. Teprve potom vyberte prostředí, které odpovídá práci s daty, přístupy a kontrolou. Licence pro všechny bez jasného použití často vytvoří jen další náklad a rozdílné zvyky v týmu.

• Jak dlouho má první AI pilot běžet?

  Tak dlouho, aby prošel skutečnými případy včetně výjimek, ale ne tak dlouho, aby se z něj stal projekt bez rozhodnutí. Před začátkem si určete, co po pilotu vyhodnotíte: čas, kvalitu výstupu, chybovost, potřebu kontroly a další obchodní krok.

• Jak poznáme, že je bezpečné proces rozšířit?

  Nejen podle rychlosti. Potřebujete vědět, kdo kontroluje výstup, jak zacházíte s citlivými vstupy, jak řešíte chyby a zda se přínos projevuje i v navazující práci. Rozšíření dává smysl až tehdy, když tým umí popsat pravidla i limity procesu.