České firmy investují do umělé inteligence miliony korun, často ale očekávají výsledky od technologie, aniž by měly připravené základy. Podle AI experta Dalibora Mráze většina organizací nejprve potřebuje udělat pořádek v datech, procesech a firemním know-how. V pořadu Inside Tech na platformě FocusOn vysvětlil, proč bývá až 40 % firemních dat nepoužitelných, kdy se investice do AI skutečně vyplatí a proč nestačí jednoduše nasadit chatbot a čekat revoluci.

Zájem o umělou inteligenci v posledních letech prudce roste. Mnoho firem podle Dalibora Mráze přichází s představou, že jim AI okamžitě zrychlí procesy a zvýší produktivitu. Realita však bývá složitější. „České firmy často nemají vyřešených deset kroků předtím, ale už chtějí řešit AI. Někteří zaměstnanci přitom ještě nejsou dostatečně gramotní ani v práci s počítačem a firmy se snaží přeskočit několik důležitých fází najednou,“ upozorňuje Mráz.

Podle něj je jedním z největších omylů představa, že stačí koupit přístup k nejmodernějším jazykovým modelům a výsledky se dostaví automaticky. „Pořídíte si přístup k nejlepším jazykovým modelům, ale pak do nich lijete vodu z kaluže místo benzínu. Motor nefunguje a lidé si myslí, že problém je v motoru. Ve skutečnosti je problém v datech,“ říká.

Až 40 % dat bývá nepoužitelných

Právě kvalita dat rozhoduje o tom, zda bude umělá inteligence přínosem, nebo zklamáním. Podle Mráze bývá významná část firemních informací pro AI prakticky nepoužitelná. „Zhruba 40 % dat, která firmy mají, je úplně k ničemu. A zhruba 50 % důležitých informací jim často úplně chybí,“ uvádí.

Problémem nejsou pouze neaktuální nebo špatně strukturovaná data. Ve firmách často chybí i důležité souvislosti a zkušenosti zaměstnanců, které nikdy nebyly zaznamenány.

Zatímco lidé si předávají informace neformálně, umělá inteligence potřebuje jasně popsaný kontext. Bez něj nedokáže pracovat spolehlivě.

Úklid dat za desítky milionů není řešení

Mnoho společností reaguje na datový problém snahou vyčistit kompletně celé historické databáze. To ale podle Mráze nebývá efektivní cesta. „Takový úklid může stát klidně 15 až 20 milionů korun a trvat jeden až tři roky. Přitom většina firem nepotřebuje čistit třicet let staré materiály,“ říká.

Místo rozsáhlých transformačních projektů doporučuje začít s konkrétním případem použití, u kterého lze jednoduše vyhodnotit přínos a návratnost investice. Důležitější než množství dat je podle něj jejich relevance a správné uspořádání.

AI dává smysl tam, kde lze spočítat návratnost

O úspěchu projektu podle Mráze často rozhoduje schopnost spočítat jeho ekonomický přínos. Jako příklad uvádí firmy, které vytvářejí rozsáhlé obchodní nabídky o desítkách stran. Pokud AI dokáže zrychlit jejich přípravu a zvýšit počet odeslaných nabídek, lze návratnost investice poměrně přesně vyčíslit.

„Majitel si dokáže spočítat, že investice ve výši dvou nebo tří milionů korun se mu vrátí třeba za půl roku. Tam se návratnost hodnotí velmi dobře,“ vysvětluje. Naopak projekty bez jasného obchodního cíle podle něj často končí jako technologická hračka, která firmě nepřinese očekávanou hodnotu.

Celý rozhovor si můžete pustit jako video nebo podcast:

• Proč podle Dalibora Mráze většina firem není na AI ještě připravená?
• Jak funguje role takzvaného AI drivera a proč může být důležitější než AI ředitel?
• Jaké chyby firmy nejčastěji dělají při práci s firemními daty?
• Proč někdy méně informací vede k lepším výsledkům umělé inteligence?
• Jaká bezpečnostní rizika přináší propojení AI s interními systémy firem?