Co dnes firmám nejvíce brání ve smysluplném využívání umělé inteligence?

Jakub Loos

General Manager, Inveo

Firmám již nebrání technologie, ale způsob, jakým AI zavádějí. Nástroje, o kterých jsme v minulosti snili, jsou dnes již dostupné, a dokonce i cenově přijatelné (zatím). Chybí ale jasná odpověď na to, jakou část práce nebo procesu má AI zlepšit. Typický scénář je licence pro celý tým, jednorázové školení a za chvíli se vše vrací do starých zaběhlých kolejí.

Druhou překážkou jsou data a znalosti firmy. Lidé se mě na workshopech ptají, jaká AI je nejlepší. Ale jak všichni víme, AI je jen tak dobrá jako podklady, se kterými pracuje. Schopnosti dnešních nejnovějších modelů většinou už ani nedokážeme adekvátně využít. Když je know-how firmy rozeseté po e-mailech a v hlavách lidí, tak ani ten nejlepší model, byť chytřejší než my, nemá šanci nám pomoci.

Třetí překážkou jsou lidé a pravidla. Zaměstnanci nevědí, co do AI smějí vložit, a výsledkem je buď zákaz, nebo neřízené používání soukromých účtů. AI mění role i návyky, adaptace je ale pomalá. Funguje nejlépe tam, kde ji vedení firmy samo prosazuje, a také tam, kde se malé pokroky dají jednoduše sdílet s ostatními.

Jaroslava Rezlerová

generální ředitelka ManpowerGroup a prezidentka Asociace personalistů ČR

Firmám nejvíce brání představa, že nákupem technologie mají změnu hotovou. V globálním průzkumu ManpowerGroup jen devět procent technologických lídrů uvádí, že jejich firma plně začlenila AI do provozu a strategie. Vedení očekává rychlý růst produktivity, zaměstnanci však často nevědí, jak se změní jejich práce a co se od nich nově očekává.

Pokud lidé slyší hlavně o úsporách a propouštění, těžko je přesvědčíme, aby sami hledali další možnosti využití AI. Manažeři musí vysvětlit, které úkoly převezme technologie, za co dál odpovídá člověk a jaké nové uplatnění firma lidem nabídne. Musí také dát prostor k učení v pracovní době. Jednorázové školení, jak napsat prompt, nestačí. Potřebujeme učit lidi na jejich skutečných úkolech, rozvíjet kritické myšlení, ověřování výstupů a bezpečnou práci s daty.

Jak zdůrazňujeme v průzkumu Human Edge, zásadní je rozdělit pracovní pozice na jednotlivé činnosti a promyslet spolupráci člověka s AI. Automatizace špatně nastaveného procesu pouze urychlí jeho chyby. Odpovědnost za změnu musí nést vedení společně s HR a manažery týmů.

Petr Brávek

konzultant KPMG

Od technologického nadšení z používání AI k používání AI v provozním systému je potřeba urazit kus cesty. Firma si při zavádění umělé inteligence musí nejprve uklidit svoje data. A to nejen co se týče jejich kvality, ale také nastavení strategie a procesů, jak práci s daty řídit. To vše pod sebou skrývá hojně používaný termín datová governance. Firmy mají často data v různých systémech, obsahují chyby nebo u nich chybí nastavení přístupových práv, kdo smí a nesmí data vidět. A k tomu musíme ještě přidat dobrý právně-bezpečnostní rámec.

Chybí jak experti, tak běžní zaměstnanci, kteří by uměli AI správně a efektivně používat v každodenní práci bez bezpečnostních rizik. A k bezpečné práci jsou potřeba nástroje pro kvalitní monitoring AI systémů. Bezpečnostní mantinely nazývané guardrails jsou softwarovou vrstvou, která stojí mezi uživatelem, firemními daty a samotným AI modelem, která v reálném čase kontroluje a filtruje všechny vstupy i výstupy.

Pak je dobré se vrátit na začátek. Firmy často nasazují AI, „protože to dělají všichni“, ale chybí jim byznysová strategie.

Daria Hvížďalová

Garant AI Transformation MBA, Newton University a Head of AI Adoption, Make

Technologie to není. Licence a nástroje seženete za týden. Rozvoji brání chybějící governance, tedy sada rozhodnutí, která se u zkušebního projektu dají odložit, ale u každodenního provozu AI nástrojů už ne.

Zkušební projekt obvykle běží na dobré vůli jednoho týmu. Jakmile má přejít do běžného provozu, přijdou otázky: Jaká data smí AI číst? Kdo schvaluje změny? Kdo pozná, že agent dělá něco jiného, než se čekalo? A kdo odpovídá, když se splete? Bez odpovědí se všechno buď záměrně udržuje v malém měřítku, nebo se používání rozroste mimo dohled.

Druhý problém je měření. Firmy počítají licence a ušetřené minuty, protože se to dobře ukazuje na slidu. Dopad na výsledky procesu a cena chyb zůstávají mimo přehled. Pak se těžko obhajuje další investice a ještě hůř se rozhoduje, co vypnout.

Governance je jen nudné slovo pro jasná pravidla a jména u rozhodnutí. Na MBA AI Transformation na Newton University se k tomu u vedení firem vracíme pořád.