Umělá inteligence v německé ekonomice: Bod zlomu byl dosažen.

113 minut ušetřeného času denně: Tato čísla ukazují skutečnou sílu umělé inteligence na pracovišti

Umělá inteligence (AI) se transformuje z technologického experimentu ve strategickou nutnost, která určí budoucí konkurenceschopnost. Současná čísla ukazují zrychlený vývoj – zatímco v roce 2022 používalo AI pouze asi 12 procent společností, očekává se, že do roku 2024 toto číslo dosáhne 20 až 27 procent. Tato dynamika však odhaluje rostoucí mezeru: zatímco téměř polovina velkých společností již AI implementovala, střední podniky výrazně zaostávají s mírou přijetí pouze 17 až 28 procent.

Zároveň se zásadně změnilo strategické vnímání. Pro 91 procent společností je nyní generativní umělá inteligence klíčová pro jejich obchodní model a ochota investovat dramaticky roste. Počáteční empirická data ukazují působivé zvýšení produktivity v průměru o 13 procent ve společnostech využívajících umělou inteligenci a denní úsporu času až 113 minut na zaměstnance. Navzdory tomuto potenciálu však rozsáhlé transformaci brání značné překážky, jako je nedostatek odborných znalostí, právní nejistota v důsledku nového nařízení EU o umělé inteligenci a akutní nedostatek kvalifikovaných pracovníků. Německo se nachází v kritickém bodě globální konkurence, kde se určí směr technologického pokroku, nebo zaostávání.

Vhodné pro:

• Rozhodování a rozhodovací procesy pro umělou inteligenci ve firmách: Od strategického impulsu k praktické implementaci

Když se digitální experimenty stanou strategickou nutností

Německá ekonomická krajina prochází zásadní transformací, která dalece přesahuje pouhou digitalizaci. Umělá inteligence se vyvíjí z experimentální technologie v rozhodující faktor ekonomické konkurenceschopnosti. Současná data vykreslují komplexní obraz: Německo se nachází v bodě zlomu, kdy se dramaticky zvětšuje rozdíl mezi lídry a zaostávajícími zeměmi. Zatímco někteří již dosahují měřitelného nárůstu produktivity, jiní riskují, že zaostají.

Čísla mluví sama za sebe. Podle Federálního statistického úřadu bude v roce 2024 umělou inteligenci (AI) používat přibližně 20 procent německých firem, ačkoli různé průzkumy přinášejí mírně odlišné výsledky v závislosti na použité metodologii. Institut ifo dokonce v červenci 2024 uvedl číslo 27 procent. Důležitější než přesné číslo je však tempo jejího zavádění: Zatímco v roce 2021 používalo AI pouze 11 procent firem a v roce 2022 přibližně 12 procent, nyní se zavádění zrychluje. Do konce roku 2025 plánuje dalších 25 procent firem zahájit nebo intenzivněji využívat AI. Tento vývoj představuje přechod z pilotní fáze k širokému zavádění napříč společnostmi.

Rozdíl mezi velikostí společností a mírou implementace je pozoruhodný. Zatímco téměř polovina všech velkých společností s 250 a více zaměstnanci se nyní spoléhá na technologie umělé inteligence, u středních podniků s 50 až 249 zaměstnanci je to pouze 28 procent. Malé podniky s 10 až 49 zaměstnanci dosahují pouhých 17 procent. Tato čísla odhalují znepokojivou propast v německé ekonomice. Velké korporace disponují zdroji, odbornými znalostmi a ochotou podstupovat rizika, aby systematicky rozvíjely projekty umělé inteligence. Střední a malé podniky na druhou stranu čelí strukturálním překážkám: omezeným rozpočtům, nedostatku kvalifikovaných pracovníků a nejistotě ohledně regulačních požadavků.

Od technologické hračky ke strategickému imperativu

Strategické vnímání umělé inteligence se zásadně změnilo. Studie auditorské firmy KPMG tento paradigmatický posun působivě dokumentuje: 91 procent dotázaných německých společností nyní považuje generativní umělou inteligenci za klíčovou pro svůj obchodní model a budoucí tvorbu hodnot. V roce 2024 to bylo pouze 55 procent. Toto zdvojnásobení během jediného roku signalizuje více než jen nadšení pro tuto technologii. Znamená to poznání, že se umělá inteligence stává základním předpokladem ekonomického úspěchu.

Současně se výrazně zlepšila strategická vyspělost. Téměř sedm z deseti společností má nyní explicitní strategii pro generativní umělou inteligenci, ve srovnání s pouhými 31 procenty v roce 2024. Dalších 28 procent aktivně pracuje na vývoji takové strategie. Tato čísla ukazují, že umělá inteligence již není vnímána jako izolovaný IT projekt, ale spíše jako celofiremní transformace vyžadující strategické řízení. Společnosti si stále více uvědomují, že úspěšné využití umělé inteligence přesahuje technologickou implementaci a vyžaduje organizační úpravy, kulturní změny a nové dovednosti.

Investiční připravenost navazuje na toto strategické přehodnocení. 82 procent společností plánuje v příštích dvanácti měsících zvýšit své rozpočty na umělou inteligenci. Více než polovina z nich, 51 procent, dokonce hodlá zvýšit své rozpočty alespoň o 40 procent. V loňském roce to bylo 53, respektive 28 procent. Tento masivní nárůst investiční připravenosti odráží nejen rostoucí důvěru v technologii, ale také uznání, že k úspěšnému škálování umělé inteligence jsou zapotřebí značné zdroje. Éra malých pilotních projektů s omezenými rozpočty ustupuje rozsáhlým strategickým investicím.

Obzvláště výmluvné je rozdělení podle odvětví. V Německu vykazují informační a komunikační technologie, jak se očekávalo, nejvyšší míru zavádění umělé inteligence, a to 42 procenty. Následuje právní a daňové poradenství a audit s 36 procenty, a to především díky automatizaci zpracování a tvorby dokumentů. Výzkum a vývoj rovněž dosahují 36 procent, protože umělá inteligence se používá zejména v analýze a modelování dat. Bankovnictví se podílí 34 procenty, zatímco manažerské poradenství 27 procenty. Sektory vysílání a telekomunikací, stejně jako média, dosahují shodně 26 procent.

Měřitelné zvýšení produktivity překonává skepticismus

Dlouhotrvající debata o tom, zda umělá inteligence skutečně vede k měřitelnému zvýšení produktivity, stále častěji nachází empirickou odpověď. Data z různých studií se shodují k působivým číslům. Studie Federální rezervní banky v St. Louis zjistila, že využití generativní umělé inteligence zvyšuje produktivitu zaměstnanců o 33 procent za každou hodinu, kterou používají AI. Nejedná se o teoretickou projekci, ale o analýzu skutečných pracovních procesů. V Německu již 82 procent společností využívajících generativní AI hlásí zvýšení produktivity. V průměru se jedná o 13 procent ročně.

Úspora času je jasně patrná v každodenním pracovním životě. Podle globálního průzkumu skupiny Adecco ušetří němečtí zaměstnanci díky využití umělé inteligence v průměru 64 minut denně. Jiná studie dokonce dochází k číslu 113 minut denní úspory času. Společnost Boston Consulting Group ve svém výzkumu zjistila, že 58 procent uživatelů umělé inteligence získá alespoň pět pracovních hodin týdně. Tento ušetřený čas se v žádném případě nevyužívá k nečinnosti. 41 procent ho využívá k dokončení více úkolů, 39 procent se věnuje novým úkolům, dalších 39 procent experimentuje s nástroji umělé inteligence a 38 procent se zaměřuje na strategické aktivity. Úspora času proto nevede ke ztrátě pracovních míst, ale spíše k přechodu od opakujících se k činnostem s přidanou hodnotou.

Makroekonomické projekce jsou pozoruhodné. Podle odhadů by využití generativní umělé inteligence mohlo v Německu do roku 2030 ušetřit 3,9 miliardy pracovních hodin. To přesně odpovídá demografické propasti 4,2 miliardy pracovních hodin, která vznikla v důsledku nedostatku kvalifikovaných pracovníků. Umělá inteligence se tak stává nejen faktorem produktivity, ale také potenciálním řešením jedné z nejnaléhavějších strukturálních výzev, kterým německá ekonomika čelí. Německý ekonomický institut (IW) předpovídá, že roční makroekonomický růst produktivity by se mohl v letech 2025 až 2030 zvýšit ze současných 0,4 procenta na průměrných 0,9 procenta a v letech 2030 až 2040 na 1,2 procenta, a to výhradně díky umělé inteligenci.

Tato čísla je však třeba vnímat s nuancemi. Očekávaný nárůst produktivity se neděje automaticky. Několik studií naznačuje, že úspora času není synonymem pro zvýšení produktivity. Jedna studie ukazuje, že třetina zaměstnanců nadále tráví ušetřený čas stejnými úkoly jako dříve. Aby se úspora času promítla do vyšší produktivity, musí zaměstnavatelé jasně definovat očekávání a specifikovat, jaké nové úkoly se od zaměstnanců očekává. Pouhé zavedení technologií nestačí. Nezbytné jsou doprovodné organizační úpravy, optimalizace procesů a opatření pro řízení změn.

Oblasti použití specifické pro dané odvětví vykazují konkrétní přidanou hodnotu.

Praktické využití umělé inteligence se rozvíjí v celém hodnotovém řetězci podniku. V automobilovém průmyslu, tradiční klíčové oblasti německé průmyslové síly, umělá inteligence způsobuje revoluci jak ve výrobě, tak ve vývoji produktů. V závodech BMW systémy pro zpracování obrazu podporované umělou inteligencí zkracují kontrolní procesy ze 40 na 24 sekund a zároveň zlepšují detekci vad o 40 procent. Společnosti Siemens a Audi používají digitální dvojčata k virtuálnímu mapování celých výrobních linek, čímž zkracují dobu plánování o 35 procent. Prediktivní systémy údržby detekují poruchy strojů dříve, než povedou k poruchám, a výrazně snižují neplánované prostoje.

Zejména automobilový průmysl však ve srovnání s jinými odvětvími opatrně investuje do výpočetního výkonu, týmů a rozpočtů umělé inteligence. Přestože se úroveň vyspělosti zavádění umělé inteligence v automobilovém průmyslu za posledních pět let zvýšila ze 4,4 na 5,4, stále mírně zaostává za celkovým průměrem v odvětví. To odhaluje paradox: Zatímco odvětví rozpoznalo potenciál a vyvíjí některé působivé aplikace, široké přijetí často chybí. Mnoho aplikací je stále v pilotní fázi. Podle průzkumu společnosti Capgemini používá 44 procent automobilových společností generativní umělou inteligenci v zákaznickém servisu, ale pouze 18 procent realizuje pilotní projekty v oblasti tvorby nápadů a obsahu.

Využití umělé inteligence je obzvláště rozmanité v marketingu, prodeji a zákaznickém servisu. Systémy založené na umělé inteligenci analyzují chování zákazníků, vytvářejí personalizované nabídky a automatizují rutinní úkoly. Algoritmy pro hodnocení potenciálních zákazníků hodnotí potenciální zákazníky na základě jejich interakcí a upřednostňují prodejní aktivity u nejslibnějších kontaktů. Chatboti a hlasoví boti zpracovávají opakované dotazy zákaznické podpory, přičemž společnosti hlásí snížení o více než 40 procent. Zástupci zákaznické podpory pak mohou uvolněnou kapacitu využít k řešení komplexních problémů a interakcím náročným na konzultace.

Prediktivní prodej využívá umělou inteligenci k předpovídání optimálních nabídek pro zákazníky. Grafové neuronové sítě analyzují komplexní vztahy mezi produkty, interakcemi se zákazníky a prodejem. Jedna B2B společnost dokázala pomocí těchto technologií zvýšit míru konverze o 40 procent. V elektronickém obchodování zlepšují doporučovací systémy řízené umělou inteligencí míru prokliku o více než 25 procent a zároveň snižují náklady na reklamu. Hyperpersonalizace umožňuje přesně přizpůsobit produkty a služby individuálním potřebám zákazníků.

Ve finančním sektoru systémy umělé inteligence analyzují složité datové vzorce a podporují hodnocení rizik. Deutsche Bank používá 275petaflopovou grafickou kartu (GPU), která zrychluje dohled nad obchodováním o více než třetinu a snižuje falešné poplachy o 41 procent. V chemickém a farmaceutickém průmyslu optimalizuje umělá inteligence složité procesy a zrychluje vývoj produktů identifikací nejslibnějších sloučenin z tisíců možných formulací. Logistický průmysl využívá posilovací učení k úpravě tras v reálném čase a urychlení dodávek. Společnost DHL dosáhla díky této technologii významného zvýšení efektivity.

Strukturální překážky transformaci zpomalují.

Navzdory zjevnému potenciálu a měřitelným úspěchům stojí v cestě širokému přijetí umělé inteligence značné překážky. Největší překážkou je nedostatek znalostí o této technologii. 71 procent společností, které umělou inteligenci dosud nevyužívají, uvádí jako hlavní důvod nedostatek know-how. Tato mezera ve znalostech je mnohostranná: zahrnuje nedostatek technického porozumění fungování systémů umělé inteligence a jejich schopnostem, nedostatek strategických znalostí o smysluplných případech použití v rámci jejich vlastní společnosti a nejistotu ohledně implementačních procesů a měření úspěchu.

Právní nejistota a obavy týkající se ochrany údajů představují druhou hlavní překážku. 58 procent společností se obává právních důsledků a 53 procent má obavy týkající se ochrany údajů. Tento problém je zpočátku zhoršován nařízením EU o umělé inteligenci, které postupně vstupuje v platnost od února 2025. Zákon kategorizuje systémy umělé inteligence do čtyř rizikových tříd a definuje odpovídající požadavky. Vysoce rizikové systémy umělé inteligence, jako jsou ty používané v oblasti lidských zdrojů nebo pro rozhodování o schvalování úvěrů, podléhají komplexním požadavkům na dokumentaci, monitorování a kvalitu. Nedodržení může být potrestáno pokutami až do výše 35 milionů eur nebo sedmi procent celosvětového ročního obratu.

Mnoho společností si láme hlavu s otázkou, které z jejich aplikací umělé inteligence by měly být klasifikovány jako vysoce rizikové a které specifické požadavky na dodržování předpisů musí být splněny. Nařízení o umělé inteligenci se uplatňuje vedle obecného nařízení o ochraně osobních údajů (GDPR) a obě sady pravidel je třeba posuzovat společně. Stávající procesy ochrany osobních údajů lze použít jako základ pro dodržování předpisů v oblasti umělé inteligence, ale je nutné je rozšířit o specifické aspekty, jako je spravedlnost, ochrana základních práv a sledovatelnost rozhodnutí. Společnosti potřebují transparentní auditní záznamy a musí jasně definovat odpovědnosti: Kdo monitoruje? Kdo dokumentuje? Kdo zasáhne, pokud se něco pokazí?

Nedostatek kvalifikovaných pracovníků situaci zhoršuje. 35 až 41 procent německých firem považuje nedostatek technických talentů za významnou překážku pro projekty v oblasti umělé inteligence. Počet nabídek práce pro vývojáře umělé inteligence se mezi lety 2019 a 2024 zvýšil z 23 000 na 37 000 za čtvrtletí. Navzdory této rostoucí poptávce přetrvává nedostatek kvalifikovaných pracovníků. Německo mezinárodně soutěží o talenty v oblasti umělé inteligence se zeměmi, které inzerují agresivněji a často nabízejí lepší podmínky. Ačkoli podle analýzy LinkedInu je v Německu 1,7krát vyšší pravděpodobnost, že oproti průměru OECD uvede, že zvládá nástroje a aplikace umělé inteligence, a řadí se tak na druhé místo na světě za USA, stále to nestačí k uspokojení poptávky.

Je zajímavé, že některé společnosti samy využívají umělou inteligenci jako řešení nedostatku IT dovedností. Podle průzkumu společnosti Bitkom používá umělou inteligenci k překlenutí nedostatků v personálním obsazení pět procent společností. U velkých společností s více než 250 zaměstnanci toto číslo stoupá na 21 procent. Umělá inteligence přebírá rutinní úkoly ve vývoji softwaru a IT administraci, což umožňuje stávajícím specialistům soustředit se na složitější činnosti. To sice zmírňuje nedostatek dovedností, ale zásadně ho neřeší.

Rozdíl mezi pilotním projektem a produktivním využitím

Jednou z největších výzev v transformaci umělé inteligence je tzv. mezera mezi pilotním projektem a produkčním projektem. Mnoho společností vyvíjí úspěšné prototypy umělé inteligence v kontrolovaných testovacích prostředích, ale nedaří se jim je převést do produkčního prostředí. 23 procent německých společností převedlo do produkčního prostředí více než polovinu svých generativních experimentů s umělou inteligencí, což je výrazně více než celosvětový průměr 16 procent. To však také znamená, že 77 procent německých společností využívá ve výrobě méně než polovinu svých experimentů s umělou inteligencí.

Důvody pro tento rozdíl jsou rozmanité. Technicky vzato škálování často selhává, protože pilotní projekty používají zkratky: modely běží na lokálních počítačích s manuálními procesními kroky, které nejsou vhodné pro produkční prostředí. Přechod vyžaduje robustní a škálovatelnou infrastrukturu s automatizovanými pracovními postupy pro extrakci dat, trénování modelů, validaci, nasazení a průběžné monitorování. Musí být vytvořeny MLOps kanály, které pokrývají celý životní cyklus modelů umělé inteligence a umožňují spolehlivý přenos z pilotní fáze do produkčního prostředí.

Z organizačního hlediska často chybí propojení mezi technickou proveditelností a obchodním přínosem. Pilotní projekty jsou prováděny izolovaně v rámci IT oddělení nebo inovačních laboratoří, bez včasného zapojení obchodních jednotek, které budou později se systémy pracovat. Chybí jasná kritéria úspěchu a kvantifikovatelné klíčové ukazatele výkonnosti (KPI), které by měly být definovány před zahájením projektu. Bez těchto metrik zůstává nejasné, zda byl pilotní projekt úspěšný a zda ospravedlňuje jeho rozšíření.

Úspěšné škálování projektů umělé inteligence vyžaduje systematický přístup. Zaprvé, pilotní projekty musí být od samého začátku propojeny s obchodními cíli a klíčovými ukazateli výkonnosti (KPI). Místo technologicky řízených experimentů by společnosti měly identifikovat konkrétní obchodní problémy, pro které může umělá inteligence nabídnout řešení. Zadruhé, nezbytné je vybudovat škálovatelnou infrastrukturu. Cloudové platformy, automatizované datové kanály a procesy MLOps musí být zavedeny již v rané fázi. Zatřetí, robustní správa dat musí zajistit, aby data byla čistá, dostupná a splňovala požadavky. Začtvrté, je nutné rozvíjet nebo získávat odborné znalosti, a to nejen pro vývoj, ale i pro produkční operace. Zapáté, doporučuje se postupné zavádění se zpětnovazebními smyčkami, aby bylo možné systémy krok za krokem vylepšovat.

Naše odborné znalosti v oblasti rozvoje obchodu, prodeje a marketingu v EU a Německu - Obrázek: Xpert.Digital

Zaměření na odvětví: B2B, digitalizace (od AI po XR), strojírenství, logistika, obnovitelné zdroje energie a průmysl

Více o tom zde:

• Obchodní centrum Xpert

Tematické centrum s poznatky a odbornými znalostmi:

• Znalostní platforma o globální a regionální ekonomice, inovacích a trendech specifických pro dané odvětví
• Sběr analýz, impulsů a podkladových informací z našich oblastí zájmu
• Místo pro odborné znalosti a informace o aktuálním vývoji v oblasti podnikání a technologií
• Tematické centrum pro firmy, které se chtějí dozvědět více o trzích, digitalizaci a inovacích v oboru

Návratnost investic jako klíčový faktor úspěchu

Měření návratnosti investic (ROI) do projektů umělé inteligence představuje pro firmy jedinečné výzvy. Na rozdíl od tradičních investic do IT nejsou účinky často přímo kvantifikovatelné. Analýza návratnosti investic je nicméně klíčová pro strategická rozhodnutí a zdůvodnění dalších investic. Studie ukazují, že 48 procent německých společností, které umělou inteligenci skutečně používají, uvádí, že přínosy převažují nad náklady. Zároveň 63 procent společností váhá s rozsáhlejším používáním umělé inteligence, protože je pro ně obtížné posoudit její přínosy.

Výpočet návratnosti investic do umělé inteligence se obecně řídí vzorcem: návratnost investic se rovná tržbám mínus investiční náklady, děleno investičními náklady a vynásobeno 100. Výzvou je přesné zachycení tržeb a nákladů. Mezi měřitelné tržby patří úspory nákladů díky automatizaci opakujících se úkolů, úspora času pro zaměstnance, snížení chybovosti, zvýšení prodeje díky vylepšené personalizaci a rychlejší uvedení nových produktů na trh. Kvalitativní přínosy, jako je zlepšení kvality rozhodování díky poznatkům založeným na datech nebo zvýšená spokojenost zaměstnanců díky eliminaci nežádoucích rutinních úkolů, jsou obtížněji kvantifikovatelné, ale neméně důležité.

Zpráva o validaci podnikání ukazuje, že integrace umělé inteligence do systémů CX a ERP může dosáhnout konzervativní návratnosti investic (ROI) ve výši 214 procent během pěti let. V nejlepším případě může návratnost investic dosáhnout dokonce 761 procent. Tato integrace může vést ke zvýšení průměrné velikosti transakcí o 10 až 30 procent, a tím přímo zvýšit tržby. Například společnost investující 50 000 eur do chatbotového systému s umělou inteligencí ušetří ročně 1 200 hodin manuální zákaznické podpory, což odpovídá 75 000 eurům na osobních nákladech. Návratnost investic je tedy 50 procent již v prvním roce.

Investiční náklady zahrnují nejen zřejmé položky, jako jsou softwarové licence, hardware a vývoj, ale také často podceňované faktory: integraci do stávajících systémů, školení zaměstnanců, řízení změn, průběžnou údržbu a podporu, jakož i náklady na dodržování předpisů a ochranu dat. Skryté náklady vznikají v důsledku úsilí o řízení projektů, dočasných ztrát produktivity během přechodu a nezbytných úprav procesů.

Úspěšné společnosti definují specifické klíčové ukazatele výkonnosti (KPI) pro měření návratnosti investic (ROI), které jsou v souladu s jejich obchodními cíli. Patří mezi ně náklady na jednotku před a po implementaci AI, úspora času díky automatizovaným procesům (peněžně oceněná), snížení míry chyb a zlepšení kvality, přijetí ze strany uživatelů a jeho dopad na produktivitu a skóre spokojenosti zákazníků. Průběžné sledování těchto metrik umožňuje cílená nápravná opatření, pokud projekty AI nepřinášejí očekávané výsledky.

Vhodné pro:

• Přidaná hodnota umělé inteligence? Než investujete do umělé inteligence: Identifikujte 4 tiché zabijáky úspěšných projektů

Řízení změn jako podceňovaný faktor úspěchu

Zavedení umělé inteligence není primárně technologickou transformací, ale organizační a kulturní. Samotná technická implementace nezaručuje úspěch. Je nutný hluboký kulturní posun uvnitř společnosti, který lze zajistit pouze efektivním řízením změn. Většina neúspěšných projektů umělé inteligence selhává nikoli kvůli samotné technologii, ale kvůli nedostatečnému přijetí, nedostatečné organizační přípravě a nedostatku angažovanosti managementu.

Prvním krokem ke kulturní změně je zvyšování povědomí a vzdělávání. Zaměstnanci a manažeři musí pochopit, proč je umělá inteligence pro společnost relevantní a jak přispívá k dosažení strategických cílů. Workshopy, školení a informační akce jsou účinným způsobem předávání znalostí a řešení obav. Mnoho zaměstnanců má neurčité obavy ze ztráty zaměstnání nebo ze zahlcení novými technologiemi. Otevřená komunikace o realistických dopadech a příležitostech snižuje odpor.

Podpora dovedností v oblasti umělé inteligence jde nad rámec technických znalostí. Zatímco datoví vědci a vývojáři umělé inteligence potřebují hluboké technické znalosti, obchodní oddělení si také musí osvojit základní znalosti, aby mohla identifikovat smysluplné případy užití a efektivně využívat systémy umělé inteligence. V tomto ohledu mohou být neocenitelné školicí programy na míru a spolupráce s externími odborníky. Důležité je, aby se školení nepovažovalo za jednorázovou událost, ale za průběžný proces.

Přizpůsobení struktur a procesů je často nezbytné. Tradiční hierarchické rozhodovací procesy a rigidní způsoby práce jsou neslučitelné s agilním vývojem umělé inteligence a jeho iterativními cykly zlepšování. Společnosti by měly být připraveny zpochybnit tradiční způsoby práce a zaměřit se na nové, agilnější přístupy. To může zahrnovat zavedení nových komunikačních kanálů, přizpůsobení rozhodovacích procesů nebo přepracování pracovních postupů. Mezioborové týmy, které kombinují odborné znalosti s technickými dovednostmi, se ukázaly jako obzvláště efektivní.

Kulturní integrace umělé inteligence vyžaduje otevřené a inovativní myšlení, které uznává hodnotu dat a potenciál rozhodování založeného na datech. Umělá inteligence by neměla být vnímána jako vnější prvek, ale spíše jako nedílná součást firemní kultury. Podpora kultury experimentování a celoživotního vzdělávání je zásadní. Zaměstnanci musí být povzbuzováni k zkoušení nových technologií, přijímání chyb a poučení se z nich.

Vedoucí pracovníci hrají klíčovou roli v procesu kulturní transformace. Musí nejen definovat vizi a strategii, ale také působit jako vzory a ztělesňovat hodnoty kultury orientované na umělou inteligenci. Programy rozvoje leadershipu mohou pomoci zvýšit potřebné povědomí a dovednosti. Bez viditelného závazku vrcholového managementu postrádají projekty umělé inteligence potřebnou dynamiku. Středně velké výrobní společnosti, které výrazně zvýšily přijetí prostřednictvím komplexních přístupů k řízení změn, včetně informačních setkání, cíleného školení a zapojení zaměstnanců do procesu implementace, demonstrují účinnost tohoto přístupu.

Postavení Německa v globální konkurenci

V mezinárodním srovnání vývoje umělé inteligence zaujímá Německo ambivalentní pozici. Podle Globálního indexu umělé inteligence (Global AI Index) se Spolková republika Německo umístila celkově na sedmém místě: solidní výsledek, ale stále za předními zeměmi, jako jsou USA, Čína, Singapur a několik evropských zemí. Toto umístění odráží silné i slabé stránky německého ekosystému umělé inteligence. Německo patří mezi světové lídry ve výzkumu umělé inteligence. Univerzity, instituty a kompetenční centra provádějí důležitou základní práci, od strojového učení až po etické otázky. Německo se umístilo na třetím místě na světě v oblasti vzdělávání IT profesionálů.

Mezi výzkumem a praktickým využitím však existuje mezera. Německo se potýká s problémy s převodem vědeckých poznatků do reálných aplikací. Je zde značná potřeba dohnat stávající infrastrukturu umělé inteligence: V globálním indexu umělé inteligence se Německo v této oblasti umístilo pouze na 13. místě. Hlavními problémy jsou výpočetní výkon a dostupnost dat. Kapacita vysoce výkonných datových center pro aplikace umělé inteligence se musí do roku 2030 ztrojnásobit, ze současných 1,6 gigawattů na 4,8 gigawattů. V současné době je však ve výstavbě pouze 0,7 gigawattů a dalších 1,3 gigawattů je ve vývoji. K uzavření této 1,4gigawattové kapacitní mezery je nutné do roku 2030 investovat až 60 miliard eur.

Podíl Německa na globální kapacitě datových center se od roku 2015 snížil přibližně o třetinu. Investice do umělé inteligence výrazně zaostávají za hráči, jako jsou USA, Velká Británie, Francie, další země EU a Čína. Z pohledu německých společností v současnosti USA a Čína vedou v oblasti generativní umělé inteligence. 36 procent dotázaných považuje USA a 32 procent Čínu za lídra. Pouze jedno procento německých společností připisuje Německu vedoucí postavení. Toto hodnocení zdůrazňuje potřebu opatření, kterým čelí němečtí tvůrci politik a podniky. 71 procent společností požaduje silnější podporu německých poskytovatelů umělé inteligence a zvýšení investic do datových center.

V oblasti strojového učení se Německo s pěti známými modely umístilo na mezinárodním čtvrtém místě. USA však dominují s 61 modely, následované Čínou s 15. Rozdíl je ještě výraznější, pokud jde o investice: V roce 2023 investovalo do technologií umělé inteligence v USA přibližně 67 miliard eur soukromého kapitálu, což je téměř devětkrát více než v Číně. Zatímco investice v USA neustále rostou, EU zaznamenala od roku 2022 pokles o 44,2 procenta. Německo má potenciál ztrojnásobit svou výpočetní kapacitu do pěti let, ale to vyžaduje rozhodné kroky.

Globální závod v oblasti umělé inteligence mezi USA a Čínou nabral nový impuls díky vývoji, jako je čínský model DeepSeek. Zatímco USA tradičně patří k lídrům v oblasti rozsáhlých jazykových modelů, čínské společnosti je rychle dohánějí. Vrcholoví manažeři od Microsoftu po OpenAI v květnu 2025 varovali, že náskok USA v oblasti umělé inteligence se zmenšil na pouhých několik měsíců. Od roku 2017 Čína sleduje deklarovanou strategii stát se do roku 2030 předním národem v oblasti umělé inteligence. Podle společnosti Gartner pochází 47 procent nejlepších světových výzkumníků v oblasti umělé inteligence z Číny, oproti pouze 18 procentům z USA. Čína škáluje svou infrastrukturu a aplikace mnohem rychleji než USA.

Pro Německo a Evropu se vytváří bipolární technologická krajina. Jeden blok se formuje kolem amerických technologií, jako jsou Nvidia a ARM, se západními datovými standardy, zatímco druhý se točí kolem čínského ekosystému s Huawei Ascend a RISC-V. Neutralita se pro země jako Německo stává stále nemožnější. Otázkou už není, zda Německo dokáže dohnat zpoždění, ale spíše v jakém technologickém ekosystému se nachází a jak si přitom může udržet svou vlastní suverenitu.

Strategické nastavení kurzu pro německé firmy

Německo čelí strategickému zlomu. Odhaduje se, že trh s umělou inteligencí v Německu dosáhne do roku 2025 více než devíti miliard eur a do roku 2031 by měl vzrůst na 37 miliard eur, což představuje roční tempo růstu přesahující 25 procent. Tento růst však nebude rovnoměrně rozložen. Společnosti, které nyní investují do umělé inteligence, budují odborné znalosti a transformují své organizace, získají rozhodující konkurenční výhodu. Ty, které váhají, riskují, že zůstanou pozadu. Propast mezi lídry a zaostávajícími se rychle zvětšuje.

Úspěšná transformace umělé inteligence vyžaduje více než jen technologickou implementaci. Vyžaduje holistickou strategii složenou z několika pilířů: Zaprvé, strategické sladění s jasnou vizí, definovanými cíli a prioritními případy užití. Bez strategického ukotvení na úrovni vrcholového managementu zůstávají iniciativy v oblasti umělé inteligence izolovanými řešeními bez udržitelného dopadu. Zadruhé, operační implementace s centry excelence v oblasti umělé inteligence jakožto centry odborných znalostí a poradenství, standardizované metody řízení projektů, opakovaně použitelné komponenty umělé inteligence a proaktivní správa znalostí. Zatřetí, rizika a dodržování jasných struktur řízení, klasifikace rizik podle nařízení EU o umělé inteligenci, dodržování předpisů o ochraně osobních údajů a etické pokyny.

Čtvrtý pilíř zahrnuje technologickou infrastrukturu, včetně škálovatelných cloudových platforem, robustních datových kanálů, procesů MLOps a průběžného monitorování. Pátý pilíř zahrnuje lidi a kulturu, včetně systematického rozvoje dovedností, řízení změn, podpory kultury experimentování a angažovanosti vedení. Transformace umělé inteligence může být úspěšná pouze tehdy, když všech pět pilířů bude spolupracovat.

Firmy by měly začít s pilotními projekty, které slibují hmatatelné výhody, ale nejsou pro podnikání kritické. Fázový přístup snižuje rizika a podporuje přijetí. Úspěšné pilotní projekty budují důvěru a hybnou sílu pro další iniciativy. Důležité je, aby pilotní projekty byly od samého začátku navrženy s ohledem na škálovatelnost. Technická architektura, datové procesy a organizační integrace musí být připraveny k produkci. Implementace umělé inteligence není jednorázový projekt, ale probíhající optimalizační proces s neustálým učením a adaptací.

Regulační rámec, včetně nařízení EU o umělé inteligenci a GDPR, se může zpočátku jevit jako zátěž, ale nabízí také příležitosti. Ti, kdo nyní investují do transparentnosti, zdokumentovaných procesů a proaktivního řízení rizik, pokládají základy pro důvěryhodné a konkurenceschopné aplikace umělé inteligence. Spojení mezi ochranou údajů a hodnocením rizik umělé inteligence ukazuje, že jasné procesy a definované odpovědnosti nejen umožňují kontrolu inovací, ale také jejich strategické formování. Společnosti, které vnímají dodržování předpisů jako konkurenční výhodu, nikoli jako překážku, se prezentují jako důvěryhodní partneři.

Realistické vyhlídky do budoucna nad rámec humbuku

Transformace německé ekonomiky prostřednictvím umělé inteligence teprve začala. Příštích pět let bude klíčových. Prognózy předpovídají, že mezi lety 2026 a 2030 bude až 40 procent středních podniků integrovat nástroje umělé inteligence do svého každodenního provozu, zejména v oblasti prodeje, financí a lidských zdrojů. Podíl společností, které plně integrovaly umělou inteligenci, se výrazně zvýší ze současných devíti procent. Trendy umělé inteligence pro nadcházející roky zahrnují generativní umělou inteligenci pro automatizovanou tvorbu obsahu, zákaznický servis s umělou inteligencí s podporou 24 hodin denně, 7 dní v týdnu, prediktivní analytiku pro předpovídání prodeje, marketing s umělou inteligencí s hyperpersonalizací, automatizované účetnictví, nábor s umělou inteligencí a inteligentní výrobu s inteligentními továrnami.

Dopad na trh práce bude různorodý. Podle McKinsey Global Institute by do roku 2030 mohlo být automatizováno přibližně 30 procent současné pracovní doby pomocí technologií, včetně generativní umělé inteligence. To však neznamená masové ztráty pracovních míst, ale spíše transformaci pracovních profilů. Rutinní úkoly zmizí, zatímco poptávka po hodnotnější, kreativnější a strategičtější práci se zvýší. Již 13 procent zaměstnanců v Německu uvádí, že kvůli umělé inteligenci přišli o práci, což je v souladu s celosvětovým průměrem. Zároveň se objevují nové pracovní profily a kvalifikační požadavky.

Celkové dopady na ekonomickou produktivitu budou znatelné, ale nebudou dělat zázraky. Roční růst produktivity by se mohl mezi lety 2025 a 2030 zvýšit z 0,4 na 0,9 procenta a mezi lety 2030 a 2040 na 1,2 procenta. To by bylo významné zlepšení, které by posílilo konkurenceschopnost Německa a pomohlo zmírnit dopady demografických změn. Zázrak produktivity se však, jak někteří doufali, nenaplní. Umělá inteligence je důležitým, ale ne jediným motorem hospodářského růstu. Nezbytné jsou doprovodné investice do vzdělávání, infrastruktury a inovačních kapacit.

Geopolitický rozměr rozvoje umělé inteligence nabere na významu. Technologická konkurence mezi USA a Čínou nutí Německo a Evropu zaujímat strategické pozice. Otázka technologické suverenity se stává naléhavější: Může Evropa vyvinout vlastní modely, infrastruktury a standardy umělé inteligence, nebo zůstane závislá na amerických či čínských technologiích? Programy jako Digital Europe a EuroHPC si kladou za cíl poskytnout evropským projektům umělé inteligence přístup k vysoce výkonným výpočtům. Úspěch těchto iniciativ určí schopnost Německa a Evropy působit v globální konkurenci umělé inteligence.

Nadcházející roky ukážou, zda Německo dokáže proměnit své silné stránky ve výzkumu a vzdělávání v ekonomické konkurenční výhody. Kurz se určuje již nyní. Společnosti, které chápou umělou inteligenci jako strategický problém, systematicky se jím zabývají a transformují své organizace, si zajistí budoucí životaschopnost. Ti, kteří váhají nebo umělou inteligenci odmítají jako pomíjivý módní výstřelek, zaplatí. Transformace z pilotní fáze k produktivnímu využití je v plném proudu. Německo se nachází na zlomu mezi technologickou integrací a zaostáváním. Rozhodnutí leží na představenstvech společností, manažerských týmech a středních podnicích, které dnes určují kurz pro zítřek.

Nový rozměr digitální transformace s „řízenou AI“ (umělou inteligencí) – platforma a řešení B2B | Xpert Consulting - Obrázek: Xpert.Digital

Zde se dozvíte, jak může vaše společnost rychle, bezpečně a bez vysokých vstupních bariér implementovat řešení umělé inteligence na míru.

Spravovaná platforma umělé inteligence (AI) je vaším komplexním a bezstarostným balíčkem pro umělou inteligenci. Místo řešení složitých technologií, drahé infrastruktury a zdlouhavých vývojových procesů získáte od specializovaného partnera řešení na klíč šité na míru vašim potřebám – často během několika dnů.

Klíčové výhody na první pohled:

⚡ Rychlá implementace: Od nápadu k provozní aplikaci během dnů, nikoli měsíců. Dodáváme praktická řešení, která vytvářejí okamžitou hodnotu.

🔒 Maximální zabezpečení dat: Vaše citlivá data zůstávají u vás. Garantujeme bezpečné a kompatibilní zpracování bez sdílení dat s třetími stranami.

💸 Žádné finanční riziko: Platíte pouze za výsledky. Vysoké počáteční investice do hardwaru, softwaru nebo personálu jsou zcela eliminovány.

🎯 Zaměřte se na své hlavní podnikání: Soustřeďte se na to, co děláte nejlépe. My se postaráme o kompletní technickou implementaci, provoz a údržbu vašeho řešení s umělou inteligencí.

📈 Připraveno na budoucnost a škálovatelné: Vaše umělá inteligence roste s vámi. Zajišťujeme průběžnou optimalizaci a škálovatelnost a flexibilně přizpůsobujeme modely novým požadavkům.

Více o tom zde:

• Řešení spravované umělé inteligence – Průmyslové služby umělé inteligence: Klíč ke konkurenceschopnosti v odvětví služeb, průmyslu a strojírenství

Konrad Wolfenstein

Rád posloužím jako váš osobní poradce.

kontaktovat pod Wolfenstein ∂ xpert.digital

Zavolejte mi pod +49 89 674 804 (Mnichov)

LinkedIn
 

Naše globální odborné znalosti v oblasti rozvoje podnikání, prodeje a marketingu v oboru a v oblasti podnikání - Obrázek: Xpert.Digital

Zaměření na odvětví: B2B, digitalizace (od AI po XR), strojírenství, logistika, obnovitelné zdroje energie a průmysl

Více o tom zde:

• Obchodní centrum Xpert

Tematické centrum s poznatky a odbornými znalostmi:

• Znalostní platforma o globální a regionální ekonomice, inovacích a trendech specifických pro dané odvětví
• Sběr analýz, impulsů a podkladových informací z našich oblastí zájmu
• Místo pro odborné znalosti a informace o aktuálním vývoji v oblasti podnikání a technologií
• Tematické centrum pro firmy, které se chtějí dozvědět více o trzích, digitalizaci a inovacích v oboru