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

Více než jen nástroj: Proč volba umělé inteligence změní celé vaše podnikání

Humbuk kolem umělé inteligence přetrvává a v představenstvech německých firem převládá mentalita zlaté horečky. Mnozí vnímají zavedení umělé inteligence jako rychlé, operativní rozhodnutí – jen další softwarový nástroj slibující efektivitu. Tento předpoklad je však nákladnou chybou a hlavním důvodem, proč šokujících 80 procent všech projektů umělé inteligence selhává. Realita je taková: Rozhodnutí strategicky integrovat umělou inteligenci do společnosti není sprint, ale maraton, který trvá šest až devět měsíců, než je vůbec napsán první řádek kódu.

Důvod této složitosti nespočívá v technologii, ale v procesu. Na rozdíl od konvenčního softwaru vyžaduje umělá inteligence zásadní reorganizaci firemní strategie, struktur řízení a hodnocení rizik. Od průlomu ChatGPT a vstupu zákona EU o umělé inteligenci v platnost již nezávazné experimentování není možné. Každá iniciativa v oblasti umělé inteligence dnes musí být zakotvena v přísném právním, etickém a finančním rámci.

Tento článek je vaším průvodcem tímto náročným, ale klíčovým procesem. Rozkládá složitou cestu od počátečních strategických úvah až po rozhodnutí připravené k implementaci do sedmi konkrétních a srozumitelných fází. Pomocí praktických příkladů, analýz nákladů a nejčastějších úskalí se dozvíte, proč skutečná práce začíná dlouho před technickou implementací a jak nastavit směr pro úspěšnou transformaci umělé inteligence – se strategickým předvídáním, nikoli slepým aktivismem.

Strategické dilema: Proč rozhodnutí o umělé inteligenci trvají déle, než si firmy myslí

Rozhodnutí zavést umělou inteligenci do firmy je často vnímáno jako rychlé operační rozhodnutí. Realita je však podstatně složitější. Proces rozhodování o implementaci umělé inteligence není jednorázový okamžik, ale spíše vnořená posloupnost strategických, provozních, organizačních a technických hodnocení, která trvá šest až devět měsíců, než vůbec začne první implementační fáze. Zatímco firmy v jiných technologických oblastech mohou pracovat se zavedenými rozhodovacími maticemi, rozhodování v oblasti umělé inteligence je zásadně odlišné: vyžaduje nejen vyhodnocení technických parametrů, ale také reinterpretaci struktur správy a řízení, strategií řízení změn a hodnocení rizik, které v organizacích často ještě nejsou v této podobě institucionalizovány.

Tragédie mnoha společností spočívá v podcenění významu tohoto rozhodnutí. Umělá inteligence je v manažerských diskusích často ztotožňována s jinými softwarovými implementacemi, přestože je její složitost mnohonásobně větší. To vede k nedostatečnému financování projektů, optimistickým odhadům času a nakonec k nechvalně známým selháním dokumentovaným v literatuře: současný výzkum ukazuje, že 80 procent všech projektů umělé inteligence selhává. Velká část těchto selhání není technické, ale spíše procedurální povahy. Vznikají proto, že rozhodovací proces nebyl dostatečně důsledně strukturován.

Historický vývoj: Od utopie k pragmatické vládnutí

Abychom pochopili dnešní rozhodovací proces, je nutné prozkoumat vývoj, který k němu vedl. První vlna zavádění umělé inteligence ve firmách se vyznačovala euforií a technologickým optimismem. V roce 2010 se umělou inteligencí zabývaly především velké technologické společnosti a dobře kapitalizované startupy. Tradiční společnosti byly zpočátku skeptické a později váhavé. Rozhodnutí v té době byla jednoduchá: byli přivedeni externí konzultanti, testovány akademické modely a pokud něco nefungovalo, projekt byl tiše opuštěn.

Toto období nezávazného vývoje náhle skončilo zveřejněním ChatGPT v listopadu 2022. AI najednou přestala být abstraktní a vědecká, ale hmatatelná a všudypřítomná. To vedlo k masivnímu zrychlení projevů zájmu ze strany správních rad společností. Druhá vlna, kterou v současné době zažíváme, se vyznačuje regulačním tlakem, konkurenčním tlakem a uznáním, že AI je strategicky důležitá. Zákon EU o AI, který vstoupil v platnost v srpnu 2025, stejně jako podobné regulační rámce v jiných zemích, zásadně strukturovaly rozhodování. Společnosti již nemohou experimentovat bez závazku; každá iniciativa v oblasti AI musí být zakotvena v právním a etickém rámci.

Třetím rozměrem tohoto vývoje je profesionalizace. Společnost Gartner uvádí, že do konce roku 2025 bude 75 procent společností používat umělou inteligenci. To představuje masové přijetí. S tímto širokým přijetím samozřejmě přicházejí standardy, osvědčené postupy a rámce řízení, které dříve nebyly nutné. Společnosti, které dnes implementují umělou inteligenci, mohou čerpat ze zavedeného souboru znalostí a zkušeností, což rozhodování činí strukturovanějším, ale také složitějším. Proces rozhodování dnes není rychlejší, ale důkladnější a lépe zdokumentovaný. Toto je ústřední vývoj, který definuje moderní proces rozhodování v oblasti umělé inteligence.

Základní mechanismy rozhodovacího procesu

Rozhodovací proces pro AI ve firmách se neřídí univerzálním schématem, ale spíše zavedenými vzorci, které se objevují ve vyspělejších organizacích. Tyto procesy však lze rozdělit do konkrétních fází, z nichž každá má svá vlastní kritéria, zainteresované strany a kritické body.

První fází je fáze strategického hodnocení nebo posouzení, která trvá dva až čtyři týdny.

V této fázi je třeba nejprve zodpovědět otázku: Jak si naše společnost stojí v oblasti AI? To se provádí prostřednictvím strukturované analýzy vyspělosti AI, v níž jsou dotazováni vedoucí pracovníci z různých oddělení – od IT a financí až po rozvoj obchodu. Cílem je zachytit nejen technickou připravenost, ale i organizační vyspělost. Společnosti, které se v této fázi začnou obávat a chtějí rychle přejít do další fáze, dělají zásadní chybu. Fáze hodnocení je základem, na kterém jsou založena všechna následná rozhodnutí.

Druhou fází je vývoj strategie a cílů, která trvá čtyři až osm týdnů.

Zde společnost definuje, co by měla umělá inteligence pro její podnikání představovat. Nejedná se primárně o technickou otázku, ale o obchodní. Mezi příklady otázek patří: Měla by umělá inteligence primárně umožňovat zvyšování efektivity, nebo vytvářet nové obchodní modely? Měla by být integrována do stávajících procesů, nebo by měla zřídit samostatná oddělení? Která odvětví nebo funkční oblasti mají největší potenciál? Toto strategické vyjasnění vyžaduje intenzivní diskuse na úrovni představenstva. Mnoho společností podceňuje dobu, kterou tato fáze zabere, protože ji odmítají jako pouhou rétoriku. Není. Jasnost vize společnosti ohledně umělé inteligence určuje všechna následná rozhodnutí. Společnosti bez jasné strategie skončí s projekty umělé inteligence, které postrádají hmatatelnou obchodní hodnotu.

Třetí fází je identifikace případů užití a stanovení priorit, která trvá šest až dvanáct týdnů.

Toto je operacionalizovaná verze strategické fáze. Zde jsou identifikovány konkrétní případy užití orientované na obchodní výsledky. Společnost shromažďuje nápady z různých oddělení: Jak by vám konkrétně mohla umělá inteligence pomoci? Tato sbírka je záměrně nestrukturovaná. Následuje systematické stanovení priorit, založené na hodnotící matici, která zohledňuje faktory, jako je obchodní potenciál, technická proveditelnost, zralost dat a rizikový potenciál. Proces stanovení priorit je v této fázi nejdůležitějším bodem, protože spojuje optimistická obchodní oddělení a realistická technická oddělení. Zvládání těchto napětí a dosažení dobře odůvodněné priority je manažerská dovednost, nikoli technická. Společnosti, které si vybírají svých deset nejlepších případů užití prostým hlasováním, později ztrácejí čas neziskovými projekty.

Čtvrtou fází je posouzení rizik a souladu s předpisy, které trvá čtyři až osm týdnů.

Tato fáze byla v první vlně zavádění umělé inteligence (před rokem 2023) prakticky ignorována, ale nyní je klíčová. Tato fáze hodnotí: Jaké regulační požadavky ovlivňují plánované aplikace umělé inteligence? Jaká data jsou požadována a jaká je jejich právní přípustnost? Jaké etické otázky vyvstávají? Jaká rizika odpovědnosti a dodržování předpisů se objevují? V ideálním případě tuto fázi provádí tým, který zahrnuje právníky, specialisty na dodržování předpisů, pověřence pro ochranu osobních údajů a technické experty. To není volitelné. Společnosti, které tuto fázi přeskočí nebo ji provedou povrchně, si později vytvoří obrovské problémy.

Pátou fází je finanční plánování a vývoj obchodního případu, což trvá čtyři až šest týdnů.

Zde jsou shrnuty konkrétní investiční údaje. Náklady na implementaci umělé inteligence se značně liší v závislosti na rozsahu projektu. Samoobslužná řešení umělé inteligence mohou začínat na 4 000 až 25 000 eurech měsíčně. Vývoj na míru se pohybuje od 15 000 do 32 000 eur za prototyp a může dosáhnout 50 000 až 100 000 eur nebo více. Dalším faktorem jsou náklady na infrastrukturu, které se mohou pohybovat od 500 do 15 000 eur měsíčně v závislosti na cloudovém řešení. A pak jsou tu skryté náklady: školení zaměstnanců (300 až 4 000 eur na osobu), řízení změn, příprava dat (která může tvořit 60 až 80 procent rozpočtu projektu) a neustálá optimalizace. Podnikové projekty umělé inteligence ve středních až velkých společnostech mohou začínat s rozpočtem 250 000 eur. Zde je klíčový vývoj obchodního případu. Společnosti musí prokázat nejen investice, ale také očekávané výnosy. Konzervativní návratnost investic do implementace umělé inteligence je 214 procent za pět let; Optimistické odhady mohou dosáhnout až 761 procent. Toto rozmezí podtrhuje potřebu realistických předpokladů.

Šestou fází je organizační příprava a struktura řízení, která trvá čtyři až osm týdnů.

Tato fáze často probíhá souběžně s ostatními, ale zaslouží si své vlastní odlišné postavení. Zde jsou definovány následující otázky: Kdo rozhoduje o projektech s umělou inteligencí? Jaká struktura řízení je potřeba? Je nezbytný ředitel pro umělou inteligenci (Chief Officer)? Jak bude umělá inteligence integrována do stávajících hierarchií rozhodování? Velké společnosti se složitějšími požadavky na řízení zřizují správní radu pro umělou inteligenci složenou ze zástupců obchodních jednotek, IT, compliance, HR a financí. Menší společnosti to mohou řešit neformálněji, ale měly by si i tak stanovit jasné hranice odpovědnosti. Tato fáze je klíčová, protože dává iniciativě v oblasti umělé inteligence legitimitu a strukturu. Společnosti bez jasné správy později selhávají kvůli konkurenčním iniciativám nebo nedostatku odpovědnosti v rozhodování.

Sedmou fází je mobilizace zainteresovaných stran a příprava řízení změn, která trvá čtyři až deset týdnů.

Tato fáze předvídá odpor a připravuje na něj organizaci. Klasický proces řízení změn pro umělou inteligenci se řídí osvědčenou strukturou: V prvních dvou až třech měsících se zvyšuje povědomí. Zaměstnanci jsou informováni, že umělá inteligence přichází ne jako hrozba pro jejich práci, ale jako nástroj k jejich posílení. V následujících třech až šesti měsících se podporuje duch experimentování. Jsou demonstrovány rychlé úspěchy. Jsou vytvářeny pilotní skupiny dobrovolníků. Následujících šest až dvanáct měsíců je věnováno škálování. Jsou dokumentovány osvědčené postupy a školení je institucionalizováno. Zapojení zainteresovaných stran je klíčové: 78 procent vedoucích pracovníků vnímá rozhodnutí podporovaná umělou inteligencí jako strategickou výhodu, ale to není automatické. Toto přesvědčení je třeba získat. Společnosti, které tuto fázi přeskočí, nejen vytvářejí odpor k implementaci, ale také dlouhodobé kulturní problémy.

Teprve po těchto sedmi fázích, které dohromady trvají šest až devět měsíců, je společnost schopna spustit konkrétní pilotní projekty. Toto je kritický bod, který mnoho osob s rozhodovací pravomocí nechápe. Myslí si, že rozhodnutí o implementaci umělé inteligence je výchozím bodem pro praktickou práci. Ve skutečnosti je samotné rozhodnutí šestiměsíčním až devítiměsíčním procesem a teprve poté začíná implementace.

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

Status quo: Rozhodování jako firemní realita

Současný stav rozhodování v oblasti umělé inteligence představuje pozoruhodný obraz. Na jedné straně je tu naléhavá potřeba regulace. Vzhledem k tomu, že se zákon EU o umělé inteligenci stává závazným rámcem, musí evropské společnosti začlenit své využívání umělé inteligence do dokumentovaného systému správy a řízení. Díky tomu je rozhodování nezbytností pro dodržování předpisů, nikoli pouze strategickou možností. 77 procent organizací již aktivně implementuje programy správy a řízení umělé inteligence. To není volitelné, ale běžná věc. Toto široké přijetí znamená, že společnosti mohou čerpat ze zavedených vzorců. Trh s nástroji a poradenstvím v oblasti správy a řízení umělé inteligence roste každoročně o 36,7 procenta a do roku 2033 dosáhne objemu 29,6 miliard dolarů. To znamená, že rozhodování je dnes profesionalizovanější než kdykoli předtím.

Na druhou stranu jsou rozhodnutí reálnější a řízená zainteresovanými stranami než dříve. 47 procent organizací uvádí správu a řízení umělé inteligence jako strategickou prioritu. To znamená, že rozhodnutí se nečiní v IT odděleních, ale na úrovni představenstva. To zvyšuje důslednost procesu, protože představenstva mají obvykle formálnější rozhodovací procesy než IT manažeři. I když je to obecně pozitivní, vede to také k významným zpožděním implementace.

Praktická realita také odhaluje fragmentovanou krajinu. Společnosti, které úspěšně prosazují zavádění umělé inteligence, se řídí strukturovaným čtyřfázovým modelem: průzkum (dva až tři měsíce), standardizace (dva až čtyři měsíce), integrace (šest až dvanáct měsíců) a nakonec transformace. Tyto fáze nejsou volitelné ani rychle dokončitelné, ale představují zásadní milníky. Společnosti, které tyto fáze systematicky přeskakují nebo je nacpávají, selhávají.

Dalším aspektem současného stavu je realita nákladů. Výdaje na dodržování předpisů u projektů zavádění umělé inteligence činí průměrně 344 000 EUR, zatímco náklady na výzkum a vývoj se pohybují kolem 150 000 EUR. To představuje 229% nárůst nákladů na správu a řízení ve srovnání s vývojem. To vysvětluje, proč rozhodování trvá tak dlouho: samotné rozhodnutí se stalo drahým.

Z praxe: Dvě případové studie reálného rozhodování

První případová studie se týká středně velké berlínské e-commerce společnosti s přibližně 500 zaměstnanci.

Společnost si uvědomila, že její logistické procesy potřebují optimalizaci. Tradiční přístup by spočíval v implementaci nového softwaru. Místo toho byla naplánována iniciativa zaměřená na umělou inteligenci. Proces rozhodování trval osm měsíců. Ve fázi hodnocení byly zmapovány stávající logistické procesy, vyhodnocena kvalita dat a posouzeny stávající IT systémy. Ukázalo se, že kvalita dat byla výrazně horší, než se očekávalo. Ve fázi strategie bylo definováno, že umělá inteligence by měla být primárně použita k optimalizaci plánování tras dodávek. Ve fázi případů užití bylo identifikováno sedmnáct případů užití, které byly rozděleny do čtyř priorit: optimalizace tras, prognóza zásob, automatizace zákaznických služeb a detekce podvodů. Ve fázi hodnocení rizik bylo zjištěno, že většina případů užití je z regulačního hlediska bezproblémová, ale nakládání s údaji o zákaznících za účelem detekce podvodů muselo být zdokumentováno v souladu s GDPR. Ve fázi financování byl definován počáteční rozpočet ve výši 150 000 EUR na dvanáct měsíců. Byla zřízena specializovaná pracovní skupina pro umělou inteligenci. Po osmi měsících byl spuštěn pilotní projekt optimalizace tras. Po šesti měsících pilotního projektu (celkem 14 měsíců od původního rozhodnutí) byly výsledky měřitelné: průměrné zkrácení dodacích lhůt o 18 procent a snížení logistických nákladů o 12 procent. Tyto úspěchy vedly k rozšíření projektu na další případy použití.

Druhá případová studie se týká nadnárodní holdingové společnosti RSBG SE s více než 80 dceřinými společnostmi.

Rozhodnutí o implementaci umělé inteligence v celé společnosti trvalo devět měsíců. Zásadním rozdílem oproti menším organizacím byla potřeba zajistit konzistenci v rámci vysoce decentralizované struktury. Fáze hodnocení hodnotila vyspělost umělé inteligence každé dceřiné společnosti zvlášť. Ukázalo se, že úrovně vyspělosti se značně lišily. Zatímco některé společnosti již s umělou inteligencí experimentovaly, jiné byly zcela nezkušené. Ve fázi strategie bylo rozhodnuto, že umělá inteligence by měla být primárně využívána ke zvýšení efektivity administrativních procesů – aplikace s mezifunkční relevancí. Případy užití byly shromažďovány decentralizovaně s centrální koordinací. Bylo předloženo osmdesát individuálních nápadů na aplikace. Ty byly rozděleny do kategorií rychlých řešení (řešitelné za jeden až tři měsíce) a strategických projektů (šest až dvanáct měsíců). Ve fázi rizik byla ústřední výzvou to, že požadavky na dodržování předpisů se v jednotlivých zemích lišily. Byl vyvinut minimalistický rámec řízení, který jako základ využíval požadavky EU. Byla vybrána centrální platforma umělé inteligence. Po devíti měsících rozhodování začal proces škálování. Během tří měsíců bylo na platformě aktivních 60 procent společností. Bylo identifikováno přes 80 případů užití a začala práce na jejich implementaci. Během jednoho roku umělá inteligence ušetřila přes 400 hodin měsíčně. Toto je příklad úspěšného škálovaného rozhodování.

Problémy a kontroverze: Kde rozhodnutí selhávají

Hlavní chybou v rozhodování o umělé inteligenci jsou nejasné cíle. Mnoho společností se rozhodne implementovat umělou inteligenci, aniž by jasně definovaly, čeho chtějí dosáhnout. Zavádějí umělou inteligenci, protože je moderní, ne proto, že řeší obchodní problémy. To vede k projektům bez hmatatelných přínosů. Empirické důkazy ukazují, že 80 procent všech projektů umělé inteligence selže a velká část těchto selhání je procedurální, nikoli technické povahy. Pramení z rozhodnutí učiněných bez jasného obchodního cíle.

Druhou klíčovou chybou je podcenění kvality a přípravy dat. Mnoho společností se domnívá, že systémy umělé inteligence dokáží pracovat s jakýmikoli daty. Realita je však mnohem závažnější. Obvykle se 60 až 80 procent rozpočtu projektu umělé inteligence vynakládá na přípravu a čištění dat. Společnosti, které s tím nepočítají, se potýkají s masivním překročením rozpočtu a zpožděním. Rozhodnutí o implementaci umělé inteligence proto musí vždy zahrnovat audit kvality dat.

Třetí klíčovou chybou je podceňování odporu ke změnám a potřeby kulturních posunů. Mnoho společností se domnívá, že pokud je technické řešení dobré, zaměstnanci si ho automaticky osvojí. To je psychologicky naivní. Lidé se obávají, že umělá inteligence ohrožuje jejich pracovní místa, že jejich odborné znalosti zastarají a že strojová rozhodnutí jim vezmou kontrolu. Dobrý program řízení změn není volitelný, ale nezbytný pro úspěch. Společnosti, které toto podceňují, vytvářejí technická řešení, která v praxi selhávají, protože je zaměstnanci nepoužívají.

Čtvrtou chybou je nedostatečné řízení projektů a plánování zdrojů. Projekty umělé inteligence jsou složité. Vyžadují technické znalosti, znalosti oboru a zároveň řízení projektů. Mnoho společností podceňuje potřebný čas a zdroje. Zadávají projekty umělé inteligence jako vedlejší práci zaměstnancům, kteří již pracují na plný výkon. To vede ke zpožděným termínům a neoptimálním výsledkům. Rozhodnutí o implementaci umělé inteligence proto musí být vždy doprovázeno plánováním zdrojů, které předvídá realistické kapacity.

Pátou kritickou chybou je nedostatek měření úspěchu a neustálé optimalizace. Společnosti často nedokážou měřitelně definovat, co úspěch znamená. Spouští projekty umělé inteligence bez jasných klíčových ukazatelů výkonnosti (KPI). To vede k situaci, kdy na konci projektu není jasné, zda byl úspěšný, či nikoli. Dobré rozhodování v oblasti umělé inteligence definuje měřitelné ukazatele úspěchu: úsporu času, snížení nákladů, zlepšení kvality a zvýšenou spokojenost zákazníků. Bez těchto definic se projekt stává politickou, nikoli empirickou otázkou.

A konečně jsou tu otázky správy a dodržování předpisů. Zákon EU o umělé inteligenci činí tyto otázky povinnými. Společnosti, které implementují umělou inteligenci bez vyhodnocení požadavků na dodržování předpisů, si později vytvoří obrovské problémy. Zejména v regulovaných odvětvích (finanční služby, zdravotnictví, pojišťovnictví) není fáze dodržování předpisů volitelná. To také vysvětluje, proč rozhodovací proces trvá déle, než mnoho společností očekává: musí být z regulačního hlediska obhájitelný.

Budoucnost rozhodování s využitím umělé inteligence: trendy a potenciální narušení

Budoucnost rozhodování v oblasti umělé inteligence ve firmách bude formována několika významnými trendy.

Prvním trendem je přechod od generativní umělé inteligence k agentní umělé inteligenci.

To znamená autonomní agenty umělé inteligence, kteří nejen poskytují doporučení, ale také činí nezávislá rozhodnutí a provádějí procesy. To zásadně změní rozhodování. Když systémy umělé inteligence nejen analyzují, ale také jednají, vznikají nové požadavky na správu a řízení. Společnosti již nemusí rozhodovat o tom, co umělá inteligence doporučuje, ale jak umělá inteligence autonomně jedná. Díky tomu bude správa a řízení ještě složitější. Gartner předpovídá, že do roku 2028 bude agenty umělé inteligence integrovat přibližně 33 procent všech podnikových aplikací – což je masivní nárůst oproti méně než 1 procentu v roce 2024. To znamená, že rozhodování se v nadcházejících letech nezrychlí, ale naopak se stane složitějším.

Druhým trendem je demokratizace umělé inteligence.

Platformy umělé inteligence s nízkým kódem a bez kódu umožňují vyvíjet řešení umělé inteligence nejen technickým expertům, ale i obchodním oddělením. To vede k decentralizovanému zavádění umělé inteligence, které je obtížnější řídit. To změní požadavky na správu a řízení. Místo rozhodování shora dolů se firmy budou muset zabývat iniciativami umělé inteligence zdola nahoru. To by mohlo urychlit rozhodování, ale také to znamená větší potřebu kontroly.

Třetím trendem je integrace umělé inteligence do stávajících obchodních nástrojů.

Microsoft 365 Copilot, Google Workspace AI a podobné možnosti integrace znamenají, že AI již není samostatnou technologií, ale nedílnou součástí každodenních nástrojů. To zjednodušuje zavádění z technického hlediska, ale zároveň ztěžuje rozhodování, protože hranice mezi IT a obchodními rozhodnutími se stírají.

Čtvrtým trendem je konsolidace regulací.

Díky zavedenému standardu zákona EU o umělé inteligenci a podobným předpisům v jiných jurisdikcích se správa stane méně fragmentovanou. Z dlouhodobého hlediska by to mohlo standardizovat rozhodování a tím ho urychlit. V krátkodobém horizontu (příští dva až tři roky) však adaptace na regulaci zvýší složitost.

Pátým trendem je samotná role umělé inteligence v rozhodování.

Očekává se, že systémy umělé inteligence v budoucnu nebudou podporovat pouze analýzu dat, ale také samotnou správu věcí veřejných. Inteligentní systémy by mohly simulovat rozhodovací procesy, procházet scénáře a posuzovat rizika ještě předtím, než se lidé rozhodnou. To by sice mohlo zlepšit kvalitu rozhodnutí, ale také by to znamenalo, že samotné rozhodování bude podporováno umělou inteligencí – reflexivní paradox, který vyvolává vlastní otázky.

Co se z tohoto procesu můžeme naučit

Rozhodovací proces pro AI ve firmách není jednorázový, ale strukturovaný proces trvající šest až devět měsíců, který zahrnuje sedm odlišných fází: strategické hodnocení, vývoj strategie a cílů, identifikace a prioritizace případů užití, posouzení rizik a souladu s předpisy, finanční plánování, organizační příprava a mobilizace zainteresovaných stran. Teprve po těchto fázích začíná samotná implementace. Tento časový rámec odrazuje mnoho společností, které sní o rychlejších řešeních, ale je nezbytný. Společnosti, které tyto fáze urychlují nebo přeskakují, si systematicky vytvářejí provozní problémy.

Proces je přísný, protože rozhodnutí je klíčové. Investice do umělé inteligence jsou dnes strategicky významné. Mohou firmy transformovat nebo je svést na scestí. Rozhodování proto není rutinním administrativním úkolem, ale klíčovou manažerskou kompetencí. Společnosti, které úspěšně prošly transformací v oblasti umělé inteligence, se od těch, které selhávají, liší nikoli technologickými superlativy, ale důsledným rozhodováním. Stanovily si jasné cíle. Systematicky vyhodnotily rizika. Zapojily zainteresované strany. Stanovily si kritéria úspěchu. Tyto manažerské ctnosti nejsou nové – v kontextu umělé inteligence jsou jednoduše explicitně vyžadovány.

Budoucnost ukáže, zda se rozhodování zrychlí, nebo zpomalí. Současná dynamika naznačuje, že se stane složitějším. S agentní umělou inteligencí, konsolidací regulačních předpisů a decentralizovanými iniciativami v oblasti umělé inteligence se požadavky na správu a řízení zvýší, nikoli sníží. Společnosti, které tuto složitost předvídají, budou v lepší pozici než ty, které sní o rychlých a intuitivních rozhodnutích. Klíčové ponaučení zní: Rozhodování v oblasti umělé inteligence není o rychlosti, ale o přesnosti. Toto je ústřední ponaučení pro společnosti, které se na tuto cestu vydávají.

Ki-Gamechanger: Nejflexibilnější řešení platformy AI na platformě AI, která snižují náklady, zlepšují jejich rozhodnutí a zvyšují efektivitu

Nezávislá platforma AI: Integruje všechny relevantní zdroje dat společnosti

• Rychlá integrace AI: Řešení AI na míru na míru na míru nebo dny místo měsíců
• Flexibilní infrastruktura: cloudové nebo hostování ve vašem vlastním datovém centru (Německo, Evropa, svobodný výběr umístění)

• Nejvyšší zabezpečení dat: Používání v právnických firmách je bezpečný důkaz
• Používejte napříč širokou škálou zdrojů firemních dat
• Výběr vašich vlastních nebo různých modelů AI (DE, EU, USA, CN)

Více o tom zde:

• Nezávislé platformy umělé inteligence vs. hyperscalery: Které řešení je pro vás to pravé?

Rád posloužím jako váš osobní poradce.

kontaktovat pod Wolfenstein ∂ xpert.digital

Zavolejte mi pod +49 89 674 804 (Mnichov)

LinkedIn
 

 

Xpert.Digital má hluboké znalosti z různých odvětví. To nám umožňuje vyvíjet strategie šité na míru, které jsou přesně přizpůsobeny požadavkům a výzvám vašeho konkrétního segmentu trhu. Neustálou analýzou tržních trendů a sledováním vývoje v oboru můžeme jednat s prozíravostí a nabízet inovativní řešení. Kombinací zkušeností a znalostí vytváříme přidanou hodnotu a poskytujeme našim zákazníkům rozhodující konkurenční výhodu.

Více o tom zde:

• Využijte 5x odborných znalostí Xpert.Digital v jednom balíčku – již od 500 EUR měsíčně