Jste připraveni na „strojové zákazníky“? Když umělá inteligence nakupuje sama: Proč bude tradiční marketing brzy zastaralý

Zákazníci strojů: Jak získat a udržet si algoritmy jako věrné zákazníky

Zákazníci budoucnosti nemají žádné city: Konec emocí – Jak autonomní agenti s umělou inteligencí způsobují revoluci v zákaznické zkušenosti

Ve světě, kde algoritmy stále více ovládají náš každodenní život, dochází v podnikání k tichému, ale hlubokému paradigmatickému posunu: dalším klíčovým zákazníkem vaší společnosti nemusí být ani člověk. S rychlým rozvojem generativní umělé inteligence se objevují tzv. „strojoví zákazníci“ – autonomní agenti umělé inteligence, kteří činí nákupní rozhodnutí, vyjednávají smlouvy, vyhodnocují produkty a využívají služby během několika sekund, zcela bez lidského zásahu.

Právě touto křižovatkou technologických disrupcí, designu zákaznické zkušenosti a lidského chování se zabývá futuristka zákaznické zkušenosti Katja Forbes ve své průlomové knize „Strojoví zákazníci: Evoluce začala“. Nemilosrdně odhaluje, proč jsou tradiční strategie zákaznické zkušenosti založené na emocích a loajalitě ke značce neúčinné u těchto nových, čistě logicky řízených hráčů. Každý, kdo se pokouší přesvědčit algoritmus emocionálním vyprávěním příběhů, investuje do špatného kanálu. Následující shrnutí nabízí hluboký vhled do inovativního konceptu Forbes pro řízení zákaznické zkušenosti (MCX) v oblasti strojů. Poskytuje manažerům, CX profesionálům a stratégům nepostradatelný a praktický plán, jak nejen přežít v začínající éře nákupu strojů, ale také aktivně využít tuto změnu jako skutečnou konkurenční výhodu. Evoluce již začala – otázkou je pouze to, kdo je připraven.

Katja Forbes: Průkopnice na průsečíku umělé inteligence, designu a lidského chování

Katja Forbes je futuristka v oblasti zákaznické zkušenosti, konzultantka pro obchodní strategii a mezinárodně vyhledávaná hlavní řečnice specializující se na průnik umělé inteligence, designu zákaznických zkušeností a lidského chování. S více než 30 lety profesionálních zkušeností v oblasti digitálních zážitků – počínaje úsvitem internetu v roce 1995 – je jedním z mála hlasů v globálním diskurzu o zákaznické zkušenosti, kteří nejen analyticky popisují technologické změny, ale také je znají z osobní zkušenosti.

Forbes začala svou kariéru v redakčním oddělení, kde psala recenze webových stránek pro tištěné časopisy – tehdy se používaly dial-up modemy a doba načítání byla až 20 minut. Patřila mezi první průkopníky digitálních agentur, jako producentka se podílela na vytvoření prvních webových stránek Rip Curl a od té doby byla svědkem každého cyklu humbuku kolem internetu, až po dnešní éru umělé inteligence. Do své spisovatelské a konzultační práce vnáší tuto historickou perspektivu: někdo, kdo stejně jako ona stál u první změny paradigmatu, dokáže rozpoznat, kdy se chystá další vlna.

V době psaní tohoto článku vedla Forbesová tým v globální bance, který formoval zákaznické zkušenosti nadnárodních korporací, vlád, dalších bank a malých a středních podniků na více než 50 trzích po celém světě – včetně řady rozvíjejících se a hraničních trhů. Dříve pracovala téměř ve všech odvětvích: v poradenských společnostech, leteckých společnostech, trajektových společnostech, telekomunikačních poskytovatelích, pojišťovnách, vzdělávacích institucích a vládních agenturách. Tato zkušenost napříč odvětvími jí dává nadhled, který dalece přesahuje rámec teoretické učebnice.

Forbes předsedá několika mezinárodním konferencím o zákaznické zkušenosti a získala ocenění v oblasti zákaznické zkušenosti ve finančním sektoru a umělé inteligence. Svůj čas dělí mezi Singapur a Austrálii a je aktivní na LinkedIn, kde se spojuje s profesionály v oblasti zákaznické zkušenosti po celém světě. Její webové stránky a komunitní platformu naleznete na adrese www.theCXevolutionist.ai.

Souvisí s tím:

• LinkedIn | Katja Forbes
• YouTube | Navrhování pro zákazníky strojů | Katya Forbes
• Amazon | Strojoví zákazníci: Evoluce začala: Jak umělá inteligence, která nakupuje, mění všechno

Integrace do vědeckého a odborného diskurzu

Tato kniha přímo navazuje na základní práci Dona Scheibenreifa a Marka Raskina, autorů knihy „When Machines Become Customers“ (kterou poprvé vydalo nakladatelství Gartner v roce 2023, nyní ve třetím vydání). Scheibenreif, významný viceprezident a analytik společnosti Gartner, představil koncept strojového zákazníka na konferenci Gartneru v roce 2015 – dlouho před průlomem umělé inteligence. Do odborné diskuse zavedl pojmy „nelidský ekonomický aktér“ a „zákazník“ a předpověděl jejich masivní ekonomický dopad na nákupy v hodnotě bilionů dolarů. Forbes tento přístup významně rozšiřuje a prohlubuje: Zatímco Scheibenreif a Raskino položili základy pro tento megatrend, Forbes vyvíjí praktický plán pro řízení zkušeností se stroji (MCX) – první komplexní rámec svého druhu.

Pro účely této knihy provedl Forbes hloubkové rozhovory s řadou uznávaných odborníků z oblasti obchodu, výzkumu a technologií: Brucem Temkinem (vedoucím katalyzátorem lidstva, Temkin Insight, „kmotrem CX“), Peterem Schwartzem (vedoucím futuristou, Salesforce), Indi Youngovou (odbornicí na zákaznický výzkum a autorkou), Jeffem Gothelfem a Joshem Clarkem (lídry v oblasti designu zážitků), Kim Goodwinovou, Kim Lenoxovou, Dr. Cecelií Herbertovou, Lisou D. Danceovou (autorkou knihy „Today is the Perfect Day to Improve Customer Experiences!“), Tomem Goodwinem, Andym Polainem, Justinem Tauberem, Deanem Broadleym, Geoffem Gibbonsem, Paulem Strikeem a Thomasem Köberem. Tato interdisciplinární šíře odlišuje knihu od čistě technických pojednání.

Kniha: Původ, koncept a cílová skupina

Kniha „Machine Customers: The Evolution Has Begun – How AI that buys is changing everything“ byla autorem vydána sama v roce 2026 a je katalogizována v Národní knihovně Austrálie (ISBN 978-1-923630-00-0). Kniha byla vytištěna na certifikovaném ekologickém papíru; obálku navrhl Dean Bailey (Pipeline Design) a redakční dohled a grafickou úpravu zajistilo Publish Central. Portrét autorky vytvořila Silke Deitz.

Tato kniha je určena třem skupinám čtenářů: profesionálům v oblasti CX, kteří si již uvědomují blížící se změny a zajímají se, jak bude jejich odbornost i nadále relevantní; vedoucím pracovníkům v oblasti podnikání, kteří si uvědomují strategický význam tématu, ale postrádají jasný rámec pro další postup; a komukoli v oblasti prodeje, marketingu, produktů, služeb nebo provozu, kdo pravidelně interaguje se zákazníky, aniž by byl tradičním expertem na CX. Forbes výslovně uvádí, že není vyžadováno žádné technické vzdělání – spíše je potřeba ochota zpochybňovat konvenční předpoklady o důvěře, loajalitě a konkurenční výhodě.

Kniha je rozdělena do čtyř částí: Část I (kapitoly 1–4) pokládá koncepční základy a zdůrazňuje konkurenční výhodu získanou díky odborným znalostem v oblasti CX; Část II (kapitoly 5–9) zkoumá novou cestu mezi strojem a zákazníkem od povědomí k odchodu; Část III (kapitoly 10–12) obsahuje implementační příručku pro operační systém MCX; Část IV (kapitoly 13–15) se zabývá etickými požadavky a odpovědným vedením. Dodatek obsahuje strategickou mapu MCX a konkrétní 30-60-90denní implementační plán pro vedoucí pracovníky. Forbes poskytuje doprovodné online zdroje, které průběžně aktualizuje, aby odrážely rychle se vyvíjející povahu daného tématu.

Klasifikace a význam díla

Kniha vychází v době, kdy autonomní nákupní agenti s umělou inteligencí jsou již realitou: Walmart jedná s více než 2 000 dodavateli prostřednictvím platformy umělé inteligence, přičemž 75 procent dodavatelů dává přednost strojovému vyjednávání před lidským; HP generuje tržby přes 500 milionů dolarů prostřednictvím svého programu Instant Ink (kde si tiskárny objednávají vlastní toner); OpenAI spustila agenta ChatGPT v červenci 2025. Gartner předpovídá, že do roku 2026 bude 20 procent provozu kontaktních center generováno zákazníky využívajícími stroje a do roku 2030 bude nejméně 25 procent všech spotřebitelských nákupů a obchodních objednávek delegováno na stroje.

Forbesova kniha, jak sám přiznává, není technickou příručkou, programátorským průvodcem ani spekulativní vizí budoucnosti. Je to terénní průvodce pro současnost – napsaný někým, kdo stál v popředí vzniku internetu a ví, co to znamená, když vlna nejen přichází, ale už se valí. Řada mezinárodních expertů na CX popisuje dílo jako knihu, kterou by si sami přáli napsat – a jako nepostradatelného průvodce pro každého, kdo chce formovat CX ve světě, kde lidé a stroje sdílejí roli zákazníka.

Co jsou to „strojní zákazníci“ a proč jsou důležití?

Co znamená pojem „zákazník strojů“?

Termín „strojový zákazník“ označuje nelidský ekonomický subjekt, který samostatně činí nákupní rozhodnutí, hodnotí produkty nebo služby a dokončuje transakce – s malým nebo žádným lidským zásahem. Tento koncept původně vytvořili Don Scheibenreif a Mark Raskino ve své knize „When Machines Become Customers“ z roku 2023, kde zavedli termín „nelidský ekonomický aktér“ nebo „custobot“. Katja Forbes ve své práci z roku 2026 staví přímo na tomto základě a jde o zásadní krok dále: vyvíjí praktický plán pro navrhování zákaznických zkušeností explicitně přizpůsobených těmto nelidským kupujícím. Klíčový rozdíl spočívá v tom, že strojoví zákazníci nemají žádné emoce, necení si narativů značek a nemají zkušenosti v lidském smyslu – hodnotí, kalkulují a rozhodují se čistě na základě dat a logiky.

Proč je toto téma právě teď tak aktuální?

Průlom generativní umělé inteligence a systémů umělé inteligence založených na agentech proměnil toto téma z teoretické vize budoucnosti v současnou realitu. Podle analytiků společnosti Gartner bude do roku 2026 20 procent provozu kontaktních center generováno strojovými zákazníky. Walmart již provozuje nákupní platformu s umělou inteligencí, která vyjednává s více než 2 000 dodavateli a uzavírá téměř 70 procent všech smluv bez lidského zásahu. Zároveň OpenAI v červenci 2025 spustila svůj „ChatGPT Agent“, který je schopen autonomně plánovat, provádět a řídit úkoly. Společnosti, které nadále provozují systémy zaměřené výhradně na lidské kupující, jsou těmito algoritmickými osobami s rozhodovací pravomocí přehlíženy – a ztrácejí podíl na trhu, aniž by si to uvědomovaly.

Proč je to pro systém řízení zákaznické zkušenosti výzvou?

Jak používání strojových zákazníků mění řízení zákaznické zkušenosti?

Zákaznická zkušenost (CX) byla tradičně hluboce lidskou disciplínou: empatie, emoce, narativy značek a osobní vazby tvořily její základní kameny. S nástupem strojových zákazníků se tento základ hroutí. Algoritmický kupující neprožívá frustraci, neraduje se z výhodných obchodů a nevytváří si pouto se značkou ze soucitu. Posuzuje schopnosti, dobrou vůli a integritu – stejné tři dimenze důvěry, které vkládají i lidé – nikoli intuicí, ale matematickými výpočty pravděpodobnosti. Forbes to výstižně vyjádřil: důvěra se transformuje z emocionálního spojení na algoritmické hodnocení rizik. Ti, kteří se i nadále spoléhají na vyprávění příběhů značek, aby si získali strojové zákazníky, investují do špatného kanálu.

Které stávající nástroje CX budou zákazníky strojového průmyslu označovány za zastaralé?

Forbes analyzoval přibližně 80 klasických frameworků a nástrojů pro zákaznickou zkušenost (CX) z hlediska jejich vhodnosti pro zákazníky využívající stroje. Výsledek je znepokojivý: přibližně 70 procent z nich je zásadně nekompatibilních s algoritmickým chováním zákazníků. Mapy empatie, mapy zákaznické cesty založené na emocích a klasické průzkumy spokojenosti, jako je Net Promoter Score, jsou jednoduše neúčinné, pokud zákazník nemá žádné emoce. Naproti tomu přibližně 30 procent sady nástrojů CX zůstává relevantních nebo lze dále rozvíjet. Mezi stabilní prvky patří plány služeb, informační architektura, obsahová strategie a A/B testování. Tyto nástroje lze integrovat do praxe CX zaměřené na logickou kvalifikaci, kde novými metrikami spokojenosti zákazníků jsou doby odezvy API a úplnost dat.

Je tedy odbornost v oblasti CX stále cenná?

Rozhodně – a podle Forbesu je to cennější než kdy dříve. Klíčová kompetence profesionálů v oblasti CX spočívá v pochopení potřeb zákazníků, navrhování bezproblémových zkušeností a vývoji systematických přístupů ke vztahům se zákazníky. To vše lze aplikovat i na zákazníky využívající stroje. Zásadní rozdíl spočívá ve vyjádření: místo emocionálních pobídek jsou potřeba logické kvalifikační signály; místo sdělení značky strukturovaná data; místo empatie přesné specifikace. Know-how, které si profesionálové v oblasti CX budovali po celá desetiletí, není přítěží – je to jejich výhoda, pokud jsou ochotni ho přeformulovat.

Jakých je pět typů zákazníků strojů?

Jak lze klasifikovat různé zákazníky strojů?

Forbes identifikuje pět základních typů zákazníků strojů, které se liší povahou úkolů, které vykonávají, úrovní rozhodovacích pravomocí a jejich interakčními vzorci. Nejedná se o statické kategorie – s technologickým pokrokem se objeví další typy. Toto rozlišení je klíčové pro návrh CX, protože každý typ vyžaduje jiné „receptory“, což znamená jiná rozhraní a interakční body.

Co je delegovaný agent a jaký příklad kniha uvádí?

Delegovaným agentem je maskot knihy: Tyler. Tyler jedná jménem své lidské principálky Mayi, kupuje jí šaty, rezervuje letenky, vyhodnocuje dodavatele – ale vždy v rámci předem definovaných parametrů. Tento typ agenta je již nejrozšířenější a nejrychleji se rozvíjí. Je to již patrné v řešeních, jako jsou Visa Intelligent Commerce a Mastercard AgentPay, stejně jako v dalším vývoji Amazon Alexa, Google Home a Siri. Zásadní rozdíl oproti tradičním nákupním asistentům: Tyler se neptá – jedná. Má pravomoc utratit Mayiny peníze v rámci jejích pokynů. Pokud jsou údaje o produktu neúplné nebo podmínky vrácení zboží nejsou strojově čitelné, Tyler si vybere konkurenci. Maya tuto možnost nikdy nevidí.

Co je to multiagentní síť a jak funguje v praxi?

Multiagentní síť je skupina spolupracujících autonomních agentů umělé inteligence, kteří společně řeší složité problémy. Kniha používá jako příklad Nextopolis: plně propojené chytré město, kde řízení dopravy, likvidace odpadu, distribuce energie a zásobování vodou řídí komunikující agenti umělé inteligence. Pokud v 4:15 ráno hrozí, že staveniště zablokuje dopravu dodávek ve finanční čtvrti, pět specializovaných agentů vyjedná řešení během milisekund bez lidského dohledu: dřívější svoz odpadu, zpoždění výstavby, dynamické řízení dopravy. Toto rozhodnutí neučinil žádný urbanista – organicky vzešlo ze sítě. Společnosti, které si chtějí tento typ zákazníka získat, se neucházejí o smlouvu, ale o členství v ekosystému. Integrace a kolektivní inteligence se počítají více než jen jednotlivé funkce produktu.

Co odlišuje autonomního kupujícího od ostatních typů strojních zákazníků?

Autonomní kupující – v knize označovaný jako Node 741 – jedná zcela nezávisle a bez lidské bytosti, která je primárně zodpovědná za okamžitou transakci. Node 741 je systém umělé inteligence v chytré továrně, který v noci diagnostikuje stav strojů, předpovídá výrobní potřeby a autonomně objednává díly, maziva a suroviny. V 1 hodinu ráno Node 741 detekuje abnormální frekvenci vibrací na dopravním pásu 4, identifikuje vhodného dodavatele náhradních dílů, provede chytrou smlouvu a zahájí dodávku – náhradní díl je na cestě v 9 hodin ráno. Nebyl zapojen žádný člověk, žádný telefonát, žádný e-mail. Mezi známé rané příklady tohoto typu patří HP Instant Ink, který umožňuje tiskárně objednat si vlastní toner – obchodní segment, který generuje pro HP Supplies tržby přes 500 milionů dolarů.

Co je to spolukupující a co ho dělá výjimečným?

Spolukupující je z pěti typů nejvíce hybridním: Člověk činí rozhodnutí o koupi, ale umělá inteligence jej v reálném čase doprovází a ověřuje. V knize Alex testuje auto a zamiluje se do něj; současně Claude, její asistent s umělou inteligencí, kontroluje všechny specifikovatelné faktory: hodnocení bezpečnosti, náklady na pojištění, prodejní hodnotu a historii servisu. Spolukupující nenahrazuje lidský úsudek, ale poskytuje mu nejlepší možný datový základ. Tento typ je dnes již rozšířený – profesionálové v oblasti XC ho poznají ve svých stávajících zákaznických profilech pod označením „výzkumník“. Klíčový rozdíl oproti minulosti: Tento vzorec se vyskytuje výrazně častěji a s podstatně většími detaily.

Co je to zprostředkující makléř a jaké zájmy sleduje?

Zprostředkovatelský makléř – v knize označovaný jako broker bot – žije v prostoru mezi kupujícími a prodávajícími. Když Tyler hledá sluchátka do 250 eur, broker bot neprohledává jeden, ale tisíce obchodů současně a porovnává ceny, záruky, podmínky vrácení zboží a rychlost dodání. Obsluhuje více klientů najednou: chce Tylerovi zajistit nejlepší nabídku, zajistit zisk prodávajícího a sám si vydělat provizi. Tento typ makléře je podobný realitnímu makléři – ale pro všechno a rychlostí stroje. Forbes ho popisuje jako toho, kdo optimalizuje efektivitu trhu tím, že propojuje potřeby kupujících s kapacitou prodávajících – napříč všemi poskytovateli.

Jak vypadá cesta nového zákazníka?

Zůstane klasická zákaznická cesta relevantní i v době strojových zákazníků?

Fáze zákaznické cesty – povědomí, zvažování, onboarding, transakce, loajalita a offboarding – zůstávají v zásadě nezměněny. Zásadně se mění základní mechanismy. Povědomí již neznamená generování emocionální přitažlivosti, ale spíše vysílání strojově čitelných signálů. Zvažování již neznamená budování důvěry prostřednictvím inspirativního příběhu značky, ale spíše splnění algoritmických kvalifikačních kritérií. Loajalita se již nerodí z náklonnosti, ale z měřitelně lepšího výkonu. Forbes tento posun stručně popisuje: Povědomí se přesouvá od emočních háčků k jasnosti signálů, zvažování se destiluje do algoritmického kvalifikačního kontrolního seznamu a dokonce i loajalita – nejlidštější ze všech firemních konceptů – se transformuje v něco chladně logického.

Jak funguje fáze zvyšování povědomí pro zákazníky se stroji?

Viditelnost pro strojové zákazníky nemá nic společného s poutavými texty nebo emotivními obrázky. Strojoví zákazníci „nevyhledávají“ jako lidé – skenují strukturovaná data, odpovědi API a strojově čitelná metadata. Příklad z knihy je výmluvný: Jordánská společnost, která vyrábí inzulínové náplasti, je pro zdravotnické roboty zcela neviditelná, protože chybí potřebná metadata. Samotný produkt byl vynikající – jednoduše nebyl objevitelný pro algoritmickou analýzu. Aby se společnosti staly viditelnými, musí poskytnout strojově čitelné specifikace produktu, strukturovaná data o shodě s předpisy a jasně zdokumentovaná rozhraní API. Pokud produkt není ve formátu, který dokáže umělá inteligence zpracovat, pro strojové zákazníky jednoduše neexistuje.

Jak funguje důvěra u zákazníků se stroji?

Důvěra mezi zákazníky využívajícími stroje je posouzením rizik, nikoli sociální vazbou. Klasické tři pilíře důvěry – schopnosti, dobrá vůle a integrita – zůstávají relevantní, ale jsou posuzovány spíše daty než intuicí. Tato asymetrie je obzvláště zákeřná: zákazníci využívající stroje jsou zároveň nejdůvěřivějšími i nejnedůvěřivějšími zákazníky, jaké si lze představit. Důvěřují vaší dokumentaci naprosto – dokud se neukáže jako chybná. Pak jí už nikdy nedůvěřují, alespoň ne bez časově náročného lidského zásahu. Pro návrh uživatelského prostředí to znamená, že prevence je nekonečně důležitější než náprava. Nizozemské přísloví citované Forbesem to dokonale shrnuje: Důvěra přichází pěšky a jezdí na koni.

Co je pojem „protistrany důvěry“ v kontextu MCX?

Forbes vyvíjí rámec pro vztahy důvěryhodnosti mezi protistranami (Trust Counterparty Framework), který popisuje složitost důvěry mezi stroji. Každá transakce zahrnuje několik vztahů důvěryhodnosti: mezi strojovým zákazníkem a poskytovatelem služeb, mezi strojovým zákazníkem a platformou, mezi lidským klientem a agentem umělé inteligence, mezi poskytovatelem služeb a orgány ověřujícími důvěru a mezi všemi zúčastněnými stranami a regulačními orgány. Zní to abstraktně, ale kniha to ukazuje na konkrétním příkladu: Když Tyler rezervuje let pro Mayu ze Singapuru do Sydney, tato zdánlivě jednoduchá transakce sama o sobě vytvoří přibližně deset různých vztahů protistran a tři kritické cesty důvěry. Každý z těchto vztahů musí být záměrně navržen – jinak transakce selže ve fázi zvažování.

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 je vaším komplexním a bezstarostným řešením pro umělou inteligenci. Místo řešení složitých technologií, drahé infrastruktury a zdlouhavých vývojových procesů získáte hotové řešení šité na míru vašim potřebám od specializovaného partnera – často během několika dní.

Klíčové výhody na první pohled:

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

🔒 Maximální zabezpečení dat: Vaše citlivá data zůstanou 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. Postaráme se o kompletní technickou implementaci, provoz a údržbu vašeho řešení s umělou inteligencí.

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

Více informací zde:

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

Jak by měl být navržen onboarding zákazníků se stroji?

Proč je onboarding pro zákazníky se stroji tak odlišný od onboardingu pro lidi?

Tradiční onboarding ověřuje identitu. Strojový onboarding zákazníka ověřuje autoritu. Dnes onboarding CX předpokládá, že zákazník a osoba s rozhodovací pravomocí jsou tatáž entita. Strojoví zákazníci tento předpoklad zcela boří. Když se Tyler chce zapojit do Mayy, otázkou není, zda je zákazník skutečný, ale zda je oprávněn jednat. Tyler může mít omezená oprávnění, limity útrat, omezení kategorií a data expirace. Kniha popisuje dramatický příklad: Velkoobchod s farmaceutickými výrobky v Bahrajnu spustil svá doručovací API pro nemocniční systémy nákupu s umělou inteligencí. Výsledkem byla 100% míra opuštění automatizovaných objednávek. Lidé neměli žádné problémy. Důvodem nebyla cena ani dostupnost – byl to proces onboardingu. Když systémy umělé inteligence zadaly objednávky nad 2 000 EUR, systém dodržování předpisů spustil lidmi navržený registrační proces, který vyžadoval nahrání řidičských průkazů a ověřovací hovor s vedoucím lékárny. Obojí je pro agenta s umělou inteligencí jednoduše nemožné dokončit.

Co je služba Agent Name Service (ANS) a proč by mohla být důležitá?

Projekt Open Worldwide Application Security Project (OWASP) vyvíjí rámec s názvem Agent Name Service (ANS), který má fungovat jako profesionální licenční systém pro agenty umělé inteligence. Myšlenka je taková, že stejně jako by si nikdo nenajal nelicencovaného dodavatele, firmy nebudou interagovat s neověřenými agenty umělé inteligence. ANS by vydávala certifikáty agentů (podobně jako obchodní licence), ověřovala dovednosti, dokumentovala historii výkonu a prokazovala odpovědnost klientů. Společnosti, které certifikují své zákazníky se stroji, získají okamžitou důvěryhodnost a menší tření. Pro poskytovatele to znamená snížené riziko, zvýšenou efektivitu a schopnost nabídnout ověřeným zákazníkům se stroji lepší úroveň služeb a ceny. Forbes se domnívá, že trh se rychle rozdělí na ověřený prémiový segment a neověřený komoditní segment.

Co je norma ISO 42001 a jaký má význam pro zákazníky strojů?

Norma ISO 42001, mezinárodní norma pro systémy řízení umělé inteligence, byla zveřejněna na konci roku 2023 a podle Forbesu je digitálním ekvivalentem michelinské hvězdy – s tím rozdílem, že algoritmy, nikoli lidé, automaticky kontrolují shodu s předpisy ještě předtím, než vůbec zváží obchodní vztah. Norma vyžaduje, aby společnosti před nasazením dokumentovaly své řízení umělé inteligence, průběžně monitorovaly systémy a analyzovaly rizika. Například Snowflake oznámila svou certifikaci ISO 42001 v červnu 2025 a zdůraznila, že to buduje důvěru zákazníků a podporuje dodržování předpisů. Poselství Forbesu je jednoznačné: ti, kteří se certifikují nyní, i když se to stále zdá být volitelné, mají rozhodující výhodu. Jakmile budou zákazníci se stroji tuto certifikaci aktivně požadovat, společnosti bez ní budou vyloučeny z prémiového segmentu.

Jak funguje věrnostní program u Machine Customers?

Může být zákazník strojů vůbec loajální?

Ano – ale loajalita znamená pro zákazníky založené na strojích něco úplně jiného než pro lidi. Nejde o emocionální vazbu, hrdost na značku ani zvyk. Loajalita zákazníků založené na strojích vzniká, když poskytovatel učiní nákupní rozhodnutí umělé inteligence konzistentně obhajitelným pro lidského klienta. Koncept, který Forbes v této souvislosti zavádí, je učení založené na preferencích (PbRL): Systémy umělé inteligence založené na tomto principu se neučí prostřednictvím odměnových bodů, ale prostřednictvím srovnání. Rozpoznávají: Tento poskytovatel trvale poskytuje lepší výsledky než konkurent. Tato preference je posílena v budoucích rozhodnutích. Loajalita tedy vyplývá z algoritmicky měřitelné nadřazenosti – rychlejší doby odezvy API, spolehlivější data, lepší integrace.

Jaká praktická opatření podporují loajalitu zákazníků a strojů?

Forbes popisuje několik konkrétních metod pro podporu loajality zákazníků využívajících stroje. Stupňování spolehlivosti nabízí věrným zákazníkům využívajícím stroje garantovanou provozuschopnost a prioritní řešení problémů – podobně jako status věrnostního programu u leteckých společností. Informační výhoda poskytuje dlouhodobým zákazníkům včasný přístup ke změnám zásob, úpravám cen a novým produktům – protože na rozdíl od lidí mohou zákazníci využívající stroje tyto informace okamžitě využívat nepřetržitě. Transparentnost výkonu explicitně zviditelňuje přidanou hodnotu: „Doba odezvy našeho API je 50 ms, průměr v oboru je 200 ms.“ Celková viditelnost nákladů ukazuje nejen cenu, ale také náklady na integraci, přechod a provoz – čímž je plný ekonomický přínos udržení zákazníka viditelný a algoritmicky ospravedlnitelný. Cíl: Z algoritmického hlediska učinit změnu poskytovatele iracionálním.

Jakou roli hrají hodnoty v loajalitě zákazníků strojů?

Forbes věnuje tomuto aspektu překvapivě velké množství prostoru. Systémy umělé inteligence naprogramované s kontrolami založenými na hodnotě budou systematicky upřednostňovat poskytovatele, kteří splňují jejich etické standardy. To se týká dodržování ESG standardů, ochrany osobních údajů, metrik udržitelnosti a certifikací ISO. Vzhledem k tomu, že strojoví zákazníci si na rozdíl od lidí mohou ověřit každý jednotlivý bod shody, musí společnosti tyto hodnotové signály poskytovat ve strojově čitelných datech. Forbes doporučuje vytvoření partnerství založeného na hodnotě: Pokud poskytovatel strojovému zákazníkovi prokáže, že jeho spolupráce zlepšila skóre ESG zákazníka o 23 procent, nebude již vnímán pouze jako dodavatel, ale jako partner pro zvyšování hodnoty. Tento vztah podporuje loajalitu, kterou lze kvantifikovat a obhajovat.

Co se stane, když se něco pokazí: Servis a vyřazení z provozu

Jak se liší řešení servisních problémů pro zákazníky strojů?

Forbes začíná svou kapitolu o servisu děsivým příběhem: Mayin asistent s umělou inteligencí, Tyler, si koupí šaty za 14 eur ve Fast Fashion. Šaty jsou nepoužitelné. Tyler se snaží zpracovat vrácení zboží prostřednictvím portálu Fast Fashion – portál však vyžaduje nahrání fotografie prostřednictvím speciální aplikace, poskytnutí písemného popisu závady a ruční výběr možností z rozbalovacích nabídek. Tyler to nedokáže. Maya šaty hodí do koše na darované oblečení. O několik měsíců později šaty vyplaví na pláž v Akkře v Ghaně. Jejich rozklad trvá 200 let. Sdělení: Selhání služeb u strojových zákazníků má skutečné důsledky – pro společnost (ztráta zákazníka), pro lidi (ztráta důvěry v agenta) a pro společnost (znečištění životního prostředí). Strojoví zákazníci nejsou naprogramováni k odpouštění. Jediné selhání služby trvale aktualizuje jejich hodnocení spolehlivosti u poskytovatele.

Proč je u Machine Customers tak složité ukončovat výrobu?

Forbes výstižně popisuje zákazníky využívající stroje během offboardingu metaforou: třpytky. Drobné, přetrvávající částice, které se vkrádají do každého kouta systému. Když zákazník využívající stroj ukončí vztah, zanechává po sobě mikroidentity v systémech mezipaměti, záložních souborech, analytických platformách a integracích třetích stran. Výzkum ukazuje, že v průběhu času se tyto nespravované, umělou inteligencí generované nelidské identity (NHI) hromadí a bezpečnostní týmy ztrácejí přehled o tom, které identity jsou aktivní, kdo je vytvořil a zda k nim stále potřebují přístup. Řešením není lepší vyčištění po rozchodu, ale lepší omezení od samého začátku: okamžité zrušení přihlašovacích údajů, automatizované procesy čištění a průběžné monitorování, které pokračuje dlouho po údajně dokončeném procesu offboardingu.

Jak sestavíte operační systém MCX?

Co Forbes chápe pod pojmem operační systém MCX?

Operační systém MCX je organizační a technická infrastruktura, kterou společnost potřebuje k systematickému a škálovatelnému obsluze zákazníků v oblasti strojů. Forbes ilustruje tento koncept scénou z týdenní strategické schůzky MCX: Sarah, první manažerka pro důvěru v stroje, monitoruje dashboardy spolehlivosti v reálném čase s 99,97% dostupností API. Marcus, hlavní návrhář algoritmického zážitku, analyzuje rozhodovací stromy. Priya, ředitelka pro inteligenci zákazníků v oblasti strojů, vyhodnocuje protokoly aktivit od makléřské agentky Cleo. Alex, most mezi člověkem a strojem, koordinuje v daný den dvě hlavní obnovy B2B smluv, kde hlavní lidští agenti chtějí diskuse o budování vztahů, zatímco jejich umělá inteligence v oblasti nákupu očekává podrobné výkonnostní kritéria. Tyto role zatím ve většině společností neexistují – ale Forbes ukazuje, že se v nadcházejících letech objeví.

Jaké nové role se objevují v oblasti CX díky zákazníkům se stroji?

Forbes rozlišuje mezi rolemi pro blízkou budoucnost (2026–2036) a spekulativnějšími rolemi pro vzdálenější budoucnost (2040+). ​​Pro blízkou budoucnost definuje tři úrovně: Na strategické úrovni je potřeba strategických konzultantů pro MCX, produktových manažerů pro zákazníky strojů a interdisciplinárních programových manažerů pro MCX. Na optimalizační úrovni jsou žádaní manažeři pro úspěch zákazníků strojů, specialisté na zkušenosti s API a optimalizátoři algoritmických konverzí. Na základní úrovni – a to jsou role, které by si společnosti měly rozvíjet jako první – patří mezi nejnaléhavější nové zaměstnance specialisté na objevování strojů, návrháři algoritmických zkušeností, analytici důvěry strojů a koordinátoři mostů mezi člověkem a strojem. Forbes varuje, že požadované dovednosti se jen zřídka najdou u jednoho jedince – zpočátku musí společnosti tuto matici pokrýt partnerstvím a školením.

Jak by měla být strukturována dělba práce mezi lidmi a stroji v kontextu MCX?

Forbes vyvíjí tři filtry, které pomáhají s tímto rozhodnutím. První filtr analyzuje povahu úkolu: úkoly, které jsou časově náročné, náchylné k chybám, založené na pravidlech nebo vyžadují nepřetržitý provoz, by měly být zpracovány stroji. Druhý filtr zohledňuje prvky značky: vyprávění příběhů značky, komplexní konzultační prodej, krizový management a vztahy s vedením zůstávají lidské; konzistentní poskytování služeb, okamžitá dostupnost a přesná přesnost informací mohou být optimalizovány stroji. Třetí filtr analyzuje, čeho si zákazníci skutečně cení: lidští zákazníci oceňují empatii, personalizovaná doporučení a flexibilní řešení problémů – strojoví zákazníci potřebují strukturované poskytování dat, spolehlivost API a předvídatelné vzorce reakcí. Podle Forbesu je upřímná odpověď na otázku „Kdy člověk, kdy stroj?“: záleží na tom. Ale právě proto je to práce CX, ne IT.

Jak měříte úspěch u zákazníků, kteří se zabývají stroji?

Proč tradiční metriky CX selhávají u zákazníků využívajících stroje?

Klasické metriky CX, jako je Net Promoter Score, skóre spokojenosti zákazníků nebo ukazatele emoční loajality, měří lidské emoční stavy – a zákazníci používající stroj je nemají. Podobně míra opuštění nákupního košíku není přímo použitelná: Zákazník používající stroj, který opouštěje váš web, může jednoduše shromažďovat data pro pozdější rozhodnutí, spíše než aby skutečně opustil svůj nákup. Forbes navrhuje čtyřstupňový rámec měření: lidský záměr, strojový překlad, obchodní reakce a lidská zkušenost s výsledkem. Pouze současným měřením všech čtyř fází lze identifikovat odchylky v řetězci. Jedna společnost uvedená v knize ztratí obchod v hodnotě 2,8 milionu dolarů v 1:28 ráno, zatímco všechny její tradiční metriky jsou pozitivní – protože k příslušné interakci došlo se zákazníkem používajícím stroj, který pracuje mimo pracovní dobu.

Jaké jsou nejdůležitější nové metriky v oblasti MCX?

Forbes identifikuje několik nových klíčových metrik. Místo skóre úsilí zákazníka (CES) jsou potřeba strojově čitelné ukazatele tření: doby odezvy API, míra chyb, body předčasného ukončení a překážky v dokončení. Místo hodnoty celoživotního zákaznického života (CLV) Forbes doporučuje kumulativní transakční hodnotu (CTV) – celkovou měřitelnou hodnotu, kterou autonomní systém generuje během doby interakce s firmou. Performance Clarity měří doby odezvy, provozuschopnost a aktuálnost dat. Trust Signal Effectiveness ověřuje, zda certifikáty shody, hodnocení a údaje o výkonu skutečně ovlivňují rozhodnutí zákazníků strojů o jejich volbě. Anomaly Detection monitoruje vzorce chování a identifikuje neobvyklou nebo potenciálně podvodnou aktivitu agentů.

Jak vypadá hybridní realita?

Co znamená „hybridní realita“ v kontextu MCX?

Hybridní realita popisuje situaci, ve které společnosti musí současně obsluhovat lidské i strojové zákazníky – často ve stejnou chvíli a pro stejnou organizaci. Forbes to ilustruje na příkladu CloudFlow: V 9:23 ráno přijdou dva simultánní požadavky na stejné datové řešení. ProcureIQ, autonomní agent pro zadávání zakázek, se rozhodne prostřednictvím API do tří sekund na základě údajů o technickém výkonu. Zároveň volá Anna, technická ředitelka společnosti ProcureIQ, aby prodiskutovali strategické otázky. CloudFlow obsluhuje oba současně a získává obchod – ne proto, že by jejich produkt byl lepší, ale proto, že jsou schopni poskytovat vynikající zkušenosti oběma typům zákazníků současně.

Jaké konflikty vznikají mezi lidskými a strojovými zákazníky?

Forbes tyto problémy nazývá „optimalizačními konflikty“. Stroje upřednostňují kvantifikovatelná, tvrdá čísla: rychlost, nákladovou efektivitu, úplnost dat, standardizaci. Lidé upřednostňují hodnotu vztahu, strategickou flexibilitu, minimalizaci rizik a budování důvěry. Jednoduchý příklad: Doba odezvy API CloudFlow krátce vzroste na osm sekund. Správce účtu Satish okamžitě zavolá zákaznici Anně a slibuje řešení do dvou hodin. Annino lidské hodnocení: „Proaktivní partner, rozhodně obnovuje smlouvu.“ Strojové hodnocení od ProcureIQ: „Dodavatel porušil cíle SLA po dobu 1 hodiny a 59 minut. Označeno k přezkoumání.“ O tři měsíce později se finanční ředitel ptá, proč platí prémiové ceny za průměrného poskytovatele. Stejná situace, zcela odlišné interpretace.

Jaká je metoda BRIDGE pro řešení konfliktů mezi člověkem a strojem?

Forbes vyvinul metodu BRIDGE, aby tyto konflikty transformoval do konkurenčních výhod. Tato zkratka znamená: Validate both perspectives (Ověřit obě perspektivy – Ověřit), Analyze the root cause (Analyzovat hlavní příčinu – Analyzovat), Design integrated solutions (Navrhnout integrovaná řešení – I), Deliver dual benefits (Dodat dvojí výhody – Deliver dual benefits – D), Implementace v reálném čase – Implementace (G) a Measure results (Měřit výsledky – E). Základní myšlenkou je, že požadavky na člověka a stroj nejsou konkurenčními póly, ale spíše návrhovými příležitostmi: Jakékoli řešení, které řeší oba aspekty současně, se stává obtížně replikovatelnou konkurenční výhodou.

Jaké etické otázky kniha nastoluje?

Jaké etické výzvy přináší věk zákazníků strojů?

Závěrečná čtvrtina knihy se zabývá otázkou zodpovědného vedení. Forbes cituje kulturního teoretika Paula Virilia: „Když vynaleznete loď, vynaleznete také vrak.“ Každá technologie nese svou vlastní inherentní negativitu. V kontextu MCX to konkrétně znamená: Kdokoli staví systémy, které slouží strojovým zákazníkům, nese odpovědnost za to, co tyto systémy dělají lidem za nimi. Kdo je zodpovědný, když agent s umělou inteligencí učiní rozhodnutí, které poškozuje lidského klienta? Příklad společnosti Air Canada ilustruje rozsah problému: Chatbot společnosti učinil nesprávná prohlášení o zásadách vrácení peněz – a soud shledal leteckou společnost odpovědnou. Co se naopak stane, když strojový zákazník poškodí poskytovatele?

Jakou odpovědnost mají firmy vůči lidem za stroji?

Forbes opakovaně zdůrazňuje, že za každým zákazníkem, který využívá stroj, stojí v konečném důsledku člověk, jehož život je ovlivněn rozhodnutími stroje. Proto se návrh zákaznické zkušenosti využívající stroj (MCX) musí zaměřit nejen na efektivitu a úspěšnost transakcí, ale také na blaho lidského klienta. Společnosti mají etickou povinnost rozpoznat rozhodnutí učiněná zákazníky, kteří využívají stroj, s nízkou sebedůvěrou a vytvářet příležitosti k lidskému zásahu. Neměly by trvat na špatně kalibrovaných rozhodnutích od agenta s umělou inteligencí jen proto, že transakce je technicky proveditelná. Hlavním poselstvím Forbesu pro tuto sekci je, že získání dalšího zákazníka prostřednictvím odborných znalostí MCX ideálně posiluje lidské vztahy, které se v tomto procesu transformují – spíše než je zneužívá.

Jaké poselství má kniha pro vedoucí pracovníky?

Jaké je hlavní poselství Katji Forbesové pro vedoucí pracovníky v podnikání?

Vývoj zákaznické základny není hrozbou – je to povýšení. Ti, kteří si vybudovali dlouholeté odborné znalosti v oblasti zákaznického zážitku (CX), mají jedinečnou pozici k tomu, aby tuto transformaci vedli. Dovednosti porozumět potřebám zákazníků, vytvářet bezproblémové zážitky a rozvíjet systematické přístupy k vztahům se zákazníky lze plně přenést na zákazníky využívající stroje. Paradigma se musí změnit: od „Jak docílíme, aby nás chtěli?“ k „Jak dokážeme, že splňujeme jejich kritéria?“. Od emocionální důvěry k algoritmické důvěře. Od sdělení značky ke strojově čitelným metrikám výkonnosti. Společnosti, které čekají, až jim zákazníci využívající stroje zaklepou na dveře, zjistí, že se dveře otevírají špatným směrem: Stroje je již hodnotí, aniž by si to uvědomovali.

Kde by měla firma začít?

Forbes doporučuje konkrétní vstupní bod s jediným, velkoobjemovým procesem CX založeným na pravidlech. Použijte tři filtry (typ úkolu, prvky značky, hodnota pro zákazníka). Poté, během čtyř týdnů, pracujte na nejjednodušší příležitosti k automatizaci: První týden – zmapujte stávající úkoly CX; druhý týden – identifikujte tři nejlepší kandidáty na automatizaci a tři nejsilnější lidské síly; třetí týden – pilotně otestujte nejjednodušší zisk automatizace; čtvrtý týden – změřte zvýšení efektivity a dopady na spokojenost zákazníků. Začněte v malém, myslete ve velkém. Využijte počáteční úspěch k budování hybné síly pro větší iniciativy. Vytvářejte koalice napříč organizací – protože MCX není izolovaný úkol CX, ale celofiremní transformační program, který stejnou měrou ovlivňuje IT, marketing, finance, právní oddělení a provoz. Evoluce stroj-zákazník nepřichází. Už začala.

☑️ Naším obchodním jazykem je angličtina nebo němčina

☑️ NOVINKA: Korespondence ve vašem rodném jazyce!

Konrad Wolfenstein

Já a můj tým jsme rádi, že vám můžeme být k dispozici jako váš osobní poradce.

Můžete mě kontaktovat vyplněním kontaktního formuláře zde [email protected]:nebo mi jednoduše zavolat na číslo +49 7348 4088 965. Moje e-mailová adresa je

Těším se na náš společný projekt.

☑️ Podpora malých a středních podniků v oblasti strategie, poradenství, plánování a implementace

☑️ Vytvoření nebo restrukturalizace digitální strategie a digitalizace

☑️ Rozšíření a optimalizace mezinárodních prodejních procesů

☑️ Globální a digitální B2B obchodní platformy

☑️ Průkopnický rozvoj podnikání / Marketing / PR / Veletrhy

Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business - Obrázek: Xpert.Digital

Xpert.Digital je datově orientované B2B centrum pro průmysl, které vede Konrad Wolfenstein . Společnost funguje jako externí, kvazi-interní řešení pro průmyslové partnery a odstraňuje provozní mezery v marketingu, obsahu a prodeji – aniž by vyžadovala další zdroje na straně klienta.

Více informací zde:

• Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business