„Wishful Software“: Nový trend v oblasti umělé inteligence, který obrací celý proces zadávání IT zakázek vzhůru nohama

Řešení s umělou inteligencí za 5 dní bez počátečních nákladů: Revoluce, nebo čistý marketing?

Plaťte pouze v případě úspěchu: Jak model „platby za řešení“ mění trh s umělou inteligencí

Firmy již léta investují miliony do slibných projektů v oblasti umělé inteligence – často ze strachu ze zaostávání a s mnohdy střízlivými výsledky. Tento princip naděje, dnes v oboru ironicky označovaný jako „zbožný software“, dosáhne svých limitů nejpozději v letech 2025/2026. Finanční ředitelé a nákupní oddělení, kteří čelí nedostatku měřitelné návratnosti investic (ROI), požadují ukončení drahých licencí předem a nepředvídatelných implementačních nákladů. Reakcí technologického průmyslu je radikální změna paradigmatu směrem k cenám založeným na výsledcích (OBP) neboli „platbě za řešení“.

V tomto modelu firmy platí pouze tehdy, když umělá inteligence prokazatelně a smluvně definovaně vyřeší problém – ať už se jedná o plně autonomně uzavřený tiket podpory, zpracovanou objednávku nebo ověřitelné zvýšení produktivity. Tím se finanční a technické riziko implementace zcela přesouvá z kupujícího na poskytovatele. To, co zpočátku zní jako perfektní nabídka pro firmy, však představuje zcela nové strukturální výzvy pro správu IT, procesy zadávání veřejných zakázek a tvorbu smluv. K tomu se přidávají velmi atraktivní, ale někdy zavádějící sliby poskytovatelů, že zavedou produkční řešení s umělou inteligencí během pouhých pěti dnů.

Následující článek se podrobně zabývá tím, kteří průkopníci již tomuto novému trhu dominují, kde se skrývají skryté náklady spojené s těmito modely založenými na výsledcích a jak se nyní musí zásadně změnit strategie nákupu a IT, abychom se vyhnuli pádu do pasti nákladů.

„Wishful Software“: Obchodní modely, kde firmy platí pouze za úspěšná řešení s umělou inteligencí

Trh s podnikovou umělou inteligencí v letech 2025/2026 formuje zásadní paradigmatický posun: Místo vysokých plateb předem za nejisté projekty umělé inteligence se do popředí dostávají modely fakturace založené na výsledcích, kde firmy platí pouze za osvědčené výsledky. Tento princip – někdy označovaný jako „zbožný software“, někdy jako „ceny založené na výsledcích“ nebo „platba za řešení“ – přesouvá implementační riziko z kupujícího na poskytovatele a zásadně mění způsob, jakým oddělení nákupu a IT získávají, vyhodnocují a spravují umělou inteligenci. Zároveň se objevuje nový typ poskytovatele služeb, který slibuje řešení umělé inteligence připravená k produkci za pět až sedm dní – bez jakéhokoli závazku předem.

Co je to „Wishful Software“?

Termín „zbožný software“ ironicky popisuje současné paradigma zadávání veřejných zakázek: společnosti nakupují drahé licence na umělou inteligenci a implementační projekty na základě slibů a nadějí – a platí bez ohledu na to, zda řešení skutečně funguje. Alternativou je model platby za řešení: zákazníci platí pouze tehdy, když řešení umělé inteligence přinese měřitelný, smluvně definovaný výsledek.

Cena založená na výsledcích (OBP) není novinkou – v IT odvětví existuje již desítky let ve formě poplatků založených na úspěchu v oblasti poradenství nebo spravovaných služeb orientovaných na výsledky. Co se v letech 2025/2026 změnilo, je to, že tyto modely jsou poprvé systematicky zaváděny pro softwarové produkty umělé inteligence (SaaS, agenti, automatizace) a přední poskytovatelé je pozicionují jako svůj primární model pro uvedení na trh.

Klíčové charakteristiky modelu

Charakteristika tradičního modelu: Platba za řešení
Platba předem (licence + implementace) Pouze po prokázaném úspěchu
Nositel rizika Kupující (společnost) Poskytovatel
Struktura smlouvy Pevný rozsah, čas a rozpočet Výkonnostní metriky definované ve smlouvě
Nasazení Měsíce až roky Dny až týdny
Schválení rozpočtu Proces kapitálových/provozních nákladů Často není vyžadováno žádné formální IT zadávání veřejných zakázek
Vztah s poskytovatelem Jednorázový/transakční Průběžný/partnerský

Průkopníci na trhu a skutečné obchodní modely

Zendesk: Ceny založené na rozlišení

V roce 2024 byl Zendesk jedním z prvních velkých poskytovatelů SaaS, kteří zavedli ceny založené na výsledcích pro agenty s umělou inteligencí: zákazníci platí za každý úspěšně vyřešený požadavek na podporu – nikoli za každou licencovanou licencí nebo hodinu. Tento model, známý jako „ceny založené na řešení“, je považován za průmyslový vzor. Zendesk definuje „úspěch“ jako požadavky, které jsou vyřešeny bez lidského zásahu.

ThoughtFocus Build: Nulové počáteční poplatky, garantovaná návratnost investic

V roce 2025 spustila společnost ThoughtFocus Build program s výslovným slibem: „Nulové počáteční poplatky, zaručená návratnost investic.“ Společnost provádí implementace umělé inteligence pro pracovní sílu bez platby předem a přebírá veškerá vývojová rizika. Platba se provádí až po prokázání měřitelného zvýšení produktivity.

AffixedAI: Partnerství rizikového kapitálu

AffixedAI se prezentuje jako „podnikání s nulovými počty dolarů a umělou inteligencí“ – společnost vyvíjí obchodní modely podporované umělou inteligencí pro zákazníky na vlastní riziko a podílí se na výsledném úspěchu prostřednictvím modelů sdílení příjmů.

5denní sprint: Připravenost k produkci za pět dní

Model „5 Day Sprint“ slibuje, že podnikové aplikace s umělou inteligencí převedou od konceptu k řešení připravenému k produkci během pěti dnů. Podobné nabídky, jako například „AI Sprint“ od společnosti Brightter, slibují transformaci funkcí produktu během týdne. Tento slib se opírá o předpřipravené moduly umělé inteligence, platformy s nízkým kódem a standardizované nasazovací procesy, které zkracují tradiční fáze projektu.

AWS: Ceny výsledků Agentic AI

Hyperscalery také reagují: AWS ve svých preskriptivních pokynech explicitně dokumentuje struktury „ocenění výsledků“ pro agentickou umělou inteligenci – tj. modely, ve kterých jsou pracovní postupy agentické umělé inteligence fakturovány po úspěšně dokončených úkolech.

Pět dní do řešení připraveného k výrobě – realita, nebo marketing?

Slib pětidenní doby nasazení podléhá určitým podmínkám a není univerzálně platný.

Co je realistické za pět dní

• Standardizované případy užití: zpracování dokumentů, klasifikace e-mailů, jednoduché chatboty, extrakce dat ze známých formátů
• Platformy s nízkým/žádným kódem: Pokud mají poskytovatelé k dispozici předkonfigurované moduly, je nasazení možné během několika dní
• Nasazení na zelené louce: Bez integrace starších systémů může být agent umělé inteligence připraven k produkčnímu provozu za 3–5 dní

Což realisticky trvá déle

• Integrace podnikových systémů: Připojení k ERP, CRM nebo starším databázím obvykle trvá 4–12 týdnů
• Dodržování předpisů a ochrana údajů: Zejména v regulovaných odvětvích (finance, zdravotnictví) procesy správy a řízení výrazně prodlužují časový rámec
• Kvalita dat: Nejčastějším důvodem zpoždění v projektech umělé inteligence jsou špatná nebo nekonzistentní data

Pětidenní slib je důvěryhodný pro jasně definované, standardizované případy užití. Pro komplexní podnikové nasazení je to primárně marketingový signál, který sděluje nízké vstupní bariéry.

Platforma spravované umělé inteligence – 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:

• Spravovaná platforma umělé inteligence

Proč tento model nyní nabírá na obrátkách

Deziluze z umělé inteligence po euforii

Rok 2026 je v oblasti umělé inteligence v podnicích napříč odvětvím považován za „Rok pravdy“. Po letech experimentálních investic bez jasné návratnosti investic požadují finanční ředitelé a představenstva měřitelné výsledky. Podle analýzy TTMS se manažeři stále častěji ptají: „Kdo zaplatí za experimenty v letech 2023 až 2025?“ Modely založené na výsledcích poskytují na tuto otázku strukturální odpověď.

Tlak na straně dodavatele

Společnost McKinsey popisuje, jak musí softwarové společnosti zásadně přehodnotit své obchodní modely, aby přežily v éře umělé inteligence. Společnost AlixPartners ve své zprávě Enterprise Software Predictions Report 2026 předpovídá, že dodavatelé, kteří nedosáhnou prokazatelných výsledků, ztratí podíl na trhu ve prospěch konkurence orientované na výsledky.

Agentická umělá inteligence jako hybatel

Vzestup autonomních agentů s umělou inteligencí umožňuje technicky měřitelné oceňování výsledků: Agent, který autonomně dokončí úkol (vyřeší požadavek, zpracuje objednávku, zkontroluje dokument), generuje jasný digitální signál o úspěchu – ideální pro transakční fakturaci.

Dopad na nákupní a IT strategie

Přesun rizika jako strategická páka

Hlavním příslibem platby za řešení je přenos implementačního rizika na poskytovatele. Pro nákupní oddělení to znamená:

• Eliminace tradičních hodnotících kritérií (referenční projekty, certifikace, předběžné demoverze)
• Smluvní definice klíčových ukazatelů výkonnosti (KPI) a metrik úspěchu se stává klíčovou kompetencí
• Nové otázky: Jak se měří „úspěch“? Kdo audituje výsledky? Co se stane v případě částečného dodání?

Nákup: Od kupce licencí k manažerovi výsledků

Tradiční procesy zadávání veřejných zakázek (výzva k podání návrhu, bodování dodavatelů, porovnávání cen) nejsou vhodné pro modely výsledků. Oddělení zadávání veřejných zakázek musí transformovat:

• Formulace měřitelných metrik úspěšnosti umělé inteligence (např. míra řešení, snížení chyb, úspora času)
• Návrh smluv pro struktury odměn za úspěch a eskalační mechanismy
• Řízení měřicí infrastruktury: Kdo měří úspěch – dodavatel nebo kupující?
• Posouzení úvěruschopnosti poskytovatele: Může poskytovatel finančně nést riziko?

Podle analýzy společnosti Paterhn.ai tradiční procesy zadávání veřejných zakázek blokují inovace v oblasti umělé inteligence: zdlouhavé cykly výzev k podávání nabídek, příliš široké bezpečnostní požadavky a rigidní rozpočtové kategorizace brání uvedení úspěšných PoC do produkčního prostředí.

IT strategie: Schválení rozpočtu a řízení

Modely platby za řešení také mění způsob schvalování rozpočtů na umělou inteligenci:

• Žádný závazek kapitálových výdajů: Vzhledem k tomu, že není vyžadována žádná platba předem, mohou obchodní jednotky (LOB) často implementovat řešení umělé inteligence bez formálního schválení rozpočtu IT – což vede ke „stínové umělé inteligenci“
• Ztráta kontroly CIO: Když dodavatelé spolupracují přímo s obchodními jednotkami a fakturují pouze na základě úspěchu, obcházejí tradiční cesty k IT nákupu
• Riziko závislosti na dodavateli: Výsledkové modely mohou vytvářet dlouhodobé závislosti, které se projeví až po migraci dat a integraci procesů

Kritický protiargument: Nejdražší iluze?

Forbes/Parloa varuje: Ceny založené na výsledcích mohou být pro firmy dražší než tradiční modely licencování. Důvody:

• Prémiové ceny za převzetí rizika: Poskytovatelé započítávají své riziko do míry úspěšnosti – zákazník v podstatě platí rizikovou prémii
• Konflikty definic: Co představuje „vyřešený požadavek“? Co představuje „úspěšné doručení“? Nejasné definice vedou ke sporům
• Nepříznivý výběr: Poskytovatelé vybírají pro modely výsledků pouze „jednoduché“ případy užití – obtížné případy jsou vyloučeny nebo účtovány vyšší sazbou
• Asymetrie měření: Ten, kdo kontroluje měření, kontroluje i fakturaci – bez neutrálního auditorského orgánu vzniká střet zájmů

Oblasti strukturálního napětí

Definice „úspěchu“

Největším nevyřešeným problémem v oblasti cenotvorby na základě výsledků je přesná a neovlivnitelná definice úspěchu. Cenotvorba na základě dopadu označuje cenotvorbu na základě výsledků jako „svatý grál cenotvorby s využitím umělé inteligence“ – ale také jako technicky obtížně implementovatelnou, protože výsledky umělé inteligence jsou často zpožděné, kauzálně nejednoznačné nebo je obtížné je přiřadit.

Technická měřicí infrastruktura

Stanovení skutečných výsledků vyžaduje robustní a sdílenou datovou základnu pro metriky úspěchu. Mnoho společností tuto infrastrukturu dosud nemá. AWS doporučuje vybudovat specializované kanály pro sledování výsledků pro modely Agentic AI jako předpoklad pro spravedlivé fakturování.

Dodržování předpisů a smluvní právo

Právní požadavky na smlouvy o umělé inteligenci (zákon EU o umělé inteligenci, GDPR, specifická odvětví) jsou v modelech založených na výsledcích složité: Pokud je výkon závislý na úspěchu, vznikají nové otázky odpovědnosti. MinterEllison výslovně doporučuje doplnit smlouvy o umělé inteligenci o definice výsledků, práva na audit a eskalační doložky do roku 2026.

Doporučení k akci

Pro nákupní oddělení

• Vytvořte knihovnu klíčových ukazatelů výkonnosti (KPI): Definujte standardizované metriky úspěšnosti pro běžné případy použití umělé inteligence (např. „Míra řešení > 70 % bez lidského zásahu“)
• Zajistěte nezávislost měření: Smluvně stanovte, že metriky úspěšnosti budou zaznamenávány neutrálním orgánem nebo interními systémy
• Prozkoumejte hybridní modely: Kombinace základního poplatku za platformu a bonusu za úspěch snižuje riziko poskytovatele a tím i rizikové prémie
• Posouzení odolnosti poskytovatelů: Poskytovatelé výsledků musí být finančně schopni nést riziko

Pro IT oddělení / CIO

• Zavést stínové řízení AI: Definovat jasná pravidla pro to, které modely výsledků mohou obchodní oddělení používat bez schválení IT
• Posouzení závislosti na dodavateli: Definujte migraci dat a výstupní klauzule pro každou výslednou smlouvu
• Kontrolní seznam připravenosti k výrobě: Definujte si vlastní standardy pro „připravenost k výrobě“ – nezávisle na slibech dodavatelů
• Sladění mezi zadáváním veřejných zakázek a IT: Vypracovat společné procesy pro zadávání veřejných zakázek s využitím umělé inteligence, které jsou dostatečně rychlé pro sliby pětidenního nasazení, ale zároveň zajišťují řízení

Výhled trhu

Společnost Futurum Research již v roce 2025 předpovídala, že ceny založené na výsledcích získají na trhu s umělou inteligencí značný růst. Toto hodnocení se ukázalo jako přesné: Zendesk, Salesforce, ServiceNow a další významní poskytovatelé SaaS integrují do svých cenových modelů komponenty založené na výsledcích. Podle společnosti Getmonetizely budou do konce roku 2026 na trhu dominovat hybridní modely (poplatek za platformu + poplatek za výsledek), zatímco čistě licenční modely založené na počtu míst pro agenty umělé inteligence budou ztrácet na významu.

Pro německý trh už umělá inteligence v zadávání veřejných zakázek nebude do roku 2026 pilotním projektem – podle serveru einkauf-ki.com se přední společnosti budou spoléhat na autonomní strategie zadávání veřejných zakázek, v nichž agenti umělé inteligence nezávisle vybírají dodavatele, vyjednávají ceny a zadávají objednávky. Model platby za řešení je jak předmětem zadávání veřejných zakázek, tak i metodou zadávání veřejných zakázek – což je sebeposilující trend.

Konrad Wolfenstein

Rád/a bych sloužil/a jako váš osobní poradce.

mě kontaktovat wolfenstein ∂ xpert.digital

Zavolejte mi na +49 7348 4088 965 .

LinkedIn