
Proč firmy u AI nevidí finanční přínos a jak ho měřit před další investicí
Přínos umělé inteligence vnímá 85 % českých firem, ale měří ho jen 7 %. Bez údajů o práci před nasazením se další investice obhajuje těžko.

Ford roky sázel na to, že mu umělá inteligence zrychlí a zlevní výrobu. Nasadil ji napříč provozem, včetně kontroly kvality, kde měly systémy a stovky kamer hlídat vady přímo na lince. Podle vedení firmy to nedopadlo podle plánu.
Šéf vývoje hardwaru Charles Poon novinářům řekl to, co se z manažerských úst slyší málokdy. Firma prý podcenila zkušenost svých nejlepších lidí a myslela si, že stačí do AI nasypat konstrukční požadavky a kvalitní auto se udělá samo. Nestalo se. Ford proto za poslední roky vzal zpátky, povýšil nebo nově najal kolem tří set ostřílených inženýrů a techniků.
Zajímavý je i důvod, proč to nešlo. Řada zkušených lidí z firmy odešla dřív, než stihli své znalosti předat. AI se pak neměla z čeho učit, protože je dobrá jen tak, jak dobrá jsou data, na kterých ji vycvičíte. Veteráni se teď vrátili hlavně proto, aby systémy dotrénovali a zaučili mladší kolegy.
Fordu se to vyplatilo. V americkém žebříčku kvality nových aut od JD Power se firma dostala na první místo mezi běžnými značkami poprvé od roku 2010.
Ford přitom ještě loni veřejně mluvil o tom, že AI nechá spoustu kancelářských lidí za dveřmi. Teď v tichosti dokládá opak. Nejcennější know how nese pořád člověk, a když ho firma pustí ven, zaplatí za to dvakrát. Nejdřív při propouštění, podruhé, když zkušené lidi shání zpátky.

Přínos umělé inteligence vnímá 85 % českých firem, ale měří ho jen 7 %. Bez údajů o práci před nasazením se další investice obhajuje těžko.

Poptávka, dodací list, reklamace a hlídání termínů. Projdeme den firmy po hodinách a ukážeme, co dnes převezme AI a o čem rozhoduje člověk.

Copilot v CRM shrne obchodní případ a navrhne e-mail, ale pravidelné kontroly, zápisy do dalších systémů a opakování po chybě musí zajistit automatizace.
Napište nám, co u vás řešíte. Společně probereme, jestli vám můžeme pomoci.