Kde umělá inteligence ve firmách selhala a proč se vrací lidé

Ford se v roce 2026 dostal na první místo v žebříčku kvality JD Power mezi běžnými značkami. Poprvé za šestnáct let. Zajímavé není to umístění. Zajímavé je, jak se tam dostal: přivedl zpátky 350 zkušených inženýrů, které předtím z velké části nahradil automatizací a umělou inteligencí.

Interně jim ve Fordu říkají „gray beards", šedivé brady. Veteráni, kteří léta věděli, kde se auto láme, kde se objeví vada a co se v testech obvykle přehlédne. Firma vsadila na to, že tuhle práci zvládnou automatizované návrhové a kontrolní systémy levněji. Nezvládly.

Co se u Fordu vlastně pokazilo

Problém nebyl v tom, že by AI byla „hloupá". Problém byl v tom, čím ji krmili.

Zkušení lidé odešli dřív, než se jejich znalosti stihly dostat do dat, na kterých se systémy učily. A tady je jádro věci. Charles Poon, viceprezident pro hardware, to shrnul jednou větou:

AI je jen tak dobrá jako informace, na kterých ji učíte.

Bez těch veteránů automatizace chyby nechytala. Naopak. Zesilovala slabé vstupy a špatné návrhy pouštěla dál. Auta z toho vycházela s vadami, které by starý inženýr odhalil na potkání. Následovaly reklamace a svolávací akce, tedy přesně ta místa, kde peníze neškrtnete, ale utečou vám.

Když se veteráni vrátili, dělali dvě věci. Hledali místa, kde se návrh láme, jak to popsal provozní ředitel Kumar Galhotra. A zároveň přestavovali ty samé systémy, co předtím selhaly, aby se konečně učily na správných datech. Šéf Fordu Jim Farley pak mluvil o stovkách milionů dolarů, které firma ušetřila na nižších nákladech na záruky a svolávačky.

Tři roky a miliardy dolarů. Tolik stálo zjištění, že zkušené lidi nešlo jen tak odpojit.

Není to jen Ford

Kdyby šlo o ojedinělý průšvih jedné automobilky, dal by se odmávnout. Nejde.

Švédská Klarna, která dělá odložené platby, mezi lety 2022 a 2024 zrušila kolem 700 míst v zákaznické podpoře a nahradila je AI asistentem. V jednu chvíli se chlubila, že umělá inteligence zvládá dvě třetiny až tři čtvrtiny všech interakcí se zákazníky. Čísla vypadala skvěle. Spokojenost zákazníků ne. Odpovědi byly obecné, dokola stejné a u složitějších případů k ničemu. Firma začala tiše nabírat lidi zpátky. Šéf Klarny Sebastian Siemiatkowski to řekl narovinu: soustředili se moc na efektivitu a náklady, výsledkem byla horší kvalita, a to dlouhodobě nejde.

A pak jsou tu tvrdá data. Studie z MIT z léta 2025 prošla 300 firemních nasazení AI a zjistila, že 95 procent pilotů nepřineslo žádný měřitelný dopad na hospodaření. Nula. Přitom firmy do generativní AI nalily 30 až 40 miliard dolarů. Autoři tomu říkají „learning gap", mezera v učení. Ne v technologii, ale ve schopnosti firmy dostat AI do svých procesů a mezi své lidi.

Vzorec je pořád stejný

Když ty případy dáte vedle sebe, vyleze z nich stejná chyba. Firma vezme AI jako náhradu člověka, ne jako nástroj v jeho rukou. Uřízne zkušenost, protože stojí peníze. A pak zjistí, že právě ta zkušenost držela kvalitu.

AI je skvělá v tom, co se dá popsat a zopakovat. Selhává tam, kde je potřeba úsudek, kontext a ten pocit „tohle mi nesedí", který má člověk po patnácti letech v oboru. Podpora, když přijde výjimka. Inženýr, co pozná vadný návrh. To jsou přesně ta místa, kde náhrada nefunguje.

Co si z toho vzít, než začnete nasazovat

Neznamená to, že AI je slepá ulička. Ford ji nakonec rozjel, jen správně. Znamená to nasadit ji s rozumem.

• Nemažte zkušenost dřív, než z ní vytěžíte. Ford ztratil veterány dřív, než se jejich znalosti dostaly do systémů. Nejdřív si nechte lidi popsat, jak práci dělají a podle čeho poznají chybu. Teprve pak automatizujte.
• Rozdělte úkoly na rutinu a úsudek. Rutinu, tedy to, co se opakuje a dá popsat, klidně dejte AI. Úsudek a výjimky nechte lidem. Klarna teď jede přesně takhle: běžné dotazy bere AI, složité případy člověk.
• Měřte kvalitu, ne jen náklady. Klarna sledovala hlavně úspory a dojela na spokojenosti zákazníků. Vedle čísla „kolik jsme ušetřili" mějte tvrdé číslo na kvalitu, ať vidíte, když se propadá.
• Začněte v malém a nechte to člověka kontrolovat. Těch úspěšných 5 procent z MIT studie mělo AI zapojenou do jednoho konkrétního procesu, ne nasazenou plošně přes celou firmu. Když zvažujete nasazení AI ve firmě, rozjeďte to na jednom úseku, kde umíte změřit výsledek, a člověk ať u toho zůstane.

Poučení z Fordu není „AI nefunguje". Je to „AI je jen tak dobrá jako lidé a data za ní". Kdo tohle vezme vážně, ušetří si tři roky a pár miliard, které stály jiné.