Pillar page

Implementace AI ve firmě

Praktický průvodce krok za krokem — od identifikace procesů k automatizaci, přes pilot, po plné škálování. Shoda s EU AI Act a GDPR, kontrola nákladů, bezpečnost dat.

Audit připravenosti na AI Multi-agentní systémy

Implementace AI ve firmě nespočívá v koupi předplatného ChatGPT a jeho rozeslání zaměstnancům. Je to byznysově-technologický projekt, který vyžaduje: identifikaci konkrétních procesů k automatizaci, integraci se stávajícími systémy, zajištění shody s GDPR a EU AI Act, kontrolu nákladů, měření výsledků. Krátce: vyžaduje inženýrství.

Dobrá zpráva: není třeba vymýšlet to od nuly. Máme za sebou sérii AI implementací — od mikroslužeb obsluhujících jednotlivé úkoly po interní platformu HybridCrew orchestrující desítky specializovaných agentů. Z každé implementace jsme vytěžili lekce, které převádíme do ověřeného procesu. Tento článek popisuje, jak ten proces vypadá v praxi.

Tři nejčastější důvody, proč firmy začínají s AI

Úspora času administrativního týmu. Klasifikace e-mailů, generování reportů, obsluha support tiketů, drafty dokumentů — to všechno lze z velké části automatizovat. Zaměstnanci získávají zpět 20-40 % času na úkoly vyžadující lidský úsudek.
Škálování byznysu bez škálování týmu. Firmy v rychlém růstu používají AI k obsluze více klientů, projektů, transakcí bez proporcionálního navyšování zaměstnanců. Obvykle jednodušší a rychlejší než nábor.
Compliance a kvalita. AI se neunaví, nezapomíná, nevynechává procedurální kroky. Pro auditní procesy (GDPR, ISO 27001, EU AI Act) — kvalita nedosažitelná pro lidi pracující pod časovým tlakem.

Šest fází implementace AI

Ověřený harmonogram od rozhodnutí ke škálování. Každá fáze má konkrétní výstup — projekt lze snadno zastavit, pokud výsledky neodpovídají očekávání.

Discovery (2-4 týdny)

Mapování obchodních procesů, identifikace kandidátů na automatizaci, hodnocení ROI pro každý, klasifikace EU AI Act, audit shody GDPR. Výstup: seznam 5-10 procesů s prioritami, plán pilotu pro 2-3 nejlepší.

Architektura a volba technologie

Volba LLM modelů (cloudové, lokální, multi-model), platformy orchestrace, infrastruktury (cloud vs. on-premise vs. hybrid), integrací se stávajícími systémy. Rozhodnutí zohledňují rozpočet, bezpečnostní požadavky, plány rozvoje.

Pilot (4-8 týdnů)

Nasazení prvních 2-3 procesů end-to-end. Konfigurace agentů, integrace se systémy, anonymizace dat (Anoxy), monitoring nákladů. Testování s obchodním týmem, dolaďování promptů, validace kvality.

Měření a optimalizace

Analýza operačních a obchodních metrik po 4-6 týdnech produkčního provozu. Dolaďování agentů na základě reálných dat, redukce nákladů LLM modelů, přidávání nových funkcí na základě zpětné vazby uživatelů.

Škálování

Rozšíření na další obchodní procesy. Každý nový proces nasazen v 2-4 týdenní iteraci (výrazně rychleji než pilot, protože infrastruktura je hotová). Postupné pokrytí dalších oddělení.

Continuous improvement

Po 6-12 měsících: stálá optimalizace na základě dat z produkce, přidávání nových rolí agentů, integrace s novými systémy, zdokonalování compliance, redukce nákladů. AI se stává integrální součástí provozu firmy.

Je firma připravena na implementaci AI?

Šest oblastí ke kontrole před zahájením projektu. Chybějící některé z „ano" neblokuje implementaci, ale vyžaduje řešení ve fázi discovery.

Procesy k automatizaci

✓

Máme 5-10 opakovaných procesů, které lze popsat procedurou.

✗

Všechny naše úkoly jsou unikátní a vyžadují lidský úsudek.

Firemní data

✓

Máme organizovaná data (CRM, ERP, databáze klientů, dokumenty) dostupná přes API nebo export.

✗

Data jsou rozptýlena v tabulkách, e-mailech, papírových dokumentech.

Podpora vedení

✓

Vedení rozumí potřebě a je připraveno na 6-12měsíční projekt.

✗

Implementace AI je iniciativou jednotlivce bez podpory vedení.

Tolerance ke změně

✓

Tým je otevřen novým nástrojům a procesům.

✗

Každá změna ve firmě naráží na velký odpor.

Rozpočet a čas

✓

Máme rozpočet 50-500 tis. PLN a akceptujeme 6-12 měsíců do plné ROI.

✗

Očekáváme výsledek za 2 týdny za pár tisíc korun.

Citlivá data

✓

Víme, jaká data jsou citlivá (PII, finanční, zdravotní) a akceptujeme odpovídající zabezpečení.

✗

Ještě jsme se nezamýšleli nad bezpečností a compliance.

EU AI Act — co potřebujete vědět před implementací

Akt EU o umělé inteligenci (EU AI Act) začne plně platit od 2. srpna 2026. Každá firma implementující AI v EU musí provést klasifikaci svého systému a splnit odpovídající povinnosti. Porušení: pokuty až 35 mil. EUR nebo 7 % globálního ročního obratu.

Čtyři úrovně klasifikace:

Zakázané praktiky AI (podprahová manipulace, social scoring, masová biometrie) — nelze nasazovat.
Vysoké riziko AI (HR, vzdělávání, kritická infrastruktura, soudnictví) — vyžaduje: posouzení shody (CE marking), řízení rizik, technickou dokumentaci, transparency, lidský dohled, robustness/cybersecurity.
Omezené riziko (chatboti, deepfakes, AI tvořící obsah) — vyžaduje povinnosti transparentnosti (Art. 50): informování uživatelů, označování generovaných obsahů.
Minimální riziko (většina AI systémů) — bez dodatečných požadavků, dobrovolné kodexy chování.

Každá implementace ESKOM AI začíná klasifikací EU AI Act ve fázi discovery. Pro systémy omezeného rizika (nejčastější případ) stavíme povinnosti transparentnosti rovnou: banner „Hovoříte s umělou inteligencí", označování AI obsahu v exportech, metadata v dokumentech.

GDPR při implementaci AI

Každá implementace AI zpracovávající osobní údaje vyžaduje: právní základ zpracování (souhlas, smlouva, právní povinnost, oprávněný zájem), minimalizaci dat (jen to, co je nezbytné), zajištění práv osob (přístup, oprava, výmaz), bezpečnost dat (šifrování, kontrola přístupu, audit log), smlouvu o zpracování s poskytovateli LLM modelů (Anthropic, OpenAI, Google).

U AI navíc: právo na vysvětlení algoritmických rozhodnutí. Pokud AI činí rozhodnutí s dopadem na osobu (např. udělení úvěru, klasifikace žádosti), osoba má právo požadovat vysvětlení a lidský zásah. Architektura systému to musí podporovat — každé rozhodnutí lze vrátit a zdůvodnit.

Často kladené otázky

Kde začít s implementací AI ve firmě?

Identifikací konkrétních procesů k automatizaci — ne výběrem AI nástroje. Nejlepší kandidáti: opakované úkoly, popsatelné procedurou, vykonávané několika zaměstnanci, generující velký objem práce. Klasické příklady: klasifikace e-mailů, generování reportů, obsluha support tiketů, code review, analýza dokumentů. Po identifikaci 5-10 procesů hodnotíme každý z hlediska ROI (úspora času × frekvence) a rizika. Pilot zahájíme s 2-3 nejlepšími.

Kolik stojí implementace AI?

Náklady závisí na rozsahu. Malý pilot (1-2 procesy, jeden tým) typicky 30-80 tis. PLN. Střední implementace (5-10 procesů, 2-3 oddělení) 150-500 tis. PLN. Velké, transformační implementace (celá organizace, integrace s obchodními systémy) — od 500 tis. PLN výše, ale obchodní hodnota přiměřeně vyšší. Provozní náklady (LLM modely, infrastruktura) typicky 5-15 tis. PLN měsíčně u střední implementace — lze je drasticky redukovat přes lokální modely pro opakované úkoly.

Jak dlouho trvá implementace AI?

Pilot prvního procesu: 4-8 týdnů od rozhodnutí k fungující automatizaci. Škálování na další procesy: 2-4 týdny per proces (výrazně rychleji, protože stavíme na pilotní infrastruktuře). Plná implementace pokrývající většinu administrativních procesů ve firmě 50-200 osob: 6-12 měsíců v 2-3 týdenních iteracích s konkrétními obchodními efekty na konci každé.

Jaká jsou největší rizika implementace AI?

Pět hlavních: 1) Bezpečnost dat — citlivá data odeslaná do externích modelů mohou být použita k tréninku. Mitigace: anonymizace PII před odesláním (Anoxy), lokální modely pro citlivé úkoly. 2) Halucinace — AI generuje nepravdivé, ale věrohodně znějící informace. Mitigace: validace výsledků, double-checking, eskalace kritických rozhodnutí. 3) Compliance (GDPR, EU AI Act) — požadavky transparentnosti, označování AI obsahu. Mitigace: zabudované od první řádky kódu. 4) Náklady LLM modelů — mohou se rychle vymknout kontrole. Mitigace: víceúrovňový routing, limity, monitoring. 5) Organizační odpor — zaměstnanci se obávají ztráty práce. Mitigace: komunikace od prvního dne, zapojení týmu do rozhodnutí, fokus na uvolnění času pro hodnotnější úkoly.

Co s EU AI Act a GDPR při implementaci?

EU AI Act (platný od 2. srpna 2026) vyžaduje klasifikaci AI systému (zakázaný, vysoké riziko, omezené, minimální), splnění povinností transparentnosti (Art. 50): informování uživatelů o interakci s AI, označování obsahu generovaného AI, technickou dokumentaci. GDPR vyžaduje: minimalizaci dat, anonymizaci kde možno, právní základ zpracování, právo na vysvětlení algoritmických rozhodnutí. Každá implementace AI v ESKOM AI začíná klasifikací EU AI Act a mapováním shody GDPR. Není to volitelné — je to zabudované v procesu.

Musíme mít IT oddělení, abychom implementovali AI?

Ne. Malé firmy bez vlastního IT mohou také implementovat AI — pracujeme jako outsourcované implementační oddělení, dodáváme jak technologii, tak provozní podporu. Požadované minimum na straně klienta: rozhodující osoba (která dělá obchodní volby — který proces, jaká priorita), 1-2 osoby z byznysu (které znají procesy a pomohou je popsat), administrativní přístup k systémům, které má AI integrovat. Zbytek bereme na sebe — analýza, návrh, implementace, testy, deployment, údržba.

Ztratí zaměstnanci práci kvůli implementaci AI?

Z naší zkušenosti s dosavadními implementacemi — ne. Nejčastější efekt: zaměstnanci získávají zpět 20-40 % času (zejména v administrativních odděleních) a přesouvají jej na úkoly vyžadující lidský úsudek, kreativitu, budování vztahů. Firmy častěji rostou rychleji (více projektů obsluhováno stejným týmem) než redukují zaměstnance. Výjimka: opakované úkoly nízké hodnoty (ruční kopírování dat, klasifikace spam e-mailů, generování šablonových reportů) — ty mizí, ale málokdy byly něčí hlavní náplní práce.

Jaké LLM modely jsou dostupné a který vybrat?

Hlavní rodiny: Claude (Anthropic) — nejlepší pro složitou analýzu, kód, reasoning. GPT (OpenAI) — univerzální, dobrá integrace s Microsoft. Gemini (Google) — multimodální, dobré pro obrázky a video. Lokální modely: Llama (Meta), Mistral, polský Bielik — běží na infrastruktuře klienta, žádné náklady per request. Strategie ESKOM AI: nevolíme jeden model, ale uplatňujeme multi-model routing — vhodný model pro vhodný úkol. Drobné klasifikace → lokální model. Složitá analýza → nejsilnější cloudové modely. Kreativní generování → specializované modely. Klient platí za skutečnou spotřebu, ne za jednotné předplatné nejsilnějšího modelu.

Jsou moje data bezpečná v cloudových LLM modelech?

Záleží na modelu a konfiguraci. Anthropic Claude (přes API s opcí „no data training") a Azure OpenAI (enterprise contract) garantují, že data nejsou použita k tréninku modelů. Konzumní verze ChatGPT.com a Claude.ai — považujeme je za nebezpečné pro firemní data. Pro citlivá data vždy uplatňujeme: anonymizaci PII před odesláním (mikroslužba Anoxy kontroluje a maskuje), lokální LLM modely (na GPU klienta, bez opouštění dat za hranice sítě), enterprise contracts s cloudovými poskytovateli (smluvní záruky).

Jak měřit úspěch implementace AI?

Tři úrovně metrik. 1) Operační (denně): počet úkolů obsloužených AI, doba odezvy, náklad per úkol, accuracy (jak často je odpověď správná). 2) Obchodní (měsíčně): čas ušetřený zaměstnancům, ušetřené náklady vs. ruční proces, NPS uživatelů (týmu i koncových klientů), počet support tiketů. 3) Strategické (kvartálně): růst obchodní schopnosti (více obsloužených klientů, více projektů, kratší time-to-market), spokojenost zaměstnanců, redukce lidských chyb. Každý pilot začínáme stanovením, jaké metriky budeme měřit — bez toho je obtížné prokázat ROI.

Audit připravenosti na AI — zdarma

90minutový rozhovor: mapujeme současné procesy, identifikujeme nejlepší kandidáty na automatizaci, hodnotíme klasifikaci EU AI Act a uvádíme odhadované ROI. Bez závazku.

Domluvit audit připravenosti Multi-agentní systémy