5 chyb při nasazování AI, které zabíjí pilot před provozem

Chyba 1: Začít technologií, ne procesem

Nejčastější vzorec: „Chceme nasadit AI. Která platforma je nejlepší?“ Tahle otázka předpokládá, že problém je v technologii. Není. Problém je v tom, že nevíte přesně, co chcete řešit.

Pilot, který začne výběrem nástroje, skončí jednou ze tří cest:

• nástroj sedí na něco, co vlastně není váš hlavní problém,
• nástroj nepokrývá to, co potřebujete, a musíte dělat custom úpravy,
• nástroj funguje skvěle, ale nikdo ho nepoužívá, protože neřeší reálnou bolest.

Správný postup: začněte tím, že zmapujete proces. Kde ztrácíme čas, kde se čeká, kde se opakovaně chybuje, kde jsou lidé přetížení. Teprve potom se ptejte, zda AI může pomoct, jaká část procesu a s jakou integrací. Technologie je poslední krok, ne první.

Chyba 2: Podcenit integraci s existujícími systémy

AI extrakce z PDF funguje. Dostat extrahovaná data do ERP, účetního systému, CRM nebo datového skladu - to je to, co dělá rozdíl mezi demo a produkcí. A to je to, co se v pilotech tradičně podceňuje.

Typické omyly:

• „AI část pořešíme teď, integraci doděláme potom.“ Výsledek: pilot funguje v izolaci, nikdo s daty nepracuje, projekt se zastaví.
• „ERP má API, to bude jednoduché.“ Reálně: dokumentace je zastaralá, pole chybí, autentizace je custom, importní logika závisí na verzi.
• „Integraci zařídí dodavatel SaaS.“ Často neumí váš konkrétní ERP nebo jen ve standardní verzi, která vám nestačí.

Před pilotem ověřte: Jaký formát systém reálně přijme? Kdo v organizaci má přístup k IT prostředí? Je tam test environment? Jak dlouho trvá IT schválení pro změny? Tohle nejsou technické detaily - tohle jsou blockery, které potápějí pilot.

Chyba 3: Chybějící vlastník procesu

AI workflow dotkne typicky 3 až 5 rolí ve firmě: operativu, IT, compliance, byznys, někdy finance nebo HR. Pokud není jasné, kdo proces vlastní, projekt skončí tím, že každý očekává, že rozhodnutí udělá někdo jiný.

Jak poznáte chybějícího vlastníka:

• Na schůzkách se neobjevuje stejný člověk, ale rotuje se.
• Rozhodování o scope trvá týdny, protože „musí to schválit ještě někdo“.
• Akceptační kritéria se posouvají, protože každá strana má jiná.
• Nikdo nepřebírá odpovědnost za přijetí výsledku.

Správně to vypadá takhle: jeden člověk (typicky business owner daného procesu) má mandát rozhodovat o scope, akceptaci a dalších krocích. Ostatní jsou poradní, ale blokovat projekt nemůžou. Bez tohoto není nasazení otázka „jestli“, ale „kolik měsíců to vydrží, než se utopí“.

Chyba 4: Nejasná akceptační kritéria

„Přesnost AI musí být vysoká.“ „Systém musí fungovat.“ „Chceme automatizovat kontrolu.“ Tohle všechno zní rozumně - a všechno je to měřitelně bezcenné.

Pokud neřeknete konkrétně, co má být po pilotu vidět, dopadne to jednou ze dvou cest:

• Klient ve finále řekne „ale tohle jsme nechtěli“ a nepřijme výsledek.
• Dodavatel dokládá, že „technologie funguje“, a klient si to musí vzít - i když to neřeší jeho problém.

Dobré akceptační kritérium má tři vlastnosti:

• Měřitelnost. „95 % přesnost na klíčových polích X, Y, Z na vzorku 100 reálných dokumentů.“
• Provozní smysl. „Operátor musí stihnout 100 dokumentů denně místo současných 30.“
• Časovost. „Ve vybraném týdnu ostrého provozu, s reálnými vstupy.“

Kritéria se definují před stavbou, ne během prezentace výsledků. Bez toho se pilot snadno změní v projekt, kde není spokojený klient ani dodavatel.

Chyba 5: Přesunout odpovědnost na AI místo na proces

„AI nám bude schvalovat faktury.“ „AI rozhodne, která reklamace je oprávněná.“ „AI řekne, jestli atest odpovídá normě.“

Technicky všechno tohle AI umí. Provozně je to past. V kritických procesech musí být jasné, kdo nese odpovědnost za rozhodnutí a kdy člověk do procesu vstupuje. Ne proto, že by AI byla nepoužitelná, ale proto, že:

• Audit často vyžaduje konkrétní osobu, pravidlo nebo procesní krok, který rozhodnutí potvrdil.
• Compliance (AI Act, GDPR, sektorová regulace) obvykle očekává dohledatelnost, lidský dohled u rizikových rozhodnutí a jasné role.
• Pokud AI udělá chybu a nikdo ji nekontroloval, spadne to na firmu - ne na vendora.
• Interní přijetí je větší, když AI je nástroj, ne náhrada. Operátoři se nebojí ztráty role.

Správný vzorec: AI připraví strukturovaný podklad, validuje, označí rizika a anomálie. Člověk potvrdí nebo opraví. U standardních případů to může být jedno kliknutí, u výjimek hlubší zkoumání. Obojí je rychlejší než ruční práce, obojí má jasnou odpovědnost.

Bonus: co pomáhá pilotu doběhnout

Pokud se pěti chybám vyhnete, ještě tři věci zvyšují šanci úspěchu:

• Malý scope. Jeden use-case, ne pět. Jeden typ dokumentu, ne všechny. Uspějte nejdřív v malém - rozšiřování je snadné, zúžení po selhání ne.
• Reálná data od začátku. Ne „ukázkové“ dokumenty, ale ten neuspořádaný provoz, jaký máte ve firmě. Pilot na ideálních datech selže na edge case v provozu.
• Provozní tým od první fáze. Operátoři, kteří s řešením budou pracovat, musí být součástí návrhu, ne příjemci finálního produktu.

Co si z toho odnést

Selhávající AI pilot bývá selhávající projekt - a projektové chyby nejsou technologické. Začíná to zadáváním nástrojem místo procesem, pokračuje podceněnou integrací, nejasnou odpovědností, měkkými kritérii a končí snahou přesunout rozhodování na AI.

Dobrá zpráva: všech pět chyb jde odhalit před začátkem pilotu. Přesně to je důvod, proč začínáme každý projekt analýzou procesu a návrhem řešení - který má za cíl říct, jestli má smysl vůbec stavět, nebo jestli by se nejprve měl vyřešit samotný proces, vlastnictví a integrace.

Pokud vám někdo nabízí „AI pilot bez analýzy procesu“, zkontrolujte tento seznam. Pět chyb se často dělá ne z nevědomosti, ale z obchodního tlaku dodat rychle. Rychlý pilot bez přípravy je rychlá cesta k selhání.