Více než polovina firem směřuje na AI projekty přes 20 % svých digitálních rozpočtů, ale jen čtvrtina z nich dotáhla alespoň 40 % experimentů do reálného nasazení. Proč tolik peněz přináší tak málo výsledků?
Od pilotu do provozu: nejtěžší krok v AI transformaci, který většina firem stále nezvládá
Existuje výraz, který se v letošních interních prezentacích velkých firem opakuje stále častěji, a to tzv. pilot fatigue, tedy únava z nekonečného pilotování. Podle zprávy Deloitte nazvané State of AI in the Enterprise 2026, vycházející z průzkumu provedeného na podzim loňského roku mezi více než 3 200 vrcholovými manažery ze 24 zemí, pouhých 25 % organizací dotáhlo 40 % nebo více svých AI experimentů do reálného produkčního nasazení.
Zároveň přes 54 % respondentů věří, že tuto hranici překoná v příštích třech až šesti měsících. Optimismus roste, realita zatím pokulhává. Firmy přitom na AI projekty nevydávají málo, více než polovina organizací alokuje na digitální iniciativy s AI složkou mezi 21 % a 50 % svých technologických rozpočtů, což pro firmu s ročním obratem 300 miliard korun znamená investici v řádu 16 miliard korun ročně.
Konkrétní příklady ale ukazují, že dobře naplánovaná implementace skutečně přináší měřitelné výsledky. Americká fintechová firma Prog Holdings postavila interního chatbota jménem Piper, který zaměstnancům odpovídá na otázky ohledně HR procesů a IT problémů. Od spuštění vyřešil přes 18 000 dotazů, přičemž 58 % z nich bylo zodpovězeno správně při prvním pokusu. Úspěch Pipera vedl technologický tým ke druhému projektu, tentokrát zaměřenému na automatizované nastavování podmínek leasingových smluv. Výsledkem bylo zkrácení rozhodovacího času o 75 % a zvýšení konverzí u přímých zákazníků o 10 %.
Firma mezitím standardizovala většinu svých AI nástrojů na platformě Microsoft Copilot. Podobnou cestu šla i společnost Arctic Glacier Premium Ice, která nasadila agentní AI pro automatické sledování zásob ledu u zákazníků prostřednictvím IoT senzorů a lidarových systémů v prodejních regálech. Výsledkem bylo ušetření desítek milionů dolarů ročně na provozních nákladech call center a logistiky.
Skutečný problém ale neleží v nedostatku ambicí ani financí, ale v propasti mezi kontrolovaným testovacím prostředím a ostrým provozem. Analytici tuto mezeru označují jako proof-of-concept trap, tedy past úspěšného pilotu, který naráží na infrastrukturní, integrační a bezpečnostní bariéry v okamžiku, kdy má přejít do celé organizace. Přístup zaměstnanců k AI nástrojům sice loni vzrostl o 50 %, takže dnes má schválené AI nástroje k dispozici zhruba 60 % pracovníků. Méně než 60 % z nich je ale skutečně denně využívá, přičemž tento podíl se podle Deloitte oproti předchozímu roku prakticky nezměnil.
Obrázek: Midjourney
Zdroj: ciodive.com
