AI Build vs Buy: Proč střední podniky investují špatně

KI-Strategie · 21. März 2026 · Mohsen Ghulami

AI Build vs Buy ve středních podnicích: Většina pálí peníze špatnými strategiemi. Zjistěte, proč je hybridní cesta jediným řešením.

Minulý týden jsem seděl s generálním ředitelem strojírenské firmy z Teutoburského lesa. Klasický skrytý šampion, 250 zaměstnanců, světový lídr v niche, o které jste nikdy neslyšeli. S hrdostí i zoufalstvím mi vyprávěl o svém „vlajkovém projektu“: vlastní vyvinuté AI pro prediktivní údržbu jeho zařízení. Rozpočet: 1,5 milionu eur. Trvání: dva roky. Výsledek: polovičaté řešení, které produkuje více falešných poplachů než nervózní hlídací pes a které je údržbáři v terénu – nazvěme je mistr Kaczmarek – jednoduše ignorováno. Celá debata „AI: Build vs. Buy“ v německých středních podnicích je fraška. A já vám také řeknu proč: Obě cesty, tak jak jsou dnes většinou voleny, vedou přímo do slepé uličky.

Upřímně: V představenstvech řádí nebezpečná směs paniky z promeškání příležitosti a touhy po uznání. Chce se „něco dělat s AI“, protože konkurent ze sousední obce se tím už chlubí. Takže se začíná od konce. Jedni propadají „Build“ šílenství. Poháněni romantickou představou vývoje svatého grálu – proprietární AI, která rozdrtí konkurenci. To je inženýrská duše, která se projevuje, znám to. Chce se to stvořit sám. Problém: Nejste Google ani OpenAI. Kompletní vlastní vývoj AI řešení spolyká miliony (podle analýz W&P mluvíme o 5-10 milionech eur za tři roky pro středně velký projekt) a nese obrovské riziko. Míra úspěšnosti? Střízlivých 30-50 procent.

A druhá strana? Ta propadá sirénovému zpěvu „Buy“ frakce. Prostě si koupíme standardní software od jednoho z velkých dodavatelů, a pak budeme v bezpečí. Zní to lákavě, že? Rychle, zdánlivě levně, škálovatelně. Problém: Tato „krabicová“ řešení jsou často stejně flexibilní jako železniční kolejnice. Fraunhofer IPA to v jedné studii z roku 2026 (ano, ti už se dívají dál dopředu) černě na bílém dokázal: V 70 až 80 procentech případů selhávají standardní AI modely kvůli složitosti reálných výrobních procesů, například při prognóze energetických špiček. To je jako byste se snažili řídit vysoce komplexní, individualizovaný výrobní proces pomocí aplikace z App Store. Můžete to udělat – ale pak je to prostě špatně.

AI Build vs Buy: Nepohodlná pravda v číslech

Přestaňme si lhát do kapsy. Rozhodnutí o AI strategii není otázkou víry, je to tvrdá ekonomika. Prohlédl jsem si nejnovější analýzy od Fraunhofer IPA a strategické poradenské firmy Wieselhuber & Partner (W&P). A čísla – ta jsou fackou pro každého snílka.

Podívejte se na to. Čistý vlastní vývoj je finanční sebevražedná mise s absurdně vysokou mírou selhání. Čistý nákup je loterie, kde je pravděpodobnější prohra (nedostatečná shoda) než hlavní výhra. To není názor, to jsou fakta z analyzovaných projektů. A to ještě nejsou započítány následné náklady na údržbu a frustrovaní zaměstnanci, které trápíte nedotaženými nástroji. Nemluvíme zde o drobnostech, ale o investicích, které mohou středně velkou firmu dostat do potíží. S tím se nedá nic dělat.

AI je hnací silou a umožňovatelem; začněte s bolestivými body a čistými daty – pak projekty zažijí AI boost, místo aby se rozplynuly v písku.

— Volker Riedel, partner ve W&P Strategieberatung

Minulý týden jsem telefonoval s Volkerem Riedelem z W&P a on to vystihl. Celá diskuse je špatně postavena. Nejde o technologii. Jde o problém. A jde o surovinu – data.

Ale... co s jedinečnou konkurenční výhodou?

Už slyším námitku z technického koutku: „Ale pane Müller, když budeme jen skládat standardní komponenty, kde zůstane naše USP? Naše jedinečná výhoda na trhu?“ To je nejsilnější – a na první pohled nejpravděpodobnější – argument pro přístup „Build“. Sen o vytvoření AI, která je tak dokonale přizpůsobena vlastnímu, tajnému výrobnímu receptu, že konkurence jen ohromeně stojí stranou.

To je nebezpečný omyl. Podle mých zkušeností 9 z 10 firem dramaticky přeceňuje jedinečnost svých procesů. Skutečná, nedostižná konkurenční výhoda dnes už jen zřídka spočívá v samotném algoritmu (mnoho z nich je open source nebo snadno replikovatelných), ale ve dvou věcech: v jedinečných – a čistých! – datech, která jste shromažďovali po desetiletí, a v hluboké integraci AI logiky do vašich klíčových procesů. A právě zde přichází na řadu hybridní přístup. Kupte si standardní stavební kameny – datové připojení, vizualizaci, základní algoritmy. Ale postavte na nich vlastní, vysoce specifickou logiku, která je krmena vašimi odbornými znalostmi a vašimi jedinečnými daty. To není kapitulace. To je prostě chytré.

Co vidím venku: AI strategie ze slonovinové věže

Když procházím výrobními halami v zemi, vidím opakující se vzorec. Nahoře, v kancelářích, se bojuje s PowerPointem o „digitální transformaci“ a „strategii AI-First“. Uvolňují se rozpočty, najímají se konzultanti a vyhlašují se vlajkové projekty. Dole, na podlaze haly, kde se tvoří hodnota, mezitím mistr Kaczmarek kroutí hlavou. Proč? Protože drahá zakoupená nebo pracně vyvinutá AI je krmena daty, která dřímou ve dvacet let starých tabulkách Excel, v proprietárním řídicím systému PLC z devadesátých let nebo – žádný vtip, sám jsem to zažil – na osobním notebooku mistra, který za šest měsíců odejde do důchodu.

Jde o to: Bez centrální, čisté a přístupné databáze je každá AI strategie jako pokus natankovat Porsche bahnitou topnou naftou. Nejenže nepojede rychle, ale rozbije se. Úspěch společností jako REWE, které dokázaly snížit své materiálové náklady o 10-20 % integrací standardních AI řešení, není založen na magickém algoritmu. Je založen na tvrdé předběžné práci, aby se jejich data dostala pod kontrolu. Čistá data jsou skutečnou surovinou digitalizace. Všechno ostatní je drahé věštění z kávové sedliny.

Znáte vůbec svého zákazníka?

A to mě vede k ještě zásadnějšímu problému. Mnoho firem investuje miliony do optimalizace interních procesů pomocí AI, ale ani přesně nevědí, kdo je jejich ideální zákazník. Než vložíte jediný euro do AI projektu, musíte si naprosto jasně definovat, pro koho to všechno děláte a jaký problém pro tohoto zákazníka řešíte. Jinak optimalizujete do prázdna.

Amplifa ICP Playbook: Najděte svého ideálního zákazníka Definujte svůj profil ideálního zákazníka (ICP) s ostrou přesností. Základ pro každou úspěšnou prodejní a produktovou strategii – a předpoklad pro smysluplnou investici do AI.

Když je ICP hotové, jde o pochopení trhu. Jak velký je skutečný potenciál? Pro které segmenty se vyplatí úsilí o personalizaci s podporou AI?

Amplifa TAM-Analyse: Realisticky odhadněte tržní potenciál Přestaňte hádat. S naší analýzou celkového adresovatelného trhu (TAM) kvantifikujete svůj tržní potenciál a identifikujete nejlukrativnější cílové segmenty pro vaši expanzi s podporou AI.

Konec s plánovacími hrami: Co se musí stát teď

Dost analýz. Co to teď konkrétně znamená pro vás jako generálního ředitele, CTO nebo digitálního šéfa ve středním podniku? Znamená to, že musíte přestat honit módní slova a místo toho si vyhrnout rukávy. Zde je váš pětibodový plán – nazvěte to „Müllerův manifest pro praktickou AI“:

1. Krok 1: Radikální analýza bolestivých bodů namísto zamilovanosti do technologie. Zavřete své IT lidi a AI evangelisty na jeden den. Místo toho si sedněte s vedoucím výroby, obchodním ředitelem a mistrem Kaczmarkem. Zeptejte se: „Kde krvácíme peníze? Kde ztrácíme čas? Jaký problém nám krade spánek noc co noc?“ Identifikujte tři největší bolestivé body. Pouze pro ně se bude vůbec uvažovat o AI.
2. Krok 2: Brutální inventura dat. Okamžitě. Vyhlaste tříměsíční moratorium na všechny nové AI projekty. Využijte tento čas k provedení jediného, nezpochybnitelného úkolu: Uveďte svá data do pořádku. Kde se nacházejí? Jak jsou aktuální? Kdo k nim má přístup? Vytvořte „Single Source of Truth“. To je nejpřitažlivější, ale nejdůležitější úkol celé digitalizace.
3. Krok 3: Definujte hybridní model jako zlatý standard. Na základě vašich bolestivých bodů vyhodnoťte podle rámce W&P: Co je náš „tajný recept“ (jedinečná procesní data, odborné znalosti) a co je standard (datové připojení, vizualizace)? Kupte si standardní komponenty od zavedených dodavatelů. Ale trvejte na otevřených rozhraních (API). Na tomto základě pak s malým, specializovaným týmem nebo externím partnerem postavte rozhodujících 10 % vlastní logiky, která dělá rozdíl.
4. Krok 4: Pilotní projekt s vestavěnou exit strategií. Vyberte si nejmenší ze tří bolestivých bodů a spusťte jasně vymezený pilotní projekt. Rozpočet: maximálně 100 000 eur. Časový rámec: maximálně šest měsíců. Předem definujte tvrdé KPI (např. „snížení falešných poplachů o 50 %“). Pokud cíle po šesti měsících nejsou splněny, projekt se pohřbí. Bez diskuse. Největším nebezpečím je Sunk-Cost-Fallacy – lpění na neúspěšném projektu, protože už bylo tolik investováno.
5. Krok 5: Od prvního dne myslete na compliance. EU AI Act nepřijde možná, přijde jistě (od roku 2027 to bude pro strojírenské firmy vážné). Ignorování regulací není bagatelní přestupek, ale potenciální překážka. Využijte šablony a zkušenosti z projektů, jako je Reallabor KIRR Real v Bádensku-Württembersku. Ti už ukázali, jak implementovat právně bezpečné AI řešení kombinací validovaných Buy prvků s vlastní validovanou integrací. To podle tamních výzkumníků snižuje rizika až o 50 %.

A nezapomeňte na člověka

Nejchytřejší AI vám nepřinese absolutně nic, pokud váš prodejní tým nerozumí, jak přeměnit takto vytvořenou přidanou hodnotu u zákazníka na eura a centy. AI, která přesně předpovídá dodací lhůty, je výhodou pouze tehdy, když váš prodejce dokáže prodat jako záruku. Technologie je pouze umožňovatel. Prodávat musí stále člověk.

Amplifa Sales Coaching: Proměňte svůj tým v prodejní stroj Technologie neprodává, prodávají lidé. Náš koučink transformuje váš prodejní tým, aby suverénně umisťoval hodnotu vašich inovací – včetně vašich AI řešení – u zákazníka.

Časté otázky k AI strategii ve středních podnicích – Jasně a bez konzultantského žargonu

Jak vysoké jsou skutečné náklady AI projektu?

Zapomeňte na lesklé prospekty. U vlastního vývoje (Build) počítejte s minimálně 5 miliony eur za první tři roky, včetně obrovských nákladů na údržbu. Čistý nákup (Buy) může začít na 500 000 eurech, ale riziko, že se to nebude hodit a peníze odepíšete, je obrovské. Realistická a nejúspěšnější cesta – hybridní přístup – se obvykle pohybuje mezi 1 a 3 miliony eur, ale má rozhodující výhodu pozitivního ROI často již po 12 až 18 měsících.

Mám starý strojový park. Mohu ho vůbec dovybavit AI?

Ano, naprosto. A to je často dokonce inteligentnější cesta. Klíčové slovo je „Retrofit“. Firmy jako IBHsoftec vyvinuly frameworky pro datové připojení i starších strojů bez moderních rozhraní pomocí standardů jako OPC-UA. To je často o 50 % levnější než kompletní nová akvizice a může, jak ukazují příklady u Siemens v Ambergu, vést k úsporám energie až 70 %. Vaše staré stroje nejsou zátěží – jsou zlatým dolem plným historických dat, pokud je dokážete využít.

Je „Pure Build“ pak někdy dobrou AI strategií pro střední podniky?

Ve velmi, velmi vzácných výjimečných případech. Pokud vaše hlavní činnost spočívá na naprosto jedinečném datovém souboru, který nikdo jiný na světě nemá – například analýza specifických vlastností materiálu v tajném chemickém procesu –, pak může být kompletní vlastní vývoj smysluplný. Pro 99 % středně velkých aplikací (plánování výroby, kontrola kvality, prediktivní údržba) je to však finanční a technologický overkill. Soustřeďte svou vývojovou sílu raději na dokonalé přizpůsobení standardního řešení vašemu procesu.

Sázím se, že za tři roky už nebudeme mluvit o „Build vs. Buy“. Budeme mluvit o „Smart Adapt vs. Dumb Install“. Vítězi budou ti, kteří pochopili, že AI není produkt, který si koupíte, ale schopnost, kterou si musíte osvojit – postavenou na pevném základu čistých dat a standardní technologie.

Otázka tedy nezní „Build nebo Buy?“. Skutečná otázka, kterou si dnes musíte položit, zní: Máte odvahu nejprve udělat své domácí úkoly, než hodíte své těžce vydělané peníze dalšímu AI šarlatánovi? Diskutujte se mnou na LinkedIn nebo mi napište e-mail. Těším se na vaše stížnosti a úspěšné příběhy.