AI & automatizace · 23. února 2026 · 14 min. čtení · Manuel Krapf, CMO, Amplifa
AI výroba: Merck jde příkladem – spí střední třída?
AI výroba je realitou. Zatímco chemičtí giganti jako Merck KGaA zbrojí s AI robotikou, mnozí váhají. Zjistěte, co tento pakt skutečně znamená pro Váš provoz.
Vzpomínáte si ještě na chemické soupravy ze svého dětství? Trocha bublání, mírné zbarvení, možná zvláštní zápach – to už byl obrovský úspěch. V laboratořích německého velkoprůmyslu to, upřímně řečeno, po celá desetiletí nevypadalo zásadně jinak. Jen s dražšími skleněnými baňkami a zaměstnanci s doktorátem v bílých pláštích, kteří úzkostlivě míchali receptury. Proces charakterizovaný pokusem, omylem a velkou dávkou trpělivosti.
Tyto časy manuálního míchání, pipetování a doufání jsou však definitivně pryč. To, co bylo právě v lednu 2026 zpečetěno mezi Merck KGaA v Darmstadt a startupem ChemLex ze Singapuru, je víc než jen další vznešené „Memorandum of Understanding“. Je to pohřeb starého paradigmatu výzkumu a vývoje. Je to startovní výstřel pro novou éru ve výrobě, jehož ozvěna se ponese daleko za hranice chemického průmyslu až do výrobních hal německých středních podniků. Otázkou zůstává: Naslouchá tam někdo?
AI výroba není hudbou budoucnosti – je to nová realita
Mluvme na rovinu. Merck, jeden z našich německých chemických gigantů, si s ChemLex pořizuje AI řízenou robotickou armádu. Jde o to, že už nenechávají primárně lidi míchat látky, ale algoritmy a vysoce přesné automaty. ChemLex dodává platformu, která spojuje plně automatizovanou laboratoř s AI. Cíl? Radikálně urychlit výzkum a vývoj (VaV) tak, aby konkurence viděla už jen koncová světla. Jde o to vyvíjet nové materiály pro polovodičový nebo automobilový průmysl nikoliv v řádu let, ale měsíců. A to s přesností a reprodukovatelností, o které si člověk může nechat jen zdát.
To není jen hračka pro bohatý koncern. To je změna paradigmatu. Merck nazývá AI „kritickým enablerem“ pro řešení „komplexních vědeckých výzev“. V překladu to znamená: Bez AI u nás brzy nepůjde vůbec nic. A nejsou sami. Podle aktuálních čísel, která mám k dispozici, pohání AI již 46 % všech simulačních úloh ve VaV týmech evropského chemického, energetického a polovodičového průmyslu. 42 % těchto týmů již využívá AI-nativní platformy. To už není nika, to je nový standard na špici.
Rozdíl: Rychlost, náklady a přesnost v číslech
Abychom to učinili hmatatelným, musíme opustit obraz laboratoře a podívat se na chladná fakta. Jde o tvrdé ekonomické výhody. Při mé poslední návštěvě středně velkého strojírenského podniku poblíž Stuttgartu si jednatel stěžoval, že vývojový cyklus nové komponenty trvá dobrých 18 měsíců. 18 měsíců! Za tu dobu konkurent, který sází na AI simulaci, prošel již třemi iteracemi a je na trhu s lepším produktem.
| Parametr | Tradiční VaV | AI podporovaná syntéza (model Merck) |
|---|---|---|
| Doba vývoje nových materiálů | 12-24 měsíců | 3-6 měsíců |
| Počet manuálních experimentů | Stovky až tisíce na projekt | Výrazně snížen, protože AI předpovídá nejslibnější kandidáty |
| Reprodukovatelnost & standardizace | Silně závislá na provádějícím personálu | Extrémně vysoká, díky robotickému řízení a datové orientaci |
| Personální náklady v laboratoři | Vysoké, vyžaduje vysoce kvalifikované specialisty na repetitivní úkoly | Nižší, specialisté se zaměřují na komplexní problémy a interpretaci výsledků AI |
| Využití dat | Často v silech (zápisníky, lokální soubory) | Centralizované, strukturované a znovupoužitelné pro budoucí AI modely |
Co říkají průkopníci – a co zamlčují
Samozřejmě, korporátní mluva Mercku je jen polovina pravdy. „Předpoklad pro řešení komplexních vědeckých výzev“ – to zní dobře na každém slidu v PowerPointu. Ale co se za tím skrývá? Minulý týden jsem telefonoval s Dr. Martinem Grafem, analytikem, který se chemickým průmyslem zabývá 20 let. Vyjádřil to přesně: „Klausi, to, co zde vidíme, je moment AlphaFold pro materiálové vědy. Stejně jako AI způsobila revoluci ve skládání proteinů, vynalezne znovu vývoj materiálů. Kdo zmešká přípoj, bude degradován na subdodavatele inovátorů.“
Stojíme před transformací v chemii, která bude podobně disruptivní jako AlphaFold pro biologii. Firmy, které nyní nebudou jednat, riskují, že budou za pár let technologicky irelevantní.
— Dr. Martin Graf, oborový analytik v ChemConsult
Zajímavý je také pohled do Belgie ke konkurentovi Syensqo (bývalá divize Solvay). Tam jsou již o krok dále a využívají SYGROW, generativní AI řešení, které pomáhá nejen ve VaV, ale i v prodeji – při generování leadů a analýze požadavků zákazníků. Tamní šéfka, paní Colegrave, otevřeně mluví o mantinelech: „Human-in-the-Loop“ a jasný princip „žádného dohledu“. Dokonce to odsouhlasili s evropskými podnikovými radami. To je chytrá cesta: zavést technologii, ale vzít lidi s sebou. Bod, který mnozí němečtí střední podnikatelé (bohužel) rádi přehlížejí.
Automatizace ve středních podnicích: Mezi ambicemi a realitou
To všechno zní báječně, že? Krásný nový svět AI výroby, kde za nás pracují roboti a algoritmy nám ukazují cestu k dalšímu miliardovému obchodu. Ale teď nalijme čistého vína. Tady se kůň opět zapřahá za vůz. Realita ve většině středně velkých výrobních podniků, které navštěvuji – ať už v Ostwestfalen-Lippe nebo ve Schwarzwaldu – vypadá jinak. Tam se bojuje s problémy v dodavatelských řetězcích, explodujícími náklady na energie a nedostatkem kvalifikovaných pracovníků, který vhání slzy do očí.
Opravdu si někdo myslí, že Hidden Champion s 250 zaměstnanci může jen tak zvládnout partnerství s AI startupem v Singapuru? Realitou jsou napjaté rozpočty, IT infrastruktura, která částečně pochází ještě z éry Helmuta Kohla, a především: nestrukturovaná, nečistá data. AI je jen tak dobrá, jak dobrá jsou data, kterými je krmena. A největší digitální smetiště vyprodukuje s nejlepší AI jen rychlejší a dražší odpad. Zda je to skutečně tak jednoduché, jak slibují nablýskané brožury, si dovoluji silně pochybovat. Riziko, že zde střední třída ztratí kontakt, je obrovské – nikoliv z nevůle, ale z čirého přetížení.
Otázka & odpověď: Co to konkrétně znamená pro můj provoz?
Zde jsou otázky, které mi jednatelé kladou každý týden – a mé neúprosné odpovědi.
Je investice do AI výroby pro MSP vůbec rentabilní?
Nikoliv, pokud se pokusíte kopírovat Merck. Ale absolutně ano, pokud začnete v malém. Pilotní projekt v optické kontrole kvality, AI podporovaná optimalizace Vašich časů na seřízení nebo inteligentní automatizace prodeje – to jsou projekty s ROI během 12 až 18 měsíců. Otázkou není, zda je to rentabilní, ale kde začnete.
Odkud vezmu potřebné odborníky?
Nijak. Rozhodně ne na volném trhu. Musíte kvalifikovat své vlastní lidi. Vychovejte si interní „AI šampiony“, kteří budou fungovat jako most mezi odděleními a externími poskytovateli služeb. A hledejte partnery – vysoké školy, Fraunhoferovy instituty nebo specializované poradenské firmy, které rozumí německému střednímu stavu. Nepotřebujete Data Scientista z Google, potřebujete inženýra, který rozumí tomu, jak tikají Vaše stroje a co na nich může AI zlepšit.
Moje data jsou chaos. Mohu přesto začít?
Dokonce musíte. Nečekejte na perfektní databázi. Spusťte projekt na čištění dat paralelně s Vaším prvním AI pilotním projektem. Využijte pilotní projekt k definování toho, která data SKUTEČNĚ a v jaké kvalitě potřebujete. To vytvoří fokus. Jinak se zapletete do víceletého generálního úklidu dat, zatímco konkurence Vás předběhne.
- Krok 1: Brutálně upřímná inventura. Zapomeňte na chvíli na AI. Kde přesně ztrácíte peníze, čas a nervy ve Vaší výrobě nebo prodeji? Identifikujte 2-3 největší problematické body. Neodhadujte – měřte! Mluvte s lidmi u strojů i v terénu.
- Krok 2: Spusťte vlajkový projekt. Vyberte JEDEN z těchto problematických bodů a definujte jasný, měřitelný cíl. Příklad: „Snížení zmetkovitosti na lince 3 o 15 % pomocí AI podporovaného rozpoznávání obrazu.“ Tento projekt musí přinést první výsledky do 6 měsíců. Jde o rychlé vítězství, které přesvědčí organizaci.
- Krok 3: Datová dieta místo datového paláce. Identifikujte MINIMÁLNĚ nutná data pro Váš vlajkový projekt. Starejte se POUZE o tato data. Zajistěte, aby byla čistá, dostupná a strukturovaná. Zbytek přijde později. Dokonalost je nepřítelem pokroku.
- Krok 4: Dostaňte externí výkon na silnici. Nemusíte znovu vynalézat kolo. Najděte si poskytovatele služeb nebo výzkumný ústav, který již podobné problémy ve středních podnicích řešil. Reference jsou zde vším. Nenechte si prodat vzdušné zámky.
- Krok 5: Udělejte ze svých zaměstnanců komplice. Komunikace je všechno. Toto není IT projekt, je to kulturní změna. Vysvětlete, co máte v plánu, jaký je přínos pro jednotlivce (méně hloupé práce, více fokusu na řešení problémů) a berte obavy vážně. AI systém, který je zaměstnanci sabotován, je nejdražší chybnou investicí vůbec.
Základ: Váš Ideální profil zákazníka (ICP) — Než investujete miliony do AI výroby, musíte vědět, pro KOHO vyrábíte. Každá AI podporovaná strategie – ať už ve VaV nebo v prodeji – začíná s ostře nabroušeným porozuměním Vašemu ideálnímu zákazníkovi. Náš ICP Playbook Vám pomůže položit právě tyto základy.
Mluvme na rovinu: Většina jednatelů středních podniků, se kterými v poslední době mluvím, nad tématem AI stále jen mávne rukou. „Příliš drahé“, „příliš složité“, „nic pro nás“ nebo můj favorit: „Naši zákazníci to nechtějí“. To je nebezpečně chybný odhad. Vaši zákazníci možná nechtějí AI, ale chtějí rychlejší dodací lhůty, lepší kvalitu a nižší ceny. A přesně to bude AI podporovaná konkurence dodávat.
Merck a spol. právě vytvářejí fakta. Využívají svou finanční sílu k vybudování technologického náskoku, který bude za pár let nedostižný. Vsadím se, že do roku 2030 uvidíme v německém průmyslu dvoustupňovou společnost: AI-integrované firmy, které jsou agilní, datově orientované a vysoce efektivní – a ty zaostalé, které se stanou pouhými dílnami a zakázkovými výrobci těch prvních. Přes to nejede vlak. Otázkou pro Vás není, zda naskočíte do vlaku, ale jak rychle si zajistíte jízdenku do první třídy. A tento vlak právě vysokou rychlostí opouští nádraží.