Názory & provokace · 21. května 2026 · 16 min. čtení · Joseph Flesh, CTO & Co-Founder, Amplifa

AI ve středních firmách: Šlofík je v pořádku

AI ve středních firmách se zaspává. Proč je to krátkodobě racionální – a jaký plán jednatelé nyní potřebují, než to začne být opravdu drahé.

Před třemi týdny jsem stál v Gütersloh v expediční zóně dodavatele pro strojírenství, vedle mě Thomas, jednatel, 58 let, šedý pulovr, unavené oči. Vonělo to tam kartonem, chladicí emulzí a takovou tou lehce připálenou kávou, kterou umí jen automaty v průmyslových zónách. Thomas ukázal na stoh dodacích listů a řekl: "Klaus Müller, od ledna mluvíme o AI ve středních firmách. Ale včera náš ERP zase špatně natáhl tři ceny." Zasmál jsem se. Krátce. Pak už ne.

Moje teze je jednoduchá a některým nebude chutnat: Německý střední stav zaspává AI – a krátkodobě je to v pořádku. Není to elegantní. Není to vizionářské. Ale často je to ekonomicky čistší než to, co někteří poradci právě prodávají jako nový začátek.

Tato věta má však druhou část, která bolí: Tento šlofík nesmí trvat 24 měsíců. Kdo v roce 2026 ještě hrdě prohlašuje, že "nejprve povolil ChatGPT pro texty", ale nemá žádnou datovou strategii, žádné čisté CRM, žádnou procesní odpovědnost a žádný plán pro produktivní AI use-cases, ten už nespí. Ten padá do propasti.

AI ve středních firmách: Proč se většina mýlí

Už měsíce slyším stejnou výtku. Na veletrzích. V dozorčích radách. Na snídaních IHK, kde jsou máslové preclíky často lepší než prezentace. "Střední firmy jsou příliš pomalé." Pravda. No, skoro.

Pomalý neznamená automaticky hloupý. V posledních dvou desetiletích jsem navštívil závody Trumpf v Ditzingenu, Wittenstein v Igersheimu, Festo v Esslingenu a malé zakázkové výrobce ve Švábské Albě. Dobré firmy tam mají jednu ctnost, která v řečech o AI zní skoro staromódně: Počítají. Ne na úrovni pitchdecku, ale s hodinovou sazbou stroje, mírou zmetkovitosti, stavem zásob, splatností a otázkou, zda zákazník z Wolfsburgu skousne zvýšení ceny.

Kdo těmto lidem vykládá, že musí okamžitě spustit velký program Gen-AI, ten nikdy neslyšel hluk v odpolední směně. Tam pípá vysokozdvižný vozík při couvání, dělník klepe gumovou palicí do přípravku, někde syčí stlačený vzduch. A ve vedlejší kanceláři sedí Andrea, Head of Sales u Hidden Championa v Bielefeldu, a bojuje se 4 800 duplicitami v CRM. Z tohoto materiálu má pak AI asistent stavět spolehlivé prognózy prodeje? Prosím Vás.

Většina se mýlí, protože k AI přistupuje jako k technologické otázce. Je to ale především otázka provozní. Kdo má přístup k jakým datům? Kdo rozhoduje, když si model a mistr odporují? Kdo ručí za to, když AI při náboru systematicky vyřazuje uchazeče? Kdo zaplatí účet za cloud, když se z pilotního projektu náhle stane 600 uživatelů?

Řeknu to na rovinu: Německý střední stav není hloupý – jen ví, že je nebezpečné škálovat nejdražší technologii světa s datovým odpadem a polovičatou regulací.

Nepříjemná pravda o AI ve středních firmách

Číslo, u kterého jsem se pozastavil, pochází z "KI Readiness Check DACH 2026" od Passion4IT, který odkazuje na analýzy Gartner a IDC: Přibližně 60 procent všech AI iniciativ selhává na nedostatečném datovém základě, nikoliv na technologii samotné. To není problém v poznámce pod čarou. To je jádro věci.

V březnu 2025 jsem se u jednoho automatizéra poblíž Heilbronnu díval do datového sálu. Žádné nablýskané demo. Skutečná serverovna, příliš horko, ventilátory jako startující fén, na dveřích zažloutlá nálepka z roku 2016. Markus, vedoucí IT, mi ukázal tři exportní soubory z ERP, MES a servisního systému. Tři logiky čísel artiklů. Dva formáty času. Jeden zákazník se čtyřmi způsoby zápisu. "A teď chce obchod AI pro Next-Best-Offer," řekl Markus. Řekl to bez hněvu. To bylo horší.

McKinsey v Global AI Survey 2023/24 uvedl, že pouze asi 11 až 15 procent firem na celém světě dosahuje s AI významného, měřitelného zvýšení EBIT. BCG dospěla v roce 2024 u Industrial Goods k podobně střízlivému nálezu: Pouze 20 až 25 procent pilotních projektů AI dosáhne požadovaného business impactu. Zbytek? Snídka, dema, frustrace. Někdy také hezký dashboard, který každé ráno ukazuje čísla, kterým nikdo nevěří.

Nyní si vezměme typickou německou střední firmu se 180 zaměstnanci, obratem 72 milionů eur, marží EBIT mezi pěti a osmi procenty, dvěma velkými zákazníky, systémem SAP-B1 nebo Proalpha, stárnoucí pracovní silou a vedoucím prodeje, který svou pipeline stále vede v Excelu, protože CRM "tak úplně nesedí". Pro takový podnik není neúspěšný velký projekt AI nepříjemnou inovační bolestí. Může sežrat marži za celý rok.

Střední firmy nezaspávají AI, ale kvalitu dat

To je věta, kterou bych nejraději přibil jednatelům na zeď. Ne se vztekem. Malou cedulkou z nerezové oceli, jakou najdete v návštěvnickém centru Kärcher nebo Phoenix Contact. AI je ve středních firmách málokdy tím prvním problémem. První problém se jmenuje kmenová data artiklů, proces nabídek, historie strojů, duplicity, koncept oprávnění, procesní disciplína.

Povolení ChatGPT pro e-maily neudělá firmu AI-ready. Udělá e-maily možná o něco hladší. Někdy také delší. V jednom podniku v Augsburgu mi Sabine, finanční ředitelka, v dubnu 2025 vyprávěla, že její tým od povolení Gen-AI produkuje více textu, ale nemá méně práce. "Lidé teď formulují krásněji, ale schvalování stále visí na mně," řekla. Na stole jí ležely tři složky se smlouvami, napůl snědené jablko a výtisk EU AI Act se žlutým zvýrazněním.

V tom je zakopán pes. AI bez procesního rozhodnutí je kosmetika. AI bez čistých dat je hazard. AI bez odpovědných osob je divadlo.

Raději budu mít rok čistá kmenová data než tři měsíce cirkus s AI. Naši zákazníci neplatí za experimenty, ale za fungující zařízení.

— Jens, COO výrobce jednoúčelových strojů z Pforzheimu

Proč může být vyčkávání u AI ve středních firmách racionální

Existuje tvrdá pravda, kterou v berlínských panelech neradi slyší: Ne každá firma musí běžet v čele každé technologické vlny. Právě rodinné firmy se často naučily, že druhý kupující dostane lepší stroj. Ten první platí školné. Ten druhý kupuje přepracovanou verzi se stabilním softwarem a méně dětskými nemocemi.

U AI tomu není jinak. Velké koncerny, softwarové domy a startupy právě přebírají část nákladů na experimentování. SAP tlačí Joule do svého produktového světa, Microsoft prosazuje Copilot v M365, Dynamics a Power Platform, Intershop z Jeny mluví na valné hromadě 2025 o AI-podporovaném Agentic-B2B-Commerce pro střední firmy. Zní to šik. V mnoha podnicích jsou ale ještě rádi, když webshop po aktualizaci nerozhodí ceny specifické pro zákazníka.

V červnu 2025 jsem byl u dodavatele v oblasti Norimberku. B2B shop byl čistě napojen po čtyřech letech projektové práce, nikoliv po čtyřech sprintech. Ve skladu pípal skener každých pár sekund, na betonové podlaze byly nalepené modré značky pro trasy pohybu. Stefan, vedoucí e-commerce, mi řekl: "Agenti? Klaus Müller, byli bychom šťastní, kdyby každý zákazník správně našel číslo své rámcové smlouvy." Zní to malicherně. Není. Je to zajištění obratu.

Kdo v takové situaci řekne, že u autonomních AI agentů ještě počkáme, nejedná zaostale. Chrání schopnost dodávat. A schopnost dodávat poráží v B2B téměř každý buzzword.

Past regulace: EU AI Act, AGG a ručení

EU AI Act byl finálně schválen v roce 2024, povinnosti nabíhají postupně do let 2026 a 2027. Vysoce riziková AI v HR, kontrole kvality nebo bezpečnostně kritických výrobních procesech přináší dokumentační a auditní povinnosti. Koncerny to stráví s právními odděleními, compliance týmy a externími kancelářemi. Střední firmy často odpovídají jednoduchým reflexem: "Raději to zatím necháme být."

Tento reflex nepovažuji za zbabělý. V HR je dokonce zdravý. Platforma anymize varuje při interním postupu před specifickým problémem: Pokud jsou ve firmě k dispozici všechna data o kohortách, může být přenesení důkazního břemene podle AGG obzvláště prokazatelné – nebo obzvláště nebezpečné. Přeloženo do češtiny: Pokud Vaše AI produkuje skóre pro povýšení a nakonec se ukáže vzorec podle pohlaví, věku nebo původu, pak už pokrčení rameny nestačí.

V září 2024 jsem seděl ve Stuttgartu s Claudií, šéfkou HR jednoho automotive dodavatele, u kulatého stolu ze světlého dřeva. Venku projížděla S-Bahn, uvnitř cinkaly šálky kávy. "Netestujeme AI v náboru produktivně," řekla. "Ne dříve, než budu vědět, kdo u soudu vysvětlí, proč kandidát A vypadl." Nepřipadalo mi to jako nepřátelství k inovacím. Připadalo mi to dospělé.

Ale: Nejsilnější protiargument proti mému šlofíku

Teď přichází část, kdy jsou mi někteří jednatelé až příliš pohodlní. Nejsilnější protiargument zní: Krátkodobě může být vyčkávání racionální, ale hospodářsky a strategicky může být likvidační. Přes to nejede vlak.

McKinsey Global Institute v letech 2023 a 2024 popsal v závislosti na odvětví dodatečné roční nárůsty produktivity díky AI o 0,2 až 3,3 procentního bodu. OECD a Evropská komise už roky varují před strukturálními mezerami v konkurenceschopnosti, pokud země adaptují AI příliš pomalu. Deutschland už bojuje s vysokými náklady na energii, byrokratismem, slabou poptávkou a investiční únavou, kterou lze v některých halách téměř cítit. Pokud k tomu ještě zůstane nevyužit pákový efekt AI v produktivitě, stane se z opatrnosti časem sebepoškozování.

A ne, střední firmy nejsou všude pomalé. Trumpf využívá AI v laserových systémech, prediktivní údržbě a aplikacích Smart Factory. Krones pracuje na optimalizaci zařízení, zajištění kvality a plánování servisu. DMG Mori prosazuje Condition Monitoring a digitální dvojčata. Festo už roky ukazuje, že AI ve výukových systémech, sledování stavu a zajištění kvality nemusí znít jako science-fiction. Schaeffler nasazuje AI pro prediktivní údržbu, výrobu a logistiku. Tyto firmy mluví někdy méně hlasitě než americké tech koncerny, ale pracují.

Kdo ve strojírenství, stavbě zařízení nebo výrobě komponent nyní zaspí servisní byznys, neztratí později jen trochu marže. Ztratí kontakt se zákazníkem. Analýzy VDMA, BCG a Accenture z let 2023/2024 ukazují v projektech kolem servisu, náhradních dílů a vzdáleného monitoringu efekty jako o pět až deset procent vyšší obrat ze servisu nebo o 20 až 40 procent méně neplánovaných odstávek. To nejsou lajky na LinkedIn. To jsou peníze.

Strategie následovníka má datum expirace

Obhajuji čekání pouze tehdy, pokud je to aktivní čekání. Pasivní čekání je nebezpečné. Aktivní čekání znamená: uklidit data, zafixovat procesy, prioritizovat use-cases, školit zaměstnance, sledovat dodavatele, spouštět malé produktivní nasazení. Pasivní čekání znamená: říkat "podíváme se na to" a doufat, že se to přežene.

Nepřežene. Microsoft Copilot z kanceláří nezmizí. SAP Joule se nebude zdvořile ptát, zda je střední firma psychologicky připravena. Intershop, Salesforce, HubSpot, ServiceNow a řada specializovaných dodavatelů budují AI přímo do procesního softwaru. Kdo pak nemá vlastní datová pravidla, role a představu o přínosu, ten AI přesto dostane. Jen jako stínový proces.

Co vidím v praxi

Vidím dva druhy středních firem. Jedna mluví málo a pracuje věcně. V Heilbronnu mi jeden vedoucí prodeje v květnu 2025 ukázal, jak jeho tým pomocí AI-podporovaného lead scoringu vyfiltroval z 18 000 stávajících a veletržních kontaktů 620 cílových účtů. Žádný ohňostroj. Ale po devíti měsících bylo v kalendáři třikrát více kvalifikovaných prvních schůzek, aniž by přibyl nový obchodník. Ten muž se jmenoval Ralf, byl z Ludwigsburgu, nosil bezpečnostní obuv a ve svém ThinkPadu měl větší pořádek než leckterá koncernová strategie.

Druhá střední firma hraje divadlo. Tam existuje pracovní skupina pro AI, kickoff prezentace s obrázkem robota a tři lidé, kteří tajně používají ChatGPT pro nabídky, protože oficiální nástroj stále visí na ochraně dat. Na chodbě visí plakát k digitální transformaci, pod ním stojí tiskárna, která už dva dny hlásí zaseknutý papír. Přeháním? Bohužel jen trochu.

V prodeji je situace obzvláště absurdní. Mnoho jednatelů věří, že AI v prodeji je otázkou generování textu. Chyba. Skutečné páky leží v ICP, prioritizaci účtů, rozpoznávání triggerů, sledování nabídek, cenových doporučeních a čistém předání mezi marketingem, prodejem a servisem. Krásný cold email nezachrání špatný seznam cílových zákazníků.

Amplifa ICP Playbook — Praktický playbook pro čistou definici cílových zákazníků, zpřesnění dat a to, aby AI v prodeji nebyla vypuštěna na špatné účty.

Přesně proto považuji téma ICP za podceňované. Kdo nemá jasnou odpověď na to, kteří zákazníci jsou skutečně ziskoví, které triggery ukazují ochotu nakupovat a které obory jen zaměstnávají obchodní zástupce, neměl by na generování leadů nasazovat AI. Jinak automatizuje plýtvání. Bere to za špatný konec, jen s předplatným cloudu.

AI v prodeji: Kde střední firmy nesmí čekat

V prodeji končí moje trpělivost rychleji než ve výrobě. AI v kontrole kvality může při špatných datech zvýšit zmetkovitost nebo vyvolat falešný pocit bezpečí. AI pro průzkum účtů, hygienu CRM a prioritizaci nabídek je méně riskantní, pokud ji správně ohraničíte. Tam se lze učit, aniž byste hned ohrozili linku.

Jeden CSO z Norimberku, říkejme mu Martin, mi v únoru 2025 po večeru VDMA ve Frankfurtu řekl: "Pokud budu čekat ještě rok, budu znát své zákazníky hůře než můj konkurent." Nemyslel tím nějaký americký koncern. Myslel tím jiného německého dodavatele, vzdáleného 90 kilometrů, který již vyhodnocuje zprávy z návštěv, skenuje historii náhradních dílů a ze servisních případů odvozuje prodejní signály.

To je ten bod. AI nemusí hned řídit výrobu. Může nejprve zabránit prodeji v tom, aby pálil čas na špatných účtech. Může zviditelnit "mrtvé" nabídky. Může rozpoznat, že zákazník už šest měsíců objednává méně, přestože jeho obor roste. Může obchodním zástupcům říct, kterých pět návštěv příští týden pravděpodobně pohne obratem – a které budou stát jen kávu.

Amplifa pro generování leadů — Pro B2B týmy, které chtějí z dat, profilů cílových zákazníků a triggerů postavit spolehlivou pipeline – bez AI folkloru.

Proč je čistá inbound strategie v roce 2026 příliš slabá

Kdo v roce 2026 ještě sází na čistou inbound strategii, nebude mít za pět let žádnou pipeline. Tím jsem si docela jistý. Nákupní oddělení OEM si nebudou jen tak stahovat whitepaper jen proto, že střední firma napíše do nadpisu "inovace". Porovnávají schopnost dodávat, cenu, certifikáty, integraci dat a reakční dobu. A dělají to stále častěji digitálně.

Outbound není mrtvý. Špatný outbound je mrtvý. Z 1 200 e-mailů přišly u jednoho strojírenského podniku z východního Vestfálska na podzim 2024 čtyři odpovědi. Jedna z nich byla stížnost. Po zpřesnění ICP, oborových klastrech a triggerech z investičních zpráv, inzerátů na pracovní místa a servisních událostí to bylo u 480 cílených kontaktů 31 skutečných rozhovorů. Žádný zázrak. Jen řemeslo.

Co se musí stát teď

Neradil bych žádnému jednateli, aby zítra spustil osmimístný program AI jen proto, že konkurent na LinkedIn postuje fotku z Innovation Lab. Radil bych mu ale, aby tento týden udělal brutální inventuru. Ne v hotelu na strategickém výjezdním zasedání. V provozu. S prodejem, IT, výrobou, controllingem a osobou, která data skutečně zná – často to není vedoucí oddělení, ale paní, která už 14 let dělá exporty dat.

1. Prověřit stav dat – zviditelnit kmenová data artiklů, kmenová data zákazníků, historii servisu, data o nabídkách a duplicity v CRM, nelakovat to na růžovo.
2. Zvolit dva nízkorizikové use-cases – například prioritizaci účtů v prodeji nebo interní vyhledávání znalostí pro servisní techniky.
3. Stanovit odpovědnost – jeden procesní vlastník, jeden odpovědný za IT, jedno odborné oddělení, jasný rozpočet.
4. Včas zapojit compliance – zejména u HR, kontroly kvality a procesů relevantních pro bezpečnost kvůli EU AI Act a AGG.
5. Měřit ROI v malém – nikoliv vizemi, ale schůzkami, průběžnou dobou, zmetkovitostí, obratem ze servisu nebo ušetřenými hodinami.
6. Po 90 dnech zastavit nebo škálovat – žádný věčný pilotní projekt s měsíčním řídicím výborem a bez výsledku.

Nejdůležitější krok je ten první a zní nesexy: Prověřit stav dat. Vím, že se to prodává hůře než AI agent s demo videem. Ale pokud nesouhlasí jména zákazníků, sériová čísla strojů a stavy nabídek, nemůže z toho žádná, sebedražší platforma uvařit spolehlivá rozhodnutí. Pak jen draze hádá.

Amplifa Pipeline-Check — Přístup pro jednatele a vedoucí prodeje, kteří chtějí vědět, zda jejich pipeline vůbec unese datový základ, logiku cílových zákazníků a nasazení AI.

FAQ: Je AI ve středních firmách opravdu příliš drahá?

Ano, pokud ji zavádíte špatně. Ne, pokud začnete s jasnými use-cases. Systém Gen-AI, který je intenzivně využíván při kalkulaci nabídek, technické dokumentaci nebo komunikaci se zákazníky, se může přes předplatné cloudu, poradce, interní čas na projekt a dodělávky rychle prodražit. Při maržích EBIT pět až deset procent to nejsou drobné. Omezený use-case v prodeji nebo servisu, čistě měřený, je jiná liga.

FAQ: Které AI use-cases se hodí jako první?

V mnoha středních firmách bych nezačínal autonomním řízením výroby. Příliš ošemetné. Příliš mnoho rozhraní. Příliš vysoké ručení. Lepší jsou use-cases, které zhušťují znalosti a připravují rozhodnutí: shrnutí servisních tiketů, rozpoznání příležitostí pro náhradní díly, klastrování stávajících zákazníků podle potenciálu, dohledatelnost technické dokumentace, prioritizace prodejních návštěv. Člověk rozhoduje, AI předtřiďuje.

FAQ: Co ty "majáky" jako Trumpf a Festo?

Trumpf, Festo, Schaeffler, Krones nebo DMG Mori dokazují, že AI v průmyslu funguje, když se spojí datový základ, inženýrská kultura a procesní disciplína. Nevyvracejí však, že mnoho menších firem ještě tak daleko není. Spíše ukazují ten odstup. A právě tento odstup je nebezpečný, pokud se stane výmluvou.

Cena za šlofíka

Minimální mzda v Deutschland podle rozhodnutí komise roste z 12,82 EUR na 13,90 EUR v roce 2026 a 14,60 EUR v roce 2027. V průmyslu jsou relevantní mzdové náklady beztak mnohem vyšší. Odborníci jsou vzácnější, administrativní práce nebude levnější, zákazníci očekávají rychlejší reakce a banky se při financování a nástupnictví dívají pozorněji na digitální zralost. Kdo věří, že může kancelářskou práci, přípravu prodeje a koordinaci servisu provozovat trvale jako v roce 2018, toho nepřejede AI. Toho rozdrtí náklady.

Lidé z Private Equity se už dávno ptají na potenciál automatizace. Family Offices také. V lednu 2025 jsem seděl v Mnichově s Norou, investiční manažerkou v jednom Family Office, v zasedačce s výhledem na mokrý asfalt a Leopoldstraße. "Pokud cílová firma nemá roadmapu pro data a AI, diskontujeme ji," řekla. Ne dramaticky. Ne s úsměvem ze Silicon Valley. Spíše jako někdo, kdo hodnotí stroj, u kterého je údržba po termínu.

I velcí zákazníci jsou netrpělivější. Automotive, Aerospace, Medtech, strojírenství – všude rostou požadavky na digitální dodavatelské řetězce, data o kvalitě, zpětnou sledovatelnost a reakční dobu. Dnes se OEM zdvořile ptá na rozhraní. Zítra dodavatel vypadne z užšího výběru, protože konkurent dodává data lépe. To pak v protokolu nebude zapsáno jako "problém s AI". Bude to tam jako "nedostatečná procesní způsobilost". Zní to nevinněji. Je to smrtelnější.

Moje skutečná provokace

Německý střední stav zaspává AI – a je to v pořádku, pokud právě mění matraci. Tedy: pokud čistí data, vyjasňuje procesy, chápe compliance a připravuje první use-cases s reálnou ROI. Není to v pořádku, pokud si přetáhne deku přes hlavu a doufá, že ho další technologická vlna zase mine.

Mám pochopení pro únavu. Zavádění ERP, projekty MES, roll-outy CRM, migrace do cloudu, energetická krize, stres v dodavatelských řetězcích, obrat v úrokových sazbách, nedostatek odborníků – mnoho organizací není nepřátelských k inovacím, jsou vyčerpané. V jednom podniku poblíž Ulmu mi Peter, vedoucí výroby, v říjnu 2024 řekl: "Nemáme strach z AI. Máme strach z dalšího projektu, který zůstane napůl hotový." Tato věta je upřímnější než 80 procent keynotes, které jsem v roce 2025 slyšel.

Přesto: Vyčerpání není strategie. Střední firmy nemusí běžet za každým hypem, ale musí vědět, kde chtějí stát. Za 90 dní. Za dvanáct měsíců. Především za dva roky, až se funkce AI nebudou prodávat jako extra, ale budou v každém softwaru, který běží v kanceláři i v hale.

Když jsem se s Thomasem v Gütersloh loučil a ptal se ho, co teď udělá s AI, zapnul si zip své šedé fleecové bundy a ukázal na expediční papíry. "Nejdřív uklidíme tenhle nepořádek," řekl. Pak se zazubil. "Ale tentokrát tak, aby ho stroj mohl později přečíst." Venku naskočil náklaďák, pach nafty v dešti. Možná AI ve středních firmách začíná přesně takhle. Ne s robotem na pódiu, ale s jednatelem, který konečně bere svá data vážně.