AI v obchodu: Průmyslová AI ve srovnání poskytovatelů

KI & Automatisierung · 23. Oktober 2026 · Joseph Flesh

AI v obchodu se potkává s tovární AI: Porovnejte Siemens/NVIDIA, Microsoft/Körber, KUKA a Amplifa – a zkontrolujte svou roadmapu ještě dnes.

Dne 19. října 2026 informovala agentura Dow Jones prostřednictvím Morningstar, že společnosti Siemens a NVIDIA představily ve výrobě elektroniky v Erlangenu nové aplikace umělé inteligence pro autonomní plánování výroby. O den později CNBC informovala o evropském investičním balíčku společnosti NVIDIA ve výši téměř 10 miliard dolarů a o výzvě Friedricha Merze adresované německým firmám, aby AI zaváděly rychleji. Pro výrobní ředitele to není jen okrajová zpráva. Je to jasný signál pro obchod, COO a vedení společností: pokud se má náběh výroby zkrátit až o 40 procent, nesmí být AI v obchodu i nadále vnímána jen jako hračka pro vymýšlení předmětů e-mailů.

Siemens uvádí, že díky AI agentům dochází při virtuálním náběhu nových desek plošných spojů až k 85procentnímu snížení inženýrské náročnosti a až k 20procentnímu poklesu nákladů na plánování. Zdroj: Morningstar/Dow Jones z 19. října 2026, doplněno o CNBC z 20. října 2026. Tato čísla neberu jako nezávislý benchmark. Vnímám je jako jasný tržní signál. Každý, kdo v regionu DACH prodává stroje, podsestavy, elektroniku nebo automatizaci, bude v příštích 24 měsících čelit nové otázce od zákazníků: Pokud vaše továrna dokáže plánovat pomocí digitálních dvojčat, proč váš obchod stále funguje na Excelu a telefonní ústředně?

Proč je toto srovnání pro AI v obchodu nezbytné

Debata o Industrial AI často probíhá zcela odděleně od obchodu. Vlevo továrna: digitální dvojčata, simulace, robotika, MES, Siemens Xcelerator, NVIDIA Omniverse. Vpravo obchod: CRM, sekvence, veletrhy, LinkedIn, sledování nabídek. Bylo to pohodlné. Ale bylo to také špatně. U výrobce se 180 zaměstnanci ve východním Vestfálsku výrobní kapacity přímo určují obchodní strategii. Pokud firma díky virtuálnímu zprovoznění dokáže rychleji schvalovat varianty, musí obchod prioritizovat jiné accounty, dávat jiné přísliby dodávek a vstupovat do projektů dříve. Jinak výrobní výhoda jednoduše vyšumí v e-mailové schránce nákupčího ve společnostech Schaeffler, Phoenix Contact nebo Webasto.

Nepíšu toto srovnání jako analytik. Se svým týmem v Amplifa stavím systémy, které propojují obchodní data, tržní triggery, prioritizaci accountů a outreach ve středně velkých B2B organizacích. Vidím, kde AI skutečně funguje. A kde je to jen divadlo. Tedy, téměř. Občas je divadlo užitečné, pokud uvolní rozpočty. Ale nejpozději u třetího pilotního projektu bez dopadu na pipeline se nálada zlomí. Jeden CSO ze Stuttgartu mi v září 2026 po zasedání představenstva řekl: „Máme digitální dvojče pro výrobní linku, ale nemáme dvojče naší pipeline.“ Trefil hřebíček na hlavičku. Ne kvůli formulaci. Ale kvůli té propasti.

Proto zde porovnávám čtyři přístupy, které po událostech v Erlangenu nabývají na významu: Siemens/NVIDIA jako integrovanou tovární AI, Microsoft/Körber jako cloudovou a procesní AI v regulovaném prostředí, KUKA/NVIDIA jako cestu robotiky a počítačového vidění a Amplifa jako vrstvu Sales AI pro pipeline, generování leadů a řízení accountů. Ano, Amplifa je v tomto srovnání zahrnuta. Jsem její CTO a spoluzakladatel. Nebudu předstírat, že jsem zcela neutrální. Ale otevřeně uvádím kritéria a férově říkám i to, kde pro vás nejsme tím správným řešením.

Hodnoticí kritéria pro AI v obchodu a tovární AI

Pro generálního ředitele výrobní firmy s 50 až 500 zaměstnanci zní špatná otázka: „Který AI nástroj je nejmodernější?“ Mnohem lepší otázka je: „Které úzké hrdlo nás v roce 2027 bude stát marži, schopnost dodávat nebo pipeline?“ U firem jako Trumpf, DMG Mori nebo Festo je tato otázka organizačně ukotvena jinak než u dodavatele se 120 lidmi a dvěma key account manažery. Vzorec je však podobný. Úzká hrdla se posouvají. Nejdříve chybí leady. Pak chybí spolehlivé nabídky. Pak se zablokuje plánování. Pak chybí materiál. Pak je volná kapacita, ale není žádná zakázka. Dokonalý chaos.

Kandidáty hodnotím podle sedmi kritérií:

• Obchodní páka: Má řešení vliv na výrobní náklady, time-to-market, spolehlivost dodacích termínů, budování pipeline nebo rychlost tvorby nabídek?
• Datová základna: Vyžaduje systém čistá CAD, MES, ERP, CRM nebo webová data a jak náročná je integrace?
• Architektura: Pracuje řešení s digitálními dvojčaty, AI agenty, LLM, počítačovým viděním, klasickými optimalizátory nebo jejich kombinací?
• Realizovatelnost ve středních podnicích: Může firma s 50 až 500 zaměstnanci reálně začít, aniž by musela nejprve 18 měsíců provádět archeologii kmenových dat?
• Propojení s obchodem: Pomáhá řešení obchodu konkrétně při zacílení na zákazníky, načasování, tvorbě nabídek, forecastu nebo rozvoji stávajících klientů?
• Logika nákladů: Jsou náklady projektové, založené na využití, na licencích nebo závislé na infrastruktuře, jako jsou GPU a integrační partneři?
• Riziko: Kde vzniká vendor lock-in, problémy s ochranou dat, chybná automatizace nebo provozní závislost?

Jeden technický aspekt se často podceňuje: kontextová okna (context windows) a náklady na tokeny jsou v obchodu důležitější než v marketingových klišé. Prodejní agent, který vidí pouze poslední tři e-maily a jednu poznámku v CRM, bude sice zdvořile, ale nepřesně halucinovat. Agent, který dokáže v retrieval systému propojit verze nabídek, kusovníky, reklamace, zprávy z návštěv, signály z webu a struktury koncernu, se stává skutečně užitečným. U LLM API se veřejné ceny v roce 2024 u výkonných modelů pohybovaly v jednotkách až desítkách dolarů za milion vstupních či výstupních tokenů; v roce 2026 balíčky více kolísají a řada enterprise smluv není veřejná. Moje pravidlo: náklady na model jsou málokdy tou hlavní položkou. Špatné datové toky jsou dražší. Vždycky.

„U nás to nefunguje,“ řekla mi Andrea, vedoucí obchodu u výrobce komponentů v Bielefeldu. O dva týdny později se ukázalo proč: nefungovalo to proto, že v CRM mělo 41 procent aktivních zákazníků nevyplněné odvětví.

— Joseph Flesh, CTO & Co-Founder, Amplifa

Kandidát 1: Siemens/NVIDIA – Industrial AI s digitálním dvojčetem

Siemens a NVIDIA sázejí v Erlangenu na propojení digitálních dvojčat, průmyslových AI agentů a simulace. Podstatou není „chatbot pro fabriku“. Jádrem je virtuální obraz výrobních systémů, který umožňuje plánovačům a inženýrům ještě před fyzickými zásahy otestovat, jak naběhne výroba nových desek plošných spojů, která linka se zablokuje, kde chybí materiál a jaké pořadí bude fungovat lépe. Siemens podle Morningstar/Dow Jones z 19. října 2026 uvádí až o 85 procent méně inženýrské práce při virtuálním náběhu výroby a až o 40 procent kratší time-to-market. Jde o čísla reportovaná přímo firmou. Přesto platí: pokud se i pouhá polovina promítne do reálného provozu středně velkého podniku, zcela to mění obchodní příslib.

Síla tohoto přístupu spočívá v jeho hloubce. Siemens Xcelerator, automatizační hardware, PLM, simulace, plánování výroby a NVIDIA Omniverse do sebe strategicky zapadají. Pro výrobce elektroniky v Bavorsku nebo strojírenskou firmu se zakázkovou výrobou v Bádensku-Virtembersku to může znamenat: digitálně ověřit novou variantu produktu, snížit riziko náběhu a dříve stanovit dodací lhůty. Pro obchod to znamená konec standardní odpovědi „musíme se zeptat technické přípravy výroby“. Místo toho získává mnohem spolehlivější schopnost dodání přímo v nabídkovém procesu. Zní to technicky. Ale přesně to prodává. Zvláště u zákazníků jako Brose, ZF nebo Kärcher, kde se projektová okna a sankce za zpoždění nerozdělují podle pocitů.

Slabina je stejně zřejmá: vstupní bariéra. Kdo dnes nemá spolehlivý datový model své výroby, nezíská autonomního plánovače jen díky přednášce od NVIDIA. Digitální dvojčata vyžadují geometrii, procesní data, pravidla, historické takty, logiku variant, rozhraní. A lidi, kteří dokážou systému oponovat. Jeden COO jménem Markus z Augsburgu (220 zaměstnanců) mi v říjnu 2026 řekl: „Nemůžu lidem na lince vysvětlit, proč teď plánuje agent, když zatím ani pořádně nezaznamenáváme důvody přestaveb.“ Přesně tak. Není to tak, že by nešlo začít. Ale nelze začít s vizí z Erlangenu na zdi a prázdným MES systémem pod ní.

Co Siemens/NVIDIA skutečně znamená pro obchod

Obchodní páka nevzniká v renderování digitálního dvojčete. Vzniká na rozhraní mezi výrobní schopností a oslovením trhu. Pokud výrobce dokáže rychleji industrializovat nové sestavy, obchod musí přesně vědět, kteří stávající zákazníci jsou právě teď otevřeni novým variantám, redesignu nebo náhradě starých platforem. To je AI v obchodu jako překladová vrstva. Příklad: dodavatel elektroniky získá díky virtuálnímu náběhu čtyři týdny v projektovém harmonogramu. Bez account intelligence skončí tato výhoda v nabídkové prezentaci, kterou 19 dalších dodavatelů formuluje prakticky stejně. S account intelligence se z toho stane seznam 37 cílových zákazníků s probíhajícími změnami produktů, problémy u konkurence, novými inženýrskými nábory a vhodnými kontakty v nákupu. To je rozdíl mezi technologií a tržbami.

Byl bych velmi opatrný u středně velkých firem, které chtějí řešení Siemens/NVIDIA koupit jen proto, že představenstvo potřebuje ukázkový projekt. Pokud výroba, engineering a obchod společně nedefinují, která produktová rodina, který cílový trh a jaké obchodní aktivity z toho mají profitovat, bude to jen drahé demo. Vůně nového laku na rozvaděči v pilotní buňce nenahradí go-to-market logiku. Řečeno napřímo: kdo v roce 2026 zavede tovární AI a pipeline bude i nadále třídit podle vizitek z veletrhu, ten pálí svou rychlost.

Kandidát 2: Microsoft/Körber – Cloudová AI pro procesy a regulovanou výrobu

Körber v roce 2026 představil ve spolupráci s Microsoft Azure zaměření na AI pro farmaceutickou výrobu (Pharma Manufacturing). To je odlišný výchozí bod než u Siemens/NVIDIA. Méně továrního metaverza, více procesních dat, compliance, cloudové architektury a průmyslových workflow. Pro regulovaná odvětví, jako je farmacie, zdravotnická technika nebo potravinářství, je to zásadní, protože bariéra není jen technická. Spočívá ve validaci, auditních stopách, přístupových právech, modelech rolí a souladu s GxP. Jeden ředitel z Basileje, říkejme mu Lukas, to v červenci 2026 shrnul suše: „U nás není problémem AI, ale auditor, který chce vědět, proč něco doporučila.“

Síla partnerství Microsoft/Körber tkví v konektivitě. Mnoho středně velkých výrobců využívá Microsoft 365, Teams, Azure Active Directory, Power BI nebo Dynamics. Není to sexy. Je to praktické. Pokud jsou AI agenti zasazeni do existujících identit, oprávnění, datových prostorů a struktur reportingu, snižuje se interní odpor. Pro obchodní týmy je to důležité, protože mnoho prodejních procesů je už dnes navázáno na prostředí Microsoftu: nabídky ve Wordu, kalkulace v Excelu, schůzky v Outlooku, poznámky k zákazníkům v Teams. Nekonvenční? Ano. Realita? O to větší.

Slabina: cloudová procesní AI automaticky nevyřeší tvrdý fyzický svět. Kdo chce optimalizovat layouty linek, robotiku, takty a reálné toky materiálu, potřebuje víc než jen workflow v Azure. Firmy navíc často podceňují náklady na čištění dat, governance a řízení změn. U asistentů postavených na LLM k tomu přistupuje druhý faktor: kontext. Okno o velikosti 128k nebo 200k tokenů zní lákavě, ale rychle se zaplní, pokud do něj bez filtrace nasypete zadávací dokumentaci, zprávy z návštěv, historii nabídek a technické specifikace. Dobrá architektura využívá retrieval, metadata, ověřování práv a sumarizace. Špatná architektura spoléhá na naději.

Microsoft/Körber z pohledu obchodu

Pro obchodní ředitele je Microsoft/Körber zajímavý tehdy, když je prodej silně provázán s regulovanými procesy: technická schválení, Quality Agreements, změnová řízení, dokumentační povinnosti. U dodavatele zdravotnické techniky v Tuttlingenu může AI asistent, který dohledá staré validační dokumenty, zákaznická schválení a stavební bloky nabídek, zachránit víc pipeline než nablýskaný lead scoring. Proč? Protože obchody neumírají na první schůzce, ale na šestém doplňujícím dotazu. „Můžete doložit, že tato změna nevyžaduje novou kvalifikaci?“ Pokud obchod tři dny interně tápe, příležitost je pryč.

Můj otevřený pohled: mnoho středně velkých obchodních organizací nepotřebuje generativní magii, ale spolehlivý přístup k tomu, co už dávno vědí. Architektury postavené kolem Microsoftu zde mohou být silné, pokud nejsou nasazeny jen jako bezhlavý plošný nákup Copilotu. Copilot, který sepíše shrnutí schůzky, je fajn. Systém, který z 900 starých nabídek rozpozná, jaké sestavy uspěly u podobných typů zákazníků typu Phoenix Contact a jaké námitky se objevily, představuje skutečnou infrastrukturu pro generování tržeb.

Kandidát 3: KUKA/NVIDIA – Physical AI pro robotiku a počítačové vidění

KUKA v říjnu 2026 na konferenci NVIDIA GTC Berlin předvedla počítačové vidění řízené AI postavené na platformě Jetson Orin od NVIDIA a software propojující programování robotů s 3D simulací výroby. Jde o pragmatického sourozence velkého digitálního dvojčete: roboti lépe vidí, programy vznikají blíže simulaci a uvádění do provozu je předvídatelnější. Pro provozy se svařováním, manipulací, balením, montáží nebo kontrolou kvality je to hmatatelné. Občas je to dokonce slyšet: méně prostojů na buňce, méně zběsilého klikání na teach pendantu, méně volání „sežeňte integrátora“ těsně před střídáním směn. KUKA v regionu DACH není teorií. V mnoha halách znají oranžová ramena lépe než vlastní pořádek v CRM.

Silnou stránkou je bezprostřední blízkost ke stroji. Pokud počítačové vidění sníží zmetkovitost nebo umožní manipulaci s více variantami, uvolní se kapacita. Slabina: obchod z toho profituje pouze nepřímo, pokud nikdo nově získanou schopnost nepřeloží do tržních segmentů. Často to vidím u automatizačních projektů. Po šesti měsících běží buňka stabilněji, ale web stále hlásá: „Váš spolehlivý partner pro zákaznická řešení.“ To nestačí. Pokud buňka KUKA nově zlevňuje malé série, obchod musí cíleně oslovit zákazníky, kteří bojují s variabilitou. Jinak je automatizace pouhou obranou nákladů.

Kandidát 4: Amplifa – AI v obchodu jako operační systém pro pipeline

Amplifa nezačíná u robotické buňky. Začínáme tam, kde je potřeba výrobní schopnosti proměnit v tržby: identifikace cílových zákazníků, zachycení signálů, nastavení priorit accountů, příprava personalizovaného oslovení, obohacení CRM dat, řízení follow-upů a měřitelnost obchodních playbooků. Pro výrobní podniky to konkrétně znamená: pokud vaše nová linka zvládá ekonomicky vyrábět menší série, systém nenajde jen generické „leady“, ale firmy s odpovídajícími změnami produktů, investičními oznámeními, nábory, problémy v dodavatelském řetězci, změnami norem nebo signály expanze. Není to magie. Je to práce s daty plus modely plus obchodní disciplína.

Z našich implementací víme: u výrobních a průmyslových zákazníků s 80 až 420 zaměstnanci vidíme v prvních 90 dnech téměř vždy stejný scénář. Mezi 18 a 35 procenty stávajících accountů v CRM je špatně klasifikováno nebo segmentováno příliš obecně – například „strojírenství“ namísto „jednoúčelové stroje pro manipulaci s bateriemi“. U zákazníků s více než 5 000 historickými kontakty pravidelně nacházíme 12 až 22 procent duplicit nebo neaktuálních rolí. A největší páka se málokdy skrývá ve vyšším objemu cold callů. Spočívá v reprioritizaci 40 až 120 accountů na základě reálného nákupního signálu. Jeden zákazník z oblasti Norimberka sjednal za devět měsíců třikrát více kvalifikovaných prvních schůzek, aniž by přijal jediného nového obchodníka. Ne proto, že by model psal obzvlášť lichotivě. Ale proto, že zviditelnil správné načasování.

Naše slabina? Neplánujeme výrobní linky. Nesimulujeme robotické buňky. Kdo potřebuje vyřešit seřizovací časy, kód pro PLC nebo varianty layoutu, potřebuje Siemens, KUKA, systémového integrátora nebo vlastní OT kompetence. Amplifa je silná ve chvíli, kdy je potřeba propojit technickou způsobilost, tržní segment a obchodní proces. Zejména po projektech tovární AI. Právě tehdy totiž často zazní nebezpečná věta: „Teď už to jen musíme prodat.“ Tato věta přichází příliš pozdě.

Produkt Amplifa: AI v obchodu pro průmyslové podniky Account intelligence, generování leadů a automatizace obchodu pro středně velké B2B týmy v regionu DACH.

Velké srovnání: Poskytovatelé, architektura a obchodní páka

Následující tabulka je záměrně věcná. Žádný dodavatel nevyhrává na celé čáře. Kdo tvrdí opak, prodává pouhé prezentace. Výrobce elektroniky v blízkosti Erlangenu s vysokou komplexitou variant má jiné priority než zakázkový výrobce ve Štýrsku nebo dodavatel zdravotnické techniky v Tuttlingenu. Přesto struktura pomáhá, protože debaty o rozpočtech jinak rychle uvíznou u velkých jmen: Siemens, NVIDIA, Microsoft, KUKA, Agile Robots. Jména udělají dojem. Ale účty platí vyřešená úzká hrdla.

Cenové srovnání: Kolik stojí AI v obchodu a ve výrobě?

Cenová srovnání v oblasti průmyslové AI bývají složitá, protože málokdo veřejně uvádí transparentní balíčky. Projekty Siemens a KUKA závisí na lokalitě, rozsahu integrace, stávající infrastruktuře, licencích, hardwaru a partnerech. Náklady na Microsoft Azure se odvíjejí od objemu dat, využití, výběru modelů, zabezpečení a služeb. Řešení Sales AI se odvíjejí od počtu uživatelů, objemu accountů, datových zdrojů, míry automatizace a integrací. Kdo požaduje jednoduchý ceník, často jej dostane jen u nástrojů, které neřeší skutečný problém do hloubky. Je to tvrdá realita, ale je dobré s ní počítat.

U nákladů na LLM v projektech uplatňuji rozdělení, které mnohým pomáhá: využití modelů, příprava dat, integrace do workflow, lidská kontrola. Tokeny jsou vidět, a proto se o nich tolik mluví. Špatné předávání dat mezi CRM, ERP, webem, e-mailem a složkami s nabídkami vidět není – a stojí mnohem víc. Kontextové okno o velikosti 200k nezachrání obchodní proces, pokud nejdůležitější zápis z jednání leží jako naskenované PDF na SharePointu a key account manažer ho pojmenoval „final_final_nove“.

Co to znamená pro provozní a generální ředitele?

Provozní ředitelé (COO) mají tendenci hledat AI nejprve tam, kde vidí stroje. Je to pochopitelné. Robotická buňka je hmatatelnější než lépe prioritizovaný cílový account. Můžete u ní stát, měřit takt, cítit vůni zahřátého plastu a chladicí kapaliny v hale. Pipeline nijak nevoní. To z ní však nedělá nic méně hmotného. Pokud obchod získává špatné projekty, i ta nejlepší továrna jede špatným směrem.

Čistě inbound strategie považuji v průmyslovém prostředí od roku 2026 za nebezpečné. Řečeno na rovinu: pokud jako středně velký výrobce pouze čekáte, až OEM, Tier-1 nebo strojírenská firma vyplní formulář, svou marži jste už odevzdali. Ty nejlepší projekty vznikají dříve: při změnách platforem, problémech dodavatelů, rozšiřování závodů, regulačních změnách či vzniku nových inženýrských týmů. Tyto signály jsou veřejné, poloveřejné nebo skryté ve vašich vlastních datech. AI v obchodu pak není generátorem textu. Je to radar.

Siemens/NVIDIA ukazuje směr, kterým se výroba ubírá: simulace před přestavbou, agenti před manuálním plánováním, digitální modely před pocity. Obchod musí udělat tentýž skok. Ne slepě automatizovat. Ne nahrazovat lidi, kteří udržují vztahy se zákazníky. Ale stará rutina – veletrh, tabulka v Excelu, tři follow-upy a doufání – prohraje se systémy, které propojují pohyby na trhu s interními schopnostmi. Obchodní ředitel jménem Jens z Heilbronnu mi v srpnu 2026 řekl: „Technicky jsme posílili, ale naši zákazníci se to nedozvídají dostatečně rychle.“ To je problém obchodu. Nikoli marketingu.

Jak začít bez zbytečného AI divadla?

Málokdy doporučuji megalomanské projekty. Ne proto, že bych myslel v malém. Ale proto, že velké projekty ve středně velkých organizacích často ztroskotají na třech věcech: přístupu k datům, odpovědnosti a nedostatku trpělivosti pro oněch „nudných 20 procent“. Digitální dvojče nelze smysluplně využívat, pokud nikdo nebere vážně odchylky v taktu. Sales AI nelze smysluplně využívat, pokud nikdo nerozhodne, které accounty se už nebudou zpracovávat. AI nutí k rozhodnutím. Přesně proto bývá nepohodlná.

1. Pojmenujte úzké hrdlo: Je vaším největším problémem náběh, plánování, kvalita, průchodnost nabídek, generování leadů nebo forecast? Pouze jedno hlavní úzké hrdlo. Ne pět.
2. Nakreslete datovou mapu: Které systémy obsahují relevantní fakta – ERP, MES, PLM, CRM, SharePoint, e-mail, web, obchodní rejstřík, pracovní inzeráty, tiskové zprávy?
3. Stanovte metriku: Například inženýrské hodiny na novou sestavu, náklady na plánování za týden, kvalifikované první schůzky za měsíc, doba zpracování nabídky nebo míra reaktivace.
4. Nastavte malý pilot: Jedna produktová rodina, jeden segment, jeden obchodní tým, jedna linka. Žádný korporátní mega-program naroubovaný na střední podnik.
5. Definujte lidskou kontrolu: Kdo má právo návrhy AI schvalovat, přepisovat nebo odmítat? V obchodu: Kdo rozhoduje o tom, zda bude account kontaktován?
6. Vynucujte propojení s obchodem: Každá iniciativa tovární AI musí mít odpověď na otázku, kteří zákazníci budou díky ní osloveni jinak.

Amplifa Sales Audit Zjistěte, kde váš obchod ztrácí pipeline: kvalita dat, cíloví zákazníci, follow-up, automatizace a prioritizace accountů.

FAQ: Nahradí tovární AI budování obchodu?

Ne. Tovární AI budování obchodu nenahradí. Pouze zvětšuje škody způsobené jeho špatným fungováním. Pokud přístupy podobné řešení Siemens/NVIDIA dokážou reálně zkrátit time-to-market až o 40 procent, vzniká na trhu nové tempo. Toto tempo musí někdo přetavit v cílové zákazníky, nabídky a vyjednávání. Jinak budete mít rychlejší továrnu, ale stále stejný, zastaralý odbytový kanál.

FAQ: Potřebuje každý střední podnik digitální dvojče?

Ne. Upřímně? Nevím to pro každou jednotlivou firmu. Ale vím jistě: ne každý bude v roce 2027 potřebovat kompletní digitální dvojče celé továrny. Mnozí potřebují nejprve dvojče svého úzkého hrdla. U výrobce elektroniky to může být náběh nové sestavy. U zakázkového výrobce kalkulace nabídek. U automatizační firmy robotická buňka. U obchodního týmu mapa accountů. Kdo se snaží modelovat všechno, často modeluje zcela mimo generování tržeb.

FAQ: Je AI v obchodu jen cold emailing s lepšími texty?

Ne. Cold e-mail je pouhý kanál. AI v obchodu je operační systém pro rozhodování před oslovením, během něj i po něm. Která firma je vhodná právě teď? Proč právě teď? Jaká technická schopnost je pro ni relevantní? Kdo v nákupním centru je pravděpodobně pod tlakem? Jaká reference sedí nejlépe? Jaké námitky padaly u podobných zákazníků? Která položka nabídky proces brzdí? Pokud nástroj pouze píše e-maily, není to systém Sales AI. Je to jen psací stroj napojený na API.

Osobní doporučení: Posloupnost kroků je důležitější než výběr nástroje

Kdybych byl ředitelem výrobního podniku se 150 zaměstnanci, nezačínal bych otázkou, zda je „nejlepším“ řešením Siemens/NVIDIA, Microsoft/Körber, KUKA nebo Amplifa. Nejprve bych rozhodl, zda náš růstový problém leží uvnitř, nebo vně firmy. Uvnitř znamená: dokázali bychom prodávat, ale brzdí nás výroba, plánování, kvalita nebo engineering. Pak se nejprve dívám na Siemens/NVIDIA, KUKA/NVIDIA nebo procesní architekturu kolem Microsoftu. Vně znamená: dokázali bychom dodávat, ale ti správní zákazníci to nevidí, přicházejí příliš pozdě nebo nejsou systematicky oslovováni. V tom případě přichází jako první na řadu AI v obchodu.

Mé druhé doporučení je méně populární: propojte tyto programy dříve. Když COO plánuje novou flexibilní výrobní buňku, obchod musí paralelně definovat, které zákaznické segmenty s ní osloví. Když chce obchod vstoupit do nového odvětví, výroba musí říct, které varianty jsou ziskové a které přinesou jen zmatek. U zákazníka z oblasti jednoúčelových strojů jsme na jaře 2026 viděli, že problémem nebyl počet leadů, ale špatný technický příběh. Po segmentaci na tři konkrétní aplikace sice klesl počet oslovených accountů, ale míra sjednaných schůzek výrazně vzrostla. Menší šířka zásahu. Větší přesnost.

Zdroje a nástroje Amplifa Bezplatné nástroje a audity pro obchodní pipeline, generování leadů a zralost AI v B2B prodeji.

Návod k rozhodování: 3 otázky před schůzkou s dodavatelem

Před každou schůzkou s dodavatelem – ať už jde o Siemens, partnera Microsoftu, integrátora KUKA, Agile Robots nebo nás – byste měli mít zodpovězeny tři otázky. Ne až na workshopu. Předem. Jinak definici problému převezme dodavatel. To je sice pohodlné, ale málokdy přínosné.

1. Které úzké hrdlo nás v příštím fiskálním roce bude stát víc peněz: příliš pomalý náběh výroby, nestabilní plánování, manuální procesy nebo nedostatek kvalifikované pipeline?
2. Jaká data toto úzké hrdlo dokazují: inženýrské hodiny, náklady na plánování, zmetkovitost, zpoždění dodávek, doba průchodu nabídky, konverzní poměry v CRM nebo ztracení stávající zákazníci?
3. Které rozhodnutí má AI konkrétně zlepšit: pořadí zakázek ve výrobě, program robota, schvalování dokumentů, výběr cílových accountů, načasování follow-upů nebo prioritu nabídek?

Pokud na tyto tři otázky nedokážete odpovědět, není to žádná tragédie. Nekupujte však v takovém případě AI. Kupujete si zatím jen orientaci. To je naprosto v pořádku. Jen je potřeba to pojmenovat pravým jménem.

Bod zlomu po Erlangenu

Ukázka společností Siemens a NVIDIA v Erlangenu je důležitá, protože posouvá dosavadní hranice. AI opouští škatulku izolovaných pilotních projektů a posouvá se přímo k plánování, simulaci, hardwaru a schopnosti dodávat. KUKA ukazuje tentýž posun z pohledu robotiky. Microsoft a Körber z pohledu procesů a cloudu. NVIDIA svým evropským investičním příslibem ve výši téměř 10 miliard dolarů vytváří na trhu další tlak. A Friedrich Merz veřejně vyzývá německé podniky, aby AI přijaly. Politické výzvy sice pipeline nevybudují, ale mění očekávání.

Pro obchodní, provozní a generální ředitele ve středních podnicích regionu DACH je závěr jednoduchý a zároveň neúprosný: výrobní AI a prodejní AI nesmějí zůstat oddělenými slajdy na různých kvartálních poradách. Pokud továrna dokáže plánovat rychleji, obchod musí dříve vědět, koho oslovit. Pokud obchod vytvoří novou poptávku, továrna musí být schopna říct, o které zakázky skutečně stojí. Mezi digitálním dvojčetem a CRM neleží IT projekt. Leží tam vaše marže.

Předpokládám, že za dva roky budeme méně mluvit o „AI projektech“ a více o schopnosti reagovat. Kdo si dříve všimne, že zákazník potřebuje změnu? Kdo dokáže rychleji ověřit, zda je daná varianta dodavatelná? Kdo dá obchodu spolehlivou odpověď dříve, než si konkurenční firma domluví schůzku? V některých halách pak bude robot manipulovat tišeji. V některých obchodních kancelářích konečně zmizí nepřehledné excelové tabulky. Ani jedno nezní bombasticky. Ale obojí přináší tržby.