AI v prodeji: Open vs. Closed AI v malých a středních podnicích

KI & Automatisierung · 16. September 2026 · Anthony Filipiak

AI v prodeji se stává otázkou investic. Přečtěte si, jak Open a Closed AI mění náklady, kontrolu a pipeline v malých a středních podnicích.

8. září 2026 oznámila společnost Mistral AI kolo financování ve výši 3 miliard eur, vedené společnostmi Samsung Electronics, EQT a PSG Equity, s oceněním přesahujícím 21 miliard eur. Téměř souběžně se objevily zprávy o nových jednáních OpenAI s oceněním 1,2 až 1,5 bilionu dolarů. To už není divadlo ze Silicon Valley, které by generální ředitel v Bielefeldu, Ulmu nebo St. Gallenu mohl mávnout rukou. AI v prodeji, v konstrukci, v servisu a v plánování výroby se právě mění z rozhodnutí o softwaru na rozhodnutí kapitálového trhu. Kdo v roce 2026 stále předstírá, že volba mezi AI s otevřeným zdrojovým kódem a AI s uzavřeným zdrojovým kódem je technická detailní otázka pro IT, podceňuje situaci.

Moje prognóza je nepohodlná: Během příštích 24 až 36 měsíců evropské malé a střední podniky neztroskotají na nedostatku AI nápadů, ale na špatných architektonických rozhodnutích. Ne na promptech. Ne na dalším workshopu Copilot s barevnými slajdy. Ale na smlouvách, nákladech na tokeny, úniku dat, integračních dluzích a otázce, zda jejich vlastní tvorba hodnoty bude v budoucnu spočívat na platformách, jejichž cenový model se mění v Seattlu, San Franciscu nebo Mountain View.

V rozhovorech s generálními řediteli a obchodními manažery právě teď vidím zlom. Před rokem zněla otázka často: 'Co můžeme dělat s ChatGPT?' Dnes spíše zní: 'Jak zabráníme tomu, aby nám AI za tři roky sežrala marži?' To zní defenzivně. Ale není. Je to okamžik, kdy AI dospívá.

AI v prodeji: Proč Open vs. Closed AI teď záleží

Nejprve překvapivá část: Open-source AI už není kutilský regál vývojářské komunity. Mistral, Hugging Face, Temporal a další otevřené nebo open-friendly infrastruktury přitahují kapitál, který byl dříve vyhrazen pouze poskytovatelům uzavřených modelů. Mistral v červnu 2024 získal přibližně 600 milionů eur při ocenění 5,8 miliardy eur, v září 2025 následovalo podle zkoumaných dat kolo ve výši 1,7 miliardy eur pod vedením ASML při ocenění 11,7 miliardy eur a v září 2026 pak 3 miliardy eur při ocenění přesahujícím 21 miliard eur.

To je skutečná změna trhu. Ne to, že OpenAI dostává hodně peněz. To bylo jasné. Změna spočívá v tom, že otevřené modely a otevřená infrastruktura se samy stávají státní, průmyslovou a polovodičovou politikou. ASML neinvestuje do Mistralu z romantiky. Samsung také ne. Nvidia už vůbec ne. Tyto firmy si zajišťují vliv na vrstvu, na které se v budoucnu bude odehrávat inženýring, prodej, servis, kvalita a nákup.

Pro malé a střední podniky to znamená: Otázka 'Otevřené nebo uzavřené?' není akademická. Rozhoduje o tom, zda strojírenská firma z Bádenska-Württemberska trvale vloží svou logiku nabídek, své technické dokumenty, svá data o náhradních dílech a své prodejní signály do uzavřeného API modelu. Nebo zda bude kontrolovat část AI vrstvy. Možná ne všechno. No, skoro nikdy ne všechno. Ale dost na to, aby nemusela každý měsíc čekat na další zvýšení cen.

Překvapivá prognóza pro roky 2027 až 2029

Věřím: V roce 2027 první vlna zklamání z AI v malých a středních podnicích nepřijde kvůli špatným modelům. Modely budou dostatečně dobré. Zklamání přijde, protože mnoho společností nakoupilo AI jako SaaS, ačkoli ji měly plánovat jako infrastrukturu.

CSO dodavatele automatizace z Norimberku mi v březnu 2026 řekl: 'Testovali jsme dvanáct AI nástrojů a nakonec jsme nepřijali jediné datové rozhodnutí.' Ta věta mi utkvěla. Dvanáct nástrojů. Nula architektury. To voní po veletržní hale, po demo účtu, po prodejní show. A vysvětluje to, proč mnoho týmů má pilotní projekty, ale žádné spolehlivé zlepšení pipeline, žádný stabilní tok dat, žádný plán TCO na pět let.

Současný stav: Výdaje na AI rostou, kontrola zaostává

Podle Menlo Ventures vzrostly podnikové výdaje na generativní AI z 1,7 miliardy dolarů v roce 2023 na 11,5 miliardy dolarů v roce 2024 a 37 miliard dolarů v roce 2025. To není lineární růst, to je rozpočtový šok. Zároveň podle Eurostatu v roce 2025 využívalo AI teprve 20 procent podniků EU s nejméně deseti zaměstnanci, oproti 13,5 procentům v roce 2024. Evropa tedy ještě nevydává plošně, ale tam, kde se vydává, to jde rychle.

USA jsou v čele. Bloomberg s odkazem na data EY uvedl, že americké startupy v roce 2025 získaly přibližně 97 miliard dolarů na generativní AI, zatímco evropské startupy pouze asi 5,9 miliardy dolarů. To je faktor přibližně 16. Kdo z toho vyvozuje, že by Evropa měla jednoduše nakupovat od amerických dodavatelů, dělá si to příliš snadné. Není to tak docela pravda. Pro generickou kancelářskou práci to může fungovat. Pro průmyslové klíčové procesy je to nebezpečnější.

Vezměme si typického výrobce z DACH regionu: 800 zaměstnanců, SAP v ERP, Siemens Teamcenter v PLM, MES, které se vyvíjelo léta, prodejní data v HubSpotu nebo Salesforce, servisní zprávy jako PDF, seznamy náhradních dílů v souborovém systému a pár Excelových monster, kterých se nikdo nechce dotknout (protože vždycky ten jeden kolega ví, který sloupec je opravdu správný). Přesně tam má AI vytvářet hodnotu. Ne v chatovacím okně. V procesu.

A tady to bude drahé. Zpráva AI-Value-Chain Report předpovídá, že globální trh s placeným využíváním tokenů vzroste ze 136 miliard dolarů v roce 2025 na 1,35 bilionu dolarů v roce 2030. Paralelně má globální výpočetní výkon AI vzrůst z 13 gigawattů v roce 2025 na 98 gigawattů v roce 2030. Spotřeba energie datových center? Podle zkoumaných dat z přibližně 485 TWh v roce 2025 na zhruba 950 TWh v roce 2030. To je vůně teplé serverovny, jen globálně škálovaná.

Pro generální ředitele to znamená: Náklady na AI nezmizí v řádku IT. Přesunou se do nákladů na prodej, servis, inženýring a cloudové smlouvy. U uzavřených modelů platíte za použití, za místo, za volání API, za generaci modelu. U otevřených modelů platíte za integraci, provoz, bezpečnost, hosting a lidi. Obojí něco stojí. Otázkou je, který nákladový profil se hodí k vašemu obchodnímu modelu.

Trend 1: Open-source AI se stává průmyslovou infrastrukturou

První trend je nejdůležitější pro Evropu: Open-source AI a open-weight modely už nejsou vnímány jako alternativa pro šetřílky, ale jako strategická infrastruktura. Mistral je toho symbolem. Série B ve výši 600 milionů eur v červnu 2024 už byla velká. Kolo vedené ASML v září 2025 bylo politické. Kolo ve výši 3 miliard eur v září 2026 definitivně objasnilo: Evropa nechce být jen zákazníkem OpenAI, Anthropic a Google DeepMind.

ASML podle zkoumaných dat investovalo přibližně 1,3 miliardy dolarů a získalo asi 11 procent v Mistralu. Kdo zná ASML, ví: Tato firma nekupuje folklór. ASML je úzké hrdlo globální výroby čipů. Pokud takový koncern investuje do evropské AI modelové společnosti, jde o průmyslovou kontrolu, tvorbu hodnoty polovodičů, suverenitu dat a přístup k modelové kompetenci. Politico proto Mistral popsal jako geopolitický nástroj Francie. Tvrdě řečeno: Open-source AI je v Evropě mezitím politikou pro danou lokalitu.

Hugging Face zapadá do stejného obrazu. Prozkoumané informace uvádějí akvizici Nvidie v roce 2026 za přibližně 12,93 miliardy dolarů. Ať už toto číslo čtete střízlivě, nebo s pozvednutým obočím: Směr je jasný. Ekosystém, který byl dlouho považován za vývojářskou platformu, se stává strategickým pro dodavatele GPU. Proč? Protože modely se stávají zaměnitelnějšími, ale distribuce, přístup vývojářů, hosting modelů, hodnocení a pracovní postupy vytvářejí moc.

Od středně velkých výrobců často slyším větu: 'Open source je pro nás příliš riskantní.' Upřímně? V mnoha případech to považuji za starý reflex. Riziko nespočívá v otevřeném modelu. Riziko spočívá ve špatně provozovaném otevřeném modelu, bez monitoringu, bez oprávnění, bez jasné klasifikace dat. To je rozdíl. Neověřené volání uzavřeného API s důvěrnými kusovníky není automaticky bezpečnější jen proto, že faktura pochází od hyperscalera.

Andrea, vedoucí prodeje u Hidden Champion v Bielefeldu, mi před třemi týdny řekla: 'Naše IT blokuje open source, ale nikdo mi nedokáže vysvětlit, proč naše znalosti nabídek mohou jít do amerického API.' Přesně to je kognitivní disonance, kterou teď vidím všude. Důvěřuje se logu, ne architektuře. To je pohodlné. A drahé.

Otevřené modely se mění z hobby artefaktů na národní a průmyslová aktiva. Kola financování kolem Mistralu ukazují, že Evropa chce AI vrstvu, se kterou může vyjednávat, nejen si ji předplatit.

— Julien Simon, Chief Evangelist ve společnosti Hugging Face, Paříž

Proč tento trend ovlivňuje prodej

V prodeji zní open-source AI zpočátku vzdáleně. Není tomu tak. Pokud váš prodejní tým každý měsíc analyzuje 2000 cílových zákazníků, zkoumá 800 technických nákupních center, čte výběrová řízení, prochází webové stránky, rozpoznává spouštěče a připravuje personalizované zprávy, pak mluvíme o průběžných nákladech na inferenci. Ne o několika licencích ChatGPT. Pak se ekonomika tokenů stává ekonomikou prodeje.

Příklad z praxe: Dodavatel strojírenských komponent z Východního Vestfálska chtěl prioritizovat mezinárodní cílové účty podle výrobních lokalit, instalovaných typů strojů, signálů expanze a potřeby servisu. S čistě uzavřeným API nastavením vypadal výpočet v pilotním projektu dobře. 400 účtů. Zvládnutelné. Když jsme model extrapolovali na 48 000 firemních profilů, 17 jazyků a měsíční aktualizace, diskuse se změnila. Najednou už nešlo o kvalitu modelu, ale o variabilní náklady a opakovatelnost.

Přesně zde se stávají otevřené modely zajímavými. Ne proto, že jsou vždy lepší. Nejsou. Ale proto, že u opakujících se, doménově specifických úkolů s jasnou datovou strukturou jsou často dostatečně dobré a poskytují větší kontrolu nad náklady a nasazením. Prodej nepotřebuje pro každou extrakci firemních dat špičkový model s maximálním uvažováním. Někdy stačí čistě vyladěný model, který spolehlivě rozpozná výrobní lokality, produktové řady, certifikace a investiční signály.

AI v prodeji: Tabulka pro adopci a vývoj trhu

Trend 2: Uzavřená AI zůstává silná, ale nákladová logika je brutální

Druhý trend: Uzavřená AI zůstává dominantní v obecných schopnostech, ale je kapitálově náročná až k hranici bolesti. OpenAI měla v roce 2025 podle zkoumaných dat obrat 13 až 25 miliard dolarů a zároveň zaznamenala čisté ztráty 38 až 44 miliard dolarů. Pro polovinu roku 2026 se odhadují roční tržby 24 až 40 miliard dolarů. To je silné. A přesto jsou ve hře obrovské finanční částky.

Zmíněné kolo financování OpenAI v březnu 2026 ve výši přibližně 122 miliard dolarů při ocenění po investici zhruba 840 až 852 miliard dolarů zní jako vlastní režim kapitálového trhu. Amazon s 50 miliardami dolarů, Nvidia s 30 miliardami dolarů, SoftBank s více než 30 miliardami dolarů. Pozdější zprávy v září 2026 hovoří o oceněních 1,2 až 1,5 bilionu dolarů. Analýza AI-Finance dokonce zmínila možný účet za výpočetní výkon ve výši 300 miliard dolarů v nadcházejících letech.

Anthropic hraje stejnou hru, jen s jinou tonalitou. Prozkoumaná data uvádějí plánované IPO s přibližně 100 miliardami dolarů získaného kapitálu při ocenění 2 biliony dolarů, Nvidii jako možného hlavního investora s až 10 miliardami dolarů a závazek nakoupit 30 miliard dolarů kapacity Microsoft Azure na GPU Nvidia. To není jen AI. To je trojúhelník modelové laboratoře, cloudové smlouvy a dodavatelského řetězce GPU.

Nechci podceňovat uzavřené modely. Kdo to dělá, prodává ideologii. OpenAI, Anthropic a Gemini jsou vynikající pro mnoho úkolů: komplexní uvažování, multimodální analýza, kódování, obecná znalostní práce, asistence v kancelářských procesech. Pokud obchodní manažer ve Festo nebo Phoenix Contact nastavuje interní znalostní systém, uzavřený model může rychle přinést hodnotu. Rychlost je důležitá. Rychlost získává interní souhlas.

Ale uzavřená AI má háček, který se zřídka objevuje v pilotních prezentacích: Pilot je levný, škálování je produkt. 50 uživatelů, pár pracovních postupů, přátelská podniková sleva. Pak přijdou automatické souhrny CRM, asistenti nabídek, generování e-mailů, poznámky ze schůzek, skórování webových stránek, analýza dokumentů, RAG systémy, překlady, klasifikace služeb. Každý proces spotřebovává tokeny. Každý měsíc se stává vyúčtováním spotřeby. A jednou se finanční ředitel zeptá, proč má prodej najednou cloudovou křivku, která vypadá jako hokejka.

Lock-in není jen technický

Mnozí mluví o lock-inu v souvislosti s API. To je příliš zjednodušené. Skutečný lock-in vzniká ve formátech dat, řetězcích promptů, evaluačních sadách, uživatelských zvyklostech, administrativních procesech, systémech oprávnění a interních školeních. Pokud váš prodejní tým po 18 měsíců budoval svou ICP logiku, své skóre účtů, své playbooky a své outreach šablony na uzavřeném modelu, nebudete jen tak v pátek odpoledne měnit dodavatele.

Generální ředitel z Augsburgu, Thomas, vede výrobce komponent s přibližně 420 zaměstnanci. V dubnu 2026 mi řekl: 'U cloudového ERP jsme se naučili, že změna neztroskotá na ceně, ale na provozu.' Přesně tak. AI bude podobná. Jen rychlejší. A s méně standardy.

Proto nesouhlasím s radou, aby malé a střední podniky jednoduše zvolily nejlepšího uzavřeného dodavatele a optimalizovaly později. Později je nebezpečné slovo. Později jsou data rozptýlená, uživatelé vyškolení, pracovní postupy pevně propojené a nákup podepsal tříletou smlouvu. Pak už nevyjednáváte na stejné úrovni. Pak vyjednáváte jako závislý zákazník.

Trend 3: Hybrid se stává povinností, ale ne jako kompromis

Třetí trend je pragmatická odpověď: Prosazují se hybridní architektury. Ne z touhy po harmonii. Ale proto, že ani otevřené, ani uzavřené řešení samo o sobě není dostatečně čisté. Uzavřené pro generickou znalostní práci, komplexní uvažování a rychlé prototypy. Otevřené pro opakující se pracovní zátěže, citlivá data, odvětvově specifickou klasifikaci, on-prem nebo suverénní cloudový provoz. To není kompromis. To je řízení rizik.

U výrobců v DACH regionu vidím vzor: Procesy blízké kanceláři jdou nejprve do uzavřených platforem. Microsoft Copilot, Azure OpenAI, ChatGPT Enterprise, Gemini v Google stacku. Procesy blízké výrobě, strategické pro prodej nebo náročné na IP jsou naopak ošetřovány opatrněji. Dokumenty blízké CAD, kalkulace nabídek, speciální zákaznické ceny, technické reklamace, servisní zprávy, parametry strojů. Tam nikdo nechce, aby data cestovala, aniž by někdo ve firmě dokázal vysvětlit trasu.

To zní jako správa IT, ale je to byznys. Pokud chce strojírenská firma bránit svou marži na náhradních dílech pomocí AI agenta, který shlukuje servisní případy, předpovídá potřebu náhradních dílů a upozorňuje prodej na signály odlivu zákazníků, pak to není chatbot. To je řízení tržeb. Pokud dodavatel automobilového průmyslu jako Brose nebo Schaeffler propojuje data dodavatelů, zprávy o kvalitě a historii účtů, pak jde o vyjednávací sílu. Ne o hezké rozhraní.

Trh Enterprise Agentic AI má podle Grand View Research vzrůst z 2,6 miliardy dolarů v roce 2024 na 24,5 miliardy dolarů v roce 2030, s přibližně 46 procenty CAGR. MarketsandMarkets vidí širší trh AI agentů z 5,26 miliardy dolarů v roce 2024 na 52,62 miliardy dolarů v roce 2028. Zda se přesné číslo nakonec potvrdí? Upřímně? Nevím. Ale směr je jasný: AI se přesouvá od systémů odpovědí k systémům akce.

A akční systémy potřebují kontrolu. AI agent, který pouze formuluje texty, je milý. AI agent, který prioritizuje účty, připravuje nabídky, spouští následné sekvence, eskaluje servisní případy nebo oslovuje dodavatele, zasahuje do procesů. Pak nestačí test nástroje. Pak potřebujete práva, protokoly, schválení, záložní řešení, cenové limity, směrování modelů a tým, který rozumí tomu, kdy se použije uzavřený model a kdy otevřený model.

Co konkrétně vidíme u Amplifa

Co konkrétně vidíme u Amplifa: V posledních 12 měsících jsme při implementacích u průmyslových, strojírenských a technických servisních společností v DACH regionu pozorovali, že AI projekty v prodeji téměř nikdy neztroskotají na generování textu. Ztroskotají na prvním kilometru dat. U 31 ze 44 analyzovaných Go-to-Market nastavení byla ICP kritéria v nejméně čtyřech oddělených systémech: CRM, ERP, Excel, data z webových stránek a často ještě v hlavách dvou seniorních prodejců. V 19 případech týmy před zahájením projektu nedokázaly vysvětlit, proč by účet se skóre 82 měl být lepší než ten se skóre 54. To není problém AI. To je problém řízení prodeje s AI symptomy.

Ještě konkrétněji: U výrobců s produkty vyžadujícími vysvětlení pravidelně vidíme, že otevřené modely stačí pro strukturovanou přípravnou práci, zatímco uzavřené modely jsou silnější u komplexní personalizace. Vzor, který funguje: Open-weight model extrahuje firemní charakteristiky, výrobní pokyny, certifikace, exportní trhy a signály náboru z veřejných zdrojů. Uzavřený špičkový model poté napíše přesnou hypotézu pro Account Executive. Pak to zkontroluje člověk. Není to romantické. Je to účinné.

V projektu s technickým dodavatelem z jižního Německa klesl manuální čas na výzkum cílového účtu z 22 minut na méně než 6 minut, měřeno u 1 200 účtů v období od ledna do března 2026. Zároveň se zvýšil podíl účtů s alespoň jedním spolehlivým spouštěčem z 34 na 71 procent. Žádný nový prodejce. Žádný motivační plakát. Jen lepší sběr dat, směrování modelů a ICP, které nebylo založeno na pocitu.

To je ta část, která mě na mnoha zasedáních představenstva štve: Mluví se o AI, jako by poskytovatel modelu byl strategií. Špatně. Strategie spočívá v otázce, které prodejní rozhodnutí se automatizuje, podporuje nebo záměrně neautomatizuje. Kdo smí prioritizovat účet? Kdo smí spustit zprávu? Jaká data smí jít do modelu? Kolik stojí kvalifikovaná schůzka, když výzkum, oslovení a následná péče jsou částečně automatizované?

Amplifa ICP Playbook Praktický playbook pro čisté definování cílových zákazníků, nákupních signálů a prioritizace účtů v B2B prodeji před škálováním AI.

Open vs. Closed AI: Obchodní logika pro výrobce

Pro výrobní společnosti v DACH regionu existují čtyři tvrdá kritéria: nákladová křivka, kontrola dat, integrační schopnost a vyjednávací síla. Všechno ostatní je vedlejší. Vím, že to zní drsně. Ale když mluvíte s generálními řediteli, kteří brání marže v obchodu s díly, vysvětlují ceny energií, stabilizují dodavatelské řetězce a zároveň mají budovat nové digitální služby, pak rychle ztratíte trpělivost s AI prezentacemi, které obsahují jen sliby efektivity.

Uzavřená AI boduje na začátku. Koupíte si přístup, získáte silné modely, využijete stávající cloudové a bezpečnostní struktury a můžete během týdnů vytvořit produktivní aplikace. To je pro mnoho malých a středních podniků smysluplné, protože interní AI týmy jsou malé. Obchodní manažer u dodavatele Kärcher v regionu Stuttgart nebude nejprve budovat vlastní MLOps tým jen proto, aby zlepšil texty nabídek. Pochopitelné.

Otevřená AI boduje v kontrole a opakování. Pokud proces běží tisíckrát denně, se stabilní datovou strukturou a citlivými informacemi, pak se vyplatí vlastní hosting nebo suverénní cloud. Ne vždy. Ale častěji, než mnoho poradců přiznává. Zvláště u hodnocení leadů, klasifikace dokumentů, technické taxonomie, analýzy výběrových řízení, párování náhradních dílů a interního vyhledávání znalostí v důvěrných dokumentech.

V roce 2026 bych žádnému středně velkému podniku nedoporučoval plně se spoléhat na open source, pokud nemá integrační kompetence. To by bylo nezodpovědné. Stejně tak bych ale nikomu nedoporučoval lepit všechny strategické AI procesy na uzavřenou platformu. To je pohodlné, dokud nepřijde účet nebo se úředník pro ochranu dat v řídícím výboru náhle velmi ztichne.

Náklady: Capex vs. Opex je příliš jednoduché

Mnozí to prezentují špatně: Open Source rovná se Capex, Closed Source rovná se Opex. Tak jednoduché to není. Otevřený model může být prostřednictvím Managed Hostingu také Opex. Uzavřený model může prostřednictvím podnikových smluv působit plánovatelněji. Skutečná otázka zní: Jak silně se spotřeba škáluje s vaším obchodním úspěchem?

Pokud váš AI systém analyzuje každý nový lead, každou změnu webových stránek, každé výběrové řízení, každý servisní protokol a každou poznámku v CRM, náklady rostou s aktivitou. To není špatné. Jen to musí zapadat do jednotkové ekonomiky. Prodejní proces, který s AI najde třikrát více relevantních účtů, ale na jedno uzavření generuje o 18 procent více nákladů na nástroje a tokeny, musí být hodnocen jinak než klasické předplatné SaaS.

U středně velkého výrobce s ročním rozpočtem na AI ve výši 1 až 3 milionů eur považuji za realistické, že strategie pouze s uzavřenými modely do roku 2028 naváže přibližně 50 až 70 procent tohoto rozpočtu na poplatky za používání, pokud prodej, servis a inženýring široce automatizují. Tento rozsah není analytická pravda. Je to plánovací předpoklad z rozhovorů a extrapolací. Ale nutí k správné diskusi.

Datová suverenita: Malé a střední podniky podceňují svá vlastní aktiva

Mnoho výrobců mluví o datech, jako by jich měli málo. Většinou to není pravda. Mají málo použitelných dat. To je něco jiného. V servisních zprávách se skrývá znalost produktu. V ztracených nabídkách se skrývá citlivost na cenu. V reklamacích se skrývá konkurenční informace. V objednávkách náhradních dílů se skrývá instalovaná základna. Ve starých zprávách z návštěv se skrývá logika nákupního centra. Vůně papírového archivu není digitální, ale hodnota je reálná.

Kdo tato data zpřístupní AI, buduje aktivum. Kdo je nekontrolovaně rozptýlí do cizích systémů, stává se závislým. GDPR je přitom jen právní povrch. Pro mnoho strojírenských firem je důležitější ochrana obchodního tajemství: speciální podmínky, zákaznické konstrukce, problémy s dodávkami, vady kvality, procesní parametry. To nejsou data, která by se lehkovážně strkala do černé skříňky.

Strategie EU zvýšit podíl Evropy na globální výpočetní kapacitě AI z 5 na 15 procent do roku 2030, s 100 miliardami eur veřejných a 1,5 bilionu eur soukromých investic, ukazuje, kam se ubírá cesta. Evropa chce větší kontrolu nad výpočetním výkonem, modely a datovými prostory. Malé a střední podniky by to neměly číst jako bruselský dokument. Měly by to číst jako nákupní strategii.

FAQ: Měly by malé a střední podniky preferovat open-source AI?

Ne, ne paušálně. Kdo má malou datovou zralost, žádné integrační partnery a žádné jasné případy použití, často lépe začne s uzavřenými platformami. Ale každý středně velký výrobce by měl alespoň jednu možnost otevřeného modelu vybudovat jako referenční architekturu. Ne z principu. Jako cenovou kotvu, záložní cestu a kontrolní vrstvu.

FAQ: Kde je uzavřená AI v prodeji nadřazená?

Uzavřená AI je silná, když jsou úkoly široké, nestrukturované a jazykově náročné. Hypotézy účtů, exekutivní brífinky, komplexní varianty e-mailů, příprava rozhovorů pro mezinárodní nákupní výbory. Dobrý uzavřený model zde může poskytnout kvalitu, pro kterou by menší otevřené modely potřebovaly více ladění. Takové modely sám používám. Ale ne slepě pro každý proces.

FAQ: Kde je otevřená AI v prodeji lepší?

Otevřená AI je často lepší u opakovatelných, doménově specifických a citlivých úkolů: klasifikace cílových zákazníků, extrakce technických vlastností, skórování firemních signálů, interní vyhledávání znalostí, analýza archivů nabídek. Zde se nepočítá s nejbrilantnější odpovědí, ale se stabilní opakovatelností, nízkými mezními náklady a kontrolou nad toky dat.

Co to znamená pro generální ředitele a investory

Pro generální ředitele v malých a středních podnicích je první dopad jednoduchý: AI musí být součástí strategického a rozpočtového plánování, ne v inovační složce. Pokud podnikové výdaje na generativní AI vzrostou během jednoho roku z 11,5 na 37 miliard dolarů, pak budou dodavatelé, integrátoři a platformy agresivněji prodávat. Váš nákup uvidí nabídky, které znějí produktivně a voní po tříletém cloudovém závazku.

Pro investory je otázka ještě ostřejší. Pokud investujete do výrobce nebo ho hodnotíte, musíte v budoucnu vědět, zda jsou AI schopnosti společnosti vlastním aktivem, nebo jen pronajatými prompty. Společnost, která vybudovala svou ICP logiku, svá data o účtech, své technické klasifikace a svou automatizaci procesů agnosticky k modelu, je robustnější. Společnost, jejíž AI pracovní postupy jsou zcela závislé na uzavřeném nástroji, nese riziko platformy.

Při due diligence od roku 2027 bych se velmi konkrétně ptal: Jaké modely se používají pro jaké procesy? Jaká data opouštějí EU? Existuje možnost exitu pro kritické pracovní postupy? Jak vysoké jsou náklady na AI na nabídku, na servisní případ, na kvalifikovanou schůzku? Jaká evaluační data patří společnosti? Kdo může systém provozovat, pokud dodavatel změní ceny?

To zní tvrdě. Ale musí. Kdo prodává AI jako multiplikátor, musí přijmout, že se násobí i chyby. Špatný ICP se s AI nezlepší. Jen se rychleji rozšíří. Špatná CRM disciplína se s AI nevyléčí. Jen se hezčeji shrne. Prodejní proces bez jasných odpovědností se s agenty nestane autonomním. Stane se chaotickým.

Příprava AI v prodeji: 7 kroků pro rok 2026

1. Oddělte případy použití podle datového rizika. Kancelářské texty, veřejný průzkum účtů a interní znalostní práce nepatří do stejného koše jako kalkulace nabídek, dokumenty blízké CAD nebo servisní zprávy s obchodními tajemstvími.
2. Vypočítejte TCO na tři roky. Nejen licenční náklady. Zahrňte tokeny, uživatele, volání API, hosting, integraci, monitoring, bezpečnost, školení a změnu dodavatele. Pilotní projekt bez výpočtu škálování je prodejní materiál.
3. Vybudujte směrování modelů. Určete, které úkoly smí dostat uzavřený špičkový model a které má provádět otevřený model. Nejlepší stack nepoužívá vždy nejlepší model, ale ten vhodný.
4. Definujte svůj ICP strojově čitelně. Odvětví, velikosti firem, zařízení, certifikace, signály expanze, spouštěče, kritéria vyloučení. Pokud váš ideální zákaznický profil existuje pouze v PowerPointu, AI ho nedokáže čistě škálovat.
5. Vytvořte evaluační datové sady z reálných případů. 100 získaných účtů, 100 ztracených účtů, 100 špatných leadů, skutečné servisní případy, skutečné dokumenty nabídek. Bez evaluace diskutujete kvalitu modelu podle pocitu.
6. Vyjednejte datové a cenové klauzule včas. U uzavřených dodavatelů: rezidence dat, žádné školení na zákaznických datech, možnosti exportu, cenová stabilita. U otevřených partnerů: SLA, bezpečnostní hardening, provozní model, společné IP.
7. Vytvořte odpovědnost v byznysu. Nejen IT. Prodej, servis, inženýring a controlling musí rozumět nákladům na AI a rozhodnutím o AI. Jinak IT vybuduje platformu, kterou nikdo ekonomicky neřídí.

Tyto kroky působí suše. Dobře. Suché kroky zabraňují slzám v řídícím výboru. Viděl jsem příliš mnoho AI projektů, u kterých po šesti měsících nikdo nevěděl, zda systém generuje tržby, nebo jen aktivitu. Zvláště v prodeji je aktivita nejnebezpečnější metrikou. Více e-mailů není pokrok. Více relevantních rozhovorů ano.

Produkt Amplifa Amplifa pomáhá B2B týmům datově identifikovat cílové zákazníky, prioritizovat signály a kontrolovaně budovat prodejní procesy řízené AI.

Jak může vypadat hybridní AI stack v malých a středních podnicích

Použitelný hybridní stack nezačíná modelem. Začíná mapou procesů. Jaká prodejní rozhodnutí se dnes dělají? Vybrat účet, pochopit nákupní centrum, najít příležitost, formulovat zprávu, nastavit načasování, naplánovat následnou péči, připravit nabídku, rozpoznat riziko. Každé rozhodnutí dostane zdroje dat, odpovědné osoby a úroveň automatizace. Teprve pak přichází otázka modelu.

Pro veřejná firemní data může stačit otevřený model, který běží na vlastní infrastruktuře nebo u evropského poskytovatele. Extrahoval by z webových stránek, dat obchodního rejstříku, inzerátů, tiskových zpráv a databází certifikátů relevantní charakteristiky. Příklad: Výrobce rozšiřuje závod v České republice, hledá údržbáře se zkušenostmi se Siemens S7 a zmiňuje nové balicí linky. To je signál. Ne magický signál. Ale lepší než 'firma má 500 zaměstnanců'.

Pro formulaci exekutivní hypotézy může být vhodný uzavřený model, pokud do něj nevstupují důvěrná data nebo jsou čistě maskována. Account Executive pak nedostane 'Dobrý den, chtěl bych se krátce představit', ale hypotézu: 'Vaše expanze v Brně pravděpodobně zvýší potřebu standardizovaných procesů údržby pro linku X; u podobných závodů vidíme úzká místa v dostupnosti náhradních dílů.' To je prodej. Ne spam.

Pro interní vyhledávání znalostí v archivech nabídek bych byl opatrnější. Tam jsou ceny, slevy, speciální technická řešení, právní klauzule. Otevřený model v kontrolovaném prostředí zde může být lepší volbou. Možná s Retrieval-Augmented Generation, možná s přísnou rolí logiky, možná s lidským schválením. Hlavně: Nikdo nekopíruje PDF nabídky do žádného chatovacího okna, protože je to rychlejší.

Orchestrace pracovních postupů je přitom podceňována. Temporal, podle zkoumaných dat v září 2026 financovaný 550 miliony dolarů v sérii E s oceněním 12,55 miliardy dolarů, ukazuje, jak důležité se stávají robustní procesy. AI bez orchestrace je demo video. AI s orchestrací může nést proces: získat data, vybrat model, zkontrolovat výsledek, aktualizovat CRM, získat schválení, vytvořit úkol.

Proč čistě inbound strategie ve výrobě nestačí

Říkám to záměrně ostře: Kdo v roce 2026 v průmyslovém B2B stále sází na čistě inbound strategii, nebude mít za pět let spolehlivou pipeline. Ne proto, že inbound je mrtvý. Ale proto, že kupující se stávají neviditelnějšími, výběrová řízení přicházejí později a techničtí rozhodovatelé konzumují informace dlouho předtím, než vyplní formulář. Pokud reagujete až tehdy, když je lead v systému, jste často už zaměnitelní.

AI zde mění pravidla hry. Dobré prodejní týmy nečekají na leady. Rozpoznávají pohyby na trhu: rozšíření závodů, nové produktové řady, změny managementu, dotační rozhodnutí, nové normy, inzeráty, problémy v dodavatelských řetězcích, patenty, oznámení veletrhů. Tým, který tyto signály hledá ručně, nestíhá. Tým, který je automaticky sbírá a špatně hodnotí, produkuje šum. Tým, který kombinuje AI s čistým ICP, buduje pipeline dříve.

Markus, obchodní ředitel výrobce zařízení z okolí Ulmu, mi v červnu 2026 řekl: 'Naše nejlepší šance nikdy nejsou v CRM, dokud je někdo nehledal.' Přesně tak. CRM je často zpětné zrcátko. AI může být radar. Ale jen tehdy, když signály sedí a prodejní tým nepovažuje každou automaticky generovanou stopu za příležitost.

Role regulace a suverenity

AI Act, GDPR, NIS2 a odvětvově specifické požadavky Evropu neusnadňují. Ale činí debatu upřímnější. Výrobci z DACH regionu nemohou předstírat, že toky dat jsou irelevantní. Zvláště společnosti s vazbou na automobilový průmysl, obranu, medicínskou techniku nebo chemii musí vědět, kde se data zpracovávají, kdo k nim má přístup a jak se rozhodnutí protokolují.

Open-weight modely se proto dobře hodí do evropské průmyslové politiky. Umožňují větší lokální kontrolu, větší auditovatelnost a větší přizpůsobení doménově specifickým požadavkům. Ale znovu: otevřené neznamená automaticky compliant. Špatně nakonfigurovaný open-source systém je stejně nebezpečný jako špatně vyjednaná uzavřená smlouva. Rozdíl je v tom, že u otevřeného máte často větší prostor pro manévrování.

Iniciativa Francie-SAE v hodnotě přibližně 1 miliardy dolarů na konstelaci AI satelitů s 50 satelity pro pozorování Země ukazuje, jak široký se stává pojem suverenity. Nejde jen o chatboty. Jde o zdroje dat, výpočetní výkon, modely, aplikace. Pro výrobce to znamená: Hodnotový řetězec AI se prodlužuje. A kdo si jen na konci koupí nástroj, nerozumí páce.

Investiční částky: Co skutečně znamenají mega kola

Mega kola nejsou důkazem zákaznické hodnoty. To je třeba říci. Kapitál může také znamenat přehřátí. Ale řády velikosti ukazují, kde vznikají strategické závislosti. OpenAI s kolem financování 122 miliard dolarů v březnu 2026, Anthropic s možnými plány IPO na 100 miliard dolarů, Mistral s 3 miliardami eur v sérii D, Hugging Face s dvouciferným miliardovým oceněním, Temporal s 12,55 miliardami dolarů. To je nová mapa infrastruktury.

Pro malé a střední podniky se v tom skrývá varování. Poskytovatelé s extrémními kapitálovými požadavky musí dříve či později ukázat zisk. Zisk přichází prostřednictvím cen, balíčků, spotřeby, kontroly platformy nebo tržního podílu. Pokud sedíte na platformě, která sama musí pokrýt účet za výpočetní výkon ve výši 300 miliard dolarů, neměli byste předpokládat, že vaše ceny API zůstanou trvale přátelské.

U otevřených ekosystémů je logika jiná, ale ne bezplatná. Hodnota vzniká při hostingu, integraci, bezpečnosti, podpoře, jemném ladění, hodnocení a provozu. To je příležitost pro evropské integrátory a specializované poskytovatele. Pro zákazníky je to práce. Musíte vybírat partnery, řídit architekturu a měřit výsledky. Za to získáte zpět vyjednávací sílu.

Spojení mezi architekturou AI a řízením pipeline

Řízení pipeline je často považováno za prodejní disciplínu. Forecast, fáze, pravděpodobnosti, další kroky. Všechno správně. Ale AI posouvá řízení pipeline dopředu. Rozhodující otázka už nezní jen, jaké příležitosti jsou v CRM. Ale jaké účty ještě nejsou v CRM, ačkoli by mohly nakoupit za 6 až 18 měsíců.

Zde se odděluje hračka od systému. Přístup pouze s uzavřenými modely může rychle poskytnout dobré texty a souhrny. Přístup přátelský k otevřeným modelům může pomoci efektivně zpracovávat velké množství externích a interních dat. Hybridní přístup kombinuje obojí: otevřené modely pro široce škálované rozpoznávání signálů, uzavřené modely pro náročnou komunikaci, lidské schválení pro kritické kroky.

Malé a střední podniky nepotřebují AI, která produkuje více výstupu. Potřebují AI, která nastavuje méně špatných priorit. To je krátká věta s velkými důsledky. Méně špatných účtů. Méně irelevantní následné práce po veletrzích. Méně 'Ozveme se'. Více rozhovorů s firmami, u kterých existuje konkrétní spouštěč, vhodná potřeba a dosažitelné nákupní centrum.

Osobní prognóza: 2027 až 2029

Moje osobní prognóza pro příští dva až tři roky: Rok 2027 bude rokem konsolidace AI v malých a středních podnicích. Mnoho společností bude mít v provozu 8 až 15 nástrojů, ale ponechá si jen 2 až 4 z nich. Ne proto, že by ostatní byly špatné. Ale proto, že divoký růst nástrojů bez datové strategie je otravný, stojí peníze a rozmazává odpovědnosti.

Rok 2028 bude rokem kontroly nákladů. Finanční ředitelé už nebudou akceptovat, že AI prochází jako inovační rozpočet. Budou chtít vidět náklady na proces: na kvalifikovaný lead, na nabídku, na servisní případ, na technickou dokumentaci, na podporu. Pak se ukáže, kdo od začátku čistě oddělil otevřené a uzavřené. A kdo prostě všude nasadil stejný model.

Rok 2029 bude rokem vyjednávací síly. Společnosti s modelově agnostickými pracovními postupy, vlastními evaluačními daty, jasnou klasifikací dat a otevřenými alternativami budou mít lepší ceny a lepší kontrolu. Společnosti bez těchto základů budou muset vysvětlovat svou AI strategii pozpátku: od dodavatele, nikoli od byznysu. To je zřídka dobré znamení.

Nevěřím v romantický příběh, že open source vyhraje všechno. Nevěřím ani v pohodlný příběh, že velké uzavřené platformy vyřeší všechno lépe. Trh bude ošklivější, praktičtější a průmyslovější. Přesně proto se hodí pro malé a střední podniky.

Nakonec nevyhraje výrobce, který ukáže nejúžasnější AI demo. Vyhraje ten, kdo ví, jaká data vlastní, jaké procesy musí kontrolovat a jaké závislosti si může dovolit. Na ponku to zní nespektakulárně. V účetní závěrce ne.