AI & automatizace · 3. června 2026 · 24 min. čtení · Joseph Flesh, CTO & Co-Founder, Amplifa

Infrastruktura AI: Foxconn, Bull a AI Factories

Infrastruktura AI z Evropy mění Smart Factory a prodej. Přečtěte si, jaké kroky by měly středně velké firmy v DACH nyní plánovat pro AI Factories.

Minulý čtvrtek v 8:12 jsem v Amplifa seděl u onboardingového hovoru s Andreou, COO jedné automatizační firmy z Ulmu. V pozadí jsem slyšel tiché skřípění pily z výroby, dveře do kanceláře měla pootevřené a na stole jí ležel výtisk s termíny dodání, červeně označený. „Josephe, máme leady na tři nové linky,“ řekla, „ale naši zákazníci se teď ptají nejdříve na infrastrukturu AI a až potom na mechaniku.“ Krátce jsem se podíval na kávu. Studená. Pak se na mém druhém monitoru objevila zpráva o novém partnerství Foxconn-Bull.

Moje prognóza je jednoduchá a nepříjemná: Kdo ve strojírenství, výrobě elektroniky nebo u automatizačních komponentů nebude mít do roku 2028 jasnou odpověď na AI Factories, neztratí zakázky nejdříve ve výrobě. Ztratí je v prodeji. Ne proto, že by každá firma o 180 lidech najednou provozovala vlastní GPU clustery. No, skoro. Ale proto, že zákazníci v DACH začínají třídit dodavatele podle toho, zda dokážou skutečně dodat data, Edge-AI, digitální dvojčata a integraci zařízení — nebo zda na slajdy jen píší „Průmysl 4.0“.

Infrastruktura AI v Evropě: Proč by tato zpráva měla bolet

Foxconn, oficiálně Hon Hai Technology Group, a Bull SAS, francouzská dcera pro IT infrastrukturu ze skupiny Atos, chtějí v Evropě společně stavět AI servery, GPU clustery, Edge systémy a automatizační hardware. To zní nejdříve jako datové centrum. Jako plech, racky, kabely, ventilátory. Jako něco, co zajímá COO a co vedoucí prodeje přelistují. Přesně v tom je ta chyba v úvaze.

Partnerství se podle oborových zpráv zveřejněných v posledních 24 až 48 hodinách výslovně zaměřuje na evropské výrobní podniky, Smart Factories a takzvané AI Factories. Jako klíčové trhy jsou uváděny Deutschland, Rakousko a Švýcarsko. Automotive. Elektronika. Procesní průmysl. Přesná výroba. Tedy přesně ty firmy, se kterými v Amplifa pravidelně pracujeme: 50 až 500 zaměstnanců, dobrý produkt, zákaznická báze budovaná roky, ale pipeline, která stále častěji závisí na projektech, kde IT, OT a nákup mluví do věcí současně.

Pro mě tato zpráva není detailem o hardwaru. Je to signál pro prodej. Když Foxconn a Bull tlačí na trh „AI infrastructure made in Europe“, posouvá se očekávání zákazníků u dodavatelů firem jako Trumpf, integrátorů Festo, partnerů Schaeffler nebo výrobců komponent blízkých Webasto. Zákazník se už neptá: „Můžete dodat to zařízení?“ Ptá se: „Můžete ho začlenit do naší datové architektury, rozšířit o Computer Vision, vyhodnocovat data o údržbě a provozovat to celé auditovatelně?“ To je jiný prodejní proces. Tvrdší. Techničtější. Delší. Ale také lukrativnější.

Status quo: Mnozí o AI mluví, málokdo má položené vedení

Podle reportu Tacton „State of Manufacturing“ 2026 investuje nebo experimentuje s AI aktivně 79 procent výrobců po celém světě. V předchozím roce to bylo 64 procent. To je skok, který nelze odbýt jako veletržní hype. Zároveň má podle stejného zdroje pouze 7 procent výrobců skutečnou end-to-end konektivitu napříč hodnotovým řetězcem, prodejem, engineeringem, výrobou a servisem. To číslo opakuji, protože na workshopech většinou vyvolá krátké ticho: sedm procent.

Tuto mezeru vidím každý měsíc. V březnu 2026 jsem mluvil s Markusem, vedoucím prodeje jednoho výrobce speciálních strojů z Heilbronnu. Jeho tým prodává zařízení v rozmezí 250.000 až 1,8 milionu EUR. Firma používá CRM, ERP, PLM, excelové šablony nabídek a tři složky na SharePointu, které se všechny jmenují „final“. Samotný stroj generuje data ze senzorů každou sekundu. Ale v prodeji nikdo neví, které funkce stávající zákazníci skutečně využívají. Nikdo. After-sales má informace, engineering něco tuší, prodej přesto volá s generickými argumenty.

To je status quo v mnoha středně velkých výrobních podnicích v DACH. Existují stroje s řízením Siemens, kamerové systémy od Cognex nebo Keyence, robotické buňky od Kuka nebo ABB, ERP data ze SAP Business One nebo Microsoft Dynamics, a pak je tu prodej, který stále prioritizuje podle pocitu, který OEM je zrovna „hot“. To není úplně pravda. Dobré týmy mají seznamy. Ale seznamy nejsou inteligence. A stávají se bezcennými, jakmile zákazníci začnou používat AI-Readiness jako nákupní kritérium.

Co konkrétně vidíme v Amplifa: V 17 implementacích u průmyslových firem mezi 70 a 430 zaměstnanci jsme v posledních 12 měsících našli téměř vždy stejný vzorec. Top 20 stávajících zákazníků generuje mezi 52 a 78 procenty marže, ale méně než třetina prodejních aktivit je založena na instalované bázi, stáří strojů, servisních případech nebo vzorcích náhradních dílů. Prodej pracuje na úrovni firmy, ale příležitost vzniká na úrovni zařízení. Přesně tam se AI Factories stávají relevantními — ne jako buzzword, ale jako datová struktura pro obrat.

Trend 1: AI Factories se stěhují z cloudu do výrobní haly

První trend je fyzický. Hlasitý. Teplý. Je slyšet. Kdo už někdy stál vedle GPU racku, ví, že AI nežije v oblačné metafoře, ale v elektřině, chlazení, latenci, správě kabelů a požární ochraně. Foxconn a Bull míří přesně sem: AI servery, GPU clustery, průmyslové Edge brány a řídicí hardware mají být vyráběny, integrovány a kvalifikovány pro průmyslové zátěže v Evropě.

Proč je to relevantní pro firmu se 180 zaměstnanci v Bádensku-Württembersku? Protože mnoho výrobních aplikací AI nefunguje čistě, pokud existují jen jako SaaS demo v prohlížeči. Kontrola kvality pomocí Computer Vision potřebuje kamery blízko linky, časy inference v milisekundách a robustní spojení s řízením. Predictive Maintenance potřebuje historii stroje, senzoriku, kontext ze zakázek údržby a modely, které neselžou při každém výpadku sítě. Digitální dvojčata potřebují víc než jen pěkný 3D model. Potřebují datové toky, které nezemřou po pilotním projektu.

V dubnu 2026 jsem mluvil s Thomasem, Head of Sales u jednoho integračního partnera v Norimberku, o nabídce na linku pro vizuální kontrolu. Jeho zákazník, Tier-2 dodavatel pro automotive, chtěl vědět, zda lze obrazová data zpracovávat lokálně. Ne „někdy“. V zadávací dokumentaci. Do věci mluvila podniková rada i IT security. Thomas mi řekl: „Dřív jsme prodávali přes taktovací čas. Teď prodáváme datovou rezidenci.“ Přesně to je ten posun.

Siemens Digital Industries v aktuálním příspěvku k evropské suverenitě v AI argumentuje, že prvenství v AI nezávisí jen na modelech, ale na polovodičích, výpočetní infrastruktuře, energetické účinnosti, robotice a schopnosti převést inovace do výroby. To zní jako strategie koncernu. Pro střední stav je to ale otázka nabídky. Mohu zákazníkovi nabídnout řešení, které běží v jeho závodě, s jeho daty, za evropských podmínek compliance a které lze i po šesti měsících servisovat?

O suverenitě Evropy v oblasti AI nerozhodne pouze software, ale schopnost uvést polovodiče, výpočetní techniku, automatizaci a průmyslová data do škálovatelné výroby.

— Volná citace klíčové myšlenky z Siemens Digital Industries, příspěvek k AI Sovereignty v Evropě, 2026

Tento citát se mi líbí, protože uvádí obvyklou debatu o AI na pravou míru. Mnoho prodejních organizací mluví o chatbotech, automatizaci e-mailů a knihovnách promptů. Vše užitečné. Ale v průmyslovém B2B se o AI nerozhoduje v promptu. Rozhoduje se podle toho, zda zákazník v Linci může rozšířit svou linku, aniž by posílal výrobní data do nejasného cloudového regionu; zda závod v Bielefeldu proaktivně plánuje náhradní díly; zda vedoucí kvality v St. Gallenu může v noci spát, protože model neměl jen 93procentní přesnost v PowerPointu, ale funguje i ve třetí směně při olejové mlze a kolísajícím světle.

Trend 2: Prodej prodává architekturu, už ne jen stroje

Druhý trend zasahuje vedoucí prodeje přímo. Dříve byl technický prodej ve strojírenství už tak dost složitý: zadávací dokumentace, taktovací čas, tok materiálu, CE, servis, dodací lhůta, cena. Teď přibývá další vrstva. Zákazníci chtějí vědět, jak řešení zapadá do jejich infrastruktury AI. Jaká data vznikají? Kde se ukládají? Jaká rozhraní existují? Jak se modely trénují nebo monitorují? Kdo ručí za to, když AI učiní chybná rozhodnutí o kvalitě?

Jsem v tom nekompromisní: Kdo si v roce 2026 ještě myslí, že ve strojírenství stačí čistý prodej produktu, nepochopil změnu. Zákazník nekupuje jen agregát. Kupuje kus budoucí provozní logiky. Pokud Vaše nabídka tuto provozní logiku nevysvětlí, vysvětlí ji někdo jiný. Možná integrátor. Možná velký automatizátor. Možná poskytovatel IT služeb, který o vřetenech ví méně než Vy, ale lépe mluví o datových tocích.

Před třemi týdny jsem měl interní schůzku s Lenou, naší Customer Success Lead v Amplifa, a procházeli jsme důvody ztrát z osmi průmyslových pipeline. Místnost smrděla fixem na whiteboard, protože někdo nechal fix otevřený. Ve třech z osmi případů stalo v CRM jako důvod ztráty „cena“. Když jsme zrekonstruovali e-mailovou komunikaci a poznámky z hovorů, skutečný důvod byl jiný: Konkurent dokázal dříve vysvětlit, jak jeho řešení zapadá do MES, ERP a lokální Edge architektury. Cena bylo slovo, které prodej použil, protože to méně bolí.

Zde se zpráva o Foxconn-Bull stává zajímavou. Jakmile budou evropské AI servery a Edge systémy dostupnější, padne výmluva „na to je ještě brzy“. Zákazníci budou očekávat referenční architektury. Budou se ptát, zda Vaše zařízení spolupracuje s lokálními GPU racky, průmyslovými bránami a standardizovanými datovými modely. A ano, mnoho středně velkých firem řekne: „Naši zákazníci se na to ještě neptají.“ Možná je to pravda. Možná se ptají jen Vašich konkurentů.

Jak se Buying Center mění díky infrastruktuře AI

U klasických strojírenských dealů seděli u stolu vedení, vedoucí výroby, nákup a možná vedoucí údržby. U projektů blízkých AI Factory přibývají nové hlasy: IT security, ochrana dat, odpovědní za OT, někdy podniková rada, občas externí poradce pro digitalizaci. To prodlužuje dealy. Nedělá je to automaticky horšími. Zviditelňuje to špatné prodejní procesy.

Příklad: U jednoho zákazníka z oblasti výroby balicích strojů, 220 zaměstnanců v regionu Ravensburg, jsme v lednu 2026 nově nastavili logiku ICP. Dříve prodej prioritizoval podle oboru a velikosti obratu. Poté přibyla kritéria jako instalované řízení Siemens nebo Beckhoff, počet výrobních míst, intenzita servisu, existující MES a signální slova z inzerátů na pracovní místa jako „Data Engineer“, „Computer Vision“ nebo „OT Security“. Výsledek po devíti týdnech: méně prvních schůzek, ale poměr od discovery ke kvalifikovanému projektu stoupl z 31 na 46 procent. Žádná magie. Lepší výběr cílů.

To je most mezi infrastrukturou AI a prodejem. Dostupnost hardwaru v Evropě vytváří nové třídy projektů. Nové třídy projektů vytvářejí nová nákupní kritéria. Nová nákupní kritéria rozbíjejí staré modely lead scoringu. Kdo stále segmentuje jen podle počtu zaměstnanců, PSČ a oboru, přehlíží firmy, které právě uvolňují rozpočet na Edge AI, digitální dvojčata a platformy pro výrobní data.

Trend 3: AI Factories dělají z datové suverenity prodejní argument

Třetí trend je politický, ale nikoli abstraktní. Datová suverenita se stává obchodní záležitostí. V Německu, Rakousku a Švýcarsku panuje hluboká skepse vůči výrobním datům v cizích rukou. Lze se tomu usmívat, pokud přicházíte z čistého světa SaaS. Já bych to nedělal. Jeden jednatel výrobce přesných dílů z Villingen-Schwenningenu mi v květnu 2026 řekl: „Naše procesní data jsou naše marže.“ Ta věta sedí.

Když Foxconn a Bull zdůrazňují evropskou výrobu, evropskou integraci a lokální infrastrukturu AI, trefují se přesně do tohoto nervu. Nejde jen o dodavatelské řetězce. Jde o důvěru ve výběrových řízeních. Švýcarský farmaceutický dodavatel, rakouský strojírenský podnik nebo německý dodavatel pro automotive musí být schopen zákazníkům, auditorům a interním orgánům vysvětlit, kde se data zpracovávají, kdo k nim má přístup, jak probíhají aktualizace a jak budou systémy fungovat i při geopolitickém napětí.

Bull podle zpráv přináší evropskou zákaznickou bázi, integrační kompetence a design datových center. Foxconn přináší objem výroby, elektronický design a sílu dodavatelského řetězce. To není žádné romantické evropské samozásobitelství. Foxconn zůstává Foxconnem. Ale lokální montáž, kvalifikace a systémová integrace v EU může pro průmyslové zákazníky znamenat rozdíl, pokud se dodací lhůty, exportní kontroly nebo řetězce podpory stanou kritickými.

Pro prodej to znamená: Suverenita se stává argumentem, ale jen tehdy, když je konkrétní. Samotné „Made in Europe“ zařízení neprodá. „Vaše obrazová data neopustí závod, inference běží na Edge clusteru v blízkosti rozvaděče, aktualizace se instalují přes schválené servisní okno a verze modelu se dokumentuje v auditním logu“ — to prodává. Nebo to alespoň zabrání tomu, aby IT vedoucí po 42 minutách hovor utnul.

FAQ: Co je to AI Factory v průmyslovém středním stavu?

AI Factory není jedna továrna s roboty a blikajícími dashboardy. V průmyslovém kontextu tento pojem označuje opakovatelnou infrastrukturu, se kterou firmy trénují, provozují, monitorují a integrují modely AI do výrobních procesů. K tomu patří výpočetní výkon — často GPU servery nebo specializované Edge systémy — datové pipeline, správa modelů, rozhraní k řízení strojů, kybernetická bezpečnost, monitoring a odpovědnosti. Pro strojírenskou firmu o 300 lidech to nemusí vypadat jako u Nvidia nebo BMW. Může to být lokální Edge cluster pro kontrolu kvality, doplněný o digitální dvojče, servisní data a čistý koncept MLOps. Důležitá není velikost. Důležité je, aby se AI dostala od pilotu k provozuschopnosti.

Infrastruktura AI a správa pipeline: Nepříjemné spojení

Mnoho jednatelů stále příliš striktně odděluje výrobní technologie a prodejní technologie. Tamhle je výroba s OPC UA, PLC, MES, OEE a senzorikou. Tady je prodej s CRM, kampaněmi, veletrhy a zprávami z návštěv. Toto oddělení je organizačně pohodlné. Ekonomicky je nebezpečné.

Když Vaši zákazníci investují do AI Factories, vznikají prodejní signály dlouho před oficiální poptávkou. Firma přijme manažera OT security. Vedoucí závodu mluví na LinkedIn o Computer Vision. Výroční zpráva zmiňuje „local inference“. Pobočka staví nové logistické centrum. Nákup se najednou ptá na datové formáty. Konstruktér stahuje whitepapery o digitálních dvojčatech. Každý signál sám o sobě je slabý. Dohromady tvoří záměr.

Přesně zde selhává mnoho klasických nastavení CRM. CRM ukládá to, co prodej už ví. Zřídkakdy rozpozná, co se děje venku. V Amplifa proto stavíme modely ICP a accountů, které spojují externí spouštěče, historii v CRM, produktový fit a načasování. Ne proto, aby nahradily prodejce. To je nesmysl. Ale aby jim řekly, kde má rozhovor právě teď smysl a kde by jen zdvořile vyrušovali.

Amplifa ICP Playbook — Praktický playbook pro prioritizaci cílových zákazníků v průmyslovém B2B podle skutečných nákupních a technologických signálů namísto pouhého oboru a obratu.

Co to znamená pro střední stav

Pro výrobní podniky s 50 až 500 zaměstnanci v DACH znamená partnerství Foxconn-Bull v první řadě: Laťka se zvedá. Velcí poskytovatelé budou integrovat evropskou infrastrukturu AI jako stavební kámen do svých nabídek. Systémoví integrátoři budou sestavovat kompletní balíčky. Zákazníci si zvyknou na to, že projekty AI se už neprodávají jako experiment, ale jako škálovatelná architektura. Kdo pak odpoví jen „my taky umíme AI“, bude znít jako fax v kanceláři s optickým internetem.

Za druhé se posouvají marže. Čistý hardware nebo čistá mechanika se dostanou pod další tlak, zejména pokud asijští a východoevropští konkurenti zůstanou cenově agresivní. Hodnota vzniká tam, kde se propojují stroje, data, servis a procesní znalosti. Výrobce zkušebních stavů se může stát poskytovatelem inteligence kvality. Dodavatel komponent může modelovat rizika výpadku. Výrobce speciálních strojů může díky digitálnímu uvádění do provozu, simulačním datům a servisním prognózám vytvořit nové linie obratu. Ale jen tehdy, pokud prodej a technika mluví stejným jazykem.

Za třetí se internacionalizace stává selektivnější. Deutschland, Rakousko a Švýcarsko jsou podle partnerství prioritními trhy, protože se zde setkává průmyslová hustota, automatizační kompetence a ochota platit. To je dobré. Znamená to ale také: Více poskytovatelů bude útočit právě na tyto trhy. Středně velká firma z východního Vestfálska už nekonkuruje jen známému rivalovi z vedlejšího okresu, ale evropským platformovým partnerstvím, která sdružují hardware, integraci a narativ o AI.

U COO často vidím pochopitelnou reakci: nejdříve počkat. Linka běží, knihy objednávek nejsou prázdné, lidí je málo. Ale čekání není neutrální pozice, když se právě přepisují nákupní kritéria. Je to rozhodnutí, že standardy nastaví jiní. A standardy jsou v prodeji brutální. Kdo definuje standard, musí méně vysvětlovat. Kdo přijde později, musí dokazovat.

Příklad z každodenní praxe: Od náhradního dílu k příležitosti pro AI

Náš zákazník ze severního Bavorska prodává komponenty zařízení výrobcům balicích a procesních strojů. Žádný koncern, 140 zaměstnanců, dobrá pověst. V CRM vypadali stávající zákazníci dlouho stejně: obrat, kontaktní osoba, poslední objednávka. Když jsme doplnili servisní případy, cykly náhradních dílů a veřejně viditelné investiční signály, najednou vyvstaly accounty, kde ve linkách běžely staré komponenty, zatímco zákazník paralelně vypisoval pozice pro „Manufacturing Data Analyst“ a „Automation Engineer“. Prodej nešel do hovoru s otázkou „Potřebujete náhradní díly?“. Šel tam s: „U srovnatelných linek vidíme, že se dovybavení a sběr dat vyplatí společně, pokud chcete lokálně vyhodnocovat data o kvalitě.“ Jiný tón. Jiná schůzka.

Po čtyřech měsících měl tým zarezervováno pět technických workshopů, z toho tři společně s vedením výroby a IT. Předtím se v těchto accountech s IT téměř nikdy nemluvilo. Pointa není v tom, že by Amplifa měla nějaký kouzelný trik. Pointa je v tom, že signály AI Factory jsou na trhu viditelné, pokud je hledáte. Většina prodejních procesů je jen nehledá.

Příprava: 7 kroků pro vedoucí prodeje, COO a jednatele

1. Zmapujte svou relevanci pro AI Factory u každé produktové řady. U každého stroje, komponentu nebo služby si zapište, jaká data vznikají, jaká rozhraní existují, které případy užití AI jsou realistické a které ne. Buďte upřímní. Špatný use-case pro AI požírá důvěru rychleji než opožděný termín dodání.
2. Rozšiřte svůj ICP o technické spouštěče. Počet zaměstnanců a obor nestačí. Sledujte projekty MES, role v OT security, nové závody, inzeráty na Computer Vision, migrace ERP, zprávy o udržitelnosti, iniciativy údržby a zmínky o digitálních dvojčatech.
3. Vytvořte jednoduchý slajd s architekturou, který dokáže prodejce vysvětlit. Ne 38 krabiček. Jedna strana: stroj, Edge, datový tok, lokální zpracování, možnost cloudu, security, servis. Pokud prodej tento slajd nechápe, nepochopí ho ani zákazník.
4. Trénujte discovery otázky pro infrastrukturu AI. Neptejte se: „Máte zájem o AI?“ Ptejte se: „Která výrobní data smí opustit Váš závod?“, „Kdo odpovídá za schvalování modelů?“, „Kde dnes selhávají rozhodnutí o kvalitě?“, „Která linka generuje nejdražší neplánované odstávky?“
5. Definujte role partnerů včas. Ne každá středně velká firma musí stavět GPU clustery nebo sama provozovat MLOps. Musíte ale vědět, zda se ve Vaší referenční architektuře mohou objevit Bull, Siemens, Phoenix Contact, lokální systémoví integrátoři nebo cloudoví partneři.
6. Propojte data ze servisu a prodeje. Stáří strojů, vzorce náhradních dílů, důvody poruch a servisní okna jsou silné nákupní signály. Pokud tato data zůstanou v servisu, zatímco prodej dělá cold calling, spalujete existující kontext.
7. Učiňte compliance prodejnou. EU AI Act, NIS2, Cyber Resilience Act a datová rezidence se nesmí objevit až při kontrole smlouvy. Přeložte požadavky do jasných prohlášení, za kterými si prodej a technika mohou společně stát.

Pátý bod je pro mě důležitý. Mnoho středně velkých firem má strach, že v infrastruktuře AI technologicky zaostanou, protože nemají rozpočty jako DMG Mori, Kärcher nebo Brose. Tento strach je částečně oprávněný. Často ale vede k nesprávnému důsledku: nedělat nic, protože nelze dělat všechno. Lepší je jasné vymezení. Která funkce AI učiní Váš produkt pro zákazníky hodnotnějším? Jaká data k tomu potřebujete? Jaká infrastruktura musí existovat u zákazníka nebo u partnerů? Jaké tvrzení může Váš prodej zítra otestovat?

Produkt Amplifa — Amplifa pomáhá průmyslovým prodejním týmům rozpoznat relevantní cílové zákazníky, spouštěče a priority accountů pomocí AI — z dat CRM, tržních signálů a logiky ICP.

Proč jsou čisté inbound strategie u AI Factories příliš pomalé

Zde vědomě odporuji pohodlné tezi: „Až bude zákazník připraven, sám se nám ozve.“ Ne. U projektů AI Factory zákazník často jde za tím poskytovatelem, který ho o šest měsíců dříve oslovil na správném místě. Rozhodovací proces nezačíná poptávkou. Začíná interní nejistotou.

COO si všimne, že rostou náklady na zmetky. Vedoucí závodu dostane úkol zprůhlednit OEE. IT vedoucí blokuje cloudové experimenty. Jednatel na akci VDMA ve Frankfurtu slyší, že konkurence pracuje s Predictive Maintenance. Zatím neexistuje projekt. Zatím není rozpočet. Ale existuje napětí. Kdo pak jen čeká na konverze z webu, vidí trh příliš pozdě.

Kdo v roce 2026 ještě sází na čistou inbound strategii, nebude mít za pět let pipeline, která by si to jméno zasloužila. Zvláště ne v průmyslovém středním stavu. Vítězi nebudou nejhlučnější obsahové mašiny, ale týmy, které čtou signály, tvoří hypotézy a vstupují do hovorů s technickou relevancí. Méně newsletterů. Více načasování.

To neznamená, že outbound smí být opět hloupým rozesíláním hromadných mailů. Prosím, to ne. Sám dostávám dost zpráv, kde je moje jméno špatně napsané a někdo mi chce prodat „synergie“. Dobrý outboundově orientovaný průmyslový prodej vypadá jinak: pochopit account, odvodit technickou situaci, uvést věrohodný spouštěč, formulovat krátkou tezi, s úctou se zeptat. Věta jako „U několika linek postavených na Kuka a Beckhoff vidíme, že se lokální vyhodnocování obrazu právě přehodnocuje kvůli datové rezidenci“ není dokonalá. Ale je tisíckrát lepší než „Chtěl jsem se krátce představit“.

Infrastruktura AI: Náklady, Context Windows a ta těžká část

Teď krátce technicky, protože jinak zbude jen strategie. Infrastruktura AI se neskládá jen z GPU. Pro průmyslové aplikace se počítá latence, dostupnost, segmentace sítě, kvalita dat, monitorování modelů, rozhraní a provozní náklady. Model, který v laboratorních datech běží čistě, může ve výrobě selhat, protože kamera stojí minimálně jinak, protože olejová mlha mění snímky, protože noční směna jede jiný materiál nebo protože PLC má časové chování, které v testu nikdo nesimuloval.

U generativní AI v prodeji přibývá jiný problém: Context Windows a náklady. Velké jazykové modely dnes dokážou zpracovat dlouhé dokumenty, ano. Ale kdo nekontrolovaně sype kompletní historie CRM, technické specifikace, e-mailovou komunikaci, data z nabídek a servisní protokoly do každého promptu, nestaví inteligenci, ale tokenové topení. Ceny tokenů klesají, ale špatná architektura škáluje rychleji než dobré nákupní podmínky. Opakovaně vidíme setupy, kde se 80 procent nákladů na model spálí za irelevantní kontext.

Lepší architektura je většinou nespektakulární: normalizovat data, předfiltrovat signály, získat relevantní výseky pomocí retrievalu, model nasadit jen tam, kde jazyk, klasifikace nebo rozpoznávání vzorů skutečně přináší přidanou hodnotu. V prodeji to znamená: Ne každá aktualizace accountu potřebuje velký model. Někdy stačí sada pravidel. Někdy malý klasifikátor. Někdy potřebujete LLM, protože e-mail zákazníka mezi řádky říká: „Máme problém s rozpočtem, ale větší riziko, když nic neuděláme.“

Přesně tato střízlivost v mnoha debatách o AI chybí. Foxconn a Bull nestaví relevantní infrastrukturu proto, že by si každý středně velký podnik najednou trénoval vlastní Foundation Model. Upřímně? To udělá málokdo. Relevantní je, že průmyslová AI se posouvá blíže k výrobě a že Evropa získává větší kontrolu nad integrací, dostupností a provozem. To snižuje tření. A tření často rozhoduje o tom, zda prodejní tým vůbec dokáže nabídku blízkou AI čistě umístit.

Amplifa pro průmyslový prodej — Pro týmy, které chtějí technické nákupní signály jako Edge AI, automatizaci, potřebu servisu a modernizační záměry přeložit do prioritizovaných prodejních akcí.

Osobní prognóza: 2026 až 2029 bude třídění brutální

Moje osobní prognóza pro příští dva až tři roky: Trh se nebude třídit podle „AI ano nebo ne“. Bude se třídit podle provozuschopnosti. Poskytovatelé, kteří prodávají AI jako demo, skončí na hřbitovech pilotů. Poskytovatelé, kteří zabalí infrastrukturu AI, datové toky, compliance a servis do srozumitelné komerční nabídky, vyhrají větší dealy — i když nebudou nejlevnější.

Očekávám tři konkrétní pohyby. Za prvé, výběrová řízení ve strojírenství a výrobě zařízení budou častěji obsahovat otázky na lokální inferenci, datovou rezidenci a monitoring modelů. Za druhé, integrátoři budou silněji pronikat do prodeje a tlačit klasické výrobce do pozic poradců, pokud tito nedokážou vysvětlit svou architekturu. Za třetí, data o stávajících zákaznících se stanou nejdůležitější pákou růstu, protože projekty AI Factory málokdy začínají na zelené louce. Začínají u stávajících linek, se starými řídicími systémy, se známými bolestmi.

Foxconn a Bull přitom nejsou jediným spouštěčem. Jsou ale viditelným signálem. Když globální výrobní gigant a evropský hráč v infrastruktuře společně umisťují AI hardware a automatizační platformy pro Evropu, pak to není okrajové téma pro IT oddělení. Je to náznak toho, kam směřuje průmyslová poptávka. A poptávka je materiál, ze kterého se staví pipeline.

Po hovoru s Andreou z Ulmu jsem si zprávu o Foxconn-Bull ještě jednou vytiskl. Na papír, ne do PDF. Na okraji stojí mým rukopisem: „Ne hardware. Buying Criteria.“ Káva už byla dávno studená, z výroby se opět ozývalo to jasné řezání a Andrea mi o deset minut později napsala: „Musíme nově promyslet náš seznam cílových zákazníků, že?“ Ano. Přesně tam to začíná.