Infrastruktura AI: Foxconn, Bull a AI továrny

KI & Automatisierung · 3. Juni 2026 · Joseph Flesh

Infrastruktura AI z Evropy mění chytré továrny a prodej. Přečtěte si, jaké kroky by nyní měly středně velké podniky v DACH plánovat pro AI továrny.

Minulý čtvrtek, v 8:12, jsem seděl v Amplifa na úvodním hovoru s Andreou, COO automatizační firmy z Ulmu. V pozadí jsem slyšel tiché pískání pily z výroby, dveře do její kanceláře byly jen napůl zavřené a na jejím stole ležel výtisk s termíny dodání, označený červeně. „Josephe, máme potenciální zákazníky pro tři nové linky,“ řekla, „ale naši zákazníci se teď nejdřív ptají na infrastrukturu AI a teprve potom na mechaniku.“ Krátce jsem se podíval na svou kávu. Studenou. Pak se na mém druhém monitoru objevila zpráva o novém partnerství Foxconn-Bull.

Moje prognóza je jednoduchá a nepohodlná: Kdo v strojírenství, výrobě elektroniky nebo v oblasti automatizačních komponent nebude mít do roku 2028 jasnou odpověď na AI továrny, neztratí nejdříve zakázky ve výrobě. Ztratí je v prodeji. Ne proto, že každá firma s 180 zaměstnanci bude najednou provozovat vlastní GPU clustery. No, skoro. Ale proto, že zákazníci v DACH začnou dodavatele třídit podle toho, zda skutečně dokážou dodat data, Edge AI, digitální dvojčata a integraci zařízení – nebo zda jen píší „Průmysl 4.0“ na prezentace.

Infrastruktura AI v Evropě: Proč by tato zpráva měla bolet

Foxconn, oficiálně Hon Hai Technology Group, a Bull SAS, francouzská dceřiná společnost Atos pro IT infrastrukturu, chtějí společně stavět AI servery, GPU clustery, Edge systémy a automatizační hardware v Evropě. To zní zpočátku jako datové centrum. Jako plech, racky, kabely, ventilátory. Jako něco, co zajímá COO a co obchodní ředitelé přeskakují. Přesně v tom je chyba v myšlení.

Partnerství se podle zpráv z oboru zveřejněných za posledních 24 až 48 hodin výslovně zaměřuje na evropské výrobní společnosti, chytré továrny a takzvané AI továrny. Německo, Rakousko a Švýcarsko jsou jmenovány jako klíčové trhy. Automobilový průmysl. Elektronika. Procesní průmysl. Přesná výroba. Tedy přesně ty firmy, se kterými v Amplifa pravidelně pracujeme: 50 až 500 zaměstnanců, dobrý produkt, zákaznická základna rostoucí po léta, ale pipeline, která stále častěji závisí na projektech, do kterých se současně zapojují IT, OT a nákup.

Pro mě tato zpráva není hardwarovým detailem. Je to prodejní signál. Pokud Foxconn a Bull tlačí na trh „AI infrastrukturu vyrobenou v Evropě“, posouvá se očekávání zákazníků dodavatelů Trumpf, integrátorů Festo, partnerů Schaeffler nebo výrobců komponent blízkých Webasto. Zákazník se už neptá: „Můžete dodat zařízení?“ Ptá se: „Můžete ho integrovat do naší datové architektury, rozšířit ho o počítačové vidění, vyhodnotit data údržby a provozovat to vše auditovatelně?“ To je jiný prodejní proces. Tvrdší. Techničtější. Delší. Ale také lukrativnější.

Status quo: Mnozí mluví o AI, málokdo položil vedení

Podle zprávy 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 humbuk. Zároveň podle stejného zdroje má pouze 7 procent výrobců skutečnou end-to-end konektivitu napříč hodnotovým řetězcem, prodejem, inženýrstvím, výrobou a servisem. Opakuji to číslo, protože v workshopech obvykle na chvíli způsobí ticho: sedm procent.

Tuto mezeru vidím každý měsíc. V březnu 2026 jsem mluvil s Markusem, obchodním ředitelem výrobce speciálních strojů z Heilbronnu. Jeho tým prodává zařízení v rozmezí 250 000 až 1,8 milionu eur. Firma používá CRM, ERP, PLM, šablony nabídek v Excelu a tři složky SharePointu, které se všechny jmenují „final“. Samotný stroj generuje data ze senzorů každou sekundu. Ale v prodeji nikdo neví, které funkce skutečně používají stávající zákazníci. Nikdo. After-sales má informace, inženýrství něco tuší, prodej přesto volá s obecnými 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 z SAP Business One nebo Microsoft Dynamics, a pak je tu prodej, který stále prioritizuje podle pocitu, který OEM je právě „žhavý“. Není to tak úplně pravda. Dobré týmy mají seznamy. Ale seznamy nejsou inteligence. A stanou se bezcennými, jakmile zákazníci začnou používat připravenost na AI jako kritérium nákupu.

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

Trend 1: AI továrny se přesouvají z cloudu do výrobní haly

První trend je fyzický. Hlučný. Teplý. Je slyšet. Kdo už někdy stál vedle GPU racku, ví, že AI nežije v mlhavé metafoře, ale v elektřině, chlazení, latenci, správě kabelů a protipožární ochraně. Foxconn a Bull se zaměřují přesně na to: AI servery, GPU clustery, průmyslové Edge brány a řídicí hardware mají být vyráběny, integrovány a kvalifikovány pro průmyslové pracovní zátěže v Evropě.

Proč je to relevantní pro firmu se 180 zaměstnanci v Bádensku-Württembersku? Protože mnoho AI aplikací blízkých výrobě nefunguje správně, pokud existují pouze jako SaaS demo v prohlížeči. Kontrola kvality pomocí počítačového vidění potřebuje kamery blízko linky, inferenční časy v řádu milisekund a robustní spojení s řízením. Prediktivní údržba potřebuje historii strojů, senzory, kontext z objednávek údržby a modely, které neselžou při každém výpadku sítě. Digitální dvojčata potřebují víc než jen krásný 3D model. Potřebují datové toky, které nezemřou po pilotním projektu.

V dubnu 2026 jsem mluvil s Thomasem, vedoucím prodeje u automatizačního integrátora v Norimberku, o nabídce na systém vizuální kontroly. Jeho zákazník, dodavatel Tier-2 pro automobilový průmysl, chtěl vědět, zda lze obrazová data zpracovávat lokálně. Ne „někdy“. V technické specifikaci. Mluvila do toho i rada zaměstnanců a IT bezpečnost. Thomas mi řekl: „Dříve jsme prodávali na základě taktovacího času. Teď prodáváme na základě datové rezidence.“ Přesně to je ten posun.

Siemens Digital Industries v nedávném článku o evropské suverenitě AI argumentuje, že vedoucí postavení v AI nezávisí pouze na modelech, ale na polovodičích, výpočetní infrastruktuře, energetické účinnosti, robotice a schopnosti převést inovace do výroby. To zní jako korporátní strategie. Pro středně velké podniky je to však otázka nabídky. Mohu zákazníkovi nabídnout řešení, které běží v jeho závodě, s jeho daty, za evropských podmínek shody a které lze po šesti měsících stále udržovat?

Evropská suverenita AI se nerozhoduje pouze softwarem, ale schopností převést polovodiče, výpočetní výkon, automatizaci a průmyslová data do škálovatelné výroby.

— Podstatné klíčové sdělení Siemens Digital Industries, příspěvek k AI suverenitě v Evropě, 2026

Líbí se mi tento citát, protože uvádí obvyklou debatu o AI na pravou míru. Mnoho prodejních organizací mluví o chatbotech, automatizaci e-mailů a knihovnách promptů. Všechno užitečné. Ale v průmyslovém B2B se AI nerozhoduje v promptu. Rozhoduje se podle toho, zda zákazník v Linci může rozšířit svou linku, aniž by posouval výrobní data do nejasné cloudové oblasti; zda závod v Bielefeldu proaktivně disponuje náhradními díly; zda vedoucí kvality v St. Gallenu může v noci spát, protože model neměl jen 93 procent přesnosti v PowerPointu, ale funguje i ve třetí směně při olejové mlze a kolísavém světle.

Trend 2: Prodej prodává architekturu, už ne jen stroje

Druhý trend přímo zasahuje obchodní ředitele. Dříve byl technický prodej ve strojírenství dostatečně složitý: specifikace, taktovací čas, materiálový tok, CE, servis, dodací lhůta, cena. Nyní přichází další vrstva. Zákazníci chtějí vědět, jak se řešení hodí do jejich infrastruktury AI. Jaká data vznikají? Kde se ukládají? Jaká rozhraní existují? Jak se trénují nebo monitorují modely? Kdo nese odpovědnost, pokud AI činí chybná rozhodnutí o kvalitě?

Jsem v tom tvrdý: Kdo v roce 2026 stále věří, že čistě produktový prodej ve strojírenství stačí, 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 automatizační specialista. Možná IT poskytovatel služeb, který ví méně o vřetenech než vy, ale lépe mluví o datových tocích.

Před třemi týdny jsem měl interní schůzku s Lenou, naší vedoucí Customer Success v Amplifa, a procházeli jsme důvody ztrát z osmi průmyslových pipeline. V místnosti vonělo po fixu na tabuli, protože někdo nechal fix otevřený. Ve třech z osmi případů byl v CRM jako důvod ztráty uveden „cena“. Když jsme rekonstruovali e-mailovou korespondenci a poznámky z hovorů, skutečný důvod byl jiný: Konkurent dokázal dříve vysvětlit, jak se jeho řešení hodí do MES, ERP a lokální Edge architektury. Cena bylo slovo, které prodej použil, protože to méně bolí.

Zde se zpráva Foxconn-Bull stává zajímavou. Pokud budou evropské AI servery a Edge systémy dostupnější, omluva „To je ještě příliš brzy“ klesne. 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 podniků řekne: „Naši zákazníci se na to ještě neptají.“ Možná je to pravda. Možná se ptají jen vašich konkurentů.

Jak se mění nákupní centra díky infrastruktuře AI

V klasických strojírenských obchodech seděli u stolu vedení, vedoucí výroby, nákup a možná vedoucí údržby. U projektů blízkých AI továrnám přicházejí nové hlasy: IT bezpečnost, ochrana dat, odpovědní za OT, někdy rada zaměstnanců, občas externí poradce pro digitalizaci. To prodlužuje obchody. Nedělá je to automaticky horší. Zviditelňuje to špatné prodejní procesy.

Příklad: U zákazníka z oblasti výroby balicích strojů, 220 zaměstnanců v regionu Ravensburg, jsme v lednu 2026 nově vybudovali logiku ICP. Dříve prodej prioritizoval podle odvětví a velikosti obratu. Poté přibyly kritéria jako instalované řídicí systémy Siemens nebo Beckhoff, počet výrobních závodů, intenzita servisu, existující MES a klíčová slova z inzerátů na pracovní místa jako „Data Engineer“, „Computer Vision“ nebo „OT Security“. Výsledek po devíti týdnech: méně úvodních rozhovorů, ale poměr od objevu k kvalifikovanému projektu vzrostl z 31 na 46 procent. Žádná magie. Lepší výběr cílů.

To je most mezi infrastrukturou AI a prodejem. Dostupnost hardwaru v Evropě vytváří nové kategorie projektů. Nové kategorie projektů vytvářejí nová nákupní kritéria. Nová nákupní kritéria ničí staré modely hodnocení potenciálních zákazníků. Kdo stále segmentuje pouze podle počtu zaměstnanců, PSČ a odvětví, přehlíží firmy, které právě uvolňují rozpočet na Edge AI, digitální dvojčata a platformy pro výrobní data.

Trend 3: AI továrny dělají z datové suverenity prodejní argument

Třetí trend je politický, ale ne abstraktní. Datová suverenita se stává komerční. V Německu, Rakousku a Švýcarsku panuje hluboká skepse vůči výrobním datům v cizích rukou. Můžete se tomu smát, pokud pocházíte z čistě SaaS světa. Já bych to nedělal. Generální ředitel výrobce přesných dílů z Villingen-Schwenningenu mi v květnu 2026 řekl: „Naše procesní data jsou naše marže.“ Ta věta sedí.

Pokud Foxconn a Bull zdůrazňují evropskou výrobu, evropskou integraci a lokální AI infrastrukturu, trefují se přesně do tohoto nervu. Nejde jen o dodavatelské řetězce. Jde o důvěru v tendrech. Švýcarský dodavatel pro farmaceutický průmysl, rakouský strojírenský podnik nebo německý dodavatel pro automobilový průmysl musí být schopen zákazníkům, auditorům a interním orgánům vysvětlit, kde se data zpracovávají, kdo k nim má přístup, jak probíhají aktualizace a jak se systémy provozují v případě geopolitických napětí.

Bull podle zpráv přináší evropskou zákaznickou základnu, integrační kompetence a design datových center. Foxconn přináší objem výroby, design elektroniky a sílu dodavatelského řetězce. To není romantická evropská soběstačnost. 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 podpůrné řetězce stanou kritickými.

Pro prodej to znamená: Suverenita se stane argumentem, ale jen pokud se stane konkrétní. „Made in Europe“ samo o sobě neprodá zařízení. „Vaše obrazová data neopustí závod, inference běží na Edge clusteru v blízkosti rozvaděče, aktualizace se instalují během schváleného okna údržby a verze modelu je dokumentována v auditním protokolu“ – to prodává. Nebo alespoň zabrání tomu, aby IT ředitel po 42 minutách hovor ukončil.

FAQ: Co je AI továrna v průmyslovém středním podniku?

AI továrna není jedna továrna s roboty a blikajícími panely. V průmyslovém kontextu tento termín označuje opakovatelnou infrastrukturu, pomocí které společnosti trénují, provozují, monitorují a integrují AI modely do výrobních procesů. To zahrnuje výpočetní výkon – často GPU servery nebo specializované Edge systémy – datové pipeline, správu modelů, rozhraní k řídicím systémům strojů, kybernetickou bezpečnost, monitorování a odpovědnosti. Pro strojírenskou firmu s 300 zaměstnanci to nemusí vypadat jako u Nvidie 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 z pilotního projektu do provozuschopnosti.

Infrastruktura AI a řízení pipeline: Nepohodlné spojení

Mnoho generálních ředitelů stále příliš čistě odděluje výrobní technologie a prodejní technologie. Tamhle výroba s OPC UA, PLC, MES, OEE a senzory. Tady prodej s CRM, kampaněmi, veletrhy a zprávami z návštěv. Toto oddělení je organizačně pohodlné. Je ekonomicky nebezpečné.

Pokud vaši zákazníci investují do AI továren, vznikají prodejní signály dlouho před oficiální poptávkou. Firma najme OT Security manažera. Vedoucí závodu mluví na LinkedIn o počítačovém vidění. Výroční zpráva zmiňuje „local inference“. Lokalita 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 selhávají mnohá klasická nastavení CRM. CRM ukládá to, co prodej už ví. Zřídka rozpozná, co se děje venku. V Amplifa proto budujeme modely ICP a účtů, které spojují externí spouštěče, historii CRM, produktovou shodu a načasování. Ne proto, abychom nahradili prodejce. To je nesmysl. Ale abychom jim řekli, kde má rozhovor smysl a kde jen zdvořile ruší.

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

Co to znamená pro střední podniky

Pro výrobní podniky s 50 až 500 zaměstnanci v DACH znamená partnerství Foxconn-Bull především: Laťka se zvedá. Velcí dodavatelé budou integrovat evropskou AI infrastrukturu jako stavební kámen do svých nabídek. Systémoví integrátoři budou vytvářet kompletní balíčky. Zákazníci si zvyknou, že AI projekty se již neprodávají jako experiment, ale jako škálovatelná architektura. Kdo pak odpoví pouze „My také umíme AI“, zní jako fax v kanceláři s optickými vlákny.

Za druhé se posouvají marže. Čistý hardware nebo čistá mechanika se budou dále dostávat pod tlak, zejména pokud asijští a východoevropští konkurenti zůstanou cenově agresivní. Hodnota vzniká tam, kde se propojují stroje, data, služby a procesní znalosti. Výrobce zkušebních stolic se může stát poskytovatelem inteligentní kvality. Dodavatel komponent může modelovat rizika selhání. Výrobce speciálních strojů může vytvářet nové příjmové toky s digitálním uvedením do provozu, simulačními daty a prognózami servisu. Ale jen pokud prodej a technika mluví stejným jazykem.

Za třetí se internacionalizace stává selektivnější. Německo, Rakousko a Švýcarsko jsou podle partnerství prioritními trhy, protože se zde setkává průmyslová hustota, automatizační kompetence a ochota platit. To je dobře. Znamená to však také: Více dodavatelů bude útočit právě na tyto trhy. Středně velký podnik z Východního Vestfálska už nekonkuruje jen známému konkurentovi ze sousedního okresu, ale evropským platformovým partnerstvím, která sdružují hardware, integraci a AI narativ.

U COO často vidím pochopitelnou reakci: nejprve vyčkat. Linka běží, zakázkové knihy nejsou prázdné, lidí je málo. Ale vyčkávání 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, nemusí tolik vysvětlovat. Kdo přijde později, musí dokazovat.

Příklad z každodenního života: Od náhradního dílu k příležitosti AI

Náš zákazník ze severního Bavorska prodává komponenty zařízení výrobcům balicích a procesních strojů. Není to koncern, 140 zaměstnanců, dobrá pověst. V CRM vypadali stávající zákazníci dlouho stejně: obrat, kontaktní osoba, poslední objednávka. Když jsme přidali servisní případy, cykly náhradních dílů a veřejně viditelné investiční signály, najednou se objevily účty, u kterých běžely staré komponenty v linkách, zatímco zákazník souběžně inzeroval pozice „Manufacturing Data Analyst“ a „Automation Engineer“. Prodej nešel do hovoru s otázkou „Potřebujete náhradní díly?“. Šel s otázkou „U srovnatelných linek vidíme, že se modernizace a sběr dat vyplatí, pokud chcete lokálně vyhodnocovat data kvality.“ Jiný tón. Jiný termín.

Po čtyřech měsících si tým rezervoval pět technických workshopů, z toho tři s vedením výroby a IT společně. Dříve IT v těchto účtech téměř nikdy nebylo v rozhovoru. Jde o to, že Amplifa neměla žádný kouzelný trik. Jde o to, že signály AI továren jsou na trhu viditelné, pokud je hledáte. Většina prodejních procesů je prostě nehledá.

Příprava: 7 kroků pro obchodní ředitele, COO a generální ředitele

1. Mapujte svou relevanci AI továren pro každou produktovou řadu. Pro každý stroj, komponentu nebo službu si zapište, jaká data vznikají, jaká rozhraní existují, jaké případy použití AI jsou realistické a jaké ne. Buďte upřímní. Špatný případ použití AI požírá důvěru rychleji než zpožděný termín dodání.
2. Rozšiřte svůj ICP o technické spouštěče. Počet zaměstnanců a odvětví nestačí. Zaznamenávejte projekty MES, role OT Security, nové závody, inzeráty na pozice Computer Vision, migrace ERP, zprávy o udržitelnosti, iniciativy údržby a zmínky o digitálních dvojčatech.
3. Vytvořte jednoduchou architektonickou prezentaci, kterou dokáže vysvětlit obchodní zástupce. Ne 38 krabic. Jedna stránka: stroj, Edge, datový tok, lokální zpracování, cloudová možnost, zabezpečení, servis. Pokud prodej této prezentaci nerozumí, nerozumí jí ani zákazník.
4. Trénujte otázky pro zjišťování informací o infrastruktuře AI. Neptejte se: „Máte zájem o AI?“ Ptejte se: „Jaká výrobní data smí opustit váš závod?“, „Kdo je zodpovědný za schvalování modelů?“, „Kde dnes selhávají rozhodnutí o kvalitě?“, „Která linka generuje nejdražší neplánované prostoje?“
5. Včas definujte role partnerů. Ne každá středně velká společnost musí budovat GPU clustery nebo sama provozovat MLOps. Ale musíte vědět, zda se Bull, Siemens, Phoenix Contact, lokální systémoví integrátoři nebo cloudoví partneři mohou objevit ve vaší referenční architektuře.
6. Propojte servisní a prodejní data. Stáří strojů, vzorce náhradních dílů, příčiny poruch a okna údržby jsou silné nákupní signály. Pokud tato data zůstanou v servisu, zatímco prodej provádí studené volání, spalujete existující kontext.
7. Udělejte z dodržování předpisů prodejní argument. EU AI Act, NIS2, Cyber Resilience Act a datová rezidence se nesmí objevit až při kontrole smlouvy. Přeložte požadavky do jasných prohlášení, která mohou prodej a technika společně podporovat.

Pátý bod je pro mě důležitý. Mnoho středně velkých podniků se bojí, že budou technologicky zaostávat v oblasti infrastruktury AI, protože nemají rozpočty jako DMG Mori, Kärcher nebo Brose. Tento strach je částečně oprávněný. Ale často vede k nesprávnému důsledku: nedělat nic, protože nelze dělat všechno. Lepší je jasné vymezení. Jaká funkce AI činí váš produkt pro zákazníky cennějším? 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 rozpoznávat relevantní cílové zákazníky, spouštěče a priority účtů pomocí AI – z dat CRM, tržních signálů a logiky ICP.

Proč jsou čistě inbound strategie u AI továren příliš pomalé

Zde záměrně odporuji pohodlné tezi: „Když bude zákazník připraven, sám se na nás obrátí.“ Ne. U projektů AI továren se zákazník často obrátí na dodavatele, který ho před šesti měsíci oslovil na správném místě. Rozhodovací proces nezačíná poptávkou. Začíná vnitřní nejistotou.

COO si všimne, že rostou náklady na zmetky. Vedoucí závodu je pod tlakem, aby transparentněji ukazoval OEE. IT ředitel blokuje cloudové experimenty. Generální ředitel slyší na akci VDMA ve Frankfurtu, že konkurenti pracují s prediktivní údržbou. Ještě není žádný projekt. Ještě není žádný rozpočet. Ale je tu napětí. Kdo pak čeká jen na konverze webových stránek, uvidí trh příliš pozdě.

Kdo v roce 2026 stále sází na čistě inbound strategii, nebude mít za pět let pipeline, která by si to jméno zasloužila. Zvláště ne v průmyslovém středním podniku. Vítězi nebudou nejhlasitější obsahové stroje, ale týmy, které čtou signály, vytvářejí hypotézy a jdou do rozhovorů s technickou relevancí. Méně newsletterů. Více načasování.

To neznamená, že outbound smí opět znamenat neohrabané hromadné e-maily. Prosím, ne. Sám dostávám dost zpráv, ve kterých je mé jméno špatně napsáno a někdo mi chce prodat „synergie“. Dobrý outbound orientovaný průmyslový prodej vypadá jinak: Pochopit účet, odvodit technickou situaci, uvést věrohodný spouštěč, formulovat krátkou tezi, zdvořile se zeptat. Věta jako „U několika linek s Kuka a Beckhoff vidíme, že lokální vyhodnocování obrazu je nově hodnoceno právě kvůli datové rezidenci“ není dokonalá. Ale je tisíckrát lepší než „Chtěl jsem se krátce představit“.

Infrastruktura AI: Náklady, kontextová okna 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 čistě běží v laboratorních datech, může selhat ve výrobě, protože kamera je minimálně jinak umístěna, protože olejová mlha mění obrazy, protože noční směna používá jiný materiál nebo protože PLC má časové chování, které nikdo v testu nesimuloval.

U generativní AI v prodeji přichází další problém: kontextová okna a náklady. Velké jazykové modely dnes dokážou zpracovávat dlouhé dokumenty, ano. Ale kdo nekontrolovaně sype kompletní historii CRM, technické specifikace, e-mailovou korespondenci, data nabídek a servisní protokoly do každého promptu, nebuduje inteligenci, ale topení na tokeny. Ceny tokenů klesají, ale špatná architektura se škáluje rychleji než dobré nákupní podmínky. Stále vidíme nastavení, kde se 80 procent nákladů na model spálí na irelevantní kontext.

Lepší architektura je většinou nespektakulární: normalizovat data, předfiltrovat signály, získat relevantní výřezy pomocí vyhledávání, model použít pouze tam, kde jazyk, klasifikace nebo rozpoznávání vzorů skutečně přinášejí přidanou hodnotu. V prodeji to znamená: Ne každá aktualizace účtu potřebuje velký model. Někdy stačí soubor pravidel. Někdy malý klasifikátor. Někdy potřebujete LLM, protože e-mail zákazníka mezi řádky říká: „Máme problém s rozpočtem, ale větší riziko, pokud nic neuděláme.“

Přesně tato střízlivost chybí v mnoha debatách o AI. Foxconn a Bull nestaví relevantní infrastrukturu proto, že každý středně velký podnik najednou trénuje svůj vlastní základní model. Upřímně? To bude dělat málokdo. Relevantní je, že průmyslová AI se blíží 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 čistě umístit nabídku blízkou AI.

Amplifa pro průmyslový prodej Pro týmy, které chtějí převést technické nákupní signály jako Edge AI, automatizace, potřeba servisu a modernizační projekty 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 pilotních projektů. Poskytovatelé, kteří zabalí infrastrukturu AI, datové toky, shodu a servis do srozumitelné komerční nabídky, získají větší obchody – i když nebudou nejlevnější.

Očekávám tři konkrétní pohyby. Za prvé, tendry ve strojírenství a výrobě zařízení budou častěji obsahovat otázky týkající se lokální inference, datové rezidence a monitorování modelů. Za druhé, integrátoři se silněji prosadí v prodeji a zatlačí klasické výrobce do poradenských pozic, pokud tito nebudou schopni vysvětlit svou architekturu. Za třetí, data stávajících zákazníků se stanou nejdůležitější pákou růstu, protože projekty AI továren zřídka začínají na zelené louce. Začínají na stávajících linkách, se starými řídicími systémy, se známými problémy.

Foxconn a Bull nejsou jediným spouštěčem. Ale jsou viditelným signálem. Pokud globální výrobní gigant a evropský infrastrukturní hráč 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 buduje pipeline.

Po hovoru s Andreou z Ulmu jsem si zprávu Foxconn-Bull znovu vytiskl. Papír, ne PDF. Na okraji je mým rukopisem napsáno: „Ne hardware. Nákupní kritéria.“ Káva už dávno vychladla, z výroby se ozvalo to jasné pískání pily a Andrea mi o deset minut později napsala: „Musíme přehodnotit náš seznam cílových zákazníků, že ano?“ Ano. Přesně tam to začíná.