Strategie AI · 3. března 2026 · 15 min. čtení · Anthony Filipiak, CEO & Co-Founder, Amplifa

Strategie AI ve středních podnicích: Plán proti 80% katastrofě

8 z 10 projektů AI ve středních podnicích selhává. I ty Vaše? Tato praktická strategie AI zabrání chaosu a zajistí Vám náskok. Čtěte nyní!

Nedávno jsem seděl u jednoho výrobce strojů v Ostwestfalen. Hidden Champion, jak se říká. Jednatel – typ člověka, který si vyhrne rukávy, ve firmě už 30 let – mě hrdě uvedl do čerstvě zrekonstruované zasedací místnosti. Na stěně obrovská obrazovka, na ní barevné křivky, diagramy, čísla. „Náš nový kokpit AI, pane Müller!“ oznámil s patosem. „Předpovídá nám všechno.“ Uznale jsem přikývl, naklonil se o něco blíž a zeptal se přítomného vedoucího IT, jaké datové modely za tím stojí. Trapné ticho. Pak odpověď, tiše zamumlaná: „V podstatě jsou to excelové tabulky z controllingu, jen živě napojené v Power BI.“ Ta věc tedy nebyla žádná Umělá inteligence. Byla to prezentace. Sakra drahá prezentace.

Tento zážitek – a za poslední dva roky jsem jich nasbíral desítky – je symptomatický pro obrovský problém, který straší německý střední stav. Mluví se o tom potají, na setkáních VDMA a v kuřáckých pauzách na Hannover Messe. Číslo, které padá stále dokola: 80 procent. Osm z deseti iniciativ kolem Umělé inteligence vyšumí do ztracena, selže nebo se ukáže jako drahá bublina, která kromě nákladů nic nevyprodukovala. Zda je to 70, 80 nebo 85 procent, je na konci dne úplně jedno. Faktem je: spalujeme peníze, čas a – co je nejhorší – motivaci našich nejlepších lidí na projekty, které jsou od začátku odsouzeny k nezdaru. Mezitím nezadržitelně roste produktivní propast vůči USA, jak opakovaně dokazují studie. Tady se kůň nejen zapřahá za vůz, my se ho navíc snažíme naučit létat. A to v době, kdy nám podle Bitkom chybí přes 137 000 IT odborníků. Každý chybný krok tedy bolí dvojnásob.

Od chaosu k jasnému kurzu: Strategie AI, která funguje

Upřímně: Většina jednatelů, se kterými mluvím, si pod pojmy jako „Large Language Model“ nebo „Generative Adversarial Network“ nic nepředstaví. A ani nemusí. Úkolem vedení není rozumět kódu, ale vyvinout strategii, která firmu posune vpřed. A přesně o tom je tento praktický průvodce. Hodíme přes palubu veškerý technický balast a poradenské fráze a soustředíme se na to, co je skutečně důležité. Vybudujeme hmatatelnou, realizovatelnou strategii AI pro střední podniky. Žádná věda, ale poctivé řemeslo.

• Krok 1: Bolestivá pravda – Zjistíme, kde Vás skutečně pálí pata.
• Krok 2: Rychlé vítězství – Definujeme první, malý projekt AI (MVP), který přinese okamžitou hodnotu.
• Krok 3: Měřit to, co je důležité – Stanovíme, jak nekompromisně prokážete úspěch v eurech a centech.
• Krok 4 & 5: Škálování – Vyvineme plán, jak přejít od jednoho úspěchu k dalšímu, aniž byste znovu vynalézali kolo.

Krok 1: Bolestivá pravda – Kde Vás skutečně pálí pata?

Nejčastější chyba, kterou stále vidím? Projekt začíná řešením, nikoliv problémem. Představenstvo si v Handelsblatt přečte o Predictive Maintenance a už je vysláno IT, aby udělalo „něco s AI pro údržbu strojů“. To je jistá cesta ke katastrofě. Nejdůležitější otázka Vaší strategie AI není „Kde můžeme AI nasadit?“, ale „Jaký je nejhloupější, nejdražší a nejotravnější problém, který dnes v naší firmě máme?“. Buďte k sobě přitom brutálně upřímní. Nevycházejte z technologie, ale z bolesti.

V workshopech to dělám vždy takto: Pozvu vedoucí pracovníky z obchodu, výroby, nákupu a servisu do jedné místnosti. Pak položím přesně jednu otázku: „Představte si, že máte kouzelnou hůlku a můžete navždy vyřešit jednu jedinou věc ve svém pracovním dni. Jednu věc, která Vás, Váš tým nebo firmu stojí spoustu času, peněz nebo nervů. Co by to bylo?“ Budete se divit, co vyjde najevo. Zřídkakdy je to „Potřebujeme AI, která bude psát naše příspěvky na sociální sítě“. Mnohem častěji slyším věci jako: „Moji nejlepší obchodníci tráví polovinu času udržováním dat v CRM.“ Nebo: „Každý týden ztrácíme 20 hodin tím, že musíme ručně kontrolovat, zda objednací údaje od zákazníka souhlasí s našimi čísly artiklů.“ Bingo. To jsou ty zlaté nugety. To jsou perfektní výchozí body pro iniciativu AI. Proč? Protože řešení zde má přímou, měřitelnou a především všemi pochopenou hodnotu. Kvantifikujte tuto bolest. Ptejte se: Kolik hodin týdně to je? Kolik nás stojí hodina jednoho obchodníka? Rychle se dostanete od vágního „tohle nás štve“ k tvrdému číslu: „Tento administrativní problém nás stojí 250 000 eur ročně na ztraceném čase obchodu.“ A rázem máte nejen problém, ale i business case.

Krok 2: Najděte 'Quick Win' – Váš první projekt AI (MVP)

Minimum Viable Product, který si toto jméno zaslouží

Jakmile identifikujete nejdražší problém, odolejte pokušení postavit „všeuměla“. Cílem není dokonalé, plně automatizované finální řešení. Cílem je „Minimum Viable Product“ – MVP. Ve světě středních podniků bych to spíše nazval „nejmenší možné řešení s maximálním efektem učení“. Jde o to s minimálním úsilím dokázat, že AI může tento specifický problém vyřešit. To snižuje riziko, vytváří důvěru a dává Vám hmatatelná data pro další kroky. Pamatujte: Nacházíte se ve fázi „AI-Adopter“, nikoliv „AI-Enabler“. Nemusíte vynalézat novou technologii, ale chytře využít tu stávající.

Zůstaňme u příkladu výrobce strojů, jehož obchodní tým se topí v administrativě v CRM. Co by zde bylo dobrým MVP? Rozhodně ne vývoj zcela autonomního prodejního robota. Excelentním MVP by byl naopak nástroj, který převezme jeden jediný, jasně vymezený úkol. Například: automatickou kvalifikaci příchozích poptávek přes kontaktní formulář na webu. AI analyzuje poptávku (Jaký obor? Jaká velikost firmy? Jaký zájem o produkt?) a přiřadí jí skóre – od A (velmi zajímavé, okamžitě volat!) až po D (pravděpodobně student, zapsat do newsletteru). Přidaná hodnota je okamžitá: Obchodní tým se už nemusí prohrabávat stovkami e-mailů, ale může se soustředit na 20 % poptávek, které mají 80 % potenciálu. Technické úsilí je přitom zvládnutelné. Na trhu existují standardní řešení (mnoho dobrých CRM systémů jako Salesforce nebo HubSpot má něco takového v sobě, specializovaní poskytovatelé jako Amplifa jdou ještě o krok dál), která lze často napojit během několika týdnů. Nejdůležitější předpoklad, přes který nejede vlak: Vaše data musí mít určitou základní kvalitu. Odpad dovnitř, odpad ven – tato věta nebyla nikdy tak pravdivá jako v éře AI. Je Vaše CRM datovou pouští? Pak Vaším MVP není nástroj AI, ale projekt „vyčištění dat v CRM“. Je to sice nepopulární, ale je to nezbytný základ pro vše, co přijde potom.

Krok 3: Konec s pocitovým rozhodováním – Jak měřit úspěch Vaší strategie AI

Jak přesvědčíte svého finančního ředitele – nebo skeptického vedoucího výroby – aby po úspěšném MVP financoval i další krok? Příběhy? Barevnými dashboardy? Zapomeňte na to. Přesvědčíte ho čísly. Tvrdými KPI (Key Performance Indicators), které musíte bezpodmínečně definovat před startem projektu. Projekt AI bez předem definovaných metrik je koníček, nikoliv podnikatelská investice. To je moment, kdy se odděluje zrno od plev.

Pro naše MVP s lead-scoringem by KPI mohla vypadat například takto: Chceme snížit čas manuální kvalifikace na jeden lead z průměrných 15 minut na méně než 2 minuty. Chceme zvýšit konverzní poměr z „prvního kontaktu“ na „kvalifikovanou schůzku“ o 25 %. A chceme zkrátit průměrnou dobu reakce na top leady (skóre A) z 24 hodin na méně než jednu hodinu. To jsou jasné, měřitelné cíle. Po testovací fázi tří měsíců si sednete a porovnáte skutečné hodnoty s těmi plánovanými. Dosáhli jste cílů? Perfektní. Prokázali jste business case. Nesplnili jste je? Také dobře. Nyní můžete analyzovat, v čem byl problém. Byla data špatná? Nepřijal tým tento nástroj? Byla logika skórovacího modelu chybná? Toto zjištění má cenu zlata, protože Vás uchrání před opakováním stejné chyby v příštím, větším projektu. Podle mých zkušeností je upřímně analyzovaný neúspěch u malého MVP tisíckrát cennější než na papíře „úspěšný“ velký projekt, jehož přínos nikdo nedokáže vyčíslit.

Od MVP ke škálování: Vaše strategie AI pro pokročilé

Úspěšné MVP je jako první etapové vítězství na Tour de France. Skvělé, ale závod ještě zdaleka není vyhraný. Skutečné umění spočívá v tom, tento úspěch systematicky opakovat a vybudovat celofiremní kompetenci v AI. To je přechod od experimentu ke skutečné transformaci. Zde jsou rozhodující další kroky:

1. Krok 4: Vyviňte plán pro úspěch. První úspěch projektu je Vaším nejcennějším aktivem. Pečlivě analyzujte, co fungovalo dobře. Jak jste identifikovali problém? Jak jste sestavili tým? Jak jste definovali KPI? Jak jste vybrali poskytovatele? Dokumentujte tento proces. Vytvořte z něj jakýsi kontrolní seznam nebo interní „playbook“. To je Váš plán pro všechny budoucí iniciativy AI. Až příště přijde vedoucí oddělení s nějakým nápadem, nemusíte začínat od nuly. Vytáhnete plán ze šuplíku a prověříte nápad podle svého standardizovaného procesu. To přináší rychlost, snižuje rizika a činí úspěch opakovatelným. Inspirovat se můžete externími rámci, které vyvinul například hamburský institut ARIC pro střední podniky.
2. Krok 5: Vyřešte skládačku kompetencí (Lidé & Změna). Teď to začíná být vážné. Protože teď jde o lidi. AI je z 20 procent technologie a z 80 procent change management. Můžete zavést nejlepší nástroj na světě – pokud mu zaměstnanci nebudou rozumět, nebudou mu věřit nebo se ho budou bát, selže. Máte zde několik pák: Upskilling: Vzdělávejte své lidi! Obchodník se nemusí stát datovým vědcem, ale musí rozumět tomu, jak funguje AI-kopilot, jak ho „krmit“ a jak interpretovat výsledky. Udělejte ze svých zaměstnanců „uživatele AI“, nikoliv oběti automatizace. Chytré budování kompetencí: Vzhledem k nedostatku odborníků nebudete moci zaměstnat deset datových vědců. To ani není nutné. Vybudujte malý, akceschopný interní tým (často stačí jedna osoba, „tahoun“), který bude řídit strategii, vyhodnocovat use cases a koordinovat externí partnery. Pro samotnou realizaci si cíleně přizvěte externí experty – ať už prostřednictvím specializovaných poskytovatelů služeb, Managed-AI poskytovatelů nebo freelancerů. Kultura zvídavosti: Zaveďte kulturu, ve které jsou experimenty povoleny. Ne každé MVP bude trefou do černého. To je v pořádku, pokud se z chyb poučíte. Oslavujte nejen úspěchy, ale i chytrá selhání a z nich získané poznatky. Vsadím se o basu franckého piva, že firmy s touto kulturou budou mít za tři roky náskok.

Největší překážkou pro AI ve středních podnicích není technologie, ale strach z toho, že první malý krok uděláte špatně. Proto se často neudělá vůbec žádný.

— Klaus Müller

Váš prodejní proces pod lupou AI: Amplifa Sales Audit — Kde v prodeji skutečně ztrácíte peníze? Náš Sales Audit je brutální upřímnost, kterou potřebujete. Analyzujeme Vaše procesy a data a identifikujeme největší páky pro zvýšení efektivity s podporou AI – dříve než investujete jediné euro.

Časté dotazy (a nekompromisní odpovědi)

Potřebuji jako střední podnikatel skutečně vlastní datovou strategii?

Ano. Krátce a bezbolestně. Bez plánu pro Vaše data – jak je sbíráte, jak je čistíte a jak je ziskově využíváte – je každá investice do AI jako stavba domu na písku. Nemusí to být padesátistránkový dokument. Začněte úplně v malém: Které tři datové body o zákazníkovi ve Vašem CRM jsou pro obchod čistým zlatem? Soustřeďte se na to, abyste tyto tři body udržovali u 95 % svých kontaktů čisté a aktuální. To je začátek Vaší datové strategie.

AI v prodeji – vezme to mým prodejcům práci?

Pohádka, kterou šíří lidé, kteří nikdy neviděli dobrého prodejce při práci. Upřímně: Váš nejlepší obchodník v terénu pravděpodobně tráví 15 hodin týdně reporty, zadáváním dat a interní koordinací. To je urážka jeho talentu. AI mu nebere práci, ona mu jeho práci vrací. Automatizuje otravnou administrativu, aby měl profesionál více času na to, co žádná AI neumí: budovat důvěru, chápat komplexní potřeby a uzavírat obchody. Jde o 'kopilota', nikoliv o 'náhradního pilota'. Správně zavedený systém si Váš obchodní tým zamiluje.

Jaký je rozdíl mezi Machine Learning, Deep Learning a AI?

Zapomeňte na to. Zcela vážně. To je žargon pro techniky ve strojovně. Pro Vás jako jednatele, jako rozhodovatele, je důležitá jen jedna jediná otázka: Řeší tato věc, kterou mi chtějí prodat, skutečný problém mé firmy? A: Je očekávaný výnos vyšší než náklady a riziko? Zda je technologií v pozadí statistická regrese, neuronová síť nebo magie šedovousého kouzelníka, Vám může být v prvním kroku srdečně jedno. Soustřeďte se na Business Value. Vše ostatní je milé intelektuální cvičení na večer, ale nikoliv základ pro rozhodování.

Amplifa: Autopilot pro Vaši B2B prodejní pipeline — Dost bylo teorie? Amplifa je v praxi osvědčené řešení AI, které z Vašich stávajících dat v CRM automaticky generuje kvalifikované leady a konkrétní prodejní příležitosti. Méně administrativy, více uzavřených obchodů. Tak vypadá AI v prodeji dnes – vytvořená pro střední podniky.

Žádné čáry, ale řemeslo – Kvintesence

Pokud si po všech těchto slovech odnesete jen tři věci, pak prosím tyto:

• Začněte u bolesti, nikoliv u technologie. Nejlepší strategie AI nezačíná buzzwordem, ale problémem, který dokážete vyčíslit v eurech a centech.
• Přemýšlejte v malých, měřitelných krocích (MVP). Rychlé, malé vítězství, jehož hodnotu dokážete prokázat, má nekonečně větší cenu než grandiózní plán, který zapadá prachem v šuplíku. Prokažte hodnotu, pak získáte i rozpočet na víc.
• AI není IT projekt, ale projekt změny. Nejpokročilejší technologie je jen drahý elektroodpad, pokud lidé, kteří ji mají používat, nejsou do procesu zapojeni. Komunikace, školení a zapojení nejsou 'měkké faktory', jsou základem úspěchu.

Vybudovat fungující strategii AI není žádná věda. Je to solidní podnikatelské řemeslo. Začněte. Nejlépe dnes.