AI & automatizace · 27. května 2026 · 24 min. čtení · Rebecca Kupka, Founders Associate, Amplifa

Open Source AI: Trend-Report pro střední firmy

Open Source AI mění ceny, Lock-in a GenAI strategii ve středních firmách. Přečtěte si, o čem rozhodují výrobci v regionu DACH před rozpočtovým kolem 2025.

Minulé úterý v 8:17 sedím v naší berlínské kanceláři na hovoru s Thomasem, jednatelem dodavatelské firmy poblíž Heilbronnu. Vedle něj hučí kávovar, někde v pozadí pípá couvající vysokozdvižný vozík a na jeho obrazovce svítí Excel s cenami dodavatelů, reklamacemi a 2 861 otevřenými CRM aktivitami. „Chci využívat AI,“ říká Thomas, „ale nechci, aby naše výkresy a marže jednoho dne ležely někde v Seattlu nebo San Franciscu.“ Právě na této větě nyní visí trh s Open Source AI. Ne na benchmarcích. Ne na demo videích. Na strachu, že za pět let bude vlastní tvorba hodnot připoutána k cenovému modelu API.

Moje prognóza, která v mnoha manažerských kruzích zní stále nepříjemně: Open Source AI neshromáždí do roku 2027 největší podíl investic do GenAI, ale bude diktovat cenovou logiku celého trhu. Velké šeky budou i nadále putovat k OpenAI, Anthropic, Microsoft, Google a Amazon. Vyjednávací síla se přesto potichu přesouvá k firmám, které mohou své modely vyměnit.

To je klíčový bod pro evropské střední firmy. Kdo v roce 2025 přistupuje k AI strategii pouze jako k výběru nástroje, nepochopil podstatu. Jde o nákupní sílu, datovou suverenitu, nákladové křivky, možnosti změny a o to, zda strojírenská firma z Bádenska-Württemberska bude za tři roky ještě sama rozhodovat o tom, kde se zpracovávají její servisní zprávy, CNC programy a logika nabídek.

Open Source AI 2025: Kde se trh dnes nachází

Trh je nevyvážený. Kapitál neproudí rovnoměrně, ale ve vlnách, a ta největší vlna stále směřuje k uzavřeným modelům. OpenAI je od roku 2023 často spojována s celkovým získaným kapitálem a strukturovanými balíčky od Microsoft v hodnotě kolem 13 až 14 miliard USD; o partnerství s Microsoft se veřejně diskutuje většinou v řádu 10 až 13 miliard USD. Anthropic získal přísliby od Amazon a Google v celkové výši přes 6 miliard USD, v závislosti na tranši a struktuře. Cohere se pohybuje spíše v rozmezí 500 milionů až 1 miliardy USD s investory jako Nvidia, Oracle a Salesforce Ventures. To nejsou běžná softwarová kola. To jsou sázky na infrastrukturu.

Na otevřené straně je obraz roztříštěnější, ale nikoliv malý. Hugging Face vybral v roce 2023 kolo ve výši 235 milionů dolarů, mimo jiné od Salesforce, Google, Nvidia, Intel, AMD a IBM, a podle tehdejších zpráv byl oceněn na 4,5 miliardy USD. Stability AI získala v roce 2022 přibližně 100 milionů USD při ocenění kolem 1 miliardy USD, později se dostala pod finanční tlak, ale zůstala určující pro otevřené obrazové modely. Aleph Alpha z Heidelbergu obdržela v roce 2023 strategické financování ve výši přibližně 500 milionů USD, respektive 400 až 500 milionů eur, podpořené společnostmi SAP, Bosch, Schwarz Gruppe, Hewlett Packard Enterprise a dalšími německými průmyslovými a finančními aktéry. Mistral AI z Paříže je zvláštní případ: otevřeně pozicionovaná, komerčně strukturovaná, v roce 2023 se seedem 105 milionů eur a později přibližně 385 miliony eur v Series A, v roce 2024 s diskusemi o ocenění kolem 5 miliard USD.

Když o tom mluvím s finančními řediteli (CFO), často vidím stejný reflex. „Takže vyhrávají ti uzavření,“ řekla mi před třemi týdny Andrea, Head of Sales u jednoho Hidden Champion v Bielefeldu, zatímco ve vedlejší konferenční místnosti někdo táhl kontejner po dlaždicích. No, skoro. Vyhrávají v kapitálové statistice. Ale kapitálová statistika není totéž co strategický dopad.

McKinsey v roce 2023 odhadla roční ekonomický potenciál generativní AI na 2,6 až 4,4 bilionu USD, s velkým přínosem z výroby, Supply Chain, vývoje produktů a interakce se zákazníky. Goldman Sachs v roce 2023 napsala, že GenAI by mohla během deseti let zvýšit globální HDP o přibližně 7 procent. IDC, Gartner a další analytici viděli v letech 2023 a 2024 celosvětové výdaje na AI software, hardware a služby směřující k 300 až 500 miliardám USD ročně do roku 2026 nebo 2027, v závislosti na definici. Tato čísla znějí abstraktně. V závodě v Tuttlingenu to znamená: Kdo píše servisní zprávu? Kdo prohledává dokumentaci náhradních dílů? Kdo kontroluje e-maily dodavatelů? Kdo prioritizuje leady ze stávajících zákazníků?

Bitkom v září 2024 oznámil, že 20 procent německých firem využívá AI a dalších 37 procent plánuje nebo diskutuje o jejím nasazení. U velkých firem je podíl výrazně vyšší než u malých. V rozhovorech se středními firmami ze strojírenství, elektrotechniky a automotive dodavatelů to působí velmi reálně: téměř každý má test Copilot, Azure-OpenAI-Pipeline, interní projekt chatbota nebo alespoň stážistu, který experimentuje s LLaMA, Mixtral nebo Mistral. Ale málokdo má strategii modelů. Velmi málokdo.

Status Quo: Uzavřené modely inkasují, otevřené modely disciplinují

Uzavření poskytovatelé prodávají tři věci: výkon, pohodlí a balíčkování. OpenAI přes Microsoft, Anthropic přes AWS a Google, Gemini v Google Cloud, Copilot v Microsoft 365, Salesforce Einstein, SAP Joule. Získáte modely, API, rozhraní pro správu (governance), vyúčtování a někdy ten uklidňující pocit, že nákupní oddělení musí pouze rozšířit stávající rámcovou smlouvu. To je atraktivní. Zvláště pro firmy, jejichž IT tým tvoří 14 lidí a paralelně musí zvládat SAP S/4HANA, problémy s EDI a výměnu firewallu.

Open Source AI prodává něco jiného, často nepřímo: možnosti úniku. Model LLaMA, Mixtral nebo vlastní hostovatelný model od Aleph Alpha nemusí být v každém úkolu nejlepším modelem na světě. Musí být dostatečně dobrý, dostatečně transparentní, levnější v trvalém provozu a smluvně natolik flexibilní, aby CIO z Ulmu nemusel u každé nové aplikace akceptovat cenu za milion tokenů od amerického poskytovatele. Právě zde leží páka. Ne romantická. Ekonomická.

Co konkrétně vidíme v Amplifa: V posledních 12 měsících jsme v discovery a implementačních projektech u B2B firem ze strojírenství, průmyslových komponent a technických služeb téměř nikdy neviděli čistou Open Source strategii, ale v 7 z 10 případů tichou sekundární architekturu. Vzorec je jasný: GPT-4 nebo Claude pro obtížné analytické a textové úkoly v pilotní fázi, poté otevřené nebo self-hostable modely pro opakující se úkoly, jako je klasifikace leadů, shrnutí e-mailů, vyplňování polí v CRM a extrakce dokumentů. Bod zlomu nepřichází s „lepší AI“. Přichází s objemem. Jakmile proces denně generuje tisíce malých volání modelu, stává se ze zvědavosti otázka nákladů.

Trend 1: Open Source AI tlačí ceny dolů

Nejdůležitějším tržním dopadem otevřených modelů není to, že by si každá střední firma zítra trénovala vlastní Foundation Model. To se nestane. Výrobce nástrojů z Remscheidu si také nekoupí vlastní litografický stroj od ASML jen proto, že čipy jsou strategické. Dopad vzniká díky věrohodným alternativám. Pokud LLaMA 3, Mixtral, Qwen, Falcon nebo evropský model stačí na 60 až 80 procent rutinních úkolů, pak uzavření poskytovatelé ztrácejí cenovou fantazii právě u těchto úkolů.

Nákladové benchmarky z praxe silně kolísají, protože je třeba započítat ceny tokenů, hosting, vytížení, velikost modelu, kvantizaci, požadavky na latenci a podporu. Přesto v tržních analýzách a cloudových kalkulacích vidíme opakující se vzorec: inference a doladění (fine-tuning) s otevřenými modely může být pro určité vysokoobjemové pracovní zátěže 5krát až 20krát levnější než trvalý odběr API špičkových uzavřených modelů. Neplatí to vždy. Pokud firma nemá infrastrukturu, má špatné vytížení a k provozu potřebuje tři externí poskytovatele služeb, výhoda se rozplývá. Ale u strukturovaných úkolů s mnoha opakováními je nákladový tlak reálný.

Příklad z rozhovoru se zákazníkem v březnu 2025: Markus, vedoucí prodeje výrobce komponent z Norimberku, chtěl automaticky klasifikovat všechny příchozí dotazy: náhradní díl, projektový obchod, dotaz na cenu, reklamace, dotaz prodejce. Uzavřený model? Fungoval okamžitě. Otevřený menší model? Po 300 anotovaných příkladech a čistém promptu plus retrieval byla úspěšnost u čtyř nejdůležitějších tříd dostatečně blízko uzavřenému modelu, že CFO přestal mluvit o kvalitě modelu a začal mluvit o měsíčních nákladech. To je moment, kdy se trh láme. Potichu, v Excelu.

Yann LeCun již léta argumentuje v tom smyslu, že otevřené AI platformy dlouhodobě vytvářejí robustnější ekosystémy než několik uzavřených strážců (gatekeepers). Pro průmyslové podniky to není ideologie, ale nákupní pozice.

— Yann LeCun, Chief AI Scientist v Meta

Považuji termín „Open Source cenový deštník“ za příliš měkký. Je to spíše páčidlo. Jakmile nákupní oddělení může prokázat, že otevřená alternativa zvládne 70 procent úkolu za 20 procent nákladů, mění se rozhovor s Microsoft, Google, Salesforce nebo specializovaným poskytovatelem AI. Ne vždy vyhraje otevřená varianta. Ale nutí druhou stranu vysvětlit, proč je jejich cena oprávněná.

Trend 2: Hybridní architektury se stávají normou

Nejnudnější věta v workshopech o AI strategii je bohužel také ta nejpravdivější: Nebude existovat jen jeden model. Vím, nikdo nechce spravovat další portfolio. Jednatelé chtějí jasno, IT chce méně variant, nákup chce méně smluv. Přesto reálné architektury směřují k mixu modelů. Uzavřené modely pro úkoly, kde záleží na nejlepším možném uvažování (reasoning). Otevřené modely pro vysoké objemy, citlivá data, krátkou latenci nebo procesy, které je třeba auditovat.

U společností Festo, Trumpf, DMG Mori, Phoenix Contact nebo Schaeffler lze veřejně vidět velmi odlišné AI iniciativy, ale základní napětí je podobné jako ve středních firmách: znalosti o produktech, servisní data, výrobní logika a dialog se zákazníky nesmí libovolně putovat do cizích platforem. Jeden vedoucí prodeje ze Stuttgartu mi v dubnu 2025 řekl: „Naše historie cen není tréninkový materiál.“ Potom se zasmál. Krátce. Pak bylo v místnosti ticho, slyšet byl jen ventilátor projektoru. Právě toto ticho je otázkou architektury.

Typické hybridní vzorce vznikají podél datových rizik. Microsoft-365-Copilot pro interní kancelářskou práci může mít smysl, pokud jsou oprávnění čistá a nezpracovávají se vysoce citlivá konstrukční data. RAG asistent pro servisní techniky, který prohledává příručky ke strojům, chybové kódy, servisní zprávy a data o náhradních dílech, patří spíše do kontrolovaného prostředí. Proces Lead-Scoringu, který kombinuje CRM data, firemní data a webové signály, může v závislosti na třídě dat běžet přes orchestrovanou architekturu: silný uzavřený model pro nejasné texty, otevřený model pro klasifikaci a extrakci, vrstva založená na pravidlech pro compliance.

Nejlepší implementace, které vidím, nerozdělují podle loga poskytovatele, ale podle rizika procesu. Co se stane, když je odpověď špatná? Kolik stojí jedno volání modelu při 50 000 operacích měsíčně? Jaká data opouštějí síť? Mohu změnit poskytovatele, aniž bych musel aplikaci stavět znovu? Zní to suše. Také to takové je. Ale právě tam se rozhoduje, zda AI zůstane experimentem, nebo se objeví ve výsledovce.

Finanční ředitel může tuto diskusi o správě (governance) zpočátku vnímat jako brzdu. Pochopitelně. Zní to jako prezentace o ochraně osobních údajů a dlouhá jednání s právním oddělením. Ale bez klasifikace dat se každý projekt AI stane politickým. Pak jej zablokuje konstrukce, protože by mohla být dotčena CAD data. Prodej jej zablokuje, protože by byly vidět ceny pro zákazníky. IT jej zablokuje, protože nikdo nezná pravidla logování. Nakonec vyhraje ten nejmenší pilotní projekt: chatbot pro jídelní řád. Milé. Strategicky irelevantní.

Trend 3: Sovereign AI se stává nákupním argumentem, nikoliv PR

Sovereign AI zní jako Brusel, žádost o dotaci a panelová diskuse. Dlouho jsem ten termín neměl rád. Příliš velký. Příliš mlhavý. V rozhovorech se zákazníky má ale velmi konkrétní význam: Kde běží modely? Kdo vidí logy? Kdo může zvýšit ceny? Kdo může ukončit funkci? Kdo určuje, která data smí být použita pro trénování? Jeden vedoucí výroby z Augsburgu to nedávno formuloval prostěji: „Chci vidět tu zástrčku.“

Evropa má v tomto jiný reflex než USA. GDPR, EU AI Act, odbory, požadavky na dodavatelský řetězec, kontrola exportu, audity zákazníků. To někdy brzdí. Ale také to chrání před slepou konzumací platforem. EU AI Act byl finálně schválen v roce 2024; mnoho povinností nabíhá postupně od roku 2025 a 2026. Pro průmyslové aplikace to znamená více dokumentace, klasifikaci rizik, sledovatelnost a jasnou odpovědnost. Otevřené nebo self-hostable modely tyto požadavky neřeší automaticky. Ale usnadňují určité dokazování, protože provoz, logování a datové toky jsou kontrolovatelnější.

Aleph Alpha je proto pro region DACH strategicky zajímavější, než by mohla naznačovat leckterá čistě benchmarková diskuse. Heidelberg místo Kalifornie sám o sobě není argumentem kvality. Ale poskytovatel, který bere vážně německý jazyk, evropskou compliance, on-premise možnosti a průmyslové reference, mění nákupní seznamy. Mistral AI ve Francii hraje podobnou roli na evropské úrovni, i když firma provozuje hybridní obchodní modely a ne vše je otevřené. Hugging Face zase není klasická Sovereign AI firma, ale je to infrastruktura pro srovnatelnost: modely, datasety, žebříčky (leaderboards), možnosti nasazení. Bez takových platforem by byly otevřené modely pro střední firmy téměř nedosažitelné.

Politický rozměr se podceňuje. Pokud SAP, Bosch a Schwarz Gruppe investují do Aleph Alpha, není to čistě výnosový obchod. Je to signál: Evropský průmysl nechce odebírat každou AI funkci přes americké hyperscalery. Zároveň tytéž firmy samozřejmě dále investují do ekosystémů Microsoft, AWS, Google a Nvidia. To není rozpor. To je hedging.

Amplifa ICP Playbook — Pro strategické týmy, které nechtějí AI plánovat abstraktně: ICP Playbook pomáhá na základě dat zpřesnit cílové zákazníky, segmenty a priority.

Co Open Source AI znamená pro střední firmy

Pro jednatele ve výrobě není klíčovou otázkou: Je Open Source lepší než Closed Source? Otázkou je: Jakou závislost si kupuji, když své procesy postavím na modelu, který nekontroluji? Automobilový dodavatel z Bavorska má jiná rizika než SaaS startup z centra Berlína. CAD výkresy, data o nástrojích, ceny dodavatelů, revizní zprávy, historie reklamací, poznámky ze směn, parametry strojů – to nejsou zaměnitelné texty. To je firemní majetek.

Zde jsem záměrně vyhraněný: Kdo v roce 2026 naváže celou svou AI roadmapu na jediného amerického hyperscalera bez únikové architektury, jedná nedbale. Ne proto, že by Microsoft, Google nebo Amazon byli špatní partneři. Naopak, často jsou nejrychlejší cestou do produkce. Nedbalá je ta jednosměrka. Střední firmy v ERP, PLM a MES už dostatečně často zažily, co se stane, když datový model, procesní logika a smluvní síla leží v jedněch rukou.

Ekonomický výpočet probíhá ve třech rovinách. Zaprvé přímé náklady: tokeny, licence, hosting, náklady na integraci, podpora. Zadruhé náklady na změnu: Jak drahé bude, když bude nutné model vyměnit? Zatřetí strategické náklady: Která data se v kterém ekosystému standardizují, logují a obohacují? Třetí bod se vyčísluje nejobtížněji, a právě proto je nebezpečný. V rozpočtových kolech často vyhrává řádek, který lze spočítat.

Pro prodej je dopad obzvláště hmatatelný. Otevřený model nemusí psát dokonalou poezii. Musí čistě rozpoznat, zda cílový zákazník zapadá do ICP, zda dotaz zavání projektovým obchodem, zda e-mail stávajícího zákazníka obsahuje signál pro up-sell nebo zda je záznam v CRM poškozený. Mnohé z těchto úkolů jsou klasifikační, nikoliv magické. Pokud běží v milionech případů, rozhoduje logika jednotkových nákladů. Pokud využívají citlivá data zákazníků, rozhoduje umístění dat. Pokud jsou vloženy do Salesforce, HubSpot, SAP C/4HANA nebo Microsoft Dynamics, rozhoduje vyměnitelnost.

U výrobce průmyslových komponent z východního Vestfálska jsme v lednu 2025 učinili jednoduché pozorování: Nejdražší problémy v prodeji nespočívaly v chybějících leadech, ale v neostré segmentaci. 18 procent účtů v CRM bylo jasně mimo cílový segment, ale přesto na ně byly dál cíleny kampaně. Zároveň stávající zákazníci s podobnými nákupními vzorci leželi ve třech různých seznamech segmentů. AI tam nepomohla proto, že by byla „inteligentní“. Pomohla, protože sjednotila vzorce napříč datovými zdroji. Pro něco takového není vždy potřeba nejsilnější uzavřený model. Je potřeba kontrolovaný systém.

Výrobci v DACH potřebují portfolia modelů místo AI hraček

Portfolio modelů zní jako záležitost pro koncern. Není tomu tak. I firma s 280 zaměstnanci může definovat jasné pravidlo: Které úkoly smí běžet přes uzavřená API? Které musí zůstat v datových centrech v EU? Které patří on-premise? Které třídy dat jsou tabu? Které modely jsou čtvrtletně testovány proti reálným úkolům? To není výzkumný program. To je řízení podniku.

Vidím příliš mnoho firem, které začínají se špatným výchozím bodem. Ptají se: „Jaký nástroj si máme koupit?“ Lepší by bylo: „Které procesy generují dostatečný objem, riziko nebo marži, aby se vlastní AI architektura vyplatila?“ Ve společnostech Kärcher, Webasto, Brose nebo Wittenstein by si nikdo nekoupil novou výrobní linku, aniž by spočítal takty, zmetkovitost a údržbu. U AI se to přesně takto stále děje. Objedná se licence, běží pilot, všichni jsou ohromeni, pak přijde ochrana dat, pak odbory, pak nákladová křivka. Pilot neumírá nahlas. Zmizí v kanálu Teams.

FAQ: Je Open Source AI skutečně levnější?

Ano, často. Ale ne automaticky. Open Source AI se stává levnější tehdy, když má firma opakovatelné úkoly s vysokým objemem, kvalita modelu je dostatečná, infrastruktura je dobře vytížená a provoz neexploduje kvůli nákladům na specialisty. Uzavřený model může být v pilotní fázi levnější, protože není nutné budovat vlastní infrastrukturu. Při trvalém provozu s tisíci nebo miliony volání měsíčně se výpočet často překlopí. Moje pravidlo z rozhovorů s vedoucími IT a prodeje: Pod hranicí relevantního objemu je pohodlí skutečnou hodnotou; nad ní je pohodlí nákladovým rizikem.

FAQ: Ztrácí Open Source AI na kvalitě?

U obecných špičkových úkolů většinou stále ano. Třída GPT-4, Claude a Gemini jsou často napřed v širokém uvažování (reasoning), zpracování dlouhého kontextu, využívání nástrojů a bezpečnostních mechanismech. U užších úkolů je mezera mnohem menší. Shrnutí technických dokumentů, extrakce z objednávek, klasifikace leadů, Retrieval-Augmented QA, interní znalostní asistenti, pomoc s kódem pro definovaná repozitáře – zde se otevřené modely po úpravě mohou velmi přiblížit. Někdy zcela postačují. Chybou je hodnotit kvalitu modelu abstraktně. Prodejní proces nemá žádné Elo skóre.

FAQ: Jak to ladí s EU AI Act?

EU AI Act nečiní AI nemožnou, ale přesouvá odpovědnost zpět na firmu. Kdo využívá AI v rizikových procesech, musí čistě dokumentovat datové toky, účel modelu, lidskou kontrolu, logování a řízení rizik. Otevřené nebo self-hosted modely pomáhají, protože mohou poskytnout větší kontrolu nad provozem a datovými cestami. Nenahrazují správu (governance). Model na vlastním serveru není automaticky compliant. Model v americkém cloudu není automaticky zakázaný. Otázka zní: Mohu prokázat, co se děje?

7 přípravných kroků pro jednatele a strategické týmy

Kdybych mohl jednateli ve střední firmě předat jen jednu věc, byla by to tato: Nezačínejte modelem. Začněte procesy, ve kterých AI může opakovaně vytvářet hodnotu. Poté kolem toho postavte rozhodnutí o modelu.

1. Definujte třídy dat: Oddělte veřejná data, data zákazníků, informace o cenách, technické IP, osobní údaje a bezpečnostně kritická produkční data. Bez této mapy bude každé rozhodnutí o AI jen pocitové.
2. Seřaďte Use Cases podle objemu a rizika: S měsíčním strategickým asistentem je třeba zacházet jinak než s denní klasifikací nabídek, vyhodnocováním servisních zpráv nebo routingem leadů ve 12 zemích.
3. Benchmarkujte Closed a Open proti sobě: Otestujte GPT-4, Claude nebo Gemini proti LLaMA, Mixtral, Mistral nebo Aleph Alpha na skutečných německých dokumentech. Ne na demo promptech. Na vašich reklamacích, příručkách, poznámkách v CRM a e-mailech s nabídkami.
4. Počítejte náklady na 1 000 operací: Nesrovnávejte jen ceny tokenů. Započítejte hosting, latenci, monitoring, náklady na integraci, podporu a očekávaný růst. Relevantní hodnotou je TCO za 3 až 5 let.
5. Naplánujte vrstvu pro výměnu: Využívejte orchestraci, jasná rozhraní a verzování promptů, respektive evaluací, aby model zůstal vyměnitelný. Kdo přilepí logiku modelu přímo do odborných procesů, buduje si Lock-in sám.
6. Vyjasněte správu (governance) včas s právním, IT a odborným oddělením: Před rolloutem dokumentujte datové toky, logování, oprávnění, lidské schvalování a pravidla eskalace. Později to bude dražší a političtější.
7. Měřte úspěch pomocí procesních ukazatelů: V prodeji se počítá míra schůzek, zásahy v segmentech, reakční doba, kvalita pipeline a čistá data v CRM. V servisu a výrobě se počítá čas hledání, míra vyřešení na první pokus, zmetkovitost, minuty prostojů nebo náklady na dokumentaci.

Amplifa Produkt — Amplifa podporuje B2B týmy v tom, aby pomocí AI využily tržní, account a prodejní signály – aniž by ztratily kontrolu nad procesní logikou.

Logika investic: Proč menší rozpočty na Open Source klamou

Když se investoři dívají na trh, vidí nejprve kapitálovou náročnost. Foundation Models potřebují GPU, data, výzkumné týmy, energii, datová centra, prodej a partnerství. Clustery Nvidia H100, smlouvy s Azure, závazky u AWS, Google TPU – to je nový těžký průmysl softwaru. Proto uzavření hráči přitahují obrovské sumy. Neprodávají jen modely, prodávají přístup k výpočetní a produktivní infrastruktuře.

Firmy blízké Open Source sledují jinou logiku. Nemusí vždy vlastnit největší základní model. Mohou zlevnit inferenci, kurátorovat modely, zjednodušit Fine-Tuning, zabezpečit nasazení, prodávat Enterprise podporu nebo stavět vertikální aplikace. Hugging Face je toho nejlepším příkladem: je to méně poskytovatel modelů a více tržiště, kufřík s nářadím a vrstva důvěry. MosaicML byla v roce 2023 převzata společností Databricks za 1,3 miliardy USD, protože trénování a provoz otevřených modelů se pro firmy staly strategickými. Together AI, Anyscale, Replicate a další poskytovatelé obsazují podobné vrstvy v stacku.

Pro evropské investory není nejzajímavější částí pokus o kopírování OpenAI. To je příliš kapitálově náročné a pravděpodobně příliš pozdě, pokud člověk nemá státní nebo hyperscalerům podobnou výpočetní základnu. Zajímavé jsou vrstvy kolem průmyslových workflow: routing modelů, evaluace, bezpečné připojení dat, RAG systémy specifické pro odvětví, AI agenti pro procesy nabídek, servis, náhradní díly, management kvality. Tam sedí marže, pokud se základní modely stanou komoditou.

Vím, že „komodita“ zní brutálně pro technologii, která se v představenstvech teprve zabydluje. Ale mnoho základních schopností se stane právě tím: shrnutí textu, extrakce dat, klasifikace e-mailů, vyplňování tabulek. Pokud to umí každý poskytovatel, nikdo nebude dlouhodobě vydělávat vysoké marže jen na volání modelu. Hodnota se přesouvá k integraci do SAP, Salesforce, Microsoft Dynamics, HubSpot, PLM systémů, MES a interních datových prostorů. Tam se rozhoduje, zda je AI milé rozhraní, nebo páka produktivity.

Open Source AI v prodeji: Proč profituje Pipeline-Management

Píšu na blog Amplifa, takže se samozřejmě dívám zejména na prodej a Go-to-Market. Největším omylem o AI v prodeji je, že jde primárně o lepší e-maily. Ne. E-maily jsou jen vidět. Skutečná práce spočívá v segmentaci, prioritizaci, zpracování signálů, hygieně CRM, timingu a otázce, zda je account skutečně připraven k nákupu, nebo jen vypadá hezky v dashboardu.

Open Source AI zde má praktickou výhodu: Mnoho úkolů v prodeji není kreativních, ale strukturovaných. Model má z webové stránky rozpoznat, zda firma využívá vstřikovací lisy. Má z inzerátu na pracovní pozici odvodit, zda právě probíhá projekt migrace na SAP. Má z výroční zprávy extrahovat investice do nových závodů. Má z 18 poznámek v CRM rozpoznat, zda obchod vázne, protože jej blokuje nákup, technika nebo vedení. To jsou úkoly, které lze evaluovat. Úspěšnost. Typy chyb. Náklady na account.

V květnu 2025 jsme interně provedli vyhodnocení několika nastavení kampaní, u kterých byly obohacovány a prioritizovány seznamy cílových zákazníků pro technické B2B poskytovatele. Vzorec: Největší nárůst kvality nepřinesl nejsilnější model, ale lepší kritéria. Pokud byl ICP neostrý, i špičkový model produkoval drahý šum. Pokud byl ICP čistý, dokázaly menší modely klasifikovat signály překvapivě stabilně. To je nepříjemné pro všechny, kteří prodávají AI jako zkratku pro strategii. AI neodautomatizuje neostrost. Ona ji škáluje.

ICP Playbook pro prioritizaci trhu s podporou AI — Playbook ukazuje, jak B2B firmy definují cílové segmenty, nákupní triggery a vylučovací kritéria tak, aby AI v prodeji nacházela spolehlivé signály.

Closed Source zůstává silný – ale jinak, než si mnozí myslí

Nechci se tvářit, že otevřené modely ty uzavřené poskytovatele prostě vytlačí. To je nesmysl. Uzavřené modely zůstávají silné, protože kombinují tempo výzkumu, produktový zážitek a Enterprise prodej. Microsoft může protlačit Copilot do stávajících pracovních rozhraní. Google může Gemini hluboce integrovat do Workspace a Cloud. Amazon může Anthropic přes AWS dostat do nákupních procesů. Salesforce může AI zabalit do CRM workflow. SAP může Joule zasadit do kontextů ERP. Tato distribuce je obranný val.

Pro střední firmy to znamená: Využívat, ale nesplynout. Pilot s Azure OpenAI může za čtyři týdny naučit více než šest měsíců architektonických studií. Rollout Copilot může ulehčit duševní práci. Test Claude může ukázat, jaká kvalita je možná u komplexních výběrových řízení. Ale každá aplikace, která strukturuje klíčové znalosti firmy, by měla být postavena tak, aby výměna modelu zůstala možná. Zde se záměrně opakuji. Trh se pohybuje příliš rychle na náboženská rozhodnutí o poskytovateli.

Jeden vedoucí nákupu z Mannheimu mi v únoru 2025 řekl: „U cloudu už jsme jednou věřili, že ceny budou věčně klesat.“ Pak se zazubil. Ne přátelsky. Právě tato zkušenost formuje mnoho CIO. Nejdříve je vyúčtování podle spotřeby flexibilní. Pak se pracovní zátěže zvětšují. Pak přicházejí závislosti. Pak se optimalizace stane samostatným projektem. U GenAI může stejná křivka proběhnout rychleji, protože každé nové workflow spaluje tokeny.

Moje prognóza pro roky 2026 až 2028

Zaprvé: Mezera mezi otevřenými a uzavřenými modely se u rutinních úkolů natolik zmenší, že nákup a správa (governance) budou důležitější než benchmarky. Ne všude. Ale v dostatečném množství procesů na to, aby se změnily ceníky. Očekávám, že mnozí uzavření poskytovatelé budou dále snižovat své ceny nebo více balíčkovat, protože otevřené modely nastavují spodní hranici. Zákazník to nebude vnímat jako „vítězství Open Source“. Prostě dostane lepší podmínky.

Zadruhé: Evropské výrobní firmy budou méně mluvit o chatbotech a více o procesních agentech. Agenti pro nabídky, kteří extrahují technické požadavky z RFQ. Servisní agenti, kteří kontrolují chybové obrazy proti historii strojů. Prodejní agenti, kteří prioritizují accounty podle skutečných nákupních triggerů. Agenti kvality, kteří strukturují revizní zprávy. Tito agenti nebudou všichni běžet na jednom modelu. Budou potřebovat routing modelů, a právě tam se otevřenost stane cennou.

Zatřetí: Střední firmy se naučí tvrdou lekci. AI bez práce s daty je jen divadlo. Mnoho firem v letech 2025 a 2026 zjistí, že jejich dokumenty nejsou verzované, pole v CRM nejsou udržovaná, data o produktech nejsou jednoznačná a oprávnění historicky rostla bez ladu a skladu. To není kritika AI. To je účet za dvacet let růstu nástrojů. Otevřené modely pomohou jen tehdy, pokud je vyjasněna datová základna a odpovědnost za procesy.

Začtvrté: Sovereign AI se změní z tématu pro představenstvo na přílohu k nákupní smlouvě. V RFP se stanou standardem otázky na rezidenci dat, výměnu modelu, logování, využití k trénování, provoz v EU, auditovatelnost a exit scénáře. Poskytovatelé, kteří na to odpoví jen marketingovými slajdy, prohrají. Poskytovatelé, kteří ukáží konkrétní cesty architektury – uzavřenou, otevřenou, hybridní, on-prem, private cloud – získají důvěru. Ne vždy zakázku. Ale druhý rozhovor.

Když si vzpomenu na Thomase z Heilbronnu, nevidím jeho Excel. Slyším kávovar a vysokozdvižný vozík v pozadí. Velmi analogový zvuk pro velmi digitální rozhodnutí. Možná je to ta správná pointa: Souboj mezi Open Source AI a uzavřenými modely se nerozhodne v tabulkách benchmarků, ale tam, kde někdo chce ráno v osm vědět, zda jeho marže, výkresy a vztahy se zákazníky budou za tři roky ještě patřit jemu.