Vaše dáta sú náskok: prečo firma potrebuje vlastnú digitálnu vrstvu

Väčšina firiem netrpí nedostatkom dát. Trpí tým, že rovnaké dáta existujú na piatich miestach a na každom znamenajú niečo mierne iné.

Klient je v CRM, objednávka v ERP, ponuka v PDF, poznámka v e-maile a posledný skutočný stav v Exceli u človeka, ktorý ten proces roky drží. Keď sa manažment opýta, koľko nám tento klient tento rok reálne zaplatil, odpoveď vyžaduje tri systémy a človeka, ktorý vie, ktorému údaju veriť.

Nie je to problém len malých firiem. Desiaty ročník prieskumu MuleSoft Connectivity Benchmark medzi 1 050 IT lídrami vo firmách s minimálne 1 000 zamestnancami uvádza priemer 897 aplikácií na organizáciu, pričom prepojených je z nich len 29 %. Deväťdesiat percent opýtaných hovorí, že dátové silá vytvárajú vo firme biznisové problémy.

Tento text ide do hĺbky jednej vrstvy. Celkovú mapu vrstiev firmy som opísal v článku Ako by som dnes postavil firmu, ktorá nepotrebuje armádu administratívnych ľudí. Tu ide len o dáta: kto ich vlastní a kde je pravda.

AI je len taká dobrá, ako infraštruktúra pod ňou

Model vie výborne sumarizovať, klasifikovať alebo navrhnúť ďalší krok. Ak však dva systémy obsahujú odlišnú cenu, iný stav objednávky alebo duplicitného klienta, AI nevie určiť, ktorý záznam je autoritatívny. Vyberie ten, ktorý dostane, alebo ten, ktorý znie presvedčivejšie. Ani jedno nie je rozhodovacie kritérium.

NIST AI Risk Management Framework 1.0 z januára 2023 kladie charakteristiku Valid & Reliable, teda platnosť a spoľahlivosť, ako základ pod ostatné charakteristiky dôveryhodnej AI a dodáva, že dôveryhodnosť je len taká silná ako jej najslabšie charakteristiky. Model postavený na dátach, ktorým sami neveríte, je generátor rýchlejších omylov.

Firma preto potrebuje definovať source of truth pre kľúčové entity: klient, produkt, cena, objednávka, faktúra, dostupnosť, používateľ a oprávnenia. Je to dohoda o tom, ktorý systém je pre daný údaj autoritatívny a odkiaľ ho ostatní len čítajú. Nie technológia, rozhodnutie.

Že nejde o okrajovú tému, ukazuje výskum Salesforce State of Data and Analytics, zbieraný v lete 2025 a publikovaný v novembri 2025: 84 % lídrov zodpovedných za dáta a analytiku tvrdí, že ich dátová stratégia potrebuje kompletnú prestavbu. Odhadujú pritom, že 19 % firemných dát je v dátových silách alebo inak nepoužiteľných a 26 % je nedôveryhodných.

Ako vyzerá rozhodnutie o zdroji pravdy

Pre každú entitu treba odpovedať na štyri otázky. Ktorý systém ju vlastní? Kto do nej smie zapisovať a cez aké rozhranie? Čo je jej jediné ID naprieč systémami? A ako vyzerá zmierenie, keď sa dva záznamy rozídu?

Znie to banálne, ale býva to najťažšia hodina projektu. Modelový príklad: cenu vlastnia traja ľudia a každý má pravdu vo svojom kontexte, obchod má výnimku, e-shop cenník a účtovníctvo to, čo odišlo na faktúre. Ak sa ten rozhovor nespraví pri stole, vyrieši ho neskôr integrácia. Náhodne a zle.

Regulácia tlačí rovnakým smerom. Článok 10 nariadenia EU AI Act vyžaduje pre vysokorizikové systémy dátové súbory relevantné, dostatočne reprezentatívne a v čo najväčšej možnej miere bez chýb a úplné vzhľadom na zamýšľaný účel. Bez strašenia: platí to až od 2. decembra 2027, respektíve od 2. augusta 2028 podľa typu systému, a väčšina firemných nasadení pod vysoké riziko nespadne.

Jednotný dátový model zjednoduší celý ekosystém

Keď má klient jedno ID, objednávka jasný životný cyklus a každý systém vie, odkiaľ čítať cenu či dostupnosť, integrácie sa zjednodušia. Lead z webu vznikne v CRM, doplní sa, priradí obchodníkovi a neskôr sa prepojí s ponukou, objednávkou a faktúrou bez toho, aby niekto štyrikrát prepisoval to isté.

Ekonomika je obyčajná aritmetika, nie výskumné zistenie. Ak prepájate systémy každý s každým, pri piatich je to desať väzieb, pri desiatich štyridsaťpäť. Každá väzba je kód, ktorý niekto napísal, niekto udržiava a raz sa pokazí. So spoločným slovníkom a identifikátormi je pridanie nástroja jedno napojenie, nie ďalších deväť.

Zhamak Dehghani v texte o data mesh, publikovanom v máji 2019 na martinfowler.com, pomenovala zlyhania centralizovaných dátových platforiem: schopnosť spracovať a zladiť všetky dáta na jednom mieste klesá s rastom zdrojov aj konzumentov a delenie platformy podľa technických krokov namiesto biznis domén vytvára tesnú väzbu, pri ktorej si nová požiadavka vyžiada zmenu naprieč celou linkou. Použiteľná je najmä jej latka „dáta ako produkt“: dátová sada má byť objaviteľná, adresovateľná, dôveryhodná a zabezpečená.

Dodávateľ zvyčajne nepovie to nepríjemné: väčšina stredných firiem data mesh nepotrebuje, je to koncept pre organizácie s viacerými dátovými tímami. Menšia firma dostane väčšinu hodnoty z troch lacných krokov. Jeden dobre nastavený CRM ako vlastník klienta. Jedno zdokumentované ID. Jeden export, ktorý sa dá kedykoľvek spustiť.

Rovnaká vrstva môže napájať klienta, tím aj AI

Dobre navrhnutý dátový a API layer, teda rozhranie, cez ktoré si systémy podávajú dáta podľa dohodnutých pravidiel, môže naraz obsluhovať zákaznícky portál, interný dashboard, cenotvorbu, reporting, personalizáciu webu aj AI asistenta. Firma nemusí zakaždým budovať nový ostrov.

Skúška je jednoduchá. Zoberte jedno biznis pravidlo, napríklad výpočet zľavy pre stáleho klienta, a spočítajte, na koľkých miestach je dnes zapísané. Ak je na piatich, každá zmena je päť zmien a päť príležitostí, aby sa verzie rozišli. Ak je na jednom, nový kanál nie je projekt, ale obrazovka. Preto sa oplatí vnímať firmu ako jeden produkt, nie ako oddelenia, ktoré si posielajú súbory.

Bezpečnosť musí byť súčasť architektúry

Nie každý používateľ ani každý AI proces potrebuje prístup ku všetkému. Citlivé údaje sa majú oddeľovať, prístupy logovať a toky navrhovať tak, aby sa dalo spätne vysvetliť, kto k čomu pristúpil a prečo.

Nie je to názor, je to štandard. NIST Special Publication 800-207 o architektúre zero trust z augusta 2020 hovorí v treťom zo siedmich princípov, že prístup sa udeľuje na báze jednej relácie a s najmenšími privilégiami potrebnými na dokončenie úlohy. Siedmy princíp žiada zbierať čo najviac informácií o stave zariadení, siete a komunikácie a používať ich na zlepšovanie bezpečnostnej pozície. Logovanie teda nie je otrava, je to vstup do rozhodovania.

Pri AI je navyše rozumné minimalizovať, ktoré dáta model vôbec dostane. Viac kontextu automaticky neznamená lepší systém. Zoznam OWASP Top 10 for LLM Applications 2025 radí únik citlivých informácií hneď na druhé miesto a odporúča sanitizáciu dát, prísne prístupové kontroly podľa najmenšieho privilégia a doslova obmedzenie prístupu modelu k externým zdrojom dát. Rovnako mieri zásada minimalizácie údajov v článku 5 GDPR: údaje majú byť primerané, relevantné a obmedzené na nevyhnutný rozsah.

Šieste riziko v tom istom zozname, nadmerná autonómia (Excessive Agency), opisuje to, čo vzniká pri rýchlych pilotoch: agent dostane viac funkcií, oprávnení a voľnosti, než na úlohu potrebuje. Obmedzte rozšírenia aj ich oprávnenia na nevyhnutné minimum. Pri akciách s vysokým dopadom vyžadujte schválenie človekom. Autorizáciu vynucujte v nadväzujúcich systémoch, nie v modeli. Model nie je bezpečnostná hranica, model je klient.

Ukazuje to aj Cost of a Data Breach Report 2025, ktorý realizoval Ponemon Institute a sponzoroval IBM na vzorke 600 organizácií. Trinásť percent z nich nahlásilo narušenie svojich AI modelov alebo aplikácií a z týchto 13 %, nie zo všetkých firiem, až 97 % uviedlo, že nemali zavedené riadenie prístupu k AI. Jedna z piatich organizácií nahlásila narušenie spôsobené shadow AI a firmy s jeho vysokou mierou mali priemerné náklady o 670 000 USD vyššie než firmy s nízkou mierou alebo bez neho, pri globálnom priemere 4,44 milióna USD.

Shadow AI pritom nevzniká zo zlomyseľnosti, ale vtedy, keď je oficiálna cesta k dátam pomalá a človek si nájde rýchlejšiu. Zákaz nefunguje, funguje lepšia oficiálna cesta.

Kedy sa vlastná dátová vrstva neoplatí

Vlastná dátová vrstva je investícia s fixnou réžiou, ktorú nie každá firma potrebuje. Moje pracovné pravidlo, teda skúsenostný odhad, nie výskumné zistenie: Ak tú istú entitu zapisuje jeden systém a ostatné z neho čítajú, netreba stavať nič, len si to zapísať. Ak ju zapisujú dva a rozdiel rieši občas človek ručne, stačí natívna integrácia alebo automatizácia bez kódu. Vlastná vrstva dáva zmysel až vtedy, keď tú istú entitu zapisujú tri a viac systémov a keď má firma proces, ktorý sa nedá kúpiť hotový, lebo je jej konkurenčnou výhodou.

Lacnejšie cesty sa oplatí vyskúšať ako prvé. Zrušiť jeden z duplicitných nástrojov. Zapnúť natívnu integráciu, ktorú už máte zaplatenú v licencii. Postaviť read-only reportovaciu vrstvu namiesto obojsmernej synchronizácie, lebo väčšina otázok manažmentu je čítanie, nie zápis. Menej pohyblivých častí býva lepšie riešenie než šikovnejšia synchronizácia, o čom je celý článok Vaša firma nepotrebuje viac softvéru. Potrebuje menej chaosu.

Modely sa budú meniť. Vlastná digitálna vrstva zostáva

Dnešný najlepší AI model nemusí byť najlepší o dva roky. SaaS dodávateľ môže zmeniť cenu, API alebo produktovú stratégiu. Firma s vlastným dátovým modelom, integračnou logikou a rozhraniami môže služby meniť bez toho, aby rozbila celý proces. To je jediná vyjednávacia pozícia voči dodávateľovi, ktorá funguje aj bez právnika.

Regulácia tu pomohla. Európsky Data Act, nariadenie (EÚ) 2023/2854, nadobudol účinnosť 11. januára 2024 a uplatňuje sa od 12. septembra 2025. Podľa Európskej komisie vytvára rámec, ktorý zákazníkom umožňuje prenášať dáta a meniť poskytovateľa cloudu, a zakazuje nekalé zmluvné podmienky brániace zdieľaniu dát. Zmluva vám dáva právo odísť. Architektúra rozhoduje, koľko vás odchod bude stáť.

Praktický test vlastníctva sa oplatí položiť pri každom novom nástroji pred podpisom. Keby sme ho zajtra vypli, za aký čas dostaneme dáta von v použiteľnej štruktúre? Odpoveď, že sa to dá exportovať do CSV, nestačí. Otázka je, či v exporte zostanú väzby medzi záznamami, história zmien, prílohy a identifikátory. Nástroj, ktorý vráti dáta bez väzieb, vám dáta nevracia.

Z toho vychádza deliaca čiara. Vlastniť sa oplatí dátový model, identifikátory, biznis pravidlá, integračnú logiku a rozhrania. Prenajať takmer všetko ostatné: e-mail, účtovníctvo, úložisko, sklad, platobnú bránu aj samotné modely. Nikto rozumný dnes nestavia vlastný CRM od nuly ani nepíše vlastný jazykový model. Cieľom nie je vlastniť softvér, ale pravdu, ktorú ten softvér spracúva.

Náskok v AI nebude mať firma s najväčším počtom predplatných, ale firma, ktorá vie, kde má dáta, čo znamenajú a ako bezpečne pretekajú jej procesmi.

Dátová vrstva sa nedá objednať ako položka v cenníku. Dá sa najskôr diagnostikovať: zmapovať entity, vlastníkov, toky a miesta, kde sa pravda rozchádza. Až z takej mapy sa dá povedať, či firma potrebuje projekt, jednu integráciu, alebo len jeden zrušený nástroj a jednu zapísanú dohodu. Poradie je dôležitejšie než rozpočet: najskôr proces, potom odstránenie zbytočnosti a až nakoniec technológia.

Čo si z toho zobrať

• Skôr než kúpite ďalší model alebo nástroj, napíšte na jednu stranu, ktorý systém vlastní klienta, produkt, cenu, objednávku a faktúru. Ak sa tím nezhodne za hodinu, práve ste našli skutočný projekt.
• Pri každom novom nástroji sa pred podpisom pýtajte, ako z neho dostanete dáta von aj s väzbami a históriou. Data Act vám dáva právo odísť, cenu odchodu určuje vaša architektúra.
• AI procesu dávajte len dáta, ktoré na svoju úlohu potrebuje, a autorizáciu vynucujte v cieľových systémoch, nie v modeli. Pri akciách s vysokým dopadom nechajte v slučke človeka.
• Ak tú istú entitu zapisuje jeden alebo dva systémy, nestavajte vlastnú vrstvu. Zdokumentujte vlastníctvo a zapnite natívnu integráciu.
• Úspech nemerajte počtom integrácií, ale časom, za ktorý firma vie dôveryhodne odpovedať na obchodne dôležitú otázku bez toho, aby sa pýtala konkrétneho človeka.