AI nezachrání špatný proces. Jen bude dělat špatnou věc levněji a rychleji.

Na poradách vedení zaznívá věta, která vypadá jako strategie, ale není jí: musíme nasadit AI. Hledá se proces, na který se dá model připojit, vybere se dodavatel, spustí se pilot. Za půl roku firma vlastní licenci a stejná čísla jako předtím.

Důvod není ve slabých modelech, ale v pořadí. Technologie je odpověď, nikoli otázka. Otázka zní, co v procesu brání tomu, aby práce prošla firmou bez zastavení. Pokud si ji nikdo nepoloží, AI jen zrychlí stávající tvar práce včetně jeho deformací.

Automatizovat neefektivní proces bez redesignu neznamená zlepšení, ale zakonzervování špatné architektury práce. Špatná věc se začne dít levněji a rychleji, což je horší, než když se dála draze a pomalu. Tehdy alespoň bolela dost na to, aby ji někdo viděl.

Technologie není strategie

Michael Hammer napsal v Harvard Business Review v roce 1990 větu, která nezestárla: vysoké investice do informačních technologií přinesly zklamání hlavně proto, že firmy používají technologii k mechanizaci starých způsobů práce. Stávající procesy nechají nedotčené a počítači je pouze zrychlí. Jeho závěr zněl: přestaňte dláždit kravské stezky.

Erik Brynjolfsson a Lorin Hitt ve studii z roku 2000 uvádějí, že investice do počítačů bez organizační změny mohou způsobit významné ztráty produktivity, protože negativní interakce se stávajícími praktikami převáží jejich přínosy. Nikoli nulový efekt, záporný. Komplementární organizační investice, tedy nové procesy a dovednosti, mohou být podle nich řádově desetinásobně větší než investice do technologie.

Novější čísla hovoří podobně, číst se však dají jen s výhradou. Report The GenAI Divide, který v červenci 2025 vydal projekt MIT NANDA, uvádí, že navzdory 30 až 40 miliardám dolarů investovaným do generativní AI nevidí 95 procent organizací žádnou návratnost a pouze 5 procent pilotů vytěží hodnotu v milionech dolarů. Stojí to na 52 rozhovorech a 153 dotaznících z prvního pololetí 2025, autoři označují zjištění za předběžná, přiznávají výběrové zkreslení a podkladová data nezveřejnili. Jde tedy o indicii, nikoli o měření trhu. Podstatnější je jejich vysvětlení: projekty nepadají na kvalitě modelů ani na regulaci, ale na křehkých workflow a na nesouladu s denním provozem.

Nejdřív nakreslete tok, teprve potom architekturu

Process redesign, tedy přepracování postupu práce před volbou nástroje, začíná nudně: rozložíte jeden proces na čtyři typy kroků. Vstup je podnět nebo data, která do procesu vejdou. Rozhodnutí je místo, kde se vybírá z možností. Akce mění stav. Výstup je to, co z procesu vypadne a co někdo další používá. Cílem je oddělit kroky, které tvoří hodnotu, od těch, které jen přesouvají informaci.

Mapuje se realita, nikoli směrnice. Manažer popíše schválený postup. Člověk, který práci dělá, vám ukáže i tabulku, kterou si tým založil, protože oficiální systém nestačí. Tyto objížďky jsou nejlepší mapa chyb v návrhu.

Co v toku hledat

• Duplicita. Táž informace se zadává na více místech, každé je nová šance na rozpor.
• Čekání. Práce leží a nikdo s ní nic nedělá. Bývá to největší položka celkového času.
• Schvalování bez rizika. Podpis, který nikdy nic nezamítl, není kontrola, ale rituál s cenou.
• Manuální přenos. Přepisování z e-mailu do tabulky, export a import, kopírování mezi systémy.
• Kroky bez důvodu. Report, který nikdo nečte. Kopie pro auditora, který ji už nechce.

Nálezy řadíme vzorcem Cost of Friction: čas jednoho opakování krát frekvence krát počet zapojených lidí krát hodinový náklad. Krok, který trvá chvíli, ale dělá ho denně celý tým, bývá dražší než velký projekt řešený jednou za rok. Proč většina firem nepotřebuje další nástroj, ale méně chaosu, jsme rozebrali v článku Vaše firma nepotřebuje více softwaru. Potřebuje méně chaosu.

Metodika: odstranit, zjednodušit, automatizovat, rozšířit

Pořadí je záměrně neúprosné. Další krok se smí dělat až po dokončení předchozího, protože každý následující je dražší a méně vratný.

Odstranit

První otázka nezní, jak to udělat rychleji, ale zda je to vůbec potřeba dělat. Zrušený krok má nulové náklady na provoz, nulovou chybovost a nulovou údržbu. Kdo ho přeskočí, automatizuje práci, která neměla existovat.

Zjednodušit

Co zůstane, je třeba zkrátit. Méně polí, méně stavů, méně výjimek, méně schvalovacích úrovní. Zjednodušení snižuje najednou náklady, chybovost i čas zaškolení, bez jediného řádku kódu. Kdo ho přeskočí, automatizuje výjimky. Každá výjimka přitom potřebuje vlastní pravidlo, test a údržbu.

Automatizovat

Teprve teď přichází nástroj. Automatizuje se to, co je opakovatelné, jednoznačné a časté, přičemž většina této vrstvy AI nepotřebuje. Přeskočit ji rovnou k modelu je chyba, kterou v zadáních vidíme opakovaně. Firma nasadí model na úlohu, kterou by vyřešilo pravidlo, a zaplatí za nejistotu, kterou nepotřebovala.

Rozšířit

Poslední vrstva člověka nezastupuje, ale zvyšuje jeho dosah. Patří sem sumarizace podkladů, první návrh textu nebo třídění nestrukturovaných dat, tedy úlohy bez jediné správné odpovědi. Kdo začne rovnou zde, dostane působivé demo a nulovou změnu v číslech, tedy přesně ten nesoulad s provozem z reportu MIT.

Rozdíl mezi automatizací a redesignem je vidět na Hammerově příkladu z Fordu. Oddělení závazků v Severní Americe zaměstnávalo na začátku osmdesátých let přes 500 lidí a management očekával, že nové počítačové systémy sníží stavy asi o 20 procent. Po redesignu, kdy se začaly párovat tři datové položky namísto čtrnácti a faktura od dodavatele se zrušila úplně, dosáhl Ford tam, kde nový proces zavedl, snížení stavů o 75 procent. Tato procenta oddělují zrychlení starého postupu od návrhu nového.

Kdy stačí pravidlo a kdy je potřeba model

Deterministická automatizace dá při stejném vstupu vždy stejný výstup. Patří sem workflow automation: propojení systémů, podmínky, validace, generování dokumentů, notifikace. Je levná, testovatelná, a když selže, selže nahlas a na známém místě. Large language model, tedy velký jazykový model, je pravděpodobnostní. Týž vstup může dát odlišný výstup a model nemá spolehlivý způsob, jak přiznat, že neví. Zato zvládá jazyk a nestrukturovaný vstup, což pravidlo nedokáže.

Pokud se postup dá napsat větou typu když nastane A, udělej B, použijte pravidlo. Pokud se úloha dá vyjádřit jen příklady, je namístě model. A pokud se pravidlo napsat dá, jen se do toho nikomu nechce, nejde o argument pro AI, ale o odklad rozhodnutí.

Podle benchmarku TheAgentCompany od výzkumníků z Carnegie Mellon University, který simuluje prostředí malé softwarové firmy, dokončil nejlepší testovaný agent zcela samostatně 30 procent úloh. Jde o simulaci a o plně autonomní dokončení, číslo tedy neříká, kolik agent zvládne s člověkem po ruce. I tak z toho plyne: agent poslaný na neuklizený proces většinu práce nedokončí.

Kde má zůstat člověk

Human in the loop, tedy zapojení člověka do rozhodovací smyčky, je správná myšlenka, která se často zneužívá jako alibi. Ben Green v recenzované studii prozkoumal 41 politik předepisujících lidský dohled nad státními algoritmy. Podle jeho zjištění lidé nedokážou vykonávat funkce dohledu, které se od nich očekávají, a politiky dohledu proto legitimizují nasazení chybných nástrojů.

Přiznává to i evropská regulace. Článek 14 aktu o umělé inteligenci požaduje, aby vysoce rizikové systémy byly navrženy tak, aby je lidé mohli účinně kontrolovat, a výslovně jmenuje automation bias, tedy sklon automaticky se spoléhat na výstup systému. Klíčové slovo je navrženy. Dohled je konstrukční požadavek, nikoli záplata nalepená po nasazení.

Člověk má tedy zůstat tam, kde je rozhodnutí nevratné, kde nese právní nebo finanční důsledky a kde jde o výjimku mimo běžné případy. Tam, kde by kontrola byla jen formální, raději krok neautomatizujte vůbec.

Rizika, která je třeba vyřešit před spuštěním

Halucinace. Nezávislé měření týmu Stanford RegLab ukázalo, že specializované právní nástroje s vyhledáváním v dokumentech halucinovaly v 17 až 33 procentech případů, přičemž nejlepší z testovaných odpovídal správně na 65 procent otázek. Jeho dodavatel přitom sliboval nulové halucinace. Doménou je právní výzkum v USA, čísla tedy nepřenášejte mechanicky. Přenositelný je závěr: i nástroj nad ověřenou databází se mýlí dost často na to, aby výstup potřeboval kontrolu. Podle práce Why Language Models Hallucinate, jejíž většina autorů působí ve společnosti OpenAI, nejde o chybu, kterou opraví další verze. Modely tipují proto, že způsob hodnocení je za tipování odměňuje a za přiznání nejistoty trestá.

Soukromí a data. Data governance, tedy pravidla o tom, jaká data do systému vstupují a kdo za ně odpovídá, není administrativní nadstavba. Článek 10 aktu o umělé inteligenci požaduje, aby trénovací, validační a testovací datové sady byly relevantní, dostatečně reprezentativní a v co největší možné míře bez chyb. Model nasazený na neuklizená data zakonzervuje nepořádek a dodá mu autoritu strojového výstupu.

Přístupová práva. Asistent, který vidí vše, co vidí firemní disk, je nová plocha pro únik. Volně nastavená práva model zdědí a zjednoduší vyhledávání v tom, co mělo zůstat oddělené.

Auditovatelnost. Článek 12 vyžaduje, aby vysoce rizikové systémy technicky umožňovaly automatický záznam událostí po celou dobu životnosti. Schopnost zpětně zrekonstruovat, co systém udělal a na jakém základě, se musí navrhnout dopředu. Do zaběhnutého procesu se dolepit nedá.

Americký rámec NIST AI RMF k tomu přidává krok, který se snadno vynechá: výstupem mapování rizik má být úvodní rozhodnutí, zda se řešení postavené na AI vůbec má stavět.

Modelový příklad: od poptávky po nabídku

Hypotetická firma prodává komponenty na míru. Současný stav:

1. Poptávka přijde do sdílené e-mailové schránky.
2. Asistentka ji přepíše do tabulky a založí složku na disku.
3. Obchodník e-mailem ověřuje u technika, zda je zadání realizovatelné.
4. Technik odpoví, když má čas.
5. Obchodník ručně poskládá nabídku a překopíruje ceny z ceníku.
6. Vedoucí nabídku schválí, prakticky vždy.
7. Do CRM se nabídka dostane, když si někdo vzpomene.

Naivní řešení zní: nasadit jazykový model, který bude z e-mailů psát nabídky. Firma dostane rychlejší výrobu dokumentů, ale čekání na technika, dvojí evidence i prázdné schvalování zůstanou. Vznikne rychlejší verze téhož nepořádku a nová kategorie chyb, které nikdo nekontroluje.

Redesign podle metodiky vypadá jinak. Odstranit: ruší se přepis do tabulky i schvalování, které nikdy nic nezamítlo, nahradí ho limit. Zjednodušit: poptávka přichází přes formulář, který si vyžádá parametry potřebné k posouzení, takže otázka na technika většinou odpadá. Automatizovat: formulář deterministicky založí příležitost v CRM, přiřadí obchodníka, poskládá nabídku z ceníku a hlídá termíny. Žádný model zde není potřeba. Rozšířit: teprve u nestandardních poptávek model připraví shrnutí a návrh řešení, které technik potvrdí nebo přepíše.

Všimněte si pořadí. Největší efekt přišel z prvních dvou kroků, které nestály téměř nic a nepotřebovaly AI. Poznámka, která se v naší branži neříká často: nemalá část takových zadání se vyřeší bez vlastního vývoje, tedy zrušením kroků, formulářem a krabicovým nástrojem, jehož předplatné je řádově levnější než vývoj i jeho údržba. Vlastní řešení má smysl tam, kde je proces skutečně specifický a kde tření převyšuje cenu vývoje i údržby. Kdy se taková investice vrátí, rozebíráme v textu Dobrý interní systém se může zaplatit dřív než nový zaměstnanec, a jak by vypadala firma postavená od nuly, v článku Jak bych dnes postavil firmu, která nepotřebuje armádu administrativních lidí.

Co si z toho vzít

• Rozložte jeden proces na vstup, rozhodnutí, akci a výstup. Mapujte realitu, nikoli směrnici.
• Najděte duplicitu, čekání, schvalování bez rizika, manuální přenos a kroky bez důvodu. Seřaďte je podle Cost of Friction: čas krát frekvence krát počet lidí krát hodinový náklad.
• Držte pořadí odstranit, zjednodušit, automatizovat, rozšířit. Další krok se smí začít až po dokončení předchozího.
• Tam, kde stačí deterministická automatizace, jazykový model jen přidává nejistotu a náklad.
• Před spuštěním si odpovězte: kdo kontroluje výstup, jaká data vstupují, kdo má k čemu přístup a jak zpětně doložíte, co systém udělal.