Vaše data jsou náskok: proč firma potřebuje vlastní digitální vrstvu

Většina firem netrpí nedostatkem dat. Trpí tím, že stejná data existují na pěti místech a na každém znamenají něco trochu jiného.

Klient je v CRM, objednávka v ERP, nabídka v PDF, poznámka v e-mailu a poslední skutečný stav v Excelu u člověka, který ten proces roky drží. Když se management zeptá, kolik nám tento klient letos reálně zaplatil, odpověď vyžaduje tři systémy a člověka, který ví, kterému údaji se dá věřit.

Není to problém jen malých firem. Desátý ročník průzkumu MuleSoft Connectivity Benchmark mezi 1 050 IT lídry ve firmách s minimálně 1 000 zaměstnanci uvádí průměr 897 aplikací na organizaci, přičemž propojených je z nich jen 29 %. Devadesát procent dotázaných uvádí, že datová sila vytvářejí ve firmě obchodní problémy.

Přesně tento problém žádný AI model sám nevyřeší.

Tento text jde do hloubky jedné vrstvy. Celkovou mapu firemních vrstev jsem popsal v článku Jak bych dnes postavil firmu, která nepotřebuje armádu administrativních lidí. Tady jde jen o data: kdo je vlastní a kde je pravda.

AI je jen tak spolehlivá jako infrastruktura pod ní

Model umí skvěle shrnovat, klasifikovat nebo navrhnout další krok. Pokud ale dva systémy obsahují odlišnou cenu, jiný stav objednávky nebo duplicitního klienta, AI nedokáže určit, který záznam je autoritativní. Vybere ten, který dostane, nebo ten, který zní přesvědčivěji. Ani jedno není rozhodovací kritérium.

NIST AI Risk Management Framework 1.0 z ledna 2023 klade charakteristiku Valid & Reliable, tedy platnost a spolehlivost, jako základ pod ostatní charakteristiky důvěryhodné AI a dodává, že důvěryhodnost je jen tak silná jako její nejslabší charakteristiky. Model postavený na datech, kterým sami nevěříte, je generátor rychlejších omylů.

Firma proto potřebuje definovat source of truth pro klíčové entity: klient, produkt, cena, objednávka, faktura, dostupnost, uživatel a oprávnění. Je to dohoda o tom, který systém je pro daný údaj autoritativní a odkud ho ostatní jen čtou. Ne technologie, rozhodnutí. Bez této disciplíny automatizace jen rychleji přesouvá nekonzistentní data.

Že nejde o okrajové téma, ukazuje výzkum Salesforce State of Data and Analytics, sbíraný v létě 2025 a publikovaný v listopadu 2025: 84 % lídrů odpovědných za data a analytiku tvrdí, že jejich datová strategie potřebuje kompletní přestavbu. Odhadují přitom, že 19 % firemních dat leží v datových silech nebo je jinak nepoužitelných a 26 % je nedůvěryhodných.

Jak vypadá rozhodnutí o zdroji pravdy

U každé entity je potřeba odpovědět na čtyři otázky. Který systém ji vlastní? Kdo do ní smí zapisovat a přes jaké rozhraní? Co je její jediné ID napříč systémy? A jak vypadá sesouhlasení, když se dva záznamy rozejdou?

Zní to banálně, ale bývá to nejtěžší hodina projektu. Modelový příklad: cenu vlastní tři lidé a každý má pravdu ve svém kontextu, obchod má výjimku, e-shop ceník a účetnictví to, co odešlo na faktuře. Pokud se ten rozhovor neodehraje u stolu, vyřeší ho později integrace. Náhodně a špatně.

Regulace tlačí stejným směrem. Článek 10 nařízení EU AI Act vyžaduje u vysoce rizikových systémů datové soubory relevantní, dostatečně reprezentativní a v co největší možné míře bez chyb a úplné s ohledem na zamýšlený účel. Bez strašení: platí to až od 2. prosince 2027, respektive od 2. srpna 2028 podle typu systému, a většina firemních nasazení pod vysoké riziko nespadne.

Jednotný datový model zjednoduší celý ekosystém

Když má klient jedno stabilní ID, objednávka jasný životní cyklus a každý systém ví, odkud číst cenu nebo dostupnost, integrace se zjednoduší. Lead z webu vznikne v CRM, doplní se, přiřadí obchodníkovi a později se propojí s nabídkou, objednávkou a fakturou, aniž by někdo čtyřikrát přepisoval totéž.

Ekonomika je obyčejná aritmetika, ne výzkumné zjištění. Pokud propojujete systémy každý s každým, u pěti je to deset vazeb, u deseti čtyřicet pět. Každá vazba je kód, který někdo napsal, někdo udržuje a jednou se pokazí. Se společným slovníkem a identifikátory je přidání nástroje jedno napojení, ne dalších devět.

Zhamak Dehghani v textu o data mesh, publikovaném v květnu 2019 na martinfowler.com, pojmenovala selhání centralizovaných datových platforem: schopnost zpracovat a sladit všechna data na jednom místě klesá s růstem počtu zdrojů i konzumentů a dělení platformy podle technických kroků místo obchodních domén vytváří těsnou vazbu, při které si nový požadavek vyžádá změnu napříč celou linkou. Použitelná je hlavně její laťka „data jako produkt“: datová sada má být objevitelná, adresovatelná, důvěryhodná a zabezpečená.

Dodavatel obvykle neřekne to nepříjemné: většina středních firem data mesh nepotřebuje, je to koncept pro organizace s několika datovými týmy. Menší firma dostane většinu hodnoty ze tří levných kroků. Jeden dobře nastavený CRM jako vlastník klienta. Jedno zdokumentované ID. Jeden export, který se dá kdykoli spustit.

Stejná vrstva může napájet klienta, tým i AI

Dobře navržený datový a API layer, tedy rozhraní, přes které si systémy předávají data podle dohodnutých pravidel, může současně obsluhovat zákaznický portál, interní dashboard, cenotvorbu, reporting, personalizaci webu i AI asistenta. Firma nemusí pokaždé stavět nový ostrov.

Zkouška je jednoduchá. Vezměte jedno obchodní pravidlo, například výpočet slevy pro stálého klienta, a spočítejte, na kolika místech je dnes zapsané. Pokud je na pěti, každá změna je pět změn a pět příležitostí, aby se verze rozešly. Pokud je na jednom, nový kanál není projekt, ale obrazovka. Proto se vyplatí vnímat firmu jako jeden produkt, ne jako oddělení, která si posílají soubory.

Bezpečnost musí být součástí architektury

Ne každý uživatel ani každý AI proces potřebuje přístup ke všemu. Citlivá data se mají oddělovat, přístupy logovat a datové toky navrhovat tak, aby šlo zpětně vysvětlit, kdo k čemu přistoupil a proč.

Není to názor, je to standard. NIST Special Publication 800-207 o architektuře zero trust ze srpna 2020 uvádí ve třetím ze sedmi principů, že přístup se uděluje na bázi jedné relace a s nejmenšími privilegii potřebnými k dokončení úlohy. Sedmý princip žádá sbírat co nejvíce informací o stavu zařízení, sítě a komunikace a používat je ke zlepšování bezpečnostní pozice. Logování tedy není otrava, je to vstup do rozhodování.

U AI je navíc rozumné minimalizovat, která data model vůbec dostane. Více kontextu automaticky neznamená lepší systém. Seznam OWASP Top 10 for LLM Applications 2025 řadí únik citlivých informací hned na druhé místo a doporučuje sanitizaci dat, přísné přístupové kontroly podle nejmenšího privilegia a doslova omezení přístupu modelu k externím zdrojům dat. Stejným směrem míří zásada minimalizace údajů v článku 5 GDPR: údaje mají být přiměřené, relevantní a omezené na nezbytný rozsah.

Šesté riziko ve stejném seznamu, nadměrná autonomie (Excessive Agency), popisuje přesně to, co vzniká u rychlých pilotů: agent dostane více funkcí, oprávnění a volnosti, než na svou úlohu potřebuje. Omezte rozšíření i jejich oprávnění na nezbytné minimum. U akcí s vysokým dopadem vyžadujte schválení člověkem. Autorizaci vynucujte v navazujících systémech, ne v modelu. Model není bezpečnostní hranice, model je klient.

Ukazuje to i Cost of a Data Breach Report 2025, který realizoval Ponemon Institute a sponzorovalo IBM na vzorku 600 organizací. Třináct procent z nich nahlásilo narušení svých AI modelů nebo aplikací a z těchto 13 %, ne ze všech firem, až 97 % uvedlo, že neměly zavedené řízení přístupu k AI. Jedna z pěti organizací nahlásila narušení způsobené shadow AI a firmy s jeho vysokou mírou měly průměrné náklady o 670 000 USD vyšší než firmy s nízkou mírou nebo bez něj, při globálním průměru 4,44 milionu USD.

Shadow AI přitom nevzniká ze zlomyslnosti, ale tehdy, když je oficiální cesta k datům pomalá a člověk si najde rychlejší. Zákaz nefunguje, funguje lepší oficiální cesta.

Kdy se vlastní datová vrstva nevyplatí

Vlastní datová vrstva je investice s fixní režií, kterou nepotřebuje každá firma. Moje pracovní pravidlo, tedy zkušenostní odhad, ne výzkumné zjištění: Pokud tutéž entitu zapisuje jeden systém a ostatní z něj jen čtou, není třeba stavět nic, jen si to zapsat. Pokud ji zapisují dva a rozdíl občas ručně řeší člověk, stačí nativní integrace nebo automatizace bez kódu. Vlastní vrstva dává smysl až tehdy, když tutéž entitu zapisují tři a více systémů a když má firma proces, který se nedá koupit hotový, protože je její konkurenční výhodou.

Levnější cesty se vyplatí vyzkoušet jako první. Zrušit jeden z duplicitních nástrojů. Zapnout nativní integraci, kterou už máte zaplacenou v licenci. Postavit read-only reportovací vrstvu místo obousměrné synchronizace, protože většina otázek managementu je čtení, ne zápis. Méně pohyblivých částí bývá lepší řešení než chytřejší synchronizace, o čemž je celý článek Vaše firma nepotřebuje více softwaru. Potřebuje méně chaosu.

Modely se budou měnit. Vlastní digitální vrstva zůstává

Dnešní nejlepší AI model nemusí být nejlepší za dva roky. SaaS dodavatel může změnit cenu, API nebo produktovou strategii. Firma s vlastním datovým modelem, integrační logikou a rozhraními může jednotlivé služby vyměnit, aniž by rozbila celý provoz. To je jediná vyjednávací pozice vůči dodavateli, která funguje i bez právníka.

Regulace tu pomohla. Evropský Data Act, nařízení (EU) 2023/2854, nabyl účinnosti 11. ledna 2024 a použije se od 12. září 2025. Podle Evropské komise vytváří rámec, který zákazníkům umožňuje přenášet data a měnit poskytovatele cloudu, a zakazuje nekalé smluvní podmínky bránící sdílení dat. Smlouva vám dává právo odejít. Architektura rozhoduje, kolik vás odchod bude stát.

Praktický test vlastnictví se vyplatí položit u každého nového nástroje ještě před podpisem. Kdybychom ho zítra vypnuli, za jak dlouho dostaneme data ven v použitelné struktuře? Odpověď, že se to dá exportovat do CSV, nestačí. Otázka je, jestli v exportu zůstanou vazby mezi záznamy, historie změn, přílohy a identifikátory. Nástroj, který vrátí data bez vazeb, vám data nevrací.

Z toho vychází dělicí čára. Vlastnit se vyplatí datový model, identifikátory, obchodní pravidla, integrační logiku a rozhraní. Pronajmout téměř všechno ostatní: e-mail, účetnictví, úložiště, sklad, platební bránu i samotné modely. Nikdo rozumný dnes nestaví vlastní CRM od nuly ani nepíše vlastní jazykový model. Cílem není vlastnit software, ale pravdu, kterou ten software zpracovává.

Náskok v AI nebude mít firma s největším počtem předplatných, ale firma, která ví, kde má data, co znamenají a jak bezpečně proudí jejími procesy.

Datovou vrstvu si nelze objednat jako položku v ceníku. Dá se ale nejdřív diagnostikovat: zmapovat entity, vlastníky, toky a místa, kde se pravda rozchází. Teprve z takové mapy lze říct, jestli firma potřebuje projekt, jednu integraci, nebo jen jeden zrušený nástroj a jednu zapsanou dohodu. Pořadí je důležitější než rozpočet: nejdřív proces, potom odstranění zbytečností a teprve nakonec technologie.

Co si z toho vzít

• Dřív než koupíte další model nebo nástroj, sepište na jednu stranu, který systém vlastní klienta, produkt, cenu, objednávku a fakturu. Pokud se tým neshodne do hodiny, právě jste našli skutečný projekt.
• U každého nového nástroje se před podpisem ptejte, jak z něj dostanete data ven i s vazbami a historií. Data Act vám dává právo odejít, cenu odchodu určuje vaše architektura.
• AI procesu dávejte jen data, která ke své úloze potřebuje, a autorizaci vynucujte v cílových systémech, ne v modelu. U akcí s vysokým dopadem nechte v procesu člověka.
• Pokud tutéž entitu zapisuje jeden nebo dva systémy, nestavte vlastní vrstvu. Zdokumentujte vlastnictví a zapněte nativní integraci.
• Úspěch neměřte počtem integrací, ale časem, za který firma dokáže důvěryhodně odpovědět na obchodně důležitou otázku, aniž by se musela ptát konkrétního člověka.