Jak zavádět AI ve firmě, aby to fungovalo

Petr vede data ve VIG Re, předtím působil jako Domain Lead Data Platforms v České spořitelně a společně s Romanem Provazníkem moderuje technologický podcast PodVocasem. V rozhovoru probíráme práci s daty bez čekání na další report, vlastní AI agenty, roli hands-on lídra i to, proč firmy musí lidem vytvořit prostor pro experimenty.

Dobré použití AI často vznikne až při krátké ukázce

Jedna z nejpraktičtějších částí rozhovoru se týká inspirace uvnitř firmy. Petr popisuje situace, kdy člověk z IT ukázal kolegům jednoduchou automatizaci nebo novou funkci datové platformy. Lidé si během ukázky spojili technologii se svou vlastní prací a začali přicházet s dalšími nápady.

Stejný princip použil při krátké prezentaci pro tým compliance. Kolegyně během ní rozpoznala možnost, jak s pomocí datové platformy zpracovávat velké množství dokumentů. Použití vzniklo ve chvíli, kdy člověk znalý konkrétní práce uviděl, co technologie umí.

Pro firmy z toho plyne jednoduchý postup: ukažte krátký příklad, dejte lidem možnost si nástroj osahat a sbírejte nápady od těch, kteří znají skutečné procesy. AI tým pak pomůže s bezpečností, daty a převodem dobrého prototypu do provozu.

Od čekání na report k rozhovoru s daty

Tradiční práce s firemními daty bývá pomalá. Manažer zadá požadavek analytikovi, úkol se dostane do sprintu a po několika týdnech vznikne report. Při první kontrole se často ukáže, že je potřeba jiný pohled nebo další detail, takže se celý cyklus opakuje.

Petr v rozhovoru popisuje posun k přístupu, kterému se říká talk to data nebo chat with data. Člověk položí otázku běžným jazykem a může rovnou pokračovat dalšími dotazy. Podmínkou jsou připravená data, popsané vztahy a jasný význam jednotlivých ukazatelů. Bez toho může AI vrátit přesvědčivou, ale chybnou odpověď.

Tady se mění i role datového týmu. Méně času tráví výrobou jednotlivých reportů a více času věnuje datové platformě, kvalitě dat, bezpečnému přístupu a nástrojům, které mohou používat další lidé ve firmě.

Banky, pojišťovny a zajišťovny nemohou poslat citlivá data do libovolného nástroje a spoléhat na výsledek jazykového modelu. Petr proto odděluje rychlé experimentování od řešení, které firma pustí do skutečného provozu.

AI může pomoct navrhnout skript, aplikaci nebo automatizaci. Finální systém pak může fungovat podle předem daných pravidel, projít testy a zapadnout do běžného vývojového procesu. Lidé tak mohou zkoušet nové postupy, aniž by firma rezignovala na kontrolu.

Stejnou roli hraje spravované firemní prostředí. Zaměstnanec v něm může postavit jednoduchou aplikaci nad schválenými daty a nástroji. IT a datový tým vidí, kde aplikace běží, k čemu má přístup a kdo ji používá.

AI lídr musí zůstat hands-on

Petr se při změně práce rozhodl, že nechce zůstat pouze manažerem. Začal si stavět vlastní agenty, testovat Claude Code a hledat konkrétní použití v pracovních i soukromých projektech. Díky tomu dokáže lépe posoudit, co technologie zvládne, kde selhává a co potřebují lidé v jeho týmu.

Tohle považuju za jednu z hlavních dovedností současného lídra. Člověk nemusí psát produkční kód ani znát každý technický detail. Potřebuje však pravidelně pracovat s nástroji, kontrolovat jejich výstupy a rozumět tomu, jak mění práci jeho týmu.

Důležitá je také kultura. Zaměstnanec by se neměl omlouvat za to, že při práci použil AI. Manažer má chtít vědět, jak nástroj pomohl, co člověk ověřil a zda se stejný postup dá bezpečně použít i příště.

Kdo je Petr Polák

Petr Polák je datový lídr a moderátor technologického podcastu PodVocasem. Ve VIG Re vede datovou oblast a rozvoj AI kompetencí. Předtím působil v České spořitelně, kde vedl datové platformy a podílel se na dlouhodobé datové strategii. Vedle vedení týmu si staví vlastní AI agenty a zkouší, jak pomocí nich pracovat s informacemi, meetingy a podcastovým obsahem.

Slovníček pojmů

• AI adopce Způsob, jakým se AI dostává do skutečné práce lidí, týmů a firemních procesů. Patří sem nástroje, dovednosti, pravidla, data i podpora vedení.
• AI literacy Praktická orientace v možnostech a omezeních AI. Člověk umí nástroj použít, zadat mu práci, zkontrolovat výsledek a rozpoznat riziko.
• AI agent Systém, který dostane cíl, naplánuje postup a provede několik navazujících kroků. Může pracovat se soubory, aplikacemi nebo dalšími nástroji.
• Datová platforma Společné firemní prostředí pro ukládání, zpracování, správu a zpřístupnění dat.
• Model-first approach Přístup, při kterém firma od začátku popisuje význam dat a vztahy mezi nimi. AI pak lépe chápe, jak spolu tabulky, ukazatele a obchodní pojmy souvisejí.
• Sémantický model Vrstva, která překládá technickou strukturu dat do pojmů srozumitelných pro byznys. Určuje například, co přesně firma počítá jako zákazníka, výnos nebo aktivní smlouvu.
• Talk to data / chat with data Práce s daty pomocí otázek v běžném jazyce. Uživatel nemusí psát SQL dotaz a může se průběžně doptávat na další souvislosti.
• Deterministický systém Systém, který při stejném vstupu a stejných podmínkách vrátí stejný výsledek. Firmy ho používají tam, kde potřebují přesnost, testovatelnost a audit.
• Data governance Pravidla pro vlastnictví, kvalitu, bezpečnost a používání dat. Určují, kdo smí s daty pracovat a jak se kontroluje jejich správnost.
• Vibe coding Tvorba aplikace pomocí přirozeného jazyka, kdy AI navrhuje nebo píše většinu kódu. Dobře se hodí pro rychlý prototyp; firemní provoz vyžaduje také testování, bezpečnost a jasného vlastníka.
• Zajišťovna Společnost, která přebírá část rizika od pojišťoven. Pomáhá jim zvládat velké škody a výkyvy, které by samy nesly obtížně.
• Underwriting Posouzení rizika a stanovení podmínek, za kterých pojišťovna nebo zajišťovna uzavře smlouvu.

Další pojmy z podcastu Budoucnost nepráce průběžně doplňujeme do společného slovníku.