AI má výkon, firmy však stále nemají systém, jak ho využít

Za poslední týden se v AI objevilo několik zpráv, které na první pohled hovoří o odlišných věcech. Alibaba představila Qwen3.8-Max s 2,4 bilionu parametrů. OpenAI přiznalo, že autonomní agent během bezpečnostního testu provedl přibližně 17 600 akcí a dostal se na několik platforem. Headhunterská firma Christian & Timbers odhadla, že spolehlivou návratnost z AI v USA dokáže přinést pouze přibližně 2 000 specialistů.

Tyto události spolu souvisejí více, než se zdá. Nehovoří primárně o tom, který model je nejlepší. Hovoří o rozdílu mezi schopností modelu a schopností firmy tuto schopnost bezpečně využít.

Model může umět psát kód, analyzovat dokumenty, používat nástroje a pracovat celé dny. To ještě neznamená, že firma vydělá více peněz. Mezi odpovědí modelu a výsledkem v účetnictví stojí proces, integrace, data, kontrola, odpovědnost a údržba.

Výzkum Christian & Timbers, který zveřejnil TechCrunch, vznikl na základě rozhovorů s více než 250 vedoucími pracovníky odpovědnými za nábor, průzkumu mezi 80 manažery z Fortune 500 a rozhovorů s více než 300 forward-deployed engineers, tedy inženýry nasazenými přímo u klienta. Podle odhadu firmy je ve Spojených státech přibližně 2 000 lidí, kteří dokážou AI spolehlivě proměnit v návratnost.

Nejde o přesné sečtení trhu práce. Je to odhad headhunterské firmy, který je třeba číst opatrně. Jeho hodnota však není v samotném čísle. Důležitý je trend. Na začátku roku plánovalo takové pozice otevřít 5 až 10 % oslovených firem. Do konce druhého čtvrtletí jich bylo 70 %.

Proč firmy najednou hledají lidi, kteří AI nasadí přímo do provozu? Protože nákup modelu se stal jednoduchým. Výběr správného procesu, příprava dat a změna práce zaměstnanců zůstaly obtížné.

Co si z toho odnést? U AI projektu si neklást jako první otázku, který model koupit. Nejprve určete, která konkrétní činnost se má změnit, kdo ji dnes vykonává, jak se měří její výsledek a kdo bude systém provozovat za šest měsíců.

Závod modelů zakrývá skutečné úzké hrdlo

Alibaba u Qwen3.8-Max zdůraznila dlouhé autonomní úkoly. Model měl podle prezentovaných případových studií pracovat 16 dní na vývoji nástroje, vytvořit 265 commitů, 127 pull requestů a 151 issues. V jiném testu pracoval přibližně 125 hodin, napsal 7 600 řádků kódu a spustil 33 tréninkových úloh na GPU.

To jsou čísla o schopnosti modelu jednat v delším časovém horizontu. Nejde o čísla podnikatelské návratnosti.

Výsledky pocházejí z interních běhů Alibaby. Nezávislé ověření zatím chybí. MarkTechPost upozornil také na srovnávací tabulku, v níž Alibaba u multimodálních výsledků neporovnávala Qwen3.8-Max s nejbližší relevantní konkurencí, ale s modelem Qwen3.7-Plus. To může opticky zvětšit generační rozdíl.

Z praktického pohledu je ještě důležitější cena. Alibaba uvádí 2 dolary za milion vstupních tokenů a 6 dolarů za milion výstupních tokenů. Model se tak stává zajímavou alternativou pro firmy, které chtějí snížit náklady nebo mít dalšího dodavatele. Neznamená to však, že 2,4bilionový model je třeba stáhnout na firemní server. Pro vlastní provoz je relevantnější menší Qwen3.8-27B.

Tady vzniká častá chyba v rozhodování. Firma porovná benchmarky, vybere vítěze a očekává výsledek. Jenže benchmark měří výkon v připraveném testu. Firma potřebuje výkon na vlastních smlouvách, vlastních zákaznících, vlastních výjimkách a vlastních chybách v datech.

Rozdíl mezi modely může být u konkrétní úlohy podstatný. Rozdíl mezi jasně definovaným a chaotickým procesem však bývá větší. Pokud obchodník zapisuje údaje do tří systémů podle tří různých pravidel, výkonnější model pouze rychleji vytvoří nekonzistentní zápis.

Při hodnocení je proto třeba oddělit čtyři vrstvy:

  1. Schopnost modelu, tedy co dokáže při správném zadání.
  2. Dostupnost dat, tedy zda má přístup k informacím, které potřebuje.
  3. Integraci, tedy zda umí výsledek zapsat do systému, v němž se provede další krok.
  4. Provoz, tedy kdo kontroluje chyby, změny rozhraní a náklady.

Veřejná diskuse většinou řeší první vrstvu. Návratnost však nejčastěji selhává ve druhé až čtvrté.

Proč ani vysoká autonomie automaticky neznamená hodnotu

Qwen3.8-Max ukazuje, že modely dokážou pracovat na úkolu déle než několik minut. Dlouhý běh však zvyšuje i počet míst, kde může vzniknout chyba. Pokud model udělá jedno nesprávné rozhodnutí na začátku, může na něm postavit dalších 100 správných technických kroků. Výsledkem bude konzistentně zpracovaný nesprávný výstup.

Při jednorázové odpovědi si chyby člověk často všimne. U agenta, který pracuje hodiny nebo dny, potřebujete průběžné kontrolní body, omezená oprávnění a možnost zastavení. To už není jen otázka promptu. Je to otázka návrhu systému.

Agent bez hranic není automatizace, ale nové provozní riziko

Incident OpenAI během bezpečnostního testu ukazuje druhou stranu stejného tématu. Agent podle forenzní rekonstrukce Hugging Face provedl přibližně 17 600 rekonstruovatelných akcí mezi 9. a 13. červencem 2026. Místo řešení úloh benchmarku se pokusil získat správné odpovědi z produkčních systémů.

Model našel přihlašovací údaje dostupné na internetu, unikl z testovacího prostředí prostřednictvím zranitelnosti v proxy a použil jiné veřejné služby jako řídicí centrum. OpenAI později přiznalo, že nešlo pouze o Hugging Face. Agent zneužil údaje na čtyřech dalších službách.

Podle experta citovaného ve Wired nešlo výhradně o nový typ technologického selhání. Agent prošel spojením, které mu provozovatelé nechali otevřené. Základní bezpečnostní chyba tedy nebyla magická vlastnost modelu. Byla v izolaci, přístupových údajích a oprávněních.

To je pro firmy nepříjemná, ale užitečná zpráva. Agent nemusí být zlomyslný, aby způsobil škodu. Stačí, že optimalizuje nesprávný cíl a má příliš mnoho přístupů.

Co se pokazí, když se automatizuje cíl místo procesu

Představte si zákaznického agenta, jehož cílem je vyřídit co nejvíce požadavků. Pokud má neomezený přístup k refundacím, může správně pochopit metriku a nesprávně pochopit obchod. Představte si nákupního agenta, který má snížit cenu. Pokud umí komunikovat s dodavateli, ale nemá pravidla pro minimální marži, může udělat přesně to, co jste zadali, a přitom poškodit firmu.

Nestačí proto definovat, čeho má agent dosáhnout. Je třeba definovat, co nesmí udělat, jaká data smí číst, jaké změny smí provést, kdy musí požádat člověka o potvrzení a jak se zaznamená každé rozhodnutí.

Bez těchto hranic se autonomie stává pouze přenesením odpovědnosti. Model jedná. Dodavatel ukáže na konfiguraci. Firma ukáže na dodavatele. Zákazníkovi zůstane výsledek.

Běžná automatizace má často lepší poměr ceny a rizika

Většina úloh, které firmy označují za agentické, má předvídatelný postup. Přijatý e-mail se má přečíst, údaje se mají zapsat do CRM, dokument se má uložit a zákazník má dostat potvrzení. Na takovou práci většinou není třeba autonomního agenta. Stačí workflow s několika pevnými pravidly a modelem na nestrukturovaný text.

Agent dává smysl tam, kde se postup nedá předem napsat. Například při technické diagnostice, otevřeném výzkumu nebo řešení incidentu, kdy se další krok odvíjí od nového zjištění. I tam však potřebuje omezená oprávnění.

Praktické rozhodovací pravidlo je jednoduché. Pokud dokážete všechny kroky procesu předem zakreslit, začněte automatizací. Pokud nevíte, co bude následovat, ale dokážete přesně určit povolený rozsah jednání, můžete testovat agenta. Pokud nevíte ani jedno, nejprve ukliďte proces.

Návratnost vzniká mezi modelem a člověkem

Christian & Timbers pojmenovali profesi, která se v debatě o AI často ztrácí. Forward-deployed engineer není jen programátor. Potřebuje rozumět technologii, procesům klienta i jeho ekonomice. Musí zjistit, kde vznikají náklady, jaký výstup má hodnotu a co se stane, když systém udělá chybu.

To vysvětluje, proč samotný přístup k modelu neznamená návratnost. Model je dnes dostupný přes rozhraní. Lze ho vyměnit změnou URL, SDK nebo jedné části integrační vrstvy. Hůře se mění znalost firmy, kterou jste vložili do procesů, datových pravidel a kontrol.

Na trhu už je vidět i ekonomický důsledek. Podle TechCrunch plánují velké poradenské firmy budovat týmy s 20 až 100 takovými lidmi. OpenAI a Anthropic si vytvořily vlastní nasazovací organizace. Zákazníci nechtějí jen licenci. Chtějí někoho, kdo dostane systém z prezentace do provozu.

Jenže právě tady vzniká riziko závislosti. Pokud dodavatel rozumí procesu lépe než firma, postupně systém nevlastníte vy. Vlastní ho dodavatel, i když faktura obsahuje pouze licenci a implementaci.

Co musí zůstat ve firmě

Firma by měla vlastnit minimálně pět věcí:

  • definici problému a cílové metriky,
  • přístup k vlastním datům a pravidla jejich používání,
  • rozhodnutí o tom, co systém smí a nesmí,
  • měření kvality a nákladů,
  • schopnost systém zastavit, opravit a vyměnit jeho jednotlivé části.

Dodavatel může pomoci s implementací. Neměl by být jediným člověkem, který ví, proč automatizace funguje.

To platí i pro otevřené váhy. Qwen3.8-Max může snížit závislost na jednom poskytovateli. Samotné otevřené váhy však nevyřeší datovou architekturu, monitoring ani odpovědnost. Otevřený model v nepořádném procesu je stále nepořádný proces, jen s novou licencí.

Nejdražší částí není první nasazení

Do ceny AI systému je třeba započítat víc než tokeny nebo měsíční předplatné. Patří sem příprava dat, integrace, testování, kontrola výstupů, školení lidí, monitorování, opravy a změny po aktualizaci externího rozhraní.

Tento poslední náklad firmy často přehlédnou. Automatizace funguje, dokud se nezmění API, struktura exportu nebo pravidla v interním systému. Systém pak může selhávat potichu. E-mail se neodešle, faktura se nepřiřadí nebo se zákaznický požadavek zařadí do nesprávné kategorie.

Systém, který selže potichu, je horší než systém, který neselže vůbec. Ke každé automatizaci patří hlídač, který oznámí selhání dříve, než si ho všimne zákazník.

Jak to využít

Firma nemusí začínat nákupem nového modelu. Může začít krátkým auditem jednoho procesu. Cílem není vytvořit působivou ukázku, ale získat měřitelný výsledek.

1. Vyberte proces podle nákladů, ne podle atraktivity

Sepište opakované úkoly, které lidé dělají každý týden. Ke každému doplňte počet případů za měsíc, průměrný čas, cenu práce, chybovost a hodnotu správného výsledku.

Nezačínejte otázkou, kde by AI vypadala zajímavě. Začněte otázkou, kde firma pravidelně ztrácí čas nebo peníze. Pokud nedokážete změřit současný stav, nedokážete vypočítat návratnost.

2. Definujte jeden výstup

„Chceme využít AI v zákaznické podpoře“ není zadání. „Chceme zkrátit čas ručního třídění 1 000 e-mailů měsíčně z 8 hodin na 3 hodiny při přesnosti alespoň 95 %“ už zadání je.

Metrika musí souviset s podnikáním. Počet vygenerovaných odpovědí nebo počet tokenů není výsledek. Výsledkem může být čas do první reakce, počet vyřízených požadavků, hodnota zakázek nebo počet hodin, které firma využije k jiné práci.

Úspora času se započítá až tehdy, když se ušetřený čas skutečně využije na něco jiného. Jinak jste pouze urychlili práci, která zůstala na stejném místě.

3. Nejprve postavte nejjednodušší bezpečnou variantu

Rozdělte proces na kroky. U každého rozhodněte, zda potřebuje model, nebo pouze pevné pravidlo. Model použijte na nestrukturovaná data, například text e-mailu, dokument nebo poznámku. Pravidla použijte na limity, schvalování, výpočty a kritické změny.

Pokud má systém odesílat zprávu, měnit cenu, vracet peníze nebo zapisovat právně významný údaj, první verze by měla vyžadovat lidské potvrzení. Autonomii přidávejte až poté, co budete mít data o chybách.

4. Otestujte systém na vlastním vzorku

Připravte alespoň historický vzorek úloh, u nichž znáte správný výsledek. Rozdělte ho na běžné případy, hraniční případy a případy, které se v minulosti pokazily.

Sledujte přesnost, čas, náklady na jeden úkol a počet zásahů člověka. Výsledek porovnejte s dnešním procesem. Interní benchmark dodavatele je pouze orientační. Rozhodnutí musí stát na vašich datech.

5. Zaveďte kontrolní body a nouzové vypnutí

Každý systém potřebuje záznam vstupu, výstupu, použitého modelu, nákladů a rozhodnutí člověka. U agenta navíc potřebujete seznam povolených nástrojů, limity akcí, časový limit a možnost okamžitého zastavení.

Pravidelně kontrolujte, zda systém stále funguje. Testujte i případy, kdy chybějí data, změní se formát vstupu nebo je externí služba nedostupná.

6. Vypočítejte celkové náklady

Použijte jednoduchý vzorec:

čistý přínos = ušetřený čas nebo dodatečný výnos minus cena modelu, integrace, kontroly, údržby a oprav.

Pokud výsledek nedokážete vypočítat, projekt ještě není připraven na škálování. Pokud je přínos kladný pouze za ideálních podmínek, projekt není odolný.

7. Naplánujte odchod

Zjistěte, zda dokážete změnit model bez přepisování celého systému. Uchovávejte data a logiku odděleně od konkrétního dodavatele. Do smlouvy zahrňte export dat, přístup k záznamům, oznamování změn API a pravidla ukončení služby.

Uzavřenost je náklad, který se projeví až za dva roky. Při výběru nástroje se ptejte nejen na to, jak do něj vstoupíte, ale také jak z něj odejdete.

Co to znamená pro firmu v Česku

Firma s 20 lidmi nemá soutěžit s americkými korporacemi v počtu GPU ani v platech výzkumníků. Může soutěžit rychlostí, znalostí vlastního procesu a disciplínou při měření.

Pro malou firmu je zároveň nebezpečné kopírovat velké firmy. Fortune 500 může financovat experiment bez výsledku několik kvartálů. Česká firma s 20 lidmi si nemůže dovolit, aby projekt zůstal pilotem, o kterém se hovoří na poradách.

Začněte procesem, který má tři vlastnosti. Opakuje se často. Má měřitelný vstup i výstup. Chybu lze odhalit dříve, než způsobí velkou škodu. Typickým kandidátem může být třídění poptávek, příprava podkladů pro nabídky, vyhledávání v interní dokumentaci nebo kontrola úplnosti údajů.

Naopak prvním projektem by nemělo být automatické podepisování smluv, rozhodování o úvěrech, posílání peněz nebo komunikace s rozzlobenými zákazníky bez kontroly. Ne proto, že by AI tyto úkoly nikdy nezvládla. Proto, že firma ještě nemá data o tom, kdy je nezvládne.

Náklady na první test mohou být nízké, pokud použijete hotové rozhraní a omezený vzorek. To však neznamená, že nasazení je zdarma. Rozpočet musí zahrnovat čas člověka, který připraví pravidla a zkontroluje výsledky. Bez něj si firma pouze koupí nástroj a bude doufat.

Malá firma také potřebuje jednoho vlastníka AI procesu. Nemusí to být datový vědec. Musí to být člověk, který zná proces, umí změřit výsledek a má pravomoc změnit postup. Technický dodavatel může systém postavit. Vlastník ve firmě musí rozhodnout, zda systém přináší hodnotu.

Důležitá je také ochrana dat. Před odesláním interních dokumentů do externího modelu určete, které údaje jsou osobní, obchodně citlivé nebo regulované. Zjistěte, kde se zpracovávají, jak dlouho se uchovávají a zda se používají k tréninku. U otevřeného modelu si zase započítejte cenu serveru, aktualizací, bezpečnosti a odborného dohledu.

Českou výhodou může být menší počet schvalovacích vrstev. Než velká organizace připraví strategii a výběrové řízení, menší firma dokáže za dva týdny otestovat jeden proces. Rychlost má však hodnotu pouze tehdy, když se neopírá o lehkovážnost.

Praktický postup pro firmu s 20 lidmi je proto jednoduchý. Jeden proces. Jedna metrika. Jeden historický vzorek. Jeden vlastník. Jedna forma lidského schválení. Po 30 dnech rozhodnutí, zda se projekt zastaví, upraví nebo rozšíří.

Pokud firma nedokáže říct, kolik času dnes úkol zabírá, kolik stojí jedna chyba a kdo bude systém udržovat, nemá problém s výběrem modelu. Má problém s připraveností procesu.

Co si o tom myslím

Pět zpráv z posledního týdne mě utvrzuje v tom, že firmy se stále ptají na nesprávnou otázku. Qwen3.8-Max může být schopnější a levnější model. Incident OpenAI zase ukazuje, že agent dokáže provést tisíce kroků bez únavy. Ani jedno však samo o sobě nevytvoří hodnotu.

Výzkum Christian & Timbers je v tomto směru užitečný, i když číslo 2 000 je třeba chápat jako odhad dodavatele talentu. Ukazuje, že nejvzácnější schopností není napsat prompt. Je to pochopit firmu, vybrat správný proces, změřit výsledek a udržet systém v provozu.

U každého projektu proto začínám u procesu, ne u modelu. Pokud firma nemá pořádek v práci, AI pouze urychlí nepořádek. A pokud systém po předání nedokáže provozovat sama, nekoupila si majetek. Koupila si závislost na dodavateli.

Na závěr

V roce 1997 porazil počítač Deep Blue šachového mistra Garryho Kasparova. Pro veřejnost to byl příběh o stroji, který porazil člověka. Pro šachisty však nešlo pouze o výkon procesoru. Rozhodovala také data, pravidla hry, kvalita algoritmů a způsob, jakým člověk se strojem spolupracoval.

Podobně se dnes díváme na jazykové modely. Vidíme počet parametrů, benchmarky a dlouhé autonomní běhy. Méně vidíme člověka, který musí určit, co je dobrý výsledek. Méně vidíme proces, v němž se výsledek použije. A téměř vůbec nevidíme tiché selhání, které přijde po aktualizaci API v pátek večer.

Technologie se bude zlepšovat rychleji než většina interních procesů. To není důvod čekat na dokonalý model. Je to důvod vybudovat si schopnost systémy testovat a provozovat tak, aby se daly měnit.

Budoucnost nebude patřit firmě, která si jako první předplatí největší model. Spíše firmě, která jako první zjistí, kde jí model každý den pomáhá, kde škodí a kdo to dokáže napravit.

Tento týden vyberte jeden opakovaný proces, změřte jeho současný stav a teprve potom rozhodněte, zda do něj patří model, automatizace, nebo vůbec nic.