AI Audit: Když chcete vědět, kde ve firmě AI dává smysl (a kde ne)| Mňamka #552

Pro koho je AI audit určený

Znáte to – CEO se vrátí z konference a ptá se „a my s tou AI něco děláme?“, IT má pět různých nápadů, co by se dalo zkusit, marketing chce chatbota, a ve skutečnosti nikdo přesně neví, co z toho má smysl a kde začít.

AI audit je pro firmy, které nechtějí jen naskakovat do vlaku, ale chtějí vědět, kam ten vlak vlastně jede. Typicky to jsou střední a velké společnosti, které už mají digitalizované procesy a nějaká data – a teď zjišťují, že „AI strategie“ nemůže být „zkusíme, uvidíme“. Nebo už mají rozběhnutých pět různých AI pilotů v různých odděleních a nikdo neví, jestli to má smysl, nebo se jen vyhazují peníze.

O čem AI audit vlastně je

Představte si, že přijdete do firmy a zeptáte se: „Co vás zdržuje? Na co nemáte čas? Čemu se věnujete opakovaně znovu a znovu?“ A najednou se ukáže, že marketing tráví 20 hodin týdně generováním reportů, na které se nikdo nepodívá. Že legal tým čte 300stránkové smlouvy a hledá v nich rizika manuálně. Že lidé z prodeje vyplňují to samé do tří různých systémů, protože „takhle to tu vždycky bylo“.

Jde o systematické zmapování toho, kde ve vaší firmě AI může pomoci – a co je důležitější, kde by to byla jen drahá hračka. Procházíme vaše procesy, mluvíme s lidmi napříč týmy, hodnotíme data, která máte k dispozici. Není to o hledání, kam všude můžeme AI natlačit, ale kde reálně pomůže – ať už ušetří čas, sníží chybovost, nebo umožní dělat věci, které dosud nebyly možné.

Co vám to přinese

Výstupem není další PowerPoint s obrázky robotů a buzzwordy. Ale konkrétní roadmapa – tohle je quick win za měsíc, tohle vám ušetří 100 hodin měsíčně, tohle bude stát čtvrt milionu a vrátí se vám za rok, a tohle je dobrý nápad, ale teď na to nemáte data.

Hlavním výstupem je matice příležitostí a roadmapa implementace. Každý use case hodnotíme ze dvou stran – kolik bude stát jeho vývoj a nasazení, ale hlavně kolik reálného času vám to v praxi ušetří. U každého řešení počítáme skutečnou ROI, ne jen to, že „to zní cool“ nebo že to všichni chtějí.

Dostanete prioritizovaný seznam – od rychlých vítězství až po komplexnější projekty. A také jasně uvidíte, co nedělat – protože ne každý proces potřebuje AI, i když to zní sexy.

A díváme se i na realitu – máte na to infrastrukturu? Jsou vaše data v použitelném stavu? Máte lidi, kteří to zvládnou? Protože nejlepší AI use case je k ničemu, když ho nemáte jak realizovat.

A jak to vypadá v praxi?

Dělali jsme AI audit pro velkou inženýrskou firmu s 500+ lidmi. Během několika týdnů intenzivního mapování jsme odhalili více než 30 konkrétních use casů – od automatizace generování reportů a analýzy technické dokumentace až po prediktivní modely pro plánování projektů.

Největší aha moment? Zjistili jsme, že mají obrovské množství nestrukturovaných dat z minulých projektů, ze kterých by AI mohla vytěžit vzorce a know-how, které nyní existuje jen v hlavách seniorních inženýrů. To je přesně ten typ hodnoty, na kterou byste sami nepřišli.

Mluvili jsme s lidmi od projektových manažerů přes IT až po top management – a každý měl jiný úhel pohledu na to, co by AI mohla řešit. Klíčové bylo dát ty perspektivy dohromady a najít průsečíky, kde se business potřeba setkává s technickou realizovatelností.

A na závěr dvě věci, které mě u AI auditů baví

Objevování „skrytých pokladů“ v datech. Firmy často vůbec netuší, jaký goldmine informací mají uložený někde v SharePointu nebo starých databázích. A potom tam sedíte na workshopu a někdo řekne: „No, my máme 15 let dat o tom, jak dlouho trvají jednotlivé fáze projektů a co přesně jsme tam dělali. A vlastně i víme, za kolik jsme to dělali...“ A mně se v tu chvíli rozsvítí oči, protože vím, co všechno by se s takovým množstvím dat dalo dělat.

Moment, kdy více oddělení zjistí, že řeší to samé – a AI by to dokázala udělat za ně všechny, jednotně, a ušetřilo by to neskutečné množství času. Dosud na to sami nepřišli, protože nikdy nesedí spolu u jednoho stolu a nemluví o tom, co řeší v práci a co je trápí. AI audit je posadí k jednomu stolu a díky tomu je možné najít ty překryvy, na které by sami nepřišli.