Data a zdroj pravdy: bez čeho AI ve firmě nefunguje
AI ve firmě nepotřebuje hned dokonalý datový sklad. Potřebuje ale vědět, odkud brát správné informace, kdo za ně ručí a co smí použít.
- AI není kouzelná vrstva nad chaosem. Pokud jí dáte staré nebo rozporné podklady, vrátí staré nebo rozporné odpovědi.
- Pro první pilot nepotřebujete dokonalý datový sklad. Potřebujete jasný zdroj pravdy pro konkrétní proces.
- Zdroj pravdy může být CRM, účetní systém, aktuální ceník, FAQ, tabulka, interní dokument nebo člověk, který proces skutečně vlastní.
- Nejdřív řešte jeden proces, ne všechna firemní data.
- U každého AI pilotu si určete: odkud AI čerpá, kdo data udržuje, jak často se aktualizují a co AI používat nesmí.
První článek série byl o tom, jak najít dobrý AI pilot. Tedy nevybírat nástroj, ale konkrétní problém, který se opakuje a dá se změřit. Druhý krok je méně atraktivní, ale důležitější: podklady. AI může pomoct s odpověďmi zákazníkům, shrnutím schůzek, fakturací, reportingem nebo interní dokumentací. Jenže jen tehdy, když ví, z čeho má vycházet. Pokud má firma tři různé ceníky, staré obchodní podmínky v PDF, část procesu v hlavě účetní a část v e-mailech, AI to sama nezachrání. Bude jen rychleji vyrábět nejisté odpovědi. Dobrá zpráva: na první pilot nepotřebujete uklidit celou firmu. Stačí udělat pořádek kolem jednoho procesu.
Co je zdroj pravdy
Zdroj pravdy je místo, kterému věříme, když se rozhoduje, co platí. Nemusí to být velký systém. Může to být: - CRM, - iDoklad, Fakturoid, Pohoda nebo jiný účetní systém, - aktuální ceník, - obchodní podmínky, - skladový systém, - interní FAQ, - onboarding dokument, - tabulka s objednávkami, - složka s aktuálními smluvními vzory, - člověk, který daný proces vlastní. Důležité není, aby všechno bylo v jednom systému. Důležité je, aby bylo jasné, **který zdroj má přednost**. Příklad: když je jiná cena v e-mailu, jiná v tabulce a jiná v ceníku na webu, AI nemá jak poznat, co platí. Musí existovat pravidlo: platný ceník je tento dokument, tento systém nebo tato tabulka.
AI nepotřebuje dokonalá data
Častý omyl je představa, že před AI projektem musíte udělat kompletní datový audit firmy. Nemusíte. Pokud chcete pilot na fakturaci, nepotřebujete interní HR dokumenty. Potřebujete objednávková data, fakturační údaje, sazby DPH, pravidla splatnosti, bankovní platby, seznam výjimek a systém, kde se faktura vystavuje. Pokud chcete pilot na zápisy ze schůzek, nepotřebujete účetní historii. Potřebujete přepis schůzky, CRM kontext, pravidla pro zápis úkolů a člověka, který výstup schválí. První pravidlo: **řešte data jen kolem vybraného pilotu**. Ne celou firmu najednou.
Typické místo, kde se AI rozbije
AI pilot často selže ne proto, že model neumí odpovědět. Selže proto, že firma nemá vyjasněné vstupy. | Problém | Co se stane | |---|---| | Staré dokumenty | AI odpovídá podle neplatných pravidel | | Více verzí ceníku | AI neví, která cena platí | | Chybějící vlastník dat | Nikdo neví, kdo má podklady aktualizovat | | Data jen v hlavě člověka | AI nemá z čeho čerpat | | Nejasná oprávnění | AI může vidět víc, než má | | Chybějící aktualizace | Pilot funguje první měsíc a pak začne zastarávat | | Smíchaná data klientů | Riziko úniku informací mezi projekty | AI je v tomhle nekompromisní. Když nemá dobrý vstup, nevznikne spolehlivý výstup.
Praktický příklad: fakturace a objednávky
Firma vystavuje hodně faktur. Podklady chodí e-mailem, část je v objednávkách, část v tabulce. Každý měsíc se ručně kontroluje, kdo zaplatil. Špatný start: - „AI nějak pozná, co se má fakturovat.“ - „Podklady jsou v e-mailech.“ - „Když něco chybí, účetní se doptá.“ - „Někdy platí cena z nabídky, někdy z domluvy.“ Lepší start: 1. Určit, kde vzniká objednávka. 2. Určit, odkud se berou fakturační údaje. 3. Určit, který systém je zdroj pravdy pro vystavenou fakturu. 4. Určit, jak se párují platby. 5. Sepsat výjimky: zálohy, dobropisy, částečné platby, ruční dohody. 6. Nechat automatizaci připravit návrh a výjimky poslat člověku. Tohle je dobrý AI/automatizační pilot, protože má jasný tok dat. AI nebo automatizace nemusí hádat. Jen pomáhá se zpracováním.
Praktický příklad: zápis ze schůzky do CRM
Firma chce, aby AI po schůzce připravila souhrn, úkoly a e-mail zákazníkovi. Nestačí jen nahrát přepis. Je potřeba vědět: - kde se schůzka ukládá, - kdo je zákazník, - kde je v CRM obchodní případ, - jaký je aktuální stav poptávky, - co se má zapisovat do CRM, - kdo kontroluje e-mail před odesláním, - které informace do CRM nepatří. Dobrý zdroj pravdy tady nemusí být jeden dokument. Je to kombinace přepisu schůzky, CRM záznamu zákazníka, interního pravidla, jak zapisovat úkoly, a člověka, který výstup schválí. AI může připravit perfektní první verzi. Ale jen když ví, do jakého kontextu ji má zasadit.
Udělejte si malou datovou mapu
Pro první pilot stačí jednoduchá tabulka. | Otázka | Odpověď | |---|---| | Jaký proces řešíme? | například fakturaci nebo zápisy ze schůzek | | Jaký výstup chceme? | návrh faktury, souhrn schůzky, úkoly, e-mail | | Odkud AI bere informace? | CRM, objednávka, přepis, ceník, interní dokument | | Co je zdroj pravdy? | systém nebo dokument, kterému dáváme přednost | | Kdo zdroj udržuje? | majitel procesu | | Jak často se aktualizuje? | podle změn nebo v pravidelné kontrole | | Co AI používat nesmí? | citlivé údaje, staré ceníky, interní poznámky mimo scope | | Kdo výstup schvaluje? | člověk před odesláním nebo zápisem | Tohle není byrokracie. To je pojistka proti tomu, aby AI nepoužívala špatné podklady.
Co znamená dost dobrá data
Dost dobrá data nejsou dokonalá. Jsou použitelná pro daný účel. Pro první pilot stačí, když: - víte, odkud data pochází, - víte, kdo je za ně odpovědný, - víte, jak jsou stará, - víte, co v nich chybí, - víte, které informace AI nesmí použít, - máte člověka, který výstup kontroluje. Nemusíte mít datový sklad, katalog metadat ani velkou interní směrnici. To může přijít později. Ale musíte mít jasno v tom, čemu AI věří.
Zdroj pravdy není jen technický problém
Tohle je důležité: zdroj pravdy není jen otázka systému. Je to otázka odpovědnosti. Někdo musí rozhodnout: - který ceník platí, - které obchodní podmínky jsou aktuální, - jak se má popsat služba, - kdo může měnit interní postup, - kdy se starý dokument smaže, - kdo schvaluje výjimky. Bez toho bude AI jen vytahovat informace z chaosu. A chaos, který se zrychlí, je pořád chaos.
Checklist před AI pilotem
Než pustíte AI na konkrétní proces, projděte si: - Víme, jaký výstup od AI chceme? - Víme, z jakých podkladů má vycházet? - Víme, který podklad má přednost, když si zdroje odporují? - Víme, kdo podklady aktualizuje? - Víme, jak často se mají kontrolovat? - Víme, co AI používat nesmí? - Víme, jestli jsou v datech osobní nebo citlivé údaje? - Víme, kdo výstup schvaluje? - Víme, co se má stát, když AI neví? Pokud na tři a víc otázek odpovíte „nevím“, pilot není ztracený. Jen ještě nemá připravené základy.
Závěr
AI ve firmě nefunguje proto, že koupíte nástroj. Funguje tehdy, když má jasný úkol a spolehlivé podklady. Nemusíte začínat velkým datovým projektem. Začněte jedním procesem. Určete, odkud AI bere informace, co je zdroj pravdy, kdo data udržuje a kdy musí výstup schválit člověk. Jakmile tohle máte, AI přestává hádat. Začne pomáhat. A přesně to je rozdíl mezi pokusem s AI a skutečným pilotem.
Zdroje
- [NIST AI Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework) - [Google Cloud: BigQuery data governance](https://cloud.google.com/bigquery/docs/data-governance) - [Google Cloud: Dataplex Universal Catalog](https://cloud.google.com/dataplex) - [Microsoft Purview a master data management](https://learn.microsoft.com/en-us/purview/data-governance-master-data-management-profisee) - [Microsoft Purview Data Governance](https://www.microsoft.com/en-us/security/business/risk-management/microsoft-purview-data-governance/)
Často kladené otázky
Musíme mít datový sklad, než začneme s AI?
Ne. Pro první pilot většinou stačí jasně vybraný proces a několik spolehlivých zdrojů. Datový sklad dává smysl až ve chvíli, kdy chcete AI systematicky napojovat na více procesů a systémů.
Co když máme data v e-mailech a tabulkách?
To nevadí, pokud víte, co z toho je aktuální a kdo za to ručí. Pro první pilot může být tabulka nebo schválený dokument úplně v pořádku.
Kdo má být garantem zdroje pravdy?
Člověk, který procesu rozumí a má právo říct, co platí. U fakturace to může být účetní nebo finanční člověk. U obchodních dat člověk odpovědný za CRM.
Co je nejčastější chyba?
Firma dá AI přístup k příliš širokým a neuklizeným podkladům. AI pak odpovídá rychle, ale ne nutně správně.
Kdy už řešit pokročilejší data governance?
Když AI používá více týmů, pracuje s citlivými daty, zapisuje zpět do systémů nebo má dopad na zákazníky. Tam už nestačí „nějaké dokumenty ve složce“.