O úspěchu adopce AI rozho­du­je komu­nikace, důvěra i schop­nost lidí pok­lá­dat správné otázky

Jed­ním z kroků, jak dostat AI blíže zaměst­nancům, byl interní work­shop zaměřený na finanční divizi. Jeho cílem neby­lo před­stavit nejnovější tech­nolo­gie, ale ukázat, že AI může být užitečným nástro­jem i pro lidi, kteří se běžně nepo­hy­bu­jí v IT. Právě rozdíl v přís­tupu k novým tech­nologiím mezi IT a finančním sek­torem je vel­mi výrazný. Zatím­co lidé z IT si ces­tu k AI větši­nou naj­dou sami, ve finančních odd­ěleních je potře­ba nejprve obje­vit vhod­né scénáře využití a násled­ně je zaměst­nancům srozu­mitel­ně představit. 

Work­shop spo­jil externí i interní řečníky. Vedle Patric­ka Zand­la, celebri­ty české AI scény, vys­toupili také odborní­ci pří­mo z banky, mezi nimi např. Petr Mot­loch. Ten před­stavil AI First – doménu, která v bance pomáhá přetvářet pro­cesy i pro­duk­ty pro éru umělé inteligence, rozvíjí schop­nos­ti zaměst­nanců vytvářet AI agen­ty a zároveň nas­tavu­je pravid­la pro bezpečné a efek­tivní využívání AI prostřed­nictvím AI governance. 

Jed­ním z momen­tů, který Petera Kmetě během work­shopu nejvíce zau­jal, byl rych­lý vývoj nástro­jů založených na gen­er­a­tivní AI. Přek­va­pi­lo ho přede­vším, jak výrazně se během něko­li­ka měsíců posunul Microsoft Copi­lot. Zároveň si ale odnesl ještě jed­no důležité zjištění: ​„Patrick Zan­dl dokázal složité věci podat tak, že jim rozuměl celý sál. Tam mi doš­lo, že největší bar­iéra adopce není tech­ni­ka, ale způ­sob, jak o ní mlu­víme. Když se to tre­fí, lidi naskočí hned,“ upozorňuje.

Jed­nou z nejza­jí­mavějších myšlenek work­shopu bylo přirovnání LLM k ​„vel­mi vzdělané­mu, ale mladší­mu kole­govi”. Zep­tali jsme se, jak lze toto přirovnání pocho­pit: ​„Před­stavte si stážis­tu, který přečetl celou kni­hovnu. Ví toho strašně moc, ale chy­bí mu zkušenost a úsudek. Když mu zadáte úkol jed­nou větou, výsledek bude podle toho. Když mu dáte pořád­né zadání, kon­text a prá­ci po něm zkon­trolu­jete, odvede ji skvěle. A jako každý junior občas něco tvrdí s napros­tou jis­to­tou, i když je to mimo. Tomu se říká halu­ci­nace. Pro­to rád říkám, že AI je skvělý sluha, ale špat­ný pán,” vysvětluje. 

Mno­ho uži­vatelů očekává, že AI bude fun­go­vat správně hned na první pokus. Podle Petera ale kvali­ta výs­tupů vždy závisí přede­vším na kval­itě zadání. ​„Vágní zadání rovná se vágní výsledek. Spous­ta lidí hodí do mod­elu jed­nu větu, dostane nic moc odpověď a uza­vře to s tím, že AI nefun­gu­je. Jenže chy­ba neby­la v AI, ale v zadání.“ Na work­shopu si účast­ní­ci vyzk­oušeli, jak důležitý je kon­text i průběžná komu­nikace s mod­elem. ​„AI není automat na přání, je to spolupráce. Vy dáváte zadání a kon­text, vy kon­trolu­jete výsledek a vy za něj nesete odpověd­nost,“ dodává. 

V bankovním prostředí se AI stále častěji využívá při prá­ci s doku­men­ty, fak­tu­ra­mi nebo extrakcí dat. Právě zde firmy čas­to opaku­jí ste­jné chy­by. Nejčastější je slepá důvěra ve výs­tupy mod­elu a jejich další použití bez kon­troly. Další prob­lém před­stavu­je nasazení AI bez pilot­ního provozu nebo pod­cenění pravidel pro prá­ci s citlivý­mi daty. Zároveň upo­zorňu­je, že zaměst­nan­ci by měli počí­tat i s tím, že jazykové mod­e­ly nej­sou deter­min­i­stické a mohou na ste­jný dotaz odpovědět pokaždé trochu jinak. Výs­tupy AI pro­to nelze považo­vat za hotová fak­ta, ale za první návrh, který je potře­ba ověřit. 

„To hlavní ale je, že dobrý AI use case v bance je tak ze třiceti pro­cent o AI a ze sed­mdesáti pro­cent o pro­ce­su kolem ní. Kdo čeká, že stačí zap­nout mod­el, dřív nebo později narazí. Hlavní je nevypí­nat vlast­ní hlavu. Mod­el vám na ste­j­nou otázku může zítra odpovědět jinak a umí se mýlit s naprostým kli­dem. Není to porucha, tak prostě fun­gu­je. Co je důležité, to si ověřte. Dokud máte posled­ní slo­vo vy, je AI skvělý pomoc­ník,“ dodává. 

V bankovním prostředí je při nasazování umělé inteligence klíčovou otázk­ou přede­vším to, kam data putu­jí. Práce s citlivý­mi infor­ma­ce­mi vyžadu­je jas­ně nas­tavená pravid­la, která urču­jí, jaké AI nástro­je mohou zaměst­nan­ci použí­vat a jaký typ dat do nich mohou zadá­vat. Podle Kmetě však nejde o omezení, ale o pod­mínku pro bezpečné a sebevě­domé využívání AI. ​„Tato pravid­la nej­sou brz­da, naopak. Kdo ví, co smí, používá AI v klidu a odvážněji. Jas­ně, nemáme všech­no, co včera vyš­lo v Sil­i­con Val­ley. Ale tým AI First pod vedením Micha­la Krause dělá všech­no pro to, aby ta mez­era byla co nej­menší,“ popisuje. 

Za posled­ní rok prošla Česká spořitel­na výraz­nou změ­nou v přís­tupu k umělé inteligen­ci. Zatím­co dříve se zaměst­nan­ci ptali přede­vším na to, co gen­er­a­tivní AI vlast­ně je, dnes už se diskuse posou­vá k prak­tick­é­mu využití v kaž­do­den­ní prá­ci. Téma­ta jako hackatho­ny, vibecod­ing, MCP servery nebo AI agen­ti se tak stá­va­jí součástí běžné interní debaty. ​„Posun je obrovský. Před rokem se lidi ptali, co to vůbec je. Dnes­ka se pta­jí, jak to použít na svo­ji prá­ci, a rov­nou chtějí pokračování,” říká. 

Součas­ně ale podle něj zůstává rozdíl opro­ti tech­no­log­ick­ým fir­mám, které dokáží nové nástro­je nasazo­vat rych­le­ji. Bankovní prostředí musí více zohledňo­vat bezpečnost a reg­u­laci. Právě to však Kmeť nev­idí jako nevýho­du, ale jako přirozenou součást prostředí, které sto­jí na dobře nas­tavených procesech. 

Největší prak­tické přínosy umělé inteligence vidí přede­vším v kaž­do­den­ních úkolech, které zaměst­nancům zabíra­jí čas, ale nepřináše­jí vysok­ou při­danou hod­no­tu. Typ­icky jde o shrnutí dlouhých doku­men­tů, tvor­bu prvních verzí tex­tů nebo prezen­tací či rychlou ori­entaci v dat­e­ch. Právě v těch­to oblastech AI uvolňu­je kapac­i­tu pro prá­ci, která má větší smysl. Zároveň zdůrazňu­je, že nejlépe fun­gu­jí konkrét­ní a prak­tické use cas­es, které si lidé mohou okamžitě vyzkoušet. 

„Každý má v prá­ci něco, co ho nebaví a pořád se to opaku­je. A přes­ně s tím AI pomáhá nejvíc. Když tohle odpadne, zbude víc času na prá­ci, která má smysl. A potvrdil to i work­shop. Nejvíc zabralo to prak­tické, co si člověk hned odnese ke své­mu stolu. Žád­ná velká vize, ale konkrét­ní úkol z dneš­ka. V ten moment si adopce začne žít vlast­ním živ­otem,“ shrnuje.